P. 1
- Kvantitativne metode 2009---MATEMATIKA

- Kvantitativne metode 2009---MATEMATIKA

|Views: 1,119|Likes:
Published by radniksrbije

More info:

Published by: radniksrbije on Jul 15, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/13/2013

pdf

text

original

UNIVERZITET SINGIDUNUM

Prof. dr Mališa Žižović
Prof. dr Olivera Nikolić
mr Ivana Kovačević
KVANTITATIVNE
METODE
Peto izmenjeno i dopunjeno izdanje
Beograd, 2009.
KVANTITATIVNE METODE
Autori:
Prof. dr Mališa Žižović
Prof. dr Olivera Nikolić
mr Ivana Kovačević
Recenzent:
Prof. dr Dušan Adnađević
Izdavač:
UNIVERZITET SINGIDUNUM
Beograd, Danijelova 32
Za izdavača:
Prof. dr Milovan Stanišić
Tehnička obrada:
Novak Njeguš
Dizajn korica:
Milan Nikolič
Godina izdanja:
2009.
Tiraž:
2000 primeraka
Štampa:
Mladost group
Loznica
ISBN: 978-86-7912- 198-1
III
PREDGOVOR
Sadržinom i konceptom udžbenik Kvanttatvne metode prilagođen je nas-
tavnom planu i programu predmeta Kvanttatvne metode za menadžment.
Cilj ovog programa je da studentma obezbedi neophodna znanja iz mete-
matčko-statstčkih oblast potrebnih za izučavanje i kreiranje kvanttatvnih
metoda i modela u ekonomiiji.
Udžbenik zajedno sa Zbirkom omogućava studentma osposobljenost u
ovom domenu.
Recenzent je korisnim sugestjama doprineo kvalitetu udžbenika. Svesrdnu
tehničku pomoć u pripremi ovog udžbenika pružio je kolega Novak Njeguš.
Autori
V
SADRŽAJ
Predgovor III
I - GLAVA
MATEMATIČKA LOGIKA I TEORIJA SKUPOVA
1. MATEMATIČKA LOGIKA 1
1.1. Iskazi 2
1.2. Osnovne logičke operacije 2
1.3. Prioritet logičkih operacija 5
1.4. Prevod jezičkih rečenica 5
1.5. Tautologije i logički zakoni 6
1.6. Primena matematčke logike u računarstvu i tehnici 7
1.7. Prekidačke šeme i digitalna logička kola 8
2.OSNOVNI POJMOVI TEORIJE SKUPOVA 11
2.1. Pojam skupa 11
2.2. Operacije sa skupovima 12
2.3. Broj elemenata skupa - Kardinalni broj 15
2.4. Raselov paradoks 16
II - GLAVA
LINEARNA ALGEBRA
3. MATRICE 19
3.1. POJAM MATRICE 19
3.2. OPERACIJE SA MATRICAMA 21
3.3. DETERMINANTE 23
3.3.1. Izračunavanje determinanate 24
3.3.2 Osobine determinante 26
3.4. RANG MATRICE 27
3.4.1. Elementarne transformacije matrica 27
3.5. INVERZNA MATRICA 29
3.6. SISTEMI LINEARNIH JEDNAČINA 31
3.6.1. Gausova metoda 31
3.6.2. Kramerova metoda 33
3.6.3. Kroneker - Kapelijeva teorema 36
3.7. HOMOGENI SISTEM LINEARNIH JEDNAČINA 38
3.8. MATRIČNI METOD 39
VI
III - GLAVA
FUNKCIJE
4. FUNKCIJE 41
4.1. FUNKCIJE JEDNE PROMENLJIVE 41
4.1.1. Pojam funkicje 41
4.1.2. Realne funcije jedne promenljive 42
4.1.3. Inverzna funkcija 43
4.1.4. Slaganje funkcija 44
4.1.5. Osobine funkcija 45
4.2. NIZ 50
4.2.1. Granična vrednot niza 51
4.2.2. Osobine konvergentnih nizova 52
4.2.3. Operacije sa graničnim vrednostma nizova 53
4.2.4. Tačka nagomilavanja niza 54
4.2.5. Broj e 55
4.3. GRANIČNA VREDNOST FUNKCIJE 55
4.3.1. Leva i desna granična vrednost funkcije 57
4.3.2. Beskonačno male veličine 59
4.3.3. Osobine graničnih vrednost funkcija 59
4.4.NEPREKIDNOST FUNKCIJA 59
4.5. ASIMPTOTE FUNKCIJA 61
4.6. FUNKCIJE VIŠE PROMENLJIVIH 63
4.6.1. Granična vrednost funkcija 65
4.6.2. Osobine graničnih vrednost funkcija 67
4.6.3. Neprekidnost funkcije 67
IV - GLAVA
DIFERENCIJALNI RAČUN
5. DIFERENCIJALNI RAČUN 69
5.1. IZVOD FUNKCIJE 69
5.2. DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI 73
5.3. DIFERENCIJAL FUNKCIJE 79
5.4. NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA 82
5.5. IZVODI I DIFERENCIJALI FUNKCIJA DVE
NEZAVISNO PROMENLJIVE 97
5.6. PRIMENA DIFERENCIJALNOG RAČUNA 102
5.7. EKONOMSKE FUNKCIJE 113
5.7.1. Funkcija tražnje 113
VII
5.7.2. Funkcija ponude 115
5.7.3. Modeli tržišta 115
5.7.4. Funkcija troškova 117
5.7.5. Funkcija prihoda 119
5.7.6. Funkcija dobit 120
5.7.7. Elastčnost ekonomskih funkcija 122
5.7.8. Elastčnost tražnje 123
V - GLAVA
INTEGRALNI RAČUN
6. NEODREĐENI INTEGRAL 128
6.1. OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL 128
6.2. TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA 131
6.3. OSNOVNA PRAVILA INTEGRACIJE 132
6.4 PRIMENA INTEGRALNOG RAČUNA 143
7. ODREĐENI INTEGRAL 145
7.1. OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL 145
7.2. OSNOVNE TEOREME VEZANE ZA ODREĐENI INTEGRAL 150
7.3. NESVOJSTVENI INTEGRAL 155
7.4. PRIMENA ODREĐENOG INTEGRALA 158
VI - GLAVA
ELEMENTI TEORIJE VEROVATNOĆE
8. ELEMENTI TEORIJE VEROVATNOĆE 163
8.1. EKSPERIMENTI SA SLUČAJNIM
ISHODIMA - SLUČAJNI DOGAĐAJI 163
8.2. POJAM VEROVATNOĆE 166
8.3. USLOVNE VEROVATNOĆE - NEZAVISNOST 168
8.4. FORMULA TOTALNE VEROVATNOĆE I BAJESOVA FORMULA 171
8.5. SLUČAJNE PROMENLJIVE 175
8.5.1. Jednodimenzionalne slučajne promenljive 175
8.5.2. Višedimezionalne slučajne promenljive 176
8.5.3. Marginalne i slučajne raspodele 178
8.5.4. Nezavisnost slučajnih promenljivih 179
8.5.5. Numeričke karakteristke slučajnih promenljivih 181
8.5.6. Disperzija slučajno promenljive 183
8.5.7. Funkcija raspodele slučajne promenljive 185
8.5.8. Slučajne promenljive koje se najčešće koriste 188
VIII
8.5.9. Korelacija dve slučajne promenljive 196
8.5.10. Zakoni velikih brojeva. Centralna granična vrednost 197
VII - GLAVA
ELEMENTI TEORIJE STATISTIKE
9. UVOD U STATISTIKU 199
9.1. STATISTIČKO POSMATRANJE, PRIKUPLJANJE
I PRIKAZIVANJE PODATAKA 200
9.2. O STATISTIČKIM SERIJAMA 201
9.3. STATISTIČKE TABELE, POLIGONI I HISTOGRAMI 202
9.4. MERE 204
9.4.1. Srednje vrednost 204
9.4.2. Mere odstupanja i centralni moment 211
9.4.3. Mere oblika 213
9.5. IZBOR SLUČAJNOG PROSTOG UZORKA 214
9.6. OCENE PARAMETARA 215
9.7. INTERVALI POVERENJA 215
9.8. TESTIRANJE STATISTIČKIH HIPOTEZA 220
9.9. PIRSONOV χ
2
TEST 221
9.10. METOD NAJMANJIH KVADRATA 224
9.11. ODREĐIVANJE REGRESIONIH LINIJA POMOĆU UZORKA 228
VIII - GLAVA
FINANSIJSKA I AKTUARSKA MATEMATIKA
10. FINANSIJSKA I AKTUARSKA MATEMATIKA 231
10.1. PROCENTNI RAČUN 231
10.2. PROMILNI RAČUN 234
10.3 PROST INTERESNI RAČUN 234
10.4. SREDNJI ROK PLAĆANJA 240
10.5. ESKONTOVANJE 241
10.6. JEDNAKOST EFEKATA 242
10.7. SLOŽENI INTERESNI RAČUN 243
10.8. ELEMENTI OSIGURANJA 267
10.9. OSIGURANJE KAPITALA UPLATOM MIZE 272
10.10. MEŠOVITO OSIGURANJE 277
10.11. OSIGURANJE VIŠEKRATNIM PREMIJAMA 278
LITERATURA 283
‐ 1 ‐ 
I   ‐   GL AV A 
MAT E MAT I Č K A   L OGI K A  I   T E OR I J A  S K UP OV A 
 
• MATEMATIČKA LOGIKA 
• OSNOVNI POJMOVI TEORIJE  SKUPOVA 
C I L J E V I   U Č E N J A  
Kada ovo poglavlje proučite moći ćete  da: 
• definišete iskaz, 
• znate logičke operacije, 
• napišete tablice istinitosti iskaznih formula, 
• nabrojite osnovne logičke zakone, 
• znate osnovne primene u računarstvu i tehnici, 
• objasnite pojam skupa, 
• definišete osnovne skupovne relacije i operacije, 
• znate šta je kardinalni broj skupa, 
• da znate probleme teorije beskonačnih skupova. 
L O G I K A  
Logika je veština i metoda pravilnog mišljenja. Logika je nauka o zaključivanju i 
kao takva koristi se u najrazličitijim oblastima nauke, a pogotovo u matematici.  
Osnova je celokupnog matematičkog rezonovanja. Nastala je u 4 veku p.n.e. Na 
osnovu  osnovnih  stavova,  koje  nazivamo  aksiomama,  određuje  se  koji  su 
matematički  iskazi  tačni,  a  koji  ne,  i  formalizuju  se  postupci  dobijanja  složenih 
rečenica iz prostih u skladu sa pravilima ispravnog zaključivanja. 
 
1 . MAT E MAT I Č K A  L OGI K A 
Od  sredine  19  veka  pa  do  danas,  matematička  logika  se  razvija  veoma 
intenzivno.  Ona  je  značajna  matematička  disciplina,  koja  obezbeđuje  teorijske 
osnove  pre  svega  računarskih  nauka.  Omogućila  je  nastanak  i  razvoj  digitalnih 
elektronskih računara. 
‐ 2 ‐ 
1 . 1 . I S K A Z I  
ƒ Rečenica koja ima istinitosnu vrednost naziva se iskaz ili sud. 
ƒ Iskazi se obeležavaju malim slovima  p ,  q ,  r ,……i nazivaju se iskazna 
slova. 
ƒ Istinitosna vrednost iskaza je 
( )
,
,
T p je tačan iskaz
p
p je netačan iskaz
τ

=



 
 
Napomena:    Umesto  T   i  ⊥   koriste  se  i  oznake  1  i  0 .  U  ovom  slučaju 
simbole 1 i  0  ne treba shvatati kao brojeve 1 i  0 . 
 
Primer: 
 
 
 Rečenica  : 2 1 1 p − =  je iskaz i ima tačnu istinitosnu vrednost, tj. 
( )
p T τ = . 
 
Rečenica  2 1 1 − = −  je iskaz i ima netačnu istinitosnu vrednost, tj. 
( )
p τ =⊥. 
 
Rečenica 
2
1 x =   nije  iskaz  jer  nema  definisanu  istinitosnu  vrednost.  Za  neke   
vrednosti  promenljive  x ,  tj  za  1 x = ±   formula  je  tačna,  a  za  sve  ostale  je 
netačna. 
 
 
1 . 2 . O S N O V N E   L O G I Č K E   O P E R A C I J E  
U  svakodnevnom  jeziku,  rečenice  se  kombinuju  u  složene  rečenice, 
korišenjem veznika i, ili, ne, ako onda i mnogih drugih. Istinitosna vrednost 
složene rečenice uslovljena je istinitošću njenih delova.  
 
Primer: 
 
: p Danas pada kiša 
: q Danas je novembar. 
Složena rečenica glasi: 
Danas pada kiša i danas je novembar  
‐ 3 ‐ 
Sastoji se od 2 dela spojenih veznikom i. Simbolički se može napisati  p i q , 
ili korišćenjem oznake za logičku operaciju i ,  ∧ , u obliku  p q ∧ . 
 
 
Razlikujemo  unarne  (jedna  promenljiva)  i  binarne  (dve  promenljive) 
logičke operacije.  
 
Osnovne logičke operacije su:  
ƒ konjukcija (i), u oznaci  ∧ , 
ƒ disjunkcija (ili), u oznaci  ∨ , 
ƒ implikacija (ako ‐ onda),  ⇒ , 
ƒ i  ekvivalencija (ako i smo ako)   ⇔ , 
ƒ  negacija (ne) , ¬ . 
 
Napomena:  negacija je unarna operacija. 
 
ƒ Istinitosna vrednost  logičkih operacija data je sledećom tablicom. 
 
( )
p τ  
( )
q τ  
( )
p q τ ∧  
( )
p q τ ∨  
( )
p q τ ⇒  
( )
p q τ ⇔  
( )
p τ ¬  
T   T   T T T T ⊥  
T   ⊥   ⊥ T ⊥ ⊥ T  
⊥   T   ⊥ T T ⊥ ⊥  
⊥   ⊥   ⊥ ⊥ T T T  
 
ƒ Formulu čine iskazna slova  p ,  q ,  r  i  osnovne logičke operacije. 
 
Primer: 
 
Formule su: 
( ) ( )
, , p q p p q r p p q ⇒ ∧ ∨ ∨ ¬ ∨ ⇔  
 
 
Istinitosna vrednost u tablici je u saglasnosti sa svakodnevnom logikom. Jedino 
kod  implikacije  naizgled  nelogičnost  vidimo  u  slučaju  kada  je 
( )
p τ =⊥  Znači, 
implikacija je  tačna bez obzira na vrednost iskaznog slova  q . 
 
 
 
‐ 4 ‐ 
Primer: 
 
Ako je Srbija najveća na svetu, veća je od Crne Gore. 
( )
T T τ ⊥⇒ = . 
Složena  rečenica  je  tačna,  jer  ako  je  Srbija  najveća  na  svetu,    veća  je  od 
Crne gore koja je manja od nje. 
 
 
Primer: 
 
Ako je Srbija najveća na svetu, veća je od SAD. 
( )
T τ ⊥⇒⊥ = . 
Složena  rečenica  je  tačna,  jer  ako  je  Srbija  najveća  na  svetu,    veća  je  od 
svake druge države. 
 
 
Implikacija se može čitati na sledeće načine: 
 
Ako  p , onda  q , 
p  je pretpostavka posledice  q , 
p  povlači  q , 
iz  p  sledi  q , 
p  je dovoljan uslov za  q . 
q  je potreban uslov za  p . 
 
Za implikaciju,  p q ⇒ , vezane su 3 dodatne vrste iskaza: 
 
q p ⇒   konverzija 
p q ¬ ⇒ ¬   inverzija 
q p ¬ ⇒ ¬   kontrapozicija 
 
Primer: 
 
Ako je ona pevačica, onda je ona popularna. ‐implikacija. 
Ako je ona popularna, onda je ona pevačica. ‐ konverzija . 
Ako ona nije pevačica, onda ona nije popularna. ‐ inverzija . 
Ako ona nije popularna, onda ona nije pevačica. ‐ kontrapozicija. 
 
 
‐ 5 ‐ 
Ekvivalencija je dvostruka implikacija. Kada čitamo ekvivalenciju koristimo i 
reči ako i samo ako, a pišemo akko. 
( ) ( ) ( ) ( )
p q p q q p ⇔ = ⇒ ∧ ⇒  
 
Najveći  broj  matematičkih  tvrđenja  i  teorema  su  oblika  implikacije  ili 
ekvivalencije. 
 
Primer: 
 
Ako je neki ceo broj jednak 2, onda je njegov kvadarat jednak 4.  
 
Trougao je pravougli, ako i samo ako, je zbir kvadrata nad katetama jednak 
kvadratu nad hipotenuzom. 
 
Broj je deljiv sa 6, akko je deljiv sa 2 i sa 3. 
 
 
1 . 3 . P R I O R I T E T   L O G I Č K I H   O P E R A C I J A  
Kombinovanjem iskaznih slova i logičkih operatora dobijamo složene izraze, 
kao što su  p q p ∧ ⇔ ¬ , 
( )
p q p r ∧ ⇒ ¬ ∨  i slično. Prilikom određivanja 
istinitosne vrednosti ovih izraza  važno je znati prioritet logičkih operacija, koji 
možemo videti iz sledeće tablice : 
 
logički operator  prioritet 
¬

, ∧ ∨

, ⇒ ⇔

 
1 . 4 . P R E V O D   J E Z I Č K I H   R E Č E N I C A  
Prevod  sadržaja  iz  običnog  jezika    u  zapis  matematičke  logike  je  jedan  od 
najvažnijih  problema hardverskih i softverskih poslova.  Problem se svodi da se 
sadržaj  običnog  jezika    svede  na  tačan  i  nedvosmislen    logički  zapis  koji  može 
da bude predmet daljeg proučavanja. 
 
 
‐ 6 ‐ 
Primer: 
 
Automatski, odgovor ne može biti poslan  ako je unutrašnja memorija puna . 
Neka je rečenica p : Odgovor se automatski šalje. 
Neka je rečenica q : Unutrašnja memorija je puna. 
Onda  ¬ p je rečenica : Odgovor se ne šalje automatski. 
Logički zapis bi bio :  q p ⇒ ¬  
 
 
1 . 5 .   T A U T O L O G I J E   I   L O G I C K I   Z A K O N I  
ƒ Iskazna formula koja je uvek tačna naziva se tautologija. 
ƒ Iskazna formula koja je uvek netačna naziva se kontrapozicija. 
Tautologije u običnom jeziku predstavljaju zakone. 
 
Osnovni logički zakoni su : 
 
Zakon idempotencije   
 
p p p
p p p
∧ ⇔
∨ ⇔
 
Dvostruka negacija 
   
( )
p p ¬ ¬ ⇔  
 
Komutativnost
 
p q q p
p q q p
∧ ⇔ ∧
∨ ⇔ ∨
 
 
Asocijativnost 
 
( ) ( )
( ) ( )
p q r p q r
p q r p q r
∧ ∧ ⇔ ∧ ∧
∨ ∨ ⇔ ∨ ∨
 
Distributivnost 
( ) ( ) ( )
( ) ( ) ( )
p q p r p q r
p q p r p q r
∧ ∨ ∧ ⇔ ∧ ∨
∨ ∧ ∨ ⇔ ∨ ∧
 
 
De Morganovi zakoni  
( ) ( )
( ) ( )
p q p q
p q p q
¬ ∨ ⇔ ¬ ∧¬
¬ ∧ ⇔ ¬ ∨ ¬
  
 
 
 
 
‐ 7 ‐ 
1 . 6 .   P R I M E N A   M A T E M A T I Č K E   L O G I K E   U  
R A Č U N A R S T V U   I   T E H N I C I  
 
Moderni  računari  koriste  binarni  brojni  sistem  koji  ima  dve  cifre  0  i  1.  Binarni 
sistem je izabran zato što računar mora da prikaže bilo koju cifru na jedinstven 
način, a postoji veliki broj elektronskih sklopova koji se nalaze u dva jedistvena 
stabilna  stanja.  Ova  stanja  mogu  biti  otvoren‐zatvoren,  levo‐desno,  uključen‐
isključen i slično.  
Binarni sistem je pogodan za korišćenje primenom matematičke logike.  
Jedna  binarna cifra 0 ili 1  predstavlja minimalnu količinu informacija, odnosno 
najmanji podatak koji se  može obraditi u računaru i zove se bit  (bit). Bit  može 
da  reprezentuje  istinu  (true)  i  neistinu  (false).  Jedinica  reprezentuje  istinu,  a 
nula  neistinu.  Logičke  operacije  se  predstavljau  i  kao  konjukcija  AND,  a 
disjunkcija kao OR, imajući u vidu istinitosne tablice za date logičke operacije. U 
većini računara koristi se grupa od osam bita koja se naziva bajt (byte). 
 
Primer: 
 
Ako primenimo operatore AND i OR na brojeve 0110110110 i 1100011101 
dobićemo: 
0110110110 
1100011101 AND 
0100010100 
 
0110110110 
1100011101 OR 
1110111111 
 
 
Računari  moraju  imati  mogućnosti  da  memorišu  i  obrađuju  i  nenumeričke, 
odnosno  tekstualne  podatke.  Oni  su  ili  nizovi  (  string)  ili  znakovi  (  charácter 
data), zatim slova, znakovi interpunkcije, matematički znaci, specijalni znaci i 
slično. 
   
Podaci  ovog  tipa  su  memorisan  u  obliku  niza  bitova.  Danas  se  koriste  ASCII  i 
EBCDIS kod. Naprimer 1111001 predstavlja slovo b.  
 
Dakle,  binarni  brojevi  su  osnova  za  funkcionisanje  računara.  Digitalna  kola 
kombinuju  nule  i  jedinice,  i  generišu  nove  nule  i  jedinice.  Mašinske  instrukcije 
‐ 8 ‐ 
su  takođe  prikazane  kao  nizovi  nula  i  jedinica,.  Svi  programi  napisani  u 
asembleru  ili  nekom  višem  jeziku    da  bi  mogli  da  rade  moraju  da  budu 
prevedeni u nizove nula i jedinica. 
 
1 . 7 . P R E K I D A Č K E   Š E M E   I   D I G I T A L N A   L O G I Č K A   K O L A    
Prekidačke  šeme  i  digitalna  logička  kola  su  tako  projektovana  da 
implementiraju principe binarne aritmetike i matematičke logike.  
 
Prekidačke šeme su univerzalne šeme koje ne zavise od tehnologije. Mogu 
da se realizuju na osnovu mehaničkih prekidača, električnih kola i slično.  
Digitalna  električna  logička  kola  su  specijalizovane  šeme  sastavljene  od 
tačno definisanih električnih komponenti.  
 
ƒ Iskazne  formule  u  kojima  se  pojavljuju  samo  operacije  , , ∧ ∨ ¬,  pri 
čemu  ¬  se  odnosi    samo  na  iskazna  slova,  imaju  jednu  zanimljivu 
interpretaciju koja se koristi u tehnici, u projektovanju digitalnih kola i 
naziva prekidačka algebra. 
 
ƒ Iskazna slova se tretiraju kao prekidači. Ako iskazno slovo ima vrednost 
1 p =
,
  smatra  se  da  je  prekidač  zatvoren,  tj.  da  provodi  struju,  a  za 
0 p =  je otvoren, tj da ne provodi struju. 
 
 
Formula  se  tretira  kao  mreža  sa  dva  kraja  sastavljena  od  prekidača  koji  su 
povezani  paralelno  ili  serijski.  Tautologijama  odgovaraju  mreže  koje  uvek 
provode struju. 
 
Primer: 
 
Posmatrajmo  prekidačku  kolo‐šemu  koje  sadrži  prekidač  i  sijalicu.  Vrednost  1 
dodeljujemo  prekidačima  p   i  q   kada  su  zatvoreni,  tj  ako  kroz  njih  protiče 
struja.  U  suprotnom  dodeljujemo  im  vrednost  0.  Kada  su  prekidači  redno 
vezani, sijalica će svetleti i kolo će imati vrednost 1 samo ako su oba prekidača 
p  i  q  zatvorena. Prema tome, ovo kolo će odgovarati iskazu  p  i  q , odnosno 
p q ∧  i zove se AND –i  kolo. 
‐ 9 ‐ 
 
p q ∧  
Digitalna logičko kolo 
 
 
 
Primer: 
 
Posmatrajmo  prekidačko  kolo  u  kome  su  prekidači  p   i  q   vezani  paralelno. 
Kada  su  prekidači  paralelno  vezani,  sijalica  će  svetleti  ako  je  1 p =   ili  1 q =   i 
kolo  će  imati  vrednost  1  ako  je  bar  jedan  prekidača  p   i  q   zatvoren.  Prema 
tome,  ovo  kolo  će  odgovarati  iskazu  p   ili  q ,  odnosno  p q ∨   i  zove  se  OR‐  ili 
kolo. 
 
p q ∨  
 
Kolo  će  imati  vrednost  1  ako  je  prekidač  p   zatvoren,  odnosno  ako  je  p 
jednako 0, a zove  se ne kolo ili invertor. 
 
‐ 10 ‐
 
 
 
  P I T A N J A   Z A   P O N A V L J A N J E  
1. Šta je iskaz? 
2. Navesti osnovne logičke operacije. 
3. Šta je tautologija? 
4. Nevesti osnovne logičke zakone. 
5. Šta je prekidačka algebra? 
6. Zašto binarni sistem? 
7. Šta je bit? 
 
 
  K L J U Č N I   T E R M I N I  
• ISKAZ 
• KONJUKCIJA 
• DISJUNKCIJA 
• IMPLIKACIJA 
• EKVIVALENCIJA 
• NEGACIJA 
• TAUTOLOGIJA 
• KONTRADIKCIJA 
• BIT 
• BAJT 
• PREKIDAČKA ALGEBRA 
• I KOLO 
• ILI KOLO 
• NE kolo 
 
 
 
 
‐ 11 ‐
2 . OS NOV NI   P OJ MOV I   T E OR I J E   S K UP OV A 
 
2 . 1 . P O J A M   S K U P A  
Sa  skupovima  radimo  svakodnevno  u  različitim  prilikama.  Korpa  jabuka, 
stado  ovaca,  skup  kontinenata,  populacija  bakterija,  skup  tačaka  na 
kružnici,  skup  prirodnih  brojeva,  sve  su  to  primeri  skupova.  Skoro  svaka 
delatnost čoveka odnosi se na neke skupove. 
 
ƒ Skup  je  osnovni  pojam  koji  se  ne  definiše.  Čine  ga  elementi  koji  imaju 
bar jednu zajedničku osobnu. 
ƒ Objekti skupa nazivaju se njegovim elementima. 
ƒ Skupovi  se  obeležavaju  najčešće  velikim  slovima  A ,  B ,  C ,  ...  ,a 
njegovi elementi malim slovima  a,  b ,  c , ... 
ƒ Neki  element  a  može  pripadati  datom  skupu  A ,  što  se  označava  sa 
a A ∈ , ili ne pripadati istom skupu, što se označava sa  a A ∉ . 
ƒ Skup koji nema elemenata naziva se prazan skup i obeležava sa  ∅ . 
ƒ Za grafičko predstavljanje skupova koriste se Venovi dijagrami. 
a A ∈
a
A
 
ƒ Za definisanje skupovnih relacija i operacija koristimo logičke operacije. 
ƒ Kažemo da je  A  podskup skupa  B  i pišemo  A B ⊂ , ako svaki element   
skupa  A  pripada istovremeno i skupu  B .  
 
{ }
A B x x A x B ⊂ = ∈ ⇒ ∈  
‐ 12 ‐
A
B
A B ⊂
 
ƒ Dva  skupa  A   i  B   su  jednaka,  ako  svaki  element  skupa  A   pripada  i 
skupu  B  i ako svaki element skupa  B  istovremeno pripada i skupu A . 
{ }
A B x x A x B = = ∈ ⇔ ∈  
ƒ Partitivni  skup 
( )
P A   datog  skupa  A ,  je  skup  svih  podskupova  datog 
skupa, tj.  ( ) { }
P A X X A = ⊂ . 
Primer: 
 
{ } ( ) { } { } { } { } { } { } { } { }
A= 1,2,3 , P A , 1 , 2 , 3 , 1, 2 , 1, 3 , 2, 3 , 1, 2, 3 = ∅  
 
   
2 . 2 .   O P E R A C I J E   S A   S K U P O V I M A  
 
ƒ Unija dva skupa  A  i  B  je skup 
{ }
A B x x A x B = ∈ ∨ ∈ ∪ . 
 
A
B
A B ∪
 
 
‐ 13 ‐
Primer: 
 
{ }
1, 2 A = , 
{ }
2, 3, 6, 7 B = ; 
{ }
1, 2, 3, 6, 7 A B = ∪  
 
 
ƒ U opštem slučaju, kada imamo konačno mnogo skupova 
1 2
, , ,
n
A A A … , 
njihova unija je: 
1 2
1
n
i n
i
A A A A
=
= ∪ ∪…∪


 
ƒ Presek skupova  A  i  B  je skup 
{ }
A B x x A x B = ∈ ∧ ∈ ∩ . 
 
A
A B ∩
B
 
Primer: 
 
{ }
1, 2 A = , 
{ }
2, 3, 6, 7 B = ; 
{ }
2 A B = ∩  
 
 
 
ƒ Ako je presek dva skupa  A  i  B  prazan, tj.  A B = ∅ ∩ , tada za  ta dva 
skupa kažemo da su disjunktni . 
 
ƒ Ako je dato konačno mnogo skupova  
1 2
, , ,
n
A A A …   njihov presek je: 
 
1 2
1
n
i n
i
A A A A
=
= ∩ ∩…∩


 
 
ƒ Razlika skupova  A  i  B  je skup 
{ }
\ A B x x A x B = ∈ ∧ ∉ . 
‐ 14 ‐
\ A B
B
A
 
Primer: 
 
{ }
1, 2 A = , 
{ }
2, 3, 6, 7 B = ; 
{ }
\ 1 A B = ,
{ }
\ 3, 6, 7 B A = . 
 
 
ƒ Simetrična razlika skupova  A  i  B  je unija skupova  \ A B  i  \ B A , tj. 
 
( \ ) ( \ ) A B A B B A Δ = ∪ . 
ƒ Komplement  skupa  A   u  odnosu  na  skup  B   (ili  dopuna  skupa  A   do 
skupa  B ) gde je  A B ⊂ . je skup  \
B
C A B A = . 
ƒ Par  elemenata  ( , ) a b   nazivamo  uređenim  parom  (ili  uređenom 
dvojkom)  ako  je  tačno  određeno  koji  je  element  na  prvom,  a  koji  na 
drugom mestu. 
ƒ Uređeni  parovi  ( , ) a b   i  ( , ) c d   su  jednaki  ako  i  samo  ako  je  a c =   i 
b d = . 
ƒ Dekartovim  proizvodom  skupova  A   i  B   naziva  se  skup 
{ }
( , ) A B a b a A b B × = ∈ ∧ ∈ . 
 
Primer: 
 
Dati su skupovi 
{ }
1, 2, 3 A =  i 
{ }
, B x y = . 
 
{ }
(1, ), (2, ), (3, ), (1, ), (2, ), (3, ) , A B x x x y y y × =
 
{ }
( ,1), ( , 2), ( , 3), ( ,1), ( , 2), ( , 3) B A x x x y y y × = . 
 
 
 
‐ 15 ‐
Očigledno je  A B B A × ≠ × , što znači da za Dekartov proizvod skupova ne 
važi zakon komutacije. 
 
Dekartov  proizvod  A A ×   se  označava  sa 
2
A .  Dekartov  proizvod 
2
R R R × =  predstavlja realnu ravan. 
 
2 . 3 .   B R O J   E L E M E N A T A   S K U P A   ‐   K A R D I N A L N I   B R O J  
 
Određivanje  broja  elemenata  konačnih  skupova  svodi  se  na  njihovo 
prebrojavanje  .  Međutim,  kada  se  radi  o  beskonačnim  skupovima  ,stvar  je 
mnogo složenija. Tada se srećemo sa dosta neočekivanim situacijama. 
 
ƒ Ako postoji 1‐1 preslikavanje  f  skupa  A  na skup  B , ( bijekcija ) onda 
se za skupove  A  i  B  kaže da su ekvivalentni. 
ƒ Ekvivalentni  skupovi  A   i  B   imaju  isti  kardinalni  broj,  u  oznaci 
kA kB =  
ƒ Kod  konačnih  skupova  kardinalni  broj  predstavlja  broj  elemenata 
skupa. 
 
Primer: 
 
Euklidova aksioma kaže: Celina je veća od dela. 
Kardinalni broj skupa prirodnih brojeva jednak je kardinalnom broju skupa svih 
parnih prirodnih brojeva. 
 
Ta jednakost se vidi iz preslikavanja 
1 2 3 4
2 1 2 2 2 3 2 4 2
n
n
↓ ↓ ↓ ↓ ↓
⋅ ⋅ ⋅ ⋅ ⋅
… …

 
Dakle  2 kN k N = . 
Još  1638  godine  Galilej  je  smatrao  da  se  ovde  radi  o  paradoksu.  Intiutivno  se 
čini  da  je  skup  prirodnih  brojeva  ima  više  elemenata  nego  skup  parnih 
prirodnih brojeva.  
Kantorova  teorija  pokazuje  da  se  beskonačni  skupovi  mogu  upoređivati. 
Skupovi  N  i  2N  su ekvivalentni , ali skupovi  N  i  R  nisu ekvivalentni. 
Kardinalni broj skupa  R  je veći od kardinalnog broja skupa  N , znači možemo 
reći da je neki beskonačni skup beskonačniji od drugog. 
 
‐ 16 ‐
Primer: 
 
Skup  svih  tačaka  prave  ekvivalentan  je  sa  skupom  tačaka  ravni,  imaju  isti 
kardinalni droj, odnosno isti broj elemenata. 
Skup  svih  realnih  brojeva  između  0  i  1  ima  veći  kardinalni  broj  od  skupa 
svih racionalnih brojeva  Q. 
 
 
Primer: 
 
Kardinalni broj praznog skupa je: 
{ }
1. k ∅ =  
 
 
ƒ Kardinalni  broj  skupa  prirodnih  brojeva  označava  se  sa  hebrejskim 
slovom  ℵ  i čita se alef, sa indeksom 0 
0
kN =ℵ  
ƒ Kardinalni broj skupa realnih brojeva je c ili kontinuum. 
 
ƒ Skupovi sa kardinalnim brojem 
0
ℵ , nazivaju se prebrojivi skupovi. 
 
 
2 . 4 .   R A S E L O V   P A R A D O K S  
Jasno  je  zašto  je  ova  teorija  na  početku  svoga  nastanka  imala  veliki  broj 
protivnika. Međutim, početkom ovog veka kada je teorija skupova doživljavala 
svoj  procvat  i  nalazi  široku  primenu  u  matematici,  istovremeno  uočene  su  i 
prve protivrečnosti, odnosno paradoksi. Najčuvaniji je Raselov paradoks nastao 
1902 godine. 
Postoje  razne  interpretacije  Raselovog  paradosa,  pardoks  brijača,  pardoks 
bibioteke i mnogi drugi. 
 
Primer: 
 
Paradoks brijača 
U nekom selu živeo je brijač, koji je brijao sve one stanovnike sela , koji se 
nisu brijali sami. Da li je brijač brijao samog sebe? 
‐ 17 ‐
Ako bi se brijač brijao, on  bi bio jedan  od stanovnika koji se briju sami, pa 
se  ne  bi  smeo  brijati.  Ako  se  pak  brijač  ne  bi  brijao,  bio  bi  jedan  od 
stanovnika sela koji se ne briju sami, pa bi se morao brijati. 
Kako  se  rešava  ovaj  paradoks.  Jednostavno,  nije  moguće  da  postoji  selo  u 
kome bi brijač mogao da radi ovako kako je rečeno.  
 
 
Suština  Raselovog  paradoksa  svodi  se  na  sledeće:  Ako  za  svaku  osobinu 
postoji  skup  svih  objekata  koji  sadrže  tu  osobinu,  onda  to  isto  važi  i  za 
osobinu ‘ skup ne pripada samom sebi ‘, odnosno, pitanje je, da li skup svih 
skupova  koji  ne sadrže sebe, sadrži sebe? 
 
ƒ Neka je R skup svih skupova S koji ne sadrže sebe kao element, 
odnosno  
{ }
R S S S = ∉ .  
 
Neka    je  S  skup  svih  objekata    za  koje  važi  ova  osobina.  Da  li  S  pripada 
samom  sebi?    Ako  pripada,  onda  znači  da    zadovoljava  osobinu  ‘skup  ne 
pripada  samom  sebi  ‘,  što  je  kontradikcija.    Ako  pak  ne  pripada  samom 
sebi,  onda  će  da  zadovolji  traženu  osobinu,    pa  će  baš  da  pripada  samom 
sebi, što je opet kontradikcija. 
 
Pojava Raselovog paradoksa ozbiljno je uzdrmala Kantorovu teoriju 
skupova. Razvila su se tri pravca  u matematici kojima  je bilo moguće rešiti 
nastale probleme, Rasel –logicizam, Bauer‐intuicionalizam, Hilbert –
formalizam. 
 
Rasel je  definisao pojam klase i jedan od načina prevazilaženja ovog 
paradoksa se svodi  da se skup svih skupova  ne smatra skupom, već 
klasom , koja je uopštenje pojma skupa. 
 
 
 
 
 
 
 
 
 
 
‐ 18 ‐
P I T A N J A   Z A   P O N A V L J A N J E  
1. Šta je skup? 
2. Šta su Venovi dijagrami? 
3. Navesti i definisati osnovne skupovne operacije. 
4. Koja je veza između matematičke logike i teorije skupova? 
5. Navesti skupovne relacije. 
6. Definicija uređenog para 
7. Definisati Dekartov proizvod skupova. 
8. Šta je partitivni skup? 
9. Šta je komplement skupa? 
10. Koji su skupovi disjunktni? 
11. Šta je kardinalni broj skupa? 
12. Kako glasi Raselov paradoks ? 
 
  K L J U Č N I   T E R M I N I  
• SKUP 
• PRESEK SKUPOVA 
• UNIJA SKUPOVA 
• RAZLIKA SKUPOVA 
• PODSKUP 
• PARTITIVNI SKUP 
• DISJUNKTNI SKUPOVI 
• UREĐENI PAR 
• DEKARTOV PROIZVOD 
• KOMPLEMENT 
• KARDINALNI BROJ 
• ALEF NULA 
• PARADOKS
 
 
 
 
 
 
 
 
 
 
 
 

‐ 19 ‐
I I   ‐   GL AV A 
L I NE AR NA  AL GE B R A 
 
• POJAM MATRICE 
• OPERACIJE SA MATRICAMA 
• DETERMINANTE 
• RANG MATRICE 
• INVERZNA MATRICA 
• SISTEMI LINEARNIH JEDNAČINA I METODE ZA NJIHOVO 
REŠAVANJE 
•  HOMOGENI SISTEM LINEARNIH JEDNAČINA 
•  MATRIČNI METOD   
C I L J E V I   U Č E N J A  
Kada ovo poglavlje proučite znaćete: 
 
1. šta su matrice, 
2. definišete matrične operacije, 
3. šta su determinante i kako se one izračunavaju, 
4. da definišete i koristite inverzne matrice, 
5. kako izgledaje sistemi linearnih jednačina,  
6. rešavate sisteme lineanih jednačina različitim metodama. 
 
 
3. MATRICE 
 
3. 1. POJ AM  MATRI CE 
ƒ Matrica je pravougaona šema sa  n m×  elemenata raspoređenih u  m vrsta 
i  n kolona: 












=
mn m m
n
n
a a a
a a a
a a a
A

. . .

2 1
2 22 21
1 12 11
 
Matrice se označavaju velikim slovima latinice:  A ,  B ,  C , ... 

‐ 20 ‐
Oznaka za matrice je  [.]. 
Proizvoljni  element  matrice 
ij
a   pripada  i‐toj  vrsti  i  j ‐toj  koloni,  pa  matricu 
možemo označiti kao 
n m ij
a
×
] [ . 
ƒ Za matricu sa  m vrsta i  n kolona kažemo da ima dimenziju  n m× . 
ƒ Dve  matrice  [ ]
ij m n
A a
×
=   i 
n m ij
b B
×
= ] [   su  jednake,  tj.  A B =   ako  i  samo 
ako je: 
( )
, , , 1, 2, , ; 1, 2, ,
ij ij
a b i j i m j n = ∀ = = … … . 
ƒ Matrica vrste je matrica kod koje je 
n m ij
a
×
] [   1, 1 m n = > , 
] [ ] [
1 12 11 1 n n ij
a a a a … =
×
 
ƒ Matrica kolone je matrica kod koje je  1, 1 m n > = , 












=
×
1
21
11
1
] [
m
m ij
a
a
a
a
.
 
ƒ Nula matrica je ona matrica čiji su svi elementi jednaki nula. 
 
ƒ Kvadratna  matrica  je  matrica  kod  koje  je  broj  vrsta  jednak  broju  kolona. 
Elementi 
11 22
, ,...,
nn
a a a   pripadaju  glavnoj  dijagonali,  dok  elementi 
1 2 1 1
, ,...,
n n n
a a a

 pripadaju sporednoj dijagonali matrice. 
ƒ Kvadratna  matrica  u  kojoj  su  svi  elementi  van  glavne  dijagonale  nula,  a  na 
glavnoj dijagonali su svi različiti od nule, naziva se dijagonalna matrica. 
 
11
22
0 0
0 0
0 0
nn
a
a
a
⎡ ⎤
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦


. . .

 
 
ƒ Jedinična matrica je dijagonalna matrica kod koje je 
11 22
1
nn
a a a = = =  i 
označava se slovom  I . 

‐ 21 ‐
ƒ Transponovana matrica matrice 
n m ij
a A
×
= ] [  je matrica dobijena zamenom 
mesta svih vrsta odgovarajućim kolonama ili obrnuto.Obeležava se sa 
T
A   
 
Primer: 
 
Za matricu 
1 2
3 4
X
⎡ ⎤
=
⎢ ⎥
⎣ ⎦
 transponovana matrica biće matrica 
1 3
.
2 4
T
X
⎡ ⎤
=
⎢ ⎥
⎣ ⎦
 
 
 
 
 
3.2. OPERACIJE SA MATRICAMA 
 
 
ƒ Zbir  matrica 
n m ij
a A
×
= ] [   i 
n m ij
b B
×
= ] [ ,  je  matrica 
n m ij
c C
×
= ] [   ako  i  samo 
ako je 
( )
1, 2, , ; 1, 2, ,
ij ij ij
a b c i m j n + = = = … … . 
 
Napomena: Zbir matrica različitih dimenzija nije definisan. 
 
ƒ Operacija sabiranja matrica ima sledeće osobine: 
 
A B B A + = + , komutativnost; 
 
( ) ( )
A B C A B C + + = + + , asocijativnost. 
 
Primer: 
 
Zbir  matrica 
1 2 3
4 5 6
7 8 9
A
⎡ ⎤
⎢ ⎥
=
⎢ ⎥
⎢ ⎥
⎣ ⎦
  i 
1 1 1
0 2 4
2 3 4
B

⎡ ⎤
⎢ ⎥
= −
⎢ ⎥
⎢ ⎥
⎣ ⎦
  je  matrica 
2 1 4
4 3 10
9 11 13
C
⎡ ⎤
⎢ ⎥
=
⎢ ⎥
⎢ ⎥
⎣ ⎦

 
 

‐ 22 ‐
ƒ Proizvod  broja  R λ ∈   i  matrice 
n m ij
a A
×
= ] [   je  matrica  istih  dimenzija 
oblika: 
[ ] [ ] .
ij m n ij m n
A a a λ λ λ
× ×
= =
 
 
ƒ Operacija množenja matrice brojem ima sledeće osobine: 
 
A A λ λ = , komutativnost; 
( ) ( )
; , 0 A A αβ α β α β = ≠ , asocijativnost; 
( )
A A A α β α β + = + , distributivnost s obzirom na zbir brojeva; 
( )
A B A B α α α + = + , distributivnost s obzirom na zbir matrica. 
 
Primer: 
 
Proizvod matrice 
1 2 3
4 5 6
7 8 9
⎡ ⎤
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦
 i broja  2 λ =  je matrica 
2 4 6
8 10 12
14 16 18
⎡ ⎤
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦

 
 
ƒ Proizvod  A B ⋅   matrica  [ ]
ik m p
A a
×
=   i  [ ]
kj p n
B b
×
=   je  matrica  C ,  čiji  se 
elementi 
ij
c  formiraju po zakonu: 
( )
1
1, , ; 1, , .
p
ij ik kj
k
c a b i m j n
=
= = =

… …
 
Napomena: Matrica  C  ima onoliko vrsta koliko ih ima matrica  A  i  
onoliko kolona koliko ih ima matrica  B . 
 
Napomena: Dakle element 
ij
c  matrice  C  koji se nalazi u preseku  i ‐te vrste  
i  j ‐te kolone, obrazuje se tako što se elementi  i ‐te vrste matrice  A   
pomnože odgovarajućim elementima  j ‐te kolone matrice  B  i dobijeni  
proizvodi se saberu. 
 
ƒ Operacija množenja matrica ima sledeće osobine: 
 

‐ 23 ‐
( ) ( )
A B C A B C ⋅ ⋅ = ⋅ ⋅ , asocijativnost; 
A B B A ⋅ ≠ ⋅ , ne važi zakon komutacije; 
A I I A A ⋅ = ⋅ = . 
 
Primer: 
 
Proizvod matrica 
1 2 3
4 5 6
7 8 9
⎡ ⎤
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦
 i 
1 1
3 2
0 1

⎡ ⎤
⎢ ⎥

⎢ ⎥
⎢ ⎥
⎣ ⎦
 je matrica 
7 2
19 8
31 14

⎡ ⎤
⎢ ⎥

⎢ ⎥
⎢ ⎥ −
⎣ ⎦

 
 
 
 
3 . 3 . D E T E R M I N A N T E  
 
ƒ Svakoj  kvadratnoj  matrici  pridružujemo  realni  broj  koji  zovemo 
determinanta. 
 
ƒ Determinanata  je  broj  napisan  u  obliku  kvadratne  šeme  brojeva  od  n n ×  
elemenata, raspoređenih u  n vrsta i  n kolona. 
 
( )
11 12 1
21 22 2
1 2
det
n
n
n n nn
a a a
a a a
D A
a a a
= =


. . .

 
 
Oznaka za determinante je  . . 
Napomena: Determinanta je broj, za razliku od matrice koja je samo šema  
proizvoljnih elemenata. 
 
ƒ Broj 
11 11
a a =  naziva se determinanta prvog reda. 

‐ 24 ‐
ƒ Broj 
11 12
11 22 12 21
21 22
a a
a a a a
a a
= −  naziva se determinanta drugog reda. 
ƒ Broj 
11 12 13
21 22 23
31 32 33
a a a
a a a
a a a
 naziva se determinanta trećeg reda. 
 
 
 
3. 3. 1. I ZRAČUNAVANJ E  DETERMI NANTI  
 
SARUSOVO PRAVILO 
 
ƒ Pravilo se odnosi na determinante trećeg reda i glasi: 
 
11 12 13 11 12
21 22 23 21 22 11 22 33 12 23 31 13 21 32 12 21 33 11 23 32 13 22 31
31 32 33 31 32
a a a a a
a a a a a a a a a a a a a a a a a a a a a a a
a a a a a
= + + − − −
` ` `. . .
 
 
Iza  treće  kolone  se  dopišu  prva  i  druga  kolona,  pa  se  izmnože  elementi  na 
silaznim  dijagonalama  i  dobijeni  rezultati  saberu.  Od  tog  rezultata  se  oduzme 
zbir proizvoda po silaznim dijagonalama. 
 
Primer: 
 
Izračunati vrednost determinante 
1 2 3
4 5 6
7 8 9

1 2 3 1 2
4 5 6 4 5 1 5 9 2 6 7 3 4 8 2 4 9 1 6 8 3 5 7 0 .
7 8 9 7 8
= ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ − ⋅ ⋅ − ⋅ ⋅ − ⋅ ⋅ =
 
 
 

‐ 25 ‐
LAPLASOVO PRAVILO 
 
Sarusovo  pravilo  se  koristi  samo  za  izračunavanje  determinanti  trećeg  reda,  a 
Laplasovo  pravilo  može  da  se  koristi  za  izračunavanje  determinanti  bilo  kog 
reda. 
 
Osnovna  ideja  ovog  pravila  je  da  se  izračunavanje  determinante  n‐tog  reda 
svodi na izračunavanje determinante  1 n −  reda, determinanta  1 n −  reda svodi 
se  na  izračunavanje  determinante  2 n −   reda  i  taj  postupak  se  ponavlja  sve 
dok se ne dođe do determinante prvog reda. 
Da  bismo  objasnili  ovu  metodu  potrebno  je  da  definišemo  pojam  minora  i 
pojam kofaktora. 
 
Neka je  D determinanta  n‐tog reda 
 
ƒ Determinanta  koja  se  dobija  iz  determinante  D  odbacivanjem  i ‐te  vrste  i 
j ‐te kolone naziva se minor elementa 
ij
a i obeležava se sa 
ij
M . 
ƒ Kofaktor elementa 
ij
a . je broj 
( )
1
i j
ij ij
A M
+
= − . 
 
Primer: 
 
Detreminanta trećeg reda ima onoliko minora koliko i elemenata, tj.  9 . Na 
primer, elementima 
11
a , 
12
a  i 
13
a  odgovaraju minori  
22 23 21 23 21 22
11 12 13
32 33 31 33 31 32
, , .
a a a a a a
M M M
a a a a a a
= = =
 
a kofaktori su  
11 11 12 12 13 13
, , A M A M A M = + = − = +
 
 
ƒ Laplasovo pravilo: Determinanta je jednaka zbiru  proizvoda elemenata  ma 
koje vrste (odnosno kolone) i odgovarajućih kofaktora 
 
1 1 2 2
1
, 1, 2, ,
n
i i i i in in ik ik
k
D a A a A a A a A i n
=
= + + + = =

…   
(razvoj po elementima  i ‐te vrste). 
 

‐ 26 ‐
1 1 2 2
1
, 1, 2, ,
n
j j j j nj nj kj kj
k
D a A a A a A a A j n
=
= + + + = =

… . 
(razvoj po elementima  j ‐te kolone). 
 
 
Primer: 
 
Vrednost  determinante 
1 2 3
4 5 6
7 8 9
D =
  se  može  izračunati  razvojem  po  bilo 
kojoj vrsti ili koloni. Razvojem po prvoj vrsti dobićemo 
 
( ) ( ) ( )
5 6 4 6 4 5
1 2 3
8 9 7 9 7 8
1 5 9 6 8 2 4 9 6 7 3 4 8 5 7 0
D = ⋅ − ⋅ + ⋅ =
= ⋅ ⋅ − ⋅ − ⋅ ⋅ − ⋅ + ⋅ ⋅ − ⋅ =

 
 
 
3. 3. 2. OSOBI NE  DETERMI NANTI  
 
ƒ Ako  dve  susedne  vrste  (kolone)  uzajamno  promene  mesta  determinanata 
menja znak. 
ƒ Vrednost  determinante  se  ne  menja  ako  se  vrste  zamene  kolonama  ne 
menjajući poredak. 
ƒ Determinanta  se  množi  brojem  0 k ≠   ako  se  svi  elementi  jedne  vrste 
(kolone) pomnože tim brojem. 
ƒ Ako  su  svi  elementi  vrste  (kolone)  jednaki  nula,  vrednost  determinante  je 
jednaka nula. 
ƒ Ako  su  dve  vrste  (kolone)  jednake  ili  proporcionalne,  tada  je  vrednost 
determinante jednaka nula. 
ƒ Vrednost  determinante  se  ne  menja  ako  se  svakom  elementu  jedne  vrste 
(kolone)  dodaju  odgovarajući  elementi  druge  vrste  (kolone)  pomnoženi 
istim brojem. 
ƒ Ako  su  elementi  jedne  vrste  (kolone)  date  determinante  zbirovi  od  dva  ili 
više  sabiraka,  tada  se  determinanta  može  razložiti  na  zbir  od  dve  ili  više 
determinanata. 

‐ 27 ‐
3. 4. RANG  MATRI CE 
 
ƒ Matrica  A   ima  rang 
( )
rang A r = ,  ako  postoji  bar  jedan  minor  reda  r  
različit od nule, a svi minori reda  1 r +  i višeg reda su jednaki nuli. 
 
 
Primer: 
 
Kako su svi minori trećeg reda matrice 
2 3 16 1
1 6 2 3
1 3 2 2
A

⎡ ⎤
⎢ ⎥
= −
⎢ ⎥
⎢ ⎥
⎣ ⎦
 jednaki nuli 
 
2 3 16 2 3 1 2 16 1 3 16 1
1 6 2 0 , 1 6 3 0 , 1 2 3 0 , 6 2 3 0 ,
1 3 2 1 3 2 1 2 2 3 2 2
− − −
− = = − = − =
 
 
a postoji minor drugog reda koji je različit od nule 
2 3
0
1 6

≠ , 
 
zaključujemo da je rang matrice  A  jednak 2. 
 
 
 
3.4.1. ELEMENTARNE TRANSFORMACIJE MATRICA  
 
ƒ Množenje  svih  elemenata  bilo  koje  vrste  (kolone)  matrice  jednim  istim 
realnim brojem  0 λ ≠ . 
ƒ Uzajamna promena mesta dve vrste (kolone). 
ƒ Transponovanje matrice. 
ƒ Dodavanje elementima jedne vrste (kolone) odgovarajućih elemenata neke 
druge vrste ( kolone ) pomnoženih proizvoljnim brojem. 

‐ 28 ‐
ƒ Elementarne  transformacije  konačno  mnogo  puta  primenjene  na  
matricu ne menjaju rang matrice. 
ƒ Matrice  A  i  , B  su ekvivalentne, (pišemo  ~ A B ), ako i samo ako se mogu 
transformisati  jedna  u  drugu  pomoću  konačno  mnogo  uzastopnih 
elementarnih transformacija, tj. ako je 
( ) ( )
rang A rang B = . 
Primer: 
 
Primenom  elementarnih  transformacija  prevešćemo  matricu 
1 1 1 1
2 3 1 1
3 4 0 2
A
⎡ ⎤
⎢ ⎥
= −
⎢ ⎥
⎢ ⎥
⎣ ⎦
 u ekvivalentnu matricu, koja ima isti rang. 
Prva  kolona  pomnožena  je  sa  –1  i  redom  dodata  drugoj,  trećoj  i  četvrtoj  
koloni. 
Prva  vrsta  pomnožena  je  sa  –2,  odnosno  –3  i  dodata  drugoj  odnosno  trećoj  
vrsti. 
Druga vrsta je pomnožena sa –1 i dodata trećoj vrsti. 
Druga  kolona  pomnožena  je  sa  3  i  dodata  trećoj  koloni,  odnosno  druga  
kolona je dodata četvrtoj koloni. 
( ) ( ) ( ) ( )
( )
1 2 3 4
4
1 1 1 1 1 0 0 0 1 0 0 0 1 0 0 0
2 3 1 1 2 1 3 1 0 1 3 1 0 1 3 1
3 4 0 2 3 1 3 1 0 1 3 1 0 0 0 0
1 0 0 0
0 1 0 0 .
0 0 0 0
A
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
= − − − − − − −
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ − − − −
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
⎡ ⎤
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦
∼ ∼ ∼ ∼

 
Rang matrice jednak je broju ne nultih članova, tj 
( )
2 rang A = . 
 
 
 
 
 
 

‐ 29 ‐
3. 5.   I NVERZNA  MATRI CA 
 
ƒ
Inverzna  matrica  date  kvadratne  matrice 
A   je  matrica 
1
A

  koja  ima 
osobinu da je 
1 1
A A A A I
− −
⋅ = ⋅ =
, gde je 
I
 jedinična matrica.
 
ƒ Za  kvadratnu  matricu  A   kažemo  da  je  je  regularna  ako  je  det 0 A ≠ ,  a 
singularna ako je  det 0 A = . 
ƒ Adjungovana  matrica  matrice  A   u  oznaci  adjA  je  transponovana  matrica 
matrice kofaktora matrice  A . 
11 21 1
12 22 2
1 2
adj .
n
n
n n nn
A A A
A A A
A
A A A
⎡ ⎤
⎢ ⎥
⎢ ⎥
=
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦


. . .

 
ƒ Inverzna matrica kvadratne regularne matrice  A  je matrica 
1
adjA
.
detA
A

=
 
 
ƒ Za regularne matrice  A  i  B  istog reda važe pravila: 
 
( )
1
1 1
A B B A

− −
⋅ = ⋅  ,   
( )
1
1
A A


=  ,    
( ) ( )
1
1
T
T
A A


= ,     
( )
1
1
det
det
A
A

= . 
 
Primer: 
 
Naći inverzne matrice matrica: 
a) 
2 1
3 5
A
⎡ ⎤
=
⎢ ⎥
⎣ ⎦
 . Inverzna matrica je oblika 
11 21 1
12 22
1
det
A A
A
A A A

⎡ ⎤
=
⎢ ⎥
⎣ ⎦

Kako je 
2 1
det 7 0
3 5
A= = ≠ , znači da postoji matrica 
1
A


Kofaktori matrice  A  su 
11 12 21 22
5, 3, 1, 2 A A A A = = − = − = . 

‐ 30 ‐
Dobijamo inverznu matricu:     
1
5 1
1
3 2 7
A


⎡ ⎤
=
⎢ ⎥

⎣ ⎦

 
b) 










=
1 1 4
1 3 1
2 1 1
A

1 1 2
det 1 3 1 17 0
4 1 1
A = = − ≠
, a kofaktori matrice su: 
11 12 13
21 22 23
31 32 33
3 1 1 1 1 3
2 , 3 , 11,
1 1 4 1 4 1
1 2 1 2 1 1
1, 7 , 3 ,
1 1 4 1 4 1
1 2 1 2 1 1
5 , 1, 2 ,
3 1 1 1 1 3
A A A
A A A
A A A
= = = − = = = −
= − = = = − = − =
= = − = − = = =
 
dobijamo da je 
1
2 1 5
1
3 7 1 .
17
11 3 2
A


⎡ ⎤
⎢ ⎥
= − ⋅ −
⎢ ⎥
⎢ ⎥ −
⎣ ⎦
 
 
  P I T A N J A   Z A   P O N A V L J A N J E  
1. Šta je matrica? 
2. Navesti vrste matrica. 
3. Definisati matrične operacije. 
4. Šta je detrminanta? 
5. Defisati Sarusovo pravilo za 
izračunavanje determinanti. 
6. Defisati Laplasovo pravilo za 
izračunavanje determinanti. 
 
7. Nabrojati osnovne osobine 
determinanti. 
8. Šta je rang matrice i kako se 
određuje? 
9. Definisati inverznu matricu. 
10. Šta je adjungovana matrica? 
 
  K L J U Č N I   T E R M I N I  
• MATRICA 
• RANG MATRICE 
• MINOR 
• KOFAKTOR 
• ADJUNGOVANA 
MATRICA 
• INVERZNA MATRICA 
• DETERMINANTA 
• SARUSOVO PRAVILO 
• LAPLASOVO PRAVILO 
• RANG MATRICE
‐ 31 ‐
3 . 6 . S I S T E M I   L I N E A R N I H   J E D N A Č I N A  
 
 
Skup linearnih jednačina koji pišemo u obliku  
 
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
m m mn n m
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =
+ + + =
+ + + =


.

 
 
gde je  m n > ,  m n =  ili  m n < , zovemo sistem od m  linearnih jednačina od n 
nepoznatih. 
Brojevi  , 1, , ; 1, ,
ij
a i m j n = = … …  su koeficijenti uz nepoznate 
1
, ,
n
x x … , a 
brojevi  
1
, ,
m
b b …  su slobodni članovi. 
Svaka uređena n‐torka 
( )
1
, ,
n
α α … realnih brojeva koja zadovoljava sistem 
jednačina zove se rešenje sistema. 
 
Sistem je saglasan ako ima bar jedno rešenje, a nemoguć ako nema rešenja. 
Ako sistem ima tačno jedno rešenje on je određen, a ako ima više rešenja on je 
neodređen.  
 
Dva sistema su ekvivalentna ako imaju ista rešenja. 
 
3. 6. 1. GAUSOVA  METODA   
 
ƒ Gausova  metoda  se  sastoji  u  sukcesivnom  eliminisanju  nepoznatih  iz 
sistema  i  transformacijom  u  trougaoni  ili  trapezni  ekvivalentni  sistem  iz 
koga se dobija rešenje ili se ustanovi da sistem nema rešenja. 
 
Pretpostavimo  da  je  koeficijent 
11
0 a ≠ .  Isključimo  nepoznatu 
1
x   iz  svih 
jednačina sistema osim prve.  
Da  bismo  to  realizovali  potrebno  je  prvu  jednačinu  pomnožiti  sa 
21 11
a a −   i 
dodati  je  drugoj  jednačini,  zatim  prvu  jednačinu  pomnožiti  sa 
31 11
a a −   i 
dodati  je  trećoj  jednačini,  itd.  Na  taj  način  se  umesto  polaznog  sistema  dobija 
ekvivalentan sistem: 
 
‐ 32 ‐
11 1 12 2 1 1
(1) (1) (1)
22 2 2 2
(1) (1) (1)
2 2
n n
n n
m mn n m
a x a x a x b
a x a x b
a x a x b
+ + + =
+ + =
+ + =


.

 
Ako bi produžili isti postupak  1 k −  puta dobili bi sistem: 
 
11 1 12 2 1 1
(1) (1) (1)
22 2 2 2
( 1) ( 1) ( 1)
n n
n n
k k k
kk k kn n k
a x a x a x b
a x a x b
a x a x b
− − −
+ + + =
+ + =
+ + =

.

 
 
Ako su svi koeficijenti dobijenog sistema jednaki nuli, a slobodni član nije nula, 
sistem je nesaglasan i nema rešenja. 
Ako je  k n = , sistem ima jedinstveno rešenje.  
Ako je  k n <  sistem ima beskonačno rešenja. Tada su 
1
, ,
k n
x x
+
…  slobodne 
promenljive koje prenosimo na desnu stranu, a zatim se određuju vezane 
promenljive 
1 1
, , ,
k k
x x x

… . 
 
Primer: 
 
Gausovom metodom rešiti sistem jednačina: 
2 3 4
2 3
2 2 6
x y z
x y z
x y z
+ − = −
− + =
− + + =
 
Nakon množenja prve jednačine redom sa  2 −  i  2  i dodavanjem redom drugoj 
i trećoj jednačini dobijamo sistem: 
2 3 4
5 7 11
5 4 2
x y z
y z
y z
+ − = −
− + =
− = −
 
Dodavanjem druge jednačine trećoj dobijamo sistem: 
2 3 4
5 7 11
3 9
x y z
y z
z
+ − = −
− + =
=
 
‐ 33 ‐
Ovo  je  sistem  trougaonog  oblika  iz  kojeg  se  neposredno  dobija  jedinstveno 
rešenje 
( ) ( )
, , 1, 2, 3 x y z = . 
 
 
Primer: 
 
Gausovom metodom rešiti sistem jednačina: 
2 10
2 6
10 3 2
x y z
x y z
x y z
+ + =
+ + =
− + =
 
Nakon  množenja  prve  jednačine  redom  sa  2 −   i  10 −   i  dodavanjem  redom 
drugoj i trećoj jednačini dobijamo sistem: 
2 10
3 14
21 7 98
x y z
y z
y z
+ + =
− − = −
− − = −
 
Množenjem druge jednačine sa  7 −  i dodavanjem trećoj dobijamo sistem: 
2 10
3 14
0 0
x y z
y z
z
+ + =
− − = −
⋅ =
 
Ovo  je  neodređen  sistem.  Stavljajući  z t =   neposredno  se  dobija  rešenje 
( )
2 14
, , , ,
3 3
t t
x y z t
− −
⎛ ⎞
=
⎜ ⎟
⎝ ⎠

 
 
 
3. 6. 2. KRAMEROVA  METODA 
 
Dat je sistem od  n jednačina sa  n promenljivih: 
 
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
n n nn n n
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =
+ + + =
+ + + =


.

 
 
 
‐ 34 ‐
Uočimo sledeće determinante: 
11 12 1 1
21 22 2 2
1 2
k n
k n
n n nk nn
a a a a
a a a a
D
a a a a
=
… …
… …
.
… …
 determinanta sistema. 
 
11 12 1 1
21 22 2 2
1 2
n
n
k
n n n nn
a a b a
a a b a
D
a a b a
=
… …
… …
.
… …
 determinanta koja odgovara nepoznatoj 
k
x ; 
1, , k n = … . 
 
0BKRAMEROVO PRAVILO: 
 
ƒ Ako je determinanta sistema  0 D≠ , tada sistem ima jedinstveno rešenje. 
, 1, 2, , .
k
k
D
x k n
D
= = …  
 
ƒ Ako  je  determinanta  sistema  0 D = ,  a  bar  jedna  od  determinanti  0
k
D ≠ , 
1, 2, , k n = … , sistem nema rešenja. 
ƒ Ako  je  determinanta  sistema  0 D = ,  i  sve  determinante  0
k
D = , 
1, 2, , k n = … ,  sistem  je  neodređen  i  ako  ima  rešenja,  može  ih  imati  samo 
beskonačno mnogo. 
 
Primer: 
 
Rešiti sistem jednačina: 
 
3 2 1
2 3
2 7
x y z
x y z
x z
+ − =
− + =
+ =
 
‐ 35 ‐
Determinanta sistema je: 
1 3 2
2 1 1 13 0 .
1 0 2
D

= − = − ≠
 
 
Determinante 
x
D , 
y
D , 
z
D   dobijamo  kada  u  determinanti  D  zamenimo 
redom prvu, drugu i treću kolonu kolonom slobodnih članova. 
 
13
2 0 7
1 1 3
2 3 1
− = −

=
x
D

26
2 7 1
1 3 2
2 1 1
− =

=
y
D

39
7 0 1
3 1 2
1 3 1
− = − =
z
D

 
Rešenje sistema je: 
 
13
1
13
x
D
x
D

= = =


26
2
13
y
D
y
D

= = =


39
3
13
z
D
z
D

= = =


 
 
Primer: 
 
Rešiti sistem jednačina: 
 
2 10
2 6
10 3 2
x y z
x y z
x y z
+ + =
+ + =
− + =
 
Kako je 
 
0 , 0
x y z
D D D D = = = = , 
zaključujemo da je sistem neodređen, i rešavamo ga Gausovom metodom. 
Ako  prvu  jednačinu  pomnožimo  redom  sa  ‐2  i  ‐10  i  redom  dodajemo  drugoj  i 
trećoj jednačini, dobijamo sistem: 
2 10
3 14
x y z
y z
+ + =
− − = −
 
čije je rešenje  ( )
2 14
, , , ,
3 3
t t
x y z t
+ −
⎛ ⎞
=
⎜ ⎟
⎝ ⎠
, gde je  t R ∈ . 
 
‐ 36 ‐
Primer: 
 
Rešiti sistem jednačina: 
 
2 3 1
4 5 6 0
7 8 9 2
x y z
x y z
x y z
+ + =
+ + =
+ + =
 
0, 9
x
D D = = − . Zaključujemo da je sistem nema rešenja. 
 
 
 
3. 6. 3. KRONEKER  ‐   KAPEL I J EVA  TEOREMA 
 
Neka je dat sistem 
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
m m mn n m
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =
+ + + =
+ + + =


.

 
 
11 12 1 11 12 1 1
21 22 2 21 22 2 2
1 2 1 2
,
n n
n n
p
m m mn m m mn m
a a a a a a b
a a a a a a b
A A
a a a a a a b
⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
= =
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦


. .

 
gde je  A  je matrica sistema, a 
p
A  je proširena matrica sistema. 
 
KRONEKER‐KAPELIJEVA TEOREMA: 
ƒ Dati sistem je saglasan i ima jednoznačno rešenje ako je 
( ) ( )
rang rang
p
A A n = = . 
ƒ Sistem je saglasan i ima beskonačno mnogo rešenja ako je 
( ) ( )
rang rang
p
A A n = < . 
ƒ Sistem je protivrečan i nema rešenja ako je  ( ) ( )
rang rang
p
A A < , 
gde je n broj nepoznatih. 
 
‐ 37 ‐
Primer: 
 
Rešiti sistem jednačina: 
3 2 2
2 3
5 8 5 1
x y z
x y z
x y z
− − =
+ + =
− + + =
 
( )
3 2 1
rang rang 2 1 1 2
5 8 5
A
− −
⎡ ⎤
⎢ ⎥
= =
⎢ ⎥
⎢ ⎥ −
⎣ ⎦
, a 
( )
3 2 1 2
rang rang 2 1 1 3 3
5 8 5 1
p
A
− −
⎡ ⎤
⎢ ⎥
= =
⎢ ⎥
⎢ ⎥ −
⎣ ⎦
, zaključujemo da je sistem 
protivrečan i nema rešenja. 
 
 
 
Primer: 
 
Rešiti sistem jednačina: 
6
2 3
2 5
x y z
x y z
x y z
− + =
+ + =
+ + =
 
Kako je 
( )
1 1 1
rang rang 2 1 1 3
1 1 2
A

⎡ ⎤
⎢ ⎥
= =
⎢ ⎥
⎢ ⎥
⎣ ⎦
, a 
( )
1 1 1 6
rang rang 2 1 1 3 3
1 1 2 5
p
A

⎡ ⎤
⎢ ⎥
= =
⎢ ⎥
⎢ ⎥
⎣ ⎦

zaključujemo  da  je  sistem  saglasan  i  ima  jedinstveno  rešenje  koje  možemo 
dobiti nekom od već izloženih metoda. 
 
 
 
 
‐ 38 ‐
3. 7.   HOMOGENI   SI STEM  L I NEARNI H  J EDNAČI NA 
 
Dat je sistem od  m jednačina sa  n promenljivih: 
 
11 1 12 2 1
21 1 22 2 2
1 1 2 2
0
0
0
n n
n n
m m mn n
a x a x a x
a x a x a x
a x a x a x
+ + + =
+ + + =
+ + + =


.

 
 
ƒ Kako je 
1 2
0
m
b b b = = = = … , ovaj sistem se zove sistem homogenih 
jednačina. 
ƒ  On je uvek saglasan jer je  ( ) ( )
rang rang
p
A A = . 
ƒ Svaki homogeni sistem ima  trivijalno rešenje 
1 2
0
n
x x x = = = = … . 
ƒ Homogeni sistem ima i netrivijalno rešenje ako i samo ako je 
( )
rang A n < . 
Prethodni stav o saglasnosti i broju rešenja homogenog sistema je posledica 
Kroneker‐Kapelijeve teoreme. 
 
Primer: 
 
Homogeni sistem jednačina 
2 3 0
0
4 0
x y z
x y
x y z
− + =
− =
+ + =
 
ima  samo  trivijalno  rešenje 
( )
0, 0, 0 ,  jer  je, 
( )
rang 3 A =   i  jednak  je  broju 
nepoznatih. 
 
 
Primer: 
 
Homogeni sistem jednačina 
2 3 0
4 5 6 0
7 8 9 0
x y z
x y z
x y z
+ + =
+ + =
+ + =
 
‐ 39 ‐
ima osim trivijalnog rešenja 
( )
0, 0, 0  još rešenja jer je, 
( )
rang 2 A =  i manji je 
od broja nepoznatih, kojih je 3. 
Rešenje ovog sistema možemo odrediti Gausovom metodom. 
 
 
 
3. 8. MATRI ČNI   METOD   
 
Dat je sistem od  n jednačina sa  n promenljivih: 
 
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
n n nn n n
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =
+ + + =
+ + + =

.

 
 
Sistem se može napisati u matričnom obliku kao: 
 
AX B =  
 
gde je 
11 12 1 1 1
21 22 2 2 2
1 2
, , .
n
n
n m nn n n
a a a x b
a a a x b
A X B
a a a x b
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
= = =
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

. . .

 
Pod  pretpostavkom  da  je  matrica  A   regularna,  tj.  da  joj  je  determinanta 
različita  od  nule,  sistem  se  može  napisati  u  obliku: 
1
X A B

= ,  odakle 
dobijamo jnegovo jedinstveno rešenje. 
 
Primer: 
 
Matričnom metodom rešiti sistem jednačina: 
 
2 3 7
3 2 3
2 6
x y z
x y z
x y z
− + =
− − =
− + =
 
 
‐ 40 ‐
2 3 1 7
3 2 1 , 3 ,
1 1 2 6
x
A B X y
z

⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
= − − = =
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ −
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

1 1
5 5 5
1
, det 10 0 , 7 3 5 .
10
1 1 5
AX B X A B A A
− −

⎡ ⎤
⎢ ⎥
= ⇔ = ⋅ = ≠ = ⋅ −
⎢ ⎥
⎢ ⎥ − −
⎣ ⎦
 
( ) ( )
1
5 5 5 7 1
1
7 3 5 3 1 , , 1, 1, 2 .
10
1 1 5 6 2
X A B x y z


⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
= ⋅ = ⋅ − ⋅ = − ⇒ = −
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ − −
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
 
 
 
  P I T A N J A   Z A   P O N A V L J A N J E  
1. Šta je sistem linearnih jednačina ? 
2. Gausova metoda. 
3. Kramerova metoda. 
4. Matrična metoda. 
5. Kroneker Kapelijeva teorema. 
6. Homogeni sistem jednačina. 
  K L J U Č N I   T E R M I N I  
• MATRICA 
• RANG MATRICE 
• MINOR 
• KOFAKTOR 
• ADJUNGOVANA 
MATRICA 
• INVERTNA 
MATRICA 
• DETERMINANTA 
• SARUSOVO 
PRAVILO 
• LAPLASOVO 
PRAVILO 
• RANG MATRICE
 
 
 
 
 
 
‐ 41 ‐ 
I I I   ‐   GL AV A 
F UNK C I J E  
 
• FUNKCIJE JEDNE PROMENLJIVE 
• NIZ 
• GRANIČNA VREDNOST 
• NEPREKIDNOST 
• FUNKCIJE VIŠE PROMENLJIVIH 
 
C I L J E V I   U Č E N J A  
Kada ovo poglavlje proučite znaćete: 
 
1. Šta su funkcije jedne i više promenljivih, 
2. definišete osobine funkcija, 
3. šta su inverzne i složene funkcije, 
4. pojam niza, 
5. pojam granične vredosti, 
6. pojam neprekidosti. 
 
4 .   F UNK C I J E  
4 . 1 . F U N K C I J E   J E D N E   P R O M E N L J I V E  
4. 1. 1. POJ AM  F UNKCI J E 
 
Definicija: 
 
ƒ Neka  su  A   i  B   proizvoljni  skupovi.  Preslikavanje  ili  funkcija  : f A B →  
predstavlja  zakon  pridruživanja  pomoću  koga  se  proizvoljnom  elementu 
x A ∈  dodeljuje neki element  y B ∈ , takav da je 
( )
y f x = . 
‐ 42 ‐ 
ƒ Skup  A  naziva se oblast definisanosti ili domen funkcije i obeležava sa 
x
D

 
ƒ Skup   B  naziva se oblast vrednosti ili kodomen  funkcije i obeležava se sa 
y
D . 
 
ƒ Element  x A ∈  naziva se original, a  y B ∈  njegova slika. 
 
ƒ Za  funkciju  : f A B →   kažemo  da  je  jednoznačna  ako    bilo  kojem 
elementu iz skupa  A  odgovara tačno jedan element iz skupa  y B ∈ . 
 
ƒ Funkcija  : f A B →  se naziva preslikavanje “1 1 − ” ili injektivna ako 
( ) ( ) ( ) ( )
1 2 1 2 1 2
, x x A x x f x f x ∀ ∈ ≠ ⇒ ≠ . 
 
ƒ Funkcija  : f A B →  se naziva preslikavanje “na” ili surjektivna ako  
( ) ( ) ( )
, y B x A y f x ∀ ∈ ∃ ∈ = ,  
što znači da je 
( )
f A B ⊂ . 
 
ƒ Ako  je  preslikavanje  : f A B →   “1 1 − ”  i  “na”  takvo  preslikavanje  ili 
funkciju nazivamo bijektivnim, (obostrano jednoznačno preslikavanje). 
 
 
 
4. 1. 2. REAL NE  F UNKCI J E  J EDNE  PROMENL J I VE 
 
ƒ Pod  realnom  funkcijom  podrazumeva  se  svako  preslikavanje  kod  koga  su 
oroginala i slika realni brojevi, tj.  : f R R →  
 
Primeri sa rešenjima: 
 
Primer: Odrediti domen funkcija: 
a) 
( )
2
3
x
f x
x
+
=


Domen funkcije je skup 
{ }
\ 3
x
D R = , a ili uobičajen je i zapis 
( ) ( )
, 3 3, x ∈ −∞ ∞ ∪ . 
‐ 43 ‐ 
b) 
2
4 y x = − ; 
[ ]
: 2, 2
x
D x ∈ − . 
v)  ln
3
x
y
x
=


( )
: 0, 3
x
D x ∈ . 
g) 
2
2
x
y e

= ;   
x
D R = . 
 
 
Primer: 
 
Odrediti kodomen funkcija: 
a)  sin y x = , 
[ ]
: 1,1
y
D y ∈ − ;  b)  2 y x = − , 
y
D R = ;  v) 
2
1 y x = + , 
[ )
: 1,
y
D y ∈ +∞ . 
 
 
 
 
4. 1. 3. I NVERZNA  F UNKCI J A 
 
ƒ Neka  je  : f A B →   bijektivno  preslikavanje  (“1 1 − ”  i  “na”),  tada  postoji 
jedinstvena  funkcija 
1
: f B A

→   koju  nazivamo  inverzno  preslikavanje  ili 
inverzna funkcija takva da je  
 
( ) ( )
1
f f x x

= . 
 
ƒ Za  datu  funkciju  : f A B →   može  da  postoji  samo  jedna  inverzna  funkcija 
1
: f B A

→ . 
 
Primer: 
 
 Odrediti inverznu funkciju, funkcije 
 a) 
( )
2 1 f x x = − . 
Pošto  je  zadata  funkcija  “1 1 − ”  i  “na”,  odnosno  bijekcija,  postoji  inverzno 
preslikavanje 
( )
1
1 1
2 2
f x y x

= = + . 
Grafici funkcija  f  i 
1
f

 su simetrični u odnosu na pravu  y x = . 
‐ 44 ‐ 
 
y
x
=
( )
y f x =
( )
1
y f x

=
 
 
 
Primer: 
 
Odrediti inverznu funkciju, funkcije 
( )
2
f x x = . 
Pošto preslikavanje 
( )
2
f x x =   : f R R
+
→  nije “1 1 − ” odnosno bijekcija, ne 
postoji inverzno preslikavanje
1
f

 
 
 
 
4. 1. 4.   SL AGANJ E  PROI ZVODA  FUNKCI J A 
 
ƒ Proizvodom  dve  funkcije  : f A B →   i  : g B C →   naziva  se  funkcija 
: g f A C → , za koju važi: 
( )( )( ) ( ) ( )
x A g f x g f x ∀ ∈ = . 
 
Primer: 
 
Date su funkcije 
( )
3 f x x = +  i 
( )
2 g x x x = − . Odrediti  f g i g f  . 
 
( ) ( ) ( )
2 3 f g x f g x x x = = − +
( ) ( ) ( ) ( )
2 3 3 g f x g f x x x = = + − + . 
 
‐ 45 ‐ 
4. 1. 5. OSOBI NE  FUNKCI J A 
 
ƒ Funkcija  f  je ograničena na skupu 
x
A D ⊆  ako važi: 
 
( )( ) ( )
, m M R x A m f x M ∃ ∈ ∀ ∈ ≤ ≤ . 
 
Grafik funkcije se nalazi između dve prave  y m =  i  y M = . 
Ako brojevi  m i  M  ne postoje, za funkciju 
( )
f x  kažemo da je neograničena. 
Primer: 
 
Primer: Ispitati ograničenost funkcije 
( )
2
1
1
f x
x
=
+

Kako  je  za 
( )
2
1
, 0 1
1
x R
x
∀ ∈ < ≤
+
,  funkcija  je  ograničena  na  intervalu 
( ]
0,1 y ∈  
 
 
ƒ Nula funkcije je onaj broj 
x
D α ∈  za koji je 
( )
0 f α = .  
Nule funkcije su tačke preseka funkcije sa  Ox  osom. 
 
Primer: 
 
Odrediti nule funkcija: 
a) 
2
3
4
8
x
y
x

=
+

2
0 4 0 2 y x x = ⇔ − = ⇔ = ± .  Kako  funkcija  nije  definisana  za  2 x = −   nula 
funkcije je samo  2 x = . 
 
b) 
2
1 ln x
y
x
+
= ; 1 + lnx = u;
1
x e

= . 
c) 
1
x
e
y
x
=

; 0 , za y x R ≠ ∀ ∈  i funkcija nema nula 
   (c
x
>0 za  0 za  x R
x
e > ∀ ∈ ). 
 
 
‐ 46 ‐ 
 
ƒ Funkcija  f  je pozitivna na domenu A ako je 
( ) ( )
, 0 x A f x ∀ ∈ > , 
        a negativna je ako je 
( ) ( )
, 0 x A f x ∀ ∈ < . 
ƒ Pojmovi pozitivan i negativan predstavljaju znak funkcije. 
ƒ Funkcija  f  je parna ako je 
( ) ( ) ( )
,
x
x D f x f x ∀ ∈ − = . 
 
Grafik parne funkcije je simetričan u odnosu na osu  Oy .  
ƒ Funkcija  f  je neparna ako je 
( ) ( ) ( )
,
x
x D f x f x ∀ ∈ − = − . 
 
Grafik neparne funkcije je simetričan u odnosu na koordinatni početak  O . 
 
Primer: 
 
Ispitati parnost i neparnost funkcija:  
a) 
( )
2
2 f x x = − ;
( ) ( ) ( )
2
2
2 2 f x x x f x − = − − = − = , funkcija je parna. 
 
b) 
( )
3
2 f x x x = − ; 
( ) ( ) ( )
( )
( )
3
3 3
2 2 2 f x x x x x x x f x − = − − − = − + = − − = − , funkcija je 
neparna. 
 
c) 
( )
2 3
2 1 f x x x = − + ;  funkcija nije ni parna ni neparna. 
 
 
ƒ Funkcija  f   je  periodična  ako  postoji  broj  0 T ≠   za  koji  je  ispunjena 
jednakost 
( ) ( ) ( )
, x A f x T f x ∀ ∈ + = .  Najmanji  broj  T   nazivamo 
osnovnim periodom funkcije. 
 
Primer: 
 
Sve trigonometrijske funkcije su periodične. Funkcije 
( )
sin f x x =  i  
( )
cos f x x =   imaju  osnovni  period  2 T π = ,  a  funkcije 
( )
tg f x x =   i 
( )
ctg f x x =  imaju osnovni period  T π = . 
 
‐ 47 ‐ 
 
Primer: 
 
( )
1, 1 0
, 0 1
x
f x
x x
− ≤ ≤

=

≤ ≤

 i 
( ) ( )
2 f x f x + = . 
Funkcija je periodična sa perodom  2 T = . 
 
 
 
ƒ Funkcija  f   je  rastuća  (označavamo  f ×)  na  domenu  A   ako 
( ) ( ) ( )
1 2 1 2 1 2
, x x A x x f x f x ∀ ∈ < ⇒ ≤ ,  a  strogo  rastuća  ( f ↑)  ako 
( ) ( )
1 2 1 2
x x f x f x < ⇒ < . 
 
ƒ Funkcija  f   je  opadajuća  (označavamo  f `)  na  domenu  A     ako 
( ) ( ) ( )
1 2 1 2 1 2
, x x A x x f x f x ∀ ∈ < ⇒ ≥ ,  a  strogo  opadajuća  ( f ↓)  ako 
( ) ( )
1 2 1 2
x x f x f x < ⇒ > . 
 
ƒ Rastuće i opadajuće funkcije jednim imenom zovemo monotone funkcije. 
‐ 48 ‐ 
1
x
2
x
( )
1
f x
( )
2
f x
     
1
x
2
x
( )
1
f x
( )
2
f x
 
Primer: 
 
Ispitati monotonost sledećih funkcija: 
a) 
x
y e = ; 
  Funkcija je strogo rastuća  x R ∀ ∈ , jer za 
1 2
1 2
x x
x x e e < ⇒ < . 
b)  ln y x = ; 
                             Funkcija je strogo  rastuća za 
( )
0, x ∀ ∈ ∞ . 
c) 
3
y x =− ; 
                            Funkcija je strogo  opadajuća  x R ∀ ∈ . 
d)  5 8 2
2
+ − = x x y ; 
           Ako je 
1 2
x x < ⇒ 
           
( )( ) ( )
( )( )
1 2
1 2
2 2
1 1 2 2 1 2 1 2 1 2
1 2 1 2
0 , 2,
, 2
2 8 5 2 8 5 2 8
0, raste,
2 4
0, opada.
x x
x x
x x x x x x x x x x
x x x x
< >
<
− + − − − = − + − − =
<
= − + −
>
..
 
 
 
ƒ Funkcija  f  ima lokalni maksimum u tački  x a =  ako postoji broj  0 ε > , 
takav ‐da je 
( ) ( )
f a f x ≥  za 
( )
, x a a ε ε ∈ − + . 
ƒ Funkcija  f  ima lokalni minimum u tački  x a =  ako postoji broj  0 ε > , 
takav da je 
( ) ( )
f a f x ≤  za 
( )
, x a a ε ε ∈ − + . 
ƒ Mininum  i  maksimum  funkcije  nazivamo  ekstremnim  vrednostima  funkcije 
ili ekstremima funkcije . 
 
‐ 49 ‐ 
Primer: 
 
Odrediti ekstreme funkcija: 
a) 
2
1 y x = − ;  Tačka 
( )
0, 1 −  predstavlja minimum funkcije. 
 
b)  3
x
y = ;  Funkcija nema ekstrema. 
 
 
 
ƒ Funkcija  f  je na domenu  A , za 
1 2
, x x A ∈  i 
1 2
x x ≠    
konveksna  ako   
( ) ( )
1 2
1 2
2 2
f x f x
x x
f
+
+
⎛ ⎞
<
⎜ ⎟
⎝ ⎠

konkavna ako  
( ) ( )
1 2
1 2
2 2
f x f x
x x
f
+
+
⎛ ⎞
>
⎜ ⎟
⎝ ⎠

Tipičan izgled konveksne i konkavne funkcije dato je na slici: 
konveksna
x
y
konkavna
x
y
1
x
1
x 2
x
2
x
1 2
2
x x +
1 2
2
x x +
}
1
d
2
d
1
d }
2
d
 
 
gde je 
( ) ( )
1 2
1 2
1 2
,
2 2
f x f x
x x
d d f
+
+
⎛ ⎞
= =
⎜ ⎟
⎝ ⎠

Tetiva  koja  spaja  dve  proizvoljne  tačke  u 
1
x   i 
2
x   grafika  konveksne  funkcije 
nalazi  se  iznad  dela  posmatranog  grafika  na  intervalu 
1 2
, x x ,  a  kod  konkavne 
funkcije je obrnuto. 
 
 
 
 
‐ 50 ‐ 
Primer: 
 
 Funkcija 
2
y x =  je konveksna, što zaključujemo iz nejednačine  
( )
2
2 2
2
1 2 1 2
1 2
0
2 2
x x x x
x x
+ +
⎛ ⎞
< ⇔ − >
⎜ ⎟
⎝ ⎠
, za 
1 2
x x ≠ . 
 
 
 
4 . 2 . N I Z  
 
Definicija: 
 
ƒ Uređeni  skup  elemenata 
1 2
, , , ,
n
a a a … …  obrazuje  niz  ako  se  svakom 
prirodnom  broju  n N ∈   po  nekom  zakonu  pridruži  jedan  i  samo  jedan 
element 
n
a R ∈ . 
 
ƒ Niz je preslikavanje  : f N R → . 
 
Primer: 
 
1, 2,3, , n … … predstavlja niz pripodnih brojeva 
 
 
ƒ Niz je određen svojim opštim članom 
n
a . 
 
Primer: 
 
 Ako je opšti član niza 
1
,
n
a n N
n
= ∈ , onda su članovi niza  
1 2 3
1 1
1, , ,
2 3
a a a = = = …. 
 
 
ƒ Niz 
1 2
, , , ,
n
a a a … … je: 
rastući ako 
1 n n
a a
+
> , 
‐ 51 ‐ 
opadajući ako je
1 n n
a a
+
< , 
neopadajući ako je 
1 n n
a a
+
≥ , 
nerastući ako je 
1 n n
a a
+
≤ . 
 
ƒ Ovi nizovi se zovu monotoni nizovi. 
ƒ Za  niz   
1 2
, , , ,
n
a a a … …  se  kaže  da  je  ograničen  ako  postoje  realni  brojevi 
m i  M  takvi da je 
n
m a M ≤ ≤ . 
Broj  m  predstavlja  donje  ograničenje  (minoranta),  dok  je  M   gornje 
ograničenje (majoranta) niza. 
ƒ Najveća  donja  granica  naziva  se  infimum  niza,  a  najmanja  gornja  granica 
naziva se supremum niza. 
 
Primer: 
 
 Niz sa opštim članom 
( )
1
n
n
a
n

=  je ograničen.  
Donje ograničenje je  1 m = − , a gornje ograničenje je 
1
2
M = ,  
tj. svi članovi niza zadovoljavaju relaciju  
1
1
2
n
a − ≤ ≤ . 
 
 
Napomena:  Treba naglasiti da  m i  M  nisu jedinstveni, naime ima 
neprebrojivo mnogo drugih majoranti i minoranti.  Tačne su i sledeće 
nejednakosti  1 1
n
a − ≤ <  ili  2 2
n
a − < <  itd. U ovom primeru su navedeni 
upravo infimum i supremum skupa vrednosti niza. 
 
 
4. 2. 1.   GRANI ČNA  VREDNOST  NI ZA 
 
Definicija: 
 
ƒ Broj  a se naziva graničnom vrednošću niza, ako za svako proizvoljno mali 
pozitivni broj  ε , može da se nađe prirodni broj 
0
n , takav da 
0
,
n
n n a a ε ∀ > − < , 
‐ 52 ‐ 
što označavamo sa  lim
n
n
a a
→∞
= , ili  ,
n
a a n → →∞. 
ƒ Niz  koji  ima  graničnu  vrednost  naziva  se  konvergentnim  nizom,  a  koji  je 
nema naziva se divergentnim nizom. 
 
ƒ Granica konvergentnog niza je jedinstvena. 
 
 
Primer: 
 
Dat je niz  ,
2 1
n
n
a n N
n
= ∈
+
. Pokazati da je njegova granična vrednost 
1
2
.  
Odrediti 
0
n  za  0, 01 ε = . 
Kako je 
1 1
2 1 2 4 2
n
n
a a
n n
ε − = − = <
+ +
 za  0 ε ∀ > , zaključujemo da je 
1
2
  
granična vrednost niza. 
Za  0, 01 ε =  dobijamo 
1
0, 01
4 2 n
<
+
, odakle 
98
24, 5
4
n > =  tj. 
0
25 n ≥ . 
Dakle van  ε  okoline broja 
1
2
 nalazi se  24  člana niza, a u  ε  okolini počev od 
25
a  svih ostalih beskonačno mnogo članova niza. 
 
 
 
4. 2. 2.   OSOBI NE  KONVERGENTNI H  NI ZOVA 
 
ƒ Ako  su 
n
a   i 
n
b   dati  nizovi    i  ako  postoji 
0
n N ∈   sa  osobinom  da  je 
( )
0 n n
n N n n a b ∀ ∈ > ≤ , onda je  lim lim
n n
n n
a b
→∞ →∞
≤ . 
 
ƒ Svaki konvergentan niz je ograničen. 
 
ƒ Monoton i ograničen niz je konvergentan. 
 
 
 
 
 
‐ 53 ‐ 
Primeri: 
 
Niz 
1
n
n
a
n
+
= ,  n N ∈ , odnosno 
3 4 1
2 , , , , ,
2 3
n
n
+
⎛ ⎞
⎜ ⎟
⎝ ⎠
… …  je monotono  
opadajući, jer je 
2
1
2
2
1
2 1
n
n
a n n
a n n
+
+
= <
+ +
 i ograničen je sa donje strane, jer je  
1 1
1 1
n
n n
+
= + > , što znači da postoji granična vrednost ovog niza, tj .  
1
lim 1
n
n
n
→∞
+
=  
 
 
 
4. 2. 3. OPERACI J E  SA  GRANI ČNI M  VREDNOSTI MA 
NI ZOVA 
   
Neka je  lim
n
n
a a
→∞
=  i  lim
n
n
b b
→∞
= . Tada važi: 
ƒ lim lim ,
n n
n n
C a C a C a C R
→∞ →∞
⋅ = ⋅ = ⋅ ∈ , 
 
ƒ
( )
lim lim lim
n n n n
n n n
a b a b a b
→∞ →∞ →∞
± = ± = ± , 
 
ƒ
( )
lim lim lim
n n n n
n n n
a b a b a b
→∞ →∞ →∞
⋅ = ⋅ = ⋅ , 
 
ƒ
( )
lim
lim , 0, 0
lim
n
n n
n
n
n n
n
a
a a
b b
b b b
→∞
→∞
→∞
= = ≠ ≠ . 
 
Primer: 
 
Izračunati 
a) 
1
1
lim 2
2
2 1
lim lim 2
1
1 1
1
lim 1
n
n n
n
n n
n
n
n
n
→∞
→∞ →∞
→∞
⎛ ⎞
+
+
⎜ ⎟
+
⎝ ⎠
= = =
− ⎛ ⎞


⎜ ⎟
⎝ ⎠
 
‐ 54 ‐ 
b) 
2
2
2
2 1
2 1
lim lim 0
1
1
1
n n
n
n n
n
n
→∞ →∞
+
+
= =



c) 
2
2
2
1
2
2 1
lim lim
1 1
1
n n
n
n
n
n n
→∞ →∞
+
+
= = ∞



 
 
 
4. 2. 4. TAČKA  NAGOMI L AVANJ A  NI ZA 
 
Definicija: 
 
ƒ Tačka  a  na  brojnoj  pravoj  u  čijoj  se  svakoj  proizvoljno  maloj  okolini  ε  
nalazi  beskonačno  mnogo  članova  niza    naziva  se  tačka  nagomilavanja  
niza. 
ƒ Broj  a  je  tačka  nagomilavanja  niza  ako  je  za  0 ε ∀ >   i  n I ∀ ∈  
n
a a ε − < , gde je  I  jedan beskonačni podskup prirodnih brojeva. 
ƒ Niz  može  imati  jednu,  dve,  uopšte  konačno  ili  beskonačno  mnogo  tačaka 
nagomilavanja. 
ƒ Konvergentan niz ima samo jednu konačnu tačku nagomilavanja. 
 
Primer: 
 
a) Niz sa opštim članom 
n
a n =  nema tačku nagomilavanja. 
b) Niz sa opštim članom 
1
n
a
n
=  ima jednu tačku nagomilavanja  0 a =  koja ne 
pripada nizu. 
c)  Niz  sa  opštim  članom 
( )
1 1
,
1
n
n
n
a
n
− +
=
+
  ,ima  dve  tačke  nagomilavanja 
1
1 a = , koja pripada nizu i 
2
1 a = − , koja ne pripada nizu. 
 
 
 
 
‐ 55 ‐ 
4. 2. 5.   BROJ   e 
ƒ Granična vrednost niza sa opštim članom 
1
1
n
n
a
n
⎛ ⎞
= +
⎜ ⎟
⎝ ⎠
 je broj  
ƒ 2,718281 e = … odnosno: 
1
lim 1
n
n
e
n
→∞
⎛ ⎞
+ =
⎜ ⎟
⎝ ⎠
 
Može se dokazati da je ovaj niz monoton i ograničen, pa samim tim i 
konvergentan.  
 
Primer: 
 
Izračunati 
a) 
3
3
3
1 1
lim 1 lim 1
n n
n n
e
n n
→∞ →∞
⎛ ⎞
⎛ ⎞ ⎛ ⎞
+ = + =
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜ ⎟
⎝ ⎠ ⎝ ⎠
⎝ ⎠

b) 
  ( )
1 1
2
2 1 1
1
2 2
2
1 2 2 2
lim lim 1 lim 1 lim 1
1 1 1 1
2 2 2
lim 1 lim 1 lim 1
1 1 1
n n n
n n n n
n n
n n n
n
n n n n
e
n n n
+ −
→∞ →∞ →∞ →∞
+ +

→∞ →∞ →∞

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
= + = + + =
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
+ + + +
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ ⎞
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ ⎟
+ + = + =
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟
+ + +
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎝ ⎠
 
 
 
 
4. 3.   GRANI ČNA  VREDNOST  F UNKCI J E 
 
Uopštavajući  pojam  granične  vrednosti  niza  dolazimo  do  pojma  granične 
vrednosti funkcije. 
 
ƒ Otvoreni  interval 
( )
, a a ε ε − +   dužine  2ε   sa  centrom  u  tački  a R ∈  
nazivamo  ε ‐  okolinom  tačke  a.  Okolina  tačke  a  je  svaki  otvoreni  interval 
koji sadrži tačku a. 
 
ƒ Kažemo da je  a tačka nagomilavanja skupa  A R ⊂  ako se u svakoj okolini 
tačke  a nalazi bar jedan element iz  A  različit od  a. 
‐ 56 ‐ 
 
ƒ Tačka nagomilavanja skupa  A  ne mora da pripada skupu  A . 
 
ƒ Ako  a nije tačka nagomilavanja, ona se naziva izolovana tačka. 
 
Definicija: 
 
Neka je  a tačka nagomilavanja domena 
x
D  funkcije  f . 
 
ƒ Broj  A   je  granična  vrednost  funkcije  f   kada  x a → ,  ako  za  svaki  0 ε >  
postoji  broj  0 δ > ,  takav  da  je  za 
x
x D ∀ ∈   za  koje  važi  uslov  x a δ − < , 
ispunjena nejednakost  ( )
f x A ε − <  i pišemo  
( )
lim
x a
f x A

= . 
 
ƒ Navedenu definiciju možemo zapisati i na sledeći način: 
( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0 , , x x a a f x A A ε δ δ δ ε ε ∀ > ∃ > ∀ ∈ − + ⇒ ∈ − +  
 
a δ − a δ + a
A ε −
A ε −
A
( )
y f x =
 
Napomena:  Prethodna definicija znači da ako se na  y  osi zada  ε  okolina  
tačke  A , tada postoji  δ  okolina tačke  a na  x  osi, tako da kada  
( )
, x a a δ δ ∈ − + ,  onda 
( ) ( )
, f x A A ε ε ∈ − + ,  tj.  ako  nezavisno 
promenljiva x  
teži  a, vrednosti funkcije 
( )
f x  teže  A . 
 
 
‐ 57 ‐ 
Napomena:  Funkcija  u  tački  a  može,  a  ne  mora  biti  definisana,  ali  ova  tačka 
mora  
biti tačka nagomilavanja oblasti definisanosti. 
 
Primer: 
 
Dokazati da je 
( )
2
lim 3 1 7
x
x

+ = . 
Polazeći od definicije granične vrednosti, ako je  3 1 7 x ε + − < , dobijamo  
3 2 x ε − < , tj.  2
3
x
ε
− < . 
Dovoljno je uzeti da je 
3
ε
δ = , pa da gornja formula bude tačna. 
 



4414B44444.3.1. LEVA I DESNA GRANIČNA VREDNOST FUNKCIJE 
 
Definicija: 
 
ƒ Broj  A   je  desna  granična  vrednost  funkcije 
( )
f x   u  tački  a,  tj. 
( )
0
lim
x a
f x A
→ +
= , ako i samo ako je (akko) 
( ) ( ) ( ) ( )
( )
0 0 x a x a f x A ε δ δ ε ∀ > ∃ > ∀ < < + ⇒ − < . 
 
ƒ Broj  A   je  leva  granična  vrednost  funkcije 
( )
f x   u  tački  a  tj. 
( )
0
lim
x a
f x A
→ −
= , akko 
( ) ( ) ( ) ( )
( )
0 0 x a x a f x A ε δ δ ε ∀ > ∃ > ∀ − < < ⇒ − < . 
 
ƒ Funkcija 
( )
f x   ima  graničnu  vrednost  A   kada  x a →   ,  ako  i  samo  ako  
leva  i  desna  granična  vrednost  postoje  i  jednake  su  A ,  tj. 
( ) ( )
0 0
lim lim
x a x a
f x f x A
→ + → −
= =  
 
 
 
‐ 58 ‐ 
Primer: 
 
Odrediti graničnu vrednost  funkcija; 
 a)  ( )
2
1
1
x
f x
x

=

 u tački  1 x = . 
Pošto  su  leva  i  desna  granična  vrednost  funkcije  u  tački  1 x =   postoje  i  imaju 
istu  brojnu  vrednost, 
2
1 0
1
lim 2
1
x
x
x
→ +

=


2
1 0
1
lim 2
1
x
x
x
→ −

=

,funkcija  ima  graničnu 
vrednost u toj tački koja iznosi 2. 
b)  ( )
2
2
x
f x x
x

=

 u tački  2 x = . 
Kako je 
2 , 2
2
2 , 2
x x
x
x x
− ≥

− =

− + <

, dobijamo: 
( )
2 0 2 0 2 0
2
lim lim lim 2
2
x x x
x
f x x x
x
→ + → + → +

= = =


( )
2 0 2 0 2 0
2
lim lim lim 2
2
x x x
x
f x x x
x
→ − → + → +

= = − = −
− +

 
Pošto  leva  i  desna  granična  vrednost  funkcije  u  tački  2 x =   nisu  jednake, 
funkcija nema graničnu vrednost u tački  2 x = . 
 
 
Granična vrednost funkcije kad argument  x →∞ 
 
ƒ
( )
lim
x
f x A
→+∞
=  akko: 
( )
0 ε ∀ >  
( )
0 M ∃ >  
( )
x ∀   ( )
x M f x A ε > ⇒ − < . 
ƒ
( )
lim
x
f x A
→−∞
=  akko: 
( )
0 ε ∀ >  
( )
0 M ∃ <
( )
x ∀   ( )
x M f x A ε < ⇒ − <  
 
 
 
 
 
 
 
‐ 59 ‐ 
4.3.2. BESKONAČNO MALE VELIČINE: 
 
( )
lim 0
x a
f x

=  akko 
( )
0 ε ∀ >  
( )
0 δ ∃ >  
( )
x ∀   ( )
x a f x δ ε − < ⇒ < . 
ƒ Ako je funkcija 
( )
f x  beskonačno mala veličina kad  x a → , tada je 
( )
1
f x
  
beskonačno velika velična. 
 
 
 
4. 3. 3. OSOBI NE  GRANI ČNI H  VREDNOSTI   FUNKCI J A 
 
Ako  funkcije  f   i  g   imaju  granične  vrednosti  kad  argument  x a → ,  tj. 
( )
lim
x a
f x A

=  i 
( )
lim
x a
g x B

= , tada je: 
 
ƒ
( ) ( )
lim lim
x a x a
C f x C f x C A
→ →
⋅ = ⋅ = ⋅  
 
ƒ
( ) ( ) ( ) ( ) ( )
lim lim lim
x a x a x a
f x g x f x g x A B
→ → →
± = ± = ± , 
 
ƒ
( ) ( ) ( ) ( )
lim lim lim
x a x a x a
f x g x f x g x A B
→ → →
⋅ = ⋅ = ⋅ , 
 
ƒ
( )
( )
( )
( )
lim
lim
lim
x a
x a
x a
f x
f x
A
g x g x B



= =  za 
( ) ( )
0 , 0 g x B ≠ ≠ . 
 
 
4. 4. NEPREKI DNOST  FUNKCI J E 
 
Definicija: 
 
ƒ Funkcija  f  je neprekidna u tački 
x
a D ∈ , ako  
( )
0 ε ∀ >
( )
0 δ ∃ >   x ∀   ( ) ( )
x a f x f a δ ε − < ⇒ − < . 
 
tj. 
( ) ( )
lim
x a
f x f a

=  
 
‐ 60 ‐ 
ƒ Ako funkcija nije neprekidna u tački  a, onda je to tačka prekida funkcije. 
 
ƒ Funkcija je neprekidna na skupu 
x
A D ⊆  ako je neprekidna u svakoj tački 
tog skupa. 
 
Napomena:   Definicija neprekidnosti ima sličnosti sa definicijom granične 
vrednosti u tački. Razlika je u tome što definicija granične 
vrednosti ne zahteva definisanost funkcije u tački  a, a 
neprekidnosti zahteva.  

Primer: 
 
 Ispitati neprekudnost funkcija; 
 a) 
( )
3 1 f x x = −  u tački  1 x = . 
Funkcija je očigledno neprekidna u tački  1 x =  jer je 
( )
1
lim3 1 1 2
x
x f

− = = ,  
b) 
( )
1
2
f x
x
=

 u tački  2 x = . 
Funkcija ima prekid u tački  2 x =  jer u njoj nije ni definisana. 
c)   ( )
sin
, 0
0 , 0
x
x
f x
x
x



=


=


Kako je 
0
sin
lim 1
x
x
x

= ,  a 
( )
0 0 1 f = ≠ , zaključujemo da funkcija f ima prekid u 
tački  0 x = . 
 
 
ƒ Za funkciju f kažemo da je neprekidna sleva u tački a, ako 
( ) ( )
0
lim
x a
f x f a
→ −
= ,   
  a neprekidna sdesna ako  
( ) ( )
0
lim
x a
f x f a
→ +
= . 
 
ƒ Funkcija je neprekidna u tački a akko je neprekidna sleva i sdesna u tački a. 
 
 
 
 
‐ 61 ‐ 
Primer: 
 
Ispitati neprekudnost funkcije; 
 a)  ( )
2
2 1, 0
1, 0
x x
f x
x x
+ ≤

=

+ >

, u tački  0 x = . 
Kako  je 
( )
( )
2
0 0
lim 2 1 1, lim 1 1
x x
x x
→ − → +
+ = + = ,    a 
( )
0 1 f = ,  zaključujemo  da  je 
funkcija f neprekidna u tački  0 x = . 
 
 
 
 
4. 5.   ASI MPTOTE  FUNKCI J E 
 
U  matematici  i  njenim  primenama  postoji  tendencija  da  se  funkcije 
aproksimiraju pravim linijama kada  x → ±∞, ili kada   y → ±∞ , uvek kada je 
to moguće. Ove prave nazivaju se asimptotama. 
 
Definicija: 
 
ƒ Prava  x a =  je vertikalna asimptota funkcije  f  ako je 
( )
lim
x a
f x

= ±∞  ili 
( )
0
lim
x a
f x
→ +
= ±∞  ili  
( )
0
lim
x a
f x
→ −
= ±∞  
 
ƒ Prava  y b =  je horizontalna asimptota funkcije  f  ako je
( )
lim
x
f x b
→±∞
= . 
 
 
ƒ Prava  y kx n = +  je kosa asimptota funkcije  f  ako je 
( ) ( )
lim ( )
x
f x kx n b
→±∞
− + = , 
 
odnosno, 
( )
lim
x
f x
k
x
→±∞
= , a 
( ) ( )
lim
x
n f x kx
→±∞
= − . 
‐ 62 ‐ 
vertikalna
x
y
horizontalna
x
y
kosa
x
y
 
 
Funkcija  može  da  ima  sve  tri  vrste  asimptota.  Ako  funkcija  ima  horizonatalnu 
asimptotu  sa  leve  strane,  na  primer,  onda  sa  te  strane  ne  može  imati  i  kosu 
asimptotu  i  obrnuto.  Postojanje  kose  asimptote  isključuje  postojanje 
horizontalne asimptote sa iste strane. 
 
Primeri: 
 
Odrediti asimptote funkcije  
( )
3
1
f x
x
=


Kako funkcija ima prekid za  1 x = , a
1 0 1 0
3 3
lim , lim
1 1
x x
x x
→ + → −
= +∞ = −∞
− −

zaključujemo da funkcija ima vertikalnu asimptotu, pravu  1 x = . 
Pošto je 
3
lim 0
1
x
x
→±∞
=

, funkcija ima horizontalnu asimptotu,  x  ‐ osu, tj. pravu 
0 y = . 
Funkcija koja ima horizontalnu nema kosu asimptotu. 
 
 
Primer: 
 
Odrediti asimptote funkcije  
  ( )
2
1
x
f x
x
=
+

‐ 63 ‐ 
Kako funkcija ima prekid za  1 x = − , a
2 2
1 0 1 0
lim , lim
1 1
x x
x x
x x
→− + →− −
= +∞ = −∞
+ +

zaključujemo da funkcija ima vertikalnu asimptotu, pravu  1 x = − . 
Pošto  je 
2
lim
1
x
x
x
→±∞
= ±∞
+
,  funkcija  nema  horizontalnu  asimptotu,  pa  može  da 
ima  
kosu. 
2
2
2
2
1
lim lim 1,
lim lim 1
1 1
x x
x x
x
x
x
k
x x x
x x
n x
x x
→±∞ →±∞
→±∞ →±∞
+
= = =
+
⎛ ⎞
⎛ ⎞
= − = − = −
⎜ ⎟ ⎜ ⎟
+ +
⎝ ⎠
⎝ ⎠
 
Funkcija ima kosu asimptotu, pravu  1 y x = − . 
 
 
 
 
4 . 6 . F U N K C I J E   V I Š E   P R O M E N L J I V I H  
 
 
ƒ Neka  su  A   i  B   proizvoljni  skupovi.  Preslikavanje  ili  funkcija  :
n
f A B →  
predstavlja  zakon  pridruživanja  pomoću  koga  se  proizvoljnoj  n‐torki 
elemenata 
( )
1 2
, , ,
n
x x x A ∈ … ,    dodeljuje  neki  element  z B ∈   takav  de  je 
( )
1 2
, , ,
n
z f x x x = … . 
 
ƒ Element 
( )
1 2
, , ,
n
x x x A ∈ …  naziva se original, a  z B ∈  njegova slika. 
 
ƒ Pod  realnom  funkcijom  podrazumeva  se  svako  preslikavanje  kod  koga  je 
:
n
f R R → . 
 
 
 
 
 
 
‐ 64 ‐ 
Primeri sa rešenjima: 
 
Primer:  
Odrediti domene sledećih funkcija: 
a)  1 f x y = + −  
Kako je 1 0 x y + − ≥ , dobijamo da je  1 y x ≤ + , odnosno da je domen funkcije 
poluravan ispod prave  1 y x = + , uključujući i nju. 
x
y
1
y
x
=
+
 
 
 
 
b) 
2 2 2
9 f x y z = + + −  
Kako je 
2 2 2
9 0 x y z + + − ≥ , dobijamo da je 
2 2 2
9 x y z + + ≥ , odnosno da je 
domen funkcije deo prostora izvan sfere poluprečnika 3, kao i sama sfera 
2 2 2
9 x y z + + = . 
 
 
 
 
 
 
 
 
 
 
 
‐ 65 ‐ 
4. 6. 1. GRANI ČNA  VREDNOST  F UNKCI J E 
 
Definicija: 
 
ƒ Broj  A   je  granična  vrednost  funkcije, 
( )
, z f x y = , 
2
: f R R →   u  tački  
( )
0 0
, x y  domena  D , ako za svaki  0 ε >  postoji broj  0 δ > , takav da ako je 
( ) ( ) ( )
2 2
0 0
, , 0 x y D x x y y δ ∀ ∈ < − + − <   onda  ( )
, f x y A ε − <   i 
pišemo  
 
( )
( )
0 0
,
lim ,
z x y
f x y A

=   ili  ( )
0
0
lim ,
x x
y y
f x y A


= . 
 
Napomena:  Tačka 
( )
0 0
, x y  je tačka nagomilavanja domena  D, kao i kod 
funkcije jedne promenljive. 
 
Napomena: Kod funkcije jedne promenljive definisali smo levu i desnu 
graničnu vrednost u tački  a. U slučaju funkcije dve realne promenljive  
posmatramo približavanje tačke 
( )
, x y , tački 
( )
0 0
, x y  po svakoj krivoj koja  
prolazi kroz te tačke. 
 
Primer: 
 
Odrediti sledeće granične vrednosti: 
a) 
( )
2 2
2 2
0,0
lim
z
x y
x y


+

 
Ako se tačka 
( )
, x y  približava tački 
( )
0, 0  po pravoj  0 x = ,tada je  
( )
2 2
2 2
0,0
lim 1
z
x y
x y


= −
+
, ako se približava po pravoj  0 y = , tada je 
 
( )
2 2
2 2
0,0
lim 1
z
x y
x y


=
+
.  Znači granična vrednost ne postoji. 
 
b) 
( )
2 2
0,0
lim
z
xy
x y

+
 
‐ 66 ‐ 
Ako se tačka 
( )
, x y  približava tački 
( )
0, 0  po koordinatnim osama, tada u oba 
slučaja dobija se da je 
( )
2 2
0,0
lim 0
z
xy
x y

=
+

 
Ako se tačka 
( )
, x y  približava  tački 
( )
0, 0  po nekoj drugoj putanji, na primer, 
duž  prave  , y kx k R = ∈ ,  dobija  se 
( )
2
2 2 2 2
0,0
lim
1
z
kx k
x k x k

=
+ +
.  Ova  vrednost 
nikada  nije  nula,  kad  god  je  0 k ≠ .  Znači,  granična  vrednost  nije  ista  za  sve 
putanje  po  kojima  se  tačka 
( )
, x y   približava  tački 
( )
0, 0 ,  odnosno  ne  postoji 
granična vrednost. 
 
 
 
Granične vrednosti po putanjama se najčešće obeležavaju  
( )
( )
0 0
lim lim ,
x x y y
f x y
→ →
 i 
( )
( )
0 0
lim lim ,
y y x x
f x y
→ →
 
 
i nazivaju se ponovljenom graničnom vrednošću. 
 
 
ƒ Ako postoji  granična vrednost 
( )
( )
0 0
,
lim ,
z x y
f x y A

= , onda postoje i  
granične vrednosti 
( )
( )
0 0
lim lim ,
x x y y
f x y A
→ →
=  i 
( )
( )
0 0
lim lim ,
y y x x
f x y A
→ →
= . 
 
Obrat ne važi. 
 
Primer: 
 
Odrediti  granične vrednosti 
 
0 0
lim lim
x y
x y
x y
→ →
⎛ ⎞ −
⎜ ⎟
+
⎝ ⎠
,  
0 0
lim lim
y x
x y
x y
→ →
⎛ ⎞ −
⎜ ⎟
+
⎝ ⎠
 i 
( ) 0,0
lim
z
x y
x y


+

 
Dobijamo 
0 0 0
lim lim lim 1
x y x
x y x
x y x
→ → →
⎛ ⎞ −
= =
⎜ ⎟
+
⎝ ⎠

0 0 0
lim lim lim 1
y x y
x y y
x y y
→ → →
⎛ ⎞ − −
= = −
⎜ ⎟
+
⎝ ⎠

‐ 67 ‐ 
Ako  se  tačka 
( )
, x y   približava  tački 
( )
0, 0   po  pravoj  2 y x = ,  tada  je 
( ) 0,0
1
lim
3 3
z
x
x


= − ,  a  ako  se  približava  po  pravoj  y x = , 
( ) 0,0
0
lim 0
2
z
x

= ,  pa 
( ) 0,0
lim
z
x y
x y


+
 ne postoji. 
 
Znači,  granična  vrednost  funkcije  dve  promenljive  ne  mora  biti  jednaka 
graničnoj vrednosti funkcije po svakoj od promenljivih posebno. 
 
 
 
4. 6. 2. OSOBI NE  GRANI ČNI H  VREDNOSTI   FUNKCI J A 
 
Ako funkcije  f  i  g  imaju granične vrednosti u tački 
( )
0 0
, x y , tada je: 
 
ƒ
( )
( )
( )
( )
0 0 0 0
, ,
lim , lim ,
z x y z x y
C f x y C f x y
→ →
⋅ = ⋅ , 
 
ƒ
( )
( ) ( ) ( )
( )
( )
( )
( )
0 0 0 0 0 0
, , ,
lim , , lim , lim ,
z x y z x y z x y
f x y g x y f x y g x y
→ → →
± = ± , 
 
ƒ
( )
( ) ( ) ( )
( )
( )
( )
( )
0 0 0 0 0 0
, , ,
lim , , lim , lim ,
z x y z x y z x y
f x y g x y f x y g x y
→ → →
⋅ = ⋅  
 
ƒ
( )
( )
( )
( )
( )
( )
( )
( )
( )
0 0
0 0 0 0
0 0
,
, ,
,
lim ,
,
lim , lim , 0
, lim ,
z x y
z x y z x y
z x y
f x y
f x y
g x y
g x y g x y

→ →

= ≠ . 
 
4. 6. 3. NEPREKI DNOS T  FUNKCI J E 
 
Definicija: 
 
ƒ Funkcija 
( )
, z f x y =  je neprekidna u tački 
( )
0 0
, x y D ∈ , ako  
( )
0 ε ∀ >
( )
0 δ ∃ >  
( )
, x y ∀  
( ) ( ) ( ) ( )
2 2
0 0 0 0
, , x x y y f x y f x y δ ε − + − < ⇒ − < . 
 
‐ 68 ‐ 
tj. 
( )
( ) ( )
0 0
0 0
,
lim , ,
z x y
f x y f x y

=  
 
ƒ Funkcija je neprekidna na skupu  A D ⊆  ako je neprekidna u svakoj tački 
tog skupa. 
 
Napomena:  Definicija  neprekidnosti  ima  sličnosti  sa  definicijom  granične 
vrednosti  u  tački.  Razlika  je  u  tome  što  definicija  granične 
vrednosti  ne  zahteva  definisanost  funkcije  u  tački  a,  a 
neprekidnosti zahteva.  
 
 
 
P I T A N J A   Z A   P O N A V L J A N J E  
1. Šta je funkcija? 
2. Nabrojati i definisati osobine 
funkcija. 
3. Kako glasi definicija niza? 
4. Definisati osnovne osobine 
nizova. 
5. Granična vrednost niza i 
osobine. 
6. Granična vrednost funkcije i 
osobine. 
7. Pojam asimptota funkcije. 
8. Neprekidnost funkcije jedne 
promenljive. 
9. Pojam funkcije više 
promenljivih. 
10. Granična vrednost funkcije 
više promenljivih. 
11. Neprekidnost funkcije više 
promenljivih. 
 
 
K L J U Č N I   T E R M I N I  
• Funkcija 
• Domen 
• Kodomen 
• Niz 
• Asimptote 
• Tačka nagomilavanja 
• Granična vednost‐
limes 
• Konvergencija 
• Divergencija 
• Neprekidnost 
• Broj e 
 

 
‐ 69 ‐ 
I V ‐ GL AV A 
DIFERENCIJALNI RAČUN 
 
•  IZVOD FUNKCIJE  
• DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI  
• DIFERENCIJAL FUNKCIJE  
• NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA  
• IZVODI I DIFERENCIJALI FUNKCIJA DVE NEZAVISNO PROMENLJIVE 
• PRIMENA DIFERENCIJALNOG RAČUNA 
• EKONOMSKE FUNKCIJE 
 
 
Cilj nam je da ovaj račun uvedemo preko: 
1. Osnovnih pojmova. 
2. Definicija. 
3. Tablica izvoda elementarnih funkcija. 
4. Pravila diferenciranja. 
5. Osnovnih teorema diferencijalnog računa. 
 
 
5. DIFERENCIJALNI RAČUN 
 
5.1. IZVOD FUNKCIJE 
 
Osnovni pojam diferencijalnog računa je izvod funkcije u određenoj tački, tako 
da ćemo razmatranje ovog računa početi njegovim uvođenjem. 
U  ovom  odeljku  nakon  definisanja  izvoda  funkcije  i  geometrijskog  tumačenja 
levog  i  desnog  izvoda,  navodi  se  teorema  o  diferencijabilnosti  funkcija, 
definicija izvodne funkcije i izvodi osnovnih funkcija. 
 
Definicija izvoda funkcije u tački 
 
 Neka  je  : ( , ) f a b R →   neprekidna  funkcija  i 
0
( , ) x a b ∈ .  Ako  se  za  razliku 
0
x x −  uvede oznaka 
0 0 0 0
, 0, ( , ) x x x x a b Δ Δ ≠ + Δ ∈  i ako količnik  

 
‐ 70 ‐ 
0 0 0
0
( ) ( ) f x x f x
x
+ Δ −
Δ
 
ima konačnu vrednost kada 
0
0 x Δ → , tada ova granična vrednost predstavlja 
izvod funkcije u tački 
0
x  i označava se sa 
0
'( ) f x . Znači: 
0
0 0 0
0
0
( ) ( )
'( ) lim
x x
f x x f x
f x
x

+ Δ −
=
Δ
 
Ako  postoji  izvod  funkcije  u  tački 
0
x   tj.  ako  navedeni  količnik  ima  konačnu 
vrednost za definisane parametre, funkcija  f  je diferencijabilna u tački 
0
x . U 
slučaju  da  funkcija  nema  izvod  u  tački 
0
x   tada  f   nije  diferencijabilna  u  tački 
0
x . 
 
Primeri sa rešenjima: 
1. Naći izvod funkcije 
3
y x =  u tački 
0
2 x =  
 
0 0
0
3 3
0 0
0 0
0 0
2 3
0 0 0
0
0
(2 ) (2) (2 ) 2
'(2) lim lim
12 6
lim 12
x x
x
f x f x
f
x x
x x x
x
Δ → Δ →
Δ →
+ Δ − + Δ −
= = =
Δ Δ
Δ + Δ + Δ
= =
Δ
 
2. Odrediti izvod funkcije 
x
y e =  u tački  1 x =  
 
0
0 0
0
0
1
0
0 0
0 0
0
0
(1 ) (1)
'(1) lim lim
1
lim
x
x x
x
x
f x f e e
f
x x
e
e e
x

Δ → Δ →
Δ
Δ →
+ Δ − −
= = =
Δ Δ

= =
Δ
 
3. Ispitati da li funkcija 
2
3
y x =  ima izvod u tački  0 x = . 
    Granična vrednost: 
0 0 0
2
1
3
0 0
3
0
0 0 0
0 0
( ) (0)
lim lim lim
x x x
f x f x
x
x x

Δ → Δ → Δ →
Δ − Δ
= = Δ
Δ Δ
 
ne postoji, pa funkcija  f  nema izvod u tački  0 x = . 
 
4. Odrediti izvod funkcije  ( ) f x ax b = +  u bilo kojoj tački 
0
x . 
 

 
‐ 71 ‐ 
 
[ ] [ ]
0
0 0 0
0 0 0 0
0 0 0
0
0
0
0
0
0
( )
( ) ( ) ( )
( )
'( ) lim
x
a x x b ax b
f x f x x f x
x x x
a x
a
x
f x
f x a
x
Δ →
+ Δ + − +
Δ + Δ −
= =
Δ Δ Δ
Δ
= =
Δ
Δ
= =
Δ
 
 
 
 
Teorema o geometrijskoj interpretaciji izvoda funkcije 
 
 Ako funkcija  f  ima izvod u tački 
0
x , tada grafik ove funkcije ima tangentu u 
tački 
0 0
( , '( )) x f x  čiji je koeficijent pravca jednak izvodu funkcije  f  u tački 
0
x
(sl. 1.). 
0
0 0 0
0
0
0
( ) ( )
'( ) lim
x
f x x f x
k f x
x
Δ →
+ Δ −
= =
Δ
 
y
k tg
x
α
Δ
= =
Δ
 
 
 
 
 
 
 
 
 
 
 
 
 
 
sl. l 
 
Važi  i  obrnut  stav,  ako  grafik  neprekidne  funkcije  f   ima  tangentu  u 
tački 
0 0
( , '( )) x f x  tada je koeficijent pravca jednak  izvodu funkcije  f  u tački 
0
x . 

 
‐ 72 ‐ 
Primer sa rešenjem: 
5. Naći jednačinu tangente krive  : 1
x
f y e = +  u tački 
0
0 x =   
0
0
( ) (0) 1 2 f x f e = = + = , pa je  (0, 2)
o
M . koeficijent pravca tangente. 
0 0
(0 ) (0) 1
lim lim 1
x
x x
f x f e
k
x x
Δ
Δ → Δ →
+ Δ − −
= = =
Δ Δ

pa je jednačina tangente: 
2 y x = +  
 
Slično pojmu izvoda funkcije u nekoj tački, definišu se i pojmovi levog i desnog 
izvoda funkcije u određenoj tački. 
 
Definicija levog izvoda funkcije 
 Neka je funkcija  f  definisana i neprekidna u okolini tačke 
0
x . Ako se 
za razliku 
0
x x −  uvede oznaka 
0
x Δ ,  
0
0 x Δ <   i ako količnik  
0 0 0
0
( ) ( ) f x x f x
x
+ Δ −
Δ
 
ima konačnu vrednost kada 
0
0 x Δ → , tada ova granična vrednost predstavlja 
levi izvod funkcije u tački 
0
x  i označava se sa 
0
'( ) f x

. Dakle, 
0
0 0 0
0
0
0
( ) ( )
'( ) lim
x
f x x f x
f x
x


Δ →
+ Δ −
=
Δ
 
Analogno definiše se pojam desnog izvoda funkcije u određenoj tački. 
 
Definicija desnog izvoda funkcije 
 Neka je funkcija  f  definisana i neprekidna u okolini tačke 
0
x . Ako se 
za razliku 
0
x x −  uvede oznaka 
0
x Δ , 
0
0 x Δ >  i ako količnik  
0 0 0
0
( ) ( ) f x x f x
x
+ Δ −
Δ
 
ima konačnu vrednost kada 
0
0 x Δ → , tada ova granična vrednost predstavlja 
desni izvod funkcije u tački 
0
x  i označava se sa 
0
'( ) f x
+
. Dakle: 
0
0 0 0
0
0
0
( ) ( )
'( ) lim
x
f x x f x
f x
x
+
+
Δ →
+ Δ −
=
Δ
 
Relacija  između  levog  i  desnog  izvoda  funkcije  u  određenoj  tački  i 
diferencijabilnosti funkcije u toj tački je iskazana sledećom teoremom. 
 

 
‐ 73 ‐ 
Teorema o diferencijabilnosti funkcije u tački 
 
 Ako je funkcija  f  diferencijabilna u tački 
0
x  tada važi: 
0 0 0
' ( ) ' ( ) '( ) f x f x f x
+ −
= =  
i obrnuto,  tj. ako za neku funkciju  f  važi: 
0 0 0
'( ) ' ( ) ' ( ) f x f x f x
+ −
= =  
tada je funkcija  f  diferencijabilna u tački 
0
x . 
Ako je 
0 0
' ( ) ' ( ) f x f x
+ −
≠ , tada funkcija  f  nije diferencijabilna u tački 
0
x ,  f  
tada nema tangentu u tački 
0
M (sl. 2.). 
 
 
 
sl. 2. 
 
5.2. DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI 
 
Pri  definisanju  funkcije  f   u  tački 
0
x ,  pretpostavljeno  je  da  je  funkcija  f  
neprekidna  u  nekoj  okolini  tačke 
0
x .  Ispitajmo  sada  u  kakvom  su  odnosu 
neprekidnost i diferencijabilnost funkcije u tački. 
 
Teorema 
 Ako  je  funkcija  f   diferencijabilna  u  nekoj  tački,  tada  je  ona  neprekidna  u  toj 
tački. 
 
Dokaz 
 Neka postoji 
0
'( ) f x ,  tada je: 
0 0 0
0 0
0
( ) ( )
'( ) ( )
f x x f x
f x x
x
ε
+ Δ −
− = Δ
Δ
 

 
‐ 74 ‐ 
funkcija  od 
0
x Δ   i  pri  tom 
0
( ) 0 x ε Δ → ,  kada 
0
0 x Δ → .  Ako  označimo 
0 0
x x x = + Δ , tada je: 
0 0 0 0 0
( ) ( ) '( ) ( ) f x f x x f x x x ε = + Δ + Δ ⋅ Δ  
odnosno: 
 
0 0
0 0 0 0 0 0
0
lim ( ) lim ( ( ) '( ) ( )) ( )
x x x
f x f x x f x x x f x ε
→ Δ →
= + Δ + Δ ⋅ Δ = , 
 
što znači da je funkcija  f  neprekidna u tački 
0
x . 
 
Obrnuto  ne  važi  tj.  ako  je  funkcija  neprekidna  u  nekoj  tački  tada  ona  ne  mora 
biti  diferencijabilna  u  toj  tački.  Na  primer,  funkcija  y x =   je  neprekidna  za 
svako  x  pa i za  0 x = . Međutim u ovoj tački funkcija nije diferencijabilna. 
 
 
Definicija diferencijabilnosti funkcije na određenom intervalu 
 
 Ako  funkcija  f ima  izvod  odnosno  diferencijabilna  je  u  svakoj  tački  intervala 
( , ) a b   tada  je  funkcija  f   diferencijabilna  na  intervalu  ( , ) a b ,  odnosno  ima 
izvod 
 
0
( ) ( )
'( ) lim
x
f x x f x
f x
x
Δ →
+ Δ −
=
Δ
 
za svako  ( , ) x a b ∈ . 
 
Ovako definisana funkcija  ' f  naziva se izvodna funkcija ili izvod funkcije  f . 
 
 
Definicija izvodne  funkcije (prvog izvoda) 
 
 Izvodna  funkcija  ili  prvi  izvod  funkcije  f   je  funkcija  kojom  se  skup  tačaka 
( , ) x a b ∈   preslikava  u  skup  vrednosti  odgovarajućih  izvoda  ' f .  Određivanje 
izvodne  funkcije  naziva  se  diferenciranje.  U  tabeli  1.  su  dati  izvodi 
elementarnih funkcija: 
 
 
 
 

 
‐ 75 ‐ 
     
Funkcija  Izvodna funkcija 
          
1
1
( ) , , '( ) 0
( ) , , '( )
( ) , , '( )
( ) , 0 1, '( ) ln
( ) , '( )
1
( ) log , 0 1, '( )
ln
1
( ) ln , '( )
( ) sin , '( ) cos
n n
x x
x x
a
f x A A const x R f x
f x x n N x R f x nx
f x x R x R f x x
f x a a x R f x a a
f x e x R f x e
f x x a x R f x
x a
f x x x R f x
x
f x x x R f x x
α α
α α


+
+
= = ∈ =
= ∈ ∈ =
= ∈ ∈ =
= < ≠ ∈ =
= ∈ =
= < ≠ ∈ =
= ∈ =
= ∈ =
( ) cos , '( ) sin f x x x R f x x = ∈ = −
 
         
{ }
} {
2
2
2
2
2
2
1
( ) , \ (2 1) / 2; '( )
cos
1
( ) , \ ; '( )
sin
1
( ) sin , 1, '( )
1
1
( ) cos , 1, '( )
1
1
( ) , '( )
1
1
( ) , '( )
1
f x tg x x R k k Z f x
x
f x ctg x x R k k Z f x
x
f x arc x x x R f x
x
f x arc x x x R f x
x
f x arc tg x x R f x
x
f x arc ctg x x R f x
x
π
π
= ∈ + ∈ =
= ∈ ∈ = −
= < ∈ =

= < ∈ = −

= ∈ =
+
= ∈ = −
+
 
 
Tabela 1. Izvodi elementarnih funkcija 
 
 
Pravila za diferenciranje 
 
U ovom odeljku su data osnovna pravila za diferenciranje. Uz svako pravilo važi 
pretpostavka da su date funkcije diferencijabilne u tački x. 
 
 

 
‐ 76 ‐ 
Izvod zbira i razlike funkcija: 
 
Ako je funkcija oblika 
1 2
( ) ( ) ( ) ... ( )
n
f x f x f x f x = ± ± ±  tada je 
1 2
'( ) ' ( ) ' ( ) ... ' ( )
n
f x f x f x f x = ± ± ±  
za svako  x  za koje su definisane funkcije  
1 2 1 2
, ,..., , ' , ' ,..., ' .
n n
f f f f f f  
Specijalan slučaj navedenog pravila je za  2 n = . Tada je funkcija oblika  
 
1 2
( ) ( ) ( ) f x f x f x = ±  
a važi: 
1 2
'( ) ' ( ) ' ( ) f x f x f x = ±  
 
Izvod proizvoda funkcija: 
 
Ako je funkcija oblika 
1 2
( ) ( ) ( ) ... ( )
n
f x f x f x f x = ⋅  , tada je 
1 2 1 2 1 2
'( ) '( ) ( ) ... ( ) ( ) ' ( ) ... ( ) ... ( ) ( ) ... ' ( )
n n n
f x f x f x f x f x f x f x f x f x f x = + + +  
Specijalan slučaj navedenog pravila je za  2 n = ; 
1 2 1 2 1 2
( ) ( ) ( ) '( ) ' ( ) ( ) ( ) ' ( ) f x f x f x f x f x f x f x f x = ⇒ = +  
 
 
Izvod proizvoda konstante i funkcije: 
 
Ako je funkcija oblika  ( ) ( ) '( ) '( ) f x Cg x f x C g x = ⇒ = ⋅ , C‐konstanta 
 
 
Izvod količnika funkcija: 
Ako je funkcija oblika 
1
2
( )
( )
( )
f x
f x
f x
=  , tada je  
 
[ ]
1 2 1 2
2
2
' ( ) ( ) ( ) ' ( )
'( )
( )
f x f x f x f x
f x
f x

=  
Specijalan slučaj navedenog pravila je funkcija oblika  
1
1
( )
( )
f x
f x
= ,      ( ) 0 f x ≠ ,    
[ ]
1
2
1
' ( )
'( )
( )
f x
f x
f x
= −  
 

 
‐ 77 ‐ 
Izvod složene funkcije: 
 
Ako  funkcija  ( ) u f x =   ima  izvod  u  tački  x ,  a  funkcija  ( ) y g u =   ima  izvod  u 
tački  ( ) u f x = , tada složena funkcija 
[ ]
( ) y g f x =  ima izvod u tački  x  koji je 
jednak 
'( ) '( ) '( ) y x g u f x =  
 
Primeri sa rešenjima: 
 
 
6. Izračunati prve izvode sledećih funkcija 
 
a) 
2
y ax bx c = + +  
 
2 ' ' '
' ( ) ( ) 2 y ax bx c ax b = + + = +  
b)  ln y x x =  
  ' ' ln (ln ) ' y x x x x = +
1
1 ln x x
x
= ⋅ + ⋅ ln 1 x = +  
c)  y tg x =  
 
2
sin (sin ) ' cos sin (cos ) '
'
cos cos
x x x x x
y
x x

⎛ ⎞
= =
⎜ ⎟
⎝ ⎠
 
 
2 2
2 2 2
cos cos sin ( sin ) cos sin 1
cos cos cos
x x x x x x
x x x
− − +
= = =  
 
7. Naći prvi izvod funkcije  ( ) ln sin h x x =  
 
  ( ) ( ( )) ( ) sin ( ) ln h x g f x u f x x g u u = = = =  
 
 
1 cos
'( ) '( ) '( ) cos
sin
x
h x g u f x x ctg x
u x
= ⋅ = = =  
 
8. Izračunati prvi izvod funkcije 
2
x
y e =  
     
2 u
u x y e = =  
     
2 2
2
' ( ) ' 2 2
u x x
y e x e x xe = ⋅ = ⋅ =  
 
 

 
‐ 78 ‐ 
Napomena: 
 
Formula  za  izvod  složene  funkcije,  lako  se  prenosi  na  slučaj  kad  je  složena 
funkcija formirana od više funkcija. Na primer  ( ( ( ))) y h g f x = , tada je  
 
' '( ( ( )) '( ( )) '( ) y h g f x g f x f x = ⋅ ⋅ . 
 
( ) ( ( )
2 2 2
x x x
y tg f x g f x tg = = =  
 
2 2
1 1 1 1
' ( ) ' ( ) '
2 2
cos 4cos
2 2
2 2 2
2 2
x
x x
y tg
x x x
x x
tg
tg tg
= ⋅ = ⋅ ⋅⋅ =  
   
Pored  prvog  izvoda  funkcija  može  imati  drugi,  treći,  ...  ,  u  opštem  slučaju  n‐ti 
izvod. 
 
Definicija izvoda funkcije višeg reda 
 
 U slučaju da je i izvodna funkcija  ' f  u tački 
0
x  diferencijabilna u istoj toj tački, 
tj. da izvodna funkcija i sama ima izvodnu funkciju, ta nova izvodna funkcija se 
obeležava sa  '' f  i naziva se drugi izvod ili izvod drugog reda funkcije  f u tački 
0
x , 
'' '
( ) ( )
( ) '
x x
f f =  
 
Analogno  se  definišu  izvodi  višeg  reda.  Tako  je  treći  izvod  ili  izvod  trećeg  reda 
izvodna funkcija drugog izvoda i obeležava se sa  ''' f  U opštem slučaju izvod n‐
tog reda se dobija kao izvodna funkcija od     (n ‐1)‐ og izvoda: 
( ) ( 1)
( ) ( ) '
n n
f x f x

⎡ ⎤ =
⎣ ⎦
 
 
Primeri sa rešenjima: 
 
9. Treći izvod funkcije  ln y x =  je: 
 
2 3
1 1 2
' , 0, '' , ''' . y x y y
x x x

= ≠ = =  
 

 
‐ 79 ‐ 
10. Četvrti izvod funkcije 
4 3
4 5 1 y x x = + − : 
3 2 2
' 16 15 ; '' 48 30 ; ''' 96 30; 96
iv
y x x y x x y x y = + = + = + =  
 
11. n‐ti izvodi funkcija su: 
a)
x
y e = ,  ⇒
( ) n x
y e = . 
b) ln y x = ,  ⇒
( ) 1
( 1)!
( 1) .
n n
n
n
y
x


= −  
c) Ako je  sin y x = , tada je  ' cos sin( )
2
y x x
π
= = +  pa je 
 
( )
sin( ).
2
n
n
y x
π
= +  
d) cos y x = ,  ⇒ 
( )
cos( )
2
n
n
y x
π
= + . 
e)
x
y a = ,  ⇒ 
( )
(ln ) .
n x n
y a a =  
 
 
5.3. DIFERENCIJAL FUNKCIJE 
 
U  ovom  odeljku  se  razmatra  još  jedan  pojam  iz  diferencijalnog  računa.  To  je 
diferencijal  funkcije  koji  ima  veoma  važnu  ulogu  u  matematičkoj  analizi.  Prvo 
se  definišu  pojmovi  priraštaja  funkcije  i  diferencijala  funkcije,  razmatra  se 
geometrijska  interpretacija  diferencijala  funkcije,  da  bi  se  na  kraju  odeljka 
navela osnovna pravila za njegovo izračunavanje.  
 
 
Definicija priraštaja funkcije 
 
 Neka  je  f   funkcija  koja  ima  izvod  ' f   u  nekoj  tački  x .  Priraštaj  funkije  
( ) f x Δ  u tački  x  je definisan na sledeći način. 
( ) '( ) f x f x x x α Δ = Δ + Δ  
pod uslovom da  0 α → , kada  0 x Δ → . 
 
Iz  definicije  priraštaja  funkcije  mogu  se  uočiti  dve  vrednosti,  to  su  '( ) f x x Δ   i 
x αΔ . Ako se izvrši poređenje ove dve vrednosti uz uslove koji važe da  0 α →  i 
0 x Δ → ,  može  se  zaključiti  da  član  x αΔ   ima  beskonačno  malu  vrednost  koja 
je znatno manja od vrednosti člana  ( ) f x x Δ . Na osnovu ove analize vrednosti  
priraštaja funkcije dobijamo da je: 

 
‐ 80 ‐ 
( ) ( ) f x f x x Δ ≈ Δ  
 
Vrednost  koja  se  dobila  za  priraštaj  funkcije  naziva  se  glavni  ili  linearni  deo 
priraštaja  funkcije  i  predstavlja  upravo  pojam  koji  je  tema  ovog  odeljka,  tj. 
diferencijal funkcije. 
 
Definicija diferencijala funkcije 
 
 Diferencijal  funkcije  f   u  tački  x   je  jednak  proizvodu  izvoda  funkcije    ' f   u 
tački  x  i priraštaja  x Δ  nezavisno promenljive  x .  
Obeležavamo ga sa  df . 
Na  osnovu  definicije  diferencijala  funkcije  vidi  se  da  on  u  opštem  slučaju 
predstavlja funkciju sa dva argumenta  ( , ) x x Δ . 
Kako je  x Δ  mala veličina, aproksimativna relacija je: 
( ) ( ) f x df x Δ ≈ , 
Kako je  ( ) ( ) ( ) f x f x x f x Δ = + Δ −  uz prethodnu relaciju dobijamo novu: 
( ) ( ) ( ) f x x f x df x + Δ ≈ +  
Obe  aproksimativne  relacije  se  veoma  često  koriste  u  teoriji  približnih  računa 
za približno izračunavanje vrednosti određenih izraza. 
Ako se uvedu oznake  dx x = Δ  i  ( ) dy f x = Δ , tada je izvod funkcije: 
'( )
dy
f x
dx
=  
Na  ovaj  način  se  dobija  još  jedna  definicija  izvoda  funkcije  f ,  kao  količnika 
diferencijala funkcije i diferencijala nezavisno promenljive. 
    
 
Teorema o geometrijskoj interpretaciji diferencijala funkcije 
 
 Data  je  funkcija  f   čiji  grafik  ima  tangentu  u  tački  ( , ( )). M x f x   Diferencijal 
funkcije  geometrijski  predstavlja  promenu  ordinate  tangente  u  posmatranoj 
tački kada se  x  promeni za  x Δ , odnosno za  dx . 
 
 
 
 
 
 
 
 

 
‐ 81 ‐ 
'( ) NQ NM tg f x x dy α = ⋅ = ⋅ Δ =  
 
 
 
   
 
 
 
 
 
 
 
 
sl. 3 
 
Takođe, kao što je pri razmatranju izvoda funkcije dat pregled osnovnih pravila 
dobijanja  izvoda  funkcija,  to  ona  postoji  i  pri  izračunavanju  diferencijala 
funkcije.  U  svim  navedenim  pravilima  važi  da  su  ( ) u u x =   i  ( ) v v x =  
diferencijabilne funkcije. 
 
Pravila za izračunavanje diferencijala funkcija 
( ) d u v du dv ± = ±  
( ) d uv vdu udv = +  
2
( ) , 0
u vdu udv
d v
v v

= ≠  
Analogno pojmovima drugog izvoda i u opštem slučaju n‐tog izvoda definišu se 
i pojmovi diferencijala drugog reda, odnosno u opštem slučaju  diferencijala  n‐ 
tog reda. 
 
Definicija diferencijala funkcije drugog reda 
 
 Diferencijal  drugog  reda  je  jednak  diferencijalu  diferencijala  prvog  reda, 
odnosno  
2 2
( ) '' d y d dy y dx = =  
Na  osnovu  ove  relacije  može  se  izvesti  zaključak  da  je  drugi  izvod  funkcije 
jednak  količniku  diferencijala  drugog  reda  funkcije  i  kvadrata  diferencijala 
argumenta, odnosno 
2
2
''
d y
y
dx
=  

 
‐ 82 ‐ 
Analogno  se  dobija  izraz  za  n‐ti  izvod.  On  je  količnik  diferencijala  n‐tog  reda 
funkcije i diferencijala argumenta stepena  n, odnosno 
( )
n
n
n
d y
y
dx
=  
Diferencijal n‐tog reda može se zapisati 
( ) n n n
d y y dx = . 
Primeri sa rešenjima: 
 
12. Diferencijali sledećih funkcija su: 
a)  
1
( ) d x x dx
α α
α

=  
b)   ( )
x x
d e e dx =  
c)  
1
(ln ) d x dx
x
=  
d)   (sin ) cos d x x dx =  
e)  
2
1
( )
1
d arctg x dx
x
=
+
 
 
13.  Koristeći  pravila  za  izračunavanje  diferencijala  zbira,  razlike,  proizvoda  i 
količnika funkcija, izračunati su diferencijali sledećih funkcija: 
a)   
2
sin y x x = +  
2 cos (2 cos ) dy x dx x dx x x dx = + = +  
b)   
x
y xe =  
( )
x x x x
dy e dx xe dx e xe dx = + = +  
c)   
sin
cos
x
y
x
=  
2 2 2
2 2 2
cos sin ( sin ) (cos sin ) 1
cos cos cos
x dx x x dx x x dx
dy dx
x x x
− − +
= = =

 
 
 
5.4. NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA 
 
U  prethodnim  odeljcima  ovog  poglavlja  date  su  definicije  osnovnih  pojmova 
diferencijalnog računa, izvoda i diferencijala funkcije, kao i osnovna pravila koja 
se koriste za izračunavanje navedenih pojmova. Koristeći razmatrane definicije 

 
‐ 83 ‐ 
i  pravila  u  ovom  odeljku  se  upoznaju  najvažnije  teoreme  diferencijalnog 
računa:  Fermaova,  Rolova,  Lagranžova  i  Košijeva  teorema,  Lopitalovo  pravilo  i 
Tejlorova formula. 
 
Fermaova teorema 
 
 Neka  je  funkcija  f   diferencijabilna  na  intervalu  ( , ) a b   i  neka  u  tački 
0 0
( ( , )) x x a b ∈   ima  lokalni  ekstrem.  Tada  je  prvi  izvod  funkcije  jednak  0, 
odnosno: 
0
'( ) 0 f x =  
   
Dokaz Fermaove teoreme 
 
 Pretpostavimo da tačka 
0
x  predstavlja tačku lokalnog maksimuma funkcije  f  
(postupak  dokaza  je  analogan  kada  se  razmatra  lokalni  minimum  funkcije). 
Tada prema definiciji lokalnog maksimuma funkcije važi: 
0 0
( 0)( )(0 ) ( ) ( ). x x x f x f x ξ ξ ∀ > ∀ < − < ⇒ <  
 
Neka je priraštaj  0 x Δ > , tako da važi relacija 
0 0
x x x ξ + Δ < +  
Iz definicije lokalnog se dobija 
0 0
( ) ( ) f x x f x + Δ <  
 
0 0
( ) ( )
0
f x x f x
x
+ Δ −
<
Δ

Analogno, za  0 x Δ < , važi relacija 
0 0
x x x ξ +Δ > +  
Iz definicije lokalnog maksimuma se dobija 
0 0
( ) ( ) f x x f x +Δ >  
 
0 0
( ) ( )
0
f x x f x
x
+ Δ −
>
Δ
 
Primenićemo granične vrednosti na prethodno dobijene izraze: 
 
0 0
0
0
( ) ( )
lim ' ( ) 0
x
f x x f x
f x
x
+

+ Δ −
= ≤
Δ
 

 
‐ 84 ‐ 
0 0
0
0
( ) ( )
lim ' ( ) 0
x
f x x f x
f x
x


+ Δ −
= ≥
Δ
 
 
U  teoremi  je  pretpostavljeno  da  je  funkcija  f   diferencijabilna  u  tački 
0
x .  Iz 
diferencijabilnosti sledi 
0 0 0
' ( ) ' ( ) '( ) f x f x f x
+ −
= =  
 
Ako  se  uporede  poslednje  tri  relacije,  dolazi  se  do  zaključka  da  ' f   mora  da 
ispunjava  zahteve 
0
'( ) 0 f x ≥   i 
0
'( ) 0 f x ≤ ,  a  to  je  moguće  samo  ako  je 
0
'( ) 0 f x = , što je i trebalo dokazati. 
 
Na  potpuno  analogan  način  se  izvodi  dokaz  i  za  slučaj  lokalnog  minimuma, 
čime je teorema dokazana. 
 
Fermaovom  teoremom  je  naveden  potreban  uslov  za  postojanje  lokalnog 
ekstrema  diferencijabilnih  funkcija.  Treba  napomenuti  da  ne  važi  obrnut  stav, 
ako  je 
0
'( ) 0 f x = ,  tada  tačka 
0
x   nije  uvek  tačka  lokalnog  ekstrema.  Tačke  u 
kojima  je  ispunjen  uslov   
0
'( ) 0 f x =   nazivaju  se  stacionarnim  tačkama 
funkcije.  Na  primer  funkcije  za  koju  je 
0
'( ) 0 f x = ,  a 
0
x   nije  tačka  lokalnog 
ekstrema, je funkcija 
3
( ) f x x = , za vrednost 
0
0 x = . U ovoj tački je  '(0) 0 f =
, a nije tačka lokalnog ekstrema,  ali  jeste stacionarna tačka. 
 
Rolova teorema 
 
Neka je funkcija  f : 
1. neprekidna na segmentu 
[ ]
, a b   
2. diferencijabilna  na intervalu  ( , ) a b .  
3. ( ) ( ) f a f b =   
 
Onda  postoji  tačka  ξ   koja  pripada  datom  segmentu,  takva  da  važi 
'( ) 0 f ξ = . 
 
 
 
 
 

 
‐ 85 ‐ 
Dokaz Rolove teoreme 
 
 Pri  dokazivanju  ove  teoreme  koristi  se  jedna  pomoćna  teorema.  Ona  glasi  da 
ako  je  funkcija  f   neprekidna  na  segmentu 
[ ]
, a b   tada  ona  na  tom  segmentu 
dostiže  bar  jednom  svoju  maksimalnu  vrednost  i  bar  jednom  svoju  minimalnu 
vrednost. 
 
Ako  se  u  posmatranom  slučaju  maksimalna  vrednost  označi  sa  MAX ,  a 
minimalna  sa  MIN ,  to  znači  da  je  vrednost  posmatrane  funkcije  f   na 
segmentu 
[ ]
, a b   sigurno  veća  ili  jednaka  od  MIN ,  a  manja  ili  jednaka  od 
MAX , za svako  x  koje pripada segmentu 
[ ]
, a b . 
 
( ) MIN f x MAX ≤ ≤  
Iz prethodnog tvrđenja može se zaključiti da je vrednost  MAX  sigurno veća ili 
jednaka  vrednosti    MIN .  Na  osnovu  toga  razlikujemo  dva  slučaja  za  koje  se 
dokazuje  Rolova  teorema.  Prvi  je  da  je  vrednost  MAX   jednaka  vrednosti  
MIN , a drugi da je vrednost  MAX  veća od vrednosti   MIN . 
 
U  prvom  slučaju  (za  koji  važi  MAX MIN = )  zaključujemo  da  je  funkcija 
konstantna  na  posmatranom  segmentu  ( ) f x MAX MIN C = = = ,  za  svako 
x   koje  pripada  segmentu 
[ ]
, a b ,  pa  je  '( ) 0 f x = ,  za  svako  x   koje  pripada 
segmentu 
[ ]
, a b ,    Rolova  teorema  je  za  ovaj  slučaj  dokazana,  jer  ξ   može  biti 
bilo koja tačka iz segmenta 
[ ]
, a b  
 
U  drugom  slučaju  važi  MAX MIN > .  Neka  je  ξ   tačka  u  kojoj  funkcija  ima 
vrednost  MAX ,    a b ξ < < .  Kako  je  ( ) ( ) f a f b = po  Fermaovoj  teoremi 
zaključujemo da je  '( ) 0 f ξ =  
   
Rolova teorema ima i svoju geometrijsku interpretaciju. 
 
Geometrijska interpretacija Rolove teoreme 
 
 Na  grafiku  funkcije  f ,  koja  na  segmentu 
[ ]
, a b   ispunjava  uslove  Rolove 
teoreme  postoji  bar  jedna  tačka  u  kojoj  je  tangenta  paralelna  (sl.4.)  ili  se 
poklapa sa osom  Ox . 
 

 
‐ 86 ‐ 
 
 
 
   
sl. 4 
 
Primeri sa rešenjima: 
 
14.  Pokazati  da  funkcija 
4 2
( ) 2 f x x x = −   zadovoljava  uslove  Rolove  teoreme 
za  0, 2 x
⎡ ⎤

⎣ ⎦
. Naći odgovarajuće vrednosti  ξ . 
Uraditi isto za  2, 2 x
⎡ ⎤
∈ −
⎣ ⎦

f  je neprekidna za  0, 2 x
⎡ ⎤

⎣ ⎦

3
'( ) 4 4 f x x x = −  , pa je   f   diferencijabilna za  0, 2 x
⎡ ⎤

⎣ ⎦
 
(0) 0 f =  ,    
4 3
( 2) ( 2) 2( 2) 4 2 2 0 f = − = − ⋅ =  
 
Znači ispunjeni su uslovi Rolove teoreme pa važi: 
 
'( ) 0 f ξ =  za  (0, 2) ξ ∈  
3
4 4 0 ξ ξ − =  
2
4 ( 1) 0 ξ ξ − =  
0 1 1 ξ ξ ξ = ∨ = − ∨ =   
Samo  1 ξ =   pripada  intervalu  (0, 2) .  Posmatrajmo  interval  2, 2
⎡ ⎤

⎣ ⎦

Uslovi  neprekidnosti  i  diferencijabilnosti  su  ispunjeni  kao  i 
( 2) ( 2) 0 f f − = =  pa postoji  ( 2, 2) ξ ∈ −  tako da je  '( ) 0 f ξ =  

 
‐ 87 ‐ 
3
4 4 0 0 1 1 ξ ξ ξ ξ ξ − = = ∨ = − ∨ =  
Znači postoje tri vrednosti za koje je  '( ) 0 f x = . 
 
15. Proveriti da li funkcija 
3 2
( ) 1 f x x = −  ispunjava uslove Rolove teoreme na 
[ ]
1,1 − . 
Funkcija je neprekidna za 
[ ]
1,1 x∈ −  
3 3
( 1) 1 1 0 (1) 1 1 0 f f − = − = = − =  
3
2
'( ) , 0,
3
f x x
x

= ≠  pa funkcija nije diferencijabilna za  0 x =  
 
 
 
Košijeva teorema 
 
 Neka  su  funkcije  f   i  g   neprekidne  na  segmentu 
[ ]
, a b   i  diferencijabilne  na 
intervalu  ( , ) a b .  Ako  za  svaku  tačku  x koja  pripada  intervalu  ( , ) a b važi 
'( ) 0 g x ≠ ,tada postoji tačka  ( , ) a b ξ ∈  tako da je 
'( ) ( ) ( )
'( ) ( ) ( )
f f b f a
g g b g a
ξ
ξ

=

 
 
Dokaz Košijeve teoreme 
 
 Da bi se dokazalo navedeno tvrđenje definiše se nova funkcija, u oznaci  h , na 
sledeći način      
[ ]
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
f b f a
h x f x f a g x g a
g b g a

= − − −

 
 
za svako  x  koje  pripada segmentu 
[ ]
, a b .  
 
Ako  se  analizira  novodefinisana  funkcija  dolazi  se  do  zaključka  da  ova  funkcija 
zadovoljava  sve  uslove  Rolove  teoreme.  Neprekidna  je  na  segmentu 
[ ]
, a b , 
diferencijabilna na intervalu( , ) a b   i   ( ) ( ) 0 h a h b = = . 
 

 
‐ 88 ‐ 
Kada  bi  funkcija  g   takođe  ispunjavala  uslove  Rolove  teoreme,    postojala  bi 
tačka  ξ  koja pripada segmentu 
[ ]
, a b , takva da je  '( ) 0 g ξ = , a to je suprotno 
pretpostavci teoreme. Može se zaključiti  da funkcija  ( ) g x  ne ispunjava uslove 
Rolove teoreme i  važi  ( ) ( ) g a g b ≠ . 
 
Na  osnovu  prethodnih  zaključaka  može    se    primeniti    Rolova  teorema  na 
funkciju  h    
( ) ( )
'( ) '( ) '( ) 0
( ) ( )
f b f a
h x f g
g b g a
ξ ξ

= − =

 
Iz predhodnog izraza dobijamo 
'( ) ( ) ( )
'( ) ( ) ( )
f f b f a
g g b g a
ξ
ξ

=

,  
čime je Košijeva teorema dokazana. 
 
 
Primeri sa rešenjima: 
 
16.  Da li su ispunjeni uslovi Košijeve teoreme za funkcije  ( ) sin f x x =    i 
( ) cos( ) g x x =  na odsečku  0,
2
π
⎡ ⎤
⎢ ⎥
⎣ ⎦
? Naći  tačku  ξ . 
Funkcije  f  i  g  su neprekidne za  0,
2
x
π
⎡ ⎤

⎢ ⎥
⎣ ⎦
 i diferencijabilne za  (0, )
2
x
π
∈ , 
jer  '( ) cos f x x =  a  '( ) sin g x x = −  i  '( ) 0 g x ≠ za  (0, )
2
x
π
∈  pa su ispunjeni 
uslovi Košijeve teoreme, tj. postoji  (0, )
2
π
ξ ∈  tako da je: 
( ) (0)
'( )
2
'( )
( ) (0)
2
f f
f
g
g g
π
ξ
π
ξ

=

 
cos 1 0
sin 0 1
ξ
ξ

=
− −
 
1 1 (0, )
4 4 2
tg tg
π π π
ξ ξ ξ − = − = = ∈ . 
 

 
‐ 89 ‐ 
17.    Zašto  se  Košijeva  teorema  o  srednjoj  vrednosti  ne  može  primeniti  na 
funkcije 
2
( ) f x x =  i 
3
( ) g x x =  na segmentu 
[ ]
1,1 − ? 
2
'( ) 3 g x x =  i  '( ) 0 g x = za  0 [ 1,1] x = ∈ − . 
 
 
Lagranžova teorema 
 
 Neka  je  funkcija  f   neprekidna  na  intervalu 
[ ]
, a b   i  diferencijabilna  na 
intervalu  ( , ) a b .  Tada  postoji  tačka  ξ   koja  pripada  datom  intervalu,  takva  da 
važi 
 
( ) ( )
'( )
f b f a
f
b a
ξ

=

 
 
 
Dokaz Lagranžove teoreme 
 
Primenom Kođijeve teoreme uz pretpostavku  ( ) g x x =  dokazujemo 
Langranžeovu teoremu. 
 
 
Geometrijska interpretacija Lagranžove teoreme 
 
 Na  grafiku  funkcije  f   koja  na  segmentu 
[ ]
, a b   ispunjava  uslove  Rolove 
teoreme, postoji bar jedna tačka u kojoj je tangenta paralelna sa sečicom koja 
spaja tačke  ( ) f a  i  ( ) f b (sl. 5.) 
 
 
 

 
‐ 90 ‐ 
 
 
 
 
sl. 5 
Primeri sa rešenjima: 
 
18.  U  kojoj  tački  je  tangenta  krive 
2
4 y x = −   paralelna  tetivi  AB ,  ( 2, 0) A − , 
(1, 3) B . 
Posmatrajmo funkciju 
2
4 y x = −  na intervalu 
[ ]
2,1 − . Ona je neprekidna 
za 
[ ]
2,1 x∈ −   diferencijabilna  za  ( 2,1) x ∈ − ,  ' 2 y x = −   pa  ispunjava  uslove 
Lagranžove teoreme. 
(1) ( 2)
'( )
1 ( 2)
f f
f ξ
− −
=
− −
 
3 0
2
3
ξ

− = ⇒
1 1 15
2 1 ( ) 4
2 4 4
f ξ ξ ξ − = ⇒ = − ⇒ = − =  
Znači  u  tački 
1 15
( , )
2 4
C −   tangenta  krive 
2
4 y x = −   je  paralelna  tetivi
AB . 
 
19. Zašto se ne može primeniti Lagranžova teorema na funkciju  
4
( ) f x
x
=   na 
intervalu 
[ ]
1, 2 − ?  
 
Funkcija nije definisana u tački 0 x = . 
 
 
 

 
‐ 91 ‐ 
20. Zašto se ne može primeniti Lagranžova teorema na funkciju  
 
, 2
( )
1 2
x x
f x
x
⎧ <

=




 na odsečku 
[ ]
0, 2 . 
 
Funkcija  f  je neprekidna na segmentu 
[ ]
0, 2  ali nije   diferencijabilna u tački 
1 (0, 2). x = ∈  
 
 
 
Tejlorova teorema 
 
 Neka  je  funkcija  f   n‐puta  diferencijabilna  na  segmentu 
[ ]
, a b   i  ima  izvod 
(n+1)‐og reda na intervalu  ( , ) a b . Tada za 
[ ]
, x a b ∈  važi: 
2 1
( ) ( 1)
( ) ( ) ( )
( ) ( ) ( ) '( ) ''( ) ... ( ) ( )
2! ! ( 1)!
n n
n n
x a x a x a
f x f a x a f a f a f a f
n n
ξ
+
+
− − −
= + − + + + +
+
 
gde  broj  ξ   pripada  intervalu  ( , ) a x za  x a > ,  odnosno  broj  ξ   pripada 
intervalu  ( , ) x a za  x a > . 
 
Dokaz Tejlorove  teoreme 
 
 Da  bi  se  dokazalo    navedeno  tvrđenje    definišu  se  dve  nove    funkcije    g   i  h  
argumenta   r , na sledeći  način  
2
( )
( ) ( )
( ) ( ) ( ) ( ) '( ) ''( ) ... ( ) ( )
2!
n
n
x r x r
g r f x f r r x f r f r f r h r
n
⎡ ⎤ − −
= − + − + + + +
⎢ ⎥
⎣ ⎦
 
1
( )
( )
( 1)!
n
x r
h r
n
+

=
+
   
Ako  se  uzmu  u  obzir    svi  uslovi  koje  zadovoljava  funkcija  f ,može  se  zaključiti 
da funkcije  g  i  h  ispunjavaju sve uslove Košijeve teoreme na segmentu 
[ ]
, a x
.  Zato  postoji  broj    ξ   koji  pripada  intervalu  ( , ) a x   za    x a >   i  za  koga  važi  
sledeća relacija  
'( ) ( ) ( )
'( ) ( ) ( )
g g x g a
h h x h a
ξ
ξ

=

 
 

 
‐ 92 ‐ 
Da  bi  dokazali  Tejlorovu  teoremu  potrebno  je    u  gornjem    izrazu  zameniti 
vrednosti   '( ), '( ), ( ), '( ), ( ), ( ) g h g x h x g a h a ξ ξ . 
 
Ako  u  izrazima  za  funkcije    ( ) g r   i  ( ) h r   argument    r   zamenimo  sa  x , 
dobijamo  da  je  u  tom  slučaju  vrednost    funkcija    ( ) ( ) 0 g x h x = = ,  a  ako 
argumentu  r dodelimo vrednost  a , vrednost funkcija   ( ) g r  i  ( ) h r  je  
2
( )
( ) ( )
( ) ( ) ( ) ( ) '( ) ''( ) ... ( ) ( )
2!
n
n
x a x a
g a f x f a a x f a f a f a h a
n
⎡ ⎤ − −
= − + − + + + +
⎢ ⎥
⎣ ⎦
 
1
( )
( )
( 1)!
n
x a
h a
n
+

=
+

 
Takođe  vrednosti  prvih izvoda funkcija  ( ) g r  i  ( ) h r u tački  ξ   je  
( )
1
'( ) ( )(
!
n
n
x
g f
n
ξ
ξ ξ
+

= ,       ( )
( )
'
!
n
x
h
n
ξ
ξ

= . 
Kada se funkcije   ( ) g r  i  ( ) h r  i  njihovi prvi izvodi u tačkama  a  i  x , zamene u 
Košijevoj teoremi za posmatrane funkcije dobija se: 
2 1
( 1)
( ) ( ) ( )
( ) ( ) ( ) '( ) ''( ) ... ( ) ( )
2! ! ( 1)!
n n
n n
x a x a x a
f x f a x a f a f a f a f
n n
ξ
+
+
− − −
= + − + + + +
+
 
 
Na isti način se izvodi dokaz za segment 
[ ]
, x a , gde  ξ  pripada intervalu  ( , ) x a  
čime je Tejlorova teorema dokazana. 
U  Tejlorovoj  formuli  uobičajeno  je  da  se  član 
1
( 1)
( )
( )
( 1)!
n
n
x a
f
n
ξ
+
+

+
  označava 
kao 
1
( )
n
R x
+
,  i  predstavlja  grešku  aproksimacije  ili  ostatak.  Deo  Tejlorove 
formule  
2
( )
( ) ( )
( ) ( ) ( ) '( ) ''( ) ... ( )
2! !
n
n
x a x a
T x f a x a f a f a f a
n
− −
= + − + + + . 
se naziva Tejlorov polinom stepena n. 
 
Tejlorov  polinom  ima  široku  primenu  pri  izračunavanju  aproksimativne 
vrednosti  različitih  funkcija  za  neku  vrednost  argumenta.  Pri  ovakvoj 
aproksimaciji čini se greška, koja je upravo jednaka članu 
1
( )
n
R x
+
, koji se iz tog 
razloga  i  naziva  greška  aproksimacije  ili  ostatak  i  predstavlja  razliku  između 
tačne vrednosti i njene aproksimativne vrednosti. 

 
‐ 93 ‐ 
Specijalan slučaj Tejlorove formule za vrednost  0 a =  naziva se  
Maklorenova formula.  
 
Ova formula važi za  x  koje pripada intervalu 
[ ]
0, b  i glasi: 
2
( )
1
( ) (0) '(0) ''(0) ... (0)
2! !
n
n
n
x x
f x f xf f f R
n
+
= + + + + +  
gde je ostatak 
( 1)
( 1)
1
( )
( 1)!
n
n
n
x
R f
n
ξ
+
+
+
=
+
 . 
 
Primeri sa rešenjima: 
 
21.  Aproksimirati  funkciju 
1
( )
1
f x
x
=
+
,  Tejlorovim  polinomom  drugog 
stepena u okolini tačke  2 a = − . 
2 2
3 3
2
2
1
( 2) 1
2 1
1 1
'( ) '( 2) 1
( 1) ( 2 1)
2 2
''( ) ''( 2) 2
( 1) ( 2 1)
1 1
( ) ( 2) '( 2)( 2) "( 2)( 2)
1! 2!
f
f x f
x
f x f
x
T x f f x f x
− = = −
− +
− −
= − = = −
+ − +
= − = = −
+ − +
= − + − + + − +
 
2
2
2
2
1
( ) 1 1( 1)( 2) ( 2)( 2)
2
( ) 1 ( 2) ( 2)
T x x x
T x x x
= − + − + + − +
= − − + − +
 
 
22.  Koristeći  Maklorenov  polinom  dokazati  valjanost  približne  formule 
4
2 2
cos 1
3
x
x x ≈ − + . 
2
( ) cos (0) 1
'( ) 2cos ( sin ) sin 2 , '(0) 0
''( ) 2cos 2 , ''(0) 2
f x x f
f x x x x f
f x x f
= =
= − = − =
= − = −
 
'''( ) 4sin 2 , '''(0) 0 f x x f = =  
( ) 8cos 2 , (0) 8
IV IV
f x x f = =  

 
‐ 94 ‐ 
2 3 4
1 1 1 1
( ) (0) '(0) ''(0) '''(0) (0)
1! 2! 3! 4!
IV
f x f f x f x f x f x ≈ + + + +  
2 2 4
2 2 4
1 1
cos 1 ( 2) 8
2 24
1
cos 1
3
x x x
x x x
≈ + ⋅ − + ⋅ ⋅
≈ − +
 
 
 
Lopitalova teorema 
 
Funkcije  f  i  g su diferencijabilne u nekoj okolini tačke  a , osim eventualno u 
tački  a . Neka su zadovoljeni uslovi: 
 
( ) 0 f x →    i    ( ) 0 g x →  kada  x a → ,  '( ) 0 g x ≠  za  x a ≠  i postoji  
'( )
lim
'( )
x a
f x
g x

 tada postoji 
( )
lim
( )
x a
f x
g x

 i važi 
( ) '( )
lim lim
( ) '( )
x a x a
f x f x
g x g x
→ →
= . 
 
Dokaz Lopitalove teoreme 
 
 Da bi se dokazalo navedeno tvrđenje definišu se dve nove funkcije 
1
f  i 
1
g  na 
sledeći način 
1
( ) ( ) f x f x = , za svako  x a ≠  i 
1
( ) 0 f x =  za  x a = . 
1
( ) ( ) g x g x = , za svako  x a ≠  i 
1
( ) 0 g x =  za  x a = . 
 
Ovako definisane funkcije zadovoljavaju sledeće jednakosti: 
1 1
lim ( ) lim ( ) ( ) 0
x a x a
f x f x f a
→ →
= = = i 
1 1
lim ( ) lim ( ) ( ) 0
x a x a
g x g x g a
→ →
= = =  
 
Na  ovakav  način  definisane  funkcije 
1
f   i 
1
g   zadovoljavaju  sve  uslove  Košijeve 
teoreme,  jer  kako  su  funkcije  f   i  g   diferencijabilne  u  okolini  tačke  a ,  osim 
eventualno  u  tački  a ,  onda  su  one  i  neprekidne  u  definisanoj  okolini,  osim 
eventualno u tački  a . Iz navedene konstatacije i definicije funkcija 
1
f  i 
1
g  sledi 
da su i funkcije 
1
f  i 
1
g  neprekidne u posmatranoj okolini. Iz Košijeve teoreme 
sledi da postoji tačka  ξ , koja zadovoljava sledeću jednakost. 

 
‐ 95 ‐ 
1 1 1
1 1 1
( ) ( ) '( )
( ) ( ) '( )
f x f a f
g x g a g
ξ
ξ

=


Ranije je pokazano da je 
1
( ) 0 f a =  i 
1
( ) 0 g a = ,  pa se iz prethodno navedene 
jednakosti za vrednosti  x a ≠  dobija 
( ) '( )
( ) '( )
f x f
g x g
ξ
ξ
= . 
( ) '( )
lim lim
( ) '( )
x a a
f x f
g x g
ξ
ξ
ξ
→ →
= , 
čime je Lopitalova teorema dokazana. 
 
Specijalan slučaj Lopitalove teoreme se dobija za vrednosti  
lim ( ) lim ( )
x a x a
f x g x
→ →
= = ∞. 
Ako postoji 
'( )
lim
'( )
x a
f x
g x

, tada važi Lopitalova teorema i dobija se 
( ) '( )
lim lim
( ) '( )
x a a
f x f x
g x g x
ξ → →
= . 
Lopitalova  teorema  ima  primenu  pri  određivanju  graničnih  vrednosti,  jer  se 
pomoću  odgovarajućih  transformacija  dobijaju  granične  vrednosti  za 
neodređene izraze kao što su  
0 0
0
, , 0 , , , 0 , 1 .
0


− ∞ ∞− ∞ ∞

 
 
Primeri sa rešenjima: 
 
23. Naći 
2
3
1
1
lim
1
x
x
x



 
Kako  je 
2
1
lim( 1) 0
x
x

− =   i 
3
1
lim( 1) 0
x
x

− =   i  kako  su  funkcije   
2
1 y x = −   i 
3
y x =   diferencijabilne  u  okolini  tačke  1 x = ,  to  se  može  primeniti  Lopitalova 
teorema pa će biti 
2
3 2
1 1 1
1 2 2 2
lim lim lim
1 3 3 3
x x x
x x x
x x x
→ → →

= = =


 
24. Izračunati 
3
0
sin
lim
x
x x
x




 
‐ 96 ‐ 
Kako  je 
0
lim( sin ) 0
x
x x

− =   i 
3
0
lim 0
x
x

=   i  kako  su  funkcije  sin y x x = −   i 
3
y x =  diferencijabilne u okolini tačke  0 x = , to se može 
primeniti Lopitalova teorema: 
3 2
0 0
sin 1 cos
lim lim
3
x x
x x x
x x
→ →
− −
= . 
Imamo oblik 
0
( )
0
 i kako funkcije zadovoljavaju uslove primenićemo još jednom 
Lopitalovu teoremu: 
2
0 0
1 cos sin 1
lim lim
3 6 6
x x
x x
x x
→ →

= = . 
25. Naći  lim
x
x
x
e
→+∞

Funkcije  y x =  i 
x
y e =  zadovoljavaju uslove Lopitalove teoreme 
1
lim ( ) lim 0
x x
x x
x
e e
→+∞ →+∞

= = =


 
26. Izračunati 
0
lim ln
x
x x
+

 
Ova granična vrednost je oblika  0⋅ ∞, ako je napišemo  
0
ln
lim
1 x
x
x
+

  moći  ćemo 
da primenimo Lopitalova teorema: 
2
0 0 0 0
2
1
ln
lim ln lim lim lim 0
1 1 x x x x
x x
x
x x
x
x x
+ + + +
→ → → →

= = = =


27. Izračunati 
1
1
1
lim
x
x
x


 
Ovaj limes je oblika 1

. Sobzirom da  je  
1
1
1 ln
ln
1 1
x
x
x
x x
x e e

− −
= =  i da je  
eksponencijalna funkcija neprekidna biće, 
1 1
1
1 ln ln
lim lim
1
1 1 1 1
1 1
lim lim
x x
x x
x
x x x
x x
x e e e e
→ →

− − − −
→ →
= = = =  
 
 

 
‐ 97 ‐ 
5.5. IZVODI I DIFERENCIJALI FUNKCIJA DVE NEZAVISNO PROMENLJIVE 
 
Neka  je  ( , ) z f x y =   neprekidna  funkcija  dve  nezavisno  promenljive  u  oblasti 
2
D R ⊆ . 
 
Parcijalni  izvod  funkcije  dve  ili  više  nezavisno  promenljivih  po  jednoj 
promenljivoj  je  izvod  te  funkcije  po  toj  promenljivoj  uz  predpostavku  da  su 
ostale  promenljive  konstantne.  Ako  funkcija  z   ima  izvod  po  promenljivoj  x  
onda se taj izvod zove parcijalni izvod funkcije  z  po  x  i obeležava se sa: 
 
( )
0
( , ) ( , ) ( , )
' ' ( , ) lim
x x
x
z f x y f x x y f x y
z f x y
x x x
Δ →
∂ ∂ + Δ −
= = = =
∂ ∂ Δ
 
Ako  funkcija  z   ima  izvod  po  promenljivoj  y   onda  se  taj  izvod  zove  parcijalni 
izvod funkcije  z  po  y  i obeležava se sa: 
 
( )
0
( , ) ( , ) ( , )
' ' ( , ) lim
y y
y
z f x y f x y y f x y
z f x y
y y y
Δ →
∂ ∂ + Δ −
= = = =
∂ ∂ Δ
 
Iz  definicije  parcijalnih  izvoda  sledi  da  se  oni  izračunavaju  pomoću  pravila  za 
izračunavanje izoda funkcija sa jednom promenljivom. 
 
Primeri sa rešenjima: 
 
31. Parcijalni izvodi funkcije 
2
3 2 z x xy x y = + + +  su: 
2 3
z
x y
x

= + +

              2
z
x
y

= +

 
32. Za funkciju 
xy
z
x y
=
+
 pokazati da je: 
z z
x y z
x y
∂ ∂
+ =
∂ ∂
 
2
2
( )
z y
x x y

=
∂ +
     i     
2
2
( )
z x
y x y

=
∂ +
 , 
2 2
2 2
( ) ( )
y x xy
x y
x y x y x y
+ =
+ + +
 . 
 
 

 
‐ 98 ‐ 
Parcijalni diferencijal funkcije sa dve i više promenljivih po jednoj promenljivoj 
je  proizvod  parcijalnog  izvoda  funkcije  po  toj  promenljivoj  i  priraštaja  te 
promenljive, odnosno diferencijala te promenljive. 
U slučaju funkcije  ( , ) z f x y =  parcijalni diferencijali su sledeći: 
x
z z
d z x dx
x x
∂ ∂
= Δ =
∂ ∂
              
y
z z
d z y dy
y y
∂ ∂
= Δ =
∂ ∂
  . 
Zbir svih parcijalnih diferencijala se naziva totalni diferencijal. 
U slučaju funkcije  ( , ) z f x y =  totalni diferencijal je: 
z z z z
dz x y dx dy
x y x y
∂ ∂ ∂ ∂
= Δ + Δ = +
∂ ∂ ∂ ∂
 
Priraštaj funkcije  ( , ) z f x y =  po definiciji je: 
( , ) ( , ) z f x x y y f x y Δ = + Δ + Δ −  
1 2
z z
z x y x y
x y
ε ε
∂ ∂
Δ = Δ + Δ + Δ + Δ
∂ ∂
 
gde 
1
0 ε →  i 
2
0 ε → , kada  0 x Δ →  i  0 y Δ →  
 
Totalni diferencijal može se upotrebiti u približnim računima. Ako su  x Δ  i  y Δ  
dovoljno  mali,  onda  se  priraštaj  funkcije  z   može  zameniti  sa  totalnim 
diferencijalom funkcije  z , tj. 
( , ) ( , ) z f x x y y f x y dz Δ = + Δ + Δ − ≈ . 
 
Parcijalni izvodi i totalni diferencijali višeg reda 
 
Neka je data funkcija  ( , ) z f x y =  koja ima parcijalne izvode prvog reda: 
' ( , ) ' ( , )
x x
z f
f x y z x y
x x
∂ ∂
= = =
∂ ∂
  i   ' ( , ) ' ( , )
y y
z f
f x y z x y
y y
∂ ∂
= = =
∂ ∂
    
Ovi  parcijalni  izvodi  su  takođe  funkcije  od  x ,  y   i  mogu  imati  svoje  parcijalne 
izvode odnosno parcijalne izvode drugog reda ili drugi parcijalni izvod: 
2 2
2 2
''( , ) '' ( , )
xx xx
z f
f x y z x y
x x
∂ ∂
= = =
∂ ∂
     
2 2
,
'' ( , ) '' ( , )
xy x y
z f
f x y z x y
x y x y
∂ ∂
= = =
∂ ∂ ∂ ∂
 
 
2 2
'' ( , ) '' ( , )
yx yx
z f
f x y z x y
y x y x
∂ ∂
= = =
∂ ∂ ∂ ∂
        
2 2
2 2
'' ( , ) '' ( , )
yy yy
z z
f x y z x y
y y
∂ ∂
= = =
∂ ∂
 
 
Ako  su  parcijalni  izvodi  prvog  reda  neprekidne  funkcije  tada  su  mešoviti 
parcijalni izvodi drugog reda jednaki: 

 
‐ 99 ‐ 
2 2
z z
x y y x
∂ ∂
=
∂ ∂ ∂ ∂
 
 
Na  sličan  način  se  dobijaju  parcijalni  izvodi  trećeg,  četvrtog,...,  n‐tog  reda.  Iz 
definicije  parcijalnog  izvoda  sledi  da  egzistencija  parcijalnog  izvoda  n‐tog  reda 
u nekoj tački  x  povlači za sobom egzistenciju predhodnih (n‐1)‐og parcijalnog 
izvoda u okolini posmatrane tačke. 
Neka je data funkcija  ( , ) z f x y =  i totalni diferencijal prvog reda. 
z z
dz dx dy
x y
∂ ∂
= +
∂ ∂
 
Kako  se  dx   i  dy   mogu  smatrati  kao  konstanta,  tako  je  totalni  diferencijal 
prvog reda funkcija od  x  i  y , koja može imati svoj totalni diferencijal, koji se 
zove totalni diferencijal drugog reda (drugi totalni diferencijal) 
2
2 2 2 2
2 2
2 2
( )
z z
d z d dz d dx dy
x y
z z z z
dx dy dx dx dy dy
x x y y x y
z z z z
dx dydx dxdy dy
x y x x y y
⎡ ⎤ ∂ ∂
= = + =
⎢ ⎥
∂ ∂
⎣ ⎦
⎛ ⎞ ⎛ ⎞ ∂ ∂ ∂ ∂ ∂ ∂
= + + + =
⎜ ⎟ ⎜ ⎟
∂ ∂ ∂ ∂ ∂ ∂
⎝ ⎠ ⎝ ⎠
∂ ∂ ∂ ∂
= + + + =
∂ ∂ ∂ ∂ ∂ ∂
 
2 2 2
2 2
2 2
2
z z z
dx dxdy dy
x x y y
∂ ∂ ∂
= + +
∂ ∂ ∂ ∂
 
Na sličan način se dobijaju totalni diferencijali trećeg, četvrtog, ..., n‐tog reda. 
 
Primer sa rešenjem: 
 
33. Naći prvi i drugi totalni diferencijal funkcije 
 
3 3
4 8 7
z
x xy y
x

= + +

      
2 2
12 7
z
x y x
y

= +

 
2
2 3
2
12 8
z
x y
x

= +

    
2
2
2
24
z
x y
y

=

 
2
2
24 7
z
xy
x y

= +
∂ ∂
    
2
2
24 7
z
xy
y x

= +
∂ ∂
 
3 3 2 2
(4 8 7 ) (12 7 ) dz x xy y dx x y x dy = + + + +  
4 2 3
4 7 1 z x x y xy = + + +

 
‐ 100 ‐ 
2 2 3 2 2 2 2
(12 8 ) 2(24 7) 24 d z x y dx xy dxdy x ydy = + + + +  
 
Ekstremne vrednosti 
 
Potreban uslov za postojanje ekstremne vrednosti  
Da  bi  funkcija  ( , ) z f x y =   imala  ekstremnu  vrednost  u  tački 
0 0
( , ) x y  
potrebno je da: 
•  
0 0
' ( , ) 0
x
z x y =      i      
0 0
' ( , ) 0
y
z x y =  
Tačke u kojima su prvi parcijalni izvodi jednaki nuli su stacionarne tačke. 
 
Dovoljan uslov za postojanje ekstremne vrednosti  
Neka je 
0 0
( , ) x y  stacionarna tačka funkcije  ( , ) z f x y =  i neka je: 
 

0 0
'' ( , )
xx
A z x y = ;     
0 0
'' ( , )
xy
B z x y = ;     
0 0
'' ( , )
yy
C z x y = ; 
2
B A C Δ = − ⋅  
a) Ako je 
0 0
( , )
0,
x y
Δ <  funkcija  ( , ) z f x y =  ima u tački 
0 0
( , ) x y  
ekstremnu vrednost i to ako je  0( 0) A C < <  ima maksimum, ako je 
0( 0) A C > >  ima minimum. 
b) Ako  je 
0 0
( , )
0,
x y
Δ >   funkcija  ( , ) z f x y =   nema  u  tački 
0 0
( , ) x y  
ekstremnu vrednost. 
c) Ako je 
0 0
( , )
0
x y
Δ =  slučaj je neodređen i potrebna su dalja  ipitivanja. 
 
Uslovni ekstrem 
Ekstremna  vrednost  funkcije  ( , ) z f x y =   gde  su  promenljive  x   i  y   vezane 
nekim dodatnim uslovom  ( , ) 0 g x y =  je uslovni (vezani) ekstrem funkcije. 
Za  određivanje  uslovnog  ekstrema  najpre  se  formira  tzv.  Lagranžova  funkcija 
( , ) F x y : 
( , ) ( , ) ( , ) F x y f x y g x y λ = +  
gde je  λ ‐ konstanta (Lagranžov množilac). 
Stacionarne  tačke  za  egzistenciju  ekstrema  Lagranžove  funkcije  određuju  se  iz 
uslova: 
0
F f g
x x x
λ
∂ ∂ ∂
= + =
∂ ∂ ∂
 
0
F f g
y y y
λ
∂ ∂ ∂
= + =
∂ ∂ ∂
 

 
‐ 101 ‐ 
1 ( , ) 0 ( , ) ( , ) 0
F f
g x y g x y g x y
λ λ
∂ ∂
= + ⋅ = + = =
∂ ∂
 
Iz  ovog  sistema  jednačina  određuju  se  vrednosti 
i
x , 
i
y   i  λ   odnosno 
stacionarne tačke  ( , )
i i
x y  u kojima funkcija može imati ekstremnu vrednost. 
Da li u stacionarnoj tački 
0 0
( , ) x y  funkcija ima ekstremnu vrednost određuje se 
preko znaka drugog diferencijala u toj tački: 
2 2 2
2 2 2
2 2
2
F F F
d F dx dxdy dy
x x y y
∂ ∂ ∂
= + +
∂ ∂ ∂ ∂
  gde je   0 dx dy
x y
ϕ ϕ ∂ ∂
+ =
∂ ∂
 
Ako  je 
0 0
2
( , )
0
x y
d F <   funkcija  ( , ) z f x y =   ima  uslovni  maksimum  u 
stacionarnoj  tački  i 
max 0 0
( , ) z f x y = ,  a  ako  je 
0 0
2
( , )
0
x y
d F >   tada  funkcija 
( , ) z f x y =  ima uslovni minimum u stacionarnoj tački i 
min 0 0
( , ) z f x y = . Ako 
je 
2
0 d F =  potrebna su dalja ispitivanja. 
 
Primeri sa rešenjima: 
 
34. Naći ekstremne vrednosti funkcije  . 
Najpre se određuju stacionarne tačke 
2 2 0
z
x
x

= − =

,     za     
0
1 x = , 
4 2 0
z
y
y

= − =

,     za    
0
2 y = . 
Zatim se određuju parcijalni izvodi drugog reda 
2
2
2
z
x

= −

       
2
2
2
z
y

= −

      
2
0
z
x y

=
∂ ∂
 
Na osnovu dobijenih podataka određuje se 
0 ( 2)( 2) 4 0 Δ = − − − = − <  
2 0 A= − < , funkcija  z  ima maksimum u tački  (1, 2)     
max
(1, 2) 7 z z = = . 
35. Naći uslovne ekstreme funkcije 
2 2
z x y = +  pri uslovu  1 x y + =   
Funkcija Lagranžea je 
2 2
( , ) ( 1) F x y x y x y λ = + + + −  
Parcijalni izvodi prvog reda su: 
2 2
2 2 4 z x y x y = + + − −

 
‐ 102 ‐ 
2
F
x
x
λ

= +

,      2
F
y
y
λ

= +

,      1
F
x y
λ

= + −

 
Rešenje sistema jednačina 
2 0
2 0
1
x
y
x y
λ
λ
+ =
+ =
+ =
 
         
0
1 λ = − ,      
0
1
2
x = ,      
0
1
2
y = . 
Kako su: 
2
2
F
x

=

,    
2
2
2
F
y

=

,    
2
0
F
x y

=
∂ ∂
 
2 2 2
1 1
, , 1 2 2 0
2 2
d F dx dy
⎛ ⎞
− = + >
⎜ ⎟
⎝ ⎠

znači  da  funkcija 
2 2
z x y = +   pri  uslovu  1 x y + =   ima  minimum  u  tački 
1 1
,
2 2
⎛ ⎞
⎜ ⎟
⎝ ⎠

min
1
2
z = . 
 
 
5.6.  PRIMENA DIFERENCIJALNOG RAČUNA 
 
 Ispitivanje toka i crtanje grafika funkcije  
 
Nakon izlaganja osnova diferencijalnog računa, u ovom odeljku će se razmotriti 
jedna  njegova  primena.  Ispitivanje  toka  i  crtanje  grafika  funkcije  čini  značajno 
poglavlje  u  matematici,  a  diferencijalni  račun  je  neizostavljiv  pri  ovim 
operacijama.  Iz  navedenih  razloga  u  daljem  tekstu  će  se  dati  najvažnije 
definicije i teoreme koje se koriste. 
 
Neki od osnovnih pojmova koji se pominju pri ispitivanju toka i grafika funkcije 
su  već  navedeni  i  definisani  u  predhodnom  tekstu  ‐  pojmovi  lokalnog 
ekstremuma  (lokalnog  maksimuma  i  minimuma)  i  stacionarnih  tačaka  su 
definisani  u  delu  teksta  sa  dokazom  Fermaove  teoreme,  pa  ih  nećemo 
ponavljati. 
 
Prva teorema koja se razmatra je teorema o vezi monotonosti funkcije i prvog 
izvoda funkcije. 
 
 

 
‐ 103 ‐ 
Teorema o monotonosti funkcije 
 
Neka  je  funkcija  f   diferencijabilna  i  monotono  rastuća  na  intervalu  ( , ) a b , 
tada  je  '( ) 0 f x ≥   za  svako  x   koje  pripada  intervalu  ( , ) a b .  Takođe  važi  i 
obrnuta  relacija,  ako  je  '( ) 0 f x >   za  svako  x   koje  pripada  intervalu    ( , ) a b  
tada je  f  monotono rastuća funkcija za svako  x  koje pripada intervalu  ( , ) a b . 
 
Ako  se  navedena  teorema  posmatra  geometrijski  dobija  se  sledeća  situacija. 
Navedeno  je  u  ranijem  tekstu  da  je  geometrijska  interpretacija  prvog  izvoda 
funkcije u nekoj tački koeficijent pravca tangente funkcije u posmatranoj tački. 
U  slučaju  da  je  funkcija  monotono  rastuća,  tada  je  prema  teoremi  prvi  izvod 
funkcije  pozitivan,  znači  tangens  ugla  između  tangente  i  pozitivnog  smera  x  
ose je pozitivan, pa je ugao oštar. 
 
Analogni zaključci se izvode i za monotono opadajuće funkcije, gde je prvi izvod 
negativan.  Geometrijska  interpretacija  ovog  tvrđenja  je  da  je  ugao  između 
tangente u posmatranoj tački i pozitivnog smera  x ose tup (sl. 6.). 
 
 
    sl. 6 
 
Sledeće teoreme daju dovoljne uslove za postojanje lokalnih ekstremnih tačaka 
funkcije. 
 
Postoji  više  načina  određivanja  lokalnih  ekstremnih  tačaka  funkcije.  Jedan  je 
pomoću znaka prvog izvoda funkcije u okolini tačke čiji je prvi izvod jednak 0. 
 
 
 
 
 

 
‐ 104 ‐ 
Teorema o lokalnim ekstremima funkcije pomoću znaka prvog izvoda 
 
Neka je funkcija  f  diferencijabilna u okolini tačke 
0
x , ako je 
0
'( ) 0 f x =  i  
0 0
( ( , )) '( ) 0 x x x f x δ ∀ ∈ − > ,   
0 0
( ( , )) '( ) 0 x x x f x δ ∀ ∈ + <  
 
gde je  δ  pozitivan dovoljno mali broj, tada je tačka 
0
x , tačka lokalnog  
maksimuma funkcije  f (sl. 7.). 
 
 
 
 
 
 
 
 
 
 
 
 
 
sl. 7 
Analogno  glasi  teorema  za  tačku  lokalnog  minimuma  funkcije.  Tačke  lokalnih 
ekstrema mogu se odrediti i pomoću vrednosti drugog izvoda funkcije. 
 
Teorema o lokalnim ekstremima funkcije pomoću drugog izvoda 
 
 Neka je funkcija  f  diferencijabilna na intervalu  ( , ) a b  i neka važi relacija  
0
'( ) 0 f x = . Tada sledi: 
• ako je 
0
''( ) 0 f x < , tada je 
0
x  tačka lokalnog maksimuma, 
• ako je 
0
''( ) 0 f x > , tada je 
0
x  tačka lokalnog minimuma. 
 
Pomoću  navedene  teoreme  se  u  većini  slučajeva  može  odrediti  lokalna 
ekstremna  tačka  funkcije.  Problem  predstavljaju  situacije  kada  drugi  izvod 
funkcije  ima  vrednost  0,  jer  ova  situacija  nije  obuhvaćena  izloženom 
teoremom.  Za  takav  slučaj  potrebna  je  generalizacija  prethodne  teoreme 
korišćenjem izvoda višeg reda. 
 
 

 
‐ 105 ‐ 
Teorema o lokalnim ekstremima funkcije pomoću izvoda n‐tog reda  
 
Neka  je  f   diferencijabilna  funkcija  koja  ima  sve  izvode,  od  prvog  reda  do 
izvoda (n)‐ tog reda, i neka važi relacija  
( 1)
0 0 0
'( ) ''( ) ... ( ) 0
n
f x f x f x

= = = =  i 
( )
0
( ) 0
n
f x ≠  za vrednosti  2 n ≥ . 
Tada važe sledeća pravila: 
• ako  je  n  paran  broj, 
0
x   jeste  lokalna  ekstremna  tačka  i  to  lokalni 
maksimum  ako  je 
( )
0
( ) 0
n
f x < ,  a  lokalni  minimum  ako  je  ispunjeno 
( )
0
( ) 0
n
f x > . 
• ako je neparan broj, 
0
x  nije lokalna ekstremna tačka. 
 
Pored  određivanja  tačaka  lokalnih  ekstremuma,  diferencijalni  račun  pojedno‐
stavljuje  i  postupak  ispitivanja  konveksnosti  ili  konkavnosti  funkcije  i 
određivanja prevojnih tačaka. Prvo je potrebno definisati navedene pojmove. 
 
 
Teorema o konkavnosti (konveksnosti) funkcije pomoću izvoda  
 
Ako je  f  diferencijabilna funkcija, tada je  f  konkavna (konveksna) funkcija na 
intervalu  ( , ) a b   ako  i  samo  ako  je  '( ) f x   neopadajuća  (narastajuća)  ili 
''( ) 0 ( ''( ) 0) f x f x ≥ ≤  funkcija na intervalu  ( , ) a b . 
 
 
Dokaz teoreme o konkavnosti (konveksnosti) funkcije pomoću prvog izvoda 
 
 Dokaz se izvodi u dva dela. Prvi deo dokazuje tvrdnju o konkavnosti ako je prvi 
izvod neopadajuća funkcija, a drugi deo dokazuje ako je prvi izvod neopadajuća 
funkcija, tada je funkcija konkavna. 
 
Neka  je  f  konkavna funkcija i   t  i  r  dve tačke koje pripadaju intervalu  ( , ) a b  
i  to  takve  da  važi  t r < .  Iz  tvrdnje  da  je  funkcija  konveksna  za  neku  tačku 
[ ]
, x t r ∈  sledi: 
( ) ( ) ( )
r x x t
f x f t f r
r t r t
− −
≤ +
− −
 
( ) ( ) ( ) ( ) f x f t f r f x
x t r x
− −

− −
 
Sa graničnim vrednosti dobija se: 

 
‐ 106 ‐ 
 
0 0
( ) ( ) ( ) ( ) ( ) ( )
'( ) lim lim
x t x t
f x f t f r f x f r f t
f t
x t r x r t
+ +
→ →
− − −
= ≤ =
− − −

 
Takođe važi i 
 
0 0
( ) ( ) ( ) ( ) ( ) ( )
lim lim '( )
x t x t
f r f t f x f t f r f x
f r
r t x t r x
− −
→ →
− − −
= ≤ =
− − −
 
pa se izvodi zaključak da je 
 
( ) ( )
'( ) '( )
f r f t
f t f r
r t

≤ ≤


Ovim  tvrđenjem  je  dokazano  da  je  u  slučaju  konkavne  funkcije  njen  prvi  izvod 
neopadajuća funkcija.   
Pretpostavljamo da je  ' f  neopadajuća funkcija. Neka su  t  i  r  dve tačke koje 
pripadaju intervalu  ( , ) a b  i to takve da važi  t r <  i neka su  c  i  d  realni brojevi 
za koje važi  1 c d + = . Treba dokazati da je 
  
( ) ( ) ( ) f ct dr cf t df r + ≤ + . 
 
Specijalne vrednosti   c  i  d  su kada je jedan od ova dva broja jednak 0, a drugi 
jednak 1. U ovim slučajevima dokaz ovog dela teoreme je očigledan. 
Za  ostale  vrednosti  c   i  d ,  zamenimo  x   sa  x ct dr = + ,  tada  x   pripada 
segmentu 
[ ]
, t r   i  može  se  primeniti  Lagranžova  teorema,  pa  postoji  tačka 
( , ) t x α ∈   i    ( , ) x r β ∈ , tako da važi  
( ) ( ) '( )( ) f x f t f x t α − = −  
  i 
( ) ( ) '( )( ) f r f x f r x β − = −  
 
Pretpostavka da je  ' f  neopadajuća funkcija,  
( ) ( ) ( ) ( )
'( ) '( )
( )
f x f t f r f x
f f
x t r x
α β
− −
= ≤ =
− −

odnosno 
( ) ( ) ( )
r x x t
f x f t f r
r t r t
− −
≤ +
− −

Ovim tvrđenjem je teorema dokazana. 

 
‐ 107 ‐ 
Analogno  monotonosti  funkcije  i  pojavi  lokalnih  ekstremnih  tačaka,  uz  pojam 
konkavnosti  (konveksnosti)  funkcije  povezana  je  pojava  prevojnih  tačaka 
funkcije. 
 
Definicija prevojnih tačaka funkcije 
 
 Neka je funkcija  f  neprekidna u tački 
0
x . Ako važe relacije 
0 0
( ( , )) x x x f δ ∀ ∈ −  je konkavna (konveksna) i 
0 0
( ( , )) x x x f δ ∀ ∈ +  je konveksna (konkavna) 
gde je  δ  pozitivan dovoljno mali broj, tada je tačka 
0
x  prevojna tačka  
funkcije  f . 
 
Znači prevojne tačke su one tačke u kojima funkcija  menja svoju  konveksnost, 
odnosno konkavnost, u kojima tangenta seče grafik funkcije. 
 
 
 
 
 
 
 
 
 
 
sl. 10 
 
Analogno  ranije  navedenim  teoremama  o  izračunavanju  lokalnih  ekstremnih 
tačaka  pomoću  diferencijalnog  računa  postoje  i  teoreme  o  izračunavanju 
prevojnih tačaka pomoću diferencijalnog računa. 
 
 
Teorema o postojanju prevojne tačke grafika funkcije 
 
 Neka  je 
0 0
( , ( )) P x f x   prevojna  tačka  grafika  funkcije  f   i  ako  je  '' f  
neprekidna funkcija u okolini tačke 
0
x , tada je 
0
''( ) 0 f x =  
 
 
 

 
‐ 108 ‐ 
Teorema o prevojnim tačkama grafika funkcije pomoću znaka drugog reda 
 
 Neka  je  funkcija  f   diferencijabilna  u  okolini  tačke 
0
x ,  i  ako  je 
0
''( ) 0 f x =   i 
važe relacije 
0 0
( ( , )) ''( ) 0 ( ''( ) 0) x x x f x f x δ ∀ ∈ − > <  i 
0 0
( ( , )) ''( ) 0 ( ''( ) 0) x x x f x f x δ ∀ ∈ + < >  
 
gde  je  δ   pozitivan  dovoljno  mali  broj,  tada  je  tačka 
0 0
( , ( )) P x f x   prevojna 
tačka funkcije  f . 
 
Teorema o prevojnim tačkama funkcije pomoću izvoda n‐tog reda 
 
 Neka je  f   ( ) n ‐ puta diferencijabilna, za čije izvode važi: 
( 1)
0 0 0
'( ) ''( ) ... ( ) 0
n
f x f x f x

= = = =   i   
( )
0
( ) 0
n
f x ≠ . za  2 n ≥ . 
Tada važe sledeća pravila 
• ako je  n paran broj tada 
0
x  nije prevojna tačka  funkcije   f  
• ako je  n neparan broj tada 
0
x  jeste prevojna tačka  
  funkcije   f  
 
Da  bi  se  odredio  tok  i  grafik  funkcije  pri  ispitivanju  funkcije,  potrebno  je 
posebno ispitati postojanje asimptota. 
 
Nakon  svih  navedenih  definicija  i  teorema,  za  ispitivanje  funkcije  potrebno  je 
preko sledećih koraka ispitati neke osobine i nacrtati grafik: 
Korak br. 1 
  Odrediti oblasti definisanosti funkcije; 
Korak br. 2 
Ispitati ponašanje funkcije na rubovima domena i odrediti asimptote; 
Korak br. 3 
  Ispitati da li je funkcija parna, neparna ili periodična; 
Korak br. 4 
  Odrediti tačke preseka grafika sa osama. Znak funkcije; 
Korak br. 5  
  Ispitati monotonost funkcije i naći ekstremne tačke funkcije; 
Korak br. 6 
            Odrediti  intervale  konveksnosti  i  konkavnosti  funkcije  i  naći  prevojne 
tačke; 
 

 
‐ 109 ‐ 
Korak br. 7 
Na  osnovu  dobijenih  tačaka    i  ispitanih  osobina  nacrtati  grafik 
  funkcije. 
 
Primeri sa rešenjima: 
 
28. Ispitati osobine funkcije 
2
2
1
1
x
y
x

=
+
 i nacrtati njen grafik. 
 
1)  Funkcija je definisana i neprekidna na skupu  ( , ). D = −∞ +∞  
2)  Kada  x →±∞, 
2
2
1
lim 1
1
x
x

=
+
, grafik funkcije ima horizontalnu 
  asimptotu  1 y = . 
3)  Funkcija je parna. 
4)  Za  0 x =   1 y = ;  za  0 y =  
1,2
1 x = ± ;  presečne  tačke  grafika  sa 
  koordinantnim osama su: 
(0,1), (1, 0) ; ( 1, 0) A B C −  
5)  0 y >    za    ( , 1) (1, ) x ∈ −∞ − ∪ +∞ . 
  0 y <    za    ( 1,1) x ∈ − . 
6)  Prvi izvod funkcije: 
2 2
4
'
( 1)
x
y
x
=
+
 
postoji za svako  x i pri tom  ' 0 y <  za  0 x < ;  ' 0 y =  za  0 x = ;   ' 0 y >   za 
0 x > ; funkcija opada na  ( , 0) −∞  i raste na  (0, ) +∞  i pri   tom  je 
min
(0) 1 y y = = − . Ekstremna tačka minimum  (0, 1) E − . 
7)  Drugi izvod funkcije 
2
2 3
4(1 3 )
''
( 1)
x
y
x

=
+
,     postoji za svako  x i pri tom je: 
'' 0 y < ,  
3 3
( , ) ( , )
3 3
x∈ −∞ − ∪ +∞  
'' 0 y > ,  
3 3
( , )
3 3
x∈ −  
'' 0 y = ,  
1,2
3
3
x = ± . 

 
‐ 110 ‐ 
  Grafik  funkcije  f  je konkavna krive na 
3 3
( , )
3 3
−   
  a konveksna   na 
3 3
( , ) ( , )
3 3
−∞ − ∪ +∞ . 
  Prevojne tačke: 
1
3 1
( , )
3 2
P − −     i    
2
3 1
( , )
3 2
P − . 
Na osnovu dobijenih podataka grafik funkcije je dat na (sl. 11.). 
 
 
 
 
 
sl. 11. 
29. Ispitati osobine funkcije 
3
2
4
x
y
x
=

  i konstruisati njen grafik. 
1) Funkcija definisana i neprekidna na skupu 
( , 2) ( 2, 2) (2, ). D = −∞ − ∪ − ∪ +∞  
2)  Kada  2 0 x → − ± ,  tada  ( ) f x → ±∞ ;  kada  2 0 x → ± ,  tada 
  ( ) f x → ±∞ ; vertikalne asimptote su  2 x =  i  2 x = − . 
  Funkcija  se  može  napisati  u  obliku 
2
4
( )
4
x
f x x
x
= − +

  pa  je  kosa 
  asimptota  y x = − , 
2
4
0
4
x
x


 kada  x →±∞. 
3) Funkcija je neparna. 
4) Presečna tačka grafika sa koordinantnim osama je  (0, 0). O  
5)  0 y >  za  ( , 2) (0, 2) x ∈ −∞ − ∪ ; 

 
‐ 111 ‐ 
  0 y <  za  ( 2, 0) (2, ) x ∈ − ∪ +∞ . 
6)  Izvod funkcije  
2 2
2 2
(12 )
'
(4 )
x x
y
x

=

 
  postoji za  x D ∈  i pri tom je:  ' 0 y =  za  2 3 x = ± ; 
' 0 y > ,  ( 2 3, 2) ( 2, 2) (2, 2 3); x∈ − − ∪ − ∪  
' 0 y <  ,  ( , 2 3) (2 3, ) x∈ −∞ − ∪ +∞     i 
 
min
( 2 3) 3 3; y y = − =  
max
(2 3) 3 3; y y = = −  
Ekstremne tačke 
 
1
( 2 3, 3 3) E −  i 
2
(2 3, 3 3). E −  
7)  Drugi izvod funkcije: 
2
2 3
8 ( 12)
''
(4 )
x x
y
x
+
=

 
  postoji za  x D ∈  i pri tom je: 
'' 0 y >  ,  ( , 2) (0, 2); x ∈ −∞ − ∪  
'' 0 y <  ,  ( 2, 0) (2, ); x ∈ − ∪ +∞  
  '' 0 y =  ,  0 x =  pa je prevojna tačka  (0, 0) P  
  Grafik funkcije je dat na (sl.12.). 
 
 
sl. 12. 
 

 
‐ 112 ‐ 
30. Ispitati funkciju 
2
3
x
y x e

= . 
 
1)  Funkcija je definisana i neprekidna na skupu  ( , ) D = −∞ +∞ . 
2)  Kada  x → +∞,  ( ) 0 f x → ,  pa  je  horizontalna  asimptota  0 y = . 
  Kada  x →−∞,  ( ) f x → +∞ . 
3)  Tačka preseka sa osama je  (0, 0) O . 
4)  0 y >  za  0 x ≠ . 
5)  Izvod funkcije 
3
(2 3 )
'
3
x
x e
y
x


=  postoji za  0 x ≠  i pri tom je: 
' 0 y <  za 
2
( , 0) ( , )
3
x ∈ −∞ ∪ +∞ ; 
' 0 y >  za 
2
(0, )
3
x ∈ ; 
min
(0) 0 y y = = ; 
2
3
3
max
2 4
( ) 0, 4.
3 9
y y e

= = ≈  
Ekstremne tačke 
1
(0, 0) E  i 
2
3
3
2
2 4
( , ).
3 9
E e

 
Drugi izvod funkcije: 
2
3 4
(9 12 2)
''
9
x
x x e
y
x

− −
=  
postoji za  0 x ≠  i pri tom je: 
'' 0 y =     za    
2 6
''
2
y
±
= ; 
'' 0 y >     za    
2 6 2 6
( , ) ( , )
3 3
x
− +
∈ −∞ ∪ +∞ ; 
'' 0 y <     za    
2 6 2 6
( , 0) (0, );
3 3
x
− +
∈ ∪  
Postoje dve prevojne tačke čije su apscise: 
1
2 6
0,15
3
x

= ≈ −   i  
2
2 6
1, 48
3
x
+
= ≈  
1 1
( ) 0, 34 y f x = ≈     i    
2 2
( ) 0, 30 y f x = ≈  (sl. 13.). 
 

 
‐ 113 ‐ 
 
 
sl. 13 
 
5.7 EKONOMSKE FUNKCIJE 
 
Pri  analiziranju  kao  i  prognoziranju  rada  poslovnih  subjekata  u  zavisnosti  od 
vrste  i  oblika  zadatka  koriste  se  adekvatne  metode  i  modeli  u  cilju  uspešnijeg 
poslovanja  i  svodjenja  rizika  na  minimum.Ovoga  puta  mi  ćemo  upoznati 
elementarne  ekonomske  funkcije:  funkcije  tražnje,  ponude,  troškova,  dobiti. 
Uočavanje  moguće  funkcionalne  zavisnosti  izmedju  veličina  cene  i  tražnje, 
obima  proizvoda  i  troškova,  prihoda,  omogućava  ekonomsku  interpretaciju 
funkcija, a uz primenu diferencijalnog i integralnog računa poslovnu analizu čini 
preciznijom i kvali‐tetnijom. 
 
5.7.1.  Funkcija tražnje 
 
Posmatrajmo  na  tržištu  proizvod  X.  Analizirajući  tražnju  (prodatu  količinu 
proizvoda  X)  zavisno  promenljivu,  uočavamo  da  na  njenu  promenu  utiču: 
cena,broj  potencijalnih  potrošača,  kupovna  moć,  marketing  (promocija), 
kvalitet,  konkurencija  i  td.  ( , , , , , ...), x f p n d m k = .  Dakle  to  je  funkcija  od 
više nezavi‐sno promenljivih. 
Dominantan uticaj na tražnju proizvoda X ima njegova cena, pa funkciju tražnje 
u jednostavnijem obliku možemo predstaviti kao 
( ) x f p = , gde je  0 p > ‐ cena proizvoda X ; 
( 0 x > ,  obim  proizvodnje  proizvoda  X  koji  se  traži  na  tržištu)   
'
0
p
dx
x
dp
= <  
funkcija tražnje je, po pravilu, monotono opadajuća. 
Navedene  uslove:  0, 0, ' 0 p x x > > <   uz  navedenu  interpretaciju  zovemo 
potrebnim uslovom postojanja funkcije  ( ) x f p =  kao funkcije tražnje. 

 
‐ 114 ‐ 
 
 
sl. 23.  
Cenu  p  možemo izraziti kao inverznu funkciju tražnje 
1
( ) p f x

=   
 
Primeri sa rešenjima: 
1. Funkcija  3 2, 0, 0, ' 0 x p p x x = − + > > <  je funkcija tražnje pod  
datim uslovima na intervalu 
2
0,
3
⎛ ⎞
⎜ ⎟
⎝ ⎠
, (sl. 24.). 
 
 
 
 
sl. 24. 
 
2.  Funkcija 
2
400, 0, 0, ' 0 x p p x x = − + > > <   je  funkcija  tražnje  na 
intervalu 
( )
0, 20  jer su svi potrebni uslovi ispunjeni. (sl. 24) 
 
 
 
 
 
 

 
‐ 115 ‐ 5
5.7.2.  Funkci ja ponude 
 
Zanemarujući  ostale  promenljive  kao  faktore  koji  mogu  uticati  na  ponudu  u 
jednostavnijem obliku možemo je posmatrati kao funkciju cene i izraziti: 
( ) y g p = ,       0 p > , cena;  0 y > , ponuda proizvoda X; 
'
0
dg
y
dp
= >  ponuda je, po pravilu, rastuća funkcija. 
Uslovi:  0, 0, ' 0 p y y > > >   uz  navedenu  interpretaciju  su  potrebni  uslovoi 
postojanja funkcije  ( ) y g p =  kao funkcije ponude. 
Cenu možemo izraziti kao inverznu funkciju ponude 
1
( ) p g y

=  
 
Primeri:  
 
3.  Funkcija  2 1 y p = +   je  funkcija  ponude  sa  uslovima 0, 0, ' 0 p y y > > >   na 
intervalu 
( )
0, p∈ +∞  
4.  Funkcija 
2
4 y p = −   je  funkcija  ponude  na  intervalu 
( )
2, p∈ +∞   gde  su 
ispunjeni uslovi  0, 0, ' 0 p y y > > >  
5. Nacrtaj funkcije ponude i naći njihove inverzne funkcije: 
2 1 y p = +  ,  
2
2,
p
y p y e = + =
 
 
 
 
5.7.3.  Modeli tržišta 
 
Konjukciju funkcija tražnje i ponude smatramo modelom tržišta  
( ) y = g(p) x f p = ∧  
Cenu 
r
p p =  za koju se postiže ova ravnoteža na tržištu možemo naći analitički 
i grafički (sl. 25.).     ( ) ( )
r r
f p g p x y = ⇔ =  
 
 

 
‐ 116 ‐ 
 
sl. 25. 
 
k
p ‐  zovemo  ravnotežna  cena  i  za  cenu  vrednosti  robe  postiže  se  idealna 
situacija  na  tržištu  te  robe,  nemamo  ni  viškova  (zaliha),  ni  manjkova 
(nestašica). 
 
Primeri sa rešenjima: 
 
6. Date su funkcije tražnje i ponude 
2
4 i 2 x p y p = − + = + .  
Analitički ravnotežnu cenu 
r
p  dobijamo kao rešenje jednačine  
2
4 2 1
r
x y p p p = ⇒ − + = + ⇒ = . 
Grafičko rešenje prikazano je na (sl. 26.). 
 
 
 
 
 
 
 
 
 
 
 
sl. 26. 
 
7.  Tražnja  ponude  nekog  proizvoda  data  je  sledećim  relacijama: 
20 6 x p = −  i  4 2 y p = − . Pronaći cenu i količinu pri kojima se ostvaruje 
ravnoteža na tržištu ovog proizvoda. 

 
‐ 117 ‐ 
20 6
4 2
20 6 4 2 6 4 20 2
22
10 22 2, 2
10
4 2, 22 8, 8 2 6, 8
r r
x p
y p
x y p p p
p p p
x y
= −
= −
= ⇒ − = − ⇒ + = +
= ⇒ = ⇒ =
= = ⋅ = − =
 
 
 
 
5.7.4. Funkcija troškova  
 
Funkciju  ukupnih  troškova  možemo  analizirati  kao  funkciju  obima  proizvodnje 
proizvoda X i označavamo je sa  
( ) C F x = ,   0 x > , obim proizvodnje; 
  0 C > ; ukupni troškovi. 
Uslove  0, 0 x C > > ,  uz  navedenu  interpretaciju,  nazivamo  potrebnim 
uslovima za egzistenciju funkcije troškova  ( ) C F x = . 
Troškove  možemo  izračunati  i  po  jedinici  proizvoda  x,  prosečne  troškove,  i 
obeležiti  sa  C:   
( ) C F x
C
x x
= =  
Cilj svakog profitabilnog poslovanja je minimiziranje prosečnih troškova. Dakle, 
iz uslova minimuma : 
Nađemo  izvod  funkcije  prosečnih  troškova  C ,  izjednačimo  sa  nulom  i 
izračunamo 
0
x .  Za  tu  vrednost 
0
( ) x   drugi  izvod  '' C   treba  da  bude  pozitivan 
(uslov minimuma), dakle,                                                                        
0 0
'( ) 0 C''( ) 0 C x x = ∧ >   nalazimo  obim  proizvodnje 
0
x   za  koju  su  prosečni 
troškovi minimalni 
 
0
min
0
0
( )
( )
F x
C x
x
= . 
Funkcija graničnih troškova  ' C je prvi izvod funkcije ukupnih troškova  
0
' '( ) lim
x
dF F
C F x
dx x
Δ →
Δ
= = =
Δ

što  je  mera  apsolutne  promene  ukupnih  troškova  na  jedinicu  priraštaja  proiz‐
vodnje. 
 

 
‐ 118 ‐ 
Primeri sa rešenjima:  
 
8. Data je funkcija ukupnih troškova  
2
( ) 2 , C x x x = +  funkcija prosečnih  
troškova  je 
( )
2
2
2 x
C x x
C x
x x
+
= = = +   a  graničnih  troškova  je 
( )
( )
2
' 2 ' 2 2
x
C x x x = + = + .Grafički prikaz ovih funkcija dat je na (sl. 27.). 
 
sl. 27. 
9. Funkcija ukupnih troškova data je u obliku 
2 3
1800 75 C x x x = − + . 
a) Odrediti funkciju prosečnih troškova. 
b) Odrediti funkciju graničnih troškova. 
 
2 3
3 2
2
'
1800 75
75 1800
75 1800
2 75
2 75 0
C x x x
C
C
x
C x x x
C
x x
C x x
C x
x
= − +
=
− +
= =
= − +
= −
− =
 
 
37, 5 x =     za     37, 5 x <     prosečni troškovi opadaju a za  37, 5 x >  
funkcija prosečnih troškova raste 
 
' 2
3 150 1800 C x x = − +  
 
 
 
 

 
‐ 119 ‐ 
5.7.5.  Funkcija prihoda 
 
Funkcija  ukupnih  prihoda  se  može  predstaviti  kao  proizvod x,  količini  prodate 
robe (tražnje) i cene  p , što zapisujemo: 
 
       P x p = ⋅                            0 x > , funkcija tražnje  
         0 p > , cena, 
 
Uslovi  0, 0 x p > >   su  potrebni  uslovi  za  egzistenciju  funkcije  P x p = ⋅ ,  kao 
funkcije prihoda  P . 
Funkciju ukupnih prihoda  možemo izraziti preko cene: 
( ) ( ), P p x p p f p = ⋅ = ⋅  gde je  ( ); x f p =  
ili preko količine prodate robe 
1
( ) ( ), P x x f x

= ⋅  gde je 
1
( ). p f x

=  
Funkcija  prosečnih  prihoda  je  količnik  ukupnih  prihoda  i  funkcije  tražnje:   
P
P p
x
= = , dakle, prosečan prihod proizvoda X je njegova cena  p . 
 
Prvi  izvod  funkcije  prihoda,    po  promenljivoj  x  ili  p,  je  funkcija  graničnih 
prihoda:   
'
;
x
dP
P
dx
=  
'
p
dP
P
dp
= , 
to  je  mera  apsolutne  promene  ukupnog  prihoda  u  odnosu  na  realizovan  obim 
proizvodnje  ali  u  odnosu  na  prodajnu  cenu  jedinice  proizvoda.  Uspešno 
poslovanje  podrazumeva  težnja  ka  maksimiranju  prihoda.Ukoliko  je  funkcija 
prihoda data proporciom:  
1
( ) ( ) P x x f x = ⋅  ili  ( ) ( ) P p p f p = ⋅  , njen maksimum nalazimo  na sledeći 
način: 
 
Prvi izvod funkcije prihoda,  ' P  izjednačimo sa nulom i rešimo po x (ili p). Tako 
dobijamo vrednosti 
0
x  (ili 
0
p ). To su potencijalne vrednosti za količinu robe (ili 
njenu cenu) za koju se postiže maksimalan prihod. Ako je drugi izvod funkcije 
prihoda  " P  za 
0
x  (ili 
0
p ) manji od nule, to jesu vrednosti koje dovode do 
maksimuma funkcije P. Dakle,
 
0 0 0 0
( ) ( ) ( ) ( )
' 0 ( '' <0) ili ' 0 ( '' 0)
x x p p
P P P P = = <  

 
‐ 120 ‐ 
Primeri sa rešenjima:  
 
10. Ako je tražnja za proizvodom X:   naći maksimalan prihod. 
 
2
0 max
200
' 2 200 0 100 ''(100) 2 0 (100) 10000
P x p p p
P p p P P
= ⋅ = − +
= − + = = = − < =
 
11.  Funkcija  tražnje  nekog  prizvoda  je  2 24000 x p = − + .  Odrediti:  a)  cenu  i 
tražnju  za  koju  će  ukupan  prihod  biti  maksimalan;  b)  Vrednost  maksimalnog 
ukupnog prihoda. 
P x p = ⋅         
2 24000 2 24000 12000
2
x
x p p x p = − + ⇒ = − + ⇒ = − +  
2
'
'
12000
2
12000
2
2
12000
2
12000 0
x
P x
x
P x
x
P
P x
⎛ ⎞
= +
⎜ ⎟
⎝ ⎠
= − +
= − +
= − + =
 
12000
12000
2
6000 12000
6000
12000
p
p
p
x
= − +
= − +
=
=
 
 
max
12000 6000
72000000
P
P
= ⋅
=
 
 
 
 
5.7.6. Funkcija dobiti 
 
Funkcija dobiti se može definisati kao razlika funkcija prihoda i troškova (sl. 
28.).                           ( ) ( ) ( ) D x P x C x = -  
 
Ako je  ( ) ( ) 0 P x C x - >  onda se proizvodnja proizvoda X smatra rentabilnom. 
Interval rentabilne proizvodnje  ( , ) a b  dobijamo iz uslova  0 D= , odnosno  
 
 
( ) ( ) i ( ) ( ) P a C a P b C b = = . 
 
200 x p = − +

 
‐ 121 ‐ 
 
   
    sl. 28. 
 
Svako profitabilno poslovanje traži maksimiranje ove funkcije.  
Odredimo prvi izvod funkcije dobiti, D' i njega izjednačimo sa nulom. Rešenje 
jednačine, odnosno nule prvog izvoda  ' D  daju vrednost optimalnog obima 
proizvodnje 
op
x  za koji se postiže maksimalna dobit samo ako je za tu vrednost 
drugi izvod,  " D  manji od nule.  
 
Dakle potreban i dovoljan uslov za maksimum ove funkcije je: 
0 0 0 0
'( ) '( ) '( ) 0 ''( ) 0
p p p p
D x P x C x D x = − = ∧ <  
max
( )
op
D x  se postiže pri 
obimu proizvodnje 
0 p
x , optimalnom obimu proizvodnje. 
 
Primeri sa rešenjima: 
  
12. Funkcija dobiti je  .  
Njen maksimum određujemo: 
 
 
13.  Ukupni  troškovi  dati  su  funkcijom  20 1000 C x = +   ukupni  prihodi  dati  su 
funkcijom 
2
30
50
x
P x

= + .  Odrediti  optimalnu  proizvodnju  i  cenu  pri  kojoj  će 
dobit biti maksimalna. 
 
2
( ) ( ) ( ) 5 1000 100 D x P x C x x x = - = - + -
0
max
' 10 1000 0 100 '' 10 0
(100) 49900
p
D x x D
D
= − + = = ∧ = − <
=

 
‐ 122 ‐ 
2
20 1000
30
50
C x
x
P x
= +

= +
 
 
2 2
500 500
30 20 1000
50 50
x x x
D P C x x
− − + −
= − = + − − =  
 
'
2
2 500
50
2 500 0
250
30
50
250
30 30 5 30 25
50 50
op
x
D
x
x
x
x
P
P p x p p
x x
x
p p
− +
=
− + =
=

+
= ⋅ ⇒ = ⇒ =

= − + ⇒ = + = − + =
 
2
max
max
250 500 250 5000
50
1150
D
D
+ ⋅ −
=
=
 
 
 
5.7.7.  Elastičnost ekonomskih funkcija 
 
Pod  pojmom  elastičnosti  se  smatra  mogućnost  da  jedna  veličina  reaguje  na 
promenu  veličine  od  koje  zavisi.  Elastičnost  se  meri  i  izračunava  pomoću 
njenog koeficijenta 
, y x
E  (x je nezavisno promenljiva, y je zavisno promenljiva). 
Po  definiciji  koeficijent  elastičnosti  je  granična  vrednost  količnika  relativnih 
promena promenljivih y i x kad priraštaj  x Δ  teži 0. 
 
,
0 0
lim lim '
y x
x x
y
x y x y
E y
x
y x y
x
Δ → Δ →
Δ
Δ
= = ⋅ = ⋅
Δ
Δ
. Kada je: 

 
‐ 123 ‐ 
,
1
y x
E <  –  y je neelastična prema x 
,
1
y x
E =  –  jednačina normalne elastičnosti 
,
1
y x
E >  –  y je elastična prema x 
Konkretno za navedene ekonomske funkcije možemo naći njihove koeficijente 
elastičnosti: 
 
 
5.7.8.  Elastičnost tražnje 
 
,
'
x p
p
E x
x
= − ⋅  
Znak  minus  se  kod  elastičnosti  tražnje  dodaje  u  definiciji  da  se  obezbedi 
pozitivna vrednost koeficijenta ( ' x  ima, po pravilu, negativnu vrednost).  
, x p
E   pokazuje  za  koliko  će  se  procenata  (promila)  približno  promeniti 
(smanjiti) tražnja kada se cena poveća za jedan procenat (promil). 
,
1
x p
E <  – tražnja je neelastična, porast cene za 1% dovodi do pada tražnje za 
manje od 1% 
,
1
x p
E =  –  tražnja opada za 1% kada cena raste za 1% 
,
1
x p
E >  –  tražnja je elastična,kada se cena poveća za 1% tražnja opada za više 
od 1% 
 
Primeri sa rešenjima:  
 
14. Za tražnju   koeficijent elastičnosti je 
,
( 100) '
100 100
x p
p p
E p
p p
= − ⋅ − + =
− + − +
 . Za cenu  80 p = elastičnost 
 je 
,80
80
4
20
x
E = =  
Cena  za  koju  je  elastičnost  tražnje  jedinična  zove  se  karakteristična  cena  i 
obeležava se sa 
c
p . 
15. Za funkciju tražnje  3 6 x p = - +  koeficijent elastičnosti je 
,
3
3 6
x p
p
E
p
= -
- +
 a karakteristična cena je  1
c
p =    
,
3 1
1
3 1 6
x p
E

= =
− ⋅ +

 
 
100 x p = - +

 
‐ 124 ‐ 
Elastičnost ukupnih troškova izračunava se po koeficijentu:  
,
'
c x
x
E C
C
= ⋅  koji se može napisati i 
,
' '
c x
C C
E
C
C
x
= =  
Elastičnost prosečnih troškova je:  
,
2 ,
'
' ' 1 1
C x
C x
x x C x C x
E C C E
C
x C C
x
⋅ −
= ⋅ = ⋅ = ⋅ − = −  
Dakle može se 
, C x
E  izračunati i preko 
, C x
E . 
Analiza  koeficijenta  elastičnosti  ukupnih  troškova  upućuje  nas  na  povezanost 
graničnih i prosečnih troškova. Kada je: 
,
,
,
1, tada je ' ;
1, tada je ' ;
1, tada je ' .
C x
C x
C x
E C C
E C C
E C C
< <
= =
> >
 
 
Primer sa rešenjem: 
  
16.  Data  je  funkcija  ukupnih  troškova 
3 2
2 C x x x = - + .  Naći  koeficijent 
elastičnosti  za  funkcije  , , ' C C C .  Pokazati  da  su  minimalni  prosečni  troškovi 
jednaki graničnim. 
 
2
3 2
,
3 2 2
3 2 2
( 2 ) '
2 2
C x
x x x
E x x x
x x x x x
− +
= ⋅ − + =
− + − +
 
2
2
2 2 ,
2 2
,
2 2 ,
2
( 2) '
2 2
3 2 2 2
1 1
2 2
C x
C x
C x
x x x
E x x
x x x x
x x x x
E E
x x x x

= ⋅ − + =
− + − +
− + −
− = − = =
− + − +
 
S  obzirom  da  je  funkcija  prosečnih  troškova 
2
2 C x x = - + ,  njen  minimum 
nalazimo na sledeći način:  
min
2
1 1 7
( ) ' 2 1 0
2 2 4
1 7
' 3 2 2 '
2 4
C x x C
C x x C
⎛ ⎞
= − = = =
⎜ ⎟
⎝ ⎠
⎛ ⎞
= − + =
⎜ ⎟
⎝ ⎠
 
 

 
‐ 125 ‐ 
 
U  opštem  slučaju  važi  da  su  minimalni  prosečni  troškovi  jednaki  graničnim 
troškovima.  
 
Elastičnost funkcije prihoda 
Koeficijent  elastičnosti  izračunavamo  preko  cene 
'
, ( ) P p p
p
E P
P
= ⋅ ,    ili  preko 
tražnje  x 
( )
,
'
p x x
x
E P
P
= ⋅  . 
Kako je  ( )
p
P p x p f p = ⋅ = ⋅  to se 
, P p
E  može izraziti : 
( )
,
,
( ) '( )
( ) '( )
( ) ( )
1 '( ) 1
( )
P p
x p
p f p p f p
E f p p f p
p f p f p
p
f p E
f p
+ ⋅
= ⋅ + ⋅ = =

+ ⋅ = +
 
Kada je 
,
1
x p
E <  (tražnja neelastična), ukupni izdaci potrošača se povećavaju. 
Ako je 
,
1
x p
E = , tada porast ili pad cene ne utiče na prodaju. 
Za 
,
1
x p
E >   (tražnja  je  elastična)  porast  cene  dovodi  do  opadanja  prihoda  i 
obrnuto. 
 
Primer sa rešenjem: 
 
 
17. Odrediti elastičnost sledećih funkcija 
 
a)
3 2
2 30 za 10 y x x x = − + =  
b)
2
3
za 1
x
y e x = =  
c)
3
za 5
x
y x e x = =  
d)
4
ln za y x x x e = =  
 
 
 
 
 
 
 
 

 
‐ 126 ‐ 
a) 
3 2
2
2
,
3 2
3 2
,
3 2
10,
10.
2 30
' 3 4
(3 4 )
2 30
3 4
2 30
3 1000 4 100 2600 11
3
1000 2 100 30 830 83
1 funkcija je elastična.
x y
x y
y
y
y x x
y x x
x x x
E
x x
x x
E
x x
E
E
= − +
= −

=
− +

=
− +
⋅ − ⋅
= = =
− ⋅ +
>
 
b) 
2
3x
y e =  
2
2
2
3
3
2
,
3
1,
' 6
6
6
6 1 funkcija je elastična
x
x
x y
x
y
y xe
x xe
E x
e
E
=

= =
= > ⇒
 
c) 
 
 
d) 
4
3 4 3 3 3
ln
1
' 4 ln 4 ln (4ln 1)
y x x
y x x x x x x x x
x
=
= + ⋅ = + = +
 
 
3
2 3
2 3
2 3
3
,
3
3
,
' 3
' (3 )
(3 )
3
3 5 3 125 128 1
x
x x
x
x
x y
x
x y
y x e
y x e x e
y x e x
x x e x
E x
x e
E
=
= +
= +
⋅ +
= = +
= + = + = >

 
‐ 127 ‐ 
3
,
3
,
(4ln 1) (4ln 1)
4 ln 4ln
(4ln 1) 5
4ln 4
x y
e y
x x x x x
E
x x x
e e e
E
e
⋅ + +
= =
+
= =
 
 
 
 
 
 KLJUČNI POJMOVI: 
 
• DIFERENCIJABILNOST 
• IZVOD 
• TANGENTA 
• DIFERENCIJAL 
• PARCIJALNI IZVOD 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 
‐ 128 ‐ 
V ‐ GL AV A 
INTEGRALNI RAČUN 
 
 
 
SADŽAJ OVOG POGLAVLJA JE: 
• OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL  
• TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA  
• OSNOVNA PRAVILA INTEGRACIJE  
•  PRIMENA INTEGRALNOG RAČUNA 
 
Cilj nam je da ovaj račun uvedemo preko: 
1. Osnovnih pojmova. 
2. Pravila i osobina. 
3. Tablica integrala. 
4. Nekih metode za rešavanje. 
 
6. NEODREĐENI INTEGRAL 
 
 
5.1. OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL 
 
U  ranijem  delu  teksta  prikazani  su  načini  izračunavanja  izvoda.  Tema  ovog 
poglavlja je inverzan proces. Pitanje je ako je poznat izvod neke funkcije, kako 
odrediti tu funkciju. Tako dolazimo do pojma integrala. 
Da bi se definisao pojam integrala i načini njegovog izračunavanja, potrebno je 
uvesti neke nove pojmove. Jedan od njih je pojam primitivne funkcije. 
 
Definicija primitivne funkcije 
 
Funkcija  F   se  naziva  primitivnom  funkcijom  funkcije  f   na  intervalu  ( , ) a b  
ako je  F  diferencijabilna funkcija na intervalu  ( , ) a b  i ako za svako  x iz ovog 
intervala važi 
 
'( ) ( ) F x f x =  

 
‐ 129 ‐ 
U  definiciji  primitivne  funkcije  može  da  se  i  ne  navede  uslov  da  je  F
diferencijabilna  funkcija,  jer  se  taj  zaključak  može  izvesti  iz  uslova  definicije. 
Takođe, iz same definicije primitivne funkcije ne može se zaključiti koji su uslovi 
potrebni za postojanje ove vrste funkcija. 
 
Teorema o uslovima postojanja primitivne funkcije 
 
Ako  je  funkcija  f   neprekidna  na  intervalu  ( , ) a b   tada  ona  na  tom  intervalu 
ima primitivnu funkciju. 
U sledećim teoremama biće dokazane neke osobine primitivnih funkcija. 
 
Teorema o obliku primitivne funkcije 
 
Ako  je  funkcija  F   primitivna  funkcija  funkcije  f   na  intervalu  ( , ) a b   i  C  je 
proizvoljna  konstanta,  tada  je  i  funkcija  F C +   takođe  primitivna  funkcija 
funkcije  f . Važi i obrnut stav, da se svaka primitivna funkcija funkcije  f može 
napisati u obliku   F C + , gde je za svako  x iz posmatranog intervala prvi izvod 
funkcije  F  jednak  f . 
 
Dokaz teoreme o obliku primitivne funkcije 
 
Dokaz  ove  teoreme  se  sastoji  iz  dva  dela,  gde  se  u  svakom  delu  dokazuje  po 
jedan stav iskazan u teoremi: 
• Prvo se navodi dokaz prvog stava teoreme. Iz uslova da je  F  prmitivna 
funkcija funkcije  f , sledi da je prvi izvod ove funkcije jednak  f . Tada 
važi sledeće tvrđenje 
( ( ) ) ' '( ) ( ) F x C F x f x + = = , 
čime  je  prvi  stav  teoreme  dokazan.  Iz  ovog  stava  se  može  izvesti 
zaključak  da  ako  neka  funkcija  ima  primitivnu  funkciju  na  određenom 
intervalu,  tada  na  tom  intervalu  ima  beskonačno  mnogo  primitivnih 
funkcija koje se razlikuju za konstantu. 
• Sada  treba  dokazati  drugi  stav  teoreme.  Da  bi  dokazali  ovaj  stav 
uvodimo novu funkciju  h  koja je neka primitivna funkcija funkcije   f , 
što  znači  da  važi  da  je  njen  prvi  izvod  jednak  f .  Uvodimo  razliku 
novodefinisane  funkcije  i  funkcije  F   i  izračunava  se  prvi  izvod  ove 
razlike.  
'( ) ( ( ) ( )) ' '( ) ( ) ( ) ( ) 0 r x h x F x h x F x f x f x = − = − = − =  
Funkcije  F  i  h  su primitivne funkcije, pa na osnovu ranije dokazane teoreme 
sledi  da  su  i  neprekidne  i  diferencijabilne  na  posmatranom  intervalu.  Samim 

 
‐ 130 ‐ 
tim  i  funkcija  koja  predstavlja  razliku  ove  dve  funkcije  je  neprekidna  i 
diferencijabilna na intervalu  ( , ) a b . Prvi izvod ove funkcije je 0, znači da je 
( ) r x C =  
gde je C proizvoljna konstanta, a po definiciji ove funkcije ona je  
( ) ( ) ( ) r x h x F x = − ,     ( ) ( ) h x F x C = +  
čime je i drugi stav teoreme dokazan. 
Na  osnovu  prethodno  definisanih  pojmova  i  dokazanih  teorema  može  se 
definisati pojam neodređenog integrala funkcije. 
 
Definicija neodređenog integrala funkcije 
 
Skup  svih  primitivnih  funkcija  funkcije  f   naziva  se  neodređeni  integral  ove 
funkcije i označava se  
 
( ) ( ) ( ( ) ) ' ( )
def
f x dx F x C F x C f x ∫ = + ⇔ + =  
 
Postupak  nalaženja  primitivne  funkcije  za  datu  funkciju  se  naziva  integracija, 
funkcija  f   se  naziva  podintegralna  funkcija,  a  izraz  ( ) f x dx   se  naziva 
podintegralni izraz. 
Funkcija  f   za  koju  postoji  neodređeni  integral  oblika  ( ) f x dx ∫   se  naziva 
inegrabilnom funkcijom. 
Iz  definicije  neodređenog  inegrala  funkcije  može  se  zaključiti  da  je  izvod 
neodređenog inegrala jednak podintegralnoj funkciji: 
 
( ) ' ( ) f x dx f x ⎡ ⎤ ∫ =
⎣ ⎦

 
diferencijal neodređenog inegrala jednak podintegralnom izrazu: 
 
  ( ) ( ) d f x dx f x dx ⎡ ⎤ ∫ =
⎣ ⎦
 
 
Takođe  još  jedna  osobina  neodređenog  integrala  je  da  je  neodređeni  integral 
diferencijala funkcije  ( ) f x  jednak  ( ) f x C +  ( C je proizvoljna konstanta),tj. 
( ) ( ) df x f x C ∫ = +  
U narednim odeljcima je data tablica neodređenih integrala osnovnih funkcija i 
osnovna  pravila  integracije,  čime  se  pojednostavljuje  način  izračunavanja 
integrala nekih funkcija. 
 

 
‐ 131 ‐ 
6.2. TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA 
 
Na  osnovu  tablice  izvoda  osnovnih  funkcija,  koja  je  prikazana  u  ranijim 
poglavljima  i  osnovnih  pojmova  koji  su  razmatrani  u  prethodnom  odeljku, 
dobija  se  tablica  neodređenih  integrala  osnovnih  funkcija.  Navedeni  integrali 
prikazani u ovoj tablici se nazivaju još i tablični integrali. U datoj tablici, u svim 
pravilima,  C  predstavlja proizvoljnu konstantu. 
 
   
1.
dx x C ∫ = +
 
 
2.
1
, 1
1
n
n
x
x dx C n
n
+
∫ = + ≠ −
+
 
 
3.
1
ln dx x C
x
∫ = +
 
 
4.
x x
e dx e C ∫ = +
 
 
5.
, 0 1
ln
x
x
a
a dx C a
a
∫ = + < ≠
 
 
6.
sin cos xdx x C ∫ = − +
 
 
7.
cos sin xdx x C ∫ = +
 
 
8.
2
1
cos
dx tgx C
x
∫ = +
 
 
9.
2
1
sin
dx ctgx C
x
∫ = − +
 
10.
2
1
arcsin , 1
1
dx x C x
x
∫ = + <

 
 
11.
2
1
1
dx arctgx C
x
∫ = +
+
 
12.
2 2
2 2
1
ln dx x x a C
a x
∫ = + + +
+
 
 
13.
2 2
2 2
1
ln dx x x a C
x a
∫ = + − +

 
 
14.
2 2
1 1
ln
2
x a
dx C
x a a x a

∫ = +
− +
 
 
15.
2 2
1
arcsin
x
dx C
a
a x
∫ = +

 
 
16.
2 2
1 1 x
dx arctg C
x a a a
∫ = +
+
 
 
Treba  naglasiti  da  svako  pravilo  važi  u  intervalu  u  kome  je  podintegralna 
funkcija definisana. 
 
 
 
 

 
‐ 132 ‐ 
6.3. OSNOVNA PRAVILA INTEGRACIJE 
 
  U  ovom  odeljku  su  data  pravila  integracije  koja  predstavljaju  osnovu 
inregralnog računa. 
 
Ako je  C proizvoljna konstanta  0 C ≠ , tada važi 
( ) ( ) Cf x dx C f x dx ∫ = ∫  
Neodređeni integral  zbira funkcija jednak je zbiru neodređenuh integrala 
ovih funkcija: 
[ ]
1 2 1 2
( ) ( ) ( ) ( ) f x f x dx f x dx f x dx ∫ + = ∫ + ∫  
 
Primeri sa rešenjima: 
 
 
1. Izračunati integral 
 
 
2. Izračunati integral 
 
( 1)( 1) I x x x dx = ∫ + − +  
3
2
( 1)( 1) 1 1 1 x x x x x x x x x x x x x + − + = − + + − + = + = + , 
3
1
3 3 5
2
2 2 2
2
( 1)
3
5
1
2
x
I x dx x dx dx x C x x C
+
= ∫ + = ∫ + ∫ = + + = + +
+

3. Izračunati integral 
2
(1 ) x
I dx
x x

= ∫  
3 1 1 2 2 2
2 2 2
3 3 3 3
2 2 2 2
(1 ) 1 2 1 2
2
x x x x x
x x x
x x
x x x x
− −
− − +
= = − + = − + , 
3 1 1 3 1 1
2 2 2 2 2 2
( 2 ) 2 I x x x dx x dx x dx x dx
− − − −
= ∫ − + = ∫ − ∫ + ∫ = 
2
2 3
(3 1)
2
x
x x dx x x C − + = − + +


 
‐ 133 ‐ 
3 1 1
1 1 1
1 1 3
2 2 2
2 2 2
2
2 2 4
3 1 1
3
1 1 1
2 2 2
x x x
C x x x C
− + − + +

= − + + = − − + +
− + − + +

4. Izračunati integral 
3
3
(1 ) x
I dx
x
+
= ∫ . 
  Kako je 
1 1 3 1
3 3
2 2 2 2
1 1 1 1
3
3 3 3 3
(1 ) (1 ) 1 3 3 1
3
x x x x x x
x
x x x x
+ + + + +
= = = + + 
3
1 1 2 7
2
3 6 3 6
1 1
3 3
3 3 3
x x
x x x x
x x

+ + = + + + , 
1
1
1 1 2 7
3
3 6 3 6
3 3
1
1
3
x
I x dx x dx x dx x dx
− +

= ∫ + ∫ + ∫ + ∫ = +
− +
 
1 2 7
1 1 1
2 7 5 13
6 3 6
3 6 3 6
3 18 9 6
3 3 .
1 2 7
2 7 5 13
1 1 1
6 3 6
x x x
C x x x x C
+ + +
+ + + + = + + + +
+ + +
 
 
5. Izračunati integral 
2
. I tg xdx = ∫  
  Kako je 
2 2
2
2 2 2
sin 1 cos 1
1,
cos cos cos
x x
tg x
x x x

= = = −  
2 2
1
( 1) .
cos cos
dx
I dx dx tgx x C
x x
= ∫ − = ∫ − ∫ = − +  
 
 
 
 
 
 
 

 
‐ 134 ‐ 
Metode integracije 
 
Metod zamene ili metod smene promenljivih 
 
Neka je  ( ( )) f g x  složena diferencijabilna funkcija na intervalu  ( , ) c d  i neka je 
g  monotona i diferencijabilna funkcija na intervalu  ( , ) a b , pri čemu vrednost 
( ) g x  pripada intervalu  ( , ) c d . Tada važi sledeća relacija 
[ ]
( ) ( ) '( ) f x dx f g t g t dt ∫ = ∫ , 
gde posle integracije treba zameniti 
1
( ) t g x

= . 
 
Ovo pravilo omogućava da ako je  f  funkcija neke složene funkcije  po  x da se 
uvede smena  ( ) x g t = , odnosno  '( ) dx g t dt = , čime se dobio tablični integral. 
Nakon izračunavanja ovog integrala primenjuje se inverzna operacija, odnosno 
t  se izražava u funkciji od 
1
( ( )) x t g x

= .  
 
Primeri sa rešenjima: 
 
6. Izračunati integral 
 
5
sin cos I x x dx = ∫ ⋅  
  Uvodimo smenu 
sin cos t x dt x dx = ⇒ = , 
5 6 6
1 1
sin
6 6
I t dt t C x C = ∫ = + = + . 
7. Izračunati integral 
2
1
xdx
I
x
= ∫
+
 
2
1
1 2 ,
2
t x dt xdx xdx dt = + ⇒ = ⇒ =  
2
1 1 1
ln ln(1 ) .
2 2 2
dt
I t C x C
t
= ∫ = + = + +  
8. Izračunati integral 
2 2
.
dx
I
a x
= ∫
+
 
Prvo vršimo identičku transformaciju podintegralne funkcije 

 
‐ 135 ‐ 
2 2
2
2
2
1
1 ( )
(1 )
dx dx
I
x
x a
a
a
a
= ∫ = ∫
+
+
 
a zatim uvodimo smenu 
1
,
x
t dt dx dx adt
a a
= ⇒ = ⇒ =  
2 2 2
1 1 1 1
.
1 1
adt dt x
I arc tg t C arc tg C
a t a t a a a
= ∫ = ∫ = + = +
+ +
 
 
9. Izračunati integral 
2 2 2
2
2 2
1
, ( 0).
1
1 ( )
(1 )
dx dx dx
I a
a
x
a x x
a
a a
= ∫ = ∫ = ∫ >



 
1
,
2
x
t dt dx dx adt
a
= ⇒ = ⇒ =  
2
1
arcsin arcsin .
1
adt x
I t C C
a a
t
= ∫ = + = +

 
 
10. Izračunati integral 
4
1
xdx
I
x
= ∫ ⋅
+
 
2
1
2 ,
2
t x dt xdx xdx dt = ⇒ = ⇒ =  
2
2
1 1 1
.
2 1 2 2
dt
I arc tg t C arc tgx C
t
= ∫ = + = +
+
 
 
 
11. Izračunati integral 
2 2
, ( 0). I a x dx a = ∫ − >  
sin cos arcsin ,
x
x a t dx a t dt i t
a
= ⇒ = =  
2
2 2 2 2 2
sin cos cos (1 cos 2 )
2
a
I a a t a t dt a t dt t dt = ∫ − ⋅ ⋅ ⋅ = ∫ = ∫ + =  
2 2
2 2
1
( sin 2 ) arcsin
2 2 2 2
a a x x
t t C a x C
a
= + + = + − + . 
 

 
‐ 136 ‐ 
12. Izračunati integral 
2
ax
I xe dx = ∫ . 
2
1
2 ,
2
t ax dt ax dx x dx dt
a
= ⇒ = ⇒ =  
2
1 1 1 1
2 2 2 2
t t t ax
I e dt e dt e C e C
a a a a
= ∫ ⋅ = ∫ = + = +  
 
2 2 2
1
2 2( ) 2 2
x x x x x x x
I x e I x e xe e C x e xe e C = − = − − + = − + + =  
 
2
( 2 2) .
x
e x x C = − + +  
 
Metod parcijalne integracije 
 
Neka  su  funkcije 
1
f   I 
2
f   diferencijabilne  funkcije  na  intervalu  ( , ) a b   I  neka 
postoji neodređeni integral 
1 2
( ) '( ) f x f x dx ∫ . Tada na intervalu  ( , ) a b  postoji I 
neodređeni integral 
2 1
( ) ' ( ) f x f x dx ∫  I važi sledeće tvrđenje 
2 1 1 2 1 2
( ) ' ( ) ( ) ( ) ( ) ' ( ) f x f x dx f x f x f x f x dx ∫ = − ∫  
Ako obeležimo sa 
2
( ) ( ) u f x v f x = =  onda 
možemo ovo pravilo zapisati 
vdu u v udv = ⋅ −
∫ ∫

 
Dokaz: 
Treba poći od izvoda proizvoda funkcija 
1
f  i 
2
f  
1 2 1 2 1 2
( ( ) ( )) ' ' ( ) ( ) ( ) ' ( ) f x f x f x f x f x f x = +  
odnosno 
1 2 1 2 1 2
( ( ) ( )) ' ( ) ' ( ) ' ( ) ( ) f x f x f x f x f x f x − =  
Sada se može izvršiti integracija gornje jednakosti i dobija se  
2 1 1 2 1 2
( ) ' ( ) ( ( ) ( )) ' ( ) ' ( ) f x f x dx f x f x dx f x f x dx ∫ = ∫ − ∫ . 
Potrebno je izračunati integral  
1 2
( ( ) ( )) ' f x f x dx ∫ . Koristeći osnovne osobine 
neodređenih integrala dobija se  
1 2 1 2
( ( ) ( )) ' ( ) ( ) f x f x dx f x f x ∫ =  
i zamenom u dobijenu jednakost sledi 

 
‐ 137 ‐ 
2 1 1 2 1 2
( ) ' ( ) ( ) ( ) ( ) ' ( ) f x f x dx f x f x f x f x dx ∫ = − ∫  
čime je pravilo br. 4 dokazano. 
   
Primeri sa rešenjima: 
 
13. Izračunati integral 
ln . I xdx = ∫  
1
ln u x du dx
x
= ⇒ =  i  , dv dx v x = ⇒ =  pa je (1) 
1
ln ln ln (ln 1) . I xdx x x x dx x x x C x x C
x
= ∫ = ⋅ − ∫ ⋅ = − + = − +  
14. Izračunati integral 
sin . I x xdx = ∫ ⋅  
u x du dx = ⇒ =  i  sin cos , dv x dx v x = ⋅ ⇒ = −   
cos ( cos ) cos cos cos sin I x x x dx x x xdx x x x C = − ⋅ −∫ − = − ⋅ + ∫ = − + +  
 
 
15. Izračunati integral 
. I arctgx dx = ∫  
2
1
1
u arc tgx du dx
x
= ⇒ =
+
 i  , dv dx v x = ⇒ =  
2
2
1
ln(1 )
1 2
xdx
I x arc tgx x arc tgx x C
x
= − ∫ = − + +
+
 
 
16. Izračunati integral 
2
.
x
I x e dx = ∫  
2
2 u x du xdx = ⇒ =  i  ,
x x
dv e dx v e = ⇒ =  
2 2 2
2 2 2 .
x x x x x x
I x e e xdx x e xe dx x e xe dx = − ∫ = − ∫ = − ∫  
Da bi izračunali integral 
1
x
I xe dx = ∫  
primenićemo ponovo metodu parcijalne integracije 
1 1
u x du dx = ⇒ =  i 
1 1
,
x x
dv e dx v e = ⇒ =  
1
,
x x x x
I xe e dx xe e C = − ∫ = − +  
 
 

 
‐ 138 ‐ 
17. Izračunati integral 
2
( 7 5) cos 2 . I x x xdx = ∫ + −  
2
7 5 (2 7) u x x du x dx = + − ⇒ = +  
1
cos 2 sin 2
2
dv xdx v x = ⇒ = , 
2
1 1
( 7 5) sin 2 (2 7) sin 2
2 2
I x x x x xdx = + − − ∫ + . 
Da bi izračunali integral 
1
1
(2 7) sin 2
2
I x x xd = ∫ +  
primenimo još jednom parcijalnu integraciju 
1 1
1
(2 7)
2
u x du dx = + ⇒ =  i 
1 1
1
sin 2 cos 2 ,
2
dv xdx v x = ⇒ = −  
1
1 1 1
(2 7) cos 2 cos 2
2 2 2
I x x xdx
− −
= + − ∫ ⇒ 
1
1 1
(2 7) cos 2 sin 2 ,
4 4
I x x x C

⇒ = + + +
2
1
1
( 7 5) sin 2
2
I x x x I = + − − − ⇒  
2
sin 2 cos 2
(2 14 11) (2 7) .
4 4
x x
I x x x C = + − + + +  
 
18. Izračunati integrale 
1
cos
ax
I e bxdx = ∫  i 
2
sin .
ax
I e bxdx = ∫  
Primenom metode parcijalne integracije na prvi integral biće 
ax ax
u c du ae dx = ⇒ =  i 
1
cos sin , dv bxdx v bx
b
= ⇒ =  
1 1 2
1 1
sin sin sin
ax ax ax
a a
I e bx e bxdx I e bx I
b b b b
= − ∫ ⇒ = − ⇒  
1 2
sin .
ax
bI aI e bx + =  
Primenjujući metodu parcijalne integracije na integral 
2
I  dobijamo 
ax ax
u e du ae dx = ⇒ =  i 
1
sin cos , dv bxdx ve bx
b

= ⇒  
2 2 1
1 1
cos cos cos
ax ax ax
a a
I e bx e bxdx I e bx I
b b b b
− −
= + ∫ ⇒ = + ⇒ 
1 2
cos .
ax
aI bI e bx − =  
Rešavanjem sistema jednačina po 
1
I  i 
2
I  biće konačno 

 
‐ 139 ‐ 
1
2 2
( sin cos )
ax
e b bx a bx
I C
a b
+
= +
+
 i 
2
2 2
( sin cos )
.
ax
e a bx b bx
I C
a b

= +
+
 
 
19. Izračunati integral 
2 2
. J a x dx = ∫ −  
2 2
2 2 2 2
2
,
2
xdx x
u a x du dx
a x a x
− −
= − ⇒ = =
− −
 
dv dx v x = ⇒ =  
2 2 2 2
2 2 2 2
2 2 2 2
x x a a
J x a x dx x a x dx
a x a x
− − + −
= − − ∫ = − − ∫ ⇒
− −
 
2 2 2 2 2 2 2
2 2
dx
J x a x a x dx a J x a x
a x
= − − ∫ − + ∫ ⇒ = − −

 
2 2 2 2
arcsin 2 sin ,
x x
J a C J x a x a arc C
a a
− + + ⇒ = − + +  
2 2 2
1 1
arcsin .
2 2
x
J x a x a C
a
= − + +  
 
Pre navođenja pravila br. 5 potrebno je definisati pojam racionalne funkcije. 
 
Definicija racionalne funkcije 
   
Funkcija  f  se naziva racionalnom funkcijom ako je prikazana u obliku 
( )
( )
( )
p x
f x
q x
=  
gde  je  ( ) p x   polinom  n‐tog  stepena  promenljive  x,  a  polinom  ( ) q x   polinom 
m‐tog stepena promenljive  x. 
 
One  racionalne  funkcije  kod  kojih  važi  n m < ,  nazivaju  se  prave  racionalne 
funkcije,  a  one  kod  kojih  je  n m ≥ ,  nazivaju  se  neprave  racionalne  funkcije. 
Jednostavno  se  zaključuje  da  se  svaka  neprava  funkcija  može  predstaviti  kao 
zbir polinoma promenljive  x i prave racionalne funkcije. 
 
Sledeće pravilo integracije se odnosi na racionalne funkcije. 
 
 
 

 
‐ 140 ‐ 
Metoda integracija racionalnih funkcija 
   
Integracija  prave  racionalne  funkcije  f   se  vrši  tako  što  se  ova  funkcija 
predstavi kao zbir parcijalnih razlomaka oblika 
( )
k
A
x a −
 i 
2
( )
k
Bx C
x bx c
+
+ +
      1, k n =  
a  je  nula  reda  k   polinoma  ( ) q x ,  a 
2
x bx c + +   kvadratni  trinom  čije  su  nule 
konjugovano kompleksni brojevi reda  k  polinoma  ( ) q x . 
Kao  dodatak  navedenom  pravilu  slede  vrednosti  neodređenih  integrala  izraza 
koji se pojavljuju. 
ln
A
A x a C
x a
∫ = − +


1
( ) (1 )( )
k k
A A
C
x a k x a

∫ = +
− − −

2
2
2 2
2 2
ln( ) ( )
2 2
4 4
Ax B A B b x b
x bx c arctg C
x bx c A
b c b c
+ +
∫ = + + + − +
+ +
− −

Pored navedenih metoda u teoriji integralnog računa postoje i druge metode 
za izračunavanje neodređenih integrala nekih funkcija (integracija iracionalnih 
funkcija, integracija trigonometrijskih funkcija, integracija transcedentnih 
funkcija i druge), ali izlaze izvan okvira ovog udžbenika. 
 
Primeri sa rešenjima: 
 
20. Izračunati integral
 
2
2
x
dx
x −

 
 
 
 
 
 
 
 
 
 
2
2
2
: 2 2
2
4
( 2 )
2
2 2
2 4
4
x x x
x x
x
dx x dx
x
x x
x
− +
− +
− = +

= = + +
− −

∫ ∫

 
‐ 141 ‐ 
2
2 4 2 4ln 2
2 2
dx x
x dx dx x x C
x
= + + = + + − +

∫ ∫ ∫
 
21. Izračunati integral 
2
2 2
1 2
2
1
2
2 0 1 2 2 ( 1)( 2)
1
/ ( 1)( 2) 0
2 1 2
1 ( 2) ( 1)
1 2
1
2 1
2 1
3 3
2 1 2 1
ln 1 ln 2
3 1 3 2 3 3
x
x x
x x x x x x x x
x A B
x x
x x x x
x A x B x
x Ax Bx A B
A B
A B A B
dx dx
I x x C
x x
+
+ −
+ − = ⇒ = ∨ = − ⇒ + − = − +
+
= + − + ≠
+ − − +
+ = + + −
+ = + + −
+ =
− = ⇔ = =
= + = − + + +
− +

∫ ∫
 
 
22. Izračunati integral 
2
2 2
2
2 2
2
( 1)
( 1)
1
( 1) 1
1 ( 1) ( 1)
1
0 2
0
1
1 2
1
2 2 2ln 2ln 1
1
1
2ln
1
x dx
x x
x A B C
x x x x x
x Ax x B x Cx
x Cx Ax Ax Bx B
A C A
A C
A B
B C
dx dx dx
I x x
x x x x
x
C
x x

+

= + +
+ +
− = + + + +
− = + + + +
+ = =
+ =
+ = ⇔
= − = −
= − − = + − +
+
= + +
+

∫ ∫ ∫
 
 

 
‐ 142 ‐ 
23. Izračunati integral 
5
4 2
1
.
( 1)
x
I dx
x x
+
= ∫
+
 
Rastavimo najpre podintegralnu racionalnu funkciju na elementarne razlomke 
5
4 2 4 3 2 2
1
( 1) 1
x A B C D Ex F
x x x x x x x
+ +
= + + + + ⇒
+ +
 
5 2 2 2 2 3 2 4
1 ( 1) ( 1) ( 1) ( 1) ( ) x A x Bx x Cx x Dx x Ex F x + = + + + + + + + + + ⇒ 
5 2 4 2 5 3 5 4
1 , x Ax A Bx Cx Cx Dx Dx Ex Fx + = + + + + + + + +  
 
izjednačavanjem koeficijenata ispred istih stepena biće 
 
1, 0, 0, 0, 1 D E C F A C B A + = + = + = = = ⇒ 
0, 0, 1, 1, 1, 1, B D E A C F = = = = = − =  
4 2 2 3 2 2
1 1 1 1 1
1 3 1 1
x xdx dx
I dx dx dx
x x x x x x x
− + −
= ∫ + ∫ + ∫ = + + ∫ + ∫
+ + +
 
3 2
1 1
.
3 1
xdx
arctgx
x x x

= + + ∫ +
+
 
Da bismo izračunali integral 
1
2
,
1
xdx
I
x
= ∫
+
 
uvodimo smenu 
2
1
1 2 ,
2
z x dz xdx xdx dz = + ⇒ = ⇒ =  
2
1
1 1
ln ln( 1) ,
2 2
dz
I z C x C
z
= ∫ = + = + +  
2
2
1 1 1
ln( 1) .
3 2
I x arctgx C
x x
= − + + + + +  
 
24. Izračunati integral 
2
4 2
2
.
5 4
x x
I dx
x x
− +
= ∫
− +
 
Rastavljanjem  podintegralne  racionalne  funkcije  na  elementarne  razlomke 
dobi‐jamo: 
2 2
4 2
2 2
5 4 ( 2)( 2)( 1)( 1) 2 2 1 1
x x x x A B C D
x x x x x x x x x x
− + − +
= = + + + =
− + − + − + − + − +
 
2
2 ( 2)( 1)( 1) ( 2)( 1)( 1) x x A x x x B x x x − + = + − + + − − + +  

 
‐ 143 ‐ 
( 2)( 2)( 1) ( 2)( 2)( 1). C x x x D x x x + − + + + − + −  
1 2 1 2
, , ,
3 3 3 3
A B C D = = − = − =  
1 2 1 2
ln 2 ln 2 ln 1 ln 1
3 3 3 3
I x x x x C = − − + − − + + + =  
2
2
2 ( 1)
1
ln .
3 ( 2) 1
x x
C
x x
− +
= +
+ −
 
 
 
 
6.4. PRIMENA INTEGRALNOG RAČUNA 
 
Funkcija troškova 
 
Ako  nam  je  poznata  funkcija  graničnih  troškova    ' '( ), C F x = onda  ćemo 
funkciju ukupnih troškova dobiti preko integrala te funkcije po promenljivoj  x:
 
'( ) '( ) C C x dx F x dx = =
∫ ∫

 
Primer sa rešenjem: 
 
25. Funkcija graničnih troškova   ' 50
20
x
C = + . Odrediti funkciju ukupnih 
troškova iz uslova  (0) 700 C =  
' 50
20
x
C = +  
50
20
dC x
dx
= +  
50
20
x
dC dx
⎛ ⎞
= +
⎜ ⎟
⎝ ⎠
 
50
20
x
dC dx
⎛ ⎞
= +
⎜ ⎟
⎝ ⎠
∫ ∫
 
 
2
50
40
x
C x A = + +  
(0) 700 C =  

 
‐ 144 ‐ 
700 A =  
2
50 700
40
x
C x = + +  
 
 
Funkciju prihoda 
 
Funkciju  ukupnih  prihoda  iz  funkcije  graničnih  prihoda  dobijamo  preko 
integrala: 
'
( )
'
( )
;
.
x x
p p
P P dx
P P dp
=
=


 
Primer sa rešenjem: 
26.  Poznata  je  funkcija  graničnih  prihoda  ' 16 4 P x = − .  Pronaći  funkciju 
ukupnih prihoda. 
 
2
0 0
' (16 4 ) 16 2
x x
P P dx x dx x x = = − = −
∫ ∫
 
 
 
 
 KLJUČNI POJMOVI: 
 
• NEODREĐENI INTEGRAL 
• PRIMITIVNE FUNKCIJE 
• PARCIJALNA INTEGRACIJA 
• METOD INTEGRACIJE
 
   
 
 
 
 
 
 
 

 
‐ 145 ‐ 
7.  ODREĐENI INTEGRAL 
 
SADŽAJ OVOG POGLAVLJA JE: 
• OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL 
• OSNOVNE TEOREME 
• NESVOJSTVENI INTEGRAL 
• PRIMENA ODREĐENOG INTEGRALA 
 
Cilj nam je da ovaj račun uvedemo preko: 
1. Definicije. 
2. Pravila i osobina. 
3. Geometrijske interpretacije. 
4. Metoda  integracije. 
 
7.1. OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL 
U  ovom  odeljku  se  daje    definicija  i    osnovna  pravila  vezana  za  pojam 
određenog integrala. 
Pre  definicije  određenog  integrala  funkcije  potrebno  je  uvesti  pojam  
integralnog zbira funkcije. 
 
Definicija integralnog zbira funkcije 
 
Neka  je  f  definisana  i  ograničena  na  intervalu    [a,  b],  i  neka  se  ovaj  interval 
podeli na n parcijalnih intervala 
[x
0
, x
1
], [x
1
, x
2
], ..., [x
k‐1
, x
k
], ..., [x
n‐1
, x
n
], 
pri čemu važe sledeće relacije 
a = x
0
, b = x
n
, a < x
1
 < x
2
 < ... < x
k‐1
 < x
k
 < ... < x
n‐1
 < b. 
Neka  je  l
k
,  1, k n = ,  dužina  intervala,  t.j.  l
k
  =  x
k
  ‐  x
k‐1
,  i  neka  je  ξ
k
  proizvoljna 
tačka koja pripada intervalu [x
k‐1
, x
k
]. Ako važe svi navedeni uslovi tada se zbir 
f(ξ
1
)l
1
 + f(ξ
2
)l
2
 + ... + f(ξ
k‐1
)l
k‐1
 + f(ξ
k
)l
k
 + ... + f(ξ
n‐1
)l
n‐1
 + f(ξ
n
)l
n
 
naziva integralni zbir funkcije f na intervalu [a, b]. 
 
Iz definicije integralnog zbira funkcije može se uočiti da vrednost zbira zavisi od 
više parametara (od broja parcijalnih intervala, načina podele glavnog intervala 
na  parcijalne,  izbora  proizvoljne  tačke  iz  parcijalnog  intervala).  Ova  osobina 
integralnog zbira funkcije se koristi pri definiciji određenog integrala funkcije. 

 
‐ 146 ‐ 
 
 Definicija određenog integrala funkcije 
 
Neka je f definisana i ograničena na intervalu [a, b]. Ako za svaku podelu x
0
 < x
1
 
< x
2
 < ... < x
k‐1
 < x
k
 < ... < x
n‐1
 < x
n
 intervala [a, b] i svaki izbor tačaka ξ
1
, ξ
k
, ..., ξ
k

..., ξ
n
, koje zadovoljavaju uslov da je ξ
k
 proizvoljna tačka koja pripada intervalu 
k
l =[x
k‐1
, x
k
], postoji uvek ista granična vrednost 

=

n
k
k k
l
l f
1
0
) ( lim ξ  
tada  se  ova  granična  vrednost  naziva  određenim  integralom  funkcije  f  na 
intervalu [a, b] i označava se sa 

b
a
dx x f ) ( . 
Za  funkciju  koja  ima  određeni  integral  na  intervalu  [a,  b]  kaže  se  da  je 
integrabilna  na  tom  intervalu,  f  se  naziva  podintegralnom  funkcijom,  x  je 
integraciona  promenljiva,  interval  [a,  b]  se  naziva  oblast  integracije,  dok  je  a 
donja, a b gornja granica određenog integrala. 
Da li je neka funkcija integrabilna može se ustanoviti na osnovu njenih osobina: 
• svaka neprekidna funkcija na određenom segmentu, integrabilna je na 
tom segmentu, 
• svaka  monotona  i  ograničena  funkcija  na  određenom  segmentu, 
integrabilna je na tom segmentu, 
• ako  je  funkcija  ograničena  i  ima  konačan  broj  prekida  na  određenom 
segmentu, tada je funkcija integrabilna na tom segmentu, 
• ako  se  određeni  interval  može  podeliti  na  konačno  mnogo  intervala  u 
kojima je funkcija monotona i ograničena, tada je funkcija integrabilna 
na tom segmentu. 
Određeni  integral  ima  veliku  ulogu  u  određivanju  površina  figura 
nepravilnog oblika. Neka je data neprekidna i nenegativna funkcija na intervalu 
[a, b], koja sa krivom svog grafika, ordinatama u tačkama a i b i x osom čini, u 
opštem  slučaju,  figuru  nepravilnog  oblika,  koja  se  naziva  i  krivolinijski  trapez 
(sl.14).  Izračunavanje  površine  krivolinijskog  trapeza,  ako  nije  u  pitanju  neki 
osnovni  geometrijski  oblik  nije  jednostavan  problem.  On  se  rešava  tako  što se 
posmatrani  interval  podeli  na  određeni  broj  podintervala.  Iz  neprekidnosti 
funkcije  zaključuje  se  da  na  svakom  podintervalu  postoje  tačke  u  kojima 
funkcija  na  podintervalu  dostiže  najmanju  vrednost.  Pomoću  ovih  tačaka 
dobijaju  se  dva  pravougaonika,  opisani  i  upisani,  od  kojih  jedan  ima  veću  ili 
jednaku površinu od površine posmatranog dela krivolinijskog trapeza, a drugi 
pravougaonik  ima  manju  ili  jednaku  površinu.  Sabiranjem  površina  svih 

 
‐ 147 ‐ 
upisanih, odnosno opisanih površina dobijamo dve sume. Ako postoje granične 
vrednosti  ovih  suma,  kada  broj  podeljenih  podintervala  teži  beskonačnosti,  i 
ako  se  te  vrednosti  jednake,  tada  je  površina  krivolinijskog  trapeza  jednaka 
dobijenoj vrednosti. 
 
 
 
 
 
 
 
 
 
sl.14. 
 
 
 
Geometrijska interpretacija određenog integrala  
 
Neka  je  data  neprekidna  i  nenegativna  funkcija  f  na  intervalu  [a,  b],  koja  sa 
krivom svog grafika, ordinatama u tačkama a, b i x osom čini figuru nepravilnog 
oblika. Površina P ove figure nepravilnog oblika je jednaka 

=
b
a
dx x f P ) (  
Primeri sa rešenjima: 
 
 
1. Izračunati integral   
 
Kako je funkcija  ( ) f x x =  neprekidna na konačnom intervalu 
[ ]
, a b , ona je 
integrabilna na 
[ ]
, a b . Izračunavanje ovog integrala izvršićemo u četiri koraka. 
1
o
        Neka je  δ  proizvoljna podela segmenta 
[ ]
, a b  na  n parcijalnih 
segmenata: 
[ ] [ ] [ ] [ ]
0 1 1 2 1 1
, , , ,...., , ,...., , .
i i n n
x a x x x x x x x b
− −
= =  
2
o
  Izbor tačaka 
i
ξ  izvršićemo tako da je 
1
.
2
i i
i
x x
ξ

+
=  
.
b
a
xdx


 
‐ 148 ‐ 
3
o
  Formiranje integralne sume:  ( )
i i
f ξ ξ = , tada je  
2 2
1
1
1 1 1
2 2 2 2 2 2 2 2
0 2 1 1
1
( ) ( )
2 2
1 1 1 1
( ) ( ) ... ( ) ( )
2 2 2 2
n n n
i i i
i i i i
i i i
i n n
x x x x i
f x x x
x x x x x x b a
σ ξ


= = =

+ − −
= Δ = − = =
= − + − + + − = −
∑ ∑ ∑
 
4
o
  Određivanje granične vrednosti integralne sume  σ  
2 2 2 2
0 0
1 1
lim lim ( ) ( ).
2 2
b a b a
λ λ
σ
→ →
= − = −  
Prema tome,  
2 2
1
( )
2
b
a
xdx b a = −


2. Izračunati integral 
2
0
, ( 0).
a
x dx a >

 
Funkcija 
2
( ) f x x =   neprekidna  je  na  skupu  R ,  pa  je  takva  i  na  svakom 
konačnom  intervalu 
[ ]
0, a .  Prema  tome,  ona  je  i  integrabilna  na 
[ ]
0, a . 
Izračunavanje određenog integrala date funkcije  f  izvršićemo u sledeća četiri 
koraka: 
 
1
o
  Interval 
[ ]
0, a   podelićemo  na  n  jednakih  delova,  čije  su  dužine 
i
a
x
n
Δ = . 

o
  Tačke 
i
ξ  izabraćemo tako da je 
1 i i
x ξ

= , zbog čega je 
1 0
( 1) ( 1) ( 1)
i i i i
a
x x i x i x i
n
ξ

= = + − Δ = − Δ = −  
2
2
( ) ( 1)
i i
a
f i
n
ξ ξ
⎡ ⎤
= = −
⎢ ⎥
⎣ ⎦

3
o
  Integralna suma je  
2
3 2
1 1 1
3 2 2 2
( ) ( 1) ( ) ( 1)
( ) 1 2 ... ( 1) .
n n n
i i
i i i
a a a
f x i i
n n n
a
n
n
σ ξ
= = =
⎡ ⎤
= Δ = − ⋅ = − =
⎢ ⎥
⎣ ⎦
⎡ ⎤ = + + + −
⎣ ⎦
∑ ∑ ∑
 
 
 

 
‐ 149 ‐ 
Koristeći formulu za zbir kvadrata prvih n prirodnih brojeva  
2
1
( 1)(2 1)
,
6
n
i
n n n
k
=
+ +
=

   
3
3
( 1)(2 1)
.
6
a n n n
n
σ
− −
=  
4
o
  Kako  je  data  funkcija  integrabilna  na 
[ ]
0, a ,  to  znači  da  postoji 
granična  vrednost  njene  integralne  sume,  koja  je  po  definiciji  vrednost 
određenog integrala funkcije  f , tj. 
3 3
2
2
0 0
0
( 1)(2 1)
lim lim .
6 3
a
n
a n n n a
x dx
n
λ
σ
→ →
− −
= = =

 
Da  bi  proces  izračunavanja  određenog  integrala  bio  jednostavniji  postoje 
određena  pravila.  U  daljem  tekstu  su  data  osnovna  pravila  za  izračunavanje 
određenog  integrala.  Uz  svako  pravila  važi  pretpostavka  da  su  funkcije 
integrabilne na posmatranom intervalu. 
 
 
 
Osobine određenog integrala 
 
Ako je a > b, tada je 
∫ ∫
− =
a
b
b
a
dx x f dx x f ) ( ) ( . 
Ako je a = b, tada je 

=
b
a
dx x f 0 ) ( . 
Neka je dat realan broj c, tada je 
∫ ∫
=
b
a
b
a
dx x f c dx x cf ) ( ) ( . 
 
Neka su f i g integrabilne funkcije, tada je 
∫ ∫ ∫
+ = +
b
a
b
a
b
a
dx x g dx x f dx x g x f ) ( ) ( )] ( ) ( [ . 
 
Neka je c tačka koja pripada posmatranom intervalu, tada je 
∫ ∫ ∫
+ =
b
c
c
a
b
a
dx x f dx x f dx x f ) ( ) ( ) ( .      (sl. 15.). 
 
 
 

 
‐ 150 ‐ 
 
 
sl. 15. 
 
Ako je funkcija integrabilna i pozitivna na posmatranom intervalu, tada je  
0 ) ( >

b
a
dx x f . 
Ovo  pravilo  se  analogno  može  primeniti  i  na  negativnu  funkcije,  pri  čemu  bi 
određeni integral bio, takođe, negativan. 
Ako je f(x) ≤ g(x), gde je x tačka koja pripada posmatranom intervalu, tada je  
∫ ∫

b
a
b
a
dx x g dx x f ) ( ) ( . 
I ovo pravilo se može analogno primeniti za slučaj da je f veća ili jednaka od  g 
na posmatranom intervalu. 
Ako  je  f  integrabilna  na  posmatranom  intervalu,  tada  je  i f   integrabilna  na 
istom intervalu i važi 
∫ ∫

b
a
b
a
dx x f dx x f ) ( ) ( . 
Upotrebom  navedenih  pravila  i  osnovnih  teorema  koje  će  biti  navedene  u 
sledećem odeljku definiše se izračunavanje određenog integrala. 
 
 
7.2. OSNOVNE TEOREME VEZANE ZA ODREĐENI INTEGRAL 
 
U  ovom  odeljku  su  date  osnovne  teoreme  koje  služe  za  izračunavanje 
određenih  integrala  i  predstavljaju  neke  od  najvažnijih  teorema  integralnog 
računa. 
 
 
 

 
‐ 151 ‐ 
Teorema o vrednosti prve formule o srednjoj vrednosti određenog integrala 
 
Ako  je  funkcija  f  integrabilna  na  intervalu  [a,  b],  i  ako  za  svako  x  koje  pripada 
ovom  intervalu  važi  da  je  f(x)  ≥  m,  odnosno  f(x)  ≤  M,  gde  su  m  i  M  donja  i 
gornja granica funkcije f, na posmatranom intervalu, tada postoji broj α, takav 
da je m ≤ α ≤ M i važi 
) ( ) ( a b dx x f
b
a
− =

α  
Dokaz: Iz uslova da je α broj takav da je m ≤ α ≤ M, može se zaključiti da važi 
∫ ∫ ∫
≤ ≤
b
a
b
a
b
a
Mdx dx x f mdx ) ( , 
Koristeći ranije navedenu teoremu, sledi 
) ( ) ( ) ( a b M dx x f a b m
b
a
− ≤ ≤ −

,   M dx x f
a b
m
b
a




) (
1

Znači postoji broj 


=
b
a
dx x f
a b
) (
1
α  
koji zadovoljava sve uslove teoreme, čime je teorema dokazana. 
Iz prethodne teoreme se izvodi : 
 
Teorema o srednjoj vrednosti određenog integrala 
 
Ako  je  funkcija  f  integrabilna  na  intervalu  [a,  b],  tada  postoji  tačka  ξ  koja 
pripada posmatranom intervalu i za koju važi 
) )( ( ) ( a b f dx x f
b
a
− =

ξ  
Dokaz:  Koristeći  prethodno  dokazanu  teoremu  i  činjenicu  da  je  funkcija  f 
neprekidna na posmatranom intervalu, tada postoji tačka ξ tako da je f(ξ) = α, 
pa se zamenom u prethodnu teoremu dobija 
) )( ( ) ( a b f dx x f
b
a
− =

ξ , 
što je i trebalo dokazati. 
Navedena teorema ima i svoju geometrijsku interpretaciju. Za funkciju f koja je 
pozitivna  na  nekom  intervalu  [a,  b],  površina  krivolinijskog  trapeza  nad 
posmatranim intervalom je jednaka površini pravougaonika čije su stranice (b – 
a) i f(ξ). 

 
‐ 152 ‐ 
Teorema  o  srednjoj  vrednosti  određenog  integrala  je  veoma  bitna,  jer 
omogućava da se odredi veza između određenog i neodređenog integrala. 
 
Teorema o vezi određenog i neodređenog integrala – Njutn‐Lajbnicova 
formula 
 
Ako je funkcija f integrabilna na intervalu [a, b], i za svaku tačku ovog intervala 
važi da je F'(x) = f(x), gde je F primitivna funkcija funkcije f, tada važi 
) ( ) ( ) ( a F b F dx x f
b
a
− =

 
Dokaz: Definiše se funkcija F
1
 kao primitivna funkcija funkcije f na sledeći način 

=
x
a
dt t f x F ) ( ) (
1

gde x pripada intervalu [a, b]. F i F
1
 su obe primitivne funkcije funkcije f, pa se 
razlikuju za konstantu 
α + =

) ( ) ( x F dt t f
x
a

gde je α konstanta za koju se dve primitivne funkcije razlikuju. Ako se x zameni 
sa  a  u  prethodnoj  jednakosti  i  iskoriste  osnovna  pravila  za  izračunavanje 
određenog integrala, dobija se 
0 ) ( ) ( = + =

α a F dt t f
a
a

Dakle  ( ) F a α = − .  Zamenom  dobijene  vrednosti  α  u  prethodnoj  jednakosti 
dobija se 
) ( ) ( ) ( a F x F dt t f
x
a
− =


zamenom x = b, 
) ( ) ( ) ( a F b F dx x f
b
a
− =

 
čime je teorema dokazana. 
 
Prethodna  teorema  omogućava  u  slučajevima  kada  je  poznata  primitivna 
funkcija integrabilne funkcije, da se njen određeni integral na nekom intervalu 
ne  mora  izračunavati  kao  granična  vrednost  integralnog  zbira  funkcije,  već  je 
dovoljno obrazovati razliku vrednosti primitivne funkcije na krajevima intervala 

 
‐ 153 ‐ 
integracije.  Na  taj  način  uspostavljena  je  veza  između  određenog  i 
neodređenog integrala. 
 
Primeri sa rešenjima: 
 
3. Oceniti integral 
2
2
4
1 cos I x
π
π
= +

 
Treba odrediti maksimum i minimum funkcije 
2
( ) 1 cos f x x = +  na 
segmentu integracije ,
4 2
π π
⎡ ⎤
⎢ ⎥
⎣ ⎦
.   min ( ) ( ) 1,
2
m f x f
π
= = =  
6
max ( ) ( )
4 2
M f x f
π
= = =  
Kako je dužina segmenta 
4
b a
π
− = ,   
6
4 8
I
π π
≤ ≤ . 
 
4. Odrediti izvod po promenljivoj  x funkcije 
2
0
( ) cos .
x
F x t dt =

 
Ova funkcija data je u obliku integrala i ona je složena funkcija po promenljivoj 
x. Uvođenjem smene 
2
0
, cos( ) ( )
u
x u t dt G u = =


možemo funkciju  F  pisati u obliku: 
( ) ( ), . F x G u u x = =  
Prema tome, treba tražiti izvod složene funkcije  ( ) ( ) F x G x = . Kako je  
2
'( ) cos( ), G u u =      
1
' ,
2
u
x
=  
2
1 cos
'( ) '( ) ' cos( ) .
2 2
x
F x G u u u
x x
= ⋅ = ⋅ =  
 
 
 

 
‐ 154 ‐ 
5. Primenom Njutn‐Lajbnicove formule izračunati integral 
1
2
1
1
dx
I
x

=
+


1
1
2
1
1
1 ( 1) ( ) .
1 4 4 2
dx
arctg x arctg arctg
x
π π π


= = − − = − − =
+

 
 
 
Pri  razmatranju  neodređenog  integrala  uvedeni  su  pojmovi  smene 
promenljivih  i  parcijalne  integracije.  Primenu  ovih  pojmova  kod  određenih 
integrala objašnjavaju  teoreme koje slede. 
 
Teorema o smeni promenljivih kod određenog integrala  
 
Neka je funkcija f neprekidna na intervalu [a, b] i neka x = g(t) ima neprekidan 
izvod na intervalu [c, d], gde su c i d tačke koje ispunjavaju sledeće uslove g(c) 
= a i g(d) =b, i za svako 
[ ] [ ]
, , ( ) , t c d g t a b ∈ ∈ , tada važi 
∫ ∫
=
b
a
b
a
dt t g t g f dx x f ) ( ' )] ( [ ) ( . 
 
Teorema o parcijalnoj integraciji određenog integrala 
 
Neka funkcije  ( ) u u x =  i  ( ) v v x =  imaju neprekidne izvode na intervalu [a, b], 
tada važi 
∫ ∫
− − =
b
a
b
a
vdu a v a u b v b u udv ) ( ) ( ) ( ) ( . 
 
Primeri sa rešenjima: 
 
6.  Izračunati: 
a)  ( )
/ 2 / 2
/ 2
0
0 0
sin cos cos
sin cos
x u du dx
x xdx x x xdx
xdx dv v x
π π
π
= =
= = − +
= =−
∫ ∫
 
 
/ 2
2
0
cos 0cos 0 sin sin sin0 1
2 2
x
π
π
π π
⎛ ⎞
= − − + = − =
⎜ ⎟
⎝ ⎠
 
b)  ( )
1
0 1
1 0 1
ln 1 ln
1
e e x t x t
x dx t dt
dx dt x e t e
− + = = =
+ = = =
= = − =
∫ ∫
 

 
‐ 155 ‐ 
  ( )
1
1
ln
ln |
2
e
e
dt
t u du dt
t t t
t
dt dv v t
= =
= − =
= =

 
 
( )
1
ln 1ln1 1 1 1
e
e e t e e e e = − − = − − = − + =  
7. Izračunati integral 
1
3
0
. I x arctg xdx =

 
3
( ) , ( ) , u x arctg x dv x x dx = =  pa je 
2
1
dx
du
x
=
+
  i  
4
4
x
v =  
1 1 1
4 4
3 1 2
0
2 2
0 0 0
1 1 1
| ( 1 )
4 4 1 16 4 1
x x dx
J x arctg xdx arctg x x dx
x x
π
= = − = − − +
+ +
∫ ∫ ∫
 
3
1
0
1 1
( ) | .
16 4 3 6
x
x arctg x
π
= − − + =  
 
 
 
 
7.3. NESVOJSTVENI INTEGRAL  
 
U  prethodnom  odeljku  je  definisan  pojam  određenog  integrala.  U  samoj 
definiciji    oblast  integracija  je  ograničena,  korišćen  je  interval            [a,  b]  i 
integrabilna funkcija je na posmatranom intervalu definisana i ograničena. Ako 
integral  nije  konačan  ili  ako  funkcija  nije  ograničena  na  konačnom  integralu, 
tada  ovakve  integrale  zovemo  nesvojstveni  integrali  i  oni  moraju  biti  posebno 
definisani.  Postoje  dve  vrste  nesvojstvenog  integrala,  u  daljem  tekstu  se  daju 
njihove definicije i osobine. 
 
Definicija nesvojstvenog integrala prve vrste 
 
Neka  je  funkcija  f  neprekidna  na  intervalima  [a,  ∞),  (‐∞,  b],  (‐∞,∞).  Tada  su 
nesvojstveni  integrali  prve  vrste  funkcije  f  na  intervalima  [a,  ∞),  (‐∞,  b],  (‐
∞,∞), sledeće granične vrednosti: 
∫ ∫
∞ →

=
b
a
b
a
dx x f dx x f ) ( lim ) ( , 
 

 
‐ 156 ‐ 
∫ ∫
−∞ →
∞ −
=
b
a
a
b
dx x f dx x f ) ( lim ) ( , 
∫ ∫ ∫

∞ −

∞ −
+ =
a
a
dx x f dx x f dx x f ) ( ) ( ) (  
 
 
 
 
 
 
 
 
 
 
 
sl. 21. 
 
Nesvojstveni  integral  prve  vrste  se  još  naziva  i  nesvojstveni  integral  u  odnosu 
na oblast integracije. U prethodnim definicijama ako postoji granična vrednost 
tada  nesvojstveni  integral  konvergira,  a  ako  ne  postoji,  tada  taj  integral 
divergira. 
 
Primer sa rešenjem: 
 
8.  Izračunati  površinu  "beskonačog  trapeza",  ograničenog  krivom 
3
1
y
x
= , 
pravom  ( 0) x a a = >  i intervalom 
[ )
, a +∞ . 
3 3 2 2 2 2
1 1 1 1 1
lim lim( ) lim( ) .
2 2 2
b
b
b b a b
a a
dx dx
x x x b a a
+∞
→+∞ →+∞ →+∞
= = − = − − =
∫ ∫
 
Vrednost  nesvojstvenog  integrala  je  konačna  pa  površina  ovog                " 
beskonačnog trapeza" iznosi 
2
1
.
2
P
a
=  
 
 
Ponekad  se  konvergencija  nekog  nesvojstvenog  integrala  može  odrediti  bez 
određivanja njegove primitivne funkcije, i to na osnovu sledeće teoreme. 
 


 
‐ 157 ‐ 
Teorema o konvergeniciji dve funkcije 
 
Ako su za svako x ≥ a, funkcije f i g definisane, i ako je za svako takvo x važi g(x) 
≥ f(x) ≥ 0, i ako je integral 


a
dx x g ) ( , konvergentan, tada je i integral  


a
dx x f ) ( , konvergentan, i važi relacija 
∫ ∫
∞ ∞

a a
dx x g dx x f ) ( ) ( . 
Ako je  ( )
a
f x dx
+∞

divergentan onda je i  ( )
a
g x dx
+∞

divergentan. 
    
Definicija nesvojstvenog integrala druge vrste 
 
Neka  je  funkcija  f  neprekidna  na  intervalu  [a,  b]  i  neka  funkcija  f  nije 
ograničena u svakoj okolini tačke b, tj. ispunjena je bar jedna od jednakosti 
 
0
lim ( )
x b
f x
→ −
= +∞ili
0
lim ( )
x b
f x
→ −
= −∞, 
 
tada  je  nesvojstveni  integral  druge  vrste  funkcije  f  na  intervalu  [a,  b]  granična 
vrednost 
 
0
( ) lim ( )
b b
a a
f x dx f x dx
ε
ε

→ +
=
∫ ∫

 
Nesvojstveni integral druge vrste se još naziva i nesvojstveni integral u odnosu 
na  podintegralnu  funkciju.  U  prethodnoj  definiciji  ako  postoji  granična 
vrednost  tada  nesvojstveni  integral  konvergira,  a  ako  ne  postoji,  tada  taj 
integral divergira. 
Analogno se definiše nesvojstveni integral druge vrste u odnosu na tačku a, (sl. 
22.) ako funkcija nije ograničena u svakoj okolini tačke a na intervalu [a, b], kao  
 
0
( ) lim ( )
b b
a a
f x dx f x dx
ε
ε
→ +
+
=
∫ ∫


 
‐ 158 ‐ 
 
 
 
sl. 22. 
 
Ako neprekidna funkcija f nije ograničena u svakoj okolini tačke b na intervalu 
[a, b) ∪(b, c] tada je 
∫ ∫ ∫
+
+ →

+ →
+ =
c
t b
t
t b
a
t
c
a
dx x f dx x f dx x f ) ( lim ) ( lim ) (
0 0
2
1
1

 
Primeri sa rešenjima: 
 
9.  "Beskonačnom  trapezu",  koji  je  ograničen  hiperbolom 
1
y
x
= ,  pravom 
( 0) x a a = >  i intervalom 
[ )
, a +∞ , ne možemo dodeliti merni broj jer je  
lim(ln ) lim(ln ln )
t
t a t
a
dx
x t a
x
+∞
→+∞ →+∞
= = − = +∞


 
 
 
 
7.4. PRIMENA ODREĐENOG INTEGRALA 
 
Videli  smo  da  određeni  integral ( )
b
a
f x dx

geometrijski  predstavlja  merni  broj 
površine  krivolinijskog  trapeza  nad  intervalom 
[ ]
, a b .  U  konkretnim 
primenama može predstavljati veličinu puta, veličinu rada itd. Uopšte, kada se 
mogu  formirati  sume  beskonačno  mnogo  malih  sabiraka,  pa  postoji  granična 
vrednost tih suma, tada postoji mogućnost primene određenog integrala. 

 
‐ 159 ‐ 
 
 
Izračunavanje površina ravnih figura 
 
Izložićemo  nekoliko  različitih  slučajeva  izračunavanja  površine  ravnih  figura. 
Neka je funkcija 
[ ]
: , f a b R →  integrabilna. 
1.  Ako  je  0 f ≥ ,  onda  se  krivolinijski  trapez  nalazi  iznad  ose  Ox   i  njegova 
površina se definiše kao broj 
(1)  ( )
b
def
a
P f x dx =

        (sl. 16.) 
Izraz  ( ) dP f x dx =  predstavlja elementarnu površinu. 
 
 
 
 
sl. 16. 
 
2.  Ako  je  0 f ≤ ,  krivolinijski  trapez  je  ispod  ose  Ox   i  tada  je  vrednost 
integrala  (1)  negativna  (sl.  17.).  Kako  je  pak,  merni  broj  površine  uvek 
pozitivan, to će površina krivolinijskog trapeza u ovom slučaju biti broj 
(2)          ( ) .
b
a
P f x dx =

 
Ovu formulu koristićemo i u slučaju kada je funkcija  f  promenljivog znaka. 
 
 

 
‐ 160 ‐ 
 
sl. 17. 
 
Primer sa rešenjem: 
 
10.  Izračunati  površinu  ravnog  lika  ograničenog  krivom  ( ) cos f x x   između 
ordinata  u0 i  π  i segmentom 
[ ]
0,π  (sl. 18.). Prema formuli (2) biće 
2 2
0 0 0
2 2
cos cos cos cos ( cos ) P x dx x dx x dx x dx x dx
π π
π π π
π π
= = + = + − =
∫ ∫ ∫ ∫ ∫
 
2
0
2
sin | sin | 1 ( 1) 2, x x
π
π
π
= − = − − =  
jer je 
cos 0,
2
cos
cos , .
2
x za x
x
x za x
π
π
π

⎡ ⎤


⎢ ⎥
⎪ ⎣ ⎦
=

⎡ ⎤

− ∈
⎢ ⎥

⎣ ⎦

 
 
 
 
 

 
‐ 161 ‐ 
 
 
sl. 18. 
 
3. Kada je ravna figura ograničena linijama  ( ) y f x =  i   ( ) y g x = , tada se 
njena površina dobija kao razlika površina krivolinijskih trapeza. 
( ) ( )
b b
a a
P f x dx g x dx = −
∫ ∫
,   tj.   
[ ]
( ) ( )
b
a
P f x g x dx = −


gde su granice integrala rešenja jednačine  ( ) ( ) f x g x = . 
( ) ( ) i ( ) ( ) f a g a f b g b = =  (sl. 19.) 
 
 
 
 
sl. 19. 
 
 
 
 
 

 
‐ 162 ‐ 
Primer sa rešenjem: 
 
 
11. Izračunati površinu elipse  . 
 
Uvešćemo smene  
cos x a t = ,    sin y b t = , 
odakle je  sin dx a t dt = . Sada prema formuli (1) imamo  
0
2 2 sin ( sin )
a
a
P ydx b t a t dt
π
+

= = − =
∫ ∫
 
0
2
0
0
1 cos 2 sin 2
2 sin 2 ( ) .
2 2
t t
ab t dt ab dt ab t ab
π
π
π
π

= − = = − =
∫ ∫
 
Za  a b =   dobijamo  kružnicu  poluprečnika  r a = ,  pa  će  površina  kruga 
biti 
2 2
. P a r π π = =  (sl. 20.) 
 
 
 
 
 
 
 
 
 
 
sl. 20. 
 
 
 
  KLJUČNI POJMOVI: 
• ODREĐENI INTEGRAL 
• INTERGRABILNA FUNKCIJA 
• NJUTN‐LAJBNICOVA FORMULA 
• NESVOJSTVENI INTEGRAL 
 
 
 
2 2 2 2 2 2
b x a y a b + =

 
‐ 163 ‐ 
VI GLAVA 
ELEMENTI TEORIJE VEROVATNOĆE 
 
SADŽAJ OVOG POGLAVLJA JE: 
• POJAM I VRSTE VEROVATNOĆE  
• POJAM SLUČAJNE PROMENLJIVE  
• OSOBINE SLUČAJNIH PROMENLJIVIH  
• VRSTE SLUČAJNIH PROMENLJIVIH  
• PRIMENE SLUČAJNIH PROMENLJIVIH 
 
Cilj nam je da ovaj račun uvedemo preko: 
1. Upoznavanje studenata sa slučajnim događajima. 
2. Usvajanje osnovnih osobina verovatnoće da bi se olakšalo 
razumevanje statistike i drugih disciplina u kojima se pojavljuje 
verovatnoća. 
 
8.  ELEMENTI TEORIJE VEROVATNOĆE 
 
8.1.  EKSPERIMENTI SA SLUČAJNIM ISHODIMA.  
  SLUČAJNI DOGAĐAJI 
   
Osnovni  pojam  teorije  verovatnoće  ,  kao  jedne  od  matematičkih  disciplina  i 
osnova  matematičke  statistike  je  događaj,  rezultat  nekog  eksperimenta, 
odnosno njihova analiza. 
Da  bi  definisali  pojam  događaja,  pođimo  od  eksperimenta  u  kome  ishode 
nismo  u  mogućnosti  unapred  da  predvidimo.  Ako  posmatramo  neki 
eksperiment,  svaki  od  mogućih  ishoda  u  tom  eksperimentu  se  naziva 
elementarni događaj. Elementarne događaje ćemo označavati sa ω, a skup svih 
njih u nekom eksperimentu ćemo označavati sa Ω. Događaj A je podskup skupa 
Ω  i  sastoji  se  od  svih  elementarnih  događaja  koji  imaju  to  svojstvo  kojim  se  A 
definiše. 
 
Primer sa rešenjem: 
 
 1.  Pri  bacanju  kocke  skup  Ω  je  Ω={ω
1
,  ω
2
,  ω
3
,  ω
4
,  ω
5
,  ω
6
},  gde  je  ω
i
 
elementarni  događaj  ‐  kocka  je  pala,  a  na  gornjoj  strani  imamo  i   tačaka. 
Događaj A ‐ pao je paran broj je dakle A={ω
2
, ω
4
, ω
6
}. 
 

 
‐ 164 ‐ 
 
Događaj  A  se  realizuje  pri  eksperimentu  ako  i  samo  ako  se  realizuje  jedan  od 
elementarnih događaja ω koji se u njemu sadrže. 
• Siguran ili izvestan događaj je onaj koji se uvek realizuje. Takav je skup 
Ω  koji  sadrži  sve  moguće  elementarne  događaje  u  datom 
eksperimentu. 
Na primer „ pri bacanju novčića padne pismo ili glava”. 
• Nemoguć  događaj  je  onaj  događaj  koji  se  nikad  ne  realizuje. 
Obeležavamo ga kao prazan skup  φ . (φ ⊂ Ω) 
Na  primer  „  pri  bacanju  kocke  sa  obeleženim  stranicama  od  1  do  6  da 
padne osmica”. 
 
Sve događaje, koji nas interesuju u nekom eksperimentu, ćemo svrstati u jednu 
klasu  F  događaja.  Ta  klasa  događaja  mora  ispuniti  određena  pravila,  a  između 
događaja u toj klasi mogu se posmatrati određene relacije i operacije.  
• Ako  A⊂B,  kažemo  da  realizacija  događaja  A  povlači  realizaciju 
događaja B, odnosno kažemo da događaj A povlači (implicira) događaj 
B.  To  znači  da  je  događaj  A  podskup  događaja  B,  i  da  se  događaj  B 
realizuje  uvek  kada  se  realizuje  događaj  A.  Događaj  „prilikom  bacanja 
kocke  pojavila  se  dvojka”  implicira  događaj  „prilikom  bacanja  kocke 
pojavio se paran broj”. 
 
 
 
• Razlika dva događaja A i B u oznaci A\B je događaj koji se realizuje ako 
se realizuje događaj A a da se pri tome ne realizuje događaj B. 
 
 
• Svakom  događaju  A  može  da  se  pridruži  suprotan  ili  komplementaran 
događaj A
c
 koji se realizuje ako i samo ako se A ne realizuje (skupovno 
A
c
=Ω\A). Suprotan, komplementaran događaj događaju A je specijalan 
slučaj  razlike  prostora  elementarnih  događaja  Ω  i  događaja  A. 
Događaj  „pri  bacanju  kocke  pao  je  paran  broj”  suprotan  događaj  je 
„pao je neparan broj”. 

 
‐ 165 ‐ 
 
 
• Proizvod ili presek događaja A i B je događaj u oznaci A∩B ili AB, koji se 
realizuje ako i samo ako se realizuju i događaj A i događaj B. Na primer, 
pri  bacanju  kocke  presek  (proizvod)  događaja  „pao  je  paran  broj”  i 
događaja  „pao  je  broj  deljiv  sa  tri”  je  događaj  „pala  je  šestica”.  Dva 
događaja A i B su disjunktna, uzajamno se isključuju ako je A∩B=∅. 
 
 
• Unija  ili  zbir  događaja  A  i  B,  u  oznaci  A∪B,  je  događaj  koji  se  realizuje 
ako i samo ako se realizuje bar jedan od događaja A i B. Na primer, pri 
bacanju  kocke  unija  događaja  „pao  je  paran  broj”  i  događaja  „pao  je 
broj  veći  od  dva”  je  događaj  „nije  pala  dvojka”.  Uobičajeno  je  da  se 
unija disjunktnih događaja označava sa A+B. 
 
 
 
Definicija  preseka  i  unije  se  može  prirodno  proširiti  na  konačno  mnogo 
događaja A
1
,..., A
n
 u oznaci: 
. A ,
n
1 = i
i
1
∪ ∩
n
i
i
A
=
 
Dakle,  A
i
i
n
=1
∩   je  događaj  koji  se  realizuje  ako  se  svaki  A
i
,  i=1,...,n  realizuje,  a 
A
i
i=1
n
∪  se realizuje ako se realizuje bar jedan A
i
, i=1,...,n. 
Ako su za i≠j  i,j=1,...,n  A
i
A
j
=∅, onda je  A
i
i=1
n
∪ =  A
i
i
n
=

1

 


 
‐ 166 ‐ 
   
U teoriji verovatnoće se definišu prebrojivi preseci i unije na sledeći način: 
 
{ } { }
A A
i
i
i
i =

=

= ∀ ∈ ∈ = ∃ ∈ ∈
1 1
∩ ∪ ω ω ω ω k N, A k N, A
k k
, . 
  Kako su relacija ⊂ i operacije ∩, ∪, C među događajima odgovarajuće 
relacije  među  skupovima,  to  se  poznate  veze  koje  imamo  među  skupovima 
mogu interpretirati na događaje. 
  U teoriji verovatnoće se zahteva da klasa F koju posmatramo čini    σ‐
algebru, tj. da operacije komplementa, preseka i unije budu u F, kao i da Ω∈F. 
Ovako definisana klasa F se zove polje događaja. 
 
8.2. POJAM VEROVATONOĆE 
 
Teorija  verovatnoće  se  bavi  slučajnim  događajem.  Slučajni  događaji  imaju 
sledeću  karakteristiku:  u  jednom  eksperimentu  koji  se  ponavlja  n ‐  puta 
događaj  A  se  realizuje  m ‐  puta.  Relativna  učestalost  događaja  A,  statistička 
verovatnoća  događaja  je  broj 
m
n
  u  n ‐  opita  i  obeležava  se  sa  P(A).  Dakle, 
verovatnoća  da  se  realizuje  događaj  A,  je  odnos  broja  povoljnih  elementarnih 
događaja  m , prema broju svih jednako mogućih događaja  n ,  ( )
m
P A
n
= .  
 
Na  primer,  pri  bacanju  dve  kocke,  verovatnoća  realizacije  događaja  A  „zbir 
brojeva na kockama je 8“ je, 
5
( )
36
P A = . 
 
U predhodnom primeru smo očigledno predpostavili da je svaka mogućnost pri 
bacanju kocke jednako verovatna! 
Da li je uvek zaista tako? Kada jeste, a kada nije? 
Jeste  ako  je  kocka  napravljena  od  potpuno  homogenog  materijala  i  ako  joj  je 
stvarno  fizičko  težište  poklopljeno  sa  geometrijskim  težištem!  Dakle  ako  je  i 
idealno  geometrijski  napravljeno,  ako  sve  ovo  nije  onda  zbog  zakona  fizike  će 
veću verovatnoću imati one strane koje su udljenije od težišta i neću sva stanja 
biti jednako verovatna! 
 
Ako  posmatramo  bilo  koji  događaj  A  (može  i  napred  opisan)  i  ako  je 
eksperiment  o  kome  se  ovaj  događaj  odigrava  ponavljamo  i  pritom  beležimo 
broj  ponavljanja  n  i  broj  odigravanja  nešeg  događaja  n(A)  i  ako  posmatramo 

 
‐ 167 ‐ 
odnos n(A)/n, primetićemo da se ovaj odnos (relativna učestanost odigravanja 
našeg  događaja)  pozicionira  prvo  na  prvoj  decimali  pa  potom  na  drugoj... 
Odnosno da ovaj odnos teži nekom fiksiranom broju koji nije slucajan. Taj broj 
se može smatrati za verovatnoću našeg događaja A. 
 
Ipak ovaj način dobijanja verovatnoća (statističke verovatnoće) i pored toga što 
je najtacniji nije uvek moguć  iz razumnjivih razloga. 
 
U  matematici  se  verovatnoća  uvodi  aksiomatski,  zapravo  to  je  funkcija 
definisana nad događajima koja je nenegativna, normirana i aditivna: 
Definicija 1. Verovatnoća P(x) je funkcija koja događaje iz polja F preslikava u 
realne brojeve sa sledećim osobinama: 
1) nenegativnost: za  ∀ ∈ A F  
( )
P A ≥ 0 
2) normiranost: P(Ω)=1 
3) aditivnost:  Ako  su  A
1
,  A
2
,...  disjunktni  događaji,  tj.  ako  je  A
i
∩A
j
=∅,  
i≠j, tada je 
( ) P A P A
i
i
i
i
∑ ∑




= . 
Stav 1. Verovatnoća P(x) ima sledeće osobine: 
1) P(∅)=0 
2) ( )
( )
P A P A = − 1  
3) Ako je A⊆B onda je P(A)≤P(B) 
4) Za svako A∈F, P(A)≤1 
5) Za ∀A,B∈F,  P(A∪B)=P(A)+P(B)‐P(AB) 
6)  
Dokaz:  1)  Kako  je  A=A∪∅  na  osnovu  aditivnosti  P(A)=P(A)+P(∅), 
pa je P(∅)=0. 
2) Sledi iz  A A + = Ω, normiranosti i aditivnosti. 
3) Ako je A⊆B onda je B A AB = +  pa je 
( ) ( )
( ) P B P A P AB = + , 
odnosno zbog nenegativnosti sledi P(B)≥P(A). 
4) Sledi iz prethodne osobine i A⊆Ω. 
5) Kako je  A B A AB ∪ = +  i B AB AB = + , to je 
( ) ( )
( ) P A B P A P AB ∪ = +  i  
( ) ( )
( ) P B P AB P AB = + , pa 
eliminišući  ( ) P AB  iz ove dve, dobijamo traženu jednakost. 
Važno  je  napomenuti  da  je  za  teoriju  verovatnoće  nebitno  kako  smo  došli  do 
polaznih  verovatnoća,  tj.  do  polazne  funkcije  P(.).  Teorija  verovatnoće  se  bavi 
problemom  dobijanja  novih  verovatnoća.  Polazne  verovatnoće  su  obično 
dobijene na tri načina: 

 
‐ 168 ‐ 
• Klasična  definicija  verovatnoće  da  se  realizuje  očekivani  događaj  je, 
odnos  broja  povoljnih  elementarnih  događaja  prema  broju  svih 
jednako mogućih elementarnih događaja P(A)=
n
m

• Geometrijskim  putem,  kao  odnos  površina  (zapremine  ili  dužine) 
povoljnih i mogućih za realizaciju nekog događaja; 
• Statistički,  kao  graničnu  vrednost  relativne  učestanosti  n(A)  i  broja 
eksperimenata n, pri kome se realizuje događaj A. 
 
Napomena: Za događaj A kod koga je P(A)=1 kažemo da je skoro izvestan ili da 
se realizuje sa verovatnoćom 1. Dakle, ako je P(A)=1 to ne znači da je A=Ω! Isto 
tako,  za  događaj  B  za  koji  je  P(B)=0  kažemo  da  je  skoro  nemoguć  događaj. 
Dakle, iz P(B)=0 ne sledi B=∅. 
 
Prema  tome,  skoro  izvestan  i  skoro  nemoguć  događaj  se  definišu  preko 
verovatnoće  za  razliku  od  izvesnog  i  nemogućeg  događaja  koji su nezavisni  od 
pojma verovatnoće. 
 
8.3. USLOVNE VEROVATNOĆE. NEZAVISNOST 
 
Teorija  verovatnoće  daje  pravila  kako  se,  polazeći  od  verovanoće  nekih 
događaja  nalaze  verovatnoće  drugih  događaja.  Verovatnoća  realizacije 
događaja B, ako se realizovao događaj A, zove se uslovna (vezana) verovatnoća 
događaja B u odnosu na događaj A i obeležava se sa P(B/A). 
 
 
 
sl. 29. 
n
n
n
n
n
n
A
AB
A
AB
=  
n
A
 – broj realizacija događaja A 
n
B
 – broj realizacija događaja B 
n
AB
 – broj realizacija događaja AB 
n‐broj eksperimenata 
 

 
‐ 169 ‐ 
( )
( )
( )
P BA
P AB
P A
= , P(A)>0. 
Na sličan način dobijamo 
( )
( )
( )
P A B
P AB
P B
= . 
U vezi sa pomenutim verovatnoćama važno je i sledeće pitanje: Kakav je odnos 
verovatnoća  P(B)  i  ( ) P B A .  Ako  su  te  verovatnoće  iste,  prirodno  je  reći  da 
verovatnoća događaja B ne zavisi od događaja A. Dakle, događaj B je nezavisan 
od događaja A ako je 
 
         
( ) ( ) P B = P BA . 
 
Nezavisnost  događaja  A  od  događaja  B  se  definiše  analogno.  Naime,  iz  uslova 
( )
( )
( )
P B A
P AB
P A
=  ,  ( )
( )
( )
P A
P AB
P BA
=
,  
( )
( )
( )
P A
P AB
P B
= , 
 
odnosno dobijamo 
( ) ( ) P A P A B = . 
 
Dakle,  ako  je  B  nezavisan  od  A,  onda  je  i  A  nezavisan  od  B,  što  zajedno 
očigledno daje sledeću definiciju: 
 
Definicija  2.  Događaji  A  i  B  su  nezavisni  ako  je  P(AB)=P(A)⋅P(B),  verovatnoća 
realizacije  jednog  događaja  ne  zavisi  od  verovatnoće  realizacije  drugog 
događaja. 
 
Ako  je  verovatnoća  da  će  se  realizovati  događaj  A,  P(A)=p,  onda  verovatnoća 
da  će  se  isti  događaj  realizovati  n  puta  je  p
n
.  Za  izračunavanje  uslovne 
verovatnoće može se koristiti i formula klasične verovatnoće. 
 
Primeri sa rešenjima: 
 
2. Pri bacanju dve kocke posmatramo zbir brojeva koji se pojavljuje na 
 njima. Kolika je verovatnoća da je zbir 6, ako se zna da je zbir paran broj? 
 
Događaj A: zbir je 6. 
Događaj B: zbir je paran broj. 
P(A|B)=
) (
(AB)
B P
P
 

 
‐ 170 ‐ 
P(AB)=
36
5
 ; P(B)=
2
1
36
18
=  
P(A|B)=
18
5
2
1
36
5
=  
Ili  preko  klasične  verovatnoće  pod  pretpostavkom  da  se  uslov  uzme  prilikom 
određivanja broja povoljnih i mogućih slučajeva: 
P(A|B)=
18
5
 
3.  U  kutiji  se  nalazi  pet  belih  i  tri  crne  kuglice.  Dva  puta  se  iz  kutije  vrši 
izvlačenje  bez  vraćanja.  Kolika  je  verovatnoća  da  će  se  drugi  put  izvući  bela 
kuglia (crna kuglica), ako je u prvom izvlačenju izvučena bela kuglica.  
Događaj A
1
: u prvom izvlačenju izvučena bela kuglica 
Događaj A
2
: u drugom izvlačenju izvučena bela kuglica 
Događaj B: u drugom izvlačenju izvučena crna kuglica 
P(A
2
|A
1
)=
) (
) A (A
1
2 1
A P
P
 
P(A
1
A
2
)=
1 1
5 4
1 1
8 7
5 4 5
8 7 14
C C
C C
⋅ ⋅
= =
⋅ ⋅
 ; P(A
1
)=
8
5
 
P(A
2
|A
1
)=
7
4
8
5
14
5
=  
P(B|A
1
)=1‐P(A
2
|A
1
)= 
7
3
 
I ovaj problem se lako rešava klasičnom verovatnoćom. 
Događaj A: drugi put je izvućena bela kuglica. 
Događaj C: drugi put je izvučena crna kuglica. 
Nakon prvog izvlačenja u kutii je ostalo 4 bele i 3 crne kuglice. 
P(A)=
7
4
; P(C)=
7
3
 
4.  Iz  špila  od  32  karte  slučajno  se  izvlači  jedna  karta.  Neka  je  A  događaj  da  je 
izvučena karta pik i B događaj da je izvučena kara dama. Da li su događaji A i B 
nezavisni? 
P(AB)=
32
1
; P(A)=
4
1
; P(B)=
8
1
 

 
‐ 171 ‐ 
Prema  tome  P(AB)=P(A)P(B),  što  znači  da  su  događaji  A  i  B  nezavisni  u  smislu 
teorije verovatnoće. 
 
 
Napomena:  Nezavisnost  više  od  dva  događaja,  npr.  događaji  A
1
,...,  A
n
  se 
definiše na sledeći način: 
 
Događaji  A
1
,...,  A
n
  su  nezavisni  ako  je  za  svakih  k  događaja  2≤k≤n,  odnosno  za 
svaki niz s
1
<s
2
<...<s
n
 brojeva 1,..., n, 
( )
P A A A PA PA
s s s s s
k k 1 2 1
... ... = . 
(Nezavisnost  u  parovima  P(A
i
A
j
)=P(A
i
)P(A
j
)    i≠j    i,j=1,2,...,  n  nije  dovoljna  za 
nezavisnost u celini.) To se vidi iz sledećeg primera: 
 
Neka su tri strane tetraedar obojene plavo, belo, crveno respektivno a četvrta 
strana i plavo, i belo i crveno. Ako bacamo tetraedar I konstatujemo stranu na 
koju je pao tetraedar (ona koja se ne vidi), imamo 3 mogućnosti: 
B pao je na belu 
C pao je na crvenu 
P  pao  je  na  plavu  (ako  je  pao  na  stranu  koja  je  obojena  sa  sve  tri  boje  tada 
imamo situaciju da je ispunjena svaka od ovih mogućnosti.) 
 
Ako  su  sve  mogućnosti  jednako  verovatne  tada  je  očigledno  P(B)=1/2, 
P(C)=1/2, P(P)=1/2 
 
Pritom  je  očigledno  P(BCP)=1/4≠P(B)*P(C)*P(P)=1/8,  mada  nezavisnost  u 
parovima postoji P(BC)=P(B)*P(C), P(CP)=P(C)*P(P), P(BP)=P(B)*P(P). 
 
 
8.4. FORMULA TOTALNE VEROVATNOĆE I BAJESOVA FORMULA  
 
Definicija  3.  Za  događaje  A
1
,  A
2
,...,  A
n
  koji  su  uzajamno  disjunktni,  tj.  A
i
A
j
=∅   
i≠j  i,j=1,..., n, kažemo da čine razbijanje sigurnog događaja  ako je 
A
i
i
n
=
∑ =
1
Ω. 
 
Teorema  1.  Ako  događaji  A
1
,...,  A
n
  čine  razbijanje  sigurnog  događaja  i  P(A
i
)>0  
i=1,...,n, tada je za ∀B∈F 
( )
( ) ( ) P B P A P B A
i i
i
n
= ⋅
=

1

 

 
‐ 172 ‐ 
Dokaz:  
 
sl. 30. 
Iz  A
i
i
n
=
∑ =
1
Ω  sledi  B BA
i
i
n
=
=

1
,  pa  je 
( )
( ) P B P BA
i
i
n
=
=

1
,  primenom  pravila  za 
množenje  ( ) ( ) ( ) P BA P A P BA
i i i
= ⋅ , odnosno dobijamo traženu formulu 
 
     
( )
( ) ( ) P B P A P BA
i i
i
n
= ⋅
=

1

 
  Formula je poznata kao formula totalne (ili potpune) verovatnoće.  
 
Primer sa rešenjem: 
 
5.  U  jednoj  kutiji  se  nalazi  pet  belih  i  dve  crvene  kuglice.  Prvo  se  izvlače  dve 
kuglice  bez  vraćanja,  a  zatim  treća.  Kolika  je  verovatnoća  da  je  treća  kuglica 
crvena? 
Događaj A: treća kuglica je crvena. 
Događaj B
i
(i=1,2,3): broj crvenih kuglica ispred izvlačenja treće kuglice je i‐1.  
Događaj C
i
(i=1,2,3): u i‐tom izvlačenju izvučena je crvena kuglica. 
B
1
=C
1
C
2
 
P(B
1
)=P(C
1
C
2
)=P(C
2
|C
1
)P(C
1
)=
21
1
7
2
6
1
= ⋅  
B
2
=
2 1
2
1
C C C C ∪  
 
P(B
2
)=P( ( ) ( )
1 1 2 1 1 2 2 1
2
1
C | ) ( ) C | ( ) ( ) C P C P C P C P C C P C C + = +  
=
21
10
42
20
7
5
6
2
7
2
6
5
= = ⋅ + ⋅  
2 1 3
C C B =  
 
P(B
3
)= ( ) ( ) ( )
21
10
7
5
6
4
C |
1 1 2 2 1
= ⋅ = = C P C P C C P  

 
‐ 173 ‐ 
P(A|B
1
)=0; P(A|B
2
)=
5
1
; P(A|B
3
)=
5
2
 
Na osnovu teoreme potpune verovatnoće 
( ) ( ) ( )
7
2
21 5
10 3
21
10
5
2
21
10
5
1
21
1
0 \
3
1
=


= ⋅ + ⋅ + ⋅ = =

=
i
i
i
B P B A P A P  
 
6. U dvema kutijama se nalaze kuglice. Prva sadrži tri crvene i četiti bele 
kuglice. Druga sadrži 6 crvenih i 2 bele kuglice. Kolika je verovatnoća da će se 
izvući bela kuglica iz nasumice izabrane kutije?  
 
Događaj B: kuglica je bele boje. 
Događaj A
i
(i=1,2): kuglica je iz i‐ te kutije. 
P(B|A
1
)=
7
4
; P(B|A
2
)=
8
2
; P(A
1
)=
2
1
; P(A
2
)=
2
1

Na osnovu teoreme poptune verovatnoće 
 
( ) ( ) ( )
56
23
8
2
2
1
7
4
2
1
/
2
1
= ⋅ + ⋅ = =

=
i
i
i
A B P A P B P  
 
 
Ako  su  A
1
,...,A
n
  hipoteze  za  realizaciju  događaja  B,  kolika  je  verovatnoća  da  su 
A
i
  izazvale  događaj  B?  Odgovor  na  ovo  pitanje  daje  sledeća  formula  koja  se 
zove Bajesova formula (formula verovatnoće hipoteza).  
 
Teorema 2. Ako se događaji A
1
,A
2
,...,A
n
 uzajamno isključuju,  
( ) 0, 1, 2,...
i
P A i n > =  i ako je 
1
,
n
i
i
A
=
= Ω

 
a B je događaj iz skupa elementarnih događaja, tada važi: 
( | )
i
P A B =  
 
( )
( ) ( )
( ) ( )
n 1,2,..., = i
1

=


=
n
j
j j
i i
i
A B P A P
A B P A P
B A P
Ai‐ uzajamno isključivi događaji 
P(A
i
)>0 
 
Ω =

=
n
i
i
A
1
 
  B je događaj iz skupa elementarnih 
događaja 

 
‐ 174 ‐ 
Dokaz:                 Iz 
( ) ( ) ( )
( )
( ) P A B P A P BA P B P A B
i i i i
= ⋅ = ⋅
 imamo 
( )
( ) ( )
( )
P A B
P A P B A
P B
i
i i
=

 
i kad P(B) izračunamo prema prethodnoj teoremi dobijamo traženu formulu. 
 
Primer sa rešenjem: 
 
7. Pretpostavlja se da 5% muškaraca i 0,25% žena boluje od daltonizma. Grupa 
je  formirana  od  20  žena  i  5  muškaraca.  Izabere  se  jedna  osoba.  Kolika  je 
verovatnoća  da  je  izabrana  osoba  ženskog  pola  ako  se  zna  da  boluje  od 
daltonizma? 
Događaj B: izabrana osoba boluje od daltonizma. 
Događaj A
i
 (i=1,2): izabrana osoba je muškog, ženskog pola, respektivno. 
Kako je  P(B|A
1
)=
5
100
; P(B|A
2
)=
25
10000
;    P(A
1
)=
1
5
;     P(A
2
)=
4
5
;    
To je  
P(B)=
( ) ( ) ( ) ( )
1 1 2 2
1 5 4 25 3
| | * *
5 100 5 10000 250
P A P B A P A P B A + = + = ;      
Iz baesove formule  
P(A
2
|B)=
( )
( ) ( ) ( ) ( )
2 2
1 1 2 2
( ) |
1
| | 6
P A P B A
P A P B A P A P B A
=
+
;      
Analogno dobiljamo P(A
1
|B)=
5
6
 
 
8. U dve kutije nalaze se kuglice. Prva sadrži dve crvene i četiri bele, druga čest 
crvenih  i  dve  bele.  Izvlači  se  jedna  kuglica  iz  slučajno  izabrane  kutije.  Ona  je 
bela. Kolika je verovatnoća da je iz prve kutije? 
Događaj B: kuglica je bele boje. 
Događaj A
i
(i=1,2): kuglica je iz i‐te kutije 
P(B|A
1
)=
7
4
;     P(B|A
2
)=
8
2
;     P(A
1
)=
2
1
;     P(A
2
)=
2
1
;      
P(A
1
|B)=
( )
( ) ( ) ( ) ( ) 23
16
/ /
/ ) (
2 2 1 1
1 1
=
+ A B P A P A B P A P
A B P A P
;      
 
 
 
 

 
‐ 175 ‐ 
8.5. SLUČAJNE PROMENLJIVE 
 
Da  bi  se  izbegla  obaveza  poznavanja  svakog  eksperimenta  za  koji  se  vezuju 
verovatnoće,  uobičajeno  je  da  se  pojam  verovatnoće  vezuje  za  pojam  koji  svi 
poznaju i koriste – za realne brojeve. Na ovaj način račun sa verovatnoćama je 
znatno olakšan 
 
8.5.1. Jednodimenzionalne slučajne promenljive 
 
Slučajna  promenljiva  je  funkcija  definisana  nad  skupom  elementarih  događaja 
čije  vrednosti  određuju  numerički  podaci  korenspondirani  slučajnim 
događajima. 
 
Definicija  4.  Neka  je  (Ω,F,P)  prostor  verovatnoća.  Slučajna  promenljiva  X=x(ω) 
je  funkcija  koja  skup  Ω  preslikava  u  skup  realnih  brojeva  R  i  za  koju  je  {ω⎟ 
X(ω)<x}∈F  za ∀x∈R. 
   
Slučajnom  promenljivom  mi  realnim  brojevima,  odnosno  podskupovima 
realnih  brojeva,  dodeljujemo  verovatnoće:  Naime,  ako  je  S⊆R    P(S)=P(ω⎟ 
X(ω)∈S)=P(X
‐1
(S)) 
 
 
sl. 31. 
 
Očigledno je P(R)=1 jer je X(Ω)=R, pa X
‐1
(R)=Ω. 
Na  ovaj  način  smo  sve  "različite"  skupove  Ω  "zamenili"  sa  realnim  brojevima, 
tj. verovatnoće posmatramo na skupu realnih brojeva. 
Neka  se  na  primer  eksperiment  sastoji  iz  bacanja  kocke.  Skup  svih 
elementarnih događaja je 
6 2 1
,... , Ω Ω Ω . 
Posmatraćemo dva tipa slučajnih promenljivih: slučajne promenljive diskretnog 
tipa i slučajne promenljive neprekidnog tipa. 
 
Definicija  5.  Slučajna  promenljiva  X  koja  skup  Ω   preslikava  u  prebrojiv 
podskup  skupa  realnih  brojeva  (konačan  ili  beskonačan  niz)  naziva  se  slučajna 
promenljiva diskretnog tipa. 

 
‐ 176 ‐ 
Dakle,  slučajne  promenljive  diskretnog  tipa  uzimaju  vrednosti  u  prebrojivom 
(konačnom  ili  beskonačnom)  skupu  realnih  brojeva  (npr.  proste  slučajne 
promenljive u konačnom: {x
1
, x
2
, ..., x
n
}). Za svaku realnu vrednost x
i
 možemo 
naći  odgovarajuću  verovatnoću  i  kada  su  te  verovatnoće  zadate  možemo 
konstatovati da je ona u potpunosti data. Najčešće to zapisujemo: 
( ) ( ) ( )
X
p
:
x x . . . x
x p x . . . p x
1 2 n
1 2 n





⎟ 
i  reći  ćemo  da  je  slučajna  promenljiva  X  zadata  zakonom  raspodele 
verovatnoća. Jasno je da pri tome mora biti p(x
1
)+p(x
2
)+...+p(x
n
)=1.   (U slučaju 
da  prebrojiv  skup  vrednosti  slučajne  promenljive  X  nije  konačan  niz  već 
beskonačan niz, tada red  ( ) p x
i
i=


1
 mora konvergirati ka 1). 
 
Definicija 6. Slučajna promenljiva X je neprekidnog tipa ako postoji funkcija ϕ, 
x∈R takva da je za svako a,b∈R  a<b (mogu biti i beskonačni) 
( ) ( )
( )
P X a b x dx
a
b
∈ = ∫ , ϕ . 
Funkcija ϕ se zove gustina raspodele verovatnoća slučajne promenljive X. 
Iz definicije sledi da je 
( )
ϕ x dx
−∞
+∞
∫ = 1. 
 
8.5.2. Višedimenzionalne slučajne promenljive 
 
Ponekad  smo  u  situaciji  da  nas  u  okviru  jednog  istog  eksperimenta  interesuje 
više  karakteristika  vezanih  za  ishod  eksperimenta.  Na  primer,  ako  regrutna 
komisija  slučajno  bira  jednog  regruta  i  registruje  njegovu  visinu  V,  težinu  T  i 
broj  cipela  C,  tada  imamo  da  su  V,  T  i  C  slučajne  promenljive,  a  ako  ih 
posmatramo  zajedno  kao  uređenu  trojku  imamo  trodimenzionalnu  slučajnu 
promenljivu.  Ako  posmatramo  samo  visinu  i  težinu,  tada  imamo 
dvodimenzionalnu slučajnu promenljivu. 
Definicija  7.  Ako  su  X=X(ω)  i  Y=Y(ω)  dve  slučajne  promenljive  definisane  nad 
istim  skupom  Ω  mogućih  ishoda,  tada  je  uređeni  par  (X,Y)  dvodimenzionalna 
slučajna promenljiva. 
 

 
‐ 177 ‐ 
 
sl. 33. 
 
Na analogan način se mogu definisati i trodimenzionalne,...,             
n‐dimenzionalne slučajne promenljive. 
I  ove  višedimenzionalne  slučajne  promenljive  mogu  biti  diskretnog  i 
neprekidnog  tipa.  Ovde  ćemo  opisati  samo  slučajne  promenljive  diskretnog 
tipa: 
 
(X,Y)  je  diskretnog  tipa  ako  postoji  prebrojiv  skup  tačaka  u  ravni  R
X,Y
={(x
i
,y
j
), 
i,j=1,2,...}, takav da je 
 
P{(X,Y)∈R
X,Y
}=1. 
 
Zakon raspodele verovatnoća za pojedine tačke određuje se na isti način kao i 
za jednodimenzionalnu slučajnu promenljivu 
 
p(x
i
,y
j
)=P{ω⏐X(ω)=x
i
 ∧ Y(ω)=y
j
}  i,j=1,... 
 
i obično se zadaje tabelarno: 
 
X  x
1
  x
2
  . . .  x
n
  . . . 
Y           
y
1
    p(x
1
,y
1
)  p(x
2
,y
1
)  . . .  p(x
n
,y
1
)  p(y
1

y
2
    p(x
1
,y
2
)  p(x
2
,y
2
)  . . .  p(x
n
,y
2
)  p(y
2

. . .    . . .  . . .  . . .  . . .  . . . 
Y
m
    p(x
1
,y
m
)  p(x
2
,y
m
)  . . .  p(x
n
,y
m
)  p(y
m

. . .    p(x
1
)  p(x
2
)  . . .  p(x
n
)  1 
 
Jasno, pri tome mora biti 
( )
p x y
i j
i j
,
,

= 1. 
 
 
 

 
‐ 178 ‐ 
8.5.3. Marginalne i uslovne raspodele 
 
Ako  nam  je  data  dvodimenzionalna  slučajna  promenljiva  (X,Y)  sa  raspodelom 
verovatnoća  p(x
i
,y
j
)  i  ako  nas  interesuje  raspodela  verovatnoća  samo  za  jednu 
od  ove  dve  slučajne  promenljive,  mi  tada  možemo  izvršiti  odgovarajuće 
sabiranje  po  vrstama  i  dobijamo  raspodelu  za  Y,  odnosno  po  kolonama  i 
dobijamo  raspodelu  za  X.  Ove  raspodele  se  nazivaju  marginalne  raspodele. 
Dakle, 
 
p(x
i
)=P{X=x
i
}=p(x
i
,y
1
)+p(x
i
,y
2
)+...+p(x
i
,y
m
)  
odnosno 
q(y
j
)=P{Y=y
j
}=p(x
1
,y
j
)+p(x
2
,y
j
)+...+p(x
n
,y
j

 
Ukoliko  nas  interesuje  raspodela  jedne  slučajne  promenljive,  recimo  X, 
pretpostavljajući  da  je  Y  uzela  neku  vrednost  y
j
  tada  se  dobija  uslovna 
raspodela verovatnoće za X pod uslovom Y=y
j
 i tada imamo  
 
( ( ) ( { }
( )
( )
,
i j
i j i j
j
p x y
p x y P X x Y y
p y
= = = =        i=1,2,...n 
 
Slično,  ako  hoćemo  uslovnu  raspodelu  za  Y  ako  je  X  uzelo  vrednost  x
i
,  tada 
imamo: 
( ) { }
( )
( )
p y x P Y y X x
p x y
p x
j i j i
i j
i
= = = =
,
       j=1,2,...m 
Dakle da pojasnimo ako želimo raspodelu slučajne promenljive X pod uslovom 
da je slučajna promenljiva Y uzela naprimer vrednost y
2   
, ovu raspodelu ćemo 
dobiti iz druge vrste predhodne dvodimenzionalne tabele jer se  y
2  
pojavjuje u 
drugoj vrsti 
  x
1
  x
2
    x
n
   
y
2
  p(x
1
,y
2
)  p(x
2
,y
2
)    p(x
n
,y
2
)  p(y
2

 
Da  bih  u  ovoj  vrsti  imali  raspodelu  verovatnoća  za  slučajno  promenljivu  X  to 
ćemo očigledno celu vrstu morati da podelimo sa njenim zbirom p(y
2
) (uz uslov 
da je ta vrednost različita od 0). 
Tako dobijamo 
( )
( )
( )
( )
( )
( )
1 2
2 1 2 2 2 2
2 2 2
...
| : , , ,
...
n
n
X X X
X Y y p x y p x y p x y
p y p y p y
⎛ ⎞
⎜ ⎟
=
⎜ ⎟
⎜ ⎟
⎝ ⎠
 
Na sličan način se dobijaju raspodele Y|X= x
i . 

 
‐ 179 ‐ 
8.5.4. Nezavisnost slučajnih promenljivih 
 
Za  dve  slučajne  promenljive  X  i  Y  možemo  vezati  događaje 
{ }
X S ∈
1
  i 
{ }
Y S ∈
2
,  za  proizvoljne  S S R
1 2
, ⊆ .  Slučajne  promenljive  X  i  Y  su  nezavisne 
ako  su  događaji 
{ }
X S ∈
1
  i 
{ }
Y S ∈
2
  nezavisni  za  svako  S S R
1 2
, ⊆ .  Slučajne 
promenljive  (X,Y)  diskretnog  tipa  su  nezavisne  ako  i  samo  ako  je 
( )
( )
( )
p x y p x q y
i j i j
, = i = 1,2,...  
 
Primeri sa rešenjima: 
 
8.  Data  je  dvodimenzionalna  slučajna  promenljiva  (X,Y)  raspodelom 
verovatnoća: 
X  1  2  3  4  q(y) 
Y            ↓
0    1/24  1/24  1/24  1/12  5/24 
1    1/24  1/12  1/6  1/24  8/24 
3    1/8  1/6  1/8  1/24  11/2

p(x)  → 5/24  7/24  8/24  4/24  1 
 
Naći marginalne raspodele, uslovnu raspodelu za X⏐Y=0 i za Y⏐X=2 i ispitati da 
li su X i Y nezavisne. 
 
Očigledno je kad saberemo vrednosti po vrstama marginalna raspodela za Y je: 
 
q y ( ):
0 1 3
5/ 24 8/ 24 11/ 24






 
 
a kad saberemo po kolonama dobijamo marginalnu raspodelu za X: 
 
p x ( ):
2 3 4
5/ 24 7/ 24 8/ 24 4/ 24
1 ⎛





 
Uslovna raspodela X⏐Y=0 se dobija posmatrajući vrstu 
 
X  1  2  3  4  q(0) 
Y=0  1/24  1/24  1/24  1/12  5/24 
 

 
‐ 180 ‐ 
i deleći sa 5/24 dobijamo 
 
X⏐Y=0  1  2  3  4 
  1/5  1/5  1/5  2/5 
 
Analogno za Y⏐X=2  posmatramo kolonu 
 
Y  X=2 
0  1/24 
1  1/12 
3  1/6 
p(2)  7/24 
 
i deleći sa 7/24 dobijamo 
 
Y⏐X=2  0  1  3 
  1/7  2/7  4/7 
 
Ove slučajne promenljive nisu nezavisne jer, na primer 
p(x=1, y=0)=1/24 ≠ 5/24 ⋅ 5/24. 
Slično kao i u jednodimenzionalnom slučaju i ovde se mogu posmatrati funkcije 
slučajnih  promenljivih.  Tako,  ako  je  data  dvodimenzionalna  slučajna 
promenljiva  (X,Y)  raspodelom  p(x
i
,y
j
)  i  data  je  funkcija  dva  argumenta  f(x,y) 
treba  odrediti  raspodelu  slučajne  promenljive  Z=f(X,Y)  (na  primer  Z=X+Y, 
Z=X⋅Y,...). Situacija se može predstaviti sledećom skicom 
 
sl. 34. 
9. Naći raspodelu za slučajnu promenljivu a) X⋅Y; b) X+Y iz prethodnog primera. 
 
a) X⋅Y uzima vrednosti 0, 1, 2, 3, 4, 6, 9, 12 i pri tome imamo da se 0 dobija kao 
0⋅1, 0⋅2, 0⋅3 i 0⋅4, pa je verovatnoća broja 0 ‐  ( ) p 0
5
24
= . Na isti način dobijamo 
i ostale verovatnoće, odnosno raspodelu 

 
‐ 181 ‐ 
 
Z X Y = ⋅








:
0 1 3 2 4 6 9 12
5
24

1
24

1
12

7
24

1
24

1
6

1
8

1
24
 
b) X+Y uzima vrednosti 1, 2, 3, 4, 5, 6, 7 i verovatnoće su: 
Iz 1=0+1      ( ) ( ) p p 1 10
1
24
= = ,  
2=0+2 i 2=1+1 pa je  ( ) ( ) ( )
p p p 2 2 0 11
1
24
1
24
1
12
= + = + = , ,  
3=0+3 i 3=1+2 pa je  ( ) ( ) ( ) p p p 3 30 2 1
1
24
1
12
1
8
= + = + = , ,  
4=0+4, 4=3+1 i 4=1+3 pa je  ( ) ( ) ( ) ( ) p p p p 4 40 31 13
1
12
1
6
1
8
9
24
= + + = + + = , , ,  
5=1+4 i 5=3+2  ( ) ( ) ( )
p p p 5 4 1 2 3
1
24
1
6
5
24
= + = + = , ,  
6=3+3  ( ) ( ) p p 6 33
1
8
= = ,  
7=4+3  ( ) ( ) p p 7 4 3
1
24
= = ,  
pa je 
X Y +








:
1 2 3 4 5 6 7
1
24

1
12

1
8

9
24

5
24

1
8

1
24

 
 
 
8.5.5. Numeričke karakteristike slučajnih promenljivih 
 
Prvo pitanje koje možemo postaviti vezano za slučajnu promenljivu je koja je ta 
vrednost koja je "najočekivanija". Ako uzmemo da smo izabrali prostu slučajnu 
promenljivu sa vrednostima u tačkama x
1
,..., x
k
 i ako organizujemo eksperiment 
u  kome  se  n
1
  put  dobija  x
1
,...,  n
k
  puta  dobija  x
k
,  tada  je  srednja  vrednost  ove 
"slučajne promenljive" pri ovom eksperimentu 
 
n x n x n x
n n
n
n
x
n
n
x
k k
k
k
k
1 1 2 2
1
1
1
+ + +
+ +
= + +
...
...
... . 

 
‐ 182 ‐ 
Naravno,  ako  n  uvećavamo,  tada  se 
n
n
i
  grupiše  oko  određenog  broja 
(verovatnoće za x
i
) i dobijamo "srednju vrednost" za slučajnu promenljivu X sa 
raspodelom 
( ) ( ) ( )
X
p
:
x x . . . x
x p x . . . p x
1 2 k
1 2 k






 
 
( ) ( ) EX x p x x p x
k k
= + +
1 1
... . 
Ova srednja vrednost se zove matematičko očekivanje slučajne promenljive X. 
Ova definicija se proširuje i na proizvoljne slučajne promenljive diskretnog tipa: 
E(X)=∑x
i
⋅p(x
i
)         
Međutim,  ova  veličina  može  da  zavisi  od  promene  rasporeda  članova,  pa  se 
zahteva  da  gornji  red  i  apsolutno  konvergira,  tj.  matematičko  očekivanje 
slučajne promenljive X je data formula ako i samo ako konvergira red 
( ) x p x
i i


tj.  ako  red  apsolutno  konvergira  i  ne  zavisi  od  preuređenja  članova.  Inače, 
matematičko očekivanje ne mora obavezno da postoji. 
  Proširenje na slučajne promenljive neprekidnog tipa vrši se na prirodan 
način: ako je slučajna promenljiva X zadata sa gustinom raspodele ϕ(x), onda je 
( ) ( )
E X x x dx = ⋅
−∞
+∞
∫ ϕ  
i kaže se da E(X) postoji ako i samo ako postoji 
( )
x x dx ⋅
−∞
+∞
∫ ϕ . 
 
 
Osnovne osobine matematičkog očekivanja: 
 
1) Ako je X=c=const. onda je E(X)=c; 
2) Ako je X≥0 onda je E(X)≥0; 
3) Ako je X≥Y onda je E(X)≥E(Y); 
4) Ako E(X) i E(Y) postoje, tada je E(c
1
X+c
2
Y)=c
1
E(X)+c
2
E(Y), c
1
=const, c
2
=const; 
5) E(X⋅Y)=E(X)⋅E(Y) ako su X i Y nezavisne slučajne promenljive. 
 
Matematičko  očekivanje  se  može  interpretirati  i  kao  ulog  koji  lica  koja  igraju 
neku kockarsku igru treba da uplate da bi igra bila "poštena". 
 

 
‐ 183 ‐ 
Primer sa rešenjem: 
 
10.  Osoba  A  baca  kocku  i  isplaćuje  osobi  B  1  dinar  ako  padne  broj  1,  2  dinara 
ako padne broj 2,..., 6 dinara ako padne broj 6. Koliko treba osoba A da uplati 
pre bacanja da bi igra bila poštena? 
 
Osoba A treba da uplati 3,5 dinara ‐ onoliko koliko se "očekuje" da će dobiti a 
to je upravo matematičko očekivanje slučajne promenljive X 
X:
1 2 . . . 6
1
6

1
6
. . .
1
6








 
 
5 , 3
6
21
6
1
6 ...
6
1
2
6
1
1 ) ( = = ⋅ + + ⋅ + ⋅ = X E  
 
 
 
8.5.6. Disperzija slučajne promenljive 
 
Matematičko  očekivanje  je  "neka  srednja  vrednost"  za  slučajnu  promenljivu; 
osim  toga,  ta  vrednost  nam  ne  govori  mnogo  o  toj  slučajnoj  promenljivoj  kao 
što pokazuje sledeći primer: 
 
Primeri sa rešenjima: 
 
11. Osoba A i osoba B bacaju novčić; ako padne grb – osoba A plaća dinar osobi 
B,  ako  padne  lik  –  osoba  B  plaća  osobi  A  dinar.  Koliko  je  matematičko 
očekivanje dobitka u ovoj igri? 
 
Slučajna promenljiva kojom može da se opiše ova igra je 
 
X:
1 - 1
1
2

1
2








  i  E(X)=0. 
 
12.    Istu  igru  igraju  osoba  C  i  osoba  D,  samo  što  isplaćuju  jedna  drugoj  po  20 
dinara. Kakvo je sada matematičko očekivanje? 
 
 

 
‐ 184 ‐ 
Slučajna promenljiva koja opisuje ovu igru je 
 
Y:
20 - 20
1
2

1
2








  i  E(Y)=0. 
 
Dakle,  u  oba  slučaja  matematičko  očekivanje  je  0,  ali  druga  igra  je  daleko 
manje  "bezazlena"  od  prve.  Šta  je  različito?  Šta  matematičko  očekivanje  nije 
"izmerilo"?  Očigledno,  matematičko  očekivanje  nije  izmerilo  veličine 
razlikovanja  slučajne  promenljive  od  samog  matematičkog  očekivanja.  To 
merimo  pomoću  disperzije  slučajne  promenljive.  Odnosno,  bilo  bi  prirodno  to 
meriti  na  sledeći  način:  formirati  novu  slučajnu  promenljivu  ( )
X E X −   i  naći 
njeno  matematičko  očekivanje.  Međutim,  kako  nije  zgodno  raditi  sa 
apsolutnim vrednostima, to se formira slučajna promenljiva 
(X‐E(X))
2
 
i njeno matematičko očekivanje se zove disperzija i označavaće se sa 
σ
2
(X)=E((X‐E(X))
2
). 
 
Pozitivna vrednost iz 
( )
σ
2
X  zove se standardna devijacija. 
 
Posle lakog računa izlazi 
σ
2
(X)=E(X
2
)‐(E(X))
2

 
Osnovne osobine disperzije su: 
1) σ
2
(X)≥0; 
2) σ
2
(X)=0 ako i samo ako je X=c; 
3) σ
2
(cX)=c
2
σ
2
(X)  c=const; 
4) Funkcija po c E(X‐c)
2
 ima minimum za c=EX (to je σ
2
(X)); 
5) σ
2
(X+Y)=σ
2
(X)+σ
2
(Y) ako su X i Y nezavisne slučajne promenljive. 
 
Napomena: U primeru 10 je σ
2
(X)=1, σ
2
(Y)=400. 
 
Među  numeričke  karakteristike  neke  slučajne  promenljive  često  se  ubrajaju  i 
momenti slučajne promenljive (momenti reda r): 
( ) m x p x
r i
r
i
i
n
= ⋅
=

1
 ‐ u diskretnom slučaju 
( )

+∞
∞ −
ϕ ⋅ = dx x x m
r
r
‐ u neprekidnom slučaju 

 
‐ 185 ‐ 
(m
r
  postoji  u  diskretnom  slučaju  ako  ( ) x p x
r
i

  postoji,  i  m
r
  postoji  u 
neprekidnom slučaju ako  ( )

+∞
∞ −
ϕ dx x x
r
 postoji). Pri tome je m
1
 ‐ matema‐tičko 
očekivanje a disperzija je izražena sa 
σ
2
(X)=m
2
‐m
1
2
 
(ovo je tzv. centralni moment drugog reda). 
Inače, centralni momenti reda r se definišu na sledeći način: 
( ) ( ) μ
r
r
E X E X = −  
Pri  tome  μ
3
  meri  asimetričnost  slučajne  promenljive  (u  slučaju  simetričnosti 
neparni centralni momenti su jednaki nuli). Koeficijent asimetrije se definiše na 
sledeći način: 
k
a
=
μ
σ
3
3
 
Merenje  spljoštenosti  slučajne  promenljive  se  meri  koeficijentom  koji  se  zove 
eksces: 
k
e
= −
μ
σ
4
4
3. 
 
 
8.5.7. Funkcija raspodele slučajne promenljive 
 
Zadavanjem  ove  funkcije  mi  najčešće  obezbeđujemo  bolji  pregled  raspodele 
verovatnoća na čitavoj realnoj pravoj 
( ) ( ) F x P x
def
= −∞ ∈
.
, , x R. 
 
Iz same definicije proizilaze osnovne osobine ove funkcije: 
 
1) Funkcija F(x) je neopadajuća, tj. za x
1
<x
2
⇒F(x
1
)≤F(x
2
); 
 
2) F(‐∞)=0 i F(+∞)=1; 
 
 
3) Za proste slučajne promenljive F(x) je "stepenasta" funkcija; 
 
4) Za neprekidne slučajne promenljive je 
( ) ( )
F x t dt
x
=
−∞
∫ϕ , odnosno F'(x)=ϕ(x) 
 

 
‐ 186 ‐ 
Primeri sa rešenjima: 
13. 
X:
-1 1
1
2

1
2








 
 
 
 
sl. 35. 
 
14.  Ako  je  ( )
ϕ
π
x e
x
=

1
2
2
2
  gustina  raspodele  verovatnoća,  tada 
( ) ( )
F x t dt
x
=
−∞
∫ϕ , pa dobijamo 
 
( )
ϕ
π
x e
x
=

1
2
2
2
                               
( ) F x e dt
t
x
=


1
2
2
0
π
 
 
 
sl. 36. 
 
 
 
 
 
 
 

 
‐ 187 ‐ 
15. Gustina raspodele ima oblik trougla 
 
( ) f x
x
ab
x
ab b b a
= ≤ ≤

+

≤ ≤









x> b i x< 0
0 x a
a x b
0
2
2 2
2
 
 
sl. 37. 
Naći funkciju raspodele. 
F(x)=0 za x<0 
( ) F x
t
ab
dt
t
ab
x
ab
x
x
= = =

2
0
2
0
2
    x<a 
( )
F x
a
ab
t
ab b b a
dt
a
b
t
ab b
t
b a
x
ab b
x
b a
a
ab b
a
b a
x a
ab b
x a
b a
a
b
a
x
a
x
= +

+







= +

+






⎟ =
+

+

+
− +


=


+


+ ≤ ≤

2
2
2
2
2
2
2
2
2 2
2
2 2 2
2 2
2 =
a
b
a x b
 
F(x)=1    x>b 
( )( )
( )
b a
ab b
a
b
b a b a
b a b
a
b
a b a
b
2 2
2
2 2 2 1


+ + =
− − +

+ + =
− −
+ =  
 
16.  Slučajna  promenljiva  X  ima  raspodelu  verovatnoća  (funkciju  gustine 
raspodele) 
( )
( )
( )
f x a
x
a =














2
1 x 0,a
0 x 0,a
 
Naći funkciju raspodele F(x) i izračunati  P
a
2
X a < <








 
‐ 188 ‐ 
Kako je 
( ) ( ) F x f t dt
x
=

0
 dobijamo: 
( ) F x
x x
a
= −






≤ ≤







0 x< 0
0 x a
1 x> a
2
2  
( )
P
a
X a F a F
a
2 2
1
4
< <






= −






=  
 
 
 
8.5.8. Slučajne promenljive koje se najčešće koriste 
 
    8.5.8.1.  Slučajna promenljiva sa binomnom raspodelom 
 
Ako  je  verovatnoća  realizacije  događaja  A  pri  nekom  eksperimentu  p(A)=p 
( )
p A q p ( ) = = − 1  i ako se taj eksperiment u neizmenjenim uslovima ponavlja 
n‐puta,  nezavisno  svaki  put,  tada  možemo  konstatovati  koliko  se  puta  u  tih  n 
eksperimenata  događaj  A  pojavio.  Očigledno  je  da  su  vrednosti  toga  broja 
0,1,...,n.  Pri  tome  se  mogu  izračunati  verovatnoće  svih  tih  brojeva  (to  su 
verovatnoće da je se A pojavio odgovarajući broj puta) i na taj način dobijamo 
sledeće brojeve 
 
1 . . . k . . . n
n
0

n
1

n
k

n
n
0
1


































− −
q pq p q p
n n k n k n
 
Dakle,  ovde  su  verovatnoće  povezane  sa  binomnim  koeficijentima 
n
k






  i  zato 
se  ova  slučajna  promenljiva  zove  slučajna  promenljiva  sa  binomnom 
raspodelom.  Označava  se  sa  B(n,p)  njena  raspodela,  a  ona  sama  se  obično 
označava  sa  S
n
.  Njeno  matematičko  očekivanje  je  E(S
n
)=np  a  disperzija 
σ
2
(Sn)=npq. 
 
 
 
 

 
‐ 189 ‐ 
Primeri sa rešenjima: 
 
17.    Verovatnoća  da  će  strelac  puškom  pogoditi  avion  u  brišućem  letu  je 
p=0,001. Kolika je verovatnoća da će 100 strelaca nezavisno pucajući jedan od 
drugog istovremeno na avion 
a) tačno 4 puta pogoditi avion; 
b) broj pogodaka nije veći od 4. 
 
P(A)=0,001    q=0,999.  Pucanje  100  strelaca  može  se  shvatiti  kao  ponavljanje 
eksperimenta 100 puta u neizmenjenim uslovima pa je prema tome 
a) 
( )
P S
100
4
100
4
0 001 0 999 = =






⋅ ⋅

, ,  
b) Broj pogodaka nije veći od 4 je 
( ) ( )
p P S
k k
k
= = + = =






⋅ ⋅

=
∑ 100
100
0
4
0 4
100
0 001 0 999 . . . + P S
k
100
, ,  
 
18.    Verovatnoća  da  će  strelci  pogoditi  vozilo  u  pokretu  je  0,6.  Jedan  od  20 
strelaca  puca  na  neprijateljsko  vozilo.  Kolika  je  verovatnoća  da  će  ga  pogoditi 
ne manje od 4 puta? 
 
Raspodela je ponovo binomna sa p=0,6  q=0,4  n=20. 
 
Dakle: 
{ }
p P S k
k
k
k k
k
= = =






⋅ ⋅
=

=
∑ ∑ 20
4
20
20
4
20
20
0 6 0 4

, ,  
 
 
 
   8.5.8.2.  Slučajna promenljiva sa geometrijskom raspodelom 
 
Neka je A događaj kao u prethodnom slučaju (sa verovatnoćom p se odigrava a 
sa  verovatnoćom  q=1‐p  se  ne  odigrava).  Neka  se  ogled  izvodi  do  prvog 
pojavljivanja  događaja  A  i  neka  je  slučajna  promenljiva  G  broj  eksperimenata. 
Očigledno  G  može  uzeti  vrednosti  1,2,...,n,...  a  pripadajuće  verovatnoće  su  p, 
qp,  q
2
p,...,  q
n‐1
p,...  Slučajna  promenljiva  G  se  zove  slučajna  promenljiva  sa 
geometrijskom raspodelom, pri čemu je matematičko očekivanje 
 

 
‐ 190 ‐ 
E G nq p
p
n
n
( ) = =

=


1
1
1
 
 
a disperzija 
 
σ
2 2
1
1
2
1
( ) G n q p
p
p n
n
= =

=




 
8.5.8.3. Slučajna promenljiva sa Puasonovom raspodelom 
 
Slučajna promenljiva  S

 koja uzima vrednosti 0,1,...,n,.... sa verovatnoćom  
( )
P S n e
n
k


= =
λ
λ
!

gde je λ>0, se naziva slučajna promenljiva sa Puasonovom raspodelom. 
 
Koristi se kao aproksimacija za slučajnu promenljivu sa binomnom raspodelom 
kada je np ≤ 10 (i tada se stavlja da je λ=np). Vrednosti joj se zadaju tabelarno. 
E S S ( ) ( )
∞ ∞
= = λ σ λ i
2

Primer sa rešenjem: 
 
Drugi način rešavanja primera 17: Kako je p=0,001 n=100  np=0,1<10, 
a) primenjujemo Puasonovu aproksimaciju: 
 
p
n
k
p q
e
k
k
k n k
k
=








−λ
λ
!
   k=0,1,2,...   n→∞ 
pa imamo 
( )
p S
e
e
100
0 1 4 4
10
4
0 1
4
0 1
4
0 000004 = ≈

=


− ,
,
!
,
!
,  
b)  p ≈ 0 999996 ,  (dato tablicom). 
 
 
 8.5.8.4.  Slučajna promenljiva sa normalnom raspodelom 
 
Ova  slučajna  promenljiva  je  jedna  od  najverovatnijih  i  "najčešćih"  u 
primenama.  Neprekidnog  je  tipa  i  ima  normalnu  (Gausovu)  raspodelu 
verovatnoća sa parametrima m i σ
2
 a njena gustina je  

 
‐ 191 ‐ 
2
2
2
( )
2
1
( )
2
x m
x e
σ
ϕ
πσ

=  
 
Obeležavamo  njenu  raspodelu  sa  N(m, σ
2
).  Njeno  matematičko  očekivanje  je 
m  a  disperzija  joj  je  σ
2
  (što  su  i  njene  karakteristike).  Standardizovani  oblik 
normalne  raspodele  je  normalna  raspodela  N(0,1).  Vrednosti  verovatnoća  za 
ovu  slučajnu  promenljivu  se  zadaju  tabelarno,  jer  funkcija  e
x

2
2
  nema 
primitivnu  funkciju  među  elementarnim  funkcijama.  Vrednosti  verovatnoća  za 
slučajnu  promenljivu  X  sa  raspodelom  N(m, σ
2
)  se  izračunavaju  isto  iz  tablica 
za N(0,1) "standardizacijom" ove slučajne promenljive, tj. uvođenjem smene 
 
Z
X m
=

σ
 
koja ima raspodelu  N(0,1). Na taj način je 
 
( )
P a X b P
a m X m b m
≤ ≤ =




− ⎛





σ σ σ

 
Primer sa rešenjem: 
 
19.  Slučajna  promenljiva  X  je  raspoređena  po  normalnom  zakonu  sa  m=40  i 
σ
2
=200. Naći verovatnoću 30≤X≤80. 
 
a=30, b=80, m=40,  σ = 10 2  pa je  
 
( )
( ) ( )
P a X b
b m a m
≤ ≤ =





















=
− ⎛






− ⎛











=






+












= + ≅ + =
Φ Φ Φ Φ
Φ Φ Φ Φ
σ σ
80 40
10 2
30 40
10 2
1
2
2 8 0 71 0 49744 0 26115 0 75859 =
4
2
, , , , ,
 
 
(Zbog neparnosti funkcije Φ i iz tablice III). 
Ovde je važno napomenuti da je 

 
‐ 192 ‐ 
( )
( )
( )



P m X m
P m X m
i P m X m
− ≤ ≤ + ≈
− ≤ ≤ + ≈
− ≤ ≤ + ≈
σ σ
σ σ
σ σ
0 67
2 2 0 95
3 3 0 99
,
,
,
 
odakle  i  potiče  empirijsko  pravilo  "tri  sigme"  koje  se  pojavljuje  u  statistici: 
"između m‐3σ i m+3σ su skoro svi elementi populacije". 
Kriva ϕ(x) se naziva Gausova kriva i ona je simetrična oko prave x=m. Ako je σ 
veći broj ona je "šira" a ako je σ manji broj ona je uža, kao što pokazuje sledeća 
slika: 
 
sl. 38. 
Normalna  raspodela  se  koristi  i  kao  aproksimacija  za  izračunavanje  vrednosti 
slučajne promenljive sa binomnom raspodelom na sledeći način: ako je np≥10, 
tada je 
 
P
S np
npq
x
npq
e
n
x

=







− 1
2
2
2
π

odnosno 
( ) ( )
P a
S np
npq
b b a
n









≈ − Φ Φ  
gde je Φ(x) ‐ Laplasova funkcija, tj.  
( )
Φ x e dt
t
x
=


1
2
2
2
0
π

Funkcija  Φ(x)  ima  sledeće  osobine:  Φ(0)=0,  Φ(+∞)=0,5,  Φ(‐x)=‐Φ(x). 
Geometrijska  interpretacija  izraza  Φ(a),  odnosno  Φ(b)‐Φ(a)  data  je  sledećom 
slikom 

 
‐ 193 ‐ 
 
sl. 39. 
Ove vrednosti, kao što smo napomenuli, date su tabelarno. 
 
Drugi način za rešavanje primera 19: 
( )
( )
p P S P
S
P
S
= ≤ ≤ =

⋅ ⋅


⋅ ⋅


⋅ ⋅





⎟ ≈
≈ − ≤

⋅ ⋅






⎟ = ⋅ = ⋅ =
4 20
4 12
20 0 6 0 4
12
20 0 6 0 4
20 12
20 0 6 0 4
365
12
20 0 6 0 4
365 2 365 2 0 49987 0 99974
20
20
20
, , , , , ,
,
, ,
, , , , Φ
 
 
 
  8.5.8.5.  Slučajna promenljiva sa χ
2
 raspodelom 
 
Ako  su  slučajne  promenljive  X
1
,...,X
n
  nezavisne  i  svaka  sa  normalnom 
raspodelom  N(0,1), tada je slučajna promenljiva 
χ
2
n
= X
2
1
+X
2
2
+...+X
2
n
 
 
neprekidnog  tipa  koja  zavisi  od  parametra  n  (n=1,2,...).  Raspodela  za  ovu 
slučajnu  promenljivu  se  zove  χ
2
  raspodela  sa  n  stepeni  slobode.  Ovaj  broj 
stepeni  slobode  govori  koliko  međusobno  nezavisnih  slučajnih  promenljivih 
ulazi  u  χ
2
n
.  Ako  među  slučajnim  promenljivima  X
1
,...,X
n
  imamo  k  veza,  tada  se 
broj stepeni slobode smanjuje za k, tj. tada bi imali 
χ
2
n‐k
= X
2
1
+...+X
2
n

 
Obzirom  da  je  izraz  za  gustinu  raspodele  slučajne  promenljive  χ
2
  dosta 
komplikovan (za n=1,2,3 dat je grafik te funkcije na slici 40), to se verovatnoće 
vezane  za  χ
2
  raspodelu  zadate  tabelarno.  Te  verovatnoće  su  date  za  broj 
stepeni slobode n=1,...,30  i za dati broj α, 0<α<1  (obično se zadaju za α=0,01, 
α=0,05,...,  α=0,80),  tj.  iz  tablice  III  očitavamo  broj  χ
2
n;α
  i  taj  broj  ustvari  je 
veličina koju će slučajna promenljiva χ
2
n
 premašiti sa verovatnoćom α, tj. 
 
{ }
P
n n
χ χ α
α
2 2
≥ =
;


 
‐ 194 ‐ 
 
sl. 40. 
Ovo je prikazano i sledećom slikom (za naš broj n) 
 
sl. 41. 
• Parametri 
2
χ ‐ raspodele su: 
2 2 2
( ) , ( ) 2 E n n χ σ χ = =  
Za n>30 se obično uzima da je χ
2
n
 slučajna promenljiva sa približno normalnom 
raspodelom  N(n,2n). 
Napomenimo da ako su χ
2
n
 i χ
2
m
 nezavisne slučajne promenljive, tada je 
χ
2
n

2
m

2
n+m

 
 
8.5.8.6.  Slučajna promenljiva sa Studentovom raspodelom 
 
Ako  su  X  sa  normalnom  raspodelom    N(0,1)  i  χ
2
n
  nezavisne  slučajne 
promenljive, tada je slučajna promenljiva neprekidnog tipa data sa 
t
X
n
n
n
=
+
χ
2
 
naziva Studentova t‐raspodela sa n stepeni slobode. 
I  ovde  je  izraz  za  gustinu  raspodele  dosta  komplikovan,  pa  se  verovatnoće 
zadaju  tabelarno,  zapravo  i  ovde  se  zadaju  brojevi  u  tablicama  t
n;α
,  gde  je 
0<α<1, gde je α verovatnoća da će ⏐t
n
⏐ premašiti broj t
n
,
α
, tj. 

 
‐ 195 ‐ 
P ⎨⏐t
n
⏐≥ t
n
,
α
⎬=α, 
ili kako to izgleda na slici: 
 
sl. 42. 
y ‐ grafik funkcije gustine t‐raspodele. 
•• Parametri Studentove raspodele su: 
2
( ) 0 , ( )
2
n
E t t
n
σ = =

 
Napomenimo  da  kad  n→∞  ova  slučajna  promenljiva  teži  normalnoj  (za  n≥120 
to  je  već  približno    N(0,1)  a  može  se  uzeti  i  za  n>30  da  je  dosta  dobra 
aproksimacija ove raspodele raspodela  N(0,1)). 
 
8.5.8.7.  Slučajna promenljiva sa Fišerovom raspodelom 
 
Ako su slučajne promenljive χ
n
1
2
 i  χ
n
2
2
 nezavisne, tada se slučajna promenljiva 
F
n
n
n n
n
n
1 2
1
2
2
1
2
2
;
/
/
=
χ
χ
 
zove Fišerova sa n
1
 stepeni slobode u brojiocu i n
2
 stepeni slobode u imeniocu. 
Izraz  za  gustinu  je  i  ovde  komplikovan  ali  je  komplikovano  i  tabelarno 
zadavanje  zbog  dva  parametra  n
1
  i  n
2
.  U  tabelama  se  zadaju  vrednosti  F
n n
1 2
; ;α
 
(najčešće za α=0,05 i α=0,01) za koje je 
{ }
P F F
n n n n
1 2 1 2
; ; ;
≥ =
α
α    
Dakle, to je broj koji  F
n n
1 2
;
 premašuje sa verovatnoćom α (slika 43). 
 
sl. 43. 
y ‐ grafik funkcije gustine Fišerove raspodele. 
 

 
‐ 196 ‐ 
••• Parametri Fišerove raspodele su: 
2
1 1 1 2
2
2
2 1 2
2 ( 2)
( ) ( 2) , ( )
2 ( 2) ( 4)
n n n n
E F n F
n n n
σ
+ −
= > =
− − −
 
 Pored ovih pomenutih koriste se i brojne druge slučajne promenljive, od 
kojih ćemo neke samo navesti sa nekim njihovim karakteristikama: 
 
− Uniformna slučajna promenljiva U sa 
( )
ϕ x b a = −
≤ ≤





1
za a x b
0 za x< a i x> b
 
( )
2
b a
U E
+
=    
( )
( )
σ
2
2
12
U
b a
=

 
− Eksponencijalna slučajna promenljiva ε sa 
 
( )
ϕ
λ
λ
x
e
x
=





za x 0
0 za x< 0
 
( )
E ε
λ
=
1
    
( )
σ ε
λ
2
2
1
=   
 
 
8.5.9. Korelacija dve slučajne promenljive 
 
Korelacija  je  veza  izme|u  dve  slučajne  promenljive.  Obično  se  posmatra 
linearna  veza,  a  stepen  linearne  zavisnosti  dve  slučajne  promenljive  X  i  Y  meri 
se koeficijentom linearne korelacije ρ
xy
 koji se izračunava na sledeći način: 
 
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
ρ
σ σ σ σ
x y
E X E X Y E Y
X Y
E XY E X E Y
X Y
,
( ) ( )
=
− ⋅ −
+ ⋅
=
− ⋅
+ ⋅
2 2 2 2
 
 
Ovaj koeficijent ima sledeće osobine: 
(1)  |ρ
x,y
|≤ 1; 
(2)    Ako  su  X  i  Y  nezavisne  slučajne  promenljive,  onda  je  ρ
x,y 
=0  (obrnuto  ne 
mora važiti); 
(3)  |ρ
x,y
|=1 ako i samo ako je Y=αX+β; pri tome je za α>0,  ρ=1, a za α<0, ρ=‐1.  
 
 

 
‐ 197 ‐ 
8.5.10. Zakoni velikih brojeva. Centralna granična teorema 
 
Prvo  ćemo  navesti  jednu  dosta  jednostavnu  nejednakost  poznatu  kao 
Čebiševljeva nejednakost: 
 
Ako  slučajna  promenljiva  X  ima  konačno  matematičko  očekivanje  kvadrata  od 
X, tj. E(X
2
) je konačno, tada za svako ε>0 važi Čebiševljeva nejednakost: 
{ }
P X
E X
≥ ≤ ε
ε
( )
2
2
 
ili u drugačijem obliku  
{ }
P X E X
X
− ≥ ≤ ( )
( )
ε
σ
ε
2
2

 
Pomoću ove nejednakosti može se dokazati sledeća 
 
Teorema 2. Ako su X
1
,X
2
,... nezavisne slučajne promenljive sa istom raspodelom 
i  konačnom  disperzijom,  tj.  E(X
k
)=a    k=1,2,...,  σ
2
(X
k
)=σ
2
  k=1,2,...,  onda  niz 
aritmetičkih sredina 
X
X X
n
n
=
+ +
1 2
. . . + X
n
   n=1,2,... 
teži ka a kad n→∞ u sledećem smislu: 
za svako ε>0  
{ }
P X a
n
− ≥ → ε 0,  n→∞. 
 
Ako je n veće,  X
n
 je sve bliže konstanti a i slučajnost nestaje kod aritmetičkog 
niza slučajnih promenljivih. Ovaj zakon je jedan od zakona velikih brojeva. 
Sledeća teorema je poznata kao centralna granična teorema. 
Teorema 3. Ako su X
1
,X
2
,... nezavisne slučajne promenljive sa istom raspodelom 
i  konačnom  disperzijom,  tj.  E(X
k
)=a  k=1,2,...  i  σ
2
(X
k
)=σ
2
  k=1,2,...,  onda 
standardizovani  oblik  njihovog  zbira  S
n
=X
1
+X
2
+...+X
n
,  tj.  raspodela  slučajne 
promenljive 
( )
( )
S
S E S
S
S an
n
X a
n
X a
n
n
n n
n
n n ∗
=

=

=

+ +

σ
σ
σ σ
2
2
1
...  
teži, kad n→∞, normalnoj raspodeli N(0,1) (raspodela za S
n
 je N(na,nσ
2
)). 
Napominjemo  da  ni  ovaj  rezultat  nije  najopštiji  već  analogan  važi  i  za 
proizvoljne  slučajne  promenljive  i  sa  ne  obavezno  istom  raspodelom  (ali  sa 
nekim  drugim  uslovima,  i  u  tim  izmenjenim  uslovima  ćemo  imati  da  zbir  ima 
normalnu raspodelu). 

 
‐ 198 ‐ 
I ova teorema govori o važnosti normalne raspodele. 
 
8.5.9. Regresija 
 
U  primenama  teorije  verovatnoće  od  interesa  su  aproksimacije  slučajne 
promenljive Y sa nekom funkcijom R(X) od slučajne promenljive X. 
Najčešće  se  traži  funkcija  R(x),  x∈R,  takva  da  E(Y‐R(X))
2
  bude  minimum, 
naravno za svako X=x. Može se dokazati da će ovo biti dostignuto kada je R(x) 
uslovno matematičko očekivanje od Y za X=x, tj. 
R(x)=E(Y⏐X=x). 
Ova  kriva  R(x)  se  naziva  regresiona  kriva  Y  po  X  i  za  slučajne  promenljive 
diskretnog tipa ona je 
R(x
i
)=E(Y⏐X=x
i
)  i=1,2,... 
a za slučajne promenljive neprekidnog tipa 
( )
( ) R x y y x dy = ∈


∫ ϕ
2
x R
-
+

U  slučaju  kada  se  zahteva  da  R(X)  bude  tačno  odre|enog  tipa,  npr.  linearna, 
tada imamo regresiju odre|enog tipa, tj. linearnu. 
Dakle, za linearnu regresiju se zahteva da 
( ) ( ) E Y x − + α β
2
 
bude minimum i iz tog uslova se traže α i β. 
Metodom  najmanjih  kvadrata  se  mogu  dobiti  α  i  β  i  sledeći  izraz  za  funkciju 
y x = + α β: 
( ) y x EY
Y
X
x EX
X Y
= + = + − α β ρ
σ
σ
,
2
2

 
 
KLJUČNI POJMOVI: 
• SLUČAJNI DOGAĐAJI 
• VEROVATNOĆA 
• USLOVNA VEROVATNOĆA 
• NEZAVISNOST DOGAĐAJA 
• SLUČAJNA PROMENLJIVA 
• MATEMATIČKO OČEKIVANJE 
• DISPERZIJA 
 
 
 
 

 
‐ 199 ‐ 
VII ‐ GLAVA 
ELEMENTI STATISTIKE 
 
 
SADŽAJ OVOG POGLAVLJA JE: 
• OSNOVNI STATISTIČKI POJMOVI, POPULACIJA, OBELEŽJE I UZORAK  
• PRIKUPLJANJE I PRIKAZ PODATAKA  
• STATISTIČKA ANALIZA – MERE SREDNJIH VREDNOSTI, ODSTUPANJA I 
OBLIK  
• PROST SLUČAJNI UZORAK  
• INTERVALI POVERENJA 
• TESTIRANJE HIPOTEZA 
• POJAM TRENDA 
 
 
Cilj nam je da ovaj račun uvedemo preko: 
1. Upoznavanje studenata sa mogućnostima statističkih istraživanja i 
zaključivanja. 
2. Usvajanje osnovnih pojmova i definicija. 
3. Sagledavanje populacija preko uzoraka. 
4. Stastičko zaključivanje preko uzoraka. 
 
 
9.   UVOD U STATSITIKU 
 
Pod statistikom podrazumevamo:  
• deskriptivnu statistiku – prikupljanje, obrada i prikazivanje 
podataka; 
• statističku analizu – dobijanje numeričkih pokazatelja i donošenje 
odluka  o posmatranim masovnim pojavama i njihovim 
zakonitostima i karakteristikama; 
• statističku teoriju – razvoj novih statističkih metoda. 
Statistika se danas koristi u svim oblastima i delatnostima a statističke metode 
se u velikoj meri koriste u prirodnim i društvenim naukama.  
Možemo  reći  da  predmet  proučavanja  statistike  čine  pojave  koje  se  masovno 
ispoljavaju sa različitim intenzitetima u pojedinim individualnim slučajevima.  
Skup  svih  pojedinačnih  elemenata  koji  su  iste  vrste  ograničeni  na  nekom 
prostoru i u nekom vremenu čine statistički skup ili populaciju. Ovaj skup može 

 
‐ 200 ‐ 
biti  konačan  i  beskonačan  (prebrojiv  i  neprebrojiv).  Elementarne  jedinice 
(element  populacije)  mogu  biti  nosioci  jedne  ili  više  pojava  koje  se  zajedno 
posmatraju.  
Kvantitativne  (i  kvalitativne)  karakteristike  elementa  statističkog  skupa  (popu‐
lacije) zovemo obeležjima. Na istoj populaciji mogu se posmatrati jedno, dva ili 
više  obeležja.  Skoro  uvek  je  cilj  da  se  vidi  kako  su  obeležja  raspoređena  na 
datom  statističkom  skupu.  Očigledno  je  da  ovaj  cilj  nije  lako  ostvarljiv,  jer  je 
ponekad za to potrebno mnogo vremena, ponekad je to jako skupo a ponekad 
i nemoguće. Zato se u statistici za određivanje rasporeda pojedinog obeležja ne 
posmatra uvek cela populacija već najčešće samo jedan njen deo a onda se na 
tom  delu  populacije  napravi  odgovarajući  zaključak  pa  se  zatim  to  što  smo 
zaključili za ovaj deo populacje proglasi da važi za celu populaciju.  
Deo populacije koji se posmatra naziva se uzorak. Osnovni zadatak statistike je 
da na osnovu uzorka donese što je moguće tačniji sud o celoj populaciji. Ovde 
se  prirodno  postavlja  pitanje  da  li  je  takvo  zaključivanje  korektno?  U  statistici 
se smatra da jeste pod određenim uslovima: 
• da  je  uzorak  reprezentativan,  odnosno  da  su  svi  elementi  populacije 
imali podjednaku šansu da uđu u uzorak i da su u uzorku uzeti elementi 
na potpuno slučajan način.  
O načinu uzorkovanje će biti kasnije više reči.  
 
9.1. STATISTIČKO POSMATRANJE, PRIKUPLJANJE  
        I PRIKAZIVANJE PODATAKA 
 
 Kako je već rečeno na nekom statističkom skupu se uočava obeležje (obeležja) 
koje se posmatra i čiju strukturu želimo da upoznamo. Posmatranje statističkog 
skupa može biti potpuno ili delimično.  
Potpuno  posmatranje  statističkog  skupa  obuhvata  sve  elemente  statističkog 
skupa  u  datom  trenutku  (takav  je  na  primer  popis  stanovništva)  i  ovaj  vid 
posmatranja  se  naziva  statistički  popis.  U  potpuno  posmatranje  spada  i 
izveštajni  metod  koji  neprekidno  prati  neki  događaj  koji  se  odigrava  u  toku 
vremena.  
Delimično  statističko  posmatranje  je  najčešći  oblik  statističkog  posmatranja  i 
sprovodi  se  na  delu  populacije  koji  se  naziva  uzorak.  Uzorci  se  u  principu  dele 
na  slučajne  i  nepotpune  slučajne  uzorke.  Isto  tako  uzorci  se  dele  po  obimu  na 
velike (više od 30 jedinica) i male. 
U  bilo  kom  od  statističkih  posmatranja  mora  se  raditi  sa  jednoobraznim 
statističkim  upitnicima  koji  sadrže  jasna  i  nedvosmislena  pitanja  na  koja  se 
moraju dobijati odgovori, kratki, jasni, nedvosmisleni i svima razumljivi. Na ovaj 
način  se  eliminišu  ili  svode  na  najmanju  meru  greške  koje  su  redovan  pratilac 

 
‐ 201 ‐ 
statističkih  posmatranja,  a  kojih  može  biti  više  vrsta.  Zbog  mogućnosti 
nastajanja grešaka obično se izvodi i kontrola statističkog istraživanja. 
Dobijeni statistički materijal se dalje razvrstava (šifrira), prebrojava, klasifikuje i 
grupiše svaka jedinica obuhvaćena istraživanjem. Dalje se ovi grupisani podaci 
prezentiraju u obliku statističkih tabela i grafikona.  
Rezultati  statističke  obrade  podataka  po  obeležjima  i  po  vremenu  se  nazivaju 
statističkim  serijama.  One  se  prikazuju  tabelama  i  grafikonima.  Statističke 
tabele  su  skupovi  brojeva  raspoređenih  u  pravouganu  šemu.  Razlikujemo 
redove i kolone u tabeli.  
Kao krajnji donji red može biti zbirni red (zbir po kolonama) a kao krajnja desna 
kolona može biti zbirna kolona (zbir po vrstama). 
Grafički  prikaz  satističkih  podataka  može  biti  različit:  dijagrami  i  kartogrami. 
Dijagrami  grafički  predstavjaju  podatke  pomoću  tačaka,  linija,  površina, 
zapremina. Kartogrami izražavaju statističke podatke na geografskim kartama. 
 
 
9.2. O STATISTIČKIM SERIJAMA 
 
Onovne  vrste  statistikih  serija  su  serije  struktura  i  vremenske  serije.  Serije 
struktura se dele na numeričke i atributivne serije. 
Numeričke  serije  pokazuju  raspodelu  pojedinih  numeričkih  vrednosti  obeležja 
po broju elemenata statističkog skupa koji je posmatran (broj i frekvencija). 
Numerički podaci se mogu podeliti u nekoliko kategorija, prema tome kakve su 
skale  u  kojima  se  ti  podaci  dobijaju.  Tako  na  primer  podaci  o  broju  dece  u 
nekoj  porodici  su  diskretni  i  obavezno  celi  brojevi.  Podaci  o  visini  ljudi 
suneprekidnog  karaktera  (bez  obzira  što  ćemo  ih  mi  zbog  načina  merenja 
prikazivati  u  diskretnom  obliku).  Isto  tako  postoje  podaci  koji  se  mere  ali  u 
njihovoj  skali  merenja  nemamo  kao  karakterističnu  nultu  vrednost  već  je  ista 
dogovorno  odabrana  (primer  merenja  temperature  po  Celzijusovoj  i 
Farenhajtovoj  skali)  Pored  ovih  postoje  i  tako  zvani  racio  podaci  koji  imaju 
fiksiranu nultu poziciju, takav podatak je recimo novac ako na primer neko ima 
nula  dinara  onda  to  znači  da  on  nema  para.  Sa  ovim  podacima  se  može 
računati i mi ćemo se uglavnom u dajem baviti sa njima. 
Atributivne  serije  pokazuju  raspored  pojedinih  atributa  po  broju  elemenata 
populacije (atribut i frekvencija).  
Vremenske  serije  pokazuju  veličinu  pojave  u  vremenu.  Mogu  biti  momentne  i 
intervane.  Momentne  serije  prikazuju  stanje  pojave  u  nizu  uzastopnih 
momentnih  vremena.  Intervalne  serije  prikazuju  kretanje  pojave  u  nizu 
uzastopnih vremenskih intervala. 
Statistička  serija  obično  sadrži  apsolutne  brojeve  stanja  a  može  sadržati  i 
relativne brojeve, relativne frekvencije. 

 
‐ 202 ‐ 
Numeričke  serije  se  dele  na  numeričke  serije  sa  prostom  distribucijom 
frekvencije  (ovde  se  svakoj  vednosti  pridružuje  broj  njenih  pojavljivanja  – 
frekvencija) i na intervalne distribucije frekvencija (gde se numeričke vrednosti 
obeležja  poklapaju  intervalno,  to  jest  svakom  intervalu  se  pridružuje  broj 
pojavljivanja, frekvencija obeležja u tom intervalu).  
U  praksi  se  pitanje  broja  intervala  i  širine  inervala  određuje  pomoću 
Stardžesovog pravila: 
Broj intervala  K se određuje formulom  1 3, 3log K N = +  
gde  je  N  –  broj  posamtranih  jedinica,  a  širina  intervala  C   se  određuje  na 
sledeći način  
min max
X X
C
K
+
=  
gde je najveća vrednost obeležja u posmatranom skupu 
max
X  a
min
X          
najmanja vrednost obeležja. 
Klase u principu nisu razgraničene (imaju susedne jednu zajedničku tačku) to se 
primenjuje  pravilo  da  se  granična  (zajdenička)  tačka  pridružuje  klasi  u  kojoj  je 
njena najmanja vrednost.  
 
9.3. STATISTIČKE TABELE, POLIGONI I HISTOGRAMI 
 
Podaci  koji  se  prikupljaju  za  neko  obeležje,  bilo  da  su  iz  čitave  populacije  ili 
uzorka, moraju se srediti da bi njihova upotreba bila celishodna. 
 
Neka  neko  obeležje  uzima  vrednosti  x
1
,x
2
,...,x
k
  i  neka  je  pri  tome  x
1
<x
2
<...<x
k

Ukupan broj elemenata u ovom posmatranom skupu je N a neka se  x
1
,x
2
,...,x
k
 
redom  pojavljuju  f
1
,...f
k
  puta.  Brojevi  f
1
,...f
k
  se  zovu  frekvencije  vrednosti 
obeležja i pri tome je jasno da je 
 
f
1
+f
2
+...+f
k
=N. 
Brojevi 
f
N
r
f
N
r
k
k
1
1
= = ,...,   se  zovu  relativne  frekvencije  za  koje  očigledno  važi 
r
1
+...+r
k
=1. 
 
Ovi brojevi se najčešće daju u obliku sledeće tabele 
 
X  x
1
  x
2
  x
3
  . . .  x
k
  ∑
f
i
  f
1
  f
2
  f
3
  . . .  f
k
  N 
r
i
  r
1
  r
2
  r
3
  . . .  r
k
  1 
 

 
‐ 203 ‐ 
Ova tabela se zove statistička tabela. 
Ovi brojevi mogu biti dati i u Dekartovom koordinatnom sistemu ‐ na apscisnoj 
osi  se  daju  vrednosti  obeležja  a  na  ordinati  se  nanose  frekvencije.  Ako  se  pri 
tome susedne tačke spoje dobije se poligon raspodele učestanosti. 
Ako  je  broj  podataka  veliki  i  broj  vrednosti  obeležja  veliki,  tada  se  najčešće 
obeležja  posmatraju  u  klasama  i  frekvencije  se  posmatraju  na  intervalu=klasi, 
pa  kad  se  nacrta  u  Dekartovom  koordinatnom  sistemu  na  apscisnoj  osi  se 
nanesu klase a na ordinatnoj osi frekvencije, dobije se histogram učestanosti za 
datu raspodelu. 
 
Primeri sa rešenjima: 
1. 30 studenata je polagalo statistiku i dobijene ocene su date tabelom: 
 
X  5  6  7  8  9  10  ∑
f
i
  5  7  8  6  3  1  30 
r
i
  1/6  7/30  4/15  1/5  1/10  1/30  1 
 
sl. 43. 
 
2.  30  studenata  je  polagalo  pismeni  ispit  iz  matematike  i  dobijeni  su  sledeći 
bodovi: 
 
X  0‐44  45‐55  56‐68  69‐79  80‐90  91‐100 ∑ 
f
i
  5  7  9  6  2  1  30 
f
r
i
  5/30  7/30  9/30  6/30  2/30  1/30  1 

 
‐ 204 ‐ 
 
sl. 44. 
 
 
9.4. MERE 
 
Statističke  serije  opisane  u  prethodnom  delu  se  kao  što  smo  videli 
prikazuju  tabelarno  i  grafički.  Iz  ovih  pokazatelja  mi  možemo,  često  dobro 
uočiti  pravilnosti  koje  poseduju  posmatrane  pojave.  Da  bi  videli  detaljnije 
pojavu i njene zakonitosti koristimo: 
(1.)  mere centralne tendencie (srednje vrednosti) 
(2.)  mere odstupanja 
(3.)  mere oblika. 
 
Ove  se  vrednosti  pojavljuju  kao  pokazatelji  rasporeda  frekvencija  i  cele 
populacije  i  tada  ih  zovemo  parametri  populacije  a  u  slučaju  uzorka  statistika 
uzorka.  
 
9.4.1. Srednje vrednosti 
 
Srednje vrednosti možemo podeliti na dve grupe: računske srednje vrednosti i 
pozicione srednje vrednosti.  
Karakteristike računskih srednjih vrednosti su da na njihovu vrednost utiču sve 
elementarne jedinice da je veća od najmanje a manja od najveće elementarne 
jedinice, a ako su sve vrednosti iste onda je i ona ta ista vrednost.  
Postoje  brojne  srednje  vrednosti  koje  se  mogu  računati:  aritmetička  sredina, 
geometrijska  sredina,  harmonijska  sredina,  sredina  kvadrata,  sredina  kubova, 
.... Najčešće se posmatraju prve tri. 
Pozicione  srednje  vrednsti  se  ne  izražavaju  matematičkim  formulama  iz  svih 
vrednosti  posmatranih  elementarnih  jedinica,  već  se  određuju  iz  dela  istih 
prema svojoj poziciji u posmatranom skupu.  
Pozicione vrednosti su medijana i modus (mod). 

 
‐ 205 ‐ 
Sve  ove  srednje  vrednosti  imaju  svoju  ulogu  u  određenim  segmentima 
statističkih analiza. 
 
Aritmetička sredina 
 
Koriste se tri obrasca za izračunavanje aritmetičke sredine m: 
(1.)  Ako su
1
,....
n
x x  negrupisani podaci, tada je 
1 2
...
,
n
x x x
m
n
+ + +
=  
 ili skraćeno zapisujemo 
1
/
n
i
i
m x n
=
=

 
(2.)  Ako  su  podaci  grupisani  i  imamo  prostu  distribuciju  frekvencija  datu 
tabelom  
 
vrednosti 
1
x  
2
x   ... 
r
x  
frekvencije
1
f  
2
f   ... 
r
f  
 
tada je                        
1 1 2 2
1 2
...
...
r r
r
x f x f x f
m
f f f
⋅ + ⋅ + + ⋅
=
+ + +
 
ili skraćeno  zapisujemo          
1
1
r
i i
i
r
i
i
x f
m
f
=
=
=


 
Isto tako je očigledno da iz zadnjeg obrasca može se dobiti i sledeći obrazac 
1 1 2 2
1
...
r
r r i i
i
m x p x p x p x p
=
= ⋅ + ⋅ + + ⋅ =

 
gde su 
i
p  relativne vrednosti pojavljivanja vrednosti 
i
x   tj: 
1
i
i r
j
j
f
p
f
=
=

 
Napomenimo da se u literaturi sreće i naziv ponderisana aritmetička sredina za 
aritmetičku sredinu grupisanih podataka. 
(3.)  U slučaju intervalno prikazanih podataka datih tabelom: 
intervali 
1 2
[ , ) x x  
2 3
[ , ) x x   ...  [ ]
1
,
r r
x x

 
frekvencije
1
f  
2
f   ... 
1 r
f

 
 
 

 
‐ 206 ‐ 
aritmetička sredina se računa po obrascu  
1 1 2 2 1 1
1 2 1
...
...
S S Sr r
r
x f x f x f
m
f f f
− −

⋅ + ⋅ + + ⋅
=
+ + +
 
gde je x

=
x
i+1
+x
i
2
 , dakle sredina i‐tog intervala. 
 
Aritmetička  sredina  je  dobar  pokazatelj  za  veliki  broj  serija  koje  su  grupisane 
oko  te  srednje  vrednosti  i  koje  nisu  mnogo  simetrične.  Postoje  situacie  u 
kojima ta sredina može dati iskrivljenu sliku o seriji mada one nisu česte.  
 
Primer sa rešenjem 
 
3.  Naći aritmetičku sredinu za sledeće podatke 
(a) 2,2,3,2,4,6,6,2,3,5,4 
 
(b) 
i
x  
2 3 4 5 6
i
f  
1 3 8 9 2
 
(c) 
 
 
 
Po definiciju aritmetičke sredine imamo rešenje: 
(a) 
2 2 3 2 4 6 6 2 3 5 4 39
3, 545
11 11
m
+ + + + + + + + + +
= = =  
(b) 
1 1 2 2
1 2
...
...
r r
r
x f x f x f
m
f f f
⋅ + ⋅ + + ⋅
=
+ + +
=
2 1 3 3 4 8 5 9 6 2 106
1 3 8 9 2 23
⋅ + ⋅ + ⋅ + ⋅ + ⋅
=
+ + + +
 
(c) 
1 1 2 2 1 1
1 2 1
... 1 3 3 8 5 12 7 7 9 5 181
... 3 8 12 7 5 35
S S Sr r
r
x f x f x f
m
f f f
− −

⋅ + ⋅ + + ⋅ ⋅ + ⋅ + ⋅ + ⋅ + ⋅
= = =
+ + + + + + +
 
 
 
 
 
 
intervali  [0, 2)   [2, 4)   [4, 6)  
[6,8)  
[ ]
8,10  
frekvencije 3  8  12  7  5 

 
‐ 207 ‐ 
Geometrijska sredina 
 
Geometrijska  sredina  se  dobija  kao  n‐ti  koren  svih  n  vrednsti  obeležja  koje 
moraju biti veće od nule. Slično kao u prethodnom slučaju imamo tri obrasca: 
(1.)  Za proste negrupisane podatke geometrijska sredina G je  
1 2
...
N
N
G x x x = ⋅ ⋅ ⋅  
(2.)  Za grupisane podatke date tabelom  
i
x  
1
x  
2
x  
...
r
x  
i
f  
1
f  
2
f  
...
r
f  
1 1 2
1 2
...
r
i
i r
f
f f f
r
G x x x
=

= ⋅ ⋅ ⋅
 
 
(3.)  za intervalne date podatke  
intervali 
1 2
[ , ) x x  
2 3
[ , ) x x   ...  [ ]
1
,
r r
x x

 
frekvencije
1
f  
2
f   ... 
1 r
f

 
1 2 1 1
1
1 2 1
gde su ...
2
r
i
r i
f
f f f
i i
S S Sr Si
x x
G x x x x
− =
+


+
= ⋅ ⋅ ⋅ =
 
 
Inače  ove  vrednsoti  se  relativno  lako  računaju  logaritmovanjem  i 
izračunavanjem  log  G  pa  zatim  antilogaritmovanjem  dobijamo  vrednost  za  G. 
Na primer da to uradimo za prvi obrazac za negrupisane podatke (analogno se 
radi i za ostale):  
1 2
1
log (log log ... log ) 10
V
N
G x x x V G
N
= + + + = ⇒ =  
 
 
Primer sa rešenjem 
 
4.  Cena jednog proizvoda u toku jedne godine je povećana za 10%, sledeće za 
18%. Koliko je prosečno povećanje cena? 
 
Prosečno povećanje cena se računa preko geometrijske sredine 
1,10 1,18 1,13 G = ⋅ ≈  
dakle ono je 13% godišnje (a ne 14% što je aritmetička sredina povećanja)  
 

 
‐ 208 ‐ 
Odnos između geometrijske i aritmetičke sredine je 
G m ≤  
a jednakost je jedino u slučaju svih istih vrednosti.  
 
Harmonijska sredina 
Ova sredina izračunava se za vrednosti različite od nule. Koristi se kod obrnuto 
proporcionalnih  veličina.  Kao  u  prethodnim  slučajevima  imamo  tri  vrste 
obrazaca za harmonijsku sredinu H: 
 
(1.)   Za proste negrupisane podatke 
1 2
, ,...
n
x x x  
1 2 1
1 1 1
1
...
N
n i
i
n n
H
x x x
x
=
= =
+ + +

 
(2.)   Za grupisane podatke date tabelom  
1
x  
2
x  
...
r
x  
1
f  
2
f  
...
r
f  
 
1 1 2
1 2
1 1 2
...
...
r
i
i r
r
r
i
i r
i
f
f f f
H
f f f
f
x x x
x
=
=
+ + +
= =
+ + +


 
(3.)  Za intervalno date podatke tabelom 
 
intervali 
1 2
[ , ) x x  
2 3
[ , ) x x   ...  [ ]
1
,
r r
x x

 
frekvencije
1
f  
2
f   ... 
1 r
f

 
1 1 2 1
1 2 1
1 1 2 1
1
...
...

2
r
i
i r
r
r
i
i S S Sr
i
i i
Si
f
f f f
H
f f f
f
x x x
x
x x
gde je x
= −

= −
+
+ + +
= =
+ + +
+
=


 
Harmonijska sredina je manja ili jednaka od geometrijske to jest važi: 
H G m ≤ ≤  
(a jednakost je jedino ako su sve vrednosti iste) 
 

 
‐ 209 ‐ 
Primer sa rešenjem 
 
5.    Dva  radnika  rade  na  dve  iste  mašine  isti  proizvod.  Jedan  proizvod  naprave 
za 20 minuta, a drugi za 30 minuta. Koliki je prosek izrade proizvoda? 
 
Prosečno vreme ovde treba računati po harmonijskoj sredini 
2 2 120
24
1 1 5
5
20 30 60
H = = = =
+
 
dakle, prosečno vreme izrade je 24 minuta, a ne preko aritmetičke sredine 
20 30
25
2
m
+
= =  
Napomena: Za intervalno date podatke, vrednosti za aritmetičku, geometrijsku 
i  harmonijsku  sredinu  se  računaju  kao  da  su  sve  vrednosti  iz  datog  intervala 
jednake srednjoj vrednosti iz datog intervala! 
Odavde sledi da se primer (c) koji je dat posle aritmetičke sredine 
 
 
 
 
 
Praktično zamenjuje sa sledećim primerom za grupisane podatke 
 
i
x  
1 3 5  7 9
i
f  
3 8 12 7 5
 
 
Pozicione srednje vrednosti 
Ove vrednosti se određuju pozicijom, mestom vrednosti u seriji. 
 
Medijana 
Vrednost sredine serije podataka koje su poređane po veličini je medijana 
(1.) ako su podaci negrupisani i poređani po veličini 
1 2
...
n
x x x ≤ ≤ ≤  
onda je medijana      
1
neparan broj
e n
M x n
+
= −  
1
2 2
paran broj
2
n n
e
x x
M n
+
+
= −  
intervali  [0, 2)   [2, 4)   [4, 6)  
[6,8)  
[ ]
8,10  
frekvencije 3  8  12  7  5 

 
‐ 210 ‐ 
(2.) Prethodni  obrasci  važe  i  za  grupisane  podatke  s  tim  što  je  važno 
napomenuti da se za grupisane podatke za prostu distribuciju frekvencija 
medijana  određuje  kumulativna  frekvencija  (kumuliranjem  frekvencija 
’’ispod’’).  U  tom  kumulativu  odredi  se  broj  u  kome  se  sadrži 
2
m

Naspram 
2
m
 nalazi se vrednost medijane. 
(3.)   Ako je serija data u intervalnom obliku sasvim zadovojavajuća vrednost za 
medijanu(mada  se  može  raditi  i  drugačije)  se  dobija  kada  se  iz  intervalnog 
oblika  pređe  na  oblik  grupisanih  podataka  sa  sredinama  intervala  kao 
vrednostima  na  intervalu  i  onda  se  medijana  pronalazi  kao  u  predhodnom 
slučaju. 
 
Primeri sa rešenjima: 
 
6. Neko je brojao putnike (na šalteru za kartu na autobuskoj stanici u intervalu 
od jednog  minuta) i rezultati su dati tabelom: 
i
x   0  1  2  3  4  5  6  7  8 
i
f   150 300 250 120  60 30 20 10 2 
 
Naći medijanu. Tabela kumulativne frekvencije je: 
i
x  
i
f   Kumulativne frekvencije
0  150 150 
1  300 450 
2  250 700 
3  120 820 
4  60  880 
5  30  910 
6  20  930 
7  10  940 
8  2  922 
150 300 250 120 60 30 20 10 2 942
i
f = + + + + + + + + =

 
paran broj to je  
942 942
1
471 472 2 2
2 2
2
2 2 2
e
x x
x x
M
+
+
+ +
= = = =  
jer se i 471 i 472 član nalazi među 250 dvojki (nula ima 150, jedinica 300).  

 
‐ 211 ‐ 
7. Neka je dat intervalni raspored serije  
intervali  [0, 2)   [2, 4)   [4, 6)   [6,8)   [8,10)   [10,12)   [12,14] 
frekvencije  5  10  18  30  17  8  6 
 
Ovaj intervalni raspored se prebacuje  u običan raspored sa sredinama i dobija 
se sledeća tabela 
i
x   1 3  5  7  9  11 13 
i
f   5 10 18 30 17 8  6 
A odavde se lako vidi da  je medijana jednaka 7. 
 
 
Modus (mod) 
Mod  je  vrednost  u  seriji  koji  ima  najveću  frekvenciju.  Serija  može  imati  samo 
jedan mod unomodalna, ili može imati više modova polimodalna. Za intervalne 
distribucije  frekvencije  prvo  se  odredi  grupisani  oblik  sa  sredinama  intervala 
umesto intervala, pa se odredi vrednost (vrednosti) sa najvećom frekvencijom: 
 
Primer sa rešenjem 
 
8.  Odrediti mod za prethodni primer. 
Očigledno  je  interval  sa  najvećom  frekvencijom  [6,8) dakle  imamo  da  njegova 
srednja vrednost ima najveću frekvenciju u grupisanom obliku sa sredinama pa 
je mod jednak 7. 
 
   
9.4.2. Mere odstupanja i centralni momenti 
 
Ove  mere  su  mere  odstupanja  među  članovima  serije,  ili  kako  se  to  još  češće 
naziva  mere  varijabiliteta.  Možemo  ih  podeliti  na  pozicione  mere  varijacije  i 
računske  mere.  Od  pozicionih  ćemo  posmatrati  razmak  varijacije  a  od 
računskih  ćemo  posmatrati  srednje  apsolutno  odstupanje,  srednje  kvadratno 
odstupanje (varijansa) i disperziju.  
Ove  mere  spadaju  u  apsolutne  mere  odstupanja.  Koriste  se  i  relativne  mere 
(vrednost  obeležja  iskazuje  se  u  relativnim  brojevima)  odstupanja  koje  su 
pogodne u nekim situacijama. 
Razmak varijacije R se definiše kao razlika između maksimalne i minimalne 
vrednosti u seriji dakle 
max min
R x x = −  

 
‐ 212 ‐ 
Srednje apsolutno odstupanje se definiše za negrupisane podatke 
1
,...
n
x x
formulom 
1
1
n
AO i
i
S x m
n
=
= −

 
a za grupisane podatke (analogno i za intervalne podateke,) 
i
x  
1
x  
2
x  
...
r
x  
i
f  
1
f  
2
f  
...
r
f  
 
Formulom                      
1
1
1
1
r
AO i i r
i
S f x m
f
=
= ⋅ −


 
U statitici za mere odstupanja od aritmetičke sredine koristi srednje kvadratno 
odstupanje: 
Za negrupisane podatke 
1
,...
n
x x
( )
2
2
1
1
n
n
i
S x m
n
= −

  
ili 
2
2 2
1
1
n
n
i
S x m
n
= −

  
Za grupisane podatke: 
i
x  
1
x  
2
x  
...
r
x  
i
f  
1
f  
2
f  
...
r
f  
( )
2
2 2
2
2 2
1 1
1 1
1 1
ili
m
n n
i i i i r n
i
i i
i i
S f x m S f x m
f f
=
= =
= − = −
∑ ∑
∑ ∑
 
(Za  inervalne  podatke  se  koristi  isti  obrazac  samo  umesto 
i
x se  uzima  sredina 
intervala 
Si
x ). 
Srednje  kvadratno  odstupanje  se  obeležava  sa 
2
σ   i  zove  se  još  i  varijansa  a 
kvadratni  koren  iz  srednjeg  kvardatnog  odstupanja  σ   i  zove  se  standardana 
deviacija. Inače izrazi za računanje srednjeg kvadratnog odstupanja zovu se još 
i centralni momenti drugog reda. U statistici se koriste još i centralni momenti 
reda 1,2,3,4, a koji se definišu izrazima: 
1
1
( ) 1, 2,...
n
k
k i
i
M x m k
n
=
= − =

 za negrupisane podatke, 
1
,...
n
x x , 
odnosno za grupisane podatke 
i
x  
1
x  
2
x  
...
r
x  
i
f  
1
f  
2
f  
...
r
f  

 
‐ 213 ‐ 
Formulom  ( )
2
1
1
1

k
k i i r
i
i
M f x m
f
=
= −


u  statistici  se  definišu  i  obični 
momenti
1
1

n
k
k i
m x
n
=

za  negrupisane  podatke 
1
,...
n
x x odnosno 
1
1
1
n
k
k i i n
i
i
i
m f x
f
=
=
= ⋅


za grupisane podatke  
i
x  
1
x  
2
x  
...
r
x  
i
f  
1
f  
2
f  
...
r
f  
 
(očigleno je ako je    0,
k k
m M m = = ) 
Srednje kvadratno odstupanje se dobija i iz formule 
2
2
2 1
S m m = −  
 
Kao  relativna  mera  varijacije  (koja  je  ponekad  značajna)  koristi  se  količnik 
srednjeg kvadratnog odstupanja i kvadrata aritmetičke sredine 
2
2
2
2 2
S
V
m m
σ
= =   ili što je još češće V
m
σ
=  
koji  je  relativan  broj  i  zove  se  koeficijent  varijacije  i  ponekad  se  izražava  u  %  ( 
ima smisla jedino ako je 0 m ≠ ).  
 
 
9.4.3. Mere oblika 
 
Kao  mere  oblika  koriste  se  momenti  trećeg  i  četvrtog  reda  i  njihovi  odnosi  sa 
3
σ i 
4
σ  . Dakle asimetrija se meri koeficijentom: 
3
3 1
3
3 3
1
( )
r
i i
f x m
M
n
α
σ σ

= =

 
 
a spljoštenost se meri koeficijentom: 
4
4 1
4
4 4
1
( )
r
i i
f x m
M
n
α
σ σ

= =

 

 
‐ 214 ‐ 
Ako je 
3
0 α =  raspored je simetričan;  
  
3
0 α >  imamo asimetriju u desno;  
  
3
0 α < , imamo asimetriju u levo.  
Što je vrednost 
3
α  veća (po apsolutnoj vrednosti) to je asimetrija veća. Smatra 
se da je asimetrija umerena ako je 
3
2 2 α − < < .  
Što se koeficijenta 
4
α  tiče smatra se da je raspored normalan ako je
4
3 α = ;  
Ako je 
4
3 α >  to je veća koncentracija vrednsti oko aritmetičke sredine;  
4
3 α <  to su vrednosti razbacanije oko aritmetičke sredine nego 
              što je to slučaj kod normalnog rasporeda. 
 
 
9.5. IZBOR SLUČAJNOG PROSTOG UZORKA 
   
Ako je data jedna populacija, nju možemo shvatiti kao skup mogućih ishoda pri 
nekom  eksperimentu  Ω,  a  njeni  elementi  su  tada  "elementarni  događaji"  ω. 
Kada  se  svakom  elementu  populacije  pridruži  broj,  tj.  njegovo  obeležje,  to 
obeležje je jedna slučajna promenljiva X=X(ω), ω∈Ω. Ako izaberemo slučajno n 
elemenata  populacije  ω
1
,...,ω
n
,  mi  dobijamo  jednu  slučajnu  n‐dimenzionalnu 
promenljivu 
(X(ω
1
),...X(ω
n
)) 
koju možemo označiti i sa (X
1
,...,X
n
). Ova n‐dimenzionalna slučajna promenljiva 
se  zove  slučajni  uzorak  obima  n.  Ako  sve  promenljive  X
1
,...,X
n
  imaju  istu 
raspodelu  kao  i  obeležje  X  na  celoj  populaciji,  tada  se  ovaj  slučajni  uzorak 
naziva prost ili samo uzorak. 
Ovde će biti data jedna konkretna tehnika za dobijanje prostog uzorka koji nam 
omogućava  da  imamo  poverenje  u  njega  ‐  da  je  reprezentativan 
(reprezentativnost  uzorka  se  manifestuje  tako  što  je  postupak  njegovog 
dobijanja nezavisan od obeležja koje posmatramo): 
• Elemente  populacije,  kojih  ima  N,  numerišemo  brojevima  0,1,...,N‐
1. 
• Sa slučajno uzetog mesta  u tablici slučajnih brojeva očitamo redom 
n brojeva od 0 ‐ N‐1, s' tim što nema ponavljanja brojeva 
• već uzeti broj ne uzimamo ponovo. 
 
Uzmemo  vrednosti  "izabranih"  n  elemenata  populacije  i  to  je  prost  slučajni 
uzorak (x
1
,...,x
n
) od n‐elemenata. 
Važno pitanje vezano za uzorak je i njegov obim. 

 
‐ 215 ‐ 
Odgovor na ovo pitanje je veoma važan jer premali uzorak će dati "lošu" ocenu 
a  preveliki  uzorak  može  biti  skup,  a  takođe  nam  oduzima  i  vreme.  U  svakoj 
konkretnoj  situaciji  u  zavisnosti  od  željene  tačnosti  ocene  može  se  dobiti 
veličina traženog uzorka. To ocejnivanje prevazilazi obim ovog kursa. 
 
9.6. OCENE PARAMETARA 
   
Osnovni  problem  statistike  je  da  na  osnovu  uzorka  (X
1
,...,X
n
)  zaključi  kakva  je 
raspodela obeležja X:(p(t
i
)), i=1,2,..., odnosno ϕ(x)           ‐∞<x<+∞. 
Ako  još  na  osnovu  nekih  drugih  razmatranja  znamo  da  obeležje  ima  neki 
određeni  tip  raspodele  (a  to  je  često  slučaj),  tada  treba  samo  odrediti 
parametre te raspodele. 
Opišimo u kratkim crtama taj problem: 
Treba  odrediti  nepoznati  parametar  θ  obeležja  X.  Za  uzorak  (X
1
,...,X
n
)  biramo 
statistiku 
θ
n
=f(X
1
,...,X
n

pomoću koga ocenjujemo parametar θ. 
Naravno,  (X
1
,...,X
n
)  je  n‐dimenzionalna  slučajna  promenljiva  a  kada  uzmemo 
uzorak (x
1
,...,x
n
) mi iz uzorka dobijemo broj 
 
v
n
=f(x
1
,...,x
n

 
u  koji  možemo  imati  veće  ili  manje  poverenje.  Ovako  dobijena  vrednost  zove 
se još i tačkasta ocena parametra θ. 
U matematičkoj statistici postoji razrađena teorija kako izabrati statistiku θ
n
 da 
bi "poverenje" u ocenu parametra θ bilo što veće. 
Obično  se  zahteva  da  ocena  θ
n
  parametra  θ  bude  "centrirana",  tj.  da  naša 
funkcija ima osobinu da je 
E(θ
n
)=θ. 
Pri tome se od dve centrirane ocene θ
n
1
 i θ
n
2
  parametra θ smatra boljom ona 
čija je disperzija manja. 
Naravno,  određivanje  statistika  koje  najbolje  ocenjuju  nepoznate  parametre 
prevazilazi okvir ovog kursa i time se ovde nećemo baviti. 
 
9.7. INTERVALI POVERENJA 
   
Ako  treba  oceniti  nepoznati  parametar  θ  zadatak  se  može  i  ovako  postaviti: 
Naći vrednosti θ
1
 i θ
2
 tako da je 
 
P{θ
1

2
}=1 i P{θ
1
<θ<θ
2
}=β. 

 
‐ 216 ‐ 
Naravno,  θ
1
  i  θ
2
  se  dobijaju  kao  statistike  iz  uzorka  x
1
,...,x

a
 
β  je  zadata 
verovatnoća.  Interval  [θ
1

2
]  se  zove  interval  poverenja  a  β  se  zove  nivo 
poverenja. Obično se želi da interval bude manji a β što veće (oprečni zahtevi). 
Izlaz se traži u povećanju obima uzorka. Kada se uzorak uzme tada se dobijaju 
brojevi  v
1
  i  v
2
  i  naš  interval  postaje  određeni  interval  [v
1
,v
2
].  Naš  parametar  θ 
"upada"  ili  ne  u  ovaj  interval  a  β  ne  treba  shvatiti  kao  verovatnoću  da  će  se  θ 
naći u tom intervalu, već β treba shvatiti da ako napravimo više uzoraka tada u 
približno 100β% ovaj interval prekriva parametar θ. 
Interval poverenja za nepoznatu verovatnoću p: Kod elemenata populacije se 
događaj  A  realizuje  sa  nepoznatom  verovatnoćom  P(A)=p.  U  uzorku  od  n 
elemenata broj realizacija događaja A je slučajna promenljiva S
n
 sa binomnom 
raspodelom.  Pri  tome  na  osnovu  centralne  granične  teoreme 
n
S np
npq

  ima 
približno normalnu raspodelu  N(0,1), odakle je 
( )
1
n
S np
P Z
np p
β
β
⎧ ⎫
− ⎪ ⎪
≤ =
⎨ ⎬

⎪ ⎪
⎩ ⎭
 
 
pa  sledi  da  je  interval  poverenja  za  nepoznatu  verovatnoću  p  interval  između 
manjeg i većeg rešenja jednačine po p: 
( ) ( )
2 2 2 2 2
2 0
n n
n n z p n S n z p S
β β
+ ⋅ − ⋅ + ⋅ + =  
S
n
 ‐ broj "povoljnih" događaja za nepoznatu verovatnoću od n mogućih 
z
β
 ‐ broj dobijen iz tablice za normalnu raspodelu takav da je 
( ) φ
β
β
z =
2

Taj interval je 
( ) ( )
2 2 2 2
2 2 2 2
,
2 4 2 4
n n n n
n n
z z z z S n S S n S
S S n n
z z
n z n n n n n z n n n n
β β β β
β β
β β
⎡ ⎤
⎛ ⎞ ⎛ ⎞
− −
⎢ ⎥ ⎜ ⎟ ⎜ ⎟
+ − + + + +
⎜ ⎟ ⎜ ⎟ + + ⎢ ⎥
⎝ ⎠ ⎝ ⎠
⎣ ⎦
 
Naravno,  kad  se  uzme  uzorak  dobijaju  se  dva  broja  koji  ne  moraju  obavezno 
biti u [0,1] mada je verovatnoća sigurno u intervalu [0,1]. 
 
Primer sa rešenjem 
 
9.  U jednom pogonu proizvedeno je u toku jednog radnog dana 80 proizvoda i 
nađeno je da su 4 od njih defektna. Naći 95% interval poverenja za nepoznatu 
verovatnoću p=P{proizvod je defektan}. 
 

 
‐ 217 ‐ 
U ovom slučaju n=80 a S
n
=4. z
β
 dobijamo iz tablice: Nalazimo 
β
2
0 95
2
0 475 = =
,
,    
( )
φ
β β
z = ⇒ = 0 475 196 , , z  (U tablici nalazimo broj 47500 levo je 1,9 iznad je 
6, dakle z
β
=1,96 i postavljamo jednačinu 
 
(80
2
+80⋅1,96)p
2
‐(2⋅80⋅4+80⋅1,96
2
)p+16=0, odnosno 0,0196≤p≤0,1216 
 
 
  Interval  poverenja  za  matematičko  očekivanje  m  u  slučaju  poznate 
disperzije σ
2

,
n n
m x z x z
n n
β β
σ σ ⎡ ⎤
∈ − +
⎢ ⎥
⎣ ⎦
 
gde je: 
( ) z z
β β
φ
β
: =
2
,  x
n
 ‐ sredina uzorka. 
 
Primer sa rešenjem: 
 
10. Pretpostavimo da je disperzija  σ
2
4 =  pri proizvodnji jedne vrste proizvoda 
u  njihovoj  težini.  Ako  je  iz  jedne  serije  uzet  uzorak                            n=200  komada  i 
nađeno da je prosečna težina u tom uzorku  X
200
2 1 = , kg odrediti: 
a) 98% interval poverenja za težinu proizvoda; 
b) 90% interval poverenja za težinu proizvoda. 
 
a) Ovde je n=200   X
n
= 2 1 , . 
z
β
  određujemo  iz  tablice   
( )
β
β
2
0 49000 = , = 0,98 .  U  tablici  imamo  da  je 
z
0,48983
=2,32 i z
0,49010
=2,33 a nama treba broj z
0,49000
. Taj broj dobijamo iz sledeće 
proporcije: 
0,00027:0,01=0,00017:x, 
 
odakle  je  x =


0 00017 0 01
0 00027
0 06
, ,
,
, ,  pa  je  z
β
=2,32+0,006=2,326  i  kada  ove 
vrednosti uvrstimo u obrazac dobijamo interval poverenja 
 
m∈(1,77;2,43). 
b) Interval iznosi (1,87;2,33). 

 
‐ 218 ‐ 
Napomena:  Dužina  intervala  poverenja,  koja  iznosi  2z
n
β
σ
,  nije  slučajna 
veličina  već  je  sve  manja  sa  povećanjem  obima  uzorka  n,  a  naravno  ona  se 
smanjuje ako nivo poverenja β smanjujemo. 
Interval  poverenja  za  matematičko  očekivanje  m  kad  disperzija  σ
2
  nije 
poznata: 
1;1 1;1
,
1 1
n n
n n n n
S S
m x t x t
n n
β β − − − −
⎡ ⎤
∈ − +
⎢ ⎥
− −
⎣ ⎦

 
Primeri sa rešenjima: 
 
11.  Meteorološka  stanica  je  u  desetogodišnjem  praćenju  ustanovila  da  su  na 
jednom  planinskom  mestu  godišnje  visine  snežnog  pokrivača  iznosile:  0,90; 
1,10; 1,20; 1,05; 1,30; 0,85; 1,15; 1,00; 0,95; 1,25. 
  Odrediti 90% interval poverenja za E(X)=m. 
Ovde je n=10, β=0,9 pa iz tablice V čitamo broj t
9;0,10
=1,833. Određujemo  
( )
10
10
1
0, 90 1,1 1, 2 1, 05 1, 3 0, 85 1,15 1, 00 0, 95 1, 25
10
1, 075
x
x
= + + + + + + + + +
=
 
zatim određujemo 
( )
10
2
2 2 2 2 2
10 10
1
1 1
0, 90 1,1 . . . 1, 25 1, 085625 0, 090625
10 10
k
k
x x σ
=
= − = + + + − =

 
Dakle, 90% interval poverenja je 
 
0, 090625 0, 090625
1, 075 1, 833 , 1, 075 1, 833
9 9
m
⎡ ⎤
∈ − ⋅ + ⋅
⎢ ⎥
⎣ ⎦

odnosno približno 
[ ]
m∈ 0 8911 , , 1,2789 . 
 
  Interval poverenja za nepoznatu disperziju σ
2

 
  ‐ jednostrani 
0
2
1
2
,
;

n S
n










χ
β n
 
  ‐ dvostrani 

 
‐ 219 ‐ 
n S n S
n
n
n
n
⋅ ⋅













+
2
1
1
2
2
1
1
2
χ χ
β β
; ;
, . 
 
12. Neka obeležje X ima normalnu raspodelu N(m,σ
2
). Uzorak obima n=16 daje 
sledeće rezultate 
x
k
k=

=
1
16
36  i   x
k
k
2
1
16
96 5
=

= , . 
Naći dvostrani i jednostrani interval poverenja za σ
2
 za β=90%. 
U oba slučaja treba prvo naći 
x
16
36
16
2 25 = = ,   i   S x x
k
k
16
2
2
1
16
16
2 1
16
1
16
96 5 5 025 100625 = − = − =
=

, , ,  
 
Iz tablice nalazimo 
χ
15 0 90
2
8 547
; ,
, =  
 
i 90% jednostrani interval poverenja je 
 
[ ]
0
8 547
0 ,
,
,
16 1,00625
1,8837
⋅ ⎡







Isto tako iz tabele nalazimo 
χ χ
15
1 0 9
2
2
15 0 05
2
24 996
;
, ; ,
,

= =   i   χ χ
15
1 0 9
2
2
15 0 95
2
7 697
;
, ; ,
,
+
= =  
i imamo 90% dvostrani interval poverenja 
[ ]
16 100625
24 996
16 100625
7 667
0 64412 200
⋅ ⋅ ⎡






,
,
;
,
,
, ; , . 
 
 
Napomena  1:  Vrednost  χ
15 0 95
2
; ,
  je  dobijena  "linearnom  ekstrapolacijom". 
Naime, u tablici imamo vrednosti 
2 2
15;0,80 15;0,90
10, 307 8, 547 i χ χ = =  
Kako  treba  dobiti  χ
15 0 95
2
; ,
  rezultat  dobijamo  koristeći  se  slikom  45  i 
računamo: 
10 307 8 547
10
0 176
, ,
,

=  
χ χ
15 0 95
2
15 0 90
2
5 0 176 8 547 0 880 7 667
; , ; ,
, , , , = − ⋅ = − = . 

 
‐ 220 ‐ 
 
Napomena  2:  Obim  uzorka  n  se  određuje  tako  što  se  unapred  zada  veličina 
intervala  poverenja  a  izvrši  se  procena  vrednosti  nepoznatih  statistika  i 
parametara koji se u dužini intervala nalaze. 
 
 
sl. 45. 
 
 
 
9.8. TESTIRANJE STATISTIČKIH HIPOTEZA 
   
Rešavanje  osnovnog  problema  statistike  ‐  kakva  je  raspodela  populacije  na 
osnovu  uzorka  za  neko  obeležje  se  često  vrši  tako  što  se  pretpostavi  da 
obeležje  ima  neku  raspodelu  i  ta  pretpostavka  se  zove  statistička  hipoteza. 
Postupak  verifikacije  neke  statističke  hipoteze  se  zove  statistički  test.  Dakle, 
uzorak  obima  n  je  u  principu  jedna  n‐dimenzionalna  slučajna  promenljiva 
(X
1
,...,X
n
). Funkcija 
θ
n
=f(X
1
,...,X
n

kojom  ocenjujemo  parametar  θ  se  naziva  statistika.  Ako  se  pretpostavka 
(hipoteza) odnosi na parametre raspodele, onda se test zove parametarski a u 
suprotnom neparametarski. 
Pri  testiranju  hipoteze  važno  je  ustanoviti  postupak,  odnosno  kriterijum  na 
osnovu  koga  ćemo  na  osnovu  uzorka  istu  prihvatiti  ili  odbaciti.  U  tom  smislu 
hipoteze je pogodno ovako klasifikovati:  
Ako hipoteza određuje u potpunosti neku raspodelu onda se ona naziva prosta 
a u protivnom se naziva složena. 
Obično  se  testira  jedna  prosta  hipoteza  H
0
  koja  se  još  zove  i  nulta  hipoteza. 
Suprotna hipoteza H
1
 nultoj hipotezi H
0
 se zove još i alternativna hipoteza koja 
može  biti  i  prosta  i  složena.  Pri  tome  mi  možemo  ovde  napraviti  dve  vrste 
grešaka: greška prvog tipa je da odbacimo H
0
 ako je ona faktički tačna i greška 
drugog  tipa  je  prihvatanje  H
0
  ako  ona  nije  tačna.  Naravno,  cilj  je  uvek 
minimiziranje  verovatnoća  ovih  grešaka  ali  se  time  ovde  ne  bavimo,  ali 
konstatujmo  da  se  uvećanjem  obima  uzorka  ove  verovatnoće  po  pravilu 
smanjuju. 

 
‐ 221 ‐ 
U okviru ovog kursa ćemo se baviti jedino testiranjem hipoteza o raspodelama 
statističkih podataka odnosno vršićemo proveru da li je dato obeležje u okviru 
nekog statističkog skupa raspoređenom po odrđenom zakonu. 
 
9.9. PIRSONOV  
χ
2
 TEST 
   
Ovaj  test  spada  u  klasu  tzv.  neparametarskih  testova  i  služi  za  proveru  nulte 
hipoteze 
• H
0
: obeležje X ima jednu potpuno određenu raspodelu (p(x
i
), i=1,2,... ili 
ϕ(x),  ‐∞<x<+∞  u  zavisnosti  od  tipa  slučajne  promenljive  X),  protiv 
alternativne hipoteze 
• H
1
: obeležje X nema tu raspodelu. 
Za uzorak se ovde zahteva da ima obim n≥50. Test ćemo izložiti po koracima: 
Skup  brojeva  R,  gde  X  može  imati  n  vrednosti,  delimo  na  r  (r≥2)  disjunktnih 
podskupova  S
1
,...,S
r
.  Pretpostavljajući  da  je  H
0
  tačna  izračunamo  koliko  će 
teorijski od n vrednosti (x
1
,...,x
n
) "pasti" u svaki od podskupova S
i
 (biće ih M
i
) sa 
verovatnoćama  ( ) p P X S
i H i
= ∈
0
,  i=1,...,r  i  E(M
i
)=np
i
.  Iz  uzorka  (x
1
,...,x
n

konstatujemo koliko se članova nalazi u svakom od S
i
 i te brojeve označimo sa 
m
1
,m
2
,...,m
r
  (m
1
+m
2
+...+m
r
=n). Pri tome je očigledno statistika 
( ) M np
np
k k
k
k
n

=

2
1
 
 
χ
2
  statistika  sa  r‐1  stepeni  slobode  koja  za  date  brojeve  m
i
  ima  određenu 
vrednost: 
( )
χ
r
i i
i
k
r
m np
np

=
=


1
2
2
1

Za zadati prag značajnosti α određujemo iz tablica broj χ
α r−1;
2
 i upoređujemo ga 
sa "našim" brojem  χ
r−1
2

ako je χ χ
α r r − −
<
1
2
1;
2
 ne odbacujemo hipotezu H
0
 
ako je χ χ
α r r − −

1
2
1;
2
 onda H
0
 odbacujemo. 
 
Ovde je važno napomenuti: 
1) da prilikom podele skupa R
X
 na disjunktne skupove treba voditi računa da u 
svakom  S
i
  iz  uzetog  uzorka  bude  najmanje  5  članova  (tj.  m
i
≥5,  i=1,...,r),  s' 
tim što eventualno neki od krajnjih intervala ne moraju imati ovo svojstvo. 

 
‐ 222 ‐ 
2) Ako  smo  iz  uzetog  uzorka  (x
1
,...,x
n
)  za  našu  raspodelu  izračunali  (ocenili)  s 
parametara, tada broj stepeni slobode u χ
2
‐raspodeli iznosi  r‐s‐1. 
3) Ako  je  r‐s‐1>30  tada  ocenu  broja  χ
α r s − −1;
2
  vršimo  iz  tablice  za  normalnu 
raspodelu  (imajući  u  vidu  da  za  n>30  i  χ
2
‐raspodela  aproksimira  sa 
normalnom raspodelom  N(n,2n). 
 
Primeri sa rešenjima: 
 
19.  Registrovan  je  broj  ljudi  pred  šalterom  pošte  u  jednakim  vremenskim 
razmacima 
 
x
i
 broj ljudi  0  1  2  3  4  5  6  7 
n
i
 broj intervala  120  160  125  60  30  10  4  1 
 
Koristeći  Pirsonov  χ
2
  test  ispitati  da  li  je  ovo  Puasonova  raspodela  pri  nivou 
značajnosti 5%. 
n=510 
 
λ =
+ + + + + +
= ≈
160 250 180 120 50 24 7
510
791
510
15 ,  
 
Iz tablice 1 za λ=1,5 nalazimo verovatnoće 
 
p
1
≅0,2515  np
1
≅130,9 
p
2
≅0,3193  np
2
≅163,8 
p
3
≅0,2273  np
3
≅115,9 
p
4
≅0,1209  np
4
≅62,8 
p
5
≅0,0528  np
5
≅26,9 
p
6
≅0,0196  np
6
≅10,0 
p
7
≅0,0086  np
7
≅4,4 
 
χ
2
2 2 2 2 2 2
10 9
130 9
38
162 8
9 1
1159
2 8
62 8
31
26 9
0 6
4 4
0 9 0 1 0 7 0 15 0 30 0 08 2 23 9 48
= + + + + + ≅
≅ + + + + + ≅ <
,
,
,
,
,
,
,
,
,
,
,
,
, , , , , , , ,
 
 
znači nemamo razloga da odbacimo hipotezu. 

 
‐ 223 ‐ 
 
20. Data je tablica sa statističkim podacima: 
 
I  (0,3)  (3,6) (6,9) (9,12) (12,15) (15,18) (18,21) (21,24) (24,27) (27,30) 
n
x
  1  3  4  6  11  10  7  5  2  1 
 
Proračunati Pirsonovim χ
2
 testom da li je ova raspodela normalna. 
n=50 (n=∑n
x
). Tabela sa sredinama ima obik (srednju vrednost uzimamo 
kao predstavnika intervala): 
 
X  1,5  4,5  7,5  10,5  13,5  16,5  19,5  22,5  25,5  28,5 
w
n
n
x
x
=
 
0,02 0,06 0,08 0,12  0,22  0,2  0,14  0,1  0,04  0,02 
 
Radi lakšeg računa izvršimo zamenu promenljive po formuli X=3T‐1,5, odnosno 
T
X
=
+ 15
3
,
 i zapišimo raspodelu za T i T
2

 
T  1  2  3  4  5  6  7  8  9  10 
w
T
  0,02 0,06 0,08 0,12 0,22  0,2 0,14 0,1 0,04 0,02 
 
T
2
  1  4  9  16  25  36  49  64  81  100 
w
T
2
 
0,02 0,06 0,08 0,12 0,22 0,2 0,14 0,1 0,04 0,02 
i računajmo 
 
E(T)=1⋅0,02+2⋅0,06+ . . . +10⋅0,02=5,5 
 
E(T
2
)=1⋅0,02+4⋅0,06+ . . . +100⋅0,02=34,1 
 
Dakle 
 
E(X)=3E(T)‐1,5=15 
 
σ
2
(X)=9σ
2
(T)=9(E(T
2
)‐(E(T))
2
)=9⋅(34,1‐5,5
2
)=9⋅(34,1‐30,25)=9⋅3,85 
 
( ) σ X = ⋅ ≅ 9 3 85 5 9 , ,  
 
Sada tražimo pripadajuće teorijske verovatnoće: 

 
‐ 224 ‐ 
( )
( ) ( ) ( ) ( )
p P X P
X
P
X
1
3
15
59
3 15
59
15
59
2 03
2 03 2 03 0 5 0 47726 0 02
= −∞ < < = −∞ <

<
− ⎛





= −∞ <

< −






=
− − −∞ = − + +∞ = − ≈
, , ,
,
, , , , , = Φ Φ Φ Φ
 
( )
( ) ( ) ( ) ( )
p P X P
X
P
X
2
3 6
3 15
59
15
59
6 15
59
2 03
15
59
1186
2 03 2 03 1186 0 04
= < < =

<

<
− ⎛





= − <

< −






=
− − = − ≈
, , ,
,
,
,
, , , , = -1,186 Φ Φ Φ Φ
 
p
3
0 09 ≈ ,     p
4
0 15 ≈ ,     p
5
0 20 ≈ ,     p
6
0 20 ≈ ,  
 
p
7
0 15 ≈ ,     p
8
0 09 ≈ ,     p
9
0 04 ≈ ,     p
10
0 02 ≈ ,  
 
Sada tražimo teorijske vrednosti: 
 
np
1
=50⋅0,02=1     np
2
=2     np
3
=4,5     np
4
=7,5     np
5
=10 
 
np
6
=10     np
7
=7,5     np
8
=4,5     np
9
=2     np
10
=1      
 
  Prva  dva  razreda  i  poslednja  dva  razreda  spajamo  u  po  jedan  razred  i 
dobijamo 
 
( )
χ
2
2
1
8
2 2 2 2 2 2
1
3
0 5
4 5
15
7 5
1
10
0
10
0 5
7 5
0 5
4 5
0
3
0 875 =

= + + + + + + + =
=

m np
np
i i
i i
,
,
,
,
,
,
,
,
,  
Iz tablice za χ
2
 raspodelu čitamo 
χ
8 2 1 0 05
2
14 067
− −
=
; ,
,  
i kako je 0,875<14,067 nemamo razloga da odbacimo hipotezu. 
 
 
9.10. METOD NAJMANJIH KVADRATA 
 
Pretpostavimo da imamo neku zakonitost 
y=f(x, a
0
, ..., a
m
)   (1) 
koja  daje  vezu  zavisne  promenljive  y,  nezavisne  promenjive  x,  preko  m+1 
parametara  a
0
,a
1
,...,a
m
  za  koje  znamo  da  su  konstantni,  ali  koji  nam  nisu 
poznati.  Pretpostavimo  takođe  da  možemo  dobiti  veličine  x  i  y  (na  primer 
merenjem), a da vrednosti parametara nije moguće dobiti na isti način. Dakle, 
među  veličinama  x  i  y  dobijenih  eksperimentom,  odnosno  merenjem,  postoje 
veze 
y
1
=f(x
1
, a
0
, ..., a
m


 
‐ 225 ‐ 
y
2
=f(x
2
, a
0
, ..., a
m
)                 
(2) 
. . . . . . . . . . . . . . . . 
y
n
=f(x
n
, a
0
, ..., a
m

 
pri  čemu  su  x
1
  i  y
1
,  x
2
  i  y
2
,...,  x
n
  i  y
n
  veličine  koje  su  dobijene  eksperimentom 
(merenjem),  a  n  je  broj  ponovljenih  eksperimenata  (merenja).  Iz  ovih  n  veza 
treba odrediti nepoznate parametre a
0
,...,a
m

Ako  bi  nalazili  tačne  vrednosti  za  x  i  y,  tada  bi  za  nalaženje  ovih  m+1 
parametara  bilo  dovoljno  imati  m+1  veza.  Međutim,  vrednosti  za  x  i  y  sadrže 
određene  greške  i  zbog  toga  nije  moguće  dobiti  prave  vrednosti  za  x  i  y, 
odnosno nije moguće odrediti ni prave vrednosti za parametre. Pri tome je po 
pravilu  i  broj  n  veći  od  broja  m+1,  pa  će  se  pri  rešavanju  sistema  (2)  dobiti 
nesaglasnost,  odnosno  rešenja  od  nekih  m+1  jednačina  neće  zadovoljavati 
ostale jednačine. 
 
Zaključak  je  sledeći:  U  vezama  (2)  postoje  određene  netačnosti  i  parametre 
a
0
,...,a
m
  nije  moguće  dobiti  kao  tačne  vrednosti.  Uz  pretpostavku  da  su  greške 
pri  merenju  (eksperimentu)  raspodeljene  po  normalnom  zakonu,  tada  se 
najverovatnije  vrednosti  za  parametre  a
0
,...,a
m
  dobijaju  metodom  najmanjih 
kvadrata, tj. na sledeći način: 
 
Kako veze (2) nisu tačne, to imamo 
y
1
‐f(x
1
, a
0
, ..., a
m
)=ε
1
 
y
2
‐f(x
2
, a
0
, ..., a
m
)=ε
2
           (3) 
. . . . . . . . . . . . . . . . . 
y
n
‐f(x
n
, a
0
, ..., a
m
)=ε
n
 
 
gde su ε
1
,...,ε
n
 greške. Parametre a
0
,...,a
m
 biramo tako da zbir kvadrata grešaka 
( )
2 2
0 m 1 n
, . . . , a . . . + a ε ε Φ = +  
 
bude najmanji, odnosno traži se minimum funkcije 
( ) ( )
[ ]
Φ a y f x a
i i
i
n
0 0
2
1
, , , . . . , a . . . , a
m n
= −
=

             (4) 
Da bi se ovaj minimum našao potrebno je naći parcijalne izvode 
∂Φ
∂a
i
 i=0,...,m i 
rešiti sistem jednačina 
∂Φ
∂a
i
= 0                                               (5) 

 
‐ 226 ‐ 
Sistem  (5)  je  relativno  jednostavno  rešiti  ako  je  funkcija  (1)  linearna  u  odnosu 
na parametre, tj. ako je 
 
f(x, a
0
, ..., a
m
)=ϕ
0
(x)a
0

1
(x)a
1
+ . . . +ϕ
m
(x)a
m

 
Tada sistem (5) postaje 
( ) ( ) ( )
[ ]
( )
[ ]
2 0
0 0 1 1 0
1
y x a x a x a x
i i i m i m i
i
n
− − − ⋅ − =
=

ϕ ϕ ϕ ϕ . . . -  
( ) ( ) ( )
[ ]
( )
[ ]
2 0
0 0 1 1 1
1
y x a x a x a x
i i i m i m i
i
n
− − − ⋅ − =
=

ϕ ϕ ϕ ϕ . . . -            (6) 
  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 
( ) ( ) ( )
[ ]
( )
[ ]
2 0
0 0 1 1
1
y x a x a x a x
i i i m i m m i
i
n
− − − ⋅ − =
=

ϕ ϕ ϕ ϕ . . . -  
 
čije rešenje daje traženu funkciju. 
 
Primeri sa rešenjima: 
21. Date su vrednosti 
(1,1), (2,2), (3,
3
2
), (4,2), (5,
5
2
), (6,3), (7,4), (8,
5
2
). 
Naći zavisnost y=ax+b po metodi najmanjih kvadrata. 
 
Tražena funkcija Φ(a,b) ima oblik 
( ) ( ) ( ) ( )
( ) ( )
Φ a b a b a b a b a b a b
a b a b
, = − − + − − + − −






+ − − + − −






+
+ − − + − −






1 2 2
3
2
3 2 4
5
2
5
4 7
5
2
8
2 2
2
2
2
2 2
2
+ 3- 6a- b
 
a sistem (6) postaje sistem: 

 
‐ 227 ‐ 
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
∂Φ
∂a
a b a b a b a b
a b a b a b a b
= − − ⋅ − + − − ⋅ − + − −






⋅ − + − − ⋅ − +
− −






⋅ − + − − ⋅ − + − − ⋅ − + − −






⋅ − =
2 1 1 2 2 2 2 2
3
2
3 3 2 2 4 4
5
2
5 5 2 3 6 6 2 4 7 7 2
5
2
8 8 0 +2
 
 
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
∂Φ
∂b
a b a b a b a b
a b a b a b a b
= − − ⋅ − + − − ⋅ − + − −






⋅ − + − − ⋅ − +
+ − −






⋅ − + − − ⋅ − + − − ⋅ − + − −






⋅ − =
2 1 1 2 2 2 1 2
3
2
3 1 2 2 4 1
2
5
2
5 1 2 3 6 1 2 4 7 1 2
5
2
8 1 0
 
odnosno 
 
204a+35b‐96=0 
72a+16b‐37=0 
____________ 
čije rešenje daje funkciju 
y x = +
241
744
159
166
 
 
22. Date su vrednosti 
(1,6), (2,4), (3,2), (4,‐1), (5, −
3
2
), (6,0), (7,3), (8,5). 
Naći zavisnost y=ax
2
+bx+c metodom najmanjih kvadrata. 
 
Funkcija Φ(a,b,c) ima oblik 
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Φ a b c a b c a b c a b c a b c
a b c a b c a b c a b c
, , = − − − + − − − + − − − + − − − − +
+ − − − −






+ − − − + − − − + − − −
6 4 4 2 2 9 3 1 16 4
3
2
25 5 36 6 3 49 7 5 64 8
2 2 2 2
2
2 2 2
 
Sistem (5) postaje 

 
‐ 228 ‐ 
 
0
2
907
c 204 b 1296 a 8772
a
= − + + =

Φ ∂
 
 
0
2
139
c 36 b 204 a 1296
b
= − + + =

Φ ∂
 
 
∂Φ
∂c
a b c = + + − = 204 36 8
35
2

 
čije rešenje daje tražene parametre a,b,c i dobijamo funkciju 
 
y=0,54x
2
‐5,08x+11,27. 
 
 
9.11. ODREĐIVANJE REGRESIONIH LINIJA POMOĆU UZORKA 
   
Ako imamo jedan dvodimenzionalni uzorak iz neke populacije 
(x
1
,y
1
),...,(x
n
,y
n

i  ako  hoćemo  da  odredimo  regresionu  pravu  y=ax+b,  tada  se  metodom 
najmanjih kvadrata dobija 
( )( )
( )
b
x x y y
x x
i i
i
n
i
i
n
=
− −

=
=


1
2
1
, a= y- bx
 
i za te vrednosti se može dokazati da G(a,b) ima minimum. 
 
Naravno, ovde treba imati na umu i koeficijent korelacije dobijen od uzorka 
( )( )
( ) ( )
1
2 2
1 1
n
i i
i
n n
i i
i i
x x y y
r
x x y y
=
= =
− −
=
− −

∑ ∑
 
koji govori o tome kakva je linearna veza koju daje regresiona prava. Obično se 
uzima da je za: 
 
r ≤ 0 3 ,   linearna veza neznatna 
0 3 0 5 , , < ≤ r   linearna veza postoji ali je slaba 
0 5 0 7 , , < ≤ r   linearna veza je značajna 

 
‐ 229 ‐ 
0 7 0 9 , , < ≤ r   linearna veza je jaka 
0 9 1 , < ≤ r   linearna veza je vrlo jaka. 
 
Ovu  napomenu  treba  imati  u  vidu  naročito  kada  na  osnovu  ove  linearne 
regresione  prave  pravimo  prognoze  ‐  šta  će  se  “eventualno  desiti”,  odnosno 
kakav je neki "trend" kod neke pojave. 
 
Dakle,  kod  trenda  je  prva  koordinata  u  dvodimenzionalnom  uzorku  vreme,  a 
druga  je  vrendost  koju  u  budućnosti  treba  prognozirati  na  osnovu  vrednosti  u 
prošlosti i sadašnjosti. 
 
Prirodno,  ovaj  koeficijent  dat  ovde  i  ova  veza  data  ovde  ne  govore  da  drugih 
“nelinearnih” veza nema (ako ova eventualno ne postoji). 
 
Pored  ovog  linearnog  trenda  isto  kao  u  predhodnom  poglavlju  može  se 
odrediti i kvadratni trend odnosno mogu se određivati i druge vrste nelinearnih 
trendova.  U  statistici  postoje  i  mogućnosti  za  proveru  koji  je  od  trendova 
najbolji ali treba uvek imati u vidu da dugoročne prognoze napravjene na ovaj 
način su vrlo retko tačne. 
 
Dakle,  kod  kvadratnog  trenda  imamo  problem  određivanja  koeficijenata 
parabole  y  =  a  +  bx  +  cx
2
.  Analogno  kao  u  prethodnom  delu  metodom 
najmanjih  kvadrata  ovaj  problem  se  svodi  na  rešavanje  sledećeg  sistema 
linearnih jednačina po a, b i c: 
2
1 1 1
2 3
1 1 1 1
2 3 4 2
1 1 1 1
= = =
= = = =
= = = =
+ + =
+ + =
+ + =
∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
n n n
i i i
i i i
n n n n
i i i i i
i i i i
n n n n
i i i i i
i i i i
an b x c x y
a x b x c x x y
a x b x c x x y
 
  Slično se mogu dobijati i druge linije. 
  Ovde  se  prirodno  postavlja  sledeće  pitanje:  Ako  imamo  dve  prognoze 
(dve regresivne linije, dva trenda), koja je od njih bolja? 
  Odgovor  na  ovo  pitanje  daje  poznati  kriterijum  standardne  greške 
regresione funkcije: 

 
‐ 230 ‐ 
2
1
( ( ))
=

=


t
n
i t i
i
y
y y x
S
n k

gde su 
i
x  i 
i
y  podaci iz uzorka,  ( )
t i
y x  vrednosti funkcije 
t
y  u tačkama 
i
x , a k 
broj izračunatih parametara (kod linearnog slučaja je k = 2, a kod paraboličkog 
slučaja je k = 3). Bolja funkcija je ona kod koje je greška manja. 
 
Primer sa rešenjem: 
23. Odrediti regresionu pravu iz podataka datih u primeru 2. 
 
Iz datih podataka računamo 
( )( )
( )
8
8 8
1
8
2
8
1
1, 24
i i
i
i
i
x x y y
b
x x
=
=
− −
= ≈



 
6,875 1, 24 5, 5 0, 055 a y bx = − = − ⋅ =  
i regresiona prava ima oblik 
y=0,055+1,24x. 
 
 
 
 
KLJUČNI POJMOVI: 
• POPULACIJA 
• UZORAK 
• OBELEŽJE 
• SREDNJE VREDNOSTI 
• SREDNJE KVADRATNO 
ODSTUPANJE 
• INTERVALI POVERENJA 
• STATISTIČKA HIPOTEZA 
• TREND 
 
 
 
 
 
 
 
 
 

 
‐ 231 ‐ 
 
VIII ‐ GLAVA 
FINANSIJSKA I AKTUARSKA MATEMATIKA 
 
SADŽAJ OVOG POGLAVLJA JE: 
• PROCENTNI I PROMILNI RAČUN  
• PROST I SLOŽEN INTERESNI RAČUN  
• OTPLATE ZAJMOVA I ESKONTOVANJE    
• RAZNE VRSTE ULAGANJA  
• RAZNE VRSTE OSIGURANJA UPLATOM MIZE  
• RAZNE VRSTE OSIGURANJA UPLATOM PREMIJE  
 
Cilj nam je da uvedemo: 
1.  Osnovne pojmove finansijske matematike 
2.  Osnovne pojmove aktuarske matematike 
3.  Matematičke principe funkcionisanja finansija i osiguranja  
 
10.  FINANSIJSKA I AKTUARSKA MATEMATIKA 
 
10.1. PROCENTNI RAČUN 
 
Procentni račun od sto 
 
Procentni  račun  je  račun  proporcija.  Ako  posmatramo  neku  celinu  koju  ćemo 
zvati “glavnica” i označiti je sa G, i neki njen deo koji ćemo označiti sa P i zvati 
“procentni iznos” pogodno je znati koliki je deo procentnog iznosa u sto delova 
glavnice. Taj broj se naziva “procenat” ili “procentna stopa” i označava se sa p. 
Dakle, osnovna proporcija procentnog računa je: 
 
G : P = 100 : P 
 
ili ekvivalentno G p = 100 P odakle možemo dobiti sledeće tri jednakosti 
,
100
p
P
G =            
G
P
p
100
= ,             
100
Gp
P =  
koje se koriste za izračunavanje glavnice, procentne stope i procentnog iznosa 
ako  su  poznate  redom  procentni  iznos  i  procentna  stopa;  procentni  iznos  i 
glavnica, odnosno glavnica i procentna stopa. 

 
‐ 232 ‐ 
Napomena: procentna stopa je uvek neimenovan broj i pored brojne vrednosti 
se stavlja znak %. 
Primer 1. Izračunati: 
a) glavnicu G ako je P=25 i p= 4% 
b) procentnu stopu ako je G= 250 i P=50 
c) procentni iznos P ako je G=300 i p=6% 
 
 
a)   , 625
4
25 100
=

= G     b)   % 20
250
50 100
=

= p  
 
c)   18
100
6 300
=

= P  
 
Procentni račun više sto i niže sto 
 
U  praktičnim  zadacima  vezanim  za  procentni  račun  ne  pojavljuju  se  obavezno 
samo  veličine  definisane  na  početku  već  se  mogu  pojaviti  i:  glavnica  uvećana 
(umanjena)  za  procentni  iznos  G+P  (G‐P)  zajedno  sa  procentnom  stopom  a  da 
treba izračunat P ili G. 
Polazeći od relacije  P p G ⋅ = ⋅ 100  i dodajući levoj i desnoj strani ove relacije 
100G odnosno Pp dobijamo 
 
G P G p G ⋅ + ⋅ = ⋅ + ⋅ 100 100 100  odnosno  Pp P Pp Gp + = + 100  
 
tj.  ( ) ( ) G P p G + = + 100 100  odnosno   ( ) ( ) P p p P G ⋅ + = ⋅ + 100  
 
tj. dobijamo proporcije 
( ) ( ) 100 : 100 : G p P G = + +   odnosno  ( ) ( ) p P p P G : 100 : = + +  
 
koje se zovu proporcije procentnog računa više sto. Odavde možemo dobiti: 
 
( )
p
P G
G
+
+
=
100
100
  odnosno 
( )
p
p P G
P
+
⋅ +
=
100
 
 
Analogno,  polazeći  od  relacijie  P p G ⋅ = ⋅ 100   i  oduzimajući  levoj  i  desnoj 
strani 100G odnosno Pp dobijamo proporcije 
 

 
‐ 233 ‐ 
( ) ( ) 100 : 100 : G p P G = − −   odnosno 
  ( ) ( ) p P p P G : 100 : = − −  
 
koje se zovu proporcije procentnog računa niže sto. Iz njih se dobije: 
 
( )
p
p G
G


=
100
100
  odnosno 
( )
p
p P G
P

⋅ −
=
100
 
 
Primeri sa rešenjima: 
 
Cena  robe  povećana  je  prvi  put  za  10%  pa  zatim  opet  za  10%  pa  je  zatim 
smanjena  za  20%.  posle  smanjenja  cena  robe  se  prodaje  za  10,68  din.  Naći 
početnu cenu. 
 
Cena robe posle sniženja iznosi 
 
68 , 9 = − P G  sniženje je za 20% 
 
pa je cena bila pre sniženja 
 
( )
10 , 12
80
968
80
68 , 9 100
100
100
= =

=


=
p
P G
G  
 
Ova cena je nastala posle drugog poskupljenja od 10%, dakle 
 
G

+ P
1
= 12,10    p =10% 
 
pa je    
  G
1
=
( )
11
110
10 , 12 100
110
100 1 1
=

=
+ P G
 
Ova cena je nastalaposle poskupljenja početne cene G
0
 za prvo povećanje od 
10% pa imamo 
 
( )
din
P G
G 10
110
11 100
110
100 0 0
0 =

=
+
=  
dakle, početna cena je bila 10 dinara. 
 
 

 
‐ 234 ‐ 
10.2. PROMILNI RAČUN 
 
Potpuno  analogno  u  pojednim  situacijama  u  praksi  se  koristi  analogan  račun 
procentnom računu – promilni račun. 
Osnovna proporcija peomilnog računa je sledeća proporcija 
 
G : P = 1000 : p 
 
gde su     G ‐ glavnica 
    P ‐ promilni iznos 
    p  ‐  promilna  stopa  koja  je  i  ovde  neimenovan  broj  uz  koji  se 
stavlja znak ‰. 
 
 
Obrasci u primeni su potpuno analogni kao kod procentnog računa. 
 
10.3. PROST INTERESNI RAČUN 
 
Interesni račun od sto 
 
U poslovnom svetu normalna je pojava pozajmljivanje novca ili roba (što se 
opet izražava novcem), tj. kreditiranje. Sama reč kredit je latinskog porekla,  
credere,  što  znači  dati  na  zajam,  verovati,  uzdati  se.    Kredit  je,  dakle, 
poverenje  u  dužnika  da  će  tu  obavezu  izmiriti.  Naknada  koju  dužnik  plaća 
poveriocu  kredita  za  uslugu  pozajmljivanja  zove  se  interes  ili  kamata. 
Interes se ugovara između poverioca i dužnika tako što se dužnik onavezuje 
da  će  za  svaku  godinu  (ili  neki  drugi  rok)  platiti  poveriocu  određen  broj 
dinara  na  svakih  100  dinara  pozajmljene  sume.  Pozajmljena  suma  na  koju 
se  računa  interes  se  zove  kapital  ili  glavnica  –  obeležava  se  sa  K.  Kamata 
(interes)  koja  se  plaća  na  svakih  sto  dinara  pozajmljene  sume  za  jednu 
godinu  zove  se  interesna  stopa  i  obeležava  se  sa  p  (to  je  danas  procenat). 
kamata  ili  interes  koja  se  plaća  na  celu  sumu  K  za  određeno  vreme 
obeležava se sa i. 
 
Broj godina obeležava se sa g. 
Broj meseci obeležava se sa m. 
Broj dana obeležava se sa d. 
 
Inača  broj  dana  po  mesecima  može  da  se  izračunava  po  kalendaru  ili  da  se 
pretpostavi da svaki mesec ima po trideset dana. u prvom slučaju se računa da 

 
‐ 235 ‐ 
godina  ima  365  dana  a  u  drugom  360  dana.  Ovo  se  uvek  dogovara  izmeđ  u 
dužnika i poverioca kapitala. 
Osnovne  proporcije  prostog  inetersnog  računa  su  vrlo  slične  osnovnim 
proporcijama  procentnog  računa  –  jedina  razlika  je  u  tome  što  ovde  imamo  i 
faktor  vremena  jer  veličina  interesa  zavisi  od  vremena  na  koji  je  novac  dat.  te 
proporcije su: 
 
K : i = 100 : pg  g ‐ broj godina 
 
K   :   i   =   1 2 0 0   :   p m m  –   b r o j   me s e c i  
 
K : i = 36000 : pd  d – broj dana, godina ima 360 dana 
 
K : i = 36500 : pd  d – broj dana, godina ima 365 dana 
 
Iz ovih relacija mogu se lako dobiti sledeće relacije: 
 
K p d = 100 i 
K p m = 1200 i 
K p d = 36000 i 
K p d = 365 i 
 
odakle se lako dobijaju nepoznate veličine za K;p;g; (m,d) ;i  
ako su date redom (p,g,i); (K,g,i); (K,p,i); (K,p,g).  
 
p – je kamatna stopa uvek na godišnjem nivou. 
 
U  pojedinim  izračunavanjima  se  koriste  i  veličine  kamatnog  broja  K
br 
=  K  d    i  
kamatnih ključeva  
 
D = 
p
36000
   ili   D
1
=
p
36500
     
 
Iz prethodnih relacija sa ovim veličinama lako se dobijaju izrazi 
 
i
(360)
 = 
D
Kbr
   ‐ interes ako se godina računa sa 360 dana 
 
 
 

 
‐ 236 ‐ 
odnosno 
i
(365)
 = 
D
Kbr
   ‐ interes ako se godina računa sa 365 dana 
 
Veza  između  ovih  interesa  (ako  se  godina  računa  360  ili  365  dana)  data  je 
relacijom 
 
i
(365)
 = i
(360) 
 ‐ 
( )
73
360 i
 
koja se lako dokazuje polazeći od njihovih definicija. 
 
Primeri sa rešenjima: 
 
 Izračunati 
a) 12% kamatu na sumu od 2000 dinara za 6 godina 
b) 8% kamatu na sumu od 5000 za 9 meseci 
c) 15% kamatu na sumu od 9000 od 1.maja do 10.juna 
d) kapital koji će se za 3 godine uz 10% kamatnu stopu doneti kamate 
300 din 
e) vreme kada je vraćen zajam od 60000 dinara dat 1. septembra ako 
je  isplaćena  kamata  od  120  dinara  sa  interesnom  stopom  od  6% 
(godina ima 360 dana) 
Rešenje 
a) Dato je p = 12%, K = 2000 din, g = 6godina, pa je 
1440
100
6 12 2000
100
=
⋅ ⋅
= =
Kpg
i dinara 
 
b) Dato je p = 8%, K = 5000 din, m = 9,  pa je 
300
1200
9 8 5000
1200
=
⋅ ⋅
= =
Kpm
i dinara 
   
c) Dato je p = 15%, K = 9000 din, d = 40,  ako godinu računamo na 360 
i mesec 30 dana i 
imamo  d  =  41  ako  godinu  računamo  na  365  dana  i  mesece  po 
kalendaru. 
U prvom slučaju je:   
( ) 150
36000
40 15 9000
36000
360 =
⋅ ⋅
=
⋅ ⋅
=
d p K
i din 
 

 
‐ 237 ‐ 
U drugom slučaju je: 
( ) 151
36500
41 15 9000
36500
365 =
⋅ ⋅
=
⋅ ⋅
=
d p K
i din 
 
 Imamo i slučaj kada mesece radimo po kalendaru a broj dana u godini 360: 
( ) 7 , 153
36000
41 15 9000
36000
360 =
⋅ ⋅
=
⋅ ⋅
=
d p K
i din 
 
d) Dato je g = 3, p = 10%, i = 300 din, K = ? 
1000
3 10
300 100 100
=


=

=
g p
i
K din 
 
e) Dato je K= 60000 din, i =120 din, p = 6% 
12
6 60000
120 36000 36000
=


=


=
p K
i
d dana 
Dakle, uz pretpostavku da godina ima 360 dana novac je vraćen 12. 
septembra. 
 
 
 
Interesni račun više sto i niže sto 
 
Interesni  račun  više  sto  se  primenjuje  kada  je  dat  kapital  uvećan  za  interes  tj. 
kada je dato K + i a interesni račun niže sto kada imamo dat kapital umanjen za 
interes K ‐ i. potpuno analogno kao u slučaju procentnog računa više i niže sto 
u zavisnosti kako je dato vreme imamo sledeće proporcije sa + za račun više sto 
sa – za račun niže sto: 
za vreme dato u godinama (1) 
    ( ) ( ) 100 : 100 : K g p i K = ⋅ ± ±  
i  ( ) ( ) g p i g p i K ⋅ = ⋅ ± ± : 100 :  
 
  za vreme dato u mesecima (2) 
    ( ) ( ) 1200 : 1200 : K m p i K = ⋅ ± ±  
  i  ( ) ( ) m p i m p i K ⋅ = ⋅ ± ± : 1200 :  
 
  za vreme dato u danima, godina ima 360 dana (3) 
    ( ) ( ) 36000 : 36000 : K d p i K = ⋅ ± ±  

 
‐ 238 ‐ 
  i   ( ) ( ) d p i d p i K ⋅ = ⋅ ± ± : 36000 :  
 
za vreme dato u danima, godina ima 365 dana (4) 
    ( ) ( ) 36500 : 36500 : K d p i K = ⋅ ± ±  
  i   ( ) ( ) d p i d p i K ⋅ = ⋅ ± ± : 36500 :  
Iz ovih relacija se lako računaju nepoznate veličine koje se pojavljuju u ovakvim 
zadacima, iz poznatih na primer iz  (1) imamo 
 
( )
g p
i K
K
⋅ ±
⋅ ±
=
100
100
,  
( )
g p
g p i K
i
⋅ ±
⋅ ±
=
100
 
Iz (2) imamo 
( )
m p
i K
K
⋅ ±
⋅ ±
=
1200
1200
,  
( )
m p
m p i K
i
⋅ ±
⋅ ±
=
1200
 
Iz (3) imamo 
( )
d p
i K
K
⋅ ±
⋅ ±
=
36000
36000
,  
( )
d p
d p i K
i
⋅ ±
⋅ ±
=
36000
 
Iz (4) imamo 
( )
d p
i K
K
⋅ ±
⋅ ±
=
36500
36500
,  
( )
d p
d p i K
i
⋅ ±
⋅ ±
=
36500
 
 
Primeri:  
(1) Po  odbitku  interesa  sa  godišnjom  interesnom  stopom  12%  ya  5 
meseci  dužnik  je  vratio  3800  din.  Izračunati  koliki  je  dug  i  koliki  je 
interes? 
Rešenje:    Dato je K‐ i =3800, p = 12%, m = 5 
 
( )
200
19
3800
60 1200
5 12 3800
1200
= =

⋅ ⋅
=
⋅ ±
⋅ ±
=
m p
m p i K
i  
        Dakle, dug je 3800+200=4000  
      Do istog rezultata se može doći i primenom obrasca 
( )
4000
1140
1200 3800
1200
1200
=

=
⋅ ±
⋅ ±
=
m p
i K
K    
         a onda je i = K  ‐ (K‐i) = 4000 – 3800 = 200 
   
(2) Zajedno  sa  kamatom  uz  interesnu  stopu  na  godišnjem  nivou  od 
15%  dužnik  je  posle  4  meseca  vratio  4200  din.  Izračunat  koliki  je 
bio dug i koliki je interes? 

 
‐ 239 ‐ 
Rešenje:    Dato je K + i = 4200, p =15%, m = 4 
   
( )
4000
1260
1200 4200
4 15 1200
1200 4200
1200
1200
=

=
⋅ +

=
⋅ ±
⋅ ±
=
m p
i K
K  
    Dakle, na ime interesa dužnik je platio 200 din. 
 
 
Izračunavanje interesa na više suma 
 
Ako  je  vlasnik  kapitala  dao  više  suma  na  zajam  na  različito  vreme  sa  istom  ili 
različitom  kamatnom  stopom  tada  ako  hoćemo  da  izračunamo  interes  na 
ukupan  dati  novac  izvuršimo  jednostavno  sabiranje  pojedinačnih  interesa  za 
svaku sumu, dakle: 
(1) Date sume su       K
1
, K
2
, …K
n
 
Vreme na koje su date   g
1
, g
2
, …g
n
 
Kamatna stopa p ista za sve 

=
⋅ ⋅
⋅ =

+ +

= + + =
n
k
k k
n n
n g K
p g p K g p K
i i i
1
1 1
1
100 100
...
100
...  
(2) Date sume su       K
1
, K
2
, …K
n
 
Vreme na koje su date   g
1
, g
2
, …g
n
 
Kamatne stope su     p
1
,p
2
 …p
n
  

=
⋅ ⋅ ⋅
⋅ =

+ +

+

= + + =
n
k
k k
n n n
n g K
p g p K g p K g p K
i i i
1
2 2 2 1 1 1
1
100 100
...
100 100
...  
Analogni obrasci se mogu dati i za vreme dato u mesecima – danima. 
 
Primeri sa rešenjima: 
 
Banka je dala 10000 dinara sa kamatnom stopom od 15% na 4 meseca dužniku 
A,  15000  dinara  sa  kamatnom  stopom  12%  na  3  meseca  dužniku  B  i  40000 
dinara sa kamatnom stopom od 10% na 6 meseci dužniku C. Naći interes koji će 
banka dobiti. 
  K
1
=10000  K
2
=15000  K
3
=40000 
  m
1
=4    m
2
=3    m
3
=6 
  p
1
=15    p
2
=12    p
3
=10 
 
2950
1200
10 6 40000 12 3 15000 15 4 10000
1200
1
3
1
=
⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅
= ⋅ ⋅ =

=
k
k
k k p m K i  
 
 

 
‐ 240 ‐ 
10.4. SREDNJI ROK PLAĆANJA 
 
Ukoliko  je  neko  pozajmio  novac  na  više  mesta  u  planiranju  izmirenja  obaveza 
nastalih  pozajmicama  potrebno  je  ponekad  izračunat  srednji  rok  plaćanja  svih 
tih obaveza. pri tome računamo u tri različita slučaja. 
 
I slučaj:  
Obaveze i kamatne stope su jednake a vreme je različito, dakle imamo 
n istih obaveze, sa istom kamatnom stopom a sa vremenima d
1
, d
2
, …, 
d
n
 u  trenutku računanja i srednje vreme je aritmetička sredina 
n
d d d
d
n
s
+ + +
=
... 2 1
 
 
II slučaj: 
Obaveze  su  različite,  vremena  različita,  a  kamatne  stope  iste,  dakle 
imamo  n  obaveza  K
1
,K
2
,  …,  K
n
  sa  vremenom  d
1
,d
2
,  …,d
n
  i  ista  kamatna 
stopa, pa je srednje vreme ponderisana aritmetička sredina 
n
n n
s
K K K
d K d K d K
d
+ + +
+ + +
=
...
...
2 1
2 2 1 1
 
 
III slučaj:  
Obaveze  su  različite,  vremena  različita,  različite  kamatne  stope,  tj. 
imamo  obaveze  K
1
,K
2
,  …,  K

sa  vremenom  d
1
,d
2
,  …,d

i  kamatnim 
stopama respektivno  p
1
,p
2
, …, p
n
 pa je opet  srednje vreme ponderisana 
aritmetička sredina: 
  d
K p d K p d K p d
K p K p K p
s
n n n
n n
=
+ + +
+ + +
1 1 1 2 2 2
1 1 2 2
...
...
 
 
Napomena: III slučaj je najoštiji i prva dva se sadrže u njemu. 
 
Primer: 
Dužnik  je  u  obavezi  da  plati  sledeće  fakture  sa  plativošću  u  danima  i 
kamatna stopa za svakog dato u tabeli 
 
K
k
  10000  12000  15000  20000  25000 
d
k
  15  20  25  30  20 
p
k
  8  15  12  8  10 
 

 
‐ 241 ‐ 
Dužnik  želi  da  plati  ceo  dug  odjednom  sumom  iznosa  na  fakturama.  Kada  to 
može da učini? 
Rešenje: 
To  je  moguće  učiniti  na  dan  srednjeg  vremena  plaćanja  kada  se 
izravnaju plaćene i neplaćene obaveze. 
dana
p K
d p K
ds
k
k k
k
k k k
47 , 22
10 25000 8 20000 12 15000 15 12000 8 10000
10 20 25000 8 30 20000 12 25 15000 15 20 12000 8 15 10000
5
1
5
1
=
⋅ + ⋅ + ⋅ + ⋅ + ⋅
⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅
=

⋅ ⋅
=


=
=
 
 
Napomena:  
Ovde  se  u  “izravnavanju”  roka  plaćanja  podrazumeva  da  dužnik  ne  plaća 
kamatu  na  obaveze  koje  je  isplatio  posle  isteka  roka  plaćanja  i  da  ne  traži 
kamatu na sredstva za obaveze uplaćena pre roka kao i to da su te kamate iste 
i za dužnika i za poverioca. 
 
 
 
10.5. ESKONTOVANJE 
 
Plaćanja u platnom prometu između privrednih subjekata mogu biti: 
a) na dan dospele obaveze 
b) posle dospele obaveze – kasnije 
c) pre dospele obaveze – ranije 
 
U  slučaju  a)  plaća  se  tačno  onoliko  koliko  je  obaveza  –  njena  nominalna 
vrednost. U slučaju b) plaća se interes na zakašnjenje. Obračunava se od dana 
dospeća  do  dana  plaćanja  i  dodaje  se  nominalnoj  vrednosti.  U  slučaju  c) 
obračunava  se  interes  na  ranije  plaćenu  obavezu  i  oduzima  od  nominalne 
vrednosti. 
Interes u ovim situacijama se zove eskont a njegov obračun eskontovanje. 
 
 
Komercijalni eskont 
 
Eskont  računat  interesnim  računom  od  sto  na  nominalnoj  vrednosti  nekog 
efekta    (menica,  kredit…)  za  vreme  od  dana  eskontovanje  do  dana  dospeća  
zove se komercijalni eskont i obeležava se sa E
k


 
‐ 242 ‐ 
Ako obeležimo sa K
n
 nominalnu vrednost eskonta sa danom dospeća t=n, sa K
0
 
eskontovanu vrednost efekta u vremenu t=0, n je broj dana do dospeća efekta 
a p je eskontna stopa, tada je  
 
D
n K n p K
E
n n
k

=
⋅ ⋅
=
36000
 






=
n
D
36000
 

( )
D
n D K
D
n K
K E K K
n n
n k n
− ⋅
=

− = − = 0  
Dakle, K
0
 eskontovana vrednost, i ona je umanjena vrednost za eskont od dana 
eskontovanja  do  dana  dospeća.  Eskontovana  vrednost  se  zove  sadašnja 
vrednost efekta. 
 
Racionalni eskont 
 
Nije  teško  videti  da  za  računanje  eskontovane  vrednosti  u  komercijalnom 
eskontu  radimo  sa  ra;unom  od  sto  a  da  nam  je  nominalna  vrednost  veća  (ili 
manja) od prave sadašnje eskontovane. Dakle, komercijalni eskont je eskont 
sa izvesnom greškom. Zbog toga uvodimo pojam racionalnog eskonta. 
Racionalni eskont je interes aktuelne racionalne vrednosti. Obeležimo sa 
  K
0
  ‐ aktuelnu racionalnu vrednost efekta 
K
n
   ‐ nominalnu vrednost efekta 
n   ‐ broj dana 
p  ‐ interesnu stopu 
E
r
  ‐ racionalni eskont 
tada je 
 
D
n K n p K
Er

=
⋅ ⋅
=
0 0
36000
  i  
D
n K
K Kn

+ =
0
0  
Odavde je 
 
n D
D K
K
n
+

= 0   odnosno 
n D
K n
Er
n
+

=  
 
10.6. JEDNAKOST EFEKATA 
 
Kaže  se  da  su  dva  efekta  jednaka  u  određenom  trenutku  ako  eskontovana 
istom  stopom  u  tom  trenutku  imaju  istu  komercijalnu  ili  istu  racionalnu 
aktuelnu verdnost. 
Epoha  (dan,  mesec,  godina)  kada  su  kapitali  jednaki  zove  se  datum 
ekvivalencije dva kapitala. Neka data dva efekta sa nominalnim vrednostima K
n
 
i K
n
´ imaju n i n´ dana respektivno pa su komercijalne eskontovane vrednosti 

 
‐ 243 ‐ 
 
( )
D
n D K
K
n −
= 0   i  
( )
D
n D K
K
n ´
´
´
0

=  
kako se zahteva K
0
=K
0
´ to će biti za 
( ) ( ) ´ ´ n D K n D K n n − = −  
Dakle, jednakost nastaje za one n i n´ koji zadovoljavaju prethodnu jednakost. 
 
Ako  isti  postupak  provedemo  za  racionalne  eskontovane  vrednosti  dobijamo 
da će se jednakost postići za n i n´ koji zadovoljavaju 
 
´
´
n D
K
n D
K n n
+
=
+
 
i važi stav da dva kapitala ne mogu biti istovremeno jednaka u komercijalnom i 
racionalnom eskontu. 
 
 
10.7. SLOŽENI INTERESNI RAČUN 
 
Dekurzivno računanje vremena 
 
Pod  složenim  interesnim  računom  se  podrazumeva  računanje  kamate  na  neki 
kapital  u  određenom  periodu  dodavanjem  kapitalu  tako  da  zajedno  sa 
početnim  kapitalom  nadalje  donosi  kamatu.  Ovo  obračunavanje  i  dodavanje 
interesa kapitalu zove se kapitalisanje i može biti: 
  godišnje   (per annum) skraćeno (p.a.) 
  polugodišnje  (per semestre) skraćeno (p.s.) 
  tromesečno  (per quartale) skraćeno (p.q.) 
  mesečno  (per mensem) skraćeno (p.m.) 
U praksi je najčešće godišnje i polugodišnje. 
 
Računanje i odobravanje kamate na kraju određenog vremenskog perioda zove 
se dekurzivno računanje interesa i uz kamatnu stopu se obeležava sa d. 
Pored  ovakvog  računanja  kamata  postoji  i  računanje  kamata  na  početku 
svakog predstojećeg perioda (tako banke daju zajmove) i zove se anticipativno 
računanje interesa koje obeležavamo sa slovom a uz interesnu stopu. 
 
 
 
 
 
 
 

 
‐ 244 ‐ 
Faktor akumulacije 
 
1.1. Izračunavanje krajnje vrednosti kapitala 
 
Vrednost  kapitala  koja  se  daje  pod  interes    zove  se  sadašnja  vrednost  i 
obeležava  se  sa  K.  Vrednost  kapitala  posle  određenog  broja  u  n  periodu  na 
kojem je kapitalisan zove se krajnja vrednost i obeležava se sa K
n

Izračunajmo  K
n
  uz  pretpostavku  da  je  K  dinara  dato  uz  kamatnu  stopu  p  i  sa 
godišnjim kapitalisanjem. 
Posle prve godine imamo interes 
i
Kp
1
100
=  
koju dodajemo na početni kapital i dobijamo 
K K
Kp
K
p
1
100
1
100
= + = + ( )  
Na kraju druge godine imamo ineteres 
    i
K p
K
p p
2
1
100
1
100 100
= = + ( )  
 
koji dodajemo na K
1
 i dobijamo 
 
 
2
2 1 2
100
1
100 100
1
100
1






+ =






+ +






+ = + =
p
K
p p
K
p
K i K K  
Na isti način dobijamo da je 
 
    K K
p
K K
p
3
3
4
4
1
100
1
100
= +






= +






, ...  
i uopšte 
    K K
p
n
n
= + ( ) 1
100
.   
Izraz 1+
100
p
 se obeležava sa r i zove se interesni činilac pa poslednja jednačina  
postaje  K

=  Kr
n   
pri  čemu  je  r
n   
predstavlja  krajnju  vrednost  jedne  novčane 
jedinice  date  pod  interes  sa  kamatnom  stopom  p  godišnje  na  dekurzivno 
kapitalisanje od n godina, i naziva se faktor akumulacije. 
U slučaju da se kapitalisanje vrši m puta godišnje sa godišnjom kamatom od p 
procenata  tada  se  procenat  umanjuje  m  puta  a  stepen  se  uvećava  m  puta, 
dakle, jednačina računanja kapitala posle n godina ima oblik 

 
‐ 245 ‐ 
    K
mn
=K
mn
m
p







+
100
1  
Ovakve stope na kraći period od godine zovu se proporcionalne. 
 
Primer: 
Naći  sumu  na  koju  naraste  5000  dinara  pri  a)godišnjem,  b) 
polugodišnjem i c) tromesečnom kapitalisanju sa godišnjom stopom od 
4% na 5 godina 
Rešenje: 
  a)  din K 26 , 6083
100
4
1 5000
5
5
=






+ ⋅ =  
   
  b)  din K 95 , 6094
100 2
4
1 5000
2 5
10
=







+ ⋅ =

 
 
d) din K 95 , 6100
100 4
4
1 5000
4 5
20
=







+ ⋅ =

 
 
Napomena:  Zbog  prilično  komplikovanog  računanja  vrednosti,  u  praksi  u 
bankarskim  poslovima  gde  su  ovi  računi  česti,  za  ovaj  račun  se  ne  koriste 
logaritmi  i  loaritamske  tablice  već  tablica  I  interesa    na  interes  koja  sadrži 
krajnje  vrednosti    jednog  dinarana  kraju  1,2,...,n  godine  uz  dati  procenat. 
Dakle: 
 
1
100
1
p
I
p
r = + =  
 
2 2 2
)
100
1 (
p
I
p
r = + =  
 
n
p
n n
I
p
r = + = )
100
1 (   i 
n
n
r K K
0
=   se  zamenjuje  sa 
n
p n
I K K ⋅ =
0
  pri  godišnjem  kapitalisanju  sa 
kamatom  od  p  %.  Ako  se  kapitalisanje  vrši  m  puta  godišnje  sa  stopom  p% 
godišnje  tada  se  vrednosti  kapitala  na  kraju  n‐te  godine    računa  na  sledeći 
način: 
K K I
mn p
m
mn
=
0

 

 
‐ 246 ‐ 
Generalizacija faktora akumulacije 
 
U  primeru  iz  prethodnog  poglavlja  se  vidi  da  ako  kapitalisanje  vršimo  češće 
dobijamo  veće  sume  novca  na  kraju.  Šta  bi  bilo  ako  bi  kapitalisanje  vršili 
neprekidno? 
Polazeći od formule 
  K
mn
=K
0
mn
m
p







+
100
1  
tada bi se m neograničeno uvećavalo! Imali bi, dakle 
   
 
n m
m
n
m
p
K K

∞ →







+ ⋅ =
100
1 lim
0
, odnosno 
   
 
n
m
m
n
m
m
n
m
p
K
m
p
K K




















+ =




















+ ⋅ =
∞ → ∞ →
100
1 lim
100
1 lim
0 0
 
   
 
100
0
100
0
pn
n
p
n
e K e K K =








=  
Broj 
100
p
e se zove dekurzivni interesni činilac a 
n
p
e
100
se zove faktor akumulacije 
posle n godina pri neprekidnom ukamaćivanju. 
 
 
Konformna (ekvivalentna) stopa 
 
Iz  prethodnih  poglavlja  smo  videli  da  se  uvećanjem  broja  kapitalisanja 
povećava  krajnja  vrednost  kapitala  i  da  je  ona  najveća  pir  neprekidnom 
kapitalisanju. Prirodno je postaviti pitanje kako se može vršiti kapitalisanje više 
puta (na primer m puta) u toku godine i da se isplati ista količina novca kao pri 
godišnjem kapitalisanju? 
Odgovor  na  ovo  pitanje  je  sledeći:  ista  količina  novca  pri  godišnjem  i  češćem 
kapitalisanju će se postići pomoću ekvivalentne kamatne stope. 
Neka je:   i  ‐ godišnja kamatna stopa 
    i
m
 – ekvivalentna kamatna stopa za m kapitalisanja godišnje 
Neka je prema prethodnom zahtevu kapital isti na kraju n‐te godine: 

 
‐ 247 ‐ 
( ) ( )
mn
m
n
i K i K + = + 1 1
0 0
 odakle je 
( ) ( )
mn
m
n
i i + = + 1 1  odnosno posle korenovanja leve i desne strane 
( ) ( )
m
m
i i + = + 1 1  odnosno 
( )m
m
i i
1
1 1 + = +   a odatle 
( ) 1 1
1
− + = m
m
i i  
tako, na primer, ako je kapitalisanje polugodišnje sa kamatnom stopom od 6% 
tada je ekvivalentna kamatna stopa 
  % 956 , 2 1
100
6
1
2
1
2
= −






+ = i  
Očigledno, ova stopa je nešto niža nego proporcionalna koja bi u ovom slučaju 
bila 3%. 
Ovo  važi  i  u  opštem  slučaju  što  se  lako  dokazuje  koristeći  se  binarnim 
obrascem. Polazeći od relacije 
( )
m
m
i i + = + 1 1   
i rastavljajući desnu stranu po binarnom obrascu imamo 
 
 
m
m
m
m
m
m
m
m
m
m
m
m
m
m m
i m i i i m i i i ⋅ + >






+ +






+ ⋅ + =






+ +






+






+






= + 1 ... 1 ... 1
2
2
2
2 1 0
 
odavde je 
m
i m i ⋅ >  odnosno 
m
i
m
i
> . 
Dakle, proporcionalna stopa je veća od ekvivalentne. 
 
 
 
 
Eskontni faktor 
 
Iz jednačine   ( )
n
n
n
p
K i K K






+ = + =
100
1 1
0 0
odnosno 
   
mn mn
mn
m
p
K
m
i
K K







+ =






+ =
100
1 1
0 0
odnosno 
   
100
0
pn
n
e K K =  

 
‐ 248 ‐ 
dobijamo krajnju vrednost kapitala posle n godina pri dekurzivnom godišnjem, 
m  puta  u  godini  i  neprekidnom  kapitalisanju  sa  godišnjom  kamatnom  stopom 
p. 
U primenama je trebalo rešavati i obrnut problem: koliko treba uložiti novca u 
sadašnjem  trenutku  da  bi  posle  n  godina  dobili  željenu  svotu  novca  K
n

odnosno K
mn 
odnosno 
n
K u zavisnosti od vrste kapitalisanja. Jasno, ovo se lako 
rešava i imamo 
 
n
n
p
K
K






+
=
100
1
0
    odnosno 
 
mn
mn
m
p
K
K






+
=
100
1
0
     odnosno 
   
  K
o
=
K

n
c
µn
100
= K

n
c
-
µn
100
 
 
 
 
Dakle,  početna  vrednost  koju  treba  uložiti  se  dobija  kada  se  željena  vrednost 
podeli  sa  faktorom  akumulacije  odnosno  ako  se  željena  vrednost  pomnoži  sa 
recipročnom vrednošću faktora akumulacije koji se zove još i eskontni faktor. 
Radi  lakšeg  računanja  i  eskontni  faktor  se  zadaje  tablično  (za  praktični  račun 
lakše je množiti nego deliti) i dat je tablica II. 
 
 
Primeri sa rešenjima: 
 
Koliko  treba    uložiti  novca  danas  da  bi  posle  10  godina  sa  kamatnom  stopom 
8% uz godišnje kapitalisanje primili 5000 din? 
 
  din K 2316
100
8
1
5000
10
0
=






+
=  
 
 
 

 
‐ 249 ‐ 
Faktor dodajnih uloga 
 
U  prethodnom  razmatranju  složenog  kamatnog  računa  izračunavali  smo 
krajnju  vrednost  kapitala  za  dati  početni  kapital  dekurzivno  na  n  godina  sa 
kamatnom  stopom  od  p  procenata  ili  obrnuto,  izračunavali  smo  koliki  kapital 
treba uložiti da bi imali određenu krajnju vrednost posle n godina. Dakle, uvek 
jedan ulog. 
Ovde ćemo posmatrati situacije kada imamo ne jedan već više uloga, koji mogu 
biti u istim vremenskim intervalima kao i u različitim, zatim isti po veličini  kao i 
različiti. 
 
Ulaganje početkom obračunskog perioda 
 
Pretpostavimo  da  na  početku  svake  godine  ulažemo  K  dinara  i  neka  banka  na 
kraju  svake  godine  vrši  kamaćenje  sa  p%  kamatnom  stopom.  kojom  ćemo 
sumom raspolagati na kraju n‐te godine. 
Očigledno ćemo imati sledeću situaciju: 
Prva uložena suma posle n‐te godine je postala   
n
p
K






+
100
1  
Druga uložena suma donosi       
1
100
1







+
n
p
K  
Treća uložena suma postaje       
1
100
1







+
n
p
K  
... 
Zadnji ulog postaje         






+
100
1
p
K  
Dakle, na kraju n‐te godine imamo  1
100
+ =






p
r  
( )
1
1
1 ... ...
2 1 1


⋅ = + + + + ⋅ = ⋅ + + ⋅ + ⋅ =
− − −
r
r
r K r r r r K r K r K r K S
n
n n n n
n
 
Napomena 1: Zadnja relacija se može dobiti i na sledeći način:  
  r K r K r K r K S
n n
n
⋅ + ⋅ + + ⋅ + ⋅ =
− 2 1
...  i posle množenja sa r 
imamo 
2 3 1
... r K r K r K r K S r
n n
n
⋅ + ⋅ + + ⋅ + ⋅ = ⋅
+
 a odavde 
  r K r K S rS
n
n n
⋅ − ⋅ = −
+1
 što daje 
  ) 1 ( ) 1 ( − = −
n
n
r Kr r S   odnosno 

 
‐ 250 ‐ 
    S
n
=
K·¡(¡
n
-1)
¡-1
     
 
Napomena 2: Izraz 
( )
1
1


r
r r
n
 je očigledno zbir iz I tablice od 1 do n za određeni 
procenat a koji se takođe zadaje tabelarno, tablica III, tj. važi: 
   
( )
n
p
n
III
r
r r
=


1
1
 
i naš osnovni uzraz se računa na sledeći način 
   
n
p n
III K S ⋅ =  
 
Primeri sa rešenjima: 
 
Neko  ulaže  početkom  svake  godine  10000  dinara.  Koliko  će  imati  u  banci  na 
kraju  iste  godine  ako  se  na  ime  interesa  na  interes  računa  po  4%  uz  godišnje 
dekurzivno kapitalisanje? 
 
Ovde je K=10000, p=4%, r=1,04, n=5, S
5
=? 
 
Dakle, 
( )
din S 8 , 56329
1 04 , 1
1 04 , 1 04 , 1 10000
5
5
=

− ⋅
=  
 
 
 
Ulaganje krajem obračunskog perioda 
 
Ako se krajem svake godine ulaže K dinara sa p% (pa) d interesa na interes pri 
godišnjem kapitalisanju koliko ćemo imati novca posle n godina? 
Analizirajmo:  uloženih  K  dinara  na  kraju  prve  godine  posle  n  godina  postaje 
1 − n
Kr  
drugi ulog od K dinara na kraju je 
2 − n
Kr  
treći  ulog  daje 
3 − n
Kr   i  tako  dalje  poslednji  ulog  od  K  dinara  se  ne  kapitališe. 
Dakle, posle n godini imamo: 
   
  K r K r K S
n n
n
+ + ⋅ + ⋅ =
− −
...
2 1 '
 = 
        =  K r r r K
r
r
n n
n
( ... )
− −
+ + + + =


1 2
1
1
1
 

 
‐ 251 ‐ 
 
Napomena 1: Ako izraz  r r r
n n
+ + +
− −
...
2 1
zamenimo tabličnim izrazom 
1 − n
p
III  
tada 
'
n
S možemo računati i na sledeći način 
  ( )
1 '
1

+ =
n
p n
III K S  
Isto tako, između S

 i 
'
n
S mogu da se uspostave sledeće veze:  
Uz  S K
r
r
n
n
'
=


1
1
množenjem  leve  i  desne  strane  sa  r  dobijamo 
1
1
'


⋅ = ⋅
r
r
r K S r
n
n
 tj. 
 
n n
S S r = ⋅
'
ili 
 
 
r
S
S
n
n
=
'
 odnosno 
   
 
1 '
p
n
p n
II III K S ⋅ ⋅ = . 
Isto tako i 
  ( ) 1
100
1
100
1
1
1
1
'
− ⋅ =
− +

=


=
n
p
n
p
n
n
I
p
K
p
I
K
r
r
K S  
 
Napomena  2:  Za  slučajeve  kapitalisanja  češćih  nego  što  su  godišnja 
kapitalisanja  pri ovom računu sa tablicom III umesto 
n
p
III  koristi 
mn
m
p
III  ako je 
broj kapitalisanja m na godišnjem nivou a godišnja kamatna stopa iznosi p (n je 
naravno broj godina). 
 
 
Ulaganje je češće (ređe) od kapitalisanja 
 
U  slučajevima  kada  su  ulaganja  neravnomerno  raspoređena  i  različita  po 
veličini  a    računaju  se  na  određeni  broj  godina  tada  možemo  postupiti  na 
sledeći način: Posle svakog ulaganja kapital se preračunava na krajnji datum  te 
godine  i  posle  se  izvrši  uobičajeni  postupak  računa  godine  za  godinu.  Ako  je 

 
‐ 252 ‐ 
ulaganje  ređe  od  kapitalisanja  tada  se  kapitalisanje  vrši  sa  odgovarajućom 
kamatnom stopom 
m
p
(m je broj kapitalisnja) za m‐n period. 
 
Primeri sa rešenjima: 
 
Ulagano  je  početkom  svakog  polugodišta  po  10000  dinara  u  banku  koja  plaća 
6% kamate i vrši godišnje kapitalisanje u trajanju od 5 godina. Koliko novca će 
biti posle tog perioda? 
 
Na kraju prve godine kada se vrši kapitalisanje ćemo imati kapitalisanje za prvi 
ulog za celu godinu a za drugi kapitalisanje za pola godine tj. 
 
din K 20900
1200
6 6
1 10000
100
6
1 10000
1
=







+ +






+ =  
 
Dakle,  na  kraju  svake  godine  će  biti  novog  novca    K
1
=21000  dinara,  odnosno 
imađemo 
 
( ) 4 , 117815 6371 , 5 20900 1 21000
4
6
'
5
= ⋅ = + = III S  
 
 
Napomena:  ukoliko  na  primer  u  banku  ulažemo  početkom  svakog  od  m 
perioda  u  toku  jedne  godine  po  K  dinara  sa  godišnjom  kamatnom  stopom  p 
onda ćemom na kraju godine imati ulog od  
 
( )






+
+ =
200
1
1
m p
m K K  
Zaista, prvi ulog se kapitališe u potpunosti i na kraju imamo  )
100
1 (
p
K +  
drugi ulog će postati 



















+ ⋅
1200
12
12
1
m
p
K
 
treći ulog će postati 


















⋅ −
+ ⋅
1200
2
12
12
1
m
p
K
 

 
‐ 253 ‐ 
... 
m‐ti ulog će postati 
( )


















− ⋅ −
+ ⋅
1200
1
12
12
1
m
m
p
K
 
I zbir 
 
( )
( ) ( )
( ) ( )
( )






+
+ =






− +
+ =
=





⎛ −
+ + =





⎛ + −
+ + =
=


















− + + + −
+ + =
=


















− −
+ +







+ + =
200
1
200
2
200
1
100 1200
1 2 6
100
1200
1 ... 2 1
12
12
100
1200
1
12
12
...
1200
12
12
100
1
m p
m K
p pm p
m K
m p p
m K
m m p p
m K
m
m
m p
p
m K
m
m
p
m
p
p
m K K
 
 
 
 
 
Faktor aktuelizacije dekurzivnih uloga 
 
 
Neka krajem prve, druge, ...,n‐te godine ulažemo K
1
,K
2
, ...,K
n
 dinara uz godišnje 
kapitalisanje  sa  kamatnom  stopom  p  procenata.  Postavlja  se  pitanje:  Koliko 
novca  bi  trebalo  uložiti  početkom  prve  godine  da  na  kraju  n‐te  godina  uz  iste 
uslove imamo isti kapital? 
Dakle, ako je taj  nepoznati kapital K
0
 tada je 
 
n
n n n
k r k r k r K + + ⋅ + ⋅ = ⋅
− −
...
1
2
1
1 0
 odakle je 
 
n
n
r
k
r
k
r
k
K + + + = ...
2
2 1
0
   
 
 
 

 
‐ 254 ‐ 
Ako je  k k k k
n
= = = = ...
2 1
 tada je  
( )
( ) 1
1
0


=
r r
r k
K
n
n
 
 
pri tome se 
( )
( ) 1
1


r r
r
n
n
 zove faktor aktuelizacije. 
 
Danas faktor aktuelizacije je vrednost ulaganja na početku prve godine (zove se 
još  i  diskontovana  vrednost)  ekvivalentna  ulaganjima  od  po  jedne  novčane 
jedinice krajem prve,...,n‐te godine. 
Napomena:  Radi  lakšeg  računa  u  praksi  se  koristi  tablica  za  izraz 
( ) 1
1


r r
r
n
n
  to 
je tablica IV, dakle, 
( )
n
p
n
n
IV
r r
r
%
1
1
=


  i 
n
p
IV k K
% 0
⋅ =  
 
 
Faktor aktuelizacije anticipativnih uloga 
 
Analogno  kao  u  prethodnom  slučaju,  neka  početkom  prve,  druge,...,  n‐te 
godine  ulažemo  k
1
,  k
2
,...,k
n
  dinara  uz  godišnje  kapitalisanje  sa  kamatnom 
stopom  od  p%  možemo  postaviti  pitanje:  koliko  bi  novca 
'
0
K   trebalo  uložiti 
početkom  prve  godine  da  bi  na  kraju  n‐te  godine  uz  iste  uslove  imali  isti 
kapital? 
Nepoznati kapital bi, dakle, bio 
'
0
K i on bi na kraju n‐te godine bio 
n
r K
'
0
i morao bi biti isto kao i  r k r k r k
n
n n
+ + +

...
1
2 1
 dakle, 
1
2
1
'
0
...

+ + + =
n
n
r
k
r
k
k K  ako je k

= k

= ... = k
n
 tada je  
( ) 1
1
2
1
...
1
1
1 1
'
0


=






+ + + =
− −
r r
r
k
r
k K
n
n
n
 
i ove vrednosti se slično kao i prethodna računa primenom tablice IV tj. važi 
( )
1
%
'
0
1

+ =
n
p
IV k K    jer je   
( ) ( ) 1
1
1
1
1
1 1
1


=


+
− −

r r
r
r r
r
n
n
n
n

 

 
‐ 255 ‐ 
Zajmovi 
 
I  pored  toga  što  u  ekonomskoj  nauci  u  praksi  se  ponekad  pravi  razlika  između 
zajma i kredita (reč kredit se upotrebljava za kratkoročne bankarske poslove a 
zajam se upotrebljava za dugoročne  kredite).  Ovde  ne pravimo razliku između 
ove dve kategorije jer suštinske razlike i nema. 
Dakle,  kredit  ili  zajam  predstavlja  privredno  pravni  pojam  tj.  dužničko 
poverenički  odnos  zasnovan  na  ugovoru  o  uslovima  za  isticanje  prava 
raspolaganja  novcem  (ili  nekim  drugim  vrednostima)  od  strane  poverioca 
prema  dužniku.  Sama  reč  kredit  potiče  od  latinske  reči  “credo”  što  znači 
verujem  (imam  poverenje).  Interesi  poverioca  (odnosno  zajmodavca)  su 
najčešće kamata, ali pored toga interes može biti i određeni ekonomski razvoj, 
instrument  ekonomske  politike  ako  je  poverilac  veća  firma  prema  manjoj  ili 
država prema nekoj radnoj organizaciji. 
Zajmovi  najčešće  služe  za  investicione  svrhe  i  po  pravilu  se  odobravaju 
jednokratno  u  određenoj  visini  a  dužnici  ih  otplaćuju  u  godišnjim  otplatnim 
iznosima koji se zovu anuiteti.  U anuitetima se sadrže otplate glavnice i isplate 
kamate.  Anuiteti  su  najčešće  jednaki  a  mogu  biti  i  različiti  a  na  primer  da 
otplate glavnice budu jednake. Isplaćivanje zajma se u ekonomskoj praksi zove 
amortzacija zajma. 
 
 
Amortizacija zajma jednakim anuitetima 
 
Pretpostavljamo  da  je  dužnik  uzeo  od  poverioca  K  dinara  početkom  godine 
koje treba da otplati sa jednakim godišnjim anuitetima a. Pri tome je kamata p 
procenat a ukamaćivanje je složeno i vrši se godišnje. 
Koliki je anuitet a? 
 
Dug će očigledno posle godinu dana pre otplate prve dve rate iznositi 
( ) r K
p
K K + =






+ = 1
100
1
1
   






=
100
p
i  
 
Posle otplate prve rate dug iznosi  ( ) a i K − + 1  
Pre isplate druge rate dug postaje (zbog kamata)   
( ) ( )( ) ( ) ( ) i a i K i a i K K + − + = + − + = 1 1 1 1
2
2
 
 
i uplatom druge rate dug se smanjuje za a i iznosi  ( ) a i a r K − + − + ) 1 ( 1
2
 
 

 
‐ 256 ‐ 
Ovaj račun nastavljamo i posle n‐te godine i isplate n‐te rate imamo 
 
K i a i a i a i a
n n n
( ) ( ) ( ) ... ( ) 1 1 1 1 0
1 2
+ − + − + − − + − =
− −
 
 
jer  je  po  pretpostavci  isplatom  zadnje  n‐te  rate  dug  isplaćen.  Ako  je  1  +  i  =  r  
tada imamo 
 
Kr ar ar a
n n
= + + +
−1
...  
 
odnosno 
 
1
1


=
r
r
a Kr
n
n
    tj.   o =
K·¡
n
(¡-1)
¡
n
-1
   odnosno   
( ) 1
1


=
r r
r
a K
n
n
 
 
pri  čemu  se 
( )
1
1


n
n
r
r r
  zove  anuitetni  faktor  ili  faktor  povraćaja  koji  je  dat 
tablicom V, a koja je očigledno povezana sa tablicom IV tj. važi  
n
p
n
p
IV
V
%
%
1
=  
U slučaju da se anuiteti povećaju  m puta godišnje i n puta se vrši kapitalisanje 
tada se analognim računom dobija veza 
 
( )
( ) 1
1


=
r r
r a
K
mn
mn
   gde je 
 
m
p
r
100
1+ =     odnosno imamo 
 
mn
m
p
IV a K ⋅ =     tj. 
mn
m
p
V K a ⋅ =  
 
Primer: Zajam od 1.000.000 dinara amortizuje se jednakim anuitetima u toku 5 
godina uz 12% kamatnu stopu ako je obračun kamate na kraju godine. 
Izračunati anuitet ako se: 
a) anuitet plaća i kapitalisanje vrši godišnje 
b) anuitet  plaća i kapitalisanje vrši polugodišnje 
c) anuitet plaća i kapitalisanje vrši tromesečno 
d) anuitet plaća i kapitalisanje vrši mesečno. 
 
Rešenje:  

 
‐ 257 ‐ 
a) K=1.000.000, n = 3, m = 1,  300 . 416
3
12
= = ⋅ = KV V K a
mn
m
p
din 
b) K=1.000.000, n = 3, m =2,  400 . 203
6
6
= = ⋅ = KV V K a
mn
m
p
din 
c) K=1.000.000, n = 3, m = 4,  500 . 100
12
3
= = ⋅ = KV V K a
mn
m
p
din 
d) K=1.000.000, n = 3, m = 12,  200 . 33
36
1
= = ⋅ = KV V K a
mn
m
p
din 
 
Zakon otplata 
 
Ako  zajam  otplaćujemo  jednakim  anuitetima  tada  sa  svakim  anuitetom 
plaćamo  prispelu  kamatu  na  dug  u  tom  trenutku  i  dajemo  otplatu  – 
smanjujemo dug. Dakle, anuitet 
 
k k
i b a + =   za k =1,2,...,n 
Pri ovakvom načinu otplaćivanja zajma očigledno je da se sa vremenom otplate 
povećavaju a prispele kamate smanjuju. 
Pregled  otplata  i  interesa  se  vrši  po  određenom  planu  koji  se  zove 
amortizacioni  plan.  Izložimo  ga    pretpostavljajući  da  se  zajam  od  K  dinara 
amortizuje  sa  n  jednakih  godišnjih  anuiteta  sa  p%  kamatnih  stopa  i  godišnjim 
dekurzivnim kapitalisanjem. Prema prethodno izračunatom imamo da je  
n
p
V K a ⋅ =  i pri tom imamo: 
• za prvu godinu zajam je K
1
=K, interes 
100
1
1
p K
i = , i otplata 
1
i a b − =  
• za  drugu  godinu  zajam  je  K
2
=K
1
‐b
1
,  interes 
100
2
2
p K
i = ,  i  otplata 
2 2
i a b − =  
• za  n‐tu  godinu  zajam  je  K
n
=K
n‐1
‐b
n‐1
,  interes 
100
p K
i
n
n
= ,  i  otplata 
n n
i a b − =  
pri čemu je poslednja otplata jednaka ostatku duga tj. 
n n
K b =  
Pregledno ovaj plan se daje tabelom: 
 
Period 
otplaćivanja 
Iznos dug  Interes 
anui
tet 
otplate 
1  K K =
1
 
100
1
1
p K
i =  
a  
1 1
i a b − =  

 
‐ 258 ‐ 

1 1 2
b K K − =  
100
2
2
p K
i =  
a  
2 2
i a b − =  

2 2 3
b K K − =  
100
3
3
p K
i =  
a  
3 3
i a b − =  
... 
... 
 
...  ...  ... 
n‐1 
2 2 1 − − −
− =
n n n
b K K  
100
1
1
p K
i
n
n


=  
a  
1 1 − −
− =
n n
i a b  

1 1 − −
− =
n n n
b K K  
100
p K
i
n
n
=  
a  
n n
i a b − =  
 
Očigledno u ovom planu mora biti: 
 
( )
n
n
i i i
p K K K
+ + + =
⋅ + + +
...
100
...
2 1
2 1
 
 
n n
K b =  
 
  K b b b
n
= + + + ...
2 1
 
 
  a n b b b i i i
n n
⋅ = + + + + + + + ... ...
2 1 2 1
 
 
 
Primer: Napravimo amortizacini plan iz prethodnog primera a): K=1000000, n = 
3, p =12%,  350 . 416 = a  dinara 
 
Godine 
otplate 
iznos duga  Interes  Otplata 
1  K
1
= 1000000  120000
100
1
1
= =
p K
i   296350
1 1
= − = i a b  
2  K
2
=K
1
‐b
1
= 703650  84440
100
12
2
2


=
K
i   331910
2 2
= − = i a b  
3  K
3
=K
2
‐b
2
= 371740  44610
100
12
3
3


=
K
i   371740
3
= b  
UKUPNO: 1000000 
 

 
‐ 259 ‐ 
Izračunavanje bilo koje otplate pomoću prve otplate i obrnuto 
Iz amortizacionog plana možemo odmah videti da je: 
100
1 1 1
Kp
b i b a + = + =   i 
 
( )
100 100
1
2
2
2 21 2
p b K
b
p K
b i b a

+ = + = + =   pa je 
 
100 100 100
1
2 1
p b Kp
b
Kp
b − + = +   odakle je 
 






+ = + =
100
1
100
1
1
1 2
p
b
p b
b b  
 
Analogno dobijamo 
 






+ =
100
1
2 3
p
b b   odnosno 
2
1 3
100
1






+ =
p
b b    
i nastavljajući do kraja 
 
1
1
100
1







+ =
n
n
p
b b  
 
Imajući u vidu da je vrednost 
k
p






+
100
1 data u prvoj tablici 
k
p
I imamo da je 
1
1

=
k
p k
I b b     k=2, ..., n 
 
Obratno, ako znamo b
k
, dobijamo b
1
 na sledeći način 
 
1
1

⋅ = =
k
p k
k
p
k
II b
I
b
b   k =2,...,n 
 
 

 
‐ 260 ‐ 
Izračunavanje  otplaćenog  dela  duga  i  ostatka  duga  posle  c  prvih  plaćenih 
anuiteta 
 
Ove  vrednosti  kada  je  trebalo  izračunati  ih,  se  lako  izračunavaju  iz 
amortzacionog plana. Naime, otplaćeni dug O
c
 posle c plaćenih anuiteta je zbir 
prvih otplata, dakle: 
 
 
c c
b b b O + + + = ...
2 1
 kako je 
1
1

⋅ =
k
p k
I b b  to je 
 
 
( ) ( )
1
1
1 2 1
1
1
1
2
1
1
1 1
1 ... 1 ...
− − −
+ = + + + + = + + + + =
c
p
c
p p p
c
p p p c
III b I I I b I b I b I b b O  
 
jer je od ranije poznato 
1 2 1 1
...
− −
+ + + =
c
p p p
c
p
I I I III  
 
Ostatak duga R
n‐c 
naravno, predstavlja razliku između duga K
n   
otplaćenog dela 
O
c

 
 
c c n
O K R − =

 
 
i  pod  istim  uslovima  (godišnje  kapitalisanje  i  godišnji  anuitet)  može  se 
izračunati da je 
 
 
c n
p c n
IV a R


⋅ =  
 
 
Anuiteti su jednaki i češći od kapitalisanja 
 
Neka je kapitalisanje godišnje p procenat kamatne stope, anuitet na zajam od K 
dinara  se  isplaćuje  m  puta  godišnje  a  broj  godina  za  koje  treba  otplatiti  zajam 
neka je n. Koliki je anuitet? 
 
Anuiteti uplaćeni m puta godišnje se očigledno moraju svatiti kao ulozi dati pod 
istim uslovima kao što je i zajam uzet, dakle, na kraju godine iznos anuiteta je 

 
‐ 261 ‐ 
( )







+
200
1 p m
m a a  zajam  je  postao 






+ ⋅
100
1
p
K i  neotplaćena  suma  sa 
kojom  se  ulazi  u  drugu  godinu  je 
( )







+ −






+ =
200
1
100
1
1
p m
m a
p
K K
analogno dobijamo 
 
( )







+ −






+ =
200
1
100
1
1 2
p m
m a
p
K K  
  . . .  
 
( )
0
200
1
100
1
1
=







+ −






+ =

p m
m a
p
K K
n n
 
Iz ovih relacija dobijamo (zamenom prethodne u narednoj) 
 
  K K
p
a m
m p p
2
2
1
100
1
200
1
100
1 = +






− +







+






+






( )
 
  ... 
 
 
K K
p
a m
m p p p
n
n n
= +






− +







+






+ + +






+








=

1
100
1
200
1
100
1
100
1 0
1
( )
...  
označivši  r
p
= +
100
1  imamo 
( )
1
1
200
1










+ = ⋅
r
r p m
m a r K
n
n
  
odakle je 
 
( )
( ) ( )
200
1
200
1
1
1
%
p m
m
V K
p m
m
r
r r
K
a
n
p
n
n

+

=

+

− ⋅

=  
 
Primer: Kupac je kupio automobil na kredit. cena automobila je 200000 dinara, 
kamata  je  10%,  kapitalisanje  je  godišnje  a  kredit  se  otplaćuje  na  36  jednakih 
mesečnih rata. Koliki su anuiteti? 
Rešenje: 

 
‐ 262 ‐ 
  6408
55 , 12
4021 , 0 200000
200
10 11
12
10


=

+

=
b
V K
a dinara 
 
Anuiteti jednaki i ređi od kapitalisanja 
 
Ovaj  slučaj  ćemo  objasniti  na  primeru  gde  se  na  zajam  od  K  dinara  sa  p 
procenata  godišnje  kamate  vrši  kapitalisanje  m  puta  godišnje  a  anuiteti  se 
plaćaju godišnje n godina. 
Dakle,  zajam  na  kraju  prve  godine  postaje  posle  m  kapitalisanja  sa  
proporcionalnom stopom 
m
p
 
m
m
p
K






+
100
1  
i  kada  posmatramo  prvi  anuitet  dobijamo  startnu  vrednost  za  drugu  godinu 
(vrednost na kraju prve godine):   
a
m
p
K K
m







+ =
100
1
1
 
analogno 
a
m
p
K K
m







+ =
100
1
1 2
 
i na kraju 
0
100
1
1
= −






+ =

a
m
p
K K
m
n n
  
 
tj. sa n‐tom otplatom zajam je otplaćen. 
Zamenjujući prethodni izraz u narednom dobijamo  
 
a
p
a
m
p
K K
m m







+ −






+ =
100
1
100
1
2
2
 
 
i tako dalje do kraja:  
 
( ) ( )
0 ...
100
1
100
1
100
1
2 1
= − −






+ −






+ −






+ =
− −
a
m
p
a
m
p
a
m
p
K K
n m n m mn
n
  

 
‐ 263 ‐ 
sabirajući 
 
1
100
+






=
p
m
r
m
 
 
imamo jednakost 
 
a ar ar ar r K
n n n
+ + + + = ⋅
− −
...
2 1
 
 
odnosno 
1
1


⋅ =
r
r
a Kr
n
n
  
 
odakle je 
( )
1
1
n
n
r
r r
K a

⋅ =  
 
Dakle,  ako  računamo  pomoću  tablice 
mn
m
p
V K a ⋅ =   je  izračunata  vrednost 
anuiteta. 
 
Amortizacija zajma jednakim otplatama 
 
Zajam  se  može  otplaćivati  i  sa  jedanakim  otplatama  od  n  delova,  s  tim  da  se 
anuiteti  dobijaju  tako  što  se  na  verdnost  doda  izračunati  interes  u  trenutku 
isplate  anuiteta..  Dakle,  neka  je  uzet  zajam  od  K  dinara  na  n‐godina  sa  p 
procenata kamatne stope i jednakim otplatama. Koliki su godišnji anuiteti? 
Anuieti se mogu lako računati na sledeći način.  
Prvo, 
n
K
b b b
n
= = = = ...
2 1
i anuitet 






+ =






+ =
100
1
100
1
np
n
K p
K
n
K
a  
Dakle, u drugu godinu ulazimo sa dugom 
( )
n
n K 1 −
 i drugi anuitet je 
 
( ) ( )







+ =







+ =
100
1
1
100
1
2
p n
n
K p
n
n K
n
K
a  

 
‐ 264 ‐ 
 
U treću godinu se ulazi sa dugom  
( )
n
n K 2 −
i treći anuitet je 
 
( ) ( )







+ =







+ =
100
2
1
100
2
3
p n
n
K p
n
n K
n
K
a  
 
nastavljajući analogno zaključujemo da je k‐ti anuitet 
 
( )
a
K
n
n k p
k
= +
− + ⎛




⎟ 1
1
100
( )
 
 
i zadnji anuitet je 
 






+ =
100
1
p
n
K
a
n
 
 
sa kojim je otplaćen dug. 
 
Ako  se  pravi  amortizacioni  plan  zajma  u  koloni  otplata  imamo  iste  vrednosti  a 
anuiteti  se  dobijaju  kad  se  na  ove  vrednosti  dodaju  interesi  na  odgovarajući 
iznos duga. 
Primer:  Kredit  od  2700  din  uzet  je  po  godišnjoj  kamatnoj  stopi  od  12%  na  12 
tromesečnih anuiteta sa jednakim isplatama. napraviti plan amortizacije. 
Rešenje:  Otplata  je  dakle  2700:12=225  din.  Kada  dođe  vreme  prve  isplate  na 
kredit  valja  platiti  interes  81
100 4
12 2700
1
=


= P din.  (kamata  je  proporcionalna) 
pa je prvi anuitet, dakle, 225+81=306 dinara. Dakle, preostali deo duga je 2475 
na  koji  se  daje  na  koji  se  daje  otplata  posle  sledeća  tri  meseca  koja  iznosi 
225+P
2
 a 
25 , 74
100 4
12 2475
2
=


= P din. pa je anuitet 299,25 dinara ili pregledno u tabeli: 
 
 
 
 
 
 

 
‐ 265 ‐ 
Period 
otplate 
početni 
iznos duga 
interes  anuitet  otplata 
krajnji iznos 
duga 
1  2700  81  306  225  2475 
2  2470  74,25  299,25  225  2250 
3  2250  67,50  292,50  225  2025 
4  2025  60,75  285,75  225  1800 
5  1800  54,00  279,00  225  1575 
6  1575  47,25  272,25  225  1350 
7  1350  40,50  265,50  225  1125 
8  1125  33,75  258,75  225  900 
9  900  27,00  252,00  225  675 
10  675  20,25  245,25  225  450 
11  450  13,50  238,50  225  225 
12  225  6,75  231,75  225  0 
∑  ‐  526,50  3226,50  2700  ‐ 
 
 
AMORTIZACIJA ZAJMA PROMENLJIVIM ANUITETIMA 
 
Isplata  zajma  na  ovaj  način  se  vrši  izradom  amortizacionog  plana  s’tim  što 
anuitet u svakom koraku mora biti veći od interesa i zadnji anuitet mora svesti 
dug na nulu. 
 
AMORTIZACIJA ZAJMA ZAOKRUŽENIM ANUITETIMA 
 
Amortizacija zajma u ovoj situaciji je vrlo slična amortizaciji zajma sa jednakim 
anuitetima  sa  tom  razlikom  što  se  anuiteti  zaokruže  na  neku  određenu 
vrednost  i  na  taj  način  se  napravi  amortizacioni  plan  a  u  poslednjem  periodu 
izračunamo zadnji interes i dodamo na ostatak duga. Dakle, zadnji anuitet nije 
isti kao ostali već je zbir poslednjeg interesa i
n
 i poslednjeg ostatka duga K
n
 (koji 
je jednak ostalim) i zove se još i anuitetni ostatak. 
 
Primer:  Zajam  od  8000  dinara  amortizuje  se  godišnjim  anuitetima  koji  su  u 
visini  od  35%  od  veličine  zajma  sa  kamatnom  stopom  od  5%  dekurzivno 
godišnje  kapitalisanje.  Napraviti  plan  amortzacije  zajma  i  odrediti  poslednji 
anuitet. 
 

 
‐ 266 ‐ 
Rešenje:  Kako  anuiteti  treba  da  budu  35%  od  veličine  zajma  to  je 
2800
100
35 8000
=

= a ,  p=5%,  m=1  a  n=?  Iz  tablice  IV  imamo    8000  =  2800 
n
IV
5
⋅ odavde je  8571 , 2
5
=
n
IV  
Ove vrednosti se ne nalaze u koloni procenta  5 već je 3 < n < 4 dakle, zajam se 
amortizuje  4  godine.  Tri  puta  se  plaća  po  2800  a  poslednje  ostatak.  Prikažimo 
to amortizacionim planom: 
 
period 
otplate 
početni 
iznos duga 
interes  anuitet  otplata 
krajnji iznos 
duga 
1  8000  400  2800  2400  5600 
2  5600  280  2800  2520  3080 
3  3080  154  2800  2646  434 
4  434  21,7  455,7  434  0 
∑  ‐  855,7  8895,7  8000  ‐ 
 
KONVERZIJA ZAJMA 
 
Konverzija  zajma  je  svaka  promena  uslova  otplaćivanja  zajma.  Do  konverzije 
najčešće dolazi na predlog dužnika, može biti predviđena i ugovorom o zajmu i 
;esto je nametnuta i promena na tržištu novca. 
Matematički  gledano  konverzija  zajma  predstavlja  novi  zajam  sa  novim 
uslovima  pri  čemu  veličina  tog  novog  zajma  je  ostatak  duga  sa  prispelom 
kamatom  do  tog  trenutka  za  koju  se  pravi  novi  amortzacioni  plan  sa  novim 
uslovima. 
 
Primeri sa rešenjima: 
 
Zajam od 100000 dinara otplaćuje se 25 godina godišnjim anuitetima uz interes 
od  6%  (pa)d  i  godišnje  kapitalisanje.  Posle  15  godina  plaćenih  anuiteta  interes 
je smanjen na 4% (pa)d i rok je produžen za 5 godina. Izračunati novi anuitet. 
 
 Prvo treba izračunati prvobitni anuitet i otplaćeni deo duga sa 15 rata 
din V K a 7820 0782 , 0 100000
25
6
= ⋅ = ⋅ = ostatak duga posle 15 godina je 
din IV R K 57556 3601 , 7 7820 7820
10
6 15 25 1
≈ ⋅ = ⋅ = =

 
Novi anuitet je dakle 
din V K a 5 , 6135 1066 , 0 57556
12
4 1 1
≈ ⋅ = ⋅ =  
 

 
‐ 267 ‐ 
10.8. ELEMENTI OSIGURANJA 
 
Uvodni deo 
 
U  ovom  kratkom  izlaganju  o  elementima  osiguranja  ćemo  izložiti  jedan  oblik 
osiguranja  –  osiguranje  lica  ili  kako  se  uobičajeno  zove  osiguranje  života  kai  i 
osiguranje  kapitala  u  smislu  naplata  u  određenim  situacijama  od  strane  lica 
koje  se  osigurava  ili  od  strane  drugih  lica  na  koje  je  osiguranje  zaključeno. 
Dakle, ovde se ne govori o osiguranju imovine (mada su principi isti). 
Ovde  će  biti  samo  dotaknuta  problematika  teorijskog  računa  osiguranih  lica 
(neće  biti  posmatrani  troškovi  osiguranja  koji  se  sastoje  od  troškova 
zaključivanja  osiguranja,  naplate  osiguranja,  raznih  administrativnih  troškova) 
odnosno radićemo samo sa takozvanim neto premijama – odnosno kako se još 
zovu  matematičkim  premijama  odnosno  radićemo  samo  sa  neto  mizama  ili 
matematičkim mizama. 
Osiguranje na život je pisani ugovor koji se zove polisa koji se zaključuje jednog 
osiguranog  lica  –  osiguranika,  i  osiguravajućeg  zavoda  –  osiguravača.  Po  tom 
ugovoru  osiguranik  se  obavezuje  da  odmah,  odjednom  ili  u  više  rata  plati 
određenu ugovorenu sumu novca osiguravaču na osnovu koje ovaj kad nastupi 
ugovorom predviđen slučaj isplaćuje osiguranu sumu korisniku. 
Kad  se  ugovorna  suma  uplaćuje  odjednom  onda  se  kaže  da  je  osiguranje 
izvršeno uplatom mize. 
Kad  se  ugovorena  suma  uplaćuje  više  puta,  bilo  godišnje,  bilo  više  puta 
godišnje tada se kaže da je osiguranje izvršeno uplatom premije. Premija može 
biti  doživotna  ili  privremena  (doživotnu  osiguranik  plaća  dok  je  živ  a 
privremenu određeni broj godina u slučaju da ih doživi). 
osiguranje na život se deli na: osiguranje rente i osiguranje kapitala. Prvi tip je 
kad  se  osiguravač  obavezuje  da  osiguraniku  (posle  određenog  broj  godina) 
određen  broj  godina  (ili  doživotno)  isplaćuje  određeni  novčani  iznos  (rentu) 
jednom ili više puta godišnje. 
Drugi  put  je  kada  se  osiguravač  obavezuje  da  isplati  određenu  sumu  novca 
(kapital) jednom ili najviše dva puta u životu. 
Osiguranje  života  može  biti  vezano  za  jedno  ili  više  lica  –  ovde  će  biti  reč  o 
osiguranju jednog lica. 
Svi  računi  ovde  su  vezani  za  određene  verovatnoće  –  verovatnoća  da  će 
određeno  lice  sa  x  godina  da  doživi  x+y  godina.  Računanja  se  vrše  tako  što  se 
poštuje princip ekvivalencije – grupne uplate su jednake ukupnim isplatama. 
 

 
‐ 268 ‐ 
Tablice smrtnosti 
U  grani  matematike  koja  se  koristi  u  osiguranju  i  koja  se  zove  aktuarska 
matematika  za praktične  primene za računanje uplata kod osiguranja na život 
koriste  se  tablice  smrtnosti.  U  ovim  tablicama  su  praktično  uključene 
verovatnoće  doživljavanja  kao  i  važeće  kamatne  stope  za  koje  se  u 
odgovarajućoj državi koriste. 
U tim tablicama obično imamo sledeće elemente 
  x  ‐  starost lica 
  l
x
  ‐  broj živih lica starih x godina 
  d
x
 ‐ broj umrlih lica u toku x+1 godine života 
D
x
, N
x
, S
x
, C
x
, M
x
, R
x
 – komutativni brojevi 
D
x
  –broj  diskontovanih  živih  lica  starosti  x‐godina  u  času  njihovog 
rođenja 
x
x
r
l
 
  N
x
  –  zbir  brojeva  diskontovanih  živih  lica  starosti  x,  x+1,  x+2,...  godina                  


=
+
+
0
1
1
i
x
x
r
l
 
  S
x
 – zbir zbirova diskontovanih živih lica starosti x, x+1, x+2,... godina 
  C
x
 – broj diskonotvanih umrlih lica u toku x+1 godine života 
M
x
 – zbir brojeva diskontovanih umrlih lica u toku x+1, x+2,... godine starosti 
R
x
 ‐  zbir zbirova diskontovanih umrlih lica u toku x+1, x+2,... godine starosti 
 
U  tablicama  našeg  osiguravajućeg  zavoda  kamatna  stopa  za  diskontovanje  je 
5%. 
 
OSIGURANJE LIČNE RENTE UPLATOM MIZE 
 
Osiguranje rente predstavlja vid osiguranja u kome u kome osiguranik uplatom 
jednokratne  novčane  mase  –  mize  ili  višekratnim  uplatama  –  premijama  u 
ratama  želi  da  obezbedi  sebe  u  budućnosti  ili  svoju  porodicu  u  budućnosti. 
Dakle, postoji više kategorija rente – ovde će biti posmatrana samo lična renta. 
Ona  se  prema  početku  primanja  može  odrediti  kao  neposredna  ili  odložena. 
Neposredna je kada se primanja isplaćuju odmah posle zaključenja osiguranja a 
odložena  je  ona  u  kojoj  se  primanja  isplaćuju  posle  protoka  nekog  određenog 
perioda  (odloženost)  koji  je  predviđen  ugovorom.  Prema  vremenu  primanja 
može biti dekurzivna (ako se prima krajem svake godine) i anticipativna (ako se 
prima početkom svake godine). Renta se po pravilu isplaćuje godišnje a ako se 
isplaćuje češće onda se zove renta u ratama ili parcijalna renta. Renta može biti 
konstantna  i  promenljiva  u  zavisnosti  od  visine  (što  se  predviđa  ugovorom). 

 
‐ 269 ‐ 
Ovde  će  biti  posmatrana  konstantna  dekurzivna  i  anticipativna  renta  koja  je 
neposredna  i  doživotna,  bez  ukazivanja  na  raznorazne  mogućnosti  koje  se 
mogu dobiti u ostalim slučajevima. 
Dakle,  doživotna  neposredna  renta  je  ona  koju  osiguranik  prima  od  dana 
osiguranja  pa  do  kraja  života.  Kada  bi  znali  broj  primanja  n  naznačene  rente 
zadatak bi rešili na sledeći način: 
 
( )
1
1

+ =
n
p n
IV R M  
 
gde  je  R  renta  a  M
n
  bi  bili  veličine  uplate  i  ako  bi  princip  ekvivalencije  bio 
zadovoljen.  Međutim,  mi  ne  znamo  n,  i  zadatak  nećemo  rešiti  pomoću  ovog 
obrasca  finansijske  matematike.  Dakle,  rešavamo  zakonima  aktuarske 
matematike sledeći princip ekvivalencije – uplate su jednake sa isplatama. Ovo 
se naravno neće odnositi na jednog osiguranika već globalno posmatrajući sve 
osiguranike jednog osiguravajućeg zavoda.  
 
Dakle, izračunajmo koliku će mizu (neto iznos – iznos bez troškova) uplatiti lice 
staro x godina da bi primalo rentu R dinara od dana osiguranja do kraja života? 
 
(A)Rešenje: anticipativni slučaj 
 
Neka  je 
x
a   miza  koju  će  ovo  lice  da  uplati  da  bi  primalo  1  novčanu  jedinicu 
rente.  Osiguravajući  zavod  će  (uz  pretpostavku  da  su  sva  lica  stara  x  godina 
kojih ima l
x
 u tablicama) biti osigurani, dobiti  
x x
l a ⋅ dinara. 
Osiguravajući  zavod 
x x
l a ⋅ primljenih  dinara  isplaćuje  svim  licima  sabira  se 
godina odmah po 1 novčanu jedinicu, a potom početkom sledeće godine svim 
živim licima koja imaju x+1 godina l
x+1 
dinara 
Dakle zavod isplaćuje 
  na dan osiguranja   l
x
    novčanih jedinica 
  posle 1 godine    l
x+1
 novčanih jedinica 
  posle 2 godine    l
x+2
 novčanih jedinica 
  . . . 
Vrednost ovih isplata moraju biti isti kao i vrednost uplate, dakle, ove vrednosti 
isplata  moraju  se  svesti  na  isti  rok  –  na  dan  osiguranja  –  a  znajući  da  je 
kamatna stopa p procenata ove vrednosti su: 
 
 
 

 
‐ 270 ‐ 
  prva   l
x
    novčanih jedinica 
  druga 
r
l
x 1 +
n.j. 
  treća 
2
2
r
l
x+
n.j. 
 
gde je  ,
100
1
p
r + = i pri tom imamo jednakost 
...
2
2
1
1
+ + + = ⋅
+
+
+
+
x
x
x
x
x
x
x x
r
l
r
l
r
l
l a   i  znajući  da  je 
m
m
x
r
l
D = imamo 
...
2 1
+ + + = ⋅
+ + x x x x x
D D D D a   odnosno 
x x x
N D a = ⋅ a  odavde  je 
x
x
x
D
N
a =  
što je miza na rentu od 1 novčane jedinice i rentu R novčanih jedinica imamo  
 
x
x
x
D
N
R a R M ⋅ = ⋅ =  
 
 
(B) Rešenje – dekurzivni slučaj 
 
Kao  i  u  prethodnom  slučaju  neka  je 
x
a miza  za  1  nj.  rente  koju  će  osiguranik 
primati  krajem  svake  godine.  Dakle,  osiguravajući  zavod  će  od  l
x
  osiguranika 
starih x – godina primiti  a l
x x
 novčanih jedinica. 
Isplaćivaće: 
  posle prve godine    l
x+1
 nj. 
  posle druge godine  l
x+1
 nj. 
I  ove  isplate  treba  svesti  na  početno  vreme  (imajući  na  umu  da  je  kamatna 
stopa p i 
100
1
p
r + = )  kada imamo sledeće vrednosti 
  prve isplate   
r
l
x 1 +
 
  druge isplate  
2
1
r
l
x+
 
  . . . 
i prema principu ekvivalencije imamo 
...
2
2 1
+ + =
+ +
r
l
r
l
l a
x x
x x
 

 
‐ 271 ‐ 
i posle podele sa r
x
 imamo 
...
2
2
1
1
+ + = ⋅
+
+
+
+
x
x
x
x
x
x
x
r
l
r
l
r
l
a tj. 
 
...
2 1
+ + =
+ + x x x x
D D D a  
odnosno 
 
1 +
=
x x x
N D a  
odakle je 
x
x
x
D
N
a
1 +
=  
što je miza za rentu od 1 n.j. a mize za R n.j. iznosi 
 
x
x
x
D
N
R Ra M
1 +
= =  
 
Slično kao i za prethodne slučajeve mogu se dobiti i sledeći obrasci (za mizu za 
1 novčanu jedinicu rente): 
Doživotna  anticipativna  renta  odložena  od  x  za  k  godina  dobija  se  uplatom 
mize 
x
k x
x k
D
N
a
+

=  
Doživotna dekurzivna renta odložena od x za k godina dobija se uplatom mize 
x
k x
x k
D
N
a
1 + +
∞ =  
Anticipativna renta za n‐godina uplate sa početkom isplate prve godine dobija 
se uplatam mize 
x
k n x x
x n
D
N N
a
+ + +

=
1
0
 
Dekurzivna  renta  za  n  godine  isplate  sa  početkom  isplate  krajem  k‐te  godine 
(od momenta osiguranja) dobija se uplatom mize 
x
k n x k x
x n k
D
N N
a
+ + + +

=
1
 
 
 
 

 
‐ 272 ‐ 
10.9. OSIGURANJE KAPITA LA  UPLATOM MIZE 
 
Kao  što  je  napred  rečeno  osiguranik  osiguranjem  kapitala  stiče  pravo  da, 
uplativši mizu, posle izvesnog vremena primi određenu sumu novca odjednom 
ili najviše od dva puta. Osiguranje kapitala može biti 
A  za slučaj doživljavanja 
B  za slučaj smrti 
C  za slučaj doživljavanja i smrti 
D  na određeni rok 
 
A Za slučaj doživljavanja  
 
U  ovom  obliku  osiguranja,  osiguravajuće  društvo  isplaćuje  ugovorenu  sumu 
samo  onim  osiguranicima  koji  dožive  određeni  rok.  Uplata  onih  koji  ne  dožive 
ugovoreni  rok,  koristi  se  za  povećanje  sume  (tako  se  i  pororačun  vrši)  isplate 
onih koji dožive uplaćeni rok. 
Danas postavljamo sledeće pitanje: Koliku neto mizu treba da uplati lice staro x 
godina koje želi da mu se isplati k dinara ako doživi x+n godina? 
Neka je ovako osiguranje zaključilo l
x
 lica straih x godina i neka je neto miza za 
1 n.j. osiguranog kapitala 
x n
E . Dakle, na dan osiguranja osiguravajuće društvo 
primi 
x n x
E l ⋅ n.j. (na primer dinara) 
Na  kraju  n‐te  godine  osiguravajući  zavod  živim  licima  (kojih  po  tablicama 
starosti ima l
x+n
) isplati l
x+n 
dinara. I ova isplata mora biti svedena na dan uplate 
tj. mora biti  
n
n x
x n x
r
l
E l
+
= ⋅      deleći zadnju relaciju sa r
x
 dobijamo 
n x
n x
x n x
x
r
l
E
r
l
+
+
= ⋅    dakle imamo 
n x x n x
D E D
+
= ⋅  
Odakle imamo 
x
n x
x n
D
D
E
+
=  što je mize za 1 dinar isplate a za k dinara imamo 
x
n x
x n
D
D
K E K M
+
⋅ = ⋅ =  
 
B Osiguranje kapitala za slučaj smrti 
 
Imamo četiri vrste osiguranja za slučaj smrti 

 
‐ 273 ‐ 
a) doživotno 
b) odloženo 
c) privremeno 
d) odloženo privremeno 
 
a) Doživotno  osiguranje  kapitala  za  slučaj  smrti  je  takva  vrsta  osiguranja  po 
kome se određenom licu isplaćuje ugovoreni kapital na kraju godine u kojoj 
je osiguranik umro. 
Dakle  lice  staro  x  godina  osigurava  kapital  od  K  dinara  da  se  isplati 
naslednicima posle njegove smrti. Koliku mizu treba da uplati? 
Obeležimo  sa  A
x
  neto  mizu  koju  osiguranik  treba  da  uplati  za  1  dinar 
osiguranog kapitala za naslednike. Neka je u ovu vrstu osiguranja stupilo l
x
 
lica  starih  x  godina,  dakle  oni  osiguravajućem  zavodu  isplaćuju 
x x
A l ⋅
dinara  za  isplatu  naslednicima    kapitala  od  po  1  dinar  posle  smrti 
osiguranika. 
Osiguravajući zavod posle prve godine isplati d
x
 dinara, posle druge godine 
d
x+1
  dinara,  posle  treće  godine  d
x+2
  dinara.  Zbir  ovih  diskontovanih 
vrednosti isplata mora biti isti kao i uplata (sve se svodi na isti trenutak): 
...
3
2
2
1
+ + + = ⋅
+ +
r
d
r
d
r
d
A l
x x x
x x
 
Posle deljenja sa r
x
 ove relacije imamo 
...
3
2
2
1
1
+ + + = ⋅
+
+
+
+
+ x
x
x
x
x
x
x
x
x
r
d
r
d
r
d
A
r
l
 
odnosno imamo relaciju 
2 1 + +
+ + = ⋅
x x x x x
C C C A D   
ili preciznije 
x
x
x x
D
M
A D = ⋅ odakle je 
x
x
x
D
M
A =  
uz napomenu da poslednja relacija može imati i sledeći oblik 
x x
da A + =1 , 
gde  je 
r
d
1
1− = ,  jer  je 
x x x
N d D M ⋅ − = jasno  je  da  je  miza  za  K  dinara 
kapitala 
x
A K M ⋅ =  
 
b) Odloženo osiguranje u slučaju smrti 
Ovu  vrstu  osiguranja  imamo  kada  se  osiguravajući  zavod  obaveže  da  će 
isplatiti  ugovoreni  kapital  naslednicimaosiguranika  ako  osiguranik  umre 
posle  k  godina  posle  osiguranja  a  krajem  godine  kad  je  ovaj  umro.  Ako 
osiguranik  umre  u  ovih  k  godina  naslednicima  se  ništa  ne  isplaćuje.  Ova 

 
‐ 274 ‐ 
vrsta  osiguranja  je  zaštita  za  osiguravajuće  zavode  i  praktikuje  se  u 
osiguravanju lica sumnjivog zdravstvenog stanja. 
Dakle,  koliku  mizu  treba  da  uplati  lice  staro  x  godina  da  bi  naslednicima 
obezbedilo  kapital  od  K  dinara  psle  svoje  smrti,  ako  smrt  nastupi  posle  k 
godina od dana osiguranja? 
Obeležimo neto mizu za 1 dinar kapitala isplaćenog pod ovim uslovima sa 
x k
A .  Pretpostavimo  da  se  l
x
  osiguranika  osiguralo  na  ovaj  način.  Dakle 
osiguravajući zavod dobije  
x k x
A l ⋅ dinara. Osiguravajući zavod na kraju k+1 
godine isplaćuje d
x+k
 dinara, na kraju k+2 godine d
x+k+1
dinara, ... 
Po  principu  ekvivalencije  isplate  diskontovane  na  dan  uplate  moraju  biti 
jednake uplati pa imamo 
...
2
1
1
+ + = ⋅
+
+ +
+
+
k
k x
k
k x
x k x
r
d
r
d
A l   posle  deljenja  sa  r
x
  leve  i  desne  strane 
imamo 
...
2
1
1
+ + = ⋅
+ +
+ +
+ +
+
x k
k x
x k
k x
x k x
x
r
d
r
d
A
r
l
 odnosno 
...
1
+ + = ⋅
+ + + k x k x x k x
C C A D odnosno 
k x x k x
M A D
+
= ⋅   tj. 
x
k x
x k
D
M
A
+
=  
 
a neto mize za K dinara je 
 
x
k x
x k
D
M
K A K M
+
⋅ = ⋅ =  
 
c) Privremeno osiguranje za slučaj smrti 
Ovom  vrstom  osiguranja  osiguranik  obezbeđuje  da  osiguravajući  zavod 
isplati  naslednicima  kapital  od  K  dinara  krajem  godine  u  kojoj  je  on  umro 
ako umre u prvih n godina od dana osiguranja, a ako ne umre do tada onda 
osiguravajući zavod ne isplaćuje ništa. 
Dakle,  koliku  mizu  treba  da  uplati  lice  staro  x  godina  da  bi  se  njegovim 
naslednicima  krajem  godine  u  kojoj  je umrlo  isplatilo  K  dinara  ako  umre  u 
toku prvih n godina od dana osiguranja? 

 
‐ 275 ‐ 
Obeležimo  sa 
x n
A iznos  neto  mize  za  isplatu  kapitala  od  1  dinara  I 
pretpostavimo  da  je  u  ovaj  odnos  stupilo  l
x
  lica  starih  x  godina. 
Osiguravajući zavod dobije 
x n x
A l ⋅ dinara. 
Po ovom osnovu osiguravajući zavod isplaćuje 
krajem prve godine d
x
  dinara 
krajem druge godine d
x+1
  dinara 
krajem n‐te godine d
x+n‐1
  dinara 
Po principu ekvivalencije mora biti  
 
n
n x x x
x n x
r
d
r
d
r
d
A l
1
2
1
...
− + +
+ + + = ⋅  
Posle deljenja sa r
x
 leve I desne strane imamo 
 
n x
n x
x
x
x
x
x n x
x
r
d
r
d
r
d
A
r
l
+
− +
+
+
+
+ + + = ⋅
1
2
1
1
...  odnosno 
 
1 1
...
− + +
+ + + = ⋅
n x x x x n n
C C C A D  kako je 
  ...
2 1
+ + + =
+ + x x x x
C C C M    i 
... ...
2 1 1
+ + + + =
+ + + + + + n x n x n x x
C C C M to je 
1 1
...
− + + +
+ + + = −
n x x x x n x
C C C M M   pa nova jednačina postaje 
x n x x n x
M M A D − = ⋅
+
 
 
 što konačno daje 
x
x n x
x n
D
M M
A

=
+
 
 
 i konačno rešenje postojećeg zadatka je K dinara iznosi 
x
x n x
x n
D
M M
K A K M

⋅ = ⋅ =
+
 
 
d) Odloženo privremeno osiguranje kapitala za slučaj smrti 
Ova  vrsta  osiguranja  predviđa  isplatu  osiguranog  kapitala  K  naslednicima 
ako ako osiguranik preživi k godina od dana osiguranja a umre u  narednih 
n  godina.  Ako  umre  u  prvih  k  godina  ili  posle  k+n  godina  osiguravajući 
zavod ne isplaćuje ništa. 
Dakle,  koliku  mizu  mora  uplatiti  lice  staro  x  godina  da  bi  naslednicima 
osiguralo K dinara ako preživi k godinu pa umre u narednih n godina? 

 
‐ 276 ‐ 
Obeležimo  sa 
x n k
A neto  mizu  za  1  dinar  kapitala  koji  bi  se  isplatio 
naslednicima  pod  navedenim  uslovima  I  pretpostavimo  da  je  l
x
  starih  n 
godina  stupilo  u  ovu  vrstu  osiguranja.  Dakle,  osiguravajući  zavod  primi 
x n k x
A l ⋅ dinara. 
Isplate osiguravajućeg zavoda iznose 
  krajem (k+1) godine  d
x+k
   dinara 
  krajem (k+2) godine  d
x+k+1
 dinara 
  … 
krajem (k+n) godine  d
x+k+n‐1
 dinara 
I kada ove isplate svedemo na dan uplate I izjednačimo uplatu I isplatu po 
principu ekvivalencije imamo 
 
 
n k
n k x
k
k x
k
k x
x n k x
r
d
r
d
r
d
A l
+
− + +
+
+ +
+
+
+ + + = ⋅
1
2
1
1
...  i posle deljenja sa r
2
 imamo 
 
n k x
n k x
k x
k x
k x
k x
x n k x
x
r
d
r
d
r
d
A
r
l
+ +
− + +
+ +
+ +
+ +
+
+ + + = ⋅
1
2
1
1
...  
 
 
1 1
...
− + + + + +
+ + + = ⋅
n k x k x k x x n k x
C C C A D   
i slično kao u prethodnom delu imamo 
 
n k x k x x n k x
M M A D
+ + +
− = ⋅  što daje 
 
x
n k x k x
x n k
D
M M
A
+ + +

=    
pa za osiguranje kapitala od K dinara treba uplatiti mizu od  
x
n k x k x
x n k
D
M M
K A K M
+ + +

⋅ = ⋅ =  
Napomena: Ovo osiguranje je jednako razlici privremenog osiguranja za slučaj 
smrti  za  (k+n)  godina  i  privremenog  osiguranja  za  slučaj  smrti  za  k  godina. 
Zaista 
 
x
k n x k x
x
k x x
x
k n x x
x k x n k x n k
D
M M
D
M M
D
M M
A A A
+ + +
+ + +
+

=



= − =

 
‐ 277 ‐ 
10.10. MEŠOVITO OSIGURANJE 
 
U  praksi  najčešći  oblik  osiguranja.  Pri  ovakvom  ugovoru,  osiguravajući  zavod 
isplaćuje  osiguraniku  K  dinara  ako  doživi  n  godina,  odnosno,  istu  tu  svotu 
naslednicima  ako  osiguranik  umre  u  međuvremenu.  Dakle,  ovde  su  spojeni 
osiguranje za slučaj doživaljavanja i privremeno osiguranje za slučaj smrti.  
Zadatak je sledeći: Lice staro x godina osigurava K dinara na n godina koji će se 
isplatiti  njemu  lično  ako  doživi  x+n  godina,  odnosnokoji  će  se  isplatiti 
naslednicima ako osigurano lice u međuvremenu umre. 
 
Obeležimo neto mizu  za 1 dinar ovakvog kapitala sa 
n x
A
,
i pretpostavimo da je 
se  ovako  osiguralo  l
x
  lica  starih  x  godina.  dakle,  osiguravajući  zavod  dobije 
n x
x
A l
,
⋅ dinara. 
 
Osiguravajući  zavod  isplaćuje  na  kraju  prve  godine  d
x
,  na  kraju  druge  godine 
d
x+1
,...  na  kraju  n‐1  godine  d
x+n‐2
  dinara  i  na  kraju  n‐te  godine  d
x+n‐1
  i  l
x+n
  dinara 
(d
x
,  d
x+n‐1
  su  isplate  naslednicima  a  l
x+n
  je  isplata  onima  koji  su  doživelei  čas 
isplate). Svedeno na dan uplate uz princip ekvivalencije imamo 
n
n x
n
n x x x
n x
x
r
l
r
d
r
d
r
d
A l
+ − + +
+ + + + = ⋅
1
2
1
,
...    posle deljenja sa r
x
 imamo 
 
n x
n x
n x
n x
x
x
x
x
n x
x
x
r
l
r
d
r
d
r
d
A
r
l
+
+
+
− +
+
+
+
+ + + + = ⋅
1
2
1
1
,
...   odnosno 
 
n x n x x x
n x
x
D C C C A D
+ + +
+ + + + = ⋅ ...
1
,
  tj. imamo 
 
   
ili,  kao  što  je  napred  i  rečeno  to  je  zbir  osiguranja  kapitala  za  slučaj 
doživljavanja i privremenog osiguranja za slučaj smrti. 
 
x n n m
n x
E A A + =
,
 
 
 
n x n x x
n x
x
D M M A D
+ +
+ − = ⋅
,
x
n x n x x
n x
D
D M M
A
+ +
+ −
=
,

 
‐ 278 ‐ 
Rešenje našeg postavljenog zadatka je 
x
n x n x x
n x
D
D M M
K A K M
+ +
+ −
= ⋅ =
,
 
 
 
10.11. OSIGURANJE VIŠEK RATNIM PREMIJAMA 
 
Prethodna osiguranja detaljno obrađena uplatom mize su dosta retka u praksi 
jer  su  sa  gledišta  osiguranika  nepraktična  jer  retko  kad  osiguranik  ima  tako 
veliku sumu novca da bi je uplatio odjednom i na taj način se osigurao. Mnogo 
češći oblik osiguranja je kada se osiguranik osigurava na taj način što uplate za 
osiguranje plaća u više stalnih rata najčešće godišnjih. 
Treba imati na umu da se  usvakom od ovih osiguranja bilo osiguranju rente ili 
kapitala, privremenom, doživotnom, anticipativnom ili dekurzivnom, osiguranik 
plaća  premiju  samo  dok  je  živ,  odnosno  premije  ne  isplaćuju  naslednici  ni  u 
kom slučaju iako osiguranje može trajati i posle. 
I  ovde  kao  i  u  prethodnom  slučaju  važi  princip  ekvivalencije  samo  se  uplate 
sada pretvaraju kao ulaganje i naravno primenjuje se "zakon velikih brojeva” za 
proračune (u kojima se sadrže verovatnoće). 
Ovaj  način  proračuna  je  u  principu  isti  kao  i  u  prethodnim  slučajevima  pa  ga 
nećemo davati. 
 
DOŽIVOTNA ANTICIPATIVNA RENTA 
 
Pitanje  koliko  treba  uplatiti  u  m  godišnjih  rata  da  bi  se  obezbedila  doživotna 
anticipativna renta od K dinara. 
Izračunajmo  prvo  ovu  godišnju  ratu  [ ]
x m
a P   za  1  dinar  rente.  Neka  je 
osiguranje ove vrste zaključilo l
x, 
lica starih x godina. 
 
Dakle, prve godine uplata l
x
 lica po  [ ]
x m
a P  dinara  tj. 
 
[ ]
x x
a P l
m
⋅  
druge godine   [ ]
x x
a P l
m 1

+
 
. . .  
Na početku m‐te godine  [ ]
x m x
a P l ⋅
− + 1

Isplate su sledeće: 
Odmah na početku prve godine l
x
 dinara 
početkom druge godine l
x+1
 dinara 

 
‐ 279 ‐ 
... 
Svedeno  na  dan  zaključenja  osiguranja  primenom  principa  ekvivalencije 
dobijamo: 
[ ] ... ...
1
1
1
2
2 1
+ + =






+ + + + ⋅ ⋅
+

− + + +
r
l
l
r
l
r
l
r
l
l a P
x
x
m
m x x x
x x m
 
Deleći levu i desnu stranu sa r
x
 dobijamo 
[ ] ... ...
1
1
1
1
1
1
+ + =






+ + + ⋅ ⋅
+
+
− +
− +
+
+
x
x
x
x
m x
m x
x
x
x
x
x m
r
l
r
l
r
l
r
l
r
l
a P  odnosno 
[ ] ( ) ... ...
1 1 1
+ + = + + + ⋅ ⋅
+ − + + x x m x x x x m
D D D D D a P  
Kako je  ...
1
+ + =
+ x x x
D D N  to je 
i imamo relaciju 
[ ] ( )
x m x x x m
N N N a P = − ⋅ ⋅
+
   odakle je 
 
[ ]
m x x
x
x m
N N
N
a P
+

= ⋅  
a rešenje našeg problema je premija 
[ ]
m x x
x
x m
N N
N
K a P K P
+

⋅ = ⋅ =  
Ostale  slučajeve  godišnje  premije  sa  uplatom  za  1  dinar  rente  navodimo  bez 
izvođenja: 
• Doživotna  anticipativna  renta  sa  m  uplata  odložena  na  k  godina 
(isplaćuje se posle k godina) 
 
[ ]
m x x
k x x
x n k m
N N
N N
a P
+
+


= ⋅
 
• Anticipativna  renta  za  n  godina  isplate  (n>m)  sa  početkom  isplate 
odmah 
 
[ ]
m x x
n x x
x n o m
N N
N N
a P
+
+


= ⋅
 
• Anticipativna  renta  za  n  godina  isplate  (k+n>m)  sa  početkom  isplate 
posle k godina (odloženo) 
 
[ ]
m x x
n k x k x
x n k m
N N
N N
a P
+
+ + +


= ⋅
 
m x x m x x x
N N D D D
+ − + +
− = + + +
1 1
...

 
‐ 280 ‐ 
• Doživotna dekurzivna renta (isplate odmah na kraju godine) 
 
[ ]
m x x
x
x
m
N N
N
a P
+
+

= ⋅
1
 
• Doživotna dekurzivna renta odložena za k godina 
 
[ ]
m x x
k x
x k m
N N
N
a P
+
+ +

= ⋅
1
 
• Privremena  dekurzivna  renta  na  n  godina  n>m,  (prva  isplata  krajem 
prve godine): 
 
[ ]
m x x
n x x
x n o
m
N N
N N
a P
+
+ + +


= ⋅
1 1
 
• Privremena  dekurzivna  renta  na  n  godina  odložena  za  k  godina 
(k+n>m) 
 
[ ]
m x x
n k x k x
x n k
m
N N
N N
a P
+
+ + + + +


= ⋅
1 1
 
• Osiguranje  kapitala  od  1  dinara  za  slučaj  doživljavanja  n  godina 
( ) n m ≤  
 
[ ]
m x x
n x
x n m
N N
D
E P
+
+

= ⋅
 
• Osiguranje kapitala od 1 dinara za slučaj smrti (doživotno): 
 
[ ]
m x x
x
x m
N N
M
A P
+

= ⋅
 
• Osiguranje kapitala od 1 dinara za slučaj smrti doživotno odloženo za k 
godina 
 
[ ]
m x x
k x
x k m
N N
M
A P
+
+

= ⋅
 
• Osiguranje kapitala od 1 dinara privremeno na n godina (n>m) za slučaj 
smrti koje stupa na dan osiguranja 
 

 
‐ 281 ‐ 
[ ]
m x x
n x x
x n o m
N N
M M
A P
+
+
+

= ⋅
 
• Osiguranje kapitala od 1 dinara privremeno na n godina, odloženo za k 
godina (k+n>m)  za slučaj smrti 
[ ]
m x x
n k x k x
x n k m
N N
M M
A P
+
+ + +


= ⋅
 
• Mešovito osiguranje 
 
m x x
n x n x x
n x
m
N N
D M M
A P
+
+ +

+ −
=







,
 
 
Osiguranje doživotnim konstantnim premijama 
U  prethodnom  slučaju  premija  je  uplaćivana  na  m  godina  (ili  doživotno  ako 
osiguranik  umre  pre  isteka  m‐te  godine).  Ovde    je  situacija  još  povoljnija  za 
osiguranika  što  se  uplata  tiče  (jer  su  one  manje)  i  one  se  uplaćuju  na  početku 
svake godine dok je osiguranik živ. 
Obeležimo  sa  P(A
x
)  godišnju  doživotnu  premiju  za  1  dinar  kapitala  koji  će  se 
isplatiti  naslednicima  posle  smrti  osiguranika.  Neka  je  osiguranje  ugovorilo  l
x
 
lica starih x godina. 
Dakle, osiguravajući zavod će primiti početkom 
  prve godine  ( )
x x
A P l ⋅  dinara 
  druge godine  ( )
x x
A P l ⋅
+1
dinara 
  . . .  
Ukupno primanje će biti, svedeno na početni trenutak 
( )






+ + + ⋅
+ +
...
2
2 1
r
l
r
l
l A P
x x
x x
 
Isplate osiguravajućeg društva su 
  krajem prve godine d
x
 dinara 
  krajem druge godine d
x+1
 dinara 
  . . . 
Ukupne isplate svedene na početni trenutak iznose 
  ...
2
1
+ +
+
r
d
r
d
x x
 
Po principu ekvivalencije imamo 

 
‐ 282 ‐ 
  ( ) ... ...
2
1 1
+ + =






+ +
+ +
r
d
r
d
r
l
l A P
x x x
x x
 
Posle deljenja sa r
x
 imamo 
  ( ) ... ...
1
1
1 1
1
+ + =






+ +
+
+
+ +
+
x
x
x
x
x
x
x
x
x
r
d
r
d
r
l
r
l
A P  odnosno 
   
  ( )( ) ... ...
1 1
+ + = + +
+ + x x x x x
C C D D A P  ili 
  ( )
x x x
M N A P = ⋅  
pa konačno imamo 
  ( )
x
x
x
N
M
A P = . 
 
 
 KLJUČNI POJMOVI: 
 
• PROCENAT 
• PROMIL 
• KAMATNA STOPA 
• ESKONT, ESKONTNI FAKTOR 
• FAKTOR AKUMULACIJE 
 
 
• ANUITET 
• TABLICE SMRTNOSTI 
• MIZA I PREMIJA 
• OSIGURANJE RENTE 
• OSIGURANJE KAPITALA 
• MEŠOVITO OSIGURANJE
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 
 
LITERATURA 
 
 
[1]  Atlan,  C.,  Trigano,  G.,  Mathematiques  appliques  à  la  question,  Paris, 
1990.  
[2]  Backović,  M.  i  drugi,  Matematički  modeli  i  metodi  u  ekonomiji, 
Ekonomski fakultet, Beograd, 2002.  
[3]  Backović,  M.  i  drugi,  Zbirka  rešenih  zadataka,  Ekonomski  fakultet, 
Beograd, 2002.  
[4]  Cvetković,  D.,  Simić,  S.,  Diskretna  matematika,  Naučna  knjiga,  Beograd, 
1990.  
[5]  Demidovič, B. P. i drugi, Zadaci i rešeni primeri iz matematičke analize za 
fakultete, Tehnička knjiga, Beograd, 1998.  
[6]  Ivković,  Z.,  Teorija  verovatnoće  sa  matematičkom  statistikom, 
Građevinska knjiga, Beograd, 1998.  
[7]  Ivović, M. i drugi, Matematika, Ekonomski fakultet, Beograd, 2002.  
[8]  Ivović, M. i drugi, Zbirka zadataka, Ekonomski fakultet, Beograd, 2002.  
[9]  Klein,  E.,  Mathematical  Methods  in  theoretical  Economics,  Academic 
Press, New York, 1973.  
[10]  Kočović, J., Finansijska matematika, Ekonomski fakultet, Beograd, 1993.  
[11]  Ralević,  R.,  Matematika  za  ekonomiste,  treće  izmenjeno  izdanje, 
Savremena akademija, Beograd  
[12]  Takayama, A., Mathematical Economics, The Dryden Press, Ilinois, 1974.  
[13]  Vukdelija,  D.  i  drugi,  Matematika  za  ekonomiste,  Ekonomski  fakultet, 
Subotica, 1995.  
[14]  Žižović,  M.,  Matematika,  Izdavački  centar  za  industrijski  menadžment, 
Kruševac, 2001.  
[15]  Žižić, M. i drugi, Metodi statističke analize, Ekonomski fakultet, Beograd, 
1992. 
Odlukom Senata Univerziteta “Singidunum”, Beogrаd, broj 636/08 od 12.06.2008,
ovaj udžbenik je odobren kao osnovno nastavno sredstvo na studijskim programima
koji se realizuju na integrisanim studijama Univerziteta “Singidunum”.
CIP - Каталогизација у публикацији
Народна библиотека Србије, Београд
519.2(075.8)
51-77:33(075.8)
ЖИЖОВИЋ, Малиша, 1948-
Kvantitativne metode / Mališa Žižović,
Olivera Nikolić, Ivana Kovačević, - 5.
izmenjeno i dopunjeno izd. - Beograd :
Univerzitet Singidunum, 2009 (Loznica :
Mladost group). - VIII, 282 str.: graf.
prikazi, tabele; 25 cm
Tiraž 2000.
ISBN 978-86-7912-198-1
1. Николић, Оливера, 1948- [аутор] 2.
Ковачевић, Ивана, 1952- [аутор]
а) Математичка статистика b) Привредна
математика
COBISS.SR-ID 168954380
© 2009.
Sva prava zadržana. Ni jedan deo ove publikacije ne može biti reprodukovan u bilo
kom vidi i putem bilo kog medija, u delovima ili celini bez prethodne pismene saglas-
nosti izdavača.

KVANTITATIVNE METODE Autori: Prof. dr Mališa Žižović Prof. dr Olivera Nikolić mr Ivana Kovačević Recenzent: Prof. dr Dušan Adnađević Izdavač: UNIVERZITET SINGIDUNUM Beograd, Danijelova 32 Za izdavača: Prof. dr Milovan Stanišić Tehnička obrada: Novak Njeguš Dizajn korica: Milan Nikolič
Godina izdanja: 2009.

Tiraž: 2000 primeraka Štampa: Mladost group Loznica ISBN: 978-86-7912- 198-1

PREDGOVOR

Sadržinom i konceptom udžbenik Kvantitativne metode prilagođen je nastavnom planu i programu predmeta Kvantitativne metode za menadžment. Cilj ovog programa je da studentima obezbedi neophodna znanja iz metematičko-statističkih oblasti potrebnih za izučavanje i kreiranje kvantitativnih metoda i modela u ekonomiiji. Udžbenik zajedno sa Zbirkom omogućava studentima osposobljenost u ovom domenu. Recenzent je korisnim sugestijama doprineo kvalitetu udžbenika. Svesrdnu tehničku pomoć u pripremi ovog udžbenika pružio je kolega Novak Njeguš.

Autori

III

SADRŽAJ
Predgovor I - GLAVA MATEMATIČKA LOGIKA I TEORIJA SKUPOVA 1. MATEMATIČKA LOGIKA 1.1. Iskazi 1.2. Osnovne logičke operacije 1.3. Prioritet logičkih operacija 1.4. Prevod jezičkih rečenica 1.5. Tautologije i logički zakoni 1.6. Primena matematičke logike u računarstvu i tehnici 1.7. Prekidačke šeme i digitalna logička kola 2.OSNOVNI POJMOVI TEORIJE SKUPOVA 2.1. Pojam skupa 2.2. Operacije sa skupovima 2.3. Broj elemenata skupa - Kardinalni broj 2.4. Raselov paradoks II - GLAVA LINEARNA ALGEBRA 3. MATRICE 3.1. POJAM MATRICE 3.2. OPERACIJE SA MATRICAMA 3.3. DETERMINANTE 3.3.1. Izračunavanje determinanate 3.3.2 Osobine determinante 3.4. RANG MATRICE 3.4.1. Elementarne transformacije matrica 3.5. INVERZNA MATRICA 3.6. SISTEMI LINEARNIH JEDNAČINA 3.6.1. Gausova metoda 3.6.2. Kramerova metoda 3.6.3. Kroneker - Kapelijeva teorema 3.7. HOMOGENI SISTEM LINEARNIH JEDNAČINA 3.8. MATRIČNI METOD
V

III

1 2 2 5 5 6 7 8 11 11 12 15 16

19 19 21 23 24 26 27 27 29 31 31 33 36 38 39

1.3.7. Funkcija tražnje VI 41 41 41 42 43 44 45 50 51 52 53 54 55 55 57 59 59 59 61 63 65 67 67 69 69 73 79 82 97 102 113 113 .1.3. FUNKCIJE VIŠE PROMENLJIVIH 4.1.3.5.3. IZVOD FUNKCIJE 5. Operacije sa graničnim vrednostima nizova 4.1.3. Osobine graničnih vrednosti funkcija 4.3. NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA 5.1.6.1. Granična vrednot niza 4.4. Broj e 4.5. Granična vrednost funkcija 4. DIFERENCIJALNI RAČUN 5. FUNKCIJE JEDNE PROMENLJIVE 4.1. ASIMPTOTE FUNKCIJA 4. FUNKCIJE 4.1.4.GLAVA DIFERENCIJALNI RAČUN 5.2.5.7.6.2.2. Tačka nagomilavanja niza 4.2.3.5. NIZ 4. Beskonačno male veličine 4.4. Slaganje funkcija 4.GLAVA FUNKCIJE 4.2.NEPREKIDNOST FUNKCIJA 4.3.2.1.1. Osobine graničnih vrednosti funkcija 4.2. EKONOMSKE FUNKCIJE 5. Neprekidnost funkcije IV . IZVODI I DIFERENCIJALI FUNKCIJA DVE NEZAVISNO PROMENLJIVE 5.2. Inverzna funkcija 4. Realne funcije jedne promenljive 4. Osobine funkcija 4.6. PRIMENA DIFERENCIJALNOG RAČUNA 5. Osobine konvergentnih nizova 4.6.1.2. GRANIČNA VREDNOST FUNKCIJE 4.6.2.1.2.3. Pojam funkicje 4. DIFERENCIJAL FUNKCIJE 5. Leva i desna granična vrednost funkcije 4.III . DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI 5.4.

SLUČAJNE PROMENLJIVE 8.7. OSNOVNA PRAVILA INTEGRACIJE 6. OSNOVNE TEOREME VEZANE ZA ODREĐENI INTEGRAL 7.3. POJAM VEROVATNOĆE 8.5. Slučajne promenljive koje se najčešće koriste VII 115 115 117 119 120 122 123 128 128 131 132 143 145 145 150 155 158 163 163 166 168 171 175 175 176 178 179 181 183 185 188 . OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL 6.8.2. TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA 6.7.5. Numeričke karakteristike slučajnih promenljivih 8.5. Modeli tržišta 5.7.7. NEODREĐENI INTEGRAL 6.4. Nezavisnost slučajnih promenljivih 8.1.2. NESVOJSTVENI INTEGRAL 7.5. PRIMENA ODREĐENOG INTEGRALA VI .GLAVA INTEGRALNI RAČUN 6. ELEMENTI TEORIJE VEROVATNOĆE 8. OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL 7. Funkcija dobiti 5.5.1. USLOVNE VEROVATNOĆE .7.5.5.7. Jednodimenzionalne slučajne promenljive 8.1. Disperzija slučajno promenljive 8.7. Funkcija raspodele slučajne promenljive 8. Funkcija ponude 5.5. Elastičnost ekonomskih funkcija 5.3.6.6.2.5.2.4.1.5.3.3.5.GLAVA ELEMENTI TEORIJE VEROVATNOĆE 8.2.7.4 PRIMENA INTEGRALNOG RAČUNA 7.3. Funkcija prihoda 5.NEZAVISNOST 8. Višedimezionalne slučajne promenljive 8.8. Marginalne i slučajne raspodele 8. ODREĐENI INTEGRAL 7. FORMULA TOTALNE VEROVATNOĆE I BAJESOVA FORMULA 8.7.5. Funkcija troškova 5.SLUČAJNI DOGAĐAJI 8. Elastičnost tražnje V .4. EKSPERIMENTI SA SLUČAJNIM ISHODIMA .4.

2. STATISTIČKE TABELE.11. Centralna granična vrednost VII .9. PRIKUPLJANJE I PRIKAZIVANJE PODATAKA 9.10.5. JEDNAKOST EFEKATA 10. Korelacija dve slučajne promenljive 8. PROCENTNI RAČUN 10.5.1.9.8.2.1. OSIGURANJE VIŠEKRATNIM PREMIJAMA LITERATURA VIII 196 197 199 200 201 202 204 204 211 213 214 215 215 220 221 224 228 231 231 234 234 240 241 242 243 267 272 277 278 283 .6. PIRSONOV χ 2 TEST 9. UVOD U STATISTIKU 9. MERE 9.7.4. Zakoni velikih brojeva. FINANSIJSKA I AKTUARSKA MATEMATIKA 10. SREDNJI ROK PLAĆANJA 10. PROMILNI RAČUN 10. IZBOR SLUČAJNOG PROSTOG UZORKA 9.10.3 PROST INTERESNI RAČUN 10. INTERVALI POVERENJA 9. Mere oblika 9.1.7. ELEMENTI OSIGURANJA 10. ESKONTOVANJE 10. POLIGONI I HISTOGRAMI 9.3.2.8. Mere odstupanja i centralni momenti 9. SLOŽENI INTERESNI RAČUN 10. Srednje vrednosti 9. ODREĐIVANJE REGRESIONIH LINIJA POMOĆU UZORKA VIII .4.6.5.10.9.4.GLAVA FINANSIJSKA I AKTUARSKA MATEMATIKA 10.11. TESTIRANJE STATISTIČKIH HIPOTEZA 9.4. OCENE PARAMETARA 9.4. STATISTIČKO POSMATRANJE.3. OSIGURANJE KAPITALA UPLATOM MIZE 10.GLAVA ELEMENTI TEORIJE STATISTIKE 9.5. METOD NAJMANJIH KVADRATA 9. O STATISTIČKIM SERIJAMA 9. MEŠOVITO OSIGURANJE 10.8.

 Na  osnovu  osnovnih  stavova.  ‐ 1 ‐  .   Osnova je celokupnog matematičkog rezonovanja.  određuje  se  koji  su  matematički iskazi tačni.  • znate šta je kardinalni broj skupa.  • objasnite pojam skupa.  • znate osnovne primene u računarstvu i tehnici.  • nabrojite osnovne logičke zakone. a pogotovo u matematici. Logika je nauka o zaključivanju i  kao takva koristi se u najrazličitijim oblastima nauke.  koje  nazivamo  aksiomama. Ona je značajna matematička disciplina.    1. a koji ne. i formalizuju se postupci dobijanja složenih  rečenica iz prostih u skladu sa pravilima ispravnog zaključivanja.  matematička  logika  se  razvija  veoma  intenzivno. koja obezbeđuje teorijske  osnove pre svega računarskih nauka.I ‐ GLAVA  MATEMATIČKA LOGIKA I TEORIJA SKUPOVA    • • MATEMATIČKA LOGIKA  OSNOVNI POJMOVI TEORIJE  SKUPOVA  CILJEVI UČENJA  Kada ovo poglavlje proučite moći ćete  da:  • definišete iskaz.e.MATEMATIČKA LOGIKA  Od  sredine  19  veka  pa  do  danas.  • da znate probleme teorije beskonačnih skupova.  • znate logičke operacije.  LOGIKA  Logika je veština i metoda pravilnog mišljenja. Omogućila je nastanak i razvoj digitalnih  elektronskih računara.n.  • definišete osnovne skupovne relacije i operacije.  • napišete tablice istinitosti iskaznih formula. Nastala je u 4 veku p.

OSNOVNE LOGIČKE OPERACIJE  U  svakodnevnom  jeziku.  korišenjem veznika i.  a  za  sve  ostale  je  netačna.  U  ovom  slučaju  simbole  1  i  0  ne treba shvatati kao brojeve  1  i  0 . ne.      2 1.    Rečenica  2 − 1 = − 1  je iskaz i ima netačnu istinitosnu vrednost.    Primer:       Rečenica  p : 2 −1 = 1 je iskaz i ima tačnu istinitosnu vrednost.  τ ( p ) =⊥ .  tj  za  x = ± 1   formula  je  tačna.……i nazivaju se iskazna  slova.  τ ( p ) = T . Istinitosna vrednost  složene rečenice uslovljena je istinitošću njenih delova.  Iskazi se obeležavaju malim slovima  p .ISKAZI  Rečenica koja ima istinitosnu vrednost naziva se iskaz ili sud.  r .  q . tj.    Rečenica  x = 1   nije  iskaz  jer  nema  definisanu  istinitosnu  vrednost. ili.1.  Istinitosna vrednost iskaza je  τ ( p) = ⎨ ⎧ T .  Za  neke    vrednosti  promenljive  x . tj. p je netačan iskaz   Napomena:    Umesto  T   i  ⊥   koriste  se  i  oznake  1   i  0 .     Primer:    p : Danas pada kiša  q : Danas je novembar.  Složena rečenica glasi:  Danas pada kiša i danas je novembar   ‐ 2 ‐  .1. ako onda i mnogih drugih.2.  rečenice  se  kombinuju  u  složene  rečenice. p je tačan iskaz   ⎩ ⊥.

    Istinitosna vrednost  logičkih operacija data je sledećom tablicom.  q . p ∨ q ∨ r.Sastoji se od 2 dela spojenih veznikom i. ¬p ∨ ( p ⇔ q )       Istinitosna vrednost u tablici je u saglasnosti sa svakodnevnom logikom.        ‐ 3 ‐  .      Razlikujemo  unarne  (jedna  promenljiva)  i  binarne  (dve  promenljive)  logičke operacije. Jedino  kod implikacije naizgled nelogičnost vidimo u slučaju kada je  τ ( p ) =⊥  Znači.  ⇒ . u oznaci  ∨ . u oznaci  ∧ .  implikacija (ako ‐ onda).     Osnovne logičke operacije su:   konjukcija (i). Simbolički se može napisati  p i q . u obliku  p ∧ q .  i  ekvivalencija (ako i smo ako)   ⇔ .  ∧ .  disjunkcija (ili).  implikacija je  tačna bez obzira na vrednost iskaznog slova  q .   negacija (ne) .    Napomena:  negacija je unarna operacija.  ili korišćenjem oznake za logičku operaciju i .    τ ( p)   T  T  ⊥  ⊥    τ (q)   T  ⊥  T  ⊥  τ ( p ∧ q)   τ ( p ∨ q)   T ⊥ ⊥ ⊥ T T T ⊥ τ ( p ⇒ q )   τ ( p ⇔ q )   τ ( ¬p )   T ⊥ T T T ⊥ ⊥ T ⊥  T  ⊥  T  Formulu čine iskazna slova  p .    Primer:    Formule su:  ( p ⇒ q ) ∧ p . ¬ .  r  i  osnovne logičke operacije.

  p  povlači  q . onda je ona pevačica.  τ ( ⊥⇒⊥ ) = T .  jer  ako  je  Srbija  najveća  na  svetu.      Primer:    Ako je Srbija najveća na svetu.  p ⇒ q .  p  je dovoljan uslov za  q .  τ ( ⊥⇒ T ) = T . onda je ona popularna.      Implikacija se može čitati na sledeće načine:    Ako  p .      ‐ 4 ‐  .  p  je pretpostavka posledice  q .  jer  ako  je  Srbija  najveća  na  svetu.  Složena  rečenica  je  tačna. ‐ kontrapozicija. ‐ konverzija . veća je od Crne Gore.  Složena  rečenica  je  tačna.  Ako ona nije pevačica. ‐ inverzija . onda  q .  iz  p  sledi  q .  Ako je ona popularna.  Ako ona nije popularna.    veća  je  od  Crne gore koja je manja od nje. onda ona nije popularna. ‐implikacija.  q  je potreban uslov za  p .    Za implikaciju.Primer:    Ako je Srbija najveća na svetu. veća je od SAD. vezane su 3 dodatne vrste iskaza:    konverzija  q⇒ p  inverzija  ¬p ⇒ ¬q   kontrapozicija  ¬q ⇒ ¬p     Primer:    Ako je ona pevačica. onda ona nije pevačica.    veća  je  od  svake druge države.

Ekvivalencija je dvostruka implikacija. ∨ 2  ⇒.PRIORITET LOGIČKIH OPERACIJA  Kombinovanjem iskaznih slova i logičkih operatora dobijamo složene izraze.PREVOD JEZIČKIH REČENICA  Prevod  sadržaja  iz  običnog  jezika    u  zapis  matematičke  logike  je  jedan  od  najvažnijih  problema hardverskih i softverskih poslova. akko je deljiv sa 2 i sa 3.  ( p ⇔ q ) = ( ( p ⇒ q ) ∧ ( q ⇒ p ) )     Najveći  broj  matematičkih  tvrđenja  i  teorema  su  oblika  implikacije  ili  ekvivalencije. je zbir kvadrata nad katetama jednak  kvadratu nad hipotenuzom.4. a pišemo akko.  Problem se svodi da se  sadržaj običnog jezika  svede na tačan i nedvosmislen  logički zapis koji može  da bude predmet daljeg proučavanja.  kao što su  p ∧ q ⇔ ¬ p .     Trougao je pravougli.    Primer:    Ako je neki ceo broj jednak 2.      ‐ 5 ‐  . ako i samo ako.  ( p ∧ q ) ⇒ ¬ p ∨ r  i slično. koji  možemo videti iz sledeće tablice :    prioritet  logički operator  1  ¬ ∧.    Broj je deljiv sa 6. ⇔ 3    1.      1. onda je njegov kvadarat jednak 4. Kada čitamo ekvivalenciju koristimo i  reči ako i samo ako. Prilikom određivanja  istinitosne vrednosti ovih izraza  važno je znati prioritet logičkih operacija.3.

  Onda  ¬ p je rečenica : Odgovor se ne šalje automatski.  Iskazna formula koja je uvek netačna naziva se kontrapozicija. TAUTOLOGIJE I LOGICKI ZAKONI  Iskazna formula koja je uvek tačna naziva se tautologija.  Tautologije u običnom jeziku predstavljaju zakone.  Logički zapis bi bio :  q ⇒ ¬ p       1.  Neka je rečenica p : Odgovor se automatski šalje.Primer:    Automatski.5.  Neka je rečenica q : Unutrašnja memorija je puna. odgovor ne može biti poslan  ako je unutrašnja memorija puna .    Osnovni logički zakoni su :  Dvostruka negacija    Zakon idempotencije    ¬ ( ¬p ) ⇔ p         p∧ p ⇔ p   p∨ p ⇔ p   Komutativnost   Asocijativnost    p∧q ⇔ q∧ p   p∨q ⇔ q∨ p p ∧ (q ∧ r ) ⇔ ( p ∧ q) ∧ r p ∨ (q ∨ r ) ⇔ ( p ∨ q) ∨ r     Distributivnost    De Morganovi zakoni           ( p ∧ q) ∨ ( p ∧ r ) ⇔ ( p ∨ q) ∧ ( p ∨ r ) ⇔ p ∧ (q ∨ r ) p ∨ (q ∧ r )   ¬ ( p ∨ q ) ⇔ ( ¬p ∧ ¬q ) ¬ ( p ∧ q ) ⇔ ( ¬p ∨ ¬q )    ‐ 6 ‐  .

  uključen‐ isključen i slično.      Podaci  ovog  tipa  su  memorisan  u  obliku  niza  bitova. specijalni znaci i  slično. znakovi interpunkcije. i generišu nove nule i jedinice.  a  disjunkcija kao OR.  Jedinica  reprezentuje  istinu.  levo‐desno.   Binarni sistem je pogodan za korišćenje primenom matematičke logike. PRIMENA MATEMATIČKE LOGIKE U  RAČUNARSTVU I TEHNICI    Moderni računari koriste binarni brojni sistem koji ima dve cifre 0 i 1.  odnosno  tekstualne  podatke. Naprimer 1111001 predstavlja slovo b.    Primer:    Ako primenimo operatore AND i OR na brojeve 0110110110 i 1100011101  dobićemo:  0110110110  1100011101 AND  0100010100    0110110110  1100011101 OR  1110111111      Računari  moraju  imati  mogućnosti  da  memorišu  i  obrađuju  i  nenumeričke.   Jedna binarna cifra 0 ili 1 predstavlja minimalnu količinu informacija.  Logičke  operacije  se  predstavljau  i  kao  konjukcija  AND.6. Binarni  sistem je izabran zato što računar mora da prikaže bilo koju cifru na jedinstven  način. odnosno  najmanji podatak koji se može obraditi u računaru i zove se bit (bit).  a  nula  neistinu. Mašinske instrukcije  ‐ 7 ‐  .  Oni  su  ili  nizovi  (  string)  ili  znakovi  (  charácter  data).  Digitalna  kola  kombinuju nule i jedinice.  Danas  se  koriste  ASCII  i  EBCDIS kod.  binarni  brojevi  su  osnova  za  funkcionisanje  računara. imajući u vidu istinitosne tablice za date logičke operacije. matematički znaci. Bit može  da  reprezentuje  istinu  (true)  i  neistinu  (false). U  većini računara koristi se grupa od osam bita koja se naziva bajt (byte). a postoji veliki broj elektronskih sklopova koji se nalaze u dva jedistvena  stabilna  stanja. zatim slova.     Dakle.  Ova  stanja  mogu  biti  otvoren‐zatvoren.1.

  da  provodi  struju.7. električnih kola i slično.     Iskazne  formule  u  kojima  se  pojavljuju  samo  operacije  ∧.  pri  čemu  ¬   se  odnosi    samo  na  iskazna  slova.  U  suprotnom  dodeljujemo  im  vrednost  0.  tj  ako  kroz  njih  protiče  struja.  smatra  se  da  je  prekidač  zatvoren. Prema tome..      Formula se tretira kao mreža sa dva kraja sastavljena od prekidača koji su  povezani  paralelno  ili  serijski. u projektovanju digitalnih kola i  naziva prekidačka algebra.   Digitalna  električna  logička  kola  su  specijalizovane  šeme  sastavljene  od  tačno definisanih električnih komponenti.  Svi  programi  napisani  u  asembleru  ili  nekom  višem  jeziku    da  bi  mogli  da  rade  moraju  da  budu  prevedeni u nizove nula i jedinica.    1.PREKIDAČKE ŠEME I DIGITALNA LOGIČKA KOLA   Prekidačke  šeme  i  digitalna  logička  kola  su  tako  projektovana  da  implementiraju principe binarne aritmetike i matematičke logike.  tj.     Prekidačke šeme su univerzalne šeme koje ne zavise od tehnologije. Mogu  da se realizuju na osnovu mehaničkih prekidača.su  takođe  prikazane  kao  nizovi  nula  i  jedinica.  ‐ 8 ‐  .  a  za  p = 0  je otvoren.  imaju  jednu  zanimljivu  interpretaciju koja se koristi u tehnici. tj da ne provodi struju.  Kada  su  prekidači  redno  vezani. ¬ .    Primer:    Posmatrajmo  prekidačku  kolo‐šemu  koje  sadrži  prekidač  i  sijalicu. odnosno  p ∧ q  i zove se AND –i  kolo. sijalica će svetleti i kolo će imati vrednost 1 samo ako su oba prekidača  p  i  q  zatvorena. Ako iskazno slovo ima vrednost  p = 1. ovo kolo će odgovarati iskazu  p  i  q . ∨ .  Tautologijama  odgovaraju  mreže  koje  uvek  provode struju.  Vrednost  1  dodeljujemo  prekidačima  p   i  q   kada  su  zatvoreni.    Iskazna slova se tretiraju kao prekidači.

  sijalica  će  svetleti  ako  je  p = 1  ili  q = 1   i  kolo  će  imati  vrednost  1  ako  je  bar  jedan  prekidača  p   i  q   zatvoren.    ‐ 9 ‐  .  p∨q      Kolo  će  imati  vrednost  1  ako  je  prekidač  p   zatvoren.  Prema  tome. a zove  se ne kolo ili invertor.p∧q  Digitalna logičko kolo          Primer:    Posmatrajmo  prekidačko  kolo  u  kome  su  prekidači  p   i  q   vezani  paralelno. ovo kolo će odgovarati iskazu  p  ili  q .  odnosno  ako  je  p  jednako 0.  Kada  su  prekidači  paralelno  vezani. odnosno  p ∨ q  i zove se OR‐ ili  kolo.

4.     Šta je iskaz?  Navesti osnovne logičke operacije. 7. 2.  Šta je tautologija?  Nevesti osnovne logičke zakone.  Šta je prekidačka algebra?  Zašto binarni sistem?  Šta je bit?    KLJUČNI TERMINI  • • • • • • • •       ISKAZ  KONJUKCIJA  DISJUNKCIJA  IMPLIKACIJA  EKVIVALENCIJA  NEGACIJA  TAUTOLOGIJA  KONTRADIKCIJA  • • • • • •   BIT  BAJT  PREKIDAČKA ALGEBRA  I KOLO  ILI KOLO  NE kolo  ‐ 10 ‐ . 5. 6. 3.       PITANJA ZA PONAVLJANJE  1.

     A ⊂ B = { x x ∈ A ⇒ x ∈ B}   ‐ 11 ‐ .  stado  ovaca.  A a a∈ A   Za definisanje skupovnih relacija i operacija koristimo logičke operacije.  što  se  označava  sa  a ∈ A .1. ..  Skoro  svaka  delatnost čoveka odnosi se na neke skupove. što se označava sa  a ∉ A .  .  b .    Skup  je  osnovni  pojam  koji  se  ne  definiše.  populacija  bakterija.POJAM SKUPA  Sa  skupovima  radimo  svakodnevno  u  različitim  prilikama.2.a  njegovi elementi malim slovima  a .  . ako svaki element    skupa  A  pripada istovremeno i skupu  B .OSNOVNI POJMOVI TEORIJE SKUPOVA    2.  c .  sve  su  to  primeri  skupova.  Objekti skupa nazivaju se njegovim elementima.  Skupovi  se  obeležavaju  najčešće  velikim  slovima  A .  skup  kontinenata.  Čine  ga  elementi  koji  imaju  bar jednu zajedničku osobnu.  Korpa  jabuka.  skup  tačaka  na  kružnici.  C .  skup  prirodnih  brojeva... ili ne pripadati istom skupu.  Za grafičko predstavljanje skupova koriste se Venovi dijagrami..  B .  Neki  element  a   može  pripadati  datom  skupu  A .  Skup koji nema elemenata naziva se prazan skup i obeležava sa  ∅ .  Kažemo da je  A  podskup skupa  B  i pišemo  A ⊂ B .

{1. {1.3} }   Unija dva skupa  A  i  B  je skup  A ∪ B = x x ∈ A ∨ x ∈ B . OPERACIJE SA SKUPOVIMA      A { } A= {1. {3} . je skup svih podskupova datog  skupa.3} .  P ( A ) = X X ⊂ A .B A A⊂ B   Dva  skupa  A   i  B   su  jednaka.  { } B A∪ B     ‐ 12 ‐ . {2.2. P ( A ) = {∅. tj. {2} .  Primer:          2.3} .  A = B = { x x ∈ A ⇔ x ∈ B}   Partitivni skup  P ( A )  datog skupa  A . {1} . {1. 2} .3} .  ako  svaki  element  skupa  A   pripada  i  skupu  B  i ako svaki element skupa  B  istovremeno pripada i skupu A . 2.2.

Primer:    A = {1. 7} . An . tada za  ta dva  skupa kažemo da su disjunktni . 7} . A2 .  i 1 2 n i =1 n     A Presek skupova  A  i  B  je skup  A ∩ B = x x ∈ A ∧ x ∈ B .  B = {2.      Razlika skupova  A  i  B  je skup  A \ B = x x ∈ A ∧ x ∉ B .…. 2. 3.  { } A∩ B B   Primer:    A = {1.  B = {2.  1 njihova unija je:  ∪ A = A ∪ A ∪…∪ A . 6.  Ako je dato konačno mnogo skupova   A .  A ∪ B = {1. 2} . 3.….  A ∩ B = {2}         Ako je presek dva skupa  A  i  B  prazan. A2 . tj. 6. 6. 7}       U opštem slučaju. 3. kada imamo konačno mnogo skupova  A . An   njihov presek je:  1     ∩ A = A ∩ A ∩…∩ A i 1 2 i =1 n n .  A ∩ B = ∅ . 2} .  { } ‐ 13 ‐ .

y )} . ( x. (3.  Dekartovim  proizvodom  skupova  A   i  B   naziva  se  skup  A × B = {(a. x ).  ‐ 14 ‐ . 2). 3}  i  B = { x . x ).  Uređeni  parovi  (a. 3)} . 3).1). tj. je skup  CB A = B \ A . 3. y} .  B = {2. y ). 2} . (2. ( y . (2. ( x. b) a ∈ A ∧ b ∈ B} . B × A = {( x. (1. 2).  A \ B = {1} .  Par  elemenata  (a.A\ B A B   Primer:    A = {1.  Komplement skupa  A  u odnosu na skup  B  (ili dopuna skupa  A  do  skupa  B ) gde je  A ⊂ B . (3. b)   nazivamo  uređenim  parom  (ili  uređenom  dvojkom)  ako  je  tačno  određeno  koji  je  element  na  prvom. 6.      Simetrična razlika skupova  A  i  B  je unija skupova  A \ B  i  B \ A .    Primer:    Dati su skupovi  A = {1. ( y . 2. d )   su  jednaki  ako  i  samo  ako  je  a = c   i  b = d . 6. 7} . 7} . B \ A = {3.    A Δ B = ( A \ B) ∪ (B \ A) . ( y .  a  koji  na  drugom mestu. x ). b)   i  (c.1). y ).            A × B = {(1.

    Ako postoji 1‐1 preslikavanje  f  skupa  A  na skup  B .  Međutim.   Kantorova  teorija  pokazuje  da  se  beskonačni  skupovi  mogu  upoređivati.  Kardinalni broj skupa prirodnih brojeva jednak je kardinalnom broju skupa svih  parnih prirodnih brojeva.    2.  Dekartov  proizvod  R × R = R 2  predstavlja realnu ravan.  Skupovi  N  i  2 N  su ekvivalentni .    Dekartov  proizvod  A × A   se  označava  sa  A 2 . ( bijekcija ) onda  se za skupove  A  i  B  kaže da su ekvivalentni.  kada  se  radi  o  beskonačnim  skupovima  .Očigledno je  A × B ≠ B × A .  Kardinalni broj skupa  R  je veći od kardinalnog broja skupa  N .3.    Ta jednakost se vidi iz preslikavanja  1 ↓ 2 ↓ 3 ↓ 4 … ↓ n … ↓ 2 ⋅1 2 ⋅ 2 2 ⋅ 3 2 ⋅ 4 … 2 ⋅ n   Dakle  kN = k 2 N . BROJ ELEMENATA SKUPA ‐ KARDINALNI BROJ    Određivanje  broja  elemenata  konačnih  skupova  svodi  se  na  njihovo  prebrojavanje  .  Ekvivalentni  skupovi  A   i  B   imaju  isti  kardinalni  broj. ali skupovi  N  i  R  nisu ekvivalentni.    Primer:    Euklidova aksioma kaže: Celina je veća od dela. Tada se srećemo sa dosta neočekivanim situacijama. Intiutivno se  čini  da  je  skup  prirodnih  brojeva  ima  više  elemenata  nego  skup  parnih  prirodnih brojeva.  u  oznaci  kA = kB   Kod  konačnih  skupova  kardinalni  broj  predstavlja  broj  elemenata  skupa. što znači da za Dekartov proizvod skupova ne  važi zakon komutacije.stvar  je  mnogo složenija.  Još 1638 godine  Galilej je  smatrao da se ovde radi o paradoksu.    ‐ 15 ‐ . znači možemo  reći da je neki beskonačni skup beskonačniji od drugog.

 početkom ovog veka kada je teorija skupova doživljavala  svoj  procvat  i  nalazi  široku  primenu  u  matematici. sa indeksom 0  kN =ℵ0   Kardinalni broj skupa realnih brojeva je c ili kontinuum.Primer:    Skup  svih  tačaka  prave  ekvivalentan  je  sa  skupom  tačaka  ravni.  istovremeno  uočene  su  i  prve protivrečnosti.       Kardinalni  broj  skupa  prirodnih  brojeva  označava  se  sa  hebrejskim  slovom  ℵ  i čita se alef.  Skup  svih  realnih  brojeva  između  0  i  1  ima  veći  kardinalni  broj  od  skupa  svih racionalnih brojeva  Q .  pardoks  brijača.4. nazivaju se prebrojivi skupovi. Međutim. Da li je brijač brijao samog sebe?  ‐ 16 ‐ . RASELOV PARADOKS  Jasno  je  zašto  je  ova  teorija  na  početku  svoga  nastanka  imala  veliki  broj  protivnika.    Primer:    Paradoks brijača  U nekom selu živeo je brijač. Najčuvaniji je Raselov paradoks nastao  1902 godine.    Skupovi sa kardinalnim brojem  ℵ0 . koji se  nisu brijali sami.      2.  imaju  isti  kardinalni droj.  Postoje  razne  interpretacije  Raselovog  paradosa. odnosno isti broj elemenata.  pardoks  bibioteke i mnogi drugi. koji je brijao sve one stanovnike sela .      Primer:    Kardinalni broj praznog skupa je:  k {∅} = 1. odnosno paradoksi.

 Razvila su se tri pravca  u matematici kojima  je bilo moguće rešiti  nastale probleme.    Rasel je  definisao pojam klase i jedan od načina prevazilaženja ovog  paradoksa se svodi  da se skup svih skupova  ne smatra skupom. sadrži sebe?    Neka je R skup svih skupova S koji ne sadrže sebe kao element.  Ako  se  pak  brijač  ne  bi  brijao. već  klasom . što je opet kontradikcija. nije moguće da postoji selo u  kome bi brijač mogao da radi ovako kako je rečeno.  odnosno   R = S S ∉ S .  pa će baš da pripada samom  sebi.  što  je  kontradikcija.  Da  li  S  pripada  samom  sebi?    Ako  pripada.                      { } ‐ 17 ‐ .    Ako  pak  ne  pripada  samom  sebi. odnosno. Bauer‐intuicionalizam.  onda  znači  da    zadovoljava  osobinu  ‘skup  ne  pripada  samom  sebi  ‘.    Pojava Raselovog paradoksa ozbiljno je uzdrmala Kantorovu teoriju  skupova. pa bi se morao brijati.       Suština  Raselovog  paradoksa  svodi  se  na  sledeće:  Ako  za  svaku  osobinu  postoji  skup  svih  objekata  koji  sadrže  tu  osobinu. Hilbert – formalizam.     Neka    je  S  skup  svih  objekata    za  koje  važi  ova  osobina. koja je uopštenje pojma skupa.  onda  to  isto  važi  i  za  osobinu ‘ skup ne pripada samom sebi ‘.  bio  bi  jedan  od  stanovnika sela koji se ne briju sami. pitanje je. onda će da zadovolji traženu osobinu.  Kako se rešava ovaj paradoks. Rasel –logicizam.Ako bi se brijač brijao. Jednostavno. pa  se  ne  bi  smeo  brijati. da li skup svih  skupova  koji  ne sadrže sebe. on bi bio jedan od stanovnika koji se briju sami.

  Definicija uređenog para  Definisati Dekartov proizvod skupova.  Šta je partitivni skup?  Šta je komplement skupa?  Koji su skupovi disjunktni?  Šta je kardinalni broj skupa?  Kako glasi Raselov paradoks ?    KLJUČNI TERMINI  • • • • • • •                         SKUP  PRESEK SKUPOVA  UNIJA SKUPOVA  RAZLIKA SKUPOVA  PODSKUP  PARTITIVNI SKUP  DISJUNKTNI SKUPOVI  • • • • • • UREĐENI PAR  DEKARTOV PROIZVOD  KOMPLEMENT  KARDINALNI BROJ  ALEF NULA  PARADOKS ‐ 18 ‐ . 12. 11. 6. 4. 2. 7. 10.  Koja je veza između matematičke logike i teorije skupova?  Navesti skupovne relacije.PITANJA ZA PONAVLJANJE  1. 5. 8. 3.   Šta je skup?  Šta su Venovi dijagrami?  Navesti i definisati osnovne skupovne operacije. 9.

šta su determinante i kako se one izračunavaju.  2.  C . MATRICE    3..  4.  B .II ‐ GLAVA  LINEARNA ALGEBRA    • • • • • • POJAM MATRICE  OPERACIJE SA MATRICAMA  DETERMINANTE  RANG MATRICE  INVERZNA MATRICA  SISTEMI LINEARNIH JEDNAČINA I METODE ZA NJIHOVO  REŠAVANJE  •  HOMOGENI SISTEM LINEARNIH JEDNAČINA  •  MATRIČNI METOD    CILJEVI UČENJA  Kada ovo poglavlje proučite znaćete:    1.  5. rešavate sisteme lineanih jednačina različitim metodama.      3.POJAM MATRICE  Matrica je pravougaona šema sa  m × n  elemenata raspoređenih u  m  vrsta  i  n  kolona:  ⎡ a11 ⎢a 21 A=⎢ ⎢ ⎢ ⎣a m1 a12 a 22 am2 a1n ⎤ … a2n ⎥ ⎥ ⎥ ⎥ … a mn ⎦ Matrice se označavaju velikim slovima latinice:  A .  ‐ 19 ‐   . da definišete i koristite inverzne matrice. kako izgledaje sistemi linearnih jednačina.1. šta su matrice. ..   6.  3. definišete matrične operacije.

    Kvadratna  matrica  je  matrica  kod  koje  je  broj  vrsta  jednak  broju  kolona. an1  pripadaju sporednoj dijagonali matrice.… .  pa  matricu  možemo označiti kao  [aij ]m×n .Oznaka za matrice je  [. naziva se dijagonalna matrica.  Matrica vrste je matrica kod koje je  [ aij ]m×n   m = 1.  tj.  A = B   ako  i  samo  ako je:  aij = bij .  [aij ]1×n = [a11 a12 … a1n ]   Matrica kolone je matrica kod koje je  m > 1.  Elementi  a11 . m .  ⎡ a 11 ⎤ ⎢a ⎥ = ⎢ 21 ⎥ ⎢ ⎥ ⎢ ⎥ ⎣a m1 ⎦   [ a ij ] m × 1 Nula matrica je ona matrica čiji su svi elementi jednaki nula. j ) .. n ..  Za matricu sa  m  vrsta i  n  kolona kažemo da ima dimenziju  m × n . a22 .. n = 1 . n > 1 ... ∀ ( i .      označava se slovom  I . a na  glavnoj dijagonali su svi različiti od nule...  0⎤ ⎡ a11 0 ⎢0 a … 0⎥ 22 ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 0 … ann ⎥ ⎢0 ⎣ ⎦  Jedinična matrica je dijagonalna matrica kod koje je  a11 = a22 = ann = 1  i  ‐ 20 ‐ . 2.  Dve  matrice  A = [aij ]m×n   i  B = [bij ]m×n   su  jednake.  dok  elementi  a1n .  Proizvoljni  element  matrice  aij   pripada  i ‐toj  vrsti  i  j ‐toj  koloni.] . ann   pripadaju  glavnoj  dijagonali. i = 1. a2n−1 . 2.… .  Kvadratna matrica u kojoj su svi elementi van glavne dijagonale nula.. j = 1.

    ( A + B ) + C = A + ( B + C ) .… . m . j = 1. komutativnost.2. n ) . 2.   ⎣3 4 ⎦ ⎣ ⎦ ( i = 1.… . OPERACIJE SA MATRICAMA      Zbir matrica  A = [aij ]m×n  i  B = [bij ]m×n . je matrica  C = [cij ]m×n  ako i samo  ako je  aij + bij = cij ⎡1 2 ⎤ ⎡1 3⎤ T ⎥  transponovana matrica biće matrica  X = ⎢2 4⎥ .  ⎢ ⎥ ⎢ 9 11 13 ⎥ ⎣ ⎦     ‐ 21 ‐ . asocijativnost.Transponovana matrica matrice  A = [aij ]m×n  je matrica dobijena zamenom  mesta svih vrsta odgovarajućim kolonama ili obrnuto.    Operacija sabiranja matrica ima sledeće osobine:    A + B = B + A . 2.Obeležava se sa  AT      Primer:    Za matricu  X = ⎢         3.    Primer:    Zbir  matrica  ⎡1 2 3⎤ A = ⎢4 5 6⎥   ⎢ ⎥ ⎢7 8 9 ⎥ ⎣ ⎦ i  ⎡ 1 −1 1 ⎤ B = ⎢ 0 −2 4 ⎥   ⎢ ⎥ ⎢2 3 4⎥ ⎣ ⎦ je  matrica  ⎡2 1 4 ⎤ C = ⎢ 4 3 10 ⎥ .    Napomena: Zbir matrica različitih dimenzija nije definisan.

  Proizvod matrice  ⎢ ⎥ ⎢ ⎥ ⎢14 16 18 ⎥ ⎢7 8 9 ⎥ ⎣ ⎦ ⎣ ⎦     Proizvod  A ⋅ B   matrica  A = [aik ]m× p   i  B = [bkj ] p×n   je  matrica  C .Proizvod  broja  λ ∈ R   i  matrice  A = [aij ]m×n   je  matrica  istih  dimenzija  oblika:      Operacija množenja matrice brojem ima sledeće osobine:    λ A = Aλ .    Primer:    ⎡2 4 6⎤ ⎡1 2 3⎤ ⎢ 4 5 6 ⎥  i broja  λ = 2  je matrica  ⎢ 8 10 12 ⎥ . α . distributivnost s obzirom na zbir brojeva.    Operacija množenja matrica ima sledeće osobine:    ‐ 22 ‐ . m .  (α + β ) A = α A + β A . β ≠ 0 .    Napomena: Dakle element  cij  matrice  C  koji se nalazi u preseku  i ‐te vrste   i  j ‐te kolone.  čiji  se  elementi  cij  formiraju po zakonu:  cij = ∑ aik bkj k =1 p ( i = 1. asocijativnost.… . komutativnost.… . distributivnost s obzirom na zbir matrica. j = 1.  α ( A + B ) = α A + α B . obrazuje se tako što se elementi  i ‐te vrste matrice  A    pomnože odgovarajućim elementima  j ‐te kolone matrice  B  i dobijeni   proizvodi se saberu.  λ A = λ[aij ]m×n = [λ aij ]m×n .   Napomena: Matrica  C  ima onoliko vrsta koliko ih ima matrica  A  i   onoliko kolona koliko ih ima matrica  B . n ) . (αβ ) A = α ( β A ) .

 ne važi zakon komutacije. za razliku od matrice koja je samo šema   proizvoljnih elemenata.    Broj  a11 = a11  naziva se determinanta prvog reda.  ‐ 23 ‐ .3.  A ⋅ I = I ⋅ A = A .  A ⋅ B ≠ B ⋅ A .  Proizvod matrica  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢31 −14 ⎥ ⎢7 8 9 ⎥ ⎢0 1 ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦         3.    Determinanata je broj napisan u obliku kvadratne šeme brojeva od  n × n   elemenata.( A ⋅ B ) ⋅ C = A ⋅ ( B ⋅ C ) .    Primer:    ⎡ 7 −2 ⎤ ⎡ 1 2 3 ⎤ ⎡ 1 −1⎤ ⎢ 4 5 6 ⎥  i  ⎢ 3 −2 ⎥  je matrica  ⎢19 −8 ⎥ . asocijativnost.DETERMINANTE    Svakoj  kvadratnoj  matrici  pridružujemo  realni  broj  koji  zovemo  determinanta. .    Napomena: Determinanta je broj.    a11 D = det ( A ) = a21 an1 a12 a1n a22 … a2 n an 2 … ann   Oznaka za determinante je  . raspoređenih u  n  vrsta i  n  kolona.

3.Broj  a11 a21 a11 a12 = a11a22 − a12 a21  naziva se determinanta drugog reda.  Od  tog  rezultata  se  oduzme  zbir proizvoda po silaznim dijagonalama.  a22 a12 a22 a32 a13 a23  naziva se determinanta trećeg reda.  9 7 1 2 31 2 4 5 6 4 5 = 1⋅ 5 ⋅ 9 + 2 ⋅ 6 ⋅ 7 + 3 ⋅ 4 ⋅ 8 − 2 ⋅ 4 ⋅ 9 − 1⋅ 6 ⋅ 8 − 3 ⋅ 5 ⋅ 7 = 0 .1.   7 8 97 8     ‐ 24 ‐ .IZRAČUNAVANJE DETERMINANTI    SARUSOVO PRAVILO    Pravilo se odnosi na determinante trećeg reda i glasi:    a11 a21 a31 a12 a22 a32 a13 a11 a23 a21 a33 a31 a22 = a11a22 a33 + a12 a23 a31 + a13 a21a32 − a12 a21a33 − a11a23 a32 − a13 a22 a31   a32 a12   Iza  treće  kolone  se  dopišu  prva  i  druga  kolona.  pa  se  izmnože  elementi  na  silaznim  dijagonalama  i  dobijeni  rezultati  saberu.  a33 Broj  a21 a31       3.    Primer:    1 Izračunati vrednost determinante  4 2 5 8 3 6 .

 je broj  Aij = ( −1) i+ j M ij .    Osnovna  ideja  ovog  pravila  je  da  se  izračunavanje  determinante  n ‐tog  reda  svodi na izračunavanje determinante  n − 1  reda.LAPLASOVO PRAVILO    Sarusovo pravilo se koristi samo za izračunavanje determinanti trećeg reda. A12 = −M12 .… . 2.  Da  bismo  objasnili  ovu  metodu  potrebno  je  da  definišemo  pojam  minora  i  pojam kofaktora. Na  primer.    ‐ 25 ‐ . M 13 = 21 a33 a31 a22 .  9 . a32   a kofaktori su   A11 = +M11 . determinanta  n − 1  reda svodi  se  na  izračunavanje  determinante  n − 2   reda  i  taj  postupak  se  ponavlja  sve  dok se ne dođe do determinante prvog reda. a  Laplasovo  pravilo  može  da  se  koristi  za  izračunavanje  determinanti  bilo  kog  reda.  a12  i  a13  odgovaraju minori   M 11 = a22 a32 a23 a .    Neka je  D  determinanta  n ‐tog reda    Determinanta koja se dobija iz determinante  D  odbacivanjem  i ‐te vrste i  j ‐te kolone naziva se minor elementa  aij i obeležava se sa  M ij .    Primer:    Detreminanta trećeg reda ima onoliko minora koliko i elemenata. M 12 = 21 a33 a31 a23 a . tj. A13 = +M13       Laplasovo pravilo: Determinanta je jednaka zbiru proizvoda elemenata ma  koje vrste (odnosno kolone) i odgovarajućih kofaktora    D = ai1 Ai1 + ai 2 Ai 2 + + ain Ain = ∑ aik Aik . elementima  a11 . i = 1. n    k =1 n (razvoj po elementima  i ‐te vrste).  Kofaktor elementa  aij .

D = a1 j A1 j + a2 j A2 j + + anj Anj = ∑ akj Akj .      Primer:    1 2 3 Vrednost  determinante  D = 4 5 6   se  može  izračunati  razvojem  po  bilo  7 8 9 kojoj vrsti ili koloni.  ‐ 26 ‐ .  tada  se  determinanta  može  razložiti  na  zbir  od  dve  ili  više  determinanata.  vrednost  determinante  je  jednaka nula.  k =1 n (razvoj po elementima  j ‐te kolone).  tada  je  vrednost  determinante jednaka nula.… .  Determinanta  se  množi  brojem  k ≠ 0   ako  se  svi  elementi  jedne  vrste  (kolone) pomnože tim brojem.OSOBINE DETERMINANTI    Ako  dve  susedne  vrste  (kolone)  uzajamno  promene  mesta  determinanata  menja znak.3.  Ako  su  elementi  jedne  vrste  (kolone)  date  determinante  zbirovi  od  dva  ili  više  sabiraka.  Ako  su  dve  vrste  (kolone)  jednake  ili  proporcionalne.2. j = 1.  Vrednost  determinante  se  ne  menja  ako  se  svakom  elementu  jedne  vrste  (kolone)  dodaju  odgovarajući  elementi  druge  vrste  (kolone)  pomnoženi  istim brojem. 2.  Vrednost  determinante  se  ne  menja  ako  se  vrste  zamene  kolonama  ne  menjajući poredak. Razvojem po prvoj vrsti dobićemo    D = 1⋅ 5 6 4 6 4 5 − 2⋅ + 3⋅ = 8 9 7 9 7 8 .  = 1 ⋅ ( 5 ⋅ 9 − 6 ⋅ 8) − 2 ⋅ ( 4 ⋅ 9 − 6 ⋅ 7 ) + 3 ⋅ ( 4 ⋅ 8 − 5 ⋅ 7 ) = 0       3.  Ako  su  svi  elementi  vrste  (kolone)  jednaki  nula. n .

  ako  postoji  bar  jedan  minor  reda  r   različit od nule. a svi minori reda  r + 1  i višeg reda su jednaki nuli.1.   2 2 a postoji minor drugog reda koji je različit od nule  2 −3 ≠ 0 .  ‐ 27 ‐ . 1 −2 3 = 0 .  Transponovanje matrice.        3.  1 6   zaključujemo da je rang matrice  A  jednak 2.RANG MATRICE    Matrica  A   ima  rang  rang ( A ) = r . 1 2 1 3 = 0 .4.  Dodavanje elementima jedne vrste (kolone) odgovarajućih elemenata neke  druge vrste ( kolone ) pomnoženih proizvoljnim brojem. ELEMENTARNE TRANSFORMACIJE MATRICA     Množenje  svih  elemenata  bilo  koje  vrste  (kolone)  matrice  jednim  istim  realnim brojem  λ ≠ 0 .4.  Uzajamna promena mesta dve vrste (kolone). 6 2 1 2 2 3 −2 3 = 0 .3.      Primer:    ⎡ 2 −3 16 1 ⎤ Kako su svi minori trećeg reda matrice  A = ⎢ 1 6 −2 3 ⎥  jednaki nuli  ⎢ ⎥ ⎢1 3 2 2⎥ ⎣ ⎦   2 −3 16 1 1   2 −3 1 6 3 2 16 1 −3 16 1 6 3 −2 = 0 .

  ⎡1 1 1 1⎤ (1) ⎡1 0 0 0 ⎤ ( 2) ⎡1 0 0 0 ⎤ (3) ⎡1 0 0 0 ⎤ ( 4) A = ⎢2 3 −1 1⎥ ∼ ⎢2 1 −3 −1⎥ ∼ ⎢0 1 −3 −1⎥ ∼ ⎢0 1 −3 −1⎥ ∼ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢3 4 0 2⎥ ⎢3 1 −3 −1⎥ ⎢0 1 −3 −1⎥ ⎢0 0 0 0 ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎡1 0 0 0⎤ ( 4) ∼ ⎢0 1 0 0⎥ . tj.  odnosno  druga   kolona je dodata četvrtoj koloni. koja ima isti rang.  Matrice  A  i  B.  ⎢ ⎥ ⎢3 4 0 2⎥ ⎣ ⎦ Prva  kolona  pomnožena  je  sa  –1  i  redom  dodata  drugoj. ⎢ ⎥ ⎢0 0 0 0⎥ ⎣ ⎦   Rang matrice jednak je broju ne nultih članova. (pišemo  A ~ B ).  su ekvivalentne.  Druga  kolona  pomnožena  je  sa  3  i  dodata  trećoj  koloni. tj  rang ( A ) = 2 .              ‐ 28 ‐ .Elementarne  transformacije  konačno  mnogo  puta  primenjene  na   matricu ne menjaju rang matrice.  Primer:    Primenom  elementarnih  transformacija  prevešćemo  matricu  ⎡1 1 1 1 ⎤ A = ⎢ 2 3 −1 1 ⎥  u ekvivalentnu matricu.  trećoj  i  četvrtoj   koloni.  Prva  vrsta  pomnožena  je  sa  –2. ako i samo ako se mogu  transformisati  jedna  u  drugu  pomoću  konačno  mnogo  uzastopnih  elementarnih transformacija.  odnosno  –3  i  dodata  drugoj  odnosno  trećoj   vrsti. ako je  rang ( A ) = rang ( B ) .  Druga vrsta je pomnožena sa –1 i dodata trećoj vrsti.

     1 .  det ( A ) = det A −1 −1 −1   Primer:    Naći inverzne matrice matrica:  ⎡ 2 1⎤ 1 ⎡ A11 A21 ⎤ −1 ⎥  . gde je  I  jedinična matrica.  a  singularna ako je  det A = 0 . INVERZNA MATRICA    −1 Inverzna  matrica  date  kvadratne  matrice  A   je  matrica  A   koja  ima  osobinu da je  A ⋅ A−1 = A−1 ⋅ A = I .  ⎣ 3 5⎦ ⎣ 12 A22 ⎦ 2 1 = 7 ≠ 0 . detA     Za regularne matrice  A  i  B  istog reda važe pravila:    ⎡ A11 ⎢A adjA = ⎢ 12 ⎢ ⎢ ⎢ A1n ⎣ ( A⋅ B) −1 T −1 = B−1 ⋅ A−1  .3.  11 12 ‐ 29 ‐ .  Kako je  det A = 3 5 a)  A = ⎢ Kofaktori matrice  A  su  A = 5 .  Adjungovana  matrica  matrice  A   u  oznaci  adjA  je  transponovana  matrica  matrice kofaktora matrice  A . A = −3 .  A21 … An1 ⎤ A22 … An 2 ⎥ ⎥. znači da postoji matrica  A−1 . A22 = 2 . A21 = −1.5.      ( A ) = A  . ⎥ ⎥ A2 n … Ann ⎥ ⎦   Inverzna matrica kvadratne regularne matrice  A  je matrica  adjA A −1 = . Inverzna matrica je oblika  A = det A ⎢ A ⎥ .    T −1 (A ) = (A ) .  Za  kvadratnu  matricu  A   kažemo  da  je  je  regularna  ako  je  det A ≠ 0 .

 a kofaktori matrice su:  1 1 1 =3. A13 = 1 3 = −11 .  8. 4 1 1 1 4 1 = 3. =1. 5. A32 = − 1 2 1 1 1 1 1 3 =2. A22 = 1 2 4 1 A23 = − A33 = 1 2 3 1 = −5 . Defisati Laplasovo pravilo za  izračunavanje determinanti.−1 Dobijamo inverznu matricu:      A = 1 ⎡ 5 −1⎤ . 2. 1 −5 ⎤ ⎡ 2 1 ⎢ dobijamo da je  A = − ⋅ 3 −7 1 ⎥ . A12 = − 1 4 1 2 3 1 = −17 ≠ 0 . 4.  Šta je detrminanta?  Defisati Sarusovo pravilo za  izračunavanje determinanti.  det A = 1 3 1⎥ 4 1 1⎥ ⎦ 1 1 = 2 .   ⎢ ⎥ 17 ⎢ −11 3 2⎥ ⎣ ⎦ −1    PITANJA ZA PONAVLJANJE  1.  6. Šta je matrica?  Navesti vrste matrica.   A21 = − A31 = 1 2 1 1 =1. Šta je adjungovana matrica?      KLJUČNI TERMINI  • MATRICA  • RANG MATRICE  • MINOR  • KOFAKTOR  • ADJUNGOVANA  MATRICA  • INVERZNA MATRICA  • DETERMINANTA  • SARUSOVO PRAVILO  • LAPLASOVO PRAVILO  • RANG MATRICE ‐ 30 ‐ . 1 = −7 .  10.  Definisati matrične operacije. Nabrojati osnovne osobine  determinanti.  7 ⎢ −3 2 ⎥ ⎣ ⎦   ⎡1 b)  A = ⎢1 ⎢ ⎢4 ⎣ 3 A11 = 1 1 1 2⎤ ⎥ . 3.    7. Šta je rang matrice i kako se  određuje?  9. Definisati inverznu matricu.

….  Ako sistem ima tačno jedno rešenje on je određen.    Sistem je saglasan ako ima bar jedno rešenje. Na taj način se umesto polaznog sistema dobija  ekvivalentan sistem:    brojevi   b1 .… .…. zovemo sistem od m  linearnih jednačina od n  nepoznatih. a nemoguć ako nema rešenja.    Pretpostavimo  da  je  koeficijent  a11 ≠ 0 . a ako ima više rešenja on je  neodređen.     Dva sistema su ekvivalentna ako imaju ista rešenja.1.  ‐ 31 ‐ .   Da  bismo  to  realizovali  potrebno  je  prvu  jednačinu  pomnožiti  sa  − a21 a11   i  dodati  je  drugoj  jednačini.6.… . bm  su slobodni članovi.  m = n  ili  m < n . i = 1. j = 1.…. α n ) realnih brojeva koja zadovoljava sistem  jednačina zove se rešenje sistema. a  Svaka uređena n‐torka  (α1 .  zatim  prvu  jednačinu  pomnožiti  sa  − a31 a11   i  dodati je trećoj jednačini.  Isključimo  nepoznatu  x1   iz  svih  jednačina sistema osim prve. xn .SISTEMI LINEARNIH JEDNAČINA      Skup linearnih jednačina koji pišemo u obliku     a11 x1 + a12 x2 + … + a1n xn = b1 a21 x1 + a22 x2 + … + a2 n xn = b2 am1 x1 + am 2 x2 + … + amn xn = bm     gde je  m > n .GAUSOVA METODA     Gausova  metoda  se  sastoji  u  sukcesivnom  eliminisanju  nepoznatih  iz  sistema  i  transformacijom  u  trougaoni  ili  trapezni  ekvivalentni  sistem  iz  koga se dobija rešenje ili se ustanovi da sistem nema rešenja. m. itd.  Brojevi  aij .    3.6. n  su koeficijenti uz nepoznate  x1 .3.

…. xk −1 . xk .   Ako je  k < n  sistem ima beskonačno rešenja. Tada su  xk +1 . a zatim se određuju vezane  promenljive  x1 .  sistem je nesaglasan i nema rešenja.a11 x1 + a12 x2 + … + a1n xn = b1 (1) (1) (1) a22 x2 + … + a2 n xn = b2   (1) (1) (1) am 2 x2 + … + amn xn = bm Ako bi produžili isti postupak  k − 1  puta dobili bi sistem:    a11 x1 + a12 x2 + (1) a22 x2 + + a1n xn = b1   (1) (1) + a2 n xn = b2 (k akk −1) xk + (k + akn −1) xn = bk( k −1)   Ako su svi koeficijenti dobijenog sistema jednaki nuli. a slobodni član nije nula. sistem ima jedinstveno rešenje.    Primer:    Gausovom metodom rešiti sistem jednačina:  x + 2 y − 3 z = −4 2x − y + z = 3   −2 x + y + 2 z = 6 Nakon množenja prve jednačine redom sa  − 2  i  2  i dodavanjem redom drugoj  i trećoj jednačini dobijamo sistem:  x + 2 y − 3z = −4 − 5 y + 7 z = 11   5 y − 4 z = −2 Dodavanjem druge jednačine trećoj dobijamo sistem:  x + 2 y − 3z = −4 − 5 y + 7 z = 11   3z = 9 ‐ 32 ‐ .  Ako je  k = n .…. xn  slobodne  promenljive koje prenosimo na desnu stranu.

2. t ⎟ . .      Primer:    Gausovom metodom rešiti sistem jednačina:  x + 2 y + z = 10 2x + y + z = 6   10 x − y + 3z = 2 Nakon  množenja  prve  jednačine  redom  sa  − 2   i  − 10   i  dodavanjem  redom  drugoj i trećoj jednačini dobijamo sistem:  x + 2 y + z = 10 − 3 y − z = −14   − 21y − 7 z = −98 Množenjem druge jednačine sa  − 7  i dodavanjem trećoj dobijamo sistem:  x + 2 y + z = 10 − 3 y − z = −14   0⋅ z = 0 Ovo  je  neodređen  sistem.  ( x. 3 ) .KRAMEROVA METODA    Dat je sistem od  n  jednačina sa  n  promenljivih:    a11 x1 + a12 x2 + … + a1n xn = b1 a21 x1 + a22 x2 + … + a2 n xn = b2 an1 x1 + an 2 x2 + … + ann xn = bn       ‐ 33 ‐ . z ) = (1. y . y . z ) = ⎛ ⎜ 3 ⎝ 3 ⎠       3.Ovo  je  sistem  trougaonog  oblika  iz  kojeg  se  neposredno  dobija  jedinstveno  rešenje  ( x. 2.6.  Stavljajući  z = t   neposredno  se  dobija  rešenje  2 − t 14 − t ⎞ .

 tada sistem ima jedinstveno rešenje. sistem je neodređen i ako ima rešenja.  xk =   Dk . n .2.   D Ako je determinanta sistema  D = 0 .….2.  Ako  je  determinanta  sistema  D = 0 . n .    Primer:    Rešiti sistem jednačina:    x + 3 y − 2z = 1 2x − y + z = 3   x+ 2z = 7 ‐ 34 ‐ . n .  k = 1.…. n .  i  sve  determinante  Dk = 0 .Uočimo sledeće determinante:  a11 a12 … a1k … a1n D= a21 a22 … a2 k … a2 n an1 an 2 … ank … ann    determinanta sistema. k = 1.  k = 1.    0BKRAMEROVO PRAVILO:    Ako je determinanta sistema  D≠ 0 .  a11 a12 … b1 … a1n Dk = a21 a22 … b2 … a2 n an1 an 2 … bn … ann  determinanta koja odgovara nepoznatoj  xk .…. 2.  k = 1.… . može ih imati samo  beskonačno mnogo. a bar jedna od determinanti  Dk ≠ 0 . sistem nema rešenja.

    zaključujemo da je sistem neodređen. i rešavamo ga Gausovom metodom.  = = 1 . . gde je  t ∈ R .  3 ⎝ 3 ⎠ ‐ 35 ‐ . drugu i treću kolonu kolonom slobodnih članova.  7 0 2 1 7 2 1 0 7   Rešenje sistema je:    x= Dy −26 Dx −13 D −39 = = 2 .1 3 −2 Determinanta sistema je:  D = 2 −1 1 = −13 ≠ 0 .  y = D −13 D −13 D −13     Primer:    Rešiti sistem jednačina:    x + 2 y + z = 10 2x + y + z = 6   10 x − y + 3z = 2 Kako je  D = 0 . y. z ) = ⎜   ⎛ 2 + t 14 − t ⎞ .    1 3 −2 1 1 −2 1 3 1 D x = 3 − 1 1 = −13 . Dx = Dy = Dz = 0 .  z = z = = 3 .  Ako prvu jednačinu pomnožimo redom sa ‐2 i ‐10 i redom dodajemo drugoj i  trećoj jednačini. t ⎟ .  D y .  D z = 2 − 1 3 = −39 .  D y = 2 3 1 = −26 .  D z   dobijamo  kada  u  determinanti  D   zamenimo  redom prvu. dobijamo sistem:  x + 2 y + z = 10 − 3 y − z = −14   čije je rešenje  ( x.   1 0 2   Determinante  Dx .

  gde je n broj nepoznatih.    ( ) ‐ 36 ‐ .Primer:    Rešiti sistem jednačina:    x + 2 y + 3z = 1 4x + 5 y + 6z = 0   7x + 8 y + 9z = 2 D = 0 .3. Zaključujemo da je sistem nema rešenja.6.KRONEKER ‐ KAPELIJEVA TEOREMA    Neka je dat sistem  a11 x1 + a12 x2 + … + a1n xn = b1 a21 x1 + a22 x2 + … + a2 n xn = b2 am1 x1 + am 2 x2 + … + amn xn = bm     a1n ⎤ a1n b1 ⎤ ⎡ a11 a12 ⎥ ⎢a a2 n ⎥ a2 n b2 ⎥ ⎢ 21 a22 ⎥  .  Sistem je saglasan i ima beskonačno mnogo rešenja ako je  rang ( A) = rang ( Ap ) < n .  Sistem je protivrečan i nema rešenja ako je  rang ( A) < rang Ap . a  A p  je proširena matrica sistema. Dx = −9 .        3.    KRONEKER‐KAPELIJEVA TEOREMA:  Dati sistem je saglasan i ima jednoznačno rešenje ako je  ⎡ a11 a12 ⎢a a22 A = ⎢ 21 ⎢ ⎢ ⎣ am1 am 2 rang ( A) = rang ( Ap ) = n .A = ⎥ p ⎢ ⎥ ⎥ ⎢ ⎥ amn ⎦ amn bm ⎦ ⎣ am1 am 2 gde je  A  je matrica sistema.

Primer:    Rešiti sistem jednačina:  3x − 2 y − z = 2 2x + y + z = 3   −5 x + 8 y + 5 z = 1 ⎡ 3 −2 −1⎤ rang ( A ) = rang ⎢ 2 1 1 ⎥ = 2 . a  ⎢ ⎥ ⎢1 1 2 ⎥ ⎣ ⎦ ⎡ 1 −1 1 6 ⎤ rang ( Ap ) = rang ⎢ 2 1 1 3 ⎥ = 3 .        Primer:    Rešiti sistem jednačina:  x− y+ z =6 2x + y + z = 3   x + y + 2z = 5 ⎡ 1 −1 1 ⎤ Kako je  rang ( A ) = rang ⎢ 2 1 1 ⎥ = 3 . zaključujemo da je sistem  ⎢ ⎥ ⎢ −5 8 5 1⎥ ⎣ ⎦ protivrečan i nema rešenja.  ⎢ ⎥ ⎢1 1 2 5 ⎥ ⎣ ⎦ zaključujemo  da  je  sistem  saglasan  i  ima  jedinstveno  rešenje  koje  možemo  dobiti nekom od već izloženih metoda. a  ⎢ ⎥ ⎢ −5 8 5⎥ ⎣ ⎦ ⎡ 3 −2 −1 2 ⎤ rang ( Ap ) = rang ⎢ 2 1 1 3 ⎥ = 3 .          ‐ 37 ‐ .

 ovaj sistem se zove sistem homogenih  jednačina.  ( ) Svaki homogeni sistem ima  trivijalno rešenje  x1 = x2 = … = xn = 0 .  rang ( A ) = 3   i  jednak  je  broju  nepoznatih.      Primer:    Homogeni sistem jednačina  x + 2 y + 3z = 0 4x + 5 y + 6z = 0   7x + 8 y + 9z = 0 ‐ 38 ‐ .  jer  je.   On je uvek saglasan jer je  rang ( A) = rang Ap . HOMOGENI SISTEM LINEARNIH JEDNAČINA    Dat je sistem od  m  jednačina sa  n  promenljivih:    a11 x1 + a12 x2 + … + a1n xn = 0 a21 x1 + a22 x2 + … + a2 n xn = 0 am1 x1 + am 2 x2 + … + amn xn = 0     Kako je  b1 = b2 = … = bm = 0 .    Primer:    Homogeni sistem jednačina  2x − 3y + z = 0 x− y =0   x + y + 4z = 0 ima  samo  trivijalno  rešenje  ( 0.3. 0.  Homogeni sistem ima i netrivijalno rešenje ako i samo ako je  rang ( A ) < n . 0 ) .  Prethodni stav o saglasnosti i broju rešenja homogenog sistema je posledica  Kroneker‐Kapelijeve teoreme.7.

  tj.    Primer:    Matričnom metodom rešiti sistem jednačina:    2x − 3y + z = 7 3x − 2 y − z = 3   x − y + 2z = 6   ‐ 39 ‐ . kojih je 3.  ⎥ ⎢ ⎥ ⎢ ⎥ ⎥ ⎢ ⎥ ⎢ ⎥ ann ⎦ ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ xn ⎦ ⎣bn ⎦ Pod  pretpostavkom  da  je  matrica  A   regularna.  rang ( A ) = 2  i manji je  od broja nepoznatih.        3. 0 )  još rešenja jer je. B = ⎢ 2 ⎥ . X = ⎢ 2 ⎥ .8.ima osim trivijalnog rešenja  ( 0.MATRIČNI METOD     Dat je sistem od  n  jednačina sa  n  promenljivih:    a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + an1 x1 + an 2 x2 + + a2 n xn = b2 + ann xn = bn     Sistem se može napisati u matričnom obliku kao:    AX = B     ⎡ a11 a12 ⎢a a22 21 gde je  A = ⎢ ⎢ ⎢ ⎢ ⎣ an1 am 2 a1n ⎤ ⎡ x1 ⎤ ⎡ b1 ⎤ ⎥ ⎢x ⎥ ⎢b ⎥ a2 n ⎥ .  da  joj  je  determinanta  različita  od  nule. 0.  odakle  dobijamo jnegovo jedinstveno rešenje.  sistem  se  može  napisati  u  obliku:  X = A−1 B .  Rešenje ovog sistema možemo odrediti Gausovom metodom.

A = ⋅ ⎢ −7 3 5 ⎥ . 3.  Homogeni sistem jednačina. z ) = (1.   ⎥ 10 ⎢ −1 −1 5 ⎥ ⎣ ⎦ ⎡ −5 5 5 ⎤ ⎡ 7 ⎤ ⎡ 1 ⎤ 1 ⎢ −1 X = A ⋅B = ⋅ ⎢ −7 3 5 ⎥ ⋅ ⎢ 3 ⎥ = ⎢ −1⎥ ⇒ ( x. 2 ) .    KLJUČNI TERMINI  • • • • MATRICA  RANG MATRICE  MINOR  KOFAKTOR  • ADJUNGOVANA  MATRICA  • INVERTNA  MATRICA  • DETERMINANTA  • SARUSOVO  PRAVILO  • LAPLASOVO  PRAVILO  • RANG MATRICE             ‐ 40 ‐ . 4. y .⎡ 2 −3 1 ⎤ ⎡7 ⎤ ⎡x⎤ ⎢ 3 −2 −1⎥ . X = ⎢ y ⎥ . 6.  A=⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ 1 −1 2 ⎥ ⎢6 ⎥ ⎢z⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎡ −5 5 5 ⎤ 1 ⎢ AX = B ⇔ X = A ⋅ B .  Matrična metoda.  Kramerova metoda.  Kroneker Kapelijeva teorema. B = ⎢ 3 ⎥ .   ⎥ ⎢ ⎥ ⎢ ⎥ 10 ⎢ −1 −1 5 ⎥ ⎢ 6 ⎥ ⎢ 2 ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ −1 −1      PITANJA ZA PONAVLJANJE  1. det A = 10 ≠ 0 . −1. 5. Šta je sistem linearnih jednačina ?  Gausova metoda. 2.

pojam niza.  6.1. takav da je  y = f ( x ) .    4. pojam granične vredosti.  5. definišete osobine funkcija.FUNKCIJE JEDNE PROMENLJIVE  4.  2. pojam neprekidosti.  ‐ 41 ‐  . FUNKCIJE  4.1.  4. Šta su funkcije jedne i više promenljivih.  3.III ‐ GLAVA  FUNKCIJE    • • • • •   FUNKCIJE JEDNE PROMENLJIVE  NIZ  GRANIČNA VREDNOST  NEPREKIDNOST  FUNKCIJE VIŠE PROMENLJIVIH  CILJEVI UČENJA  Kada ovo poglavlje proučite znaćete:    1.POJAM FUNKCIJE    Definicija:    Neka  su  A   i  B   proizvoljni  skupovi.  Preslikavanje  ili  funkcija  f : A → B   predstavlja  zakon  pridruživanja  pomoću  koga  se  proizvoljnom  elementu  x ∈ A  dodeljuje neki element  y ∈ B . šta su inverzne i složene funkcije.1.

   što znači da je  f ( A ) ⊂ B .2. tj. (obostrano jednoznačno preslikavanje). ∃x ∈ A ) ( y = f ( x ) ) .Skup  A  naziva se oblast definisanosti ili domen funkcije i obeležava sa  Dx .1. 3 ) ∪ ( 3.  ‐ 42 ‐  .  f : R → R       Primeri sa rešenjima:    Primer: Odrediti domen funkcija:  a)  f ( x ) = Domen funkcije je skup  Dx = R \ {3} . a ili uobičajen je i zapis  x+2 . a  y ∈ B  njegova slika.      Element  x ∈ A  naziva se original.  x−3 x ∈ ( −∞ .      4. x2 ∈ A ) ( x1 ≠ x2 ⇒ f ( x1 ) ≠ f ( x2 ) ) .  f : A → B  se naziva preslikavanje “ 1 − 1 ” ili injektivna ako  ( ∀x1 .  Za  funkciju    Funkcija  f : A → B   kažemo  da  je  jednoznačna  ako    bilo  kojem  elementu iz skupa  A  odgovara tačno jedan element iz skupa  y ∈ B .    Skup   B  naziva se oblast vrednosti ili kodomen  funkcije i obeležava se sa  D y .  f : A → B  se naziva preslikavanje “na” ili surjektivna ako     Ako  je  preslikavanje  f : A → B   “ 1 − 1 ”  i  “na”  takvo  preslikavanje  ili  funkciju nazivamo bijektivnim. ∞ ) .REALNE FUNKCIJE JEDNE PROMENLJIVE    Pod  realnom  funkcijom  podrazumeva  se  svako  preslikavanje  kod  koga  su  oroginala i slika realni brojevi.    Funkcija  ( ∀y ∈ B .

1] .1.3.b)  y = 4 − x 2 .  Dy = R .  odnosno  bijekcija.  f : A → B  može da postoji samo jedna inverzna funkcija  f : B → A .  Pošto  je  zadata  funkcija  “ 1 − 1 ”  i  “na”.    Primer:     Odrediti inverznu funkciju.  D y : y ∈ [ −1.  3− x x2 2 . +∞ ) . 3 ) .  postoji  inverzno  preslikavanje  f −1 ( x ) = y = Grafici funkcija  −1 1 1 x + . 2 ] .    Dx = R .  b)  y = x − 2 .  v)  y = ln g)  y = e − x .  a)  y = sin x .          4.  Dx : x ∈ [ −2.  tada  postoji  −1 jedinstvena funkcija  f : B → A  koju nazivamo inverzno preslikavanje ili  Neka  je  inverzna funkcija takva da je       Za datu funkciju  f −1 ( f ( x ) ) = x .  2     Primer:    Odrediti kodomen funkcija:  D y : y ∈ [1.  Dx : x ∈ ( 0.INVERZNA FUNKCIJA    f : A → B   bijektivno  preslikavanje  (“ 1 − 1 ”  i  “na”).  v)  y = x + 1. funkcije   a)  f ( x ) = 2 x − 1 .  ‐ 43 ‐  .  2 2 f  i  f −1  su simetrični u odnosu na pravu  y = x .

  ‐ 44 ‐  .  f g   g ( x ) = f ( g ( x )) = 2 x − x + 3 f ( x ) = g ( f ( x ) ) = 2 ( x + 3 ) − x + 3 .  −1   Pošto preslikavanje  f ( x ) = x 2   f : R → R+  nije “ 1 − 1 ” odnosno bijekcija.  y= y = f −1 ( x ) x y = f ( x)     Primer:    Odrediti inverznu funkciju. funkcije  f ( x ) = x 2 . Odrediti    f g i g f  .4. ne  postoji inverzno preslikavanje f         4.    Primer:    Date su funkcije  f ( x ) = x + 3  i  g ( x ) = 2 x − x . SLAGANJE PROIZVODA FUNKCIJA    Proizvodom  dve  funkcije  f : A → B   i  g : B → C   naziva  se  funkcija  g f : A → C . za koju važi:  ( ∀x ∈ A )( g f )( x ) = g ( f ( x ) ) .1.

  −1 ex .  x3 + 8 y = 0 ⇔ x2 − 4 = 0 ⇔ x = ±2 . 0 < 1 . 1 x2 funkcije je samo  x = 2 .1. x = e .  Primer:    Primer: Ispitati ograničenost funkcije  f ( x ) = Kako  je  za  ( ∀x ∈ R ) .  funkcija  je  ograničena  na  intervalu  1 + x2 Nula funkcije je onaj broj  α ∈ Dx  za koji je  f (α ) = 0 .5.  Ako brojevi  m  i  M  ne postoje.    Primer:    Odrediti nule funkcija:  a)  y = x2 − 4 .   Nule funkcije su tačke preseka funkcije sa  O x  osom. za ∀x ∈ R  i funkcija nema nula  x −1 >0 za  e x > 0 za ∀x ∈ R ).1]       1 ≤ 1 . y ≠ 0 .    b)  y = c)  y =    (     ln 0. M ∈ R )( ∀x ∈ A ) m ≤ f ( x ) ≤ M .4.  1 + x2 y ∈ ( 0.  Kako  funkcija  nije  definisana  za  x = − 2   nula  1 + ln x .  ‐ 45 ‐  .OSOBINE FUNKCIJA    Funkcija    f  je ograničena na skupu  A ⊆ Dx  ako važi:  ( ∃ m .    Grafik funkcije se nalazi između dve prave  y = m  i  y = M . za funkciju  f ( x )  kažemo da je neograničena.

      Funkcija  jednakost  ( ) funkcija nije ni parna ni neparna. funkcija je parna. f ( x ) < 0 .    Grafik neparne funkcije je simetričan u odnosu na koordinatni početak  O .  f   je  periodična  ako  postoji  broj  T ≠ 0   za  koji  je  ispunjena  ( ∀x ∈ A ) .  Najmanji  broj  T   nazivamo  osnovnim periodom funkcije.          a negativna je ako je  ( ∀x ∈ A ) . f ( x ) > 0 . funkcija je  neparna. f ( x + T ) = f ( x ) . f ( − x ) = ( − x ) − 2 = x − 2 = f ( x ) .  a  funkcije  f ( x ) = tgx   i  f ( x ) = ctgx  imaju osnovni period  T = π . f ( − x ) = − f ( x ) .    Primer:    Ispitati parnost i neparnost funkcija:   a)  f ( x ) = x 2 − 2 . f ( − x ) = f ( x ) .  2 2   b)  f ( x ) = x 3 − 2 x .    ‐ 46 ‐  .  Funkcija  f  je pozitivna na domenu A ako je  ( ∀x ∈ A ) . Funkcije  f ( x ) = sin x  i   f ( x ) = cos x   imaju  osnovni  period  T = 2π .  Pojmovi pozitivan i negativan predstavljaju znak funkcije.  Funkcija  f  je parna ako je  ( ∀x ∈ Dx ) .  3 f ( − x ) = ( − x ) − 2 ( − x ) = − x3 + 2 x = − x3 − 2 x = − f ( x ) .   Funkcija  f  je neparna ako je  ( ∀x ∈ Dx ) .    Primer:    Sve trigonometrijske funkcije su periodične.    c)  f ( x ) = x 2 − 2 x 3 + 1 .    Grafik parne funkcije je simetričan u odnosu na osu  Oy .

0 ≤ x ≤ 1     Funkcija    f   je  rastuća  (označavamo  f )  na  domenu  A   ako  ( ∀x1 .  Primer:    Funkcija je periodična sa perodom  T = 2 . x2 ∈ A ) x1 < x2 ⇒ f ( x1 ) ≥ f ( x2 ) .  ⎧1.  a  strogo  rastuća  ( f ↑ )  ako  x1 < x2 ⇒ f ( x1 ) < f ( x2 ) .  ⎩ x.  ‐ 47 ‐  .  a  strogo  opadajuća  ( f ↓ )  ako  x1 < x2 ⇒ f ( x1 ) > f ( x2 ) .    Rastuće i opadajuće funkcije jednim imenom zovemo monotone funkcije.    Funkcija  f   je  opadajuća  (označavamo  f )  na  domenu  A     ako  ( ∀x1 . x2 ∈ A ) x1 < x2 ⇒ f ( x1 ) ≤ f ( x2 ) . − 1 ≤ x ≤ 0 f ( x) = ⎨  i  f ( x + 2 ) = f ( x ) .

> 0.   f  ima lokalni maksimum u tački  x = a  ako postoji broj  ε > 0 .  x   b)  y = ln x . raste.f ( x1) x1 f ( x2 ) f ( x1) f ( x2) x2   x2       x1 Primer:    Ispitati monotonost sledećih funkcija:  a)  y = e . a + ε ) .                              Funkcija je strogo  opadajuća  ∀ x ∈ R .    ‐ 48 ‐  . x2 > 2.  Mininum i maksimum funkcije nazivamo ekstremnim vrednostima funkcije  ili ekstremima funkcije .  c)  y = −x .  takav ‐da je  f ( a ) ≥ f ( x )  za  x ∈ ( a − ε .  2 2 x12 − 8 x1 + 5 − 2 x2 2 − 8 x2 − 5 = 2 ( x1 − x2 )( x1 + x2 ) − 8 ( x1 − x2 ) =            Ako je  x1 < x2 ⇒   = 2 ( x1 − x2 )( x1 + x2 − 4 ) <0                 Funkcija  Funkcija  x1 .  f  ima lokalni minimum u tački  x = a  ako postoji broj  ε > 0 .  x x                              Funkcija je strogo  rastuća za  ∀x ∈ ( 0.  3 d)  y = 2x − 8x + 5 . a + ε ) . opada.  Funkcija je strogo rastuća  ∀ x ∈ R . ∞ ) . x1 .  takav da je  f ( a ) ≤ f ( x )  za  x ∈ ( a − ε . x2 < 2 < 0. jer za  x1 < x2 ⇒ e 1 < e 2 .

 za  x1.  ⎠ Tetiva  koja  spaja  dve  proizvoljne  tačke  u  x1   i  x2   grafika  konveksne  funkcije  nalazi  se  iznad  dela  posmatranog  grafika  na  intervalu  x1 .    b)  y = 3 .  Funkcija nema ekstrema. d2 = f ⎜ 1 2 2 ⎝ 2 ⎞ ⎟ .Primer:    Odrediti ekstreme funkcija:  a)  y = x − 1 .  a  kod  konkavne  funkcije je obrnuto.  ⎝ 2 ⎠ ⎛x +x ⎞ f ⎜ 1 2 ⎟ .        Funkcija  x f ( x1 ) + f 2 f ( x1 ) + f ( x2 ) konkavna ako   > 2 konveksna  ako    f  je na domenu  A .  2 Tačka  ( 0.          ‐ 49 ‐  . −1)  predstavlja minimum funkcije. x2 ∈ A  i  x1 ≠ x2     ⎛x +x ⎞ f ⎜ 1 2 ⎟ . x2 .  ⎝ 2 ⎠ y ( x2 ) < Tipičan izgled konveksne i konkavne funkcije dato je na slici:  y konveksna x1 d2 }d1 x1 + x2 2 x2 x x1 d1 d 2 x1 + x2 2 } konkavna x2 x   gde je  d1 =   f ( x1 ) + f ( x2 ) ⎛x +x .

a2 =     1 1 .  2 3 Niz  a1 .… .….NIZ    Definicija:    Uređeni  skup  elemenata  a1 . a2 .  1. n ∈ N .2.…  je:  rastući ako  an +1 > an . onda su članovi niza   n a1 = 1 .  2 ⎝ 2 ⎠       2 4. a3 = .Primer:     Funkcija  y = x  je konveksna.  ‐ 50 ‐  .….    Primer:     Ako je opšti član niza  an = 1 .2.n… predstavlja niz pripodnih brojeva      Niz je određen svojim opštim članom  an .…   obrazuje  niz  ako  se  svakom  prirodnom  broju  n ∈ N   po  nekom  zakonu  pridruži  jedan  i  samo  jedan  element  an ∈ R . što zaključujemo iz nejednačine   2 x12 + x2 2 ⎛ x1 + x2 ⎞ 2 <⎜ ⎟ ⇔ ( x1 − x2 ) > 0 . an . a2 . an .3.    Niz je preslikavanje    Primer:    f : N → R .…. za  x1 ≠ x2 .

    Ovi nizovi se zovu monotoni nizovi. GRANIČNA VREDNOST NIZA    Definicija:    Broj  a  se naziva graničnom vrednošću niza. a2 .  Za niz   a1 .opadajući ako je an +1 < an .2. može da se nađe prirodni broj  n0 . an − a < ε .      4.   2 1 .….  Broj  m   predstavlja  donje  ograničenje  (minoranta).…  se kaže da je ograničen ako postoje realni brojevi  m  i  M  takvi da je  m ≤ an ≤ M . U ovom primeru su navedeni  upravo infimum i supremum skupa vrednosti niza.  ‐ 51 ‐  .   Donje ograničenje je  m = − 1 .  2     Napomena:  Treba naglasiti da  m  i  M  nisu jedinstveni. an .  a  najmanja  gornja  granica  naziva se supremum niza.  neopadajući ako je  an +1 ≥ an .  dok  je  M   gornje  ograničenje (majoranta) niza. ako za svako proizvoljno mali  pozitivni broj  ε .  Najveća  donja  granica  naziva  se  infimum  niza.    Primer:     Niz sa opštim članom  an ( −1) = n n  je ograničen.  nerastući ako je  an+1 ≤ an . takav da  ∀n > n0 .  Tačne su i sledeće  nejednakosti  −1 ≤ an < 1  ili  −2 < an < 2  itd. svi članovi niza zadovoljavaju relaciju   −1 ≤ an ≤ 1 . a gornje ograničenje je  M = tj.1. naime ima  neprebrojivo mnogo drugih majoranti i minoranti.

        4.      Primer:    Dat je niz  an = Odrediti  n0  za  ε n 1 .  4n + 2 4 1 Dakle van  ε  okoline broja   nalazi se  24  člana niza.01  dobijamo  a25  svih ostalih beskonačno mnogo članova niza.  n→∞ n→∞   Svaki konvergentan niz je ograničen.  Kako je  an − a = Za  ε n 1 1 1 − = < ε  za  ∀ ε > 0 . 01 .  1 98 < 0.    Monoton i ograničen niz je konvergentan.2. ili  an → a . n ∈ N .   2 2n + 1 = 0.    Granica konvergentnog niza je jedinstvena. Pokazati da je njegova granična vrednost  .2.01 . zaključujemo da je     2n + 1 2 4n + 2 2 granična vrednost niza.  a  koji  je  nema naziva se divergentnim nizom.  n0 ≥ 25 . 5  tj.što označavamo sa  a = lim an . OSOBINE KONVERGENTNIH NIZOVA    Ako  su  an   i  bn   dati  nizovi    i  ako  postoji  n0 ∈ N   sa  osobinom  da  je  ( ∀n ∈ N ) n > n0 an ≤ bn . n → ∞ .  n→∞ Niz  koji  ima  graničnu  vrednost  naziva  se  konvergentnim  nizom. a u  ε  okolini počev od  2 = 0.            ‐ 52 ‐  . onda je  lim an ≤ lim bn . odakle  n > = 24.

 jer je   an n + 2n + 1 n +1 1 = 1 + > 1 . bn ≠ 0 ) . . jer je  an+1 n 2 + 2n = 2 < 1  i ograničen je sa donje strane.  n→∞ n→∞       lim ( an ± bn ) = lim an ± lim bn = a ± b .OPERACIJE SA GRANIČNIM VREDNOSTIMA  NIZOVA      Neka je  lim an = a  i  lim bn = b . što znači da postoji granična vrednost ovog niza. tj .  n →∞ n →∞ n →∞ lim ( an ⋅ bn ) = lim an ⋅ lim bn = a ⋅ b . Tada važi:  n →∞ n →∞ lim C ⋅ an = C ⋅ lim an = C ⋅ a .  n ∈ N . ( b ≠ 0. . n n ⎝ 2 3 ⎠ opadajući.… ⎟  je monotono   .  n →∞ b lim bn b n n →∞   Primer:    Izračunati  1 lim ⎛ 2 + 1 ⎞ ⎜ ⎟ 2n + 1 n⎠ n = n→∞ ⎝ = lim =2  a)  lim n →∞ n − 1 n →∞ 1 ⎛ 1⎞ 1− lim 1 − n n→∞ ⎜ n ⎟ ⎝ ⎠ 2+ ‐ 53 ‐  .3. C ∈ R .Primeri:    Niz  an = n +1 n +1 ⎛ 3 4 ⎞ . odnosno  ⎜ 2 .  n →∞ n →∞ n →∞ lim an lim an a = n→∞ = .   n n n +1 lim = 1  n →∞ n       4.… .2.

  Broj  a   je  tačka  nagomilavanja  niza  ako  je  za  ∀ ε > 0   i  ∀ n ∈ I   an − a < ε .  c)  lim = lim n →∞ n − 1 n →∞ 1 1 − 2 n n       4.  b)  lim 2 = lim n →∞ n − 1 n →∞ 1 1− 2 n 1 2+ 2 2 2n + 1 n = ∞ .  Konvergentan niz ima samo jednu konačnu tačku nagomilavanja. gde je  I  jedan beskonačni podskup prirodnih brojeva.  c)  Niz  sa  opštim  članom  an 1  ima jednu tačku nagomilavanja  a = 0  koja ne  n ( −1) = n n +1 a1 = 1.  Niz  može  imati  jednu. koja pripada nizu i  a2 = −1.4.2.  b) Niz sa opštim članom  an = pripada nizu.2 1 + 2n + 1 n n 2 = 0 .   .  uopšte  konačno  ili  beskonačno  mnogo  tačaka  nagomilavanja.TAČKA NAGOMILAVANJA NIZA    Definicija:    Tačka  a   na  brojnoj  pravoj  u  čijoj  se  svakoj  proizvoljno  maloj  okolini  ε   nalazi  beskonačno  mnogo  članova  niza    naziva  se  tačka  nagomilavanja   niza.ima  dve  tačke  nagomilavanja  ‐ 54 ‐  .  dve. koja ne pripada nizu.          n +1 .    Primer:    a) Niz sa opštim članom  an = n  nema tačku nagomilavanja.

718281… odnosno:  ⎛ 1⎞ lim ⎜1 + ⎟ = e   n →∞ ⎝ n⎠ Može se dokazati da je ovaj niz monoton i ograničen.3.  Okolina  tačke  a  je  svaki  otvoreni  interval  koji sadrži tačku a.    Kažemo da je  a  tačka nagomilavanja skupa  A ⊂ R  ako se u svakoj okolini  tačke  a  nalazi bar jedan element iz  A  različit od  a .    Otvoreni  interval  ( a − ε . pa samim tim i  konvergentan. BROJ e  ⎛ 1⎞ Granična vrednost niza sa opštim članom  an = ⎜1 + ⎟  je broj   ⎝ n⎠ n e = 2.5.  ‐ 55 ‐  .4.2. GRANIČNA VREDNOST FUNKCIJE    Uopštavajući  pojam  granične  vrednosti  niza  dolazimo  do  pojma  granične  vrednosti funkcije.     Primer:    Izračunati  3n ⎛ ⎛ 1 ⎞n ⎞ ⎛ 1⎞ 3 a)  lim ⎜1 + ⎟ = lim ⎜ ⎜ 1 + ⎟ ⎟ = e .  ⎟ n →∞ n →∞ ⎜ ⎝ n⎠ ⎝⎝ n ⎠ ⎠ 3 n b)  2 ⎞ 2 ⎞ ⎛ n −1 ⎞ ⎛ ⎛ lim ⎜ ⎟ = lim ⎜1 + ⎟ = lim ⎜1 + ⎟ n →∞ n + 1 ⎝ ⎠ n→∞ ⎝ n + 1 ⎠ n→∞ ⎝ n + 1 ⎠   n n n +1 2 ⎞ ⎛ lim ⎜1 + ⎟ = n →∞ ⎝ n +1 ⎠ 2 −1 2 ⎞ ⎛ lim ⎜1 + ⎟ n →∞ ⎝ n +1 ⎠ 2( n +1) 2 n +1 ⎛ ⎞ 2 ⎞ 2 ⎞2 ⎟ ⎛ ⎛ 2 ⎜ 1+ lim ⎜1 + ⎟ = lim ⎜ ⎜ ⎟ ⎟ =e n →∞ n →∞ ⎝ n +1 ⎠ ⎝ n +1 ⎠ ⎝ ⎠ −1         4. a + ε )   dužine  2 ε   sa  centrom  u  tački  a ∈ R   nazivamo  ε ‐  okolinom  tačke  a.

  ispunjena nejednakost  f ( x ) − A < ε  i pišemo   lim f ( x ) = A .  tj. A + ε ) )     A−ε A A−ε a −δ y = f ( x) a a +δ   Napomena:  Prethodna definicija znači da ako se na  y  osi zada  ε  okolina   tačke  A . a + δ ) ⇒ f ( x ) ∈ ( A − ε .    Ako  a  nije tačka nagomilavanja. ako za svaki  ε > 0   postoji  broj  δ > 0 .  takav  da  je  za  ∀x ∈ Dx   za  koje  važi  uslov  x − a < δ .  Tačka nagomilavanja skupa  A  ne mora da pripada skupu  A .  onda  f ( x ) ∈ ( A − ε . vrednosti funkcije  f ( x )  teže  A . A + ε ) .  x→a   Navedenu definiciju možemo zapisati i na sledeći način:  ( ∀ε > 0 ) ( ∃ δ > 0 ) ( ∀x ) ( x ∈ ( a − δ . ona se naziva izolovana tačka. tako da kada   x ∈ ( a − δ .    Definicija:    Neka je  a  tačka nagomilavanja domena  Dx  funkcije  f .    Broj  A  je granična vrednost funkcije  f  kada  x → a .      ‐ 56 ‐  .  ako  nezavisno  promenljiva x   teži  a . a + δ ) . tada postoji  δ  okolina tačke  a  na  x  osi.

        ‐ 57 ‐  . tj.  a ne  mora  biti  definisana.  ali  ova  tačka  mora   biti tačka nagomilavanja oblasti definisanosti. pa da gornja formula bude tačna.  tj.  ( )   Funkcija  f ( x )   ima  graničnu  vrednost  A   kada  x → a   .  ( )   Broj  A   je  leva  granična  vrednost  funkcije  f ( x )   u  tački  a   tj.  x − 2 < ε 3 .  x→2 Polazeći od definicije granične vrednosti.3. ako i samo ako je (akko)  ( ∀ε > 0 ) ( ∃δ > 0 ) ( ∀x ) a < x < a + δ ⇒ f ( x ) − A < ε . akko  ( ∀ε > 0 ) ( ∃δ > 0 ) ( ∀x ) a − δ < x < a ⇒ f ( x ) − A < ε .  tj.  x→a −0 lim f ( x ) = A . ako je  3 x + 1 − 7 < ε . LEVA I DESNA GRANIČNA VREDNOST FUNKCIJE    Definicija:    Broj  A   je  desna  granična  vrednost  funkcije  f ( x )   u  tački  a . dobijamo   3 x − 2 < ε .  Dovoljno je uzeti da je  δ =   ε 3 .  ako  i  samo  ako   leva  i  desna  granična  vrednost  postoje  i  jednake  su  lim f ( x ) = lim f ( x ) = A   x→a +0 x →a −0 A .  x→a +0 lim f ( x ) = A .1.Napomena:  Funkcija  u  tački  a   može.  41B4.    Primer:    Dokazati da je  lim ( 3 x + 1) = 7 .

Primer:    Odrediti graničnu vrednost  funkcija.   a)  f ( x ) = x −1 Pošto su leva i desna granična vrednost funkcije u tački  x = 1  postoje i imaju  x2 − 1 x2 − 1 = 2 . x < 2 x→2+0 x−2 x−2 x = lim x = 2 .  x→2+0 x−2 x−2 lim f ( x ) = lim x = lim − x = −2 .  b)  f ( x ) = x  u tački  x = 2 . dobijamo:  Kako je  x − 2 = ⎨ ⎩− x + 2 .  funkcija nema graničnu vrednost u tački  x = 2 .funkcija  ima  graničnu  istu  brojnu  vrednost.      Granična vrednost funkcije kad argument  x → ∞     lim f ( x ) = A  akko:  x →+∞ ( ∀ε > 0 )   ( ∃ M lim f ( x ) = A  akko:  x →−∞ ( ∀ε > 0 )   ( ∃ M               > 0 )   ( ∀x )   x > M ⇒ f ( x ) − A < ε .  x → 2−0 x→2+0 − x + 2 x→2+0 lim f ( x ) = lim x→2+0   Pošto  leva  i  desna  granična  vrednost  funkcije  u  tački  x = 2   nisu  jednake.  lim = 2 .  x2 −1  u tački  x = 1 .  lim x →1+ 0 x − 1 x →1−0 x − 1 vrednost u toj tački koja iznosi 2.  < 0 ) ( ∀x )   x < M ⇒ f ( x ) − A < ε   ‐ 58 ‐  .  x−2 ⎧ x−2. x ≥ 2 .

4.3.  x→a x→a x→a lim x →a g ( x) f ( x) = lim f ( x ) lim g ( x ) x →a x →a = A  za  ( g ( x ) ≠ 0 .  x→ a x→ a x→ a     lim f ( x ) ⋅ g ( x ) = lim f ( x ) ⋅ lim g ( x ) = A ⋅ B .  lim f ( x ) = A  i  lim g ( x ) = B . B ≠ 0 ) .  tj.        1    f ( x) 4. ako   > 0 )   ∀ x   x − a < δ ⇒ f ( x ) − f ( a ) < ε .3.2.OSOBINE GRANIČNIH VREDNOSTI FUNKCIJA    Ako  funkcije  f   i  g   imaju  granične  vrednosti  kad  argument  x → a . tada je  beskonačno velika velična.  tj.NEPREKIDNOST FUNKCIJE    Definicija:    Funkcija  f  je neprekidna u tački  a ∈ Dx .4. tada je:  x→a x→ a   lim C ⋅ f ( x ) = C ⋅ lim f ( x ) = C ⋅ A   x→a x→a   lim ( f ( x ) ± g ( x ) ) = lim f ( x ) ± lim g ( x ) = A ± B . BESKONAČNO MALE VELIČINE:    lim f ( x ) = 0  akko  x→a ( ∀ε > 0 )   ( ∃ δ > 0 )   ( ∀x )   x − a < δ ⇒ f ( x ) < ε .  Ako je funkcija  f ( x )  beskonačno mala veličina kad  x → a .3.  lim f ( x ) = f ( a )   x→a ( ∀ε > 0 ) ( ∃ δ     ‐ 59 ‐  .  B     4.

Ako funkcija nije neprekidna u tački  a , onda je to tačka prekida funkcije.    Funkcija je neprekidna na skupu  A ⊆ Dx  ako je neprekidna u svakoj tački  tog skupa.    Napomena:   Definicija neprekidnosti ima sličnosti sa definicijom granične  vrednosti u tački. Razlika je u tome što definicija granične  vrednosti ne zahteva definisanost funkcije u tački  a , a  neprekidnosti zahteva.  

.  Primer:     Ispitati neprekudnost funkcija;   a)  f ( x ) = 3 x − 1  u tački  x = 1 .  Funkcija je očigledno neprekidna u tački  x = 1  jer je  lim 3 x − 1 = f (1) = 2 ,  
x →1

b)  f ( x ) =

Funkcija ima prekid u tački  x = 2  jer u njoj nije ni definisana. 

1  u tački  x = 2 .  x−2

tački  x = 0 .      Za funkciju f kažemo da je neprekidna sleva u tački a, ako  lim f ( x ) = f ( a ) ,   
x→a −0

⎧ sin x ,x≠0 ⎪ c)   f ( x ) = ⎨ x ,  ⎪ 0, x =0 ⎩ sin x Kako je  lim = 1 ,  a  f ( 0 ) = 0 ≠ 1 , zaključujemo da funkcija f ima prekid u  x →0 x

 

a neprekidna sdesna ako  

x→a +0

lim f ( x ) = f ( a ) . 

  Funkcija je neprekidna u tački a akko je neprekidna sleva i sdesna u tački a.         

‐ 60 ‐ 

Primer:    Ispitati neprekudnost funkcije;   a)  f ( x ) = ⎨
x→0−

Kako  je  lim ( 2 x + 1) = 1, lim x 2 + 1 = 1 ,    a  f ( 0 ) = 1 ,  zaključujemo  da  je 
x→0+

⎧2 x + 1, x ≤ 0 , u tački  x = 0 .  2 ⎩ x + 1, x > 0

(

)

funkcija f neprekidna u tački  x = 0 .         

4.5. ASIMPTOTE FUNKCIJE 
  U  matematici  i  njenim  primenama  postoji  tendencija  da  se  funkcije  aproksimiraju pravim linijama kada  x → ±∞ , ili kada   y → ±∞ , uvek kada je  to moguće. Ove prave nazivaju se asimptotama.    Definicija:    Prava  x = a  je vertikalna asimptota funkcije  f  ako je  lim f ( x ) = ±∞  ili 
x→a +0

lim f ( x ) = ±∞   ili   lim f ( x ) = ±∞  
x→a −0

x→a

 

Prava  y = b  je horizontalna asimptota funkcije   

f  ako je lim f ( x ) = b .  x →±∞

  Prava  y = kx + n  je kosa asimptota funkcije 
x →±∞

lim ( f ( x ) − (kx + n) ) = b , 

f  ako je 

  odnosno,  k = lim
x→±∞

f ( x) x

, a  n = lim

x → ±∞

( f ( x ) − kx ) . 

‐ 61 ‐ 

y

vertikalna

y

y

horizontalna

kosa

x

x

x

    Funkcija  može  da  ima  sve  tri  vrste  asimptota.  Ako  funkcija  ima  horizonatalnu  asimptotu  sa  leve  strane,  na  primer,  onda  sa  te  strane  ne  može  imati  i  kosu  asimptotu  i  obrnuto.  Postojanje  kose  asimptote  isključuje  postojanje  horizontalne asimptote sa iste strane.    Primeri:    Odrediti asimptote funkcije  

f ( x) =

3 .  x −1
x →1+ 0

Kako funkcija ima prekid za  x = 1 , a lim

3 3 = +∞ , lim = −∞ ,  x →1− 0 x − 1 x −1

zaključujemo da funkcija ima vertikalnu asimptotu, pravu  x = 1 .  Pošto je  lim
x →±∞

y = 0 . 

3 = 0 , funkcija ima horizontalnu asimptotu,  x  ‐ osu, tj. pravu  x −1

Funkcija koja ima horizontalnu nema kosu asimptotu.      Primer:    Odrediti asimptote funkcije  

x2   f ( x) = .  x +1
‐ 62 ‐ 

Kako funkcija ima prekid za  x = − 1 , a lim

x2 x2 = +∞ , lim = −∞ ,  x →−1+ 0 x + 1 x →−1−0 x + 1

zaključujemo da funkcija ima vertikalnu asimptotu, pravu  x = − 1 .  Pošto je  lim ima   kosu. 

x2 = ±∞ , funkcija nema horizontalnu  asimptotu, pa može da  x →±∞ x + 1

Funkcija ima kosu asimptotu, pravu  y = x −1 .         

x2 x2 k = lim x + 1 = lim 2 = 1, x →±∞ x →±∞ x + x x   2 ⎛ x ⎞ x ⎞ ⎛ n = lim ⎜ − x ⎟ = lim ⎜ − ⎟ = −1 x →±∞ x + 1 ⎝ ⎠ x →±∞ ⎝ x + 1 ⎠

4.6.FUNKCIJE VIŠE PROMENLJIVIH 
    Neka su  A  i  B  proizvoljni skupovi. Preslikavanje ili funkcija  f : A → B   predstavlja  zakon  pridruživanja  pomoću  koga  se  proizvoljnoj  n‐torki  elemenata  ( x1 , x2 ,… , xn ) ∈ A ,    dodeljuje  neki  element  z ∈ B   takav  de  je 
n

z = f ( x1 , x2 ,… , xn ) . 
    Pod  realnom  funkcijom  podrazumeva  se  svako  preslikavanje  kod  koga  je  Element  ( x1 , x2 ,… , xn ) ∈ A  naziva se original, a  z ∈ B  njegova slika. 

f : Rn → R . 
           

‐ 63 ‐ 

Primeri sa rešenjima:    Primer:   Odrediti domene sledećih funkcija:  a)  f = 1 + x − y   Kako je  1 + x − y ≥ 0 , dobijamo da je  y ≤ 1 + x , odnosno da je domen funkcije  poluravan ispod prave  y = 1 + x , uključujući i nju. 

y
x+ 1

y=

x

      b)  f =

 

x2 + y 2 + z 2 − 9  
2 2 2 2 2 2

Kako je  x + y + z − 9 ≥ 0 , dobijamo da je  x + y + z ≥ 9 , odnosno da je  domen funkcije deo prostora izvan sfere poluprečnika 3, kao i sama sfera 

x2 + y 2 + z 2 = 9 . 
                     

‐ 64 ‐ 

tada je   x2 − y2 lim = −1 . y0 )  je tačka nagomilavanja domena  D . tački  ( x0 .6. y0 )  po svakoj krivoj koja   prolazi kroz te tačke.  Znači granična vrednost ne postoji.  z → ( 0. kao i kod  funkcije jedne promenljive. y )  približava tački  ( 0.    Napomena: Kod funkcije jedne promenljive definisali smo levu i desnu  graničnu vrednost u tački  a . y0 ) > 0  postoji broj  δ > 0 . y0 )  domena  D  .GRANIČNA VREDNOST FUNKCIJE    Definicija:    Broj  A   je  granična  vrednost  funkcije.4. takav da ako je  2 ( x − x0 ) + ( y − y0 ) 2 < δ   onda  f ( x.0 ) x 2 + y 2 xy   z →( 0. ako se približava po pravoj  y = 0 .1. 0 )  po pravoj  x = 0 . tada je  z → ( 0.  z = f ( x .0) x + y 2 2 ‐ 65 ‐  . y ) . y ) .  f : R → R   u  tački   2 ( x0 .0 ) x 2 + y 2   Ako se tačka  ( x .0 ) x 2 + y 2   lim   b)  lim x2 − y2 = 1 .  x → x0 y → y0   Napomena:  Tačka  ( x0 . y ) = A .    Primer:    Odrediti sledeće granične vrednosti:  a)  lim x2 − y2 . y ) = A   ili  lim f ( x. 0 < pišemo     z →( x0 . U slučaju funkcije dve realne promenljive   posmatramo približavanje tačke  ( x . y ) ∈ D. y ) − A < ε   i  lim f ( x.  z → ( 0. ako za svaki  ε ∀ ( x.

0) x →0 y →0 x + y x+ y ⎝ ⎠ y →0 ⎝ x →0 x + y ⎠ ⎛ ⎛ −y x− y⎞ x x− y⎞ = −1 .  ⎟ .  x → x0 y → y0 y → y0 x → x0 ( z →( x0 .  Znači. onda postoje i   granične vrednosti  lim lim f ( x. y )  približava tački  ( 0.  ⎟ = lim = 1 . y )  i  lim lim f ( x.    Primer:    Odrediti  granične vrednosti    lim ⎜ lim   Dobijamo  lim ⎜ lim x →0 ⎛ x− y x− y⎞ x− y⎞ lim .  Ova  vrednost  z →( 0.0) x + y 2 2   Ako se tačka  ( x .  kad  god  je  k ≠ 0 . 0 ) .  z →( 0.  lim ⎜ lim ⎟ = lim x →0 x y →0 x →0 x + y y →0 y x+ y⎠ ⎝ ⎠ ‐ 66 ‐  ⎛ ⎝ y →0 . y ) = A  i  lim lim f ( x.        Granične vrednosti po putanjama se najčešće obeležavaju   x → x0 lim lim f ( x. tada u oba  slučaja dobija se da je  lim xy = 0 . 0 )  po koordinatnim osama.  dobija  se  lim 2 .Ako se tačka  ( x . 0 )  po nekoj drugoj putanji. na primer. y )   y → y0 y → y0 x → x0 ( ) ( )   i nazivaju se ponovljenom graničnom vrednošću. y0 ) ) ( )   Obrat ne važi.  granična  vrednost  nije  ista  za  sve  putanje  po  kojima  se  tačka  ( x .  kx 2 k = duž  prave  y = kx.  odnosno  ne  postoji  granična vrednost. y )  približava tački  ( 0.0 ) x + k 2 x 2 1+ k 2 nikada  nije  nula.      Ako postoji  granična vrednost  lim f ( x. y ) = A .   lim ⎜ lim ⎟  i  z →( 0. k ∈ R . y )   približava  tački  ( 0. y ) = A .

y ) − f ( x0 . y ) ⋅ g ( x.  ‐ 67 ‐  . y0 ) ∈ D . y0 )   z →( x0 .    z →( x0 . y )   2 ( x − x0 ) + ( y − y0 )   < δ ⇒ f ( x. y0 ) lim lim f ( x.Ako  se  tačka  ( x.NEPREKIDNOST FUNKCIJE    Definicija:    Funkcija  z = f ( x . ako   ( ∀ε > 0 ) ( ∃ δ 2 > 0 )   ∀ ( x.0 ) 2 x 3 lim   Znači.3. y0 ) lim g ( x. tada je:    z →( x0 .    4.OSOBINE GRANIČNIH VREDNOSTI FUNKCIJA    Ako funkcije  f  i  g  imaju granične vrednosti u tački  ( x0 . y )   približava  tački  ( 0.        4.0 ) 3 x z →( 0. y ) lim g ( x. y ) f ( x. y ) ± g ( x.2. y0 ) < ε . z →( x0 . y )  je neprekidna u tački  ( x0 . y ) ) = ( f ( x. y0 )   z →( x0 . y ) = z →( x0 . y ) ≠ 0 .  granična  vrednost  funkcije  dve  promenljive  ne  mora  biti  jednaka  graničnoj vrednosti funkcije po svakoj od promenljivih posebno. y ) .  lim z → ( 0. y0 ) lim z →( x0 . y0 ) z →( x0 . y0 ) lim ( f ( x.  z →( 0. y0 ) z →( x0 . y0 ) lim f ( x.6. y0 ) . y ) ) = g ( x.  tada  je  x− y  ne postoji. y0 ) lim C ⋅ f ( x.  z →( x0 . 0 )   po  pravoj  y = 2x . y )   z →( x0 .6.0) x + y lim −x 1 0 = 0 . y ) ± lim g ( x. y ) = C ⋅ lim z →( x0 . y ) ⋅ lim g ( x. y ) . y0 ) lim f ( x. y0 ) f ( x.  a  ako  se  približava  po  pravoj  y = x .  pa  = − . y ) .

2.  Razlika  je  u  tome  što  definicija  granične  vrednosti  ne  zahteva  definisanost  funkcije  u  tački  a . 5.  Neprekidnost funkcije jedne  promenljive. 6.  Napomena:  Definicija  neprekidnosti  ima  sličnosti  sa  definicijom  granične  vrednosti  u  tački. Šta je funkcija?  Nabrojati i definisati osobine  funkcija.  11. y0 )   Funkcija je neprekidna na skupu  A ⊆ D  ako je neprekidna u svakoj tački  tog skupa. Pojam funkcije više  promenljivih.  Pojam asimptota funkcije. Granična vrednost funkcije  više promenljivih.  Kako glasi definicija niza?  Definisati osnovne osobine  nizova. Neprekidnost funkcije više  promenljivih.tj.  7. 8. y0 ) f ( x. y ) = f ( x0 .     KLJUČNI TERMINI  • • • • Funkcija  Domen  Kodomen  Niz  • Asimptote  • Tačka nagomilavanja  • Granična vednost‐ limes  • Konvergencija  • Divergencija  • Neprekidnost  • Broj e    ‐ 68 ‐  .  a  neprekidnosti zahteva. 3.  Granična vrednost niza i  osobine.  Granična vrednost funkcije i  osobine. 4.  9.  10.           PITANJA ZA PONAVLJANJE  1.  lim   z →( x0 .

Tablica izvoda elementarnih funkcija. DIFERENCIJALNI RAČUN    5. Osnovnih pojmova. x0 + Δx0 ∈ (a.    Definicija izvoda funkcije u tački     Neka  je  f : ( a . Osnovnih teorema diferencijalnog računa.  2. Pravila diferenciranja. b ) → R   neprekidna  funkcija  i  x0 ∈ (a. tako  da ćemo razmatranje ovog računa početi njegovim uvođenjem.  3.  U  ovom  odeljku  nakon  definisanja  izvoda  funkcije  i  geometrijskog  tumačenja  levog  i  desnog  izvoda.IV‐GLAVA  DIFERENCIJALNI RAČUN  • • • • • • •    IZVOD FUNKCIJE   DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI   DIFERENCIJAL FUNKCIJE   NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA   IZVODI I DIFERENCIJALI FUNKCIJA DVE NEZAVISNO PROMENLJIVE  PRIMENA DIFERENCIJALNOG RAČUNA  EKONOMSKE FUNKCIJE      Cilj nam je da ovaj račun uvedemo preko:  1. Δx0 ≠ 0.  definicija izvodne funkcije i izvodi osnovnih funkcija.  Ako  se  za  razliku  x − x0  uvede oznaka  Δx0 .  navodi  se  teorema  o  diferencijabilnosti  funkcija. b)  i ako količnik     ‐ 69 ‐  .  5.  4. b) . IZVOD FUNKCIJE    Osnovni pojam diferencijalnog računa je izvod funkcije u određenoj tački. Definicija.1.      5.

f ( x0 + Δx0 ) − f ( x0 )   Δx0 ima konačnu vrednost kada  Δx0 → 0 .  ako  navedeni  količnik  ima  konačnu  vrednost za definisane parametre. funkcija  f  je diferencijabilna u tački  x0 .      Granična vrednost:  1 − f (Δx0 ) − f (0) Δx0 lim = lim = lim Δx0 3   Δx0 →0 Δx0 →0 Δx Δx0 →0 Δx0 0 ne postoji.  2 3   4. Naći izvod funkcije  y = x  u tački  x0 = 2     f (2 + Δx0 ) − f (2) (2 + Δx0 )3 − 23 = lim = f '(2) = lim Δx0 → 0 Δx0 → 0 Δx0 Δx0 12Δx0 + 6Δx0 2 + Δx03 = lim = 12 Δx0 → 0 Δx0 x   2. tada ova granična vrednost predstavlja  izvod funkcije u tački  x0  i označava se sa  f '( x0 ) .    Primeri sa rešenjima:  3 1. Ispitati da li funkcija  y = x  ima izvod u tački  x = 0 . Odrediti izvod funkcije  f ( x ) = ax + b  u bilo kojoj tački  x0 . Odrediti izvod funkcije  y = e  u tački  x = 1   f '(1) = lim   Δx0 → 0 f (1 + Δx0 ) − f (1) e1+Δx0 − e = lim = Δx0 → 0 Δx0 Δx0 eΔx0 − 1 = e lim =e Δx0 →0 Δx 0 2 3   3. Znači:  f '( x0 ) = lim x → x0 f ( x0 + Δx0 ) − f ( x0 )   Δx0 Ako  postoji  izvod  funkcije  u  tački  x0   tj.      ‐ 70 ‐  . pa funkcija  f  nema izvod u tački  x = 0 . U  slučaju da funkcija nema izvod u tački  x0  tada  f  nije diferencijabilna u tački  x0 .

 1.Δf ( x0 ) f ( x0 + Δx0 ) − f ( x0 ) [ a( x0 + Δx0 ) + b ] − [ ax0 + b ] = = Δx0 Δx0 Δx0   = aΔx0 =a Δx0 Δf ( x0 ) =a Δx0 → 0 Δx 0   f '( x0 ) = lim       Teorema o geometrijskoj interpretaciji izvoda funkcije     Ako funkcija  f  ima izvod u tački  x0 . tada grafik ove funkcije ima tangentu u  tački  ( x0 . f '( x0 ))  čiji je koeficijent pravca jednak izvodu funkcije  f  u tački  x0 (sl.).    ‐ 71 ‐  .  ako  grafik  neprekidne  funkcije  f   ima  tangentu  u  tački  ( x0 .  k = f '( x0 ) = lim f ( x0 + Δx0 ) − f ( x0 )   Δx0 →0 Δx0 Δy   k = tgα = Δx                           sl. l    Važi  i  obrnut  stav. f '( x0 ))  tada je koeficijent pravca jednak izvodu funkcije  f  u tački  x0 .

Primer sa rešenjem:  5. Naći jednačinu tangente krive  f : y = e + 1  u tački  x0 = 0   
x

f ( x0 ) = f (0) = e0 + 1 = 2 , pa je  M o (0, 2) . koeficijent pravca tangente. 

f (0 + Δx) − f (0) eΔx − 1 = lim = 1 ,  k = lim Δx →0 Δx →0 Δx Δx
pa je jednačina tangente: 

y = x+2 

  Slično pojmu izvoda funkcije u nekoj tački, definišu se i pojmovi levog i desnog  izvoda funkcije u određenoj tački.    Definicija levog izvoda funkcije   Neka je funkcija  f  definisana i neprekidna u okolini tačke  x0 . Ako se  za razliku  x − x0  uvede oznaka  Δx0 ,   Δx0 < 0   i ako količnik  

f ( x0 + Δx0 ) − f ( x0 )   Δx0 ima konačnu vrednost kada  Δx0 → 0 , tada ova granična vrednost predstavlja 
levi izvod funkcije u tački  x0  i označava se sa  f − '( x0 ) . Dakle, 

f − '( x0 ) = lim −
Δx0 →0

f ( x0 + Δx0 ) − f ( x0 )   Δx0

Analogno definiše se pojam desnog izvoda funkcije u određenoj tački.    Definicija desnog izvoda funkcije   Neka je funkcija  f  definisana i neprekidna u okolini tačke  x0 . Ako se  za razliku  x − x0  uvede oznaka  Δx0 ,  Δx0 > 0  i ako količnik  

f ( x0 + Δx0 ) − f ( x0 )   Δx0 ima konačnu vrednost kada  Δx0 → 0 , tada ova granična vrednost predstavlja 
desni izvod funkcije u tački  x0  i označava se sa  f + '( x0 ) . Dakle: 

f + '( x0 ) = lim +
Δx0 →0

f ( x0 + Δx0 ) − f ( x0 )   Δx0

Relacija  između  levog  i  desnog  izvoda  funkcije  u  određenoj  tački  i  diferencijabilnosti funkcije u toj tački je iskazana sledećom teoremom.   

  ‐ 72 ‐ 

Teorema o diferencijabilnosti funkcije u tački     Ako je funkcija  f  diferencijabilna u tački  x0  tada važi: 

f '+ ( x0 ) = f '− ( x0 ) = f '( x0 )  
i obrnuto,  tj. ako za neku funkciju  f  važi: 

f '( x0 ) = f '+ ( x0 ) = f '− ( x0 )  
tada je funkcija  f  diferencijabilna u tački  x0 .  Ako je  f '+ ( x0 ) ≠ f '− ( x0 ) , tada funkcija  f  nije diferencijabilna u tački  x0 ,  f   tada nema tangentu u tački  M 0 (sl. 2.).     

sl. 2. 

 

  5.2. DIFERENCIJABILNOST I NEPREKIDNOST FUNKCIJE U TAČKI    Pri  definisanju  funkcije  f   u  tački  x0 ,  pretpostavljeno  je  da  je  funkcija  f   neprekidna  u  nekoj  okolini  tačke  x0 .  Ispitajmo  sada  u  kakvom  su  odnosu  neprekidnost i diferencijabilnost funkcije u tački.    Teorema   Ako je funkcija  f  diferencijabilna u nekoj tački, tada je ona neprekidna u toj  tački.    Dokaz   Neka postoji  f '( x0 ) ,  tada je: 

f ( x0 + Δx0 ) − f ( x0 ) − f '( x0 ) = ε (Δx0 )   Δx0
  ‐ 73 ‐ 

funkcija  od  Δx0   i  pri  tom  ε (Δx0 ) → 0 ,  kada  Δx0 → 0 .  Ako  označimo 

x = x0 + Δx0 , tada je:  f ( x) = f ( x0 ) + Δx0 f '( x0 ) + Δx0 ⋅ ε (Δx0 )  
odnosno:   

x → x0

lim f ( x) = lim ( f ( x0 ) + Δx0 f '( x0 ) + Δx0 ⋅ ε ( Δx0 )) = f ( x0 ) , 
Δx0 → 0

  što znači da je funkcija  f  neprekidna u tački  x0 .    Obrnuto ne važi tj. ako je funkcija neprekidna u nekoj tački tada ona ne mora  biti  diferencijabilna  u  toj  tački.  Na  primer,  funkcija  y = x   je  neprekidna  za  svako  x  pa i za  x = 0 . Međutim u ovoj tački funkcija nije diferencijabilna.      Definicija diferencijabilnosti funkcije na određenom intervalu     Ako  funkcija  f ima  izvod  odnosno  diferencijabilna  je  u  svakoj  tački  intervala  ( a , b )   tada  je  funkcija  f   diferencijabilna  na  intervalu  ( a , b ) ,  odnosno  ima  izvod   

f '( x ) = lim

Δx → 0

za svako  x ∈ ( a , b ) .    Ovako definisana funkcija  f '  naziva se izvodna funkcija ili izvod funkcije  f .      Definicija izvodne  funkcije (prvog izvoda)     Izvodna  funkcija  ili  prvi  izvod  funkcije  f   je  funkcija  kojom  se  skup  tačaka  x ∈ ( a , b )   preslikava  u  skup  vrednosti  odgovarajućih  izvoda  f ' .  Određivanje  izvodne  funkcije  naziva  se  diferenciranje.  U  tabeli  1.  su  dati  izvodi  elementarnih funkcija:         

f ( x + Δx ) − f ( x )   Δx

  ‐ 74 ‐ 

 

 

f ( x) = A, A = const , x ∈ R f ( x) = x n , n ∈ N , x ∈ R f ( x ) = xα , α ∈ R , x ∈ R f ( x) = a x , 0 < a ≠ 1, x ∈ R f ( x) = e x , x ∈ R f ( x ) = log a x, 0 < a ≠ 1, x ∈ R + f ( x) = ln x, x ∈ R + f ( x) = sin x, x ∈ R            f ( x ) = cos x, x ∈ R
f ( x ) = tg x, x ∈ R \ {(2 k + 1)π / 2; k ∈ Z } f ( x ) = ctg x, x ∈ R \ {kπ ; k ∈ Z } f ( x ) = arc sin x , x < 1, x ∈ R f ( x ) = arc cos x , x < 1, x ∈ R f ( x ) = arc tg x, x ∈ R f ( x ) = arc ctg x , x ∈ R
         

  Funkcija 

Izvodna funkcija 

f '( x) = 0

f '( x) = nx n −1 f '( x) = α xα −1 f '( x) = a x ln a f '( x) = e x   1 f '( x ) = x ln a 1 f '( x) = x f '( x) = cos x f '( x ) = − sin x 1 f '( x ) = cos 2 x 1 f '( x ) = − sin 2 x 1 f '( x ) = 1 − x2   1 f '( x ) = − 1 − x2 1 f '( x ) = 1 + x2 1 f '( x ) = − 1 + x2

  Tabela 1. Izvodi elementarnih funkcija 

    Pravila za diferenciranje    U ovom odeljku su data osnovna pravila za diferenciranje. Uz svako pravilo važi  pretpostavka da su date funkcije diferencijabilne u tački x.     

  ‐ 75 ‐ 

Izvod zbira i razlike funkcija:    Ako je funkcija oblika  f ( x) = f1 ( x) ± f 2 ( x) ± ... ± f n ( x)  tada je 

f '( x) = f '1 ( x) ± f '2 ( x) ± ... ± f 'n ( x)  
za svako  x  za koje su definisane funkcije  

f1 , f 2 ,..., f n , f '1 , f '2 ,..., f 'n .   Specijalan slučaj navedenog pravila je za  n = 2 . Tada je funkcija oblika  
 

f ( x) = f1 ( x) ± f 2 ( x)  
a važi: 

f '( x) = f '1 ( x) ± f '2 ( x)  
  Izvod proizvoda funkcija:    Ako je funkcija oblika  f ( x) = f1 ( x) ⋅ f 2 ( x) ... f n ( x)  , tada je 

f '( x) = f1 '( x) f2 ( x) ... fn ( x) + f1 ( x) f '2 ( x) ... fn ( x) + ... + f1 ( x) f2 ( x) ... f 'n ( x)   Specijalan slučaj navedenog pravila je za  n = 2 ;  f ( x) = f1 ( x) f 2 ( x) ⇒ f '( x) = f '1 ( x) f 2 ( x) + f1 ( x) f '2 ( x)  
    Izvod proizvoda konstante i funkcije:    Ako je funkcija oblika  f ( x ) = Cg ( x ) ⇒ f '( x ) = C ⋅ g '( x ) , C‐konstanta      Izvod količnika funkcija:  Ako je funkcija oblika  f ( x ) =  

f1 ( x)  , tada je   f 2 ( x)
f '1 ( x) f 2 ( x) − f1 ( x) f '2 ( x)

f '( x) =

[ f 2 ( x)]

2

 

Specijalan slučaj navedenog pravila je funkcija oblika  

f ( x) =
 

1 f '1 ( x ) ,      f ( x ) ≠ 0 ,     f '( x ) = −   2 f1 ( x) [ f1 ( x)]
  ‐ 76 ‐ 

 tada složena funkcija  y = g [ f ( x) ]  ima izvod u tački  x  koji je  jednak  Izvod složene funkcije:    Ako funkcija  u = f ( x )  ima izvod u  tački  x .tački  u = f ( x ) . Izračunati prve izvode sledećih funkcija    y = ax 2 + bx + c   a)    b)    c)      y ' = (ax 2 )' + (bx)' + c' = 2ax + b   y = x ln x   y ' = x ' ln x + x (ln x ) ' = 1 ⋅ ln x + x ⋅ y = tg x   ⎛ sin x ⎞ (sin x) 'cos x − sin x(cos x) ' y' = ⎜   ⎟= cos 2 x ⎝ cos x ⎠ cos x cos x − sin x(− sin x) cos 2 x + sin 2 x 1 = = =   2 2 cos x cos x cos 2 x 1 = ln x + 1   x   7. Naći prvi izvod funkcije  h ( x ) = ln sin x       h ( x ) = g ( f ( x )) u = f ( x ) = sin x       8. Izračunati prvi izvod funkcije  y = e x                   2 g (u ) = ln u   h '( x ) = g '(u ) ⋅ f '( x ) = 1 cos x = ctg x   cos x = u sin x u = x2 y = eu   2 2 y ' = eu ⋅ ( x 2 ) ' = e x ⋅ 2 x = 2 xe x     ‐ 77 ‐  . a funkcija  y = g (u )  ima izvod u  y '( x ) = g '(u ) f '( x )     Primeri sa rešenjima:      6.

 tada je     y ' = h '( g ( f ( x )) ⋅ g '( f ( x )) ⋅ f '( x ) . da izvodna funkcija i sama ima izvodnu funkciju. . u opštem slučaju n‐ti  izvod.. x2 y ''' =   2 .  x3   ‐ 78 ‐  . Tako je treći izvod ili izvod trećeg reda  izvodna funkcija drugog izvoda i obeležava se sa  f '''  U opštem slučaju izvod n‐ tog reda se dobija kao izvodna funkcija od     (n ‐1)‐ og izvoda:  f ( n ) ( x ) = ⎡ f ( n −1) ( x ) ⎤ '   ⎣ ⎦   Primeri sa rešenjima:    9.    Definicija izvoda funkcije višeg reda     U slučaju da je i izvodna funkcija  f '  u tački  x0  diferencijabilna u istoj toj tački. . treći.. ta nova izvodna funkcija se  obeležava sa  f ''  i naziva se drugi izvod ili izvod drugog reda funkcije  f u tački  x0 . x ≠ 0.Napomena:    Formula  za  izvod  složene  funkcije. Na primer  y = h ( g ( f ( x ))) . Treći izvod funkcije  y = ln x  je:    y'= 1 . x y '' = −1 .    y = tg   x 2 f ( x) = x 2 g ( f ( x) = tg x   2 y 'x = x 1 1 x 1 ⋅ (tg ) ' = ⋅ ⋅⋅( ) ' =   x 2 2 x x x cos 2 x 2 4 cos tg 2 tg 2 tg 2 2 2 2 2 1     Pored prvog izvoda funkcija može imati drugi.  f (''x ) = ( f ('x ) ) '     Analogno se definišu izvodi višeg reda.  tj.  lako  se  prenosi  na  slučaj  kad  je  složena  funkcija formirana od više funkcija.

y '' = 48 x 2 + 30 x.   2 y = cos x .  ⇒ y = e .  ⇒   y ( n ) = cos( x + nπ ) .  Priraštaj  funkije   Δ f ( x )  u tački  x  je definisan na sledeći način. može se zaključiti da član  αΔx  ima beskonačno malu vrednost koja  je znatno manja od vrednosti člana  f ( x ) Δx .  2 y = a x .  xn c) Ako je  y = sin x . n‐ti izvodi funkcija su:  x (n) x a) y = e . tada je  y ' = cos x = sin( x +   y ( n ) = sin( x + d) e) π 2 )  pa je  nπ ). Ako se izvrši poređenje ove dve vrednosti uz uslove koji važe da  α → 0  i  Δx → 0 . to su  f '( x ) Δ x  i  αΔx .  To  je  diferencijal  funkcije  koji  ima  veoma  važnu  ulogu  u  matematičkoj  analizi.    Iz definicije priraštaja funkcije  mogu se  uočiti  dve vrednosti.  da  bi  se  na  kraju  odeljka  navela osnovna pravila za njegovo izračunavanje. Na osnovu ove analize vrednosti   priraštaja funkcije dobijamo da je:    ‐ 79 ‐  .   11.       5.  razmatra  se  geometrijska  interpretacija  diferencijala  funkcije.10.  Δ f ( x ) = f '( x ) Δ x + α Δ x   pod uslovom da  α → 0 .3.  ⇒ y ( n ) = ( −1) n −1 ( n − 1)! .  ⇒   y ( n ) = a x (ln a)n . kada  Δx → 0 . Četvrti izvod funkcije  y = 4 x + 5 x − 1 :  4 3 y ' = 16 x3 + 15 x 2 .  Prvo  se  definišu  pojmovi  priraštaja  funkcije  i  diferencijala  funkcije. y ''' = 96 x + 30. DIFERENCIJAL FUNKCIJE    U  ovom  odeljku  se  razmatra  još  jedan  pojam  iz  diferencijalnog  računa.  b) y iv = 96   y = ln x .       Definicija priraštaja funkcije     Neka  je  f   funkcija  koja  ima  izvod  f '   u  nekoj  tački  x .

  Ako se uvedu oznake  dx = Δx  i  dy = Δ f ( x ) . tada je izvod funkcije:  f '( x ) = dy   dx Na  ovaj  način  se  dobija  još  jedna  definicija  izvoda  funkcije  f .  kao  količnika  diferencijala funkcije i diferencijala nezavisno promenljive.  Na  osnovu  definicije  diferencijala  funkcije  vidi  se  da  on  u  opštem  slučaju  predstavlja funkciju sa dva argumenta  ( x .   Obeležavamo ga sa  df .  Kako je  Δx  mala veličina.  diferencijal funkcije.         Teorema o geometrijskoj interpretaciji diferencijala funkcije     Data  je  funkcija  f   čiji  grafik  ima  tangentu  u  tački  M ( x .Δf ( x ) ≈ f ( x )Δx     Vrednost  koja  se  dobila  za  priraštaj  funkcije  naziva  se  glavni  ili  linearni  deo  priraštaja  funkcije  i  predstavlja  upravo  pojam  koji  je  tema  ovog  odeljka. f ( x )).                    ‐ 80 ‐  .  tj.   Diferencijal  funkcije  geometrijski  predstavlja  promenu  ordinate  tangente  u  posmatranoj  tački kada se  x  promeni za  Δx .    Definicija diferencijala funkcije     Diferencijal  funkcije  f   u  tački  x   je  jednak  proizvodu  izvoda  funkcije    f '   u  tački  x  i priraštaja  Δx  nezavisno promenljive  x . aproksimativna relacija je:  Δ f ( x ) ≈ df ( x ) .  Kako je  Δ f ( x ) = f ( x + Δ x ) − f ( x )  uz prethodnu relaciju dobijamo novu:  f ( x + Δ x ) ≈ f ( x ) + df ( x )   Obe aproksimativne relacije se veoma često koriste u teoriji  približnih računa  za približno izračunavanje vrednosti određenih izraza. odnosno za  dx . Δ x ) .

    Definicija diferencijala funkcije drugog reda     Diferencijal  drugog  reda  je  jednak  diferencijalu  diferencijala  prvog  reda. 3    Takođe.  to  ona  postoji  i  pri  izračunavanju  diferencijala  funkcije.    Pravila za izračunavanje diferencijala funkcija  d (u ± v ) = du ± dv   d (uv ) = vdu + udv   u vdu − udv d( ) = .NQ = NM ⋅ tgα = f '( x ) ⋅ Δ x = dy                             sl. odnosno u opštem slučaju diferencijala n‐  tog reda.  odnosno   d 2 y = d (dy) = y '' dx 2   Na  osnovu  ove  relacije  može  se  izvesti  zaključak  da  je  drugi  izvod  funkcije  jednak  količniku  diferencijala  drugog  reda  funkcije  i  kvadrata  diferencijala  argumenta.  U  svim  navedenim  pravilima  važi  da  su  u = u ( x )   i  v = v ( x )   diferencijabilne funkcije. odnosno  y '' = d2y   dx2   ‐ 81 ‐  . kao što je pri razmatranju izvoda funkcije dat pregled osnovnih pravila  dobijanja  izvoda  funkcija. v ≠ 0  v v2 Analogno pojmovima drugog izvoda i u opštem slučaju n‐tog izvoda definišu se  i pojmovi diferencijala drugog reda.

 Diferencijali sledećih funkcija su:  α α −1 a)   d ( x ) = α x dx   x x b)   d (e ) = e dx   1 dx   x d)   d (sin x ) = cos x dx   1 e)   d ( arctg x ) = dx   1 + x2 c)   d (ln x ) =   13.Analogno  se  dobija  izraz  za  n‐ti  izvod.        5. NAJVAŽNIJE TEOREME DIFERENCIJALNOG RAČUNA    U  prethodnim  odeljcima  ovog  poglavlja  date  su  definicije  osnovnih  pojmova  diferencijalnog računa. kao i osnovna pravila koja  se koriste za izračunavanje navedenih pojmova.  Koristeći  pravila  za  izračunavanje  diferencijala  zbira. odnosno  y (n) dny = n   dx Diferencijal n‐tog reda može se zapisati  d n y = y ( n ) dx n .  razlike.  On  je  količnik  diferencijala  n‐tog  reda  funkcije i diferencijala argumenta stepena  n . Koristeći razmatrane definicije    ‐ 82 ‐  . izračunati su diferencijali sledećih funkcija:  2 a)    y = x + sin x   dy = 2 x dx + cos x dx = (2 x + cos x ) dx   b)    y = xe   x dy = e x dx + xe x dx = (e x + xe x )dx   c)    y = sin x   cos x cos2 x dx − sin x(− sin x)dx (cos 2 x + sin 2 x)dx 1 dy = dx = = 2 2 cos x cos x cos2 x . izvoda i diferencijala funkcije.4.  proizvoda  i  količnika funkcija.  Primeri sa rešenjima:    12.

  Δx   Analogno.     Neka je priraštaj  Δx > 0 . b))   ima  lokalni  ekstrem. b )   i  neka  u  tački  x0 ( x0 ∈ (a.  Tada prema definiciji lokalnog maksimuma funkcije važi:  (∀ξ > 0)(∀x)(0 < x − x0 < ξ ) ⇒ f ( x) < f ( x0 ).i  pravila  u  ovom  odeljku  se  upoznaju  najvažnije  teoreme  diferencijalnog  računa: Fermaova. za  Δx < 0 . Rolova. tako da važi relacija  Iz definicije lokalnog se dobija  x0 + Δx < x0 + ξ   f ( x0 + Δx) < f ( x0 )   f ( x0 + Δx ) − f ( x0 ) < 0 . važi relacija  x0 + Δx > x0 + ξ   Iz definicije lokalnog maksimuma se dobija  f ( x0 + Δx) > f ( x0 )   f ( x0 + Δx ) − f ( x0 ) > 0  Δx Primenićemo granične vrednosti na prethodno dobijene izraze:      lim x→0 f ( x0 + Δx ) − f ( x0 ) = f '+ ( x0 ) ≤ 0   Δx   ‐ 83 ‐  .  odnosno:  f '( x0 ) = 0       Dokaz Fermaove teoreme     Pretpostavimo da tačka  x0  predstavlja tačku lokalnog maksimuma funkcije  f   (postupak  dokaza  je  analogan  kada  se  razmatra  lokalni  minimum  funkcije).  Tada  je  prvi  izvod  funkcije  jednak  0. Lagranžova i Košijeva teorema.    Fermaova teorema     Neka  je  funkcija  f   diferencijabilna  na  intervalu  ( a . Lopitalovo pravilo i  Tejlorova formula.

neprekidna na segmentu  [ a.  a  x0   nije  tačka  lokalnog  ekstrema. diferencijabilna  na intervalu  ( a .  dolazi  se  do  zaključka  da  f '   mora  da  ispunjava  zahteve  f '( x0 ) ≥ 0   i  f '( x0 ) ≤ 0 .    Fermaovom  teoremom  je  naveden  potreban  uslov  za  postojanje  lokalnog  ekstrema diferencijabilnih funkcija.lim x→0 f ( x0 + Δx ) − f ( x0 ) = f '− ( x0 ) ≥ 0   Δx   U  teoremi  je  pretpostavljeno  da  je  funkcija  f   diferencijabilna  u  tački  x0 . za vrednost  x0 = 0 .    Rolova teorema    Neka je funkcija  f :  3 1. U ovoj tački je  f '(0) = 0 . Treba napomenuti da ne važi obrnut stav.   3. b ) .  Na  primer  funkcije  za  koju  je  f '( x0 ) = 0 .  Iz  diferencijabilnosti sledi  f '+ ( x0 ) = f '− ( x0 ) = f '( x0 )     Ako  se  uporede  poslednje  tri  relacije.  Tačke  u  kojima  je  ispunjen  uslov    f '( x0 ) = 0   nazivaju  se  stacionarnim  tačkama  funkcije. f ( a ) = f (b )      Onda  postoji  tačka  ξ   koja  pripada  datom  segmentu.  takva  da  važi  f '(ξ ) = 0 . je funkcija  f ( x) = x .  tada  tačka  x0   nije  uvek  tačka  lokalnog  ekstrema.    Na  potpuno  analogan  način  se  izvodi  dokaz  i  za  slučaj  lokalnog  minimuma.  ako  je  f '( x0 ) = 0 . što je i trebalo dokazati. a nije tačka lokalnog ekstrema. b]    2.  čime je teorema dokazana.  a  to  je  moguće  samo  ako  je  f '( x0 ) = 0 .              ‐ 84 ‐  .  ali  jeste stacionarna tačka.

b]   ispunjava  uslove  Rolove  teoreme  postoji  bar  jedna  tačka  u  kojoj  je  tangenta  paralelna  (sl.4.  za  svako    x   koje  pripada  segmentu  [ a.  a  minimalna  sa  MIN .      ‐ 85 ‐  .    Geometrijska interpretacija Rolove teoreme     Na  grafiku  funkcije  f . jer  ξ  može biti  bilo koja tačka iz segmenta  [ a.  a  manja  ili  jednaka  od  MAX . Ona glasi da  ako je funkcija  f  neprekidna na segmentu  [ a. b]     U  drugom  slučaju  važi  MAX > MIN .  za  svako  x   koje  pripada  segmentu  [ a.)  ili  se  poklapa sa osom  Ox .  Rolova teorema je za ovaj slučaj dokazana. b] . b] .  Kako  je  f ( a ) = f (b ) po  Fermaovoj  teoremi  zaključujemo da je  f '(ξ ) = 0       Rolova teorema ima i svoju geometrijsku interpretaciju.  koja  na  segmentu  [ a. a drugi da je vrednost  MAX  veća od vrednosti   MIN .  Neka  je  ξ   tačka  u  kojoj  funkcija  ima  vrednost  MAX .    Ako  se  u  posmatranom  slučaju  maksimalna  vrednost  označi  sa  MAX . b] . za svako  x  koje pripada segmentu  [ a. b]   sigurno  veća  ili  jednaka  od  MIN .  Prvi  je  da  je  vrednost  MAX   jednaka  vrednosti   MIN .  pa  je  f '( x ) = 0 .Dokaz Rolove teoreme     Pri dokazivanju ove teoreme koristi se jedna pomoćna teorema.  Na  osnovu  toga  razlikujemo  dva  slučaja  za  koje  se  dokazuje  Rolova  teorema. b]  tada ona na tom segmentu  dostiže bar jednom svoju maksimalnu vrednost i bar jednom svoju minimalnu  vrednost.  to  znači  da  je  vrednost  posmatrane  funkcije  f   na  segmentu  [ a.    a < ξ < b .    U  prvom  slučaju  (za  koji  važi  MAX = MIN )  zaključujemo  da  je  funkcija  konstantna  na  posmatranom  segmentu  f ( x ) = MAX = MIN = C .  MIN ≤ f ( x ) ≤ MAX   Iz prethodnog tvrđenja može se zaključiti da je vrednost  MAX  sigurno veća ili  jednaka  vrednosti    MIN .

2)   4ξ 3 − 4ξ = 0   4ξ (ξ 2 − 1) = 0   ξ = 0 ∨ ξ = − 1 ∨ ξ = 1    Samo  ξ = 1   pripada  intervalu  (0.     f ( 2) = ( 2) − 2( 2) = 4 − 2 ⋅ 2 = 0     Znači ispunjeni su uslovi Rolove teoreme pa važi:    f '(ξ ) = 0  za  ξ ∈ (0.  ⎣ ⎦ f  je neprekidna za  x ∈ ⎡0. 2 ⎤ . 2 ⎤ . 2)  tako da je  f '(ξ ) = 0     ‐ 86 ‐  .  Pokazati  da  funkcija  f ( x) = x − 2 x   zadovoljava  uslove  Rolove  teoreme  za  x ∈ ⎡0. 2 ⎤ . 2) . Naći odgovarajuće vrednosti  ξ .  ⎣ ⎦ Uraditi isto za  x ∈ ⎡ − 2. 2 ⎤   ⎣ ⎦ 4 3 f (0) = 0  .  Posmatrajmo  interval  ⎡ − 2.  ⎣ ⎦ Uslovi  neprekidnosti  i  diferencijabilnosti  su  ispunjeni  kao  i  f (− 2) = f ( 2) = 0  pa postoji  ξ ∈ (− 2. pa je   f   diferencijabilna za  x ∈ ⎡0. 2 ⎤ .  ⎣ ⎦ f '( x) = 4 x3 − 4 x  . 4    Primeri sa rešenjima:    4 2 14.          sl.

tada postoji tačka  ξ ∈ ( a . u oznaci  h .1] . b] . na  sledeći način       h( x ) = f ( x ) − f ( a ) − f (b) − f (a) [ g ( x) − g (a) ]   g (b) − g (a)   za svako  x  koje  pripada segmentu  [ a.  Neprekidna  je  na  segmentu  [ a. b ) . b] . b]  i diferencijabilne na  intervalu  ( a . Proveriti da li funkcija  f ( x ) = 1 − 3 x 2  ispunjava uslove Rolove teoreme na  [ −1.1]   f (−1) = 1 − 3 1 = 0 f (1) = 1 − 3 1 = 0   −2 f '( x) = 3 .    15.  pa funkcija nije diferencijabilna za  x = 0   3 x       Košijeva teorema     Neka su funkcije  f  i  g  neprekidne na segmentu  [ a.4ξ 3 − 4ξ = 0 ξ = 0 ∨ ξ = −1 ∨ ξ = 1   Znači postoje tri vrednosti za koje je  f '( x ) = 0 .  Funkcija je neprekidna za  x ∈ [ −1. x ≠ 0.  Ako  za  svaku  tačku  x koja  pripada  intervalu  ( a . b )   i   h ( a ) = h (b ) = 0 .      ‐ 87 ‐  .  diferencijabilna na intervalu ( a .     Ako se analizira novodefinisana funkcija dolazi se do zaključka da ova funkcija  zadovoljava  sve  uslove  Rolove  teoreme. b ) važi  g '( x ) ≠ 0 . b )  tako da je  f '(ξ ) f (b) − f (a) =   g '(ξ ) g (b) − g (a)   Dokaz Košijeve teoreme     Da bi se dokazalo navedeno tvrđenje definiše se nova funkcija.

)  pa su ispunjeni  2 π uslovi Košijeve teoreme. ) . postoji  ξ ∈ (0.  Da li su ispunjeni uslovi Košijeve teoreme za funkcije  f ( x ) = sin x    i  ⎡ π⎤ ? Naći  tačku  ξ .Kada  bi  funkcija  g   takođe  ispunjavala  uslove  Rolove  teoreme.      Primeri sa rešenjima:    16.  ⎣ 2⎥ ⎦ π ⎡ π⎤ Funkcije  f  i  g  su neprekidne za  x ∈ ⎢0. b] .    Na  osnovu  prethodnih  zaključaka  može    se    primeniti    Rolova  teorema  na  funkciju  h     h '( x) = f '(ξ ) − Iz predhodnog izraza dobijamo  f (b) − f (a) g '(ξ ) = 0   g (b) − g (a) f '(ξ ) f (b) − f (a) = .  4 2 π   ‐ 88 ‐  .  2 ⎣ 2⎦ π jer  f '( x ) = cos x  a  g '( x ) = − sin x  i  g '( x ) ≠ 0 za  x ∈ (0. tj. Može se zaključiti  da funkcija  g ( x )  ne ispunjava uslove  Rolove teoreme i  važi  g ( a ) ≠ g (b ) . ) . takva da je  g '(ξ ) = 0 . ⎥  i diferencijabilne za  x ∈ (0. f ( ) − f (0) f '(ξ ) 2 =   π g '(ξ ) g ( ) − g (0) 2 cos ξ 1 − 0 =   − sin ξ 0 − 1 −tgξ = −1 tgξ = 1 ξ = π π 4   π ∈ (0.    postojala  bi  tačka  ξ  koja pripada segmentu  [ a. a to je suprotno  pretpostavci teoreme.   g '(ξ ) g (b) − g (a) čime je Košijeva teorema dokazana. )  tako da je:  2 g ( x ) = cos( x )  na odsečku  ⎢0.

 Tada postoji tačka  ξ  koja pripada datom intervalu.      Geometrijska interpretacija Lagranžove teoreme     Na  grafiku  funkcije  f   koja  na  segmentu  [ a. takva da  važi    f '(ξ ) = f (b ) − f ( a )   b−a     Dokaz Lagranžove teoreme    Primenom Kođijeve teoreme uz pretpostavku  g ( x ) = x  dokazujemo  Langranžeovu teoremu.      Lagranžova teorema     Neka  je  funkcija  f   neprekidna  na  intervalu  [ a. 5. postoji bar jedna tačka u kojoj je tangenta paralelna sa sečicom koja  spaja tačke  f ( a )  i  f (b ) (sl. b ) .)          ‐ 89 ‐  .    Zašto  se  Košijeva  teorema  o  srednjoj  vrednosti  ne  može  primeniti  na  2 3 funkcije  f ( x) = x  i  g ( x) = x  na segmentu  [ −1.17.1] . b]   ispunjava  uslove  Rolove  teoreme. b]   i  diferencijabilna  na  intervalu  ( a .1] ?  g '( x) = 3 x 2  i  g '( x ) = 0 za  x = 0 ∈ [ − 1.

0) .  y ' = − 2 x   pa  ispunjava  uslove  Lagranžove teoreme. )   tangenta  krive  y = 4 − x   je  paralelna  tetivi 2 4 f '(ξ ) = 4   na  x AB .          ‐ 90 ‐  .  A( −2.1]   diferencijabilna  za  x ∈ ( − 2.  f (1) − f (−2)   1 − (−2) 3−0 1 1 15 ⇒ −2ξ = 1 ⇒ ξ = − −2ξ = ⇒ f (ξ ) = 4 − =   3 2 4 4 1 15 2 Znači  u  tački  C ( − .    19.      sl.1) . Ona je neprekidna  2 za  x ∈ [ −2. Zašto se ne može primeniti Lagranžova teorema na funkciju   f ( x ) = intervalu  [ −1. 3) .  Posmatrajmo funkciju  y = 4 − x  na intervalu  [ −2. 2] ?     Funkcija nije definisana u tački x = 0 . 5    Primeri sa rešenjima:    2 18. U kojoj tački je tangenta krive  y = 4 − x  paralelna tetivi  AB .  B (1.1] .

20. + f ( r ) + h( r ) ⎥   2! n ⎣ ⎦ h( r ) = ( x − r ) n +1   (n + 1)!   da funkcije  g  i  h  ispunjavaju sve uslove Košijeve teoreme na segmentu  [ a. Tada za  x ∈ [ a.može se zaključiti  . b ) .    Funkcija  f  je neprekidna na segmentu  [ 0.. Zašto se ne može primeniti Lagranžova teorema na funkciju     ⎧ x. x ] Ako se uzmu u obzir  svi uslovi koje zadovoljava funkcija  f .  odnosno  broj  ξ   pripada  intervalu  ( x . x ) za  x > a . 2] . a ) za  x > a .. b]  važi:  f ( x ) = f (a ) + ( x − a ) f '( a ) + ( x − a)2 ( x − a)n ( n) ( x − a ) n +1 ( n +1) f ''(a ) + .    Dokaz Tejlorove  teoreme     Da bi se dokazalo  navedeno tvrđenje  definišu se dve nove  funkcije   g  i  h   argumenta   r . na sledeći  način   ⎡ ⎤ ( x − r )2 ( x − r )n ( n ) g (r ) = f ( x) − ⎢ f (r ) + (r − x) f '(r ) + f ''(r ) + . ⎪ f ( x) = ⎨ ⎪1 ⎩ x <2 x ≥2  na odsečku  [ 0. 2]  ali nije   diferencijabilna u tački  x = 1 ∈ (0.  Zato  postoji  broj    ξ   koji  pripada  intervalu  ( a .. 2).         Tejlorova teorema     Neka  je  funkcija  f   n‐puta  diferencijabilna  na  segmentu  [ a.. + f (a) + f (ξ )   2! n! ( n + 1)! gde  broj  ξ   pripada  intervalu  ( a . x )   za    x > a   i  za  koga  važi   sledeća relacija   g '(ξ ) g ( x) − g (a) =   h '(ξ ) h( x) − h(a)     ‐ 91 ‐  . b]   i  ima  izvod  (n+1)‐og reda na intervalu  ( a .

g ( x ).    Tejlorov  polinom  ima  široku  primenu  pri  izračunavanju  aproksimativne  vrednosti  različitih  funkcija  za  neku  vrednost  argumenta. h '(ξ ). koji se iz tog  razloga  i  naziva  greška  aproksimacije  ili  ostatak  i  predstavlja  razliku  između  tačne vrednosti i njene aproksimativne vrednosti. vrednost funkcija   g ( r )  i  h ( r )  je   ⎡ ⎤ ( x − a)2 ( x − a) n ( n ) g (a) = f ( x) − ⎢ f (a) + (a − x) f '(a) + f ''(a) + .  U  Tejlorovoj  formuli  uobičajeno  je  da  se  član  ( x − a) n +1 ( n +1) f (ξ )   označava  (n + 1)! kao  Rn +1 ( x) ..  a  ako  argumentu  r dodelimo vrednost  a . h '( x ). + f ( a ) + h( a ) ⎥   2! n ⎣ ⎦ h( a ) = ( x − a) n +1 ..    Ako  u  izrazima  za  funkcije    g ( r )   i  h ( r )   argument    r   zamenimo  sa  x .  Pri  ovakvoj  aproksimaciji čini se greška.  Kada se funkcije   g ( r )  i  h ( r )  i  njihovi prvi izvodi u tačkama  a  i  x . zamene u  Košijevoj teoremi za posmatrane funkcije dobija se:  f ( x) = f (a) + ( x − a) f '(a) + ( x − a)2 ( x − a)n n ( x − a) n+1 ( n+1) f ''(a) + .  (n + 1)!   Takođe  vrednosti  prvih izvoda funkcija  g ( r )  i  h ( r ) u tački  ξ   je   g '(ξ ) = f n +1 (ξ )( (x −ξ ) n! n ( x −ξ ) ..       h ' (ξ ) = n! n . h ( a ) ..  i  predstavlja  grešku  aproksimacije  ili  ostatak. + f ( a) + f (ξ )   2! n! (n + 1)!   Na isti način se izvodi dokaz za segment  [ x.  Deo  Tejlorove  formule   ( x − a) 2 ( x − a) n ( n ) T ( x) = f (a) + ( x − a) f '(a) + f ''(a) + . + f (a) . koja je upravo jednaka članu  Rn +1 ( x) .Da  bi  dokazali  Tejlorovu  teoremu  potrebno  je    u  gornjem    izrazu  zameniti  vrednosti   g '(ξ ).  2! n! se naziva Tejlorov polinom stepena n..  dobijamo  da  je  u  tom  slučaju  vrednost    funkcija    g ( x ) = h ( x ) = 0 . a )   čime je Tejlorova teorema dokazana.. g ( a ).    ‐ 92 ‐  . gde  ξ  pripada intervalu  ( x . a ] .

     Ova formula važi za  x  koje pripada intervalu  [ 0. + f (0) + Rn+1   2! n! x ( n+1) ( n +1) f (ξ )  . f ''(0) = −2 2 2 f '(0) = 0   f '''( x ) = 4 sin 2 x . IV f IV (0) = 8     ‐ 93 ‐  .  gde je ostatak  Rn +1 = (n + 1)!   Primeri sa rešenjima:    21.  3 2 f ( x) = cos x f (0) = 1 f '( x) = 2 cos x (− sin x) = − sin 2 x .  Koristeći  Maklorenov  polinom  dokazati  valjanost  približne  formule  x4 cos x ≈ 1 − x + ..  Aproksimirati  funkciju  f ( x ) = stepena u okolini tačke  a = −2 ..  Tejlorovim  polinomom  drugog  x +1 1 = −1 −2 + 1 −1 −1 = −1 f '( x) = f '(−2) = 2 ( x + 1) (−2 + 1) 2   2 2 = −2 f ''( x) = f ''(−2) = ( x + 1)3 (−2 + 1)3 1 1 T2 ( x) = f (−2) + f '(−2)( x + 2) + f "(−2)( x + 2) 2 1! 2! 1 T2 ( x) = −1 + 1(−1)( x + 2) + (−2)( x + 2) 2   2 2 T2 ( x) = −1 − ( x + 2) − ( x + 2) f (−2) =   22.  1 . f '''(0) = 0   f ( x) = 8cos 2 x.Specijalan slučaj Tejlorove formule za vrednost  a = 0  naziva se   Maklorenova formula. b ]  i glasi:  f ( x) = f (0) + xf '(0) + x2 xn (n) f ''(0) + . f ''( x) = −2 cos 2 x .

1 1 1 1 f '(0) x + f ''(0) x 2 + f '''(0) x 3 + f IV (0) x 4   1! 2! 3! 4! 1 1 cos 2 x ≈ 1 + ⋅ (−2) x 2 + ⋅ 8 ⋅ x 4 2 24   1 4 2 2 cos x ≈ 1 − x + x 3 f ( x ) ≈ f (0) +     Lopitalova teorema    Funkcije  f  i  g su diferencijabilne u nekoj okolini tačke  a . Neka su zadovoljeni uslovi:    f ( x ) → 0    i    g ( x ) → 0  kada  x → a . osim eventualno u  tački  a .  g '( x ) ≠ 0  za  x ≠ a  i postoji   lim x →a f '( x) f ( x) f ( x) f '( x) = lim  tada postoji  lim  i važi  lim . za svako  x ≠ a  i  f1 ( x) = 0  za  x = a .  g1 ( x) = g ( x) .    ‐ 94 ‐  . osim  eventualno  u  tački  a . za svako  x ≠ a  i  g1 ( x) = 0  za  x = a .  osim  eventualno u tački  a . Iz navedene konstatacije i definicije funkcija  f1  i  g1  sledi  da su i funkcije  f1  i  g1  neprekidne u posmatranoj okolini. koja zadovoljava sledeću jednakost. Iz Košijeve teoreme  sledi da postoji tačka  ξ .    Ovako definisane funkcije zadovoljavaju sledeće jednakosti:  lim f1 ( x) = lim f ( x) = f1 (a ) = 0 i  x→a x →a lim g1 ( x) = lim g ( x) = g1 ( a ) = 0   x→a x→a   Na ovakav način definisane funkcije  f1  i  g1  zadovoljavaju sve uslove Košijeve  teoreme.  onda  su  one  i  neprekidne  u  definisanoj  okolini. jer kako su funkcije  f  i  g  diferencijabilne u okolini tačke  a .  x →a g ( x ) x →a g ( x) x →a g '( x) g '( x)   Dokaz Lopitalove teoreme     Da bi se dokazalo navedeno tvrđenje definišu se dve nove funkcije  f1  i  g1  na  sledeći način  f1 ( x) = f ( x) .

  x →a g ( x ) ξ →a g '(ξ ) čime je Lopitalova teorema dokazana. tada važi Lopitalova teorema i dobija se  Ako postoji  lim x → a g '( x ) f ( x) f '( x) = lim lim .  jer  se  pomoću  odgovarajućih  transformacija  dobijaju  granične  vrednosti  za  neodređene izraze kao što su   0 ∞ . 0 − ∞.    Specijalan slučaj Lopitalove teoreme se dobija za vrednosti   lim f ( x) = lim g ( x ) = ∞ .  x→a x→a f '( x) . 00 . ∞ − ∞. Izračunati  lim x→0 x − sin x .  g1 ( x) − g1 (a) g1 '(ξ ) Ranije je pokazano da je  f1 (a) = 0  i  g1 (a ) = 0 . to se može primeniti Lopitalova  3 x2 −1 2x 2x 2 = lim 2 = lim = .   0 ∞   Primeri sa rešenjima:    23. Naći  lim x2 − 1   x →1 x 3 − 1 2 Kako  je  lim( x 2 − 1) = 0   i  lim( x 3 − 1) = 0   i  kako  su  funkcije    y = x − 1   i  x →1 x →1 y = x  diferencijabilne u okolini tačke  x = 1 . ∞ 0 .  x3   ‐ 95 ‐  . .  pa se iz prethodno navedene  jednakosti za vrednosti  x ≠ a  dobija  f ( x) f '(ξ ) = .f1 ( x) − f1 (a) f1 '(ξ ) = .  teorema pa će biti  lim 3 x →1 x − 1 x →1 3 x x →1 3 x 3   24.  x →a g ( x) ξ →a g '( x) Lopitalova  teorema  ima  primenu  pri  određivanju  graničnih  vrednosti. 1∞.  g ( x) g '(ξ ) f ( x) f '(ξ ) = lim lim .

 ako je napišemo   lim + x →0 ln x   moći  ćemo  1 x da primenimo Lopitalova teorema:  1 ln x − x2 lim x ln x = lim = lim x = lim = 0 .  2 x →0 x→0 6 x 3x 6 x 25. Izračunati  lim x ln x   + Ova granična vrednost je oblika  0 ⋅ ∞ . to se može  x − sin x 1 − cos x . Sobzirom da  je   x eksponencijalna funkcija neprekidna biće.  ∞ 1 1− x 1 =e ln x1− x = e1− x  i da je   ln x lim x x →1 1 1− x = lim e x →1 ln x 1− x =e lim ln x x→11− x =e 1 lim x x→1 −1 = e −1         ‐ 96 ‐  .  primeniti Lopitalova teorema:  lim = lim 3 x→0 x→0 3x 2 x 0 Imamo oblik  ( )  i kako funkcije zadovoljavaju uslove primenićemo još jednom  0 3 Lopitalovu teoremu:  1 − cos x sin x 1 = lim = . Naći  lim x .  x →+∞ e x Funkcije  y = x  i  y = e  zadovoljavaju uslove Lopitalove teoreme  x ∞ 1 lim = ( ) = lim x = 0 . Izračunati  lim x 1− x   x →1 Ovaj limes je oblika  1 .  1 x → 0+ x x → 0+ x →0+ 1 x → 0+ − 2 x x 1 27.Kako  je  lim( x − sin x) = 0   i  lim x 3 = 0   i  kako  su  funkcije  y = x − sin x   i  x →0 x→0 y = x  diferencijabilne u okolini tačke  x = 0 .  x →+∞ e x x →+∞ e ∞ lim x→0   26.

5.    Primeri sa rešenjima:    2 31. Parcijalni izvodi funkcije  z = x + xy + 3x + 2 y  su:  ∂z ∂z = x+2  = 2 x + y + 3               ∂y ∂x xy 32.  Ako  funkcija  z   ima  izvod  po  promenljivoj  x   onda se taj izvod zove parcijalni izvod funkcije  z  po  x  i obeležava se sa:    ∂z ∂f ( x. y ) = lim Δx → 0 ∂x ∂x Δx Ako funkcija  z  ima izvod po promenljivoj  y  onda se taj izvod zove parcijalni  izvod funkcije  z  po  y  i obeležava se sa:  z 'x =   z 'y = ∂z ∂f ( x. y ) − f ( x. y + Δy ) − f ( x. y ) = = f '( y ) ( x.    Parcijalni  izvod  funkcije  dve  ili  više  nezavisno  promenljivih  po  jednoj  promenljivoj  je  izvod  te  funkcije  po  toj  promenljivoj  uz  predpostavku  da  su  ostale  promenljive  konstantne.5. y )  neprekidna funkcija dve nezavisno promenljive u oblasti  D ⊆ R2 . Za funkciju  z =  pokazati da je:  x+ y ∂z ∂z x + y = z  ∂x ∂y ∂z y2 ∂z x2 = =      i       .  ∂x ( x + y )2 ∂y ( x + y )2 x y2 x2 xy +y =  . IZVODI I DIFERENCIJALI FUNKCIJA DVE NEZAVISNO PROMENLJIVE    Neka je  z = f ( x . y ) f ( x + Δx. y )   = = f '( x ) ( x. y) = lim   Δy →0 Δy ∂y ∂y Iz  definicije  parcijalnih  izvoda  sledi  da  se  oni  izračunavaju  pomoću  pravila  za  izračunavanje izoda funkcija sa jednom promenljivom. y ) f ( x.  2 2 ( x + y) ( x + y) x+ y       ‐ 97 ‐  .

  onda  se  priraštaj  funkcije  z   može  zameniti  sa  totalnim  diferencijalom funkcije  z . y + Δ y ) − f ( x . kada  Δx → 0  i  Δy → 0   Δz =   Totalni diferencijal može se upotrebiti u približnim računima.  U slučaju funkcije  z = f ( x . y)   ∂x∂y ∂x∂y ∂x2 ∂x   ∂z ∂ f ∂2 z ∂2 z = = f '' yx ( x. y)   ∂y∂x ∂y∂x ∂y ∂y 2 2   Ako  su  parcijalni  izvodi  prvog  reda  neprekidne  funkcije  tada  su  mešoviti  parcijalni izvodi drugog reda jednaki:    ‐ 98 ‐  . y )  parcijalni diferencijali su sledeći:  dx z = ∂z ∂z ∂z ∂z Δx = dx                d y z = Δy = dy   . y )  po definiciji je:  Δz = f ( x + Δx.  y  i mogu imati svoje parcijalne  izvode odnosno parcijalne izvode drugog reda ili drugi parcijalni izvod:  ∂2 z ∂2 f ∂2 z ∂2 f = 2 = f xx ''( x.    Parcijalni izvodi i totalni diferencijali višeg reda    Neka je data funkcija  z = f ( x .  U slučaju funkcije  z = f ( x . y )  koja ima parcijalne izvode prvog reda:  ∂z ∂f ∂z ∂f = = f ' y ( x. y ( x.Parcijalni diferencijal funkcije sa dve i više promenljivih po jednoj promenljivoj  je  proizvod  parcijalnog  izvoda  funkcije  po  toj  promenljivoj  i  priraštaja  te  promenljive. y)       = = f ''xy ( x. y ) = z 'x ( x.  Δ z = f ( x + Δ x . y )   ∂z ∂z Δx + Δy + ε1Δx + ε 2 Δy   ∂x ∂y gde  ε1 → 0  i  ε 2 → 0 . y ) = z ' y ( x. y) = z '' yy ( x. y) = z ''xx ( x. y )      = = f ' x ( x. tj. y + Δy ) − f ( x. y )  totalni diferencijal je:  dz = Priraštaj funkcije  z = f ( x . odnosno diferencijala te promenljive. y ) ≈ dz . Ako su  Δx  i  Δ y   dovoljno  mali. y) = z '' yx ( x. y )   i   ∂y ∂y ∂x ∂x Ovi parcijalni izvodi su takođe funkcije od  x . y)          2 = 2 = f '' yy ( x. y) = z ''x.  ∂y ∂y ∂x ∂x ∂z ∂z ∂z ∂z Δx + Δy = dx + dy   ∂x ∂y ∂x ∂y Zbir svih parcijalnih diferencijala se naziva totalni diferencijal.

∂2 z ∂2 z =   ∂x∂y ∂y∂x
  Na  sličan  način  se  dobijaju  parcijalni  izvodi  trećeg,  četvrtog,...,  n‐tog  reda.  Iz  definicije parcijalnog izvoda sledi da egzistencija parcijalnog izvoda n‐tog reda  u nekoj tački  x  povlači za sobom egzistenciju predhodnih (n‐1)‐og parcijalnog  izvoda u okolini posmatrane tačke.  Neka je data funkcija  z = f ( x , y )  i totalni diferencijal prvog reda. 

dz =

∂z ∂z dx + dy   ∂x ∂y

Kako  se  dx   i  dy   mogu  smatrati  kao  konstanta,  tako  je  totalni  diferencijal  prvog reda funkcija od  x  i  y , koja može imati svoj totalni diferencijal, koji se  zove totalni diferencijal drugog reda (drugi totalni diferencijal) 

⎡ ∂z ∂z ⎤ d 2 z = d (dz ) = d ⎢ dx + dy ⎥ = ∂y ⎦ ⎣ ∂x = ∂ ⎛ ∂z ∂z ⎞ ∂ ⎛ ∂z ∂z ⎞ ⎜ dx + dy ⎟ dx + ⎜ dx + dy ⎟ dy =   ∂x ⎝ ∂x ∂y ⎠ ∂y ⎝ ∂x ∂y ⎠ = ∂2 z 2 ∂2 z ∂2 z ∂2 z dx + dydx + dxdy + 2 dy 2 = ∂x 2 ∂y∂x ∂x∂y ∂y

∂2 z 2 ∂2 z ∂2 z 2 dxdy + 2 dy   = 2 dx + 2 ∂x ∂x∂y ∂y
Na sličan način se dobijaju totalni diferencijali trećeg, četvrtog, ..., n‐tog reda.    Primer sa rešenjem:    4 2 3 33. Naći prvi i drugi totalni diferencijal funkcije  z = x + 4 x y + 7 xy + 1   ∂z ∂z = 12 x 2 y 2 + 7 x   = 4 x 3 + 8 xy 3 + 7 y       

∂x
2

∂y

∂ z ∂ z = 12 x 2 + 8 y 3      2 = 24 x 2 y   2 ∂y ∂x 2 ∂ z ∂2 z = 24 xy 2 + 7   = 24 xy 2 + 7      ∂y∂x ∂x∂y 3 3 dz = (4 x + 8 xy + 7 y)dx + (12 x 2 y 2 + 7 x)dy  
2

  ‐ 99 ‐ 

d 2 z = (12 x 2 + 8 y 3 )dx 2 + 2(24 xy 2 + 7)dxdy + 24 x 2 ydy 2  
  Ekstremne vrednosti    Potreban uslov za postojanje ekstremne vrednosti   Da  bi  funkcija  z = f ( x , y )   imala  ekstremnu  vrednost  u  tački  ( x0 , y0 )   potrebno je da:  •   z 'x ( x0 , y0 ) = 0      i       z ' y ( x0 , y0 ) = 0   Tačke u kojima su prvi parcijalni izvodi jednaki nuli su stacionarne tačke.    Dovoljan uslov za postojanje ekstremne vrednosti   Neka je  ( x0 , y0 )  stacionarna tačka funkcije  z = f ( x , y )  i neka je:    • A = z ''xx ( x0 , y0 ) ;      B = z ''xy ( x0 , y0 ) ;      C = z '' yy ( x0 , y0 ) ;  a) Ako je  Δ ( x

0 , y0 )

Δ = B2 − A ⋅ C   < 0,  funkcija  z = f ( x , y )  ima u tački  ( x0 , y0 )  

ekstremnu vrednost i to ako je  A < 0(C < 0)  ima maksimum, ako je  A > 0(C > 0)  ima minimum.  b) Ako  je  Δ ( x
0 , y0 )

> 0,   funkcija  z = f ( x , y )   nema  u  tački  ( x0 , y0 )  

ekstremnu vrednost.  c) Ako je  Δ ( x , y ) = 0  slučaj je neodređen i potrebna su dalja  ipitivanja. 
0 0

  Uslovni ekstrem  Ekstremna  vrednost  funkcije  z = f ( x , y )   gde  su  promenljive  x   i  y   vezane  nekim dodatnim uslovom  g ( x , y ) = 0  je uslovni (vezani) ekstrem funkcije.  Za  određivanje  uslovnog  ekstrema  najpre  se  formira  tzv.  Lagranžova  funkcija  F ( x, y ) :  F ( x, y ) = f ( x, y ) + λ g ( x, y )   gde je  λ ‐ konstanta (Lagranžov množilac).  Stacionarne tačke za egzistenciju ekstrema Lagranžove funkcije određuju se iz  uslova: 

∂F ∂f ∂g = +λ =0  ∂x ∂x ∂x ∂F ∂f ∂g = +λ =0  ∂y ∂y ∂y

  ‐ 100 ‐ 

∂F ∂f = + 1 ⋅ g ( x, y ) = 0 + g ( x, y ) = g ( x , y ) = 0   ∂λ ∂λ Iz  ovog  sistema  jednačina  određuju  se  vrednosti  xi ,  yi   i  λ   odnosno 
stacionarne tačke  ( xi , yi )  u kojima funkcija može imati ekstremnu vrednost.  Da li u stacionarnoj tački  ( x0 , y0 )  funkcija ima ekstremnu vrednost određuje se  preko znaka drugog diferencijala u toj tački: 

∂ϕ ∂ϕ ∂2 F 2 ∂2 F ∂2 F 2 dx + dy = 0   d F = 2 dx + 2 dxdy + 2 dy   gde je   ∂x ∂y ∂x ∂x∂y ∂y
2

Ako  je  d 2 F

( x0 , y0 )

< 0   funkcija  z = f ( x , y )   ima  uslovni  maksimum  u 
( x0 , y0 )

stacionarnoj  tački  i  zmax = f ( x0 , y0 ) ,  a  ako  je  d 2 F

> 0   tada  funkcija 

z = f ( x , y )  ima uslovni minimum u stacionarnoj tački i  zmin = f ( x0 , y0 ) . Ako 
je  d 2 F = 0  potrebna su dalja ispitivanja.    Primeri sa rešenjima:    34. Naći ekstremne vrednosti funkcije  z = 2 + 2 x + 4 y − x 2 − y 2 .  Najpre se određuju stacionarne tačke 

∂z = 2 − 2 x = 0 ,     za      x0 = 1 ,  ∂x ∂z = 4 − 2 y = 0 ,     za     y0 = 2 .  ∂y

Zatim se određuju parcijalni izvodi drugog reda 

∂2 z ∂2 z ∂2 z = −2         2 = −2        = 0  ∂x∂y ∂y ∂x 2
Na osnovu dobijenih podataka određuje se  Δ = 0 − ( −2)( −2) = − 4 < 0   A = −2 < 0 , funkcija  z  ima maksimum u tački  (1, 2)     

zmax = z (1, 2) = 7 . 
2 2 35. Naći uslovne ekstreme funkcije  z = x + y  pri uslovu  x + y = 1    Funkcija Lagranžea je  F ( x, y ) = x 2 + y 2 + λ ( x + y − 1)   Parcijalni izvodi prvog reda su: 

  ‐ 101 ‐ 

∂F ∂F ∂F = 2 y + λ ,      = x + y −1  = 2 x + λ ,      ∂y ∂λ ∂x
Rešenje sistema jednačina 

2x + λ = 0 2y + λ = 0   x + y =1

          λ0 = −1 ,       x0 =

1 1 ,       y0 = .  2 2 2 ∂ F ∂2 F ∂F = 0  Kako su:  2 = 2 ,     2 = 2 ,     ∂y ∂x∂y ∂x ⎛1 1 ⎞ d 2 F ⎜ , , −1⎟ = 2dx 2 + 2dy 2 > 0 .  ⎝2 2 ⎠

2 2 znači  da  funkcija  z = x + y   pri  uslovu  x + y = 1   ima  minimum  u  tački 

1 ⎛1 1⎞ ⎜ , ⎟ ,  zmin = .  2 ⎝2 2⎠
    5.6.  PRIMENA DIFERENCIJALNOG RAČUNA     Ispitivanje toka i crtanje grafika funkcije     Nakon izlaganja osnova diferencijalnog računa, u ovom odeljku će se razmotriti  jedna njegova primena. Ispitivanje toka i crtanje grafika funkcije čini značajno  poglavlje  u  matematici,  a  diferencijalni  račun  je  neizostavljiv  pri  ovim  operacijama.  Iz  navedenih  razloga  u  daljem  tekstu  će  se  dati  najvažnije  definicije i teoreme koje se koriste.    Neki od osnovnih pojmova koji se pominju pri ispitivanju toka i grafika funkcije  su  već  navedeni  i  definisani  u  predhodnom  tekstu  ‐  pojmovi  lokalnog  ekstremuma  (lokalnog  maksimuma  i  minimuma)  i  stacionarnih  tačaka  su  definisani  u  delu  teksta  sa  dokazom  Fermaove  teoreme,  pa  ih  nećemo  ponavljati.    Prva teorema koja se razmatra je teorema o vezi monotonosti funkcije i prvog  izvoda funkcije.     

  ‐ 102 ‐ 

Teorema o monotonosti funkcije    Neka  je  funkcija  f   diferencijabilna  i  monotono  rastuća  na  intervalu  ( a , b ) ,  tada  je  f '( x ) ≥ 0   za  svako  x   koje  pripada  intervalu  ( a , b ) .  Takođe  važi  i  obrnuta  relacija,  ako  je  f '( x ) > 0   za  svako  x   koje  pripada  intervalu    ( a , b )   tada je  f  monotono rastuća funkcija za svako  x  koje pripada intervalu  ( a , b ) .    Ako  se  navedena  teorema  posmatra  geometrijski  dobija  se  sledeća  situacija.  Navedeno  je  u  ranijem  tekstu  da  je  geometrijska  interpretacija  prvog  izvoda  funkcije u nekoj tački koeficijent pravca tangente funkcije u posmatranoj tački.  U  slučaju  da  je  funkcija  monotono  rastuća,  tada  je  prema  teoremi  prvi  izvod  funkcije  pozitivan,  znači  tangens  ugla  između  tangente  i  pozitivnog  smera  x   ose je pozitivan, pa je ugao oštar.    Analogni zaključci se izvode i za monotono opadajuće funkcije, gde je prvi izvod  negativan.  Geometrijska  interpretacija  ovog  tvrđenja  je  da  je  ugao  između  tangente u posmatranoj tački i pozitivnog smera  x ose tup (sl. 6.).   

      sl. 6    Sledeće teoreme daju dovoljne uslove za postojanje lokalnih ekstremnih tačaka  funkcije.    Postoji  više  načina  određivanja  lokalnih  ekstremnih  tačaka  funkcije.  Jedan  je  pomoću znaka prvog izvoda funkcije u okolini tačke čiji je prvi izvod jednak 0.           

  ‐ 103 ‐ 

    Teorema o lokalnim ekstremima funkcije pomoću drugog izvoda     Neka je funkcija  f  diferencijabilna na intervalu  ( a .    Pomoću  navedene  teoreme  se  u  većini  slučajeva  može  odrediti  lokalna  ekstremna  tačka  funkcije.  • ako je  f ''( x0 ) > 0 . tada je tačka  x0 . tačka lokalnog   maksimuma funkcije  f (sl.  Tačke  lokalnih  ekstrema mogu se odrediti i pomoću vrednosti drugog izvoda funkcije.  jer  ova  situacija  nije  obuhvaćena  izloženom  teoremom. tada je  x0  tačka lokalnog maksimuma. ako je  f '( x0 ) = 0  i   (∀x ∈ ( x0 − δ . Tada sledi:  • ako je  f ''( x0 ) < 0 . 7. x0 )) f '( x) > 0 .  Za  takav  slučaj  potrebna  je  generalizacija  prethodne  teoreme  korišćenjem izvoda višeg reda.  Problem  predstavljaju  situacije  kada  drugi  izvod  funkcije  ima  vrednost  0.Teorema o lokalnim ekstremima funkcije pomoću znaka prvog izvoda    Neka je funkcija  f  diferencijabilna u okolini tačke  x0 .        ‐ 104 ‐  . x0 )) f '( x) < 0     gde je  δ  pozitivan dovoljno mali broj.                            sl.    (∀x ∈ ( x0 + δ .). tada je  x0  tačka lokalnog minimuma. 7  Analogno  glasi  teorema  za  tačku  lokalnog  minimuma  funkcije. b )  i neka važi relacija   f '( x0 ) = 0 .

  od  prvog  reda  do  izvoda (n)‐ tog reda.  a  lokalni  minimum  ako  je  ispunjeno  f ( n ) ( x0 ) > 0 .. Prvo je potrebno definisati navedene pojmove. i neka važi relacija   f '( x0 ) = f ''( x0 ) = ..      Teorema o konkavnosti (konveksnosti) funkcije pomoću izvoda     Ako je  f  diferencijabilna funkcija.  • ako je neparan broj. b ) .  x0   jeste  lokalna  ekstremna  tačka  i  to  lokalni  (n) maksimum  ako  je  f ( x0 ) < 0 . Prvi deo dokazuje tvrdnju o konkavnosti ako je prvi  izvod neopadajuća funkcija.    Neka  je  f  konkavna funkcija i   t  i  r  dve tačke koje pripadaju intervalu  ( a . b )   ako  i  samo  ako  je  f '( x )   neopadajuća  (narastajuća)  ili  f ''( x ) ≥ 0 ( f ''( x ) ≤ 0)  funkcija na intervalu  ( a .  diferencijalni  račun  pojedno‐ stavljuje  i  postupak  ispitivanja  konveksnosti  ili  konkavnosti  funkcije  i  određivanja prevojnih tačaka. = f ( n −1) ( x0 ) = 0  i  f ( n ) ( x0 ) ≠ 0  za vrednosti  n ≥ 2 . tada je  f  konkavna (konveksna) funkcija na  intervalu  ( a . tada je funkcija konkavna.      Dokaz teoreme o konkavnosti (konveksnosti) funkcije pomoću prvog izvoda     Dokaz se izvodi u dva dela. r ]  sledi:  f ( x) ≤ r−x x−t f (t ) + f (r )   r −t r −t f ( x ) − f (t ) f ( r ) − f ( x )   ≤ x−t r−x Sa graničnim vrednosti dobija se:    ‐ 105 ‐  . a drugi deo dokazuje ako je prvi izvod neopadajuća  funkcija.Teorema o lokalnim ekstremima funkcije pomoću izvoda n‐tog reda     Neka  je  f   diferencijabilna  funkcija  koja  ima  sve  izvode.  Iz  tvrdnje  da  je  funkcija  konveksna  za  neku  tačku  x ∈ [t . b )   i  to  takve  da  važi  t < r .    Pored  određivanja  tačaka  lokalnih  ekstremuma.  Tada važe sledeća pravila:  • ako  je  n  paran  broj.  x0  nije lokalna ekstremna tačka.

r ) .  Za  ostale  vrednosti  c   i  d . Treba dokazati da je     f ( ct + dr ) ≤ cf (t ) + df ( r ) .    Specijalne vrednosti   c  i  d  su kada je jedan od ova dva broja jednak 0.    Pretpostavljamo da je  f '  neopadajuća funkcija. tako da važi   f ( x ) − f (t ) = f '(α )( x − t )     i  f ( r ) − f ( x ) = f '( β )( r − x )     Pretpostavka da je  f '  neopadajuća funkcija. r ]   i  može  se  primeniti  Lagranžova  teorema. U ovim slučajevima dokaz ovog dela teoreme je očigledan.   f ( x) − f (t ) f (r ) − f ( x) = f '(α ) ≤ f '( β ) = .  pa  postoji  tačka  α ∈ (t . a drugi  jednak 1.  tada  x   pripada  segmentu  [t . x )   i    β ∈ ( x .    ‐ 106 ‐  . Neka su  t  i  r  dve tačke koje  pripadaju intervalu  ( a .  r −t r −t Ovim tvrđenjem je teorema dokazana.  x −t (r − x) odnosno  f ( x) ≤ r−x x−t f (t ) + f ( r ) .  f '(t ) = lim0 + x →t f ( x ) − f (t ) f ( r ) − f ( x ) f ( r ) − f (t ) .  zamenimo  x   sa  x = ct + dr . b )  i to takve da važi  t < r  i neka su  c  i  d  realni brojevi  za koje važi  c + d = 1 .  ≤ lim0 = + x →t x−t r−x r −t   Takođe važi i    f ( r ) − f (t ) f ( x ) − f (t ) f (r ) − f ( x) = lim0 ≤ lim0 = f '( r )   − − x →t x →t r −t x−t r−x f ( r ) − f (t ) ≤ f '( r ) .  r −t   pa se izvodi zaključak da je  f '(t ) ≤ Ovim tvrđenjem je dokazano da je u slučaju konkavne funkcije njen prvi izvod  neopadajuća funkcija.

  odnosno konkavnost.                      sl.    Znači prevojne tačke su one tačke u kojima funkcija menja svoju konveksnost. f ( x0 ))   prevojna  tačka  grafika  funkcije  f   i  ako  je  f ''   neprekidna funkcija u okolini tačke  x0 . u kojima tangenta seče grafik funkcije.      Teorema o postojanju prevojne tačke grafika funkcije     Neka  je  P ( x0 .  uz  pojam  konkavnosti  (konveksnosti)  funkcije  povezana  je  pojava  prevojnih  tačaka  funkcije.    Definicija prevojnih tačaka funkcije     Neka je funkcija  f  neprekidna u tački  x0 . tada je  f ''( x0 ) = 0           ‐ 107 ‐  . 10    Analogno  ranije  navedenim  teoremama  o  izračunavanju  lokalnih  ekstremnih  tačaka  pomoću  diferencijalnog  računa  postoje  i  teoreme  o  izračunavanju  prevojnih tačaka pomoću diferencijalnog računa. x0 )) f  je konveksna (konkavna)  gde je  δ  pozitivan dovoljno mali broj.Analogno  monotonosti  funkcije  i  pojavi  lokalnih  ekstremnih  tačaka. x0 )) f  je konkavna (konveksna) i  (∀x ∈ ( x0 + δ . tada je tačka  x0  prevojna tačka   funkcije  f . Ako važe relacije  (∀x ∈ ( x0 − δ .

  tada  je  tačka  P ( x0 .  Tada važe sledeća pravila  • ako je  n  paran broj tada  x0  nije prevojna tačka  funkcije   f   • ako je  n  neparan broj tada  x0  jeste prevojna tačka     funkcije   f     Da  bi  se  odredio  tok  i  grafik  funkcije  pri  ispitivanju  funkcije.. za  n ≥ 2 .  za  ispitivanje  funkcije  potrebno  je  preko sledećih koraka ispitati neke osobine i nacrtati grafik:  Korak br.    Nakon  svih  navedenih  definicija  i  teorema. za čije izvode važi:  f '( x0 ) = f ''( x0 ) = . x0 )) f ''( x) > 0 ( f ''( x) < 0)  i  (∀x ∈ ( x0 + δ . neparna ili periodična. = f ( n−1) ( x0 ) = 0   i    f ( n ) ( x0 ) ≠ 0 .  Korak br.. Znak funkcije. 6              Odrediti  intervale  konveksnosti  i  konkavnosti  funkcije  i  naći  prevojne  tačke.  Korak br. i ako je  f ''( x0 ) = 0  i  važe relacije  (∀x ∈ ( x0 − δ . 4    Odrediti tačke preseka grafika sa osama.      ‐ 108 ‐  .Teorema o prevojnim tačkama grafika funkcije pomoću znaka drugog reda     Neka je funkcija  f  diferencijabilna u okolini tačke  x0 . f ( x0 ))   prevojna  tačka funkcije  f . 2  Ispitati ponašanje funkcije na rubovima domena i odrediti asimptote. 1    Odrediti oblasti definisanosti funkcije.  Korak br. x0 )) f ''( x) < 0 ( f ''( x) > 0)     gde  je  δ   pozitivan  dovoljno  mali  broj. 3    Ispitati da li je funkcija parna.  Korak br.  Korak br.    Teorema o prevojnim tačkama funkcije pomoću izvoda n‐tog reda     Neka je  f   ( n ) ‐ puta diferencijabilna.  potrebno  je  posebno ispitati postojanje asimptota. 5     Ispitati monotonost funkcije i naći ekstremne tačke funkcije.

  4)  Za  x = 0   y = 1 .  3)  Funkcija je parna.     postoji za svako  x  i pri tom je:  ( x 2 + 1)3 3 3 ) ∪ ( .2 = ±1 . 0)   5)  y > 0    za    x ∈ ( −∞ .1).   2)  Kada  x → ±∞ .   x1. +∞)   3 3 3 3 . )  y '' > 0 . Ekstremna tačka minimum  E (0. − 1) ∪ (1.  lim   asimptotu  y = 1 . 0) .  x +1   1)  Funkcija je definisana i neprekidna na skupu  D = ( −∞ .  za  y = 0   x1.  y ' = 0  za  x = 0 . C ( −1.  7)  Drugi izvod funkcije  y '' = 4(1 − 3x 2 ) .    Primeri sa rešenjima:    x2 −1 28.    y < 0    za    x ∈ ( − 1. Ispitati osobine funkcije  y = 2  i nacrtati njen grafik. −1) . 7  Na  osnovu  dobijenih  tačaka    i  ispitanih  osobina  nacrtati  grafik    funkcije.  6)  Prvi izvod funkcije:  x2 − 1 = 1 . +∞ )  i pri   tom  za  je  ymin = y (0) = −1 .  y '' = 0 .  presečne  tačke  grafika  sa    koordinantnim osama su:  A(0. +∞ ) .   x ∈ (−∞. grafik funkcije ima horizontalnu  x2 + 1 y' = 4x   ( x + 1)2 2 postoji za svako  x  i pri tom  y ' < 0  za  x < 0 .1) . +∞ ).   x ∈ (− 3 3 3 . −   ‐ 109 ‐  . 0)  i raste na  (0.2 = ± 3 y '' < 0 .   y ' > 0   x > 0 .Korak br. B (1. funkcija opada na  ( −∞ .

− )     i     P2 ( .   2)  Kada  x → −2 ± 0 .  kada  x → 2 ± 0 . +∞ ).          sl. )    3 3 3 3 ) ∪ ( .  4 − x2 1) Funkcija definisana i neprekidna na skupu  D = ( −∞ . 11. 2) ∪ (2.  4) Presečna tačka grafika sa koordinantnim osama je  O (0.  3 3 3 1 3 1 .    Funkcija  se  može  napisati  u  obliku  f ( x ) = − x +   asimptota  y = − x . − ) .  4 − x2 3) Funkcija je neparna. 11.  29.  4x   pa  je  kosa  4 − x2 4x → 0  kada  x → ±∞ . − 3 3 .   5)  y > 0  za  x ∈ ( −∞ . 0). 2) . −2) ∪ ( −2.  tada    f ( x ) → ±∞ .    ‐ 110 ‐  . +∞) .  tada  f ( x ) → ±∞ .  Prevojne tačke:  P (− 1 3 2 3 2 Na osnovu dobijenih podataka grafik funkcije je dat na (sl. Ispitati osobine funkcije  y =   x3   i konstruisati njen grafik.). vertikalne asimptote su  x = 2  i  x = −2 . − 2) ∪ (0.      Grafik  funkcije  f  je konkavna krive na  (− a konveksna   na  (−∞.

2 3). −2) ∪ (−2. −2) ∪ (0.   8 x( x 2 + 12)   (4 − x 2 )3 postoji za  x ∈ D  i pri tom je:  y '' = 7)  Drugi izvod funkcije:        y '' > 0  .  x ∈ (−2 3.3 3)  i  E2 (2 3.   y '' < 0  . −3 3).   Ekstremne tačke  E1 (−2 3. 0) ∪ (2. +∞ ) .  x ∈ ( −∞ . −2 3) ∪ (2 3.  x = 0  pa je prevojna tačka  P (0.  y ' > 0 . +∞ ).  y < 0  za  x ∈ ( −2.        ‐ 111 ‐  . 2). 0) ∪ (2. 2) ∪ (2.  6)  Izvod funkcije   y'=   x 2 (12 − x 2 )   (4 − x 2 ) 2 postoji za  x ∈ D  i pri tom je:  y ' = 0  za  x = ±2 3 .  sl.   ymax = y (2 3) = −3 3.  x ∈ (−∞. 12. 0)   Grafik funkcije je dat na (sl.   y ' < 0  .     y '' = 0  .).  x ∈ ( − 2. +∞)     i      ymin = y (−2 3) = 3 3.12.

  2)  Kada  x → +∞ . 0) ∪ (0.15   i   x2 = ≈ 1.30. ). 0) . +∞ ) .  y '' > 0     za     x ∈ (−∞.    ‐ 112 ‐  .30  (sl. 3 Drugi izvod funkcije:  2 3 4 −2 e 3 ).  3 ymin = y (0) = 0 . ) .    Kada  x → −∞ . +∞ ) .34     i     y2 = f ( x2 ) ≈ 0.  3)  Tačka preseka sa osama je  O (0. +∞) . 3 3 2− 6 2+ 6 .    1)  Funkcija je definisana i neprekidna na skupu  D = ( −∞ .  pa  je  horizontalna  asimptota  y = 0 .  3 2 y ' > 0  za  x ∈ (0. 48   3 3 y1 = f ( x1 ) ≈ 0. 4. Ispitati funkciju  y = x 3 e . 0) ∪ ( .  f ( x ) → 0 .  4)  y > 0  za  x ≠ 0 .   y '' < 0     za     x ∈ ( 3 3 y '' = 0     za     y '' = Postoje dve prevojne tačke čije su apscise:  x1 =   2− 6 2+ 6 ≈ −0.  2 2− 6 2+ 6 )∪( .  5)  2 −x (2 − 3x)e− x  postoji za  x ≠ 0  i pri tom je:  33 x 2 y ' < 0  za  x ∈ ( −∞ .   3 9 Ekstremne tačke  E1 (0.). 13.  f ( x ) → +∞ .   9 y '' = (9 x 2 − 12 x − 2)e− x 9 3 x4   postoji za  x ≠ 0  i pri tom je:  2± 6 .  Izvod funkcije  y ' = 2 4 −2 ymax = y ( ) = 3 e 3 ≈ 0. 0)  i  E2 ( .

 a uz primenu diferencijalnog i integralnog računa poslovnu analizu čini  preciznijom i kvali‐tetnijom.  dobiti. monotono opadajuća.  kupovna  moć.  omogućava  ekonomsku  interpretaciju  funkcija. pa funkciju tražnje  u jednostavnijem obliku možemo predstaviti kao  x = f ( p ) .  Funkcija tražnje    Posmatrajmo  na  tržištu  proizvod  X.  marketing  (promocija).  x = f ( p ..). d .  obima  proizvoda  i  troškova.Ovoga  puta  mi  ćemo  upoznati  elementarne  ekonomske  funkcije:  funkcije  tražnje. konkurencija i td..7.  ponude.  prihoda.broj  potencijalnih  potrošača.1.  Navedene  uslove:  p > 0.    ‐ 113 ‐  .  Uočavanje  moguće  funkcionalne  zavisnosti  izmedju  veličina  cene  i  tražnje. gde je  p > 0 ‐ cena proizvoda X . . n.  Analizirajući  tražnju  (prodatu  količinu  proizvoda  X)  zavisno  promenljivu. . 13    5. x > 0.    5.  uočavamo  da  na  njenu  promenu  utiču:  cena.  kvalitet. m .  sl. x ' < 0   uz  navedenu  interpretaciju  zovemo  potrebnim uslovom postojanja funkcije  x = f ( p )  kao funkcije tražnje.  ' ( x > 0 . k .  obim  proizvodnje  proizvoda  X  koji  se  traži  na  tržištu)    x p = dx < 0  dp funkcija tražnje je.  troškova. Dakle to je funkcija od  više nezavi‐sno promenljivih.7 EKONOMSKE FUNKCIJE      Pri  analiziranju  kao  i  prognoziranju  rada  poslovnih  subjekata  u  zavisnosti  od  vrste i oblika zadatka koriste se adekvatne metode i modeli u cilju uspešnijeg  poslovanja  i  svodjenja  rizika  na  minimum. po pravilu.  Dominantan uticaj na tražnju proizvoda X ima njegova cena.

 24. (sl. x ' < 0  je funkcija tražnje pod   datim uslovima na intervalu  ⎜ 0. p > 0. 23. Funkcija  x = −3 p + 2.  Funkcija  x = − p 2 + 400.               p > 0.    2. 20 )  jer su svi potrebni uslovi ispunjeni. 24. 24)    ‐ 114 ‐  . ⎟ . x ' < 0   je  funkcija  tražnje  na  intervalu  ( 0. (sl. x > 0.        ⎛ ⎝ 2⎞ 3⎠ sl. x > 0.    sl.).   Cenu  p  možemo izraziti kao inverznu funkciju tražnje  p = f −1 ( x)      Primeri sa rešenjima:  1.

 Funkcija  y = 2 p + 1  je funkcija ponude sa uslovima p > 0.7. y ' > 0  na  intervalu  p ∈ ( 0. y ' > 0   uz  navedenu  interpretaciju  su  potrebni  uslovoi  postojanja funkcije  y = g ( p )  kao funkcije ponude.  Modeli tržišta    Konjukciju funkcija tražnje i ponude smatramo modelom tržišta   x = f ( p ) ∧ y = g(p)   Cenu  p = pr  za koju se postiže ova ravnoteža na tržištu možemo naći analitički  i grafički (sl. Nacrtaj funkcije ponude i naći njihove inverzne funkcije:  2 p y = 2 p + 1  . y ' > 0   5. +∞ )   gde  su  ispunjeni uslovi  p > 0.2.3.7. ponuda proizvoda X. y > 0. y > 0.   y = p + 2. rastuća funkcija.  Funkci ja ponude    Zanemarujući  ostale  promenljive  kao  faktore  koji  mogu  uticati  na  ponudu  u  jednostavnijem obliku možemo je posmatrati kao funkciju cene i izraziti:  y = g ( p ) . cena. po pravilu.). +∞ )   4. 25.5.  y > 0 . y > 0.  Funkcija  y = p 2 − 4   je  funkcija  ponude  na  intervalu  p ∈ ( 2.  dp Uslovi:  p > 0.  Cenu možemo izraziti kao inverznu funkciju ponude  p = g −1 ( y )     Primeri:     3.       p > 0 .     f ( pr ) = g ( pr ) ⇔ x = y         ‐ 115 ‐ 5 . y = e         5.  y' = dg > 0  ponuda je.

    ‐ 116 ‐  .  Tražnja  ponude  nekog  proizvoda  data  je  sledećim  relacijama:  x = 20 − 6 p  i  y = 4 p − 2 .    7. Pronaći cenu i količinu pri kojima se ostvaruje  ravnoteža na tržištu ovog proizvoda.  ni  manjkova  (nestašica).                        sl. 26. 26.  sl.  Grafičko rešenje prikazano je na (sl.    Primeri sa rešenjima:    6. 25.).  nemamo  ni  viškova  (zaliha).    pk ‐  zovemo  ravnotežna  cena  i  za  cenu  vrednosti  robe  postiže  se  idealna  situacija  na  tržištu  te  robe.   Analitički ravnotežnu cenu  pr  dobijamo kao rešenje jednačine   x = y ⇒ − p + 4 = p 2 + 2 ⇒ pr = 1 . Date su funkcije tražnje i ponude  x = − p + 4 i y = p 2 + 2 .

  i  obeležiti  sa  C :    22 ⇒ pr = 2.                                                                         C '( x0 ) = 0 ∧ C''( x0 ) > 0   nalazimo  obim  proizvodnje  x0   za  koju  su  prosečni  troškovi minimalni    C min ( x0 ) = F ( x0 ) .  prosečne  troškove. dakle.x = 20 − 6 p y = 4p −2 x = y ⇒ 20 − 6 p = 4 p − 2 ⇒ 6 p + 4 = 20 + 2   10 p = 22 ⇒ pr =       5. 2 10 x = y = 4 ⋅ 2.7.8 − 2 = 6.8 C= C F ( x)   = x x Cilj svakog profitabilnog poslovanja je minimiziranje prosečnih troškova.  uz  navedenu  interpretaciju. ukupni troškovi.  Za  tu  vrednost  ( x0 )   drugi  izvod  C ''   treba  da  bude  pozitivan  (uslov minimuma).  x0 Funkcija graničnih troškova  C ' je prvi izvod funkcije ukupnih troškova   C ' = F '( x ) = dF ΔF .  Uslove  x > 0.  = lim Δx → 0 Δ x dx što je mera apsolutne promene ukupnih troškova na jedinicu priraštaja proiz‐ vodnje. Dakle.      ‐ 117 ‐  . C > 0 .  izjednačimo  sa  nulom  i  izračunamo  x0 .  iz uslova minimuma :  Nađemo  izvod  funkcije  prosečnih  troškova  C .   x > 0 . obim proizvodnje. Funkcija troškova     Funkciju ukupnih troškova možemo analizirati kao funkciju obima proizvodnje  proizvoda X i označavamo je sa   C = F ( x ) .  Troškove  možemo  izračunati  i  po  jedinici  proizvoda  x . 22 = 8.    C > 0 .4.  nazivamo  potrebnim  uslovima za egzistenciju funkcije troškova  C = F ( x ) .

  9. 5   funkcija prosečnih troškova raste    C ' = 3 x 2 − 150 x + 1800             ‐ 118 ‐  .  b) Odrediti funkciju graničnih troškova.  je  C ( x) =   sl.Primeri sa rešenjima:     8. 27.  funkcija prosečnih   troškova  C '( x ) C x2 + 2 x = = x + 2   a  graničnih  troškova  je  x x = ( x 2 + 2 x ) ' = 2 x + 2 .Grafički prikaz ovih funkcija dat je na (sl. Funkcija ukupnih troškova data je u obliku  C = 1800 x − 75 x 2 + x 3 . 27. 5     za     x < 37. Data je funkcija ukupnih troškova   C ( x) = x 2 + 2 x.).  a) Odrediti funkciju prosečnih troškova.    C = 1800 x − 75 x 2 + x3 C x C x3 − 75 x 2 + 1800 x C= =   x x C = x 2 − 75 x + 1800 C= C ' = 2 x − 75 2 x − 75 = 0   x = 37. 5     prosečni troškovi opadaju a za  x > 37.

 količini prodate  robe (tražnje) i cene  p .  kao  funkcije prihoda  P .  Funkciju ukupnih prihoda  možemo izraziti preko cene:  P ( p ) = x ⋅ p = p ⋅ f ( p ).  Funkcija prihoda    Funkcija ukupnih prihoda se može predstaviti kao proizvod x . To su potencijalne vrednosti za količinu robe (ili  njenu cenu) za koju se postiže maksimalan prihod.5. to jesu vrednosti koje dovode do  maksimuma funkcije P.  je  funkcija  graničnih  prihoda:    dP . p > 0   su  potrebni  uslovi  za  egzistenciju  funkcije  P = x ⋅ p .  Uspešno  poslovanje  podrazumeva  težnja  ka  maksimiranju  prihoda. Ako je drugi izvod funkcije  prihoda  P "  za  x0  (ili  p0 ) manji od nule.7. prosečan prihod proizvoda X je njegova cena  p .   ili preko količine prodate robe  P( x) = x ⋅ f −1 ( x).  P '  izjednačimo sa nulom i rešimo po x (ili p). funkcija tražnje            p > 0 . Dakle.  P '( x0 ) = 0 (P ''( x0 ) <0) ili P '( p0 ) = 0   ‐ 119 ‐  ( P ''( p0 ) < 0)   . cena.5.  gde je  p = f −1 ( x).  dp Px' = to je mera apsolutne promene ukupnog prihoda u odnosu na realizovan obim  proizvodnje  ali  u  odnosu  na  prodajnu  cenu  jedinice  proizvoda. Tako  dobijamo vrednosti  x0  (ili  p0 ).Ukoliko  je  funkcija  prihoda data proporciom:   P( x) = x ⋅ f 1 ( x)  ili  P ( p ) = p ⋅ f ( p )  .   Funkcija  prosečnih  prihoda  je  količnik  ukupnih  prihoda  i  funkcije  tražnje:    P= P = p .    po  promenljivoj  x  ili  p.    Uslovi  x > 0. dakle.  dx dP Pp' = .  gde je  x = f ( p ). njen maksimum nalazimo  na sledeći  način:    Prvi izvod funkcije prihoda. što zapisujemo:           P = x ⋅ p                            x > 0 .  x   Prvi  izvod  funkcije  prihoda.

  P = x ⋅ p          x = −2 p + 24000 ⇒ 2 p = − x + 24000 ⇒ p = − x + 12000   2 ⎛x ⎞ P = x ⎜ + 12000 ⎟ ⎝2 ⎠ 2 x P = − + 12000 x   2 2x P ' = − + 12000 2 ' P = − x + 12000 = 0   12000 + 12000 2 p = −6000 + 12000   p=− p = 6000 x = 12000 P = 12000 ⋅ 6000 Pmax = 72000000         5.). odnosno       P ( a ) = C ( a ) i P (b ) = C (b ) .6.    P = x ⋅ p = − p 2 + 200 p P ' = −2 p + 200 = 0 p0 = 100 P ''(100) = −2 < 0 Pmax (100) = 10000   11.  b)  Vrednost  maksimalnog  ukupnog prihoda. Ako je tražnja za proizvodom X:  x = − p + 200  naći maksimalan prihod.C ( x )     Ako je  P ( x ) .Primeri sa rešenjima:     10. Funkcija dobiti    Funkcija dobiti se može definisati kao razlika funkcija prihoda i troškova (sl.C ( x ) > 0  onda se proizvodnja proizvoda X smatra rentabilnom. b )  dobijamo iz uslova  D = 0 .                           D ( x ) = P ( x ) .  28.  Odrediti:  a)  cenu  i  tražnju  za  koju  će  ukupan  prihod  biti  maksimalan.7.      ‐ 120 ‐  .  Interval rentabilne proizvodnje  ( a .  Funkcija  tražnje  nekog  prizvoda  je  x = − 2 p + 24000 .

     Dakle potreban i dovoljan uslov za maksimum ove funkcije je:  D '( x0 p ) = P '( x0 p ) − C '( x0 p ) = 0 ∧ D ''( x0 p ) < 0   Dmax ( xop )  se postiže pri  obimu proizvodnje  x0 p .C ( x) = . optimalnom obimu proizvodnje. Ukupni troškovi dati su funkcijom  C = 20 x + 1000  ukupni prihodi dati su  − x2 + 30 x .5 x 2 + 1000 x .    Primeri sa rešenjima:     12. odnosno nule prvog izvoda  D '  daju vrednost optimalnog obima  proizvodnje  xop  za koji se postiže maksimalna dobit samo ako je za tu vrednost  drugi izvod.          sl. 28. Odrediti optimalnu proizvodnju i cenu pri kojoj će  funkcijom  P = 50 dobit biti maksimalna. Funkcija dobiti je  D( x) = P( x) .100 . Rešenje  jednačine.      ‐ 121 ‐  .   Njen maksimum određujemo:  D ' = −10 x + 1000 = 0 x0 p = 100 Dmax (100) = 49900 ∧ D '' = −10 < 0     13.  D "  manji od nule. D' i njega izjednačimo sa nulom.   Odredimo prvi izvod funkcije dobiti.    Svako profitabilno poslovanje traži maksimiranje ove funkcije.

  Elastičnost  se  meri  i  izračunava  pomoću  njenog koeficijenta  Ey . y je zavisno promenljiva).7.7.  Elastičnost ekonomskih funkcija    Pod  pojmom  elastičnosti  se  smatra  mogućnost  da  jedna  veličina  reaguje  na  promenu  veličine  od  koje  zavisi.    Ey.C = 20 x + 1000 P=   − x2 + 30 x 50   D = P −C =   − x2 − x 2 + 500 x − 500 + 30 x − 20 x − 1000 =   50 50 −2 x + 500 D' = 50 −2 x + 500 = 0 xop = 250 − x2 + 30 x P 50 P = p⋅x ⇒ p = ⇒ p = x x x −250 p = − + 30 ⇒ p = + 30 = −5 + 30 = 25 50 50 250 2 + 500 ⋅ 250 − 5000 Dmax =   50 Dmax = 1150       5.x Δy x Δy x y = lim = ⋅ lim = ⋅ y ' . x  (x je nezavisno promenljiva. Kada je:  Δx →0 Δx Δx →0 Δx y y x   ‐ 122 ‐  .  Po  definiciji  koeficijent  elastičnosti  je  granična  vrednost  količnika  relativnih  promena promenljivih y i x kad priraštaj  Δx  teži 0.

  15. p = − Cena  za  koju  je  elastičnost  tražnje  jedinična  zove  se  karakteristična  cena  i  obeležava se sa  pc . p = − p ⋅x'  x Znak  minus  se  kod  elastičnosti  tražnje  dodaje  u  definiciji  da  se  obezbedi  pozitivna vrednost koeficijenta ( x '  ima.7.kada se cena poveća za 1% tražnja opada za više  od 1%    Primeri sa rešenjima:     14. p = = 1 .Ey . p = 1  –  tražnja opada za 1% kada cena raste za 1%  Ex. x > 1 –  y je elastična prema x  Konkretno za navedene ekonomske funkcije možemo naći njihove koeficijente  elastičnosti:      5. Za tražnju  x = . x < 1 –  y je neelastična prema x  Ey . p > 1  –  tražnja je elastična. Za funkciju tražnje  x = . x = 1 –  jednačina normalne elastičnosti  Ey .3 p + 6  koeficijent elastičnosti je  Ex .80 = = 4  20 Ex .  Elastičnost tražnje    Ex.   Ex.  .p + 100  koeficijent elastičnosti je  p p ⋅ (− p + 100) ' =  . p < 1  – tražnja je neelastična. porast cene za 1% dovodi do pada tražnje za  manje od 1%  Ex.3p+ 6 −3 ⋅1 + 6   ‐ 123 ‐  . p =     3p 3 ⋅1  a karakteristična cena je  pc = 1     E x . p   pokazuje  za  koliko  će  se  procenata  (promila)  približno  promeniti  (smanjiti) tražnja kada se cena poveća za jedan procenat (promil).  Ex. Za cenu  p = 80 elastičnost  − p + 100 − p + 100 80  je  E x . po pravilu.8. negativnu vrednost).

  Data  je  funkcija  ukupnih  troškova  C = x 3 .Elastičnost ukupnih troškova izračunava se po koeficijentu:   Ec . x = = C C C x x x C '⋅ x − C x ⋅C ' = ⋅ = ⋅ C '− 1 = EC . Kada je:  Elastičnost prosečnih troškova je:   EC . C .  njen  minimum  EC . x = nalazimo na sledeći način:   (C ) ' = 2 x − 1 = 0 C ' = 3x2 − 2 x + 2   x= ⎛1⎞ 7 C min ⎜ ⎟ = ⎝2⎠ 4   ⎛1⎞ 7 C '⎜ ⎟ = ⎝2⎠ 4 1 2   ‐ 124 ‐  . x − 1 = 2 x −x+2 x −x+2 2 S  obzirom  da  je  funkcija  prosečnih  troškova  C = x . x = C' C' x   ⋅ C '  koji se može napisati i  Ec . x EC . EC . x > 1.x + 2 .    x 3x 2 − 2 x + 2 ⋅ ( x 3 − x 2 + 2 x) ' = 2   x3 − x 2 + 2 x x −x+2 x 2 x2 − x ⋅ ( x 2 − x + 2) ' = 2 EC . x = 1.   EC . tada je C ' < C .   Primer sa rešenjem:     16.x 2 + 2 x . x .  Pokazati  da  su  minimalni  prosečni  troškovi  jednaki graničnim. x − 1   C x2 C C x Dakle može se  EC . tada je C ' = C . x < 1. C ' . x = 2 x −x+2 x −x+2   2 2 3x − 2 x + 2 2x − x −1 = 2 = EC . x = Analiza  koeficijenta  elastičnosti  ukupnih  troškova  upućuje  nas  na  povezanost  graničnih i prosečnih troškova. tada je C ' > C.  EC .  Naći  koeficijent  elastičnosti  za  funkcije  C . x  izračunati i preko  EC .

  Ako je  Ex . p > 1   (tražnja  je  elastična)  porast  cene  dovodi  do  opadanja  prihoda  i  obrnuto.  P ( x) Kako je  P = p ⋅ x p = p ⋅ f ( p)  to se  EP.    Primer sa rešenjem:      17. Odrediti elastičnost sledećih funkcija    a) y = x3 − 2 x 2 + 30 za x = 10   y = e3 x za x = 1   c) y = x 3e x za x = 5   d) y = x 4 ln x za x = e   b)                 2   ‐ 125 ‐  . p = tražnje  x   E p .  Za  Ex . x = p ' ⋅ P( p ) . tada porast ili pad cene ne utiče na prodaju.  U  opštem  slučaju  važi  da  su  minimalni  prosečni  troškovi  jednaki  graničnim  troškovima.     Elastičnost funkcije prihoda  Koeficijent  elastičnosti  izračunavamo  preko  cene  E P . p < 1  (tražnja neelastična). p = p f ( p ) + p ⋅ f '( p ) ⋅ ( f ( p ) + p ⋅ f '( p ) ) = = p ⋅ f ( p) f ( p)   p 1+ ⋅ f '( p ) = 1 + Ex . p  može izraziti :  EP . p = 1 .    ili  preko  P x ⋅ P '  . ukupni izdaci potrošača se povećavaju. p f ( p) Kada je  Ex .

y c)  2 2 x ⋅ 6 xe3 x 3 x2 2 e = 6 > 1 ⇒ funkcija je elastična   = 6 x2   y = x 3e x y ' = 3 x 2 e x + x 3e x y ' = x 2 e x (3 + x 3 ) Ex . b)  y = e3 x   y ' = 6 xe3 x Ex . y > 1 funkcija je elastična. y = E1. y = x(3 x 2 − 4 x) x 3 − 2 x 2 + 30   3x3 − 4 x 2 Ex . y = 3 x − 2 x 2 + 30 3 ⋅1000 − 4 ⋅100 2600 11 = =3 E10. y = 1000 − 2 ⋅100 + 30 830 83 E10.a)  y = x 3 − 2 x 2 + 30 y ' = 3x 2 − 4 x Ex . y   d)  x ⋅ x 2 e x (3 + x 3 ) = = 3 + x3 3 x xe 3 = 3 + 5 = 3 + 125 = 128 > 1 y = x 4 ln x y ' = 4 x3 ln x + x 4 ⋅     1 = 4 x3 ln x + x3 = x3 (4 ln x + 1) x   ‐ 126 ‐  . y Ex .

Ex . y         x ⋅ x3 (4 ln x + 1) x(4 ln x + 1) = 4 x3 ln x 4 ln x   e(4 ln e + 1) 5e = = 4 ln e 4  KLJUČNI POJMOVI:    • • • • DIFERENCIJABILNOST  IZVOD  TANGENTA  DIFERENCIJAL  PARCIJALNI IZVOD  •                                               ‐ 127 ‐  . y = Ee.

V‐GLAVA  INTEGRALNI RAČUN        SADŽAJ OVOG POGLAVLJA JE:  • OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL   • • • TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA   OSNOVNA PRAVILA INTEGRACIJE    PRIMENA INTEGRALNOG RAČUNA    Cilj nam je da ovaj račun uvedemo preko:  1. b )   ako je  F  diferencijabilna funkcija na intervalu  ( a . OSNOVNI POJMOVI VEZANI ZA NEODREĐENI INTEGRAL    U  ranijem  delu  teksta  prikazani  su  načini  izračunavanja  izvoda.    Definicija primitivne funkcije    Funkcija  F   se  naziva  primitivnom  funkcijom  funkcije  f   na  intervalu  ( a . Tablica integrala.1. Pravila i osobina. Pitanje je ako je poznat izvod neke funkcije. b )  i ako za svako  x  iz ovog  intervala važi    F '( x ) = f ( x )     ‐ 128 ‐  .    6. potrebno je  uvesti neke nove pojmove. Tako dolazimo do pojma integrala. kako  odrediti tu funkciju.  Da bi se definisao pojam integrala i načini njegovog izračunavanja.  4. Jedan od njih je pojam primitivne funkcije. NEODREĐENI INTEGRAL      5. Nekih metode za rešavanje.  2.  3.  Tema  ovog  poglavlja je inverzan proces. Osnovnih pojmova.

 Iz uslova da je  F  prmitivna  funkcija funkcije  f . pa na osnovu ranije dokazane teoreme  sledi  da  su  i  neprekidne  i  diferencijabilne  na  posmatranom  intervalu.  Iz  ovog  stava  se  može  izvesti  zaključak  da  ako  neka  funkcija  ima  primitivnu  funkciju  na  određenom  intervalu.  Takođe.  Da  bi  dokazali  ovaj  stav  uvodimo novu funkciju  h  koja je neka primitivna funkcija funkcije   f . Važi i obrnut stav.  što  znači  da  važi  da  je  njen  prvi  izvod  jednak  f . sledi da je prvi izvod ove funkcije jednak  f .   r '( x ) = ( h ( x ) − F ( x )) ' = h '( x ) − F ( x ) = f ( x ) − f ( x ) = 0   Funkcije  F  i  h  su primitivne funkcije.  gde  se  u  svakom  delu  dokazuje  po  jedan stav iskazan u teoremi:  • Prvo se navodi dokaz prvog stava teoreme. iz same definicije primitivne funkcije ne može se zaključiti koji su uslovi  potrebni za postojanje ove vrste funkcija. gde je za svako  x  iz posmatranog intervala prvi izvod  funkcije  F  jednak  f . da se svaka primitivna funkcija funkcije  f može  napisati u obliku   F + C . b )   i  C   je  proizvoljna  konstanta.  Samim    ‐ 129 ‐  .  • Sada  treba  dokazati  drugi  stav  teoreme.  jer  se  taj  zaključak  može  izvesti  iz  uslova  definicije.    Teorema o uslovima postojanja primitivne funkcije    Ako  je  funkcija  f   neprekidna  na  intervalu  ( a .  tada  na  tom  intervalu  ima  beskonačno  mnogo  primitivnih  funkcija koje se razlikuju za konstantu. Tada  važi sledeće tvrđenje  ( F ( x ) + C ) ' = F '( x ) = f ( x ) .  čime  je  prvi  stav  teoreme  dokazan.  U sledećim teoremama biće dokazane neke osobine primitivnih funkcija.    Teorema o obliku primitivne funkcije    Ako  je  funkcija  F   primitivna  funkcija  funkcije  f   na  intervalu  ( a .  Uvodimo  razliku  novodefinisane  funkcije  i  funkcije  F   i  izračunava  se  prvi  izvod  ove  razlike.U  definiciji  primitivne  funkcije  može  da  se  i  ne  navede  uslov  da  je  F diferencijabilna  funkcija. b )   tada  ona  na  tom  intervalu  ima primitivnu funkciju.    Dokaz teoreme o obliku primitivne funkcije    Dokaz  ove  teoreme  se  sastoji  iz  dva  dela.  tada  je  i  funkcija  F + C   takođe  primitivna  funkcija  funkcije  f .

  ∫ df ( x) = f ( x) + C   U narednim odeljcima je data tablica neodređenih integrala osnovnih funkcija i  osnovna  pravila  integracije. Prvi izvod ove funkcije je 0.    Definicija neodređenog integrala funkcije    Skup  svih  primitivnih  funkcija  funkcije  f   naziva  se  neodređeni  integral  ove  funkcije i označava se     ∫ f ( x)dx = F ( x) + C ⇔( F ( x) + C ) ' = f ( x)     Postupak  nalaženja  primitivne  funkcije  za  datu  funkciju  se  naziva  integracija.  Na  osnovu  prethodno  definisanih  pojmova  i  dokazanih  teorema  može  se  definisati pojam neodređenog integrala funkcije. znači da je  r ( x) = C   gde je C proizvoljna konstanta. b ) .  Iz  definicije  neodređenog  inegrala  funkcije  može  se  zaključiti  da  je  izvod  neodređenog inegrala jednak podintegralnoj funkciji:    def ⎡ ∫ f ( x)dx ⎤ ' = f ( x ) .     h ( x ) = F ( x ) + C   čime je i drugi stav teoreme dokazan.  čime  se  pojednostavljuje  način  izračunavanja  integrala nekih funkcija.  funkcija  f   se  naziva  podintegralna  funkcija. a po definiciji ove funkcije ona je   r ( x ) = h ( x ) − F ( x ) .      ‐ 130 ‐  .tj.  Funkcija  f   za  koju  postoji  neodređeni  integral  oblika  ∫ f ( x)dx   se  naziva  inegrabilnom funkcijom.  a  izraz  f ( x ) dx   se  naziva  podintegralni izraz.tim  i  funkcija  koja  predstavlja  razliku  ove  dve  funkcije  je  neprekidna  i  diferencijabilna na intervalu  ( a .  ⎣ ⎦   diferencijal neodređenog inegrala jednak podintegralnom izrazu:      d ⎡ ∫ f ( x ) dx ⎤ = f ( x ) dx   ⎣ ⎦   Takođe još jedna osobina neodređenog integrala je da je neodređeni integral  diferencijala funkcije  f ( x )  jednak  f ( x ) + C  ( C  je proizvoljna konstanta).

  1 dx = tgx + C cos 2 x   1 dx = −ctgx + C sin 2 x   1 1 x dx = arctg + C 2 a a   16. 0 < a ≠ 1 ln a   5.  C  predstavlja proizvoljnu konstantu. a + x ∫ ∫ 13. ∫ e dx = e + C     1 dx = arctgx + C 2   11. TABLICA NEODREĐENIH INTEGRALA OSNOVNIH FUNKCIJA    Na  osnovu  tablice  izvoda  osnovnih  funkcija.   1 1 − x2 dx = arcsin x + C .  dobija  se  tablica  neodređenih  integrala  osnovnih  funkcija.6.        1.   Treba  naglasiti  da  svako  pravilo  važi  u  intervalu  u  kome  je  podintegralna  funkcija definisana. 1 + x 1 ∫ dx = ln x + x 2 + a 2 + C 2 2   12.            ‐ 131 ‐  . n   ∫ 3. U datoj tablici.   1 x −a 2 2 dx = ln x + x 2 − a 2 + C     ax ∫ a dx = + C.2.   ∫ 2 ∫ 15.   1 a2 − x2 dx = arcsin x +C a   ∫ 8. x + a ∫ 2 ∫ 9. ∫ cos xdx = sin x + C       1 1 x−a +C dx = ln 2 x −a 2a x + a 14. u svim  pravilima.     1 dx = ln x + C x   x x 4.  Navedeni  integrali  prikazani u ovoj tablici se nazivaju još i tablični integrali. n ≠ −1 n +1   2. ∫ dx = x + C     ∫ 10.  koja  je  prikazana  u  ranijim  poglavljima  i  osnovnih  pojmova  koji  su  razmatrani  u  prethodnom  odeljku. x 6. x <1   x n +1 ∫ x dx = + C . ∫ sin xdx = − cos x + C     7.

  3 x x x2 x2 x2 x2 I = ∫( x − 3 2 − 2x − 1 2 + x 2 )dx = ∫ x 2 dx − 2 ∫ x 2 dx + ∫ x 2 dx =   1 − 3 − 1 1   ‐ 132 ‐  .  3 5 +1 2 3.  x2 2 5 I = ∫ ( x + 1)dx = ∫ x dx + ∫ dx = + x + C = x 2 + x + C . Izračunati integral  I = ∫ ( x + 1)( x − x + 1)dx   ( x + 1)( x − x + 1) = x x − x x + x + x − x + 1 = x x + 1 = x 2 + 1 . Izračunati integral  2 3 ∫ (3x − x + 1)dx = x − x2 + x+C   2     2.6.3. OSNOVNA PRAVILA INTEGRACIJE      U  ovom  odeljku  su  data  pravila  integracije  koja  predstavljaju  osnovu  inregralnog računa. tada važi  ∫ Cf ( x)dx = C ∫ f ( x)dx   Neodređeni integral  zbira funkcija jednak je zbiru neodređenuh integrala  ovih funkcija:  ∫ [ f1 ( x) + f 2 ( x)] dx = ∫ f1 ( x)dx + ∫ f 2 ( x)dx     Primeri sa rešenjima:      1.    Ako je  C  proizvoljna konstanta  C ≠ 0 . Izračunati integral  3 2 3 2 3 +1 3 (1 − x)2 I =∫ dx   x x 3 1 1 − − (1 − x)2 1 − 2 x + x 2 1 2 x x 2 = = 3 − 3 + 3 = x 2 − 2 x 2 + x 2 .

    Kako je  sin 2 x 1 − cos 2 x 1 = = − 1. Izračunati integral  I =∫   Kako je  1 (1 + x )3 dx .  3 x 1 3 1 (1 + x )3 (1 + x 2 )3 1 + 3x 2 + 3x + x 2 1 x2 = = = 1 +3 1 +  1 1 3 x x3 x3 x3 x3 +3 1 − 3 x x 1 3 + x x 3 2 1 3 = x 3 + 3x 6 + 3x 3 + x 6 .   1 2 7 2 7 5 13 +1 +1 +1 6 3 6   5. Izračunati integral  I = ∫ tg 2 xdx.   2 2 cos x cos x cos 2 x dx 1 I = ∫( − 1) dx = ∫ − ∫ dx = tgx − x + C .  2 3 7 6 − 1 1 2 7 I = ∫ x dx + 3 ∫ x dx + 3 ∫ x dx + ∫ x dx = 1 +1 2 +1 7 +1 1 6 x +  1 − +1 3 1 − +1 3 x6 x3 x6 3 2 18 7 9 5 6 13 +3 +3 + + C = x 3 + x 6 + x 3 + x 6 + C.   2 cos x cos 2 x tg 2 x =                 ‐ 133 ‐  .  3 1 1 3 − +1 − +1 +1 2 2 2 3 − +1 1 − +1 1 +1 4.1 1 − x 2 x 2 x2 2 3 = −2 + + C = −2 x 2 − 4 x 2 + x 2 + C .

b ) .   2 t = 1 + x 2 ⇒ dt = 2 xdx ⇒ xdx = I= 8.Metode integracije    Metod zamene ili metod smene promenljivih    Neka je  f ( g ( x ))  složena diferencijabilna funkcija na intervalu  ( c . d ) .     Primeri sa rešenjima:    6. pri čemu vrednost  g ( x )  pripada intervalu  ( c . odnosno  t  se izražava u funkciji od  x(t = g −1 ( x)) . Izračunati integral  1 dt 1 1 ∫ = ln t + C = ln(1 + x 2 ) + C .  gde posle integracije treba zameniti  t = g −1 ( x) .   2 t 2 2 I=∫ dx . Izračunati integral  1 6 1 t + C = sin 6 x + C . Tada važi sledeća relacija  ∫ f ( x)dx = ∫ f [ g (t )] g '(t )dt . Izračunati integral    5 I = ∫ sin x ⋅ cos x dx     Uvodimo smenu  t = sin x ⇒ dt = cos x dx . d )  i neka je  g  monotona i diferencijabilna funkcija na intervalu  ( a .  I = ∫ t 5 dt = 7.  Nakon izračunavanja ovog integrala primenjuje se inverzna operacija. odnosno  dx = g '(t ) dt .  6 6 I =∫ xdx   1 + x2 1 dt .    Ovo pravilo omogućava da ako je  f  funkcija neke složene funkcije  po  x  da se  uvede smena  x = g (t ) . čime se dobio tablični integral.  a + x2 2 Prvo vršimo identičku transformaciju podintegralne funkcije    ‐ 134 ‐  .

 Izračunati integral  I =∫ a2 − x2 .   x 2 1 x2 1− ( ) (1 − 2 ) a a2 a x 1 t = ⇒ dt = dx ⇒ dx = adt .   2 2 1+ t 2 2     11. Izračunati integral  I=∫ t = x 2 ⇒ dt = 2 xdx ⇒ xdx = I= 1 dt 1 1 ∫ = arc tg t + C = arc tgx 2 + C .  a a2 I = ∫ a − a sin t ⋅ a ⋅ cos t ⋅ dt = a ∫ cos t dt = ∫ (1 + cos 2t )dt =   2 2 2 a a x x 2 1 = (t + sin 2t ) + C = arcsin + a − x 2 + C .   2 dx =∫ dx = 1 ∫ a dx   10.   a 2 1 adt x I= ∫ = arcsin t + C = arcsin + C.   2 2 a 1+ t a 1+ t a a a t=   9. Izračunati integral  I = ∫ a 2 − x 2 dx . ( a > 0). (a > 0).   a a x 1 adt 1 dt 1 1 I= 2∫ = ∫ = arc tg t + C = arc tg + C .   x = a sin t ⇒ dx = a cos t dt i t = arcsin 2 2 2 2 2 x .  a 2 2 2 2     ‐ 135 ‐  .I =∫ a zatim uvodimo smenu  dx a 2 (1 + x ) a2 2 = 1 dx ∫   2 a 1 + ( x )2 a x 1 ⇒ dt = dx ⇒ dx = adt .   2 a 1− t a xdx ⋅  1 + x4 1 dt .

12.   2a 1 1 t 1 t 1 ax 2 I = ∫ et ⋅ dt = ∫ e dt = e +C = e +C   2a 2a 2a 2a t = ax 2 ⇒ dt = 2 ax dx ⇒ x dx =   2 I = x e − 2 I1 = x e − 2( xe − e x + C ) = x 2e x − 2 xe x + 2e x + C =   2 x 2 x x   = e ( x − 2 x + 2) + C. Izračunati integral  I = ∫ xeax dx . b )   I  neka  postoji neodređeni integral  ∫ f1 ( x) f 2 '( x)dx . b )  postoji I  neodređeni integral  ∫ f 2 ( x) f '1 ( x)dx  I važi sledeće tvrđenje  ∫ f 2 ( x) f '1 ( x)dx = f1 ( x) f 2 ( x) − ∫ f1 ( x) f '2 ( x)dx   Ako obeležimo sa  u = f ( x) v = f 2 ( x)  onda  možemo ovo pravilo zapisati  ∫ vdu = u ⋅ v − ∫ udv . Tada na intervalu  ( a . Koristeći osnovne osobine  neodređenih integrala dobija se   ∫ ( f1 ( x) f 2 ( x)) ' dx = f1 ( x) f 2 ( x)   i zamenom u dobijenu jednakost sledi    ‐ 136 ‐  .  1 dt .   x 2   Metod parcijalne integracije    Neka  su  funkcije  f1   I  f 2   diferencijabilne  funkcije  na  intervalu  ( a .    Dokaz:  Treba poći od izvoda proizvoda funkcija  f1  i  f 2   ( f1 ( x) f 2 ( x)) ' = f '1 ( x) f 2 ( x) + f1 ( x) f '2 ( x)   odnosno  ( f1 ( x) f 2 ( x)) '− f1 ( x) f '2 ( x) = f '1 ( x) f 2 ( x)   Sada se može izvršiti integracija gornje jednakosti i dobija se   ∫ f 2 ( x) f '1 ( x)dx = ∫ ( f1 ( x) f 2 ( x)) ' dx − ∫ f1 ( x) f '2 ( x)dx .  Potrebno je izračunati integral   ∫ ( f1 ( x) f 2 ( x)) ' dx .

 Izračunati integral  I = ∫ ln xdx.   u = x ⇒ du = dx  i  dv = sin x ⋅ dx ⇒ v = − cos x .   Da bi izračunali integral  I1 = ∫ xe x dx   primenićemo ponovo metodu parcijalne integracije  u1 = x ⇒ du1 = dx  i  dv1 = e x dx ⇒ v1 = e x . Izračunati integral  I = ∫ x 2e x dx.   I = x 2e x − ∫ e x 2 xdx = x 2e x − 2 ∫ xe x dx = x 2 e x − 2 ∫ xe x dx. Izračunati integral  I = ∫ x ⋅ sin xdx.   u = x 2 ⇒ du = 2 xdx  i  dv = e x dx ⇒ v = e x .   u = ln x ⇒ du = 1 dx  i  dv = dx ⇒ v = x . Izračunati integral  I = ∫ arc tgx dx.∫ f 2 ( x) f '1 ( x)dx = f1 ( x) f 2 ( x) − ∫ f1 ( x) f '2 ( x)dx   čime je pravilo br.         ‐ 137 ‐  .   I1 = xe x − ∫ e x dx = xe x − e x + C .  pa je (1)  x 1 I = ∫ ln xdx = x ⋅ ln x − ∫ x ⋅ dx = x ln x − x + C = x (ln x − 1) + C . 4 dokazano.   x 14.   u = arc tgx ⇒ du = 1 dx  i  dv = dx ⇒ v = x .      Primeri sa rešenjima:    13.    I = − x ⋅ cos x − ∫(− cos x)dx = − x ⋅ cos x + ∫ cos xdx = − x cos x + sin x + C       15.   1 + x2 xdx 1 I = x arc tgx − ∫ = x arc tgx − ln(1 + x 2 ) + C   2 1+ x 2   16.

 Izračunati integrale  I1 = ∫ eax cos bxdx  i  I 2 = ∫ eax sin bxdx.   4 4 u1 =   18. I = ( x 2 + 7 x − 5) sin 2 x − − I1 ⇒   2 4 4 sin 2 x cos 2 x I = (2 x 2 + 14 x − 11) + (2 x + 7) + C.  2 2 Da bi izračunali integral  1 I1 = ∫ (2 x + 7) sin x 2 xd   2 primenimo još jednom parcijalnu integraciju  1 1 (2 x + 7) ⇒ du1 = dx  i  dv1 = sin 2 xdx ⇒ v1 = − cos 2 x.   u = x 2 + 7 x − 5 ⇒ du = (2 x + 7)dx   1 dv = cos 2 xdx ⇒ v = sin 2 x .   Primenom metode parcijalne integracije na prvi integral biće  1 u = c ax ⇒ du = aeax dx  i  dv = cos bxdx ⇒ v = sin bx.   b 1 a 1 a I1 = e ax sin bx − ∫ e ax sin bxdx ⇒ I1 = e ax sin bx − I 2 ⇒   b b b b ax bI1 + aI 2 = e sin bx.   Rešavanjem sistema jednačina po  I1  i  I 2  biće konačno    ‐ 138 ‐  .17.  2 1 1 I = ( x 2 + 7 x − 5) sin 2 x − ∫ (2 x + 7) sin 2 xdx .   2 2 1 −1 −1 I1 = (2 x + 7) cos 2 x − ∫ cos 2 xdx ⇒   2 2 2 1 −1 1 ⇒ I1 = (2 x + 7) cos 2 x + sin 2 x + C .   Primenjujući metodu parcijalne integracije na integral  I 2  dobijamo  −1 cos bx.   b −1 ax a −1 ax a I2 = e cos bx + ∫ e ax cos bxdx ⇒ I 2 = e cos bx + I1 ⇒   b b b b u = eax ⇒ du = aeax dx  i  dv = sin bxdx ⇒ ve aI1 − bI 2 = eax cos bx. Izračunati integral  I = ∫ ( x 2 + 7 x − 5) cos 2 xdx.

    Sledeće pravilo integracije se odnosi na racionalne funkcije. Izračunati integral  J = ∫ a 2 − x 2 dx.I1 = eax (b sin bx + a cos bx) eax (a sin bx − b cos bx) + C  i  I 2 = + C.    Definicija racionalne funkcije      Funkcija  f  se naziva racionalnom funkcijom ako je prikazana u obliku  f ( x) = p( x)   q( x) gde je  p ( x )  polinom n‐tog stepena promenljive  x .  nazivaju  se  prave  racionalne  funkcije.          ‐ 139 ‐  . a polinom  q ( x )  polinom  m‐tog stepena promenljive  x .  Jednostavno  se  zaključuje  da  se  svaka  neprava  funkcija  može  predstaviti  kao  zbir polinoma promenljive  x  i prave racionalne funkcije.    One  racionalne  funkcije  kod  kojih  važi  n < m .   a 2 + b2 a 2 + b2   19.   2 2 a   Pre navođenja pravila br.  a  one  kod  kojih  je  n ≥ m .   u = a 2 − x 2 ⇒ du = dv = dx ⇒ v = x   −2 xdx 2 a −x 2 2 = −x a2 − x2 dx. 5 potrebno je definisati pojam racionalne funkcije.   a a 1 1 2 x J = x a 2 − x 2 + a arcsin + C .  nazivaju  se  neprave  racionalne  funkcije.   J = x a2 − x2 − ∫ − x2 a2 − x2 dx = x a 2 − x 2 − ∫ dx a −x 2 2 − x2 + a2 − a2 a2 − x2 dx ⇒   J = x a 2 − x 2 − ∫ a 2 − x 2 dx + a 2 ∫ − J + a 2 arc sin ⇒ J = x a2 − x2 −   x x + C ⇒ 2 J = x a 2 − x 2 + a 2 arc sin + C .

 ali izlaze izvan okvira ovog udžbenika.  Kao  dodatak  navedenom  pravilu  slede  vrednosti  neodređenih  integrala  izraza  koji se pojavljuju. integracija trigonometrijskih funkcija.  k ( x − a) (1 − k )( x − a ) k −1 Ax + B A B b 2 2x + b ∫ 2 = ln( x 2 + bx + c) + ( − ) arctg + C . integracija transcedentnih  funkcija i druge). a  x 2 + bx + c  kvadratni trinom čije su nule  konjugovano kompleksni brojevi reda  k  polinoma  q ( x ) . Izračunati integral   x2 ∫ x − 2 dx     x2 : x − 2 = x + 2 x2 ∫ x − 2 dx = −                 x2 − 2x 4 )dx 2x = ∫ (x + 2 + x−2 − 2x − + 4 4 +   ‐ 140 ‐  .    Primeri sa rešenjima:    20.  2 x + bx + c 2 A 2 4b − c 4b − c 2 ∫ Pored navedenih metoda u teoriji integralnog računa postoje i druge metode  za izračunavanje neodređenih integrala nekih funkcija (integracija iracionalnih  funkcija.  x−a A A ∫ = + C .  A = A ln x − a + C . n   k ( x − a) ( x + bx + c) k a  je nula reda  k  polinoma  q ( x ) .Metoda integracija racionalnih funkcija      Integracija  prave  racionalne  funkcije  f   se  vrši  tako  što  se  ova  funkcija  predstavi kao zbir parcijalnih razlomaka oblika  A Bx + C  i  2       k = 1.

= ∫ x dx + 2∫ dx + 4∫ 21. Izračunati integral  x +1 ∫ x2 + x − 2 dx x2 = + 2 x + 4 ln x − 2 + C   x−2 2 x 2 + x − 2 = 0 ⇒ x1 = 1 ∨ x2 = −2 ⇒ x 2 + x − 2 = ( x − 1)( x + 2) x +1 A B / ( x − 1)( x + 2) ≠ 0 = + x + x − 2 x −1 x + 2 x + 1 = A( x + 2) + B ( x − 1) x + 1 = Ax + Bx + 2 A − B 2   A+ B =1 2A − B = 1 ⇔ A= 2 3 B= 1 3 I= 2 dx 1 dx 2 1 ∫ x − 1 + 3 ∫ x + 2 = 3 ln x − 1 + 3 ln x + 2 + C 3   22. Izračunati integral  ( x − 1)dx ∫ x2 ( x + 1) x −1 A B C = + 2+ x ( x + 1) x x x +1 2 x − 1 = Ax( x + 1) + B( x + 1) + Cx 2 x − 1 = Cx 2 + Ax 2 + Ax + Bx + B A+C = 0 A=2 A+C = 0 A+ B =1 B = −1 I = 2∫ ⇔ C = −2   dx dx dx 1 − ∫ 2 − 2∫ = 2 ln x + − 2 ln x + 1 x x x +1 x x 1 = 2 ln + +C x +1 x     ‐ 141 ‐  .

  2 z = x2 + 1 ⇒ I1 = dz = 2 xdx ⇒ 1 dz 1 ∫ = ln z + C = ln( x 2 + 1) + C .   1 −1 x +1 −1 1 xdx dx   dx + ∫ 2 dx + ∫ 2 dx = 3 + + ∫ 2 +∫ 2 4 x x x +1 3x x x +1 x +1 −1 1 xdx = 3 + +∫ 2 + arctgx. C = −1. A = 1. F = 1.  x2 + 1 xdx = 1 dz .     izjednačavanjem koeficijenata ispred istih stepena biće    D + E = 1.   2 z 2 1 1 1 I = − 2 + + ln( x 2 + 1) + arctgx + C .23. E = 1. Izračunati integral  I =∫ x5 + 1 dx. A + C = 0. A = 1 ⇒   B = 0.   x − 5x2 + 4 Rastavljanjem  podintegralne  racionalne  funkcije  na  elementarne  razlomke  dobi‐jamo:  x2 − x + 2 x2 − x + 2 A B C D = = + + + =  4 2 x − 5 x + 4 ( x − 2)( x + 2)( x − 1)( x + 1) x − 2 x + 2 x − 1 x + 1 x 2 − x + 2 = A( x + 2)( x − 1)( x + 1) + B( x − 2)( x − 1)( x + 1) +     ‐ 142 ‐  . C + F = 0.   3x x x +1 I =∫ Da bismo izračunali integral  I1 = ∫ uvodimo smenu  xdx .   x 4 ( x 2 + 1) Rastavimo najpre podintegralnu racionalnu funkciju na elementarne razlomke  x5 + 1 A B C D Ex + F = 4+ 3+ 2+ + 2 ⇒  4 2 x ( x + 1) x x x x x +1 x5 + 1 = A( x 2 + 1) + Bx( x 2 + 1) + Cx 2 ( x 2 + 1) + Dx3 ( x 2 + 1) + ( Ex + F ) x 4 ⇒   x5 + 1 = Ax 2 + A + Bx + Cx 4 + Cx 2 + Dx5 + Dx3 + Ex5 + Fx 4 . D = 0. Izračunati integral  x2 − x + 2 I =∫ 4 dx.   3x x 2   24. B = 0.

  3 ( x + 2)2 x − 1       6. B=− . D=   3 3 3 3 1 2 1 2 I = ln x − 2 − ln x + 2 − ln x − 1 + ln x + 1 + C =   3 3 3 3 2 1 x − 2 ( x + 1) = ln + C. PRIMENA INTEGRALNOG RAČUNA    Funkcija troškova    Ako  nam  je  poznata  funkcija  graničnih  troškova    C ' = F '( x ). onda  ćemo  funkciju ukupnih troškova dobiti preko integrala te funkcije po promenljivoj  x :     Primer sa rešenjem:    25. Funkcija graničnih troškova   C ' = troškova iz uslova  C (0) = 700   C = ∫ C '( x )dx = ∫ F '( x) dx .  x + 50 .   1 2 1 2 A= . Odrediti funkciju ukupnih  20 C'= x + 50   20 dC x = + 50   dx 20 ⎛ x ⎞ dC = ⎜ + 50 ⎟ dx   ⎝ 20 ⎠ ⎛ x ⎞ ∫ dC = ∫ ⎜ 20 + 50 ⎟ dx   ⎝ ⎠   C= C (0) = 700   x2 + 50 x + A   40   ‐ 143 ‐  .+ C ( x − 2)( x + 2)( x + 1) + D ( x − 2)( x + 2)( x − 1). C =− .4.

A = 700   x2 C= + 50 x + 700   40     Funkciju prihoda    Funkciju  ukupnih  prihoda  iz  funkcije  graničnih  prihoda  dobijamo  preko  integrala:  Px = Pp = Primer sa rešenjem:  ∫P ∫P ' ( x) dx. Poznata je funkcija graničnih prihoda  P ' = 16 − 4 x .   ' ( p) 26. dp. Pronaći funkciju  ukupnih prihoda.    P = ∫ P ' dx = ∫ (16 − 4 x )dx = 16 x − 2 x 2   0 0 x x        KLJUČNI POJMOVI:    • • • NEODREĐENI INTEGRAL  PRIMITIVNE FUNKCIJE  PARCIJALNA INTEGRACIJA  METOD INTEGRACIJE •                       ‐ 144 ‐  .

. n . x2]. + f(ξn‐1)ln‐1 + f(ξn)ln  naziva integralni zbir funkcije f na intervalu [a. b = xn. < xk‐1 < xk < .  3.  2.  k = 1. .  izbora  proizvoljne  tačke  iz  parcijalnog  intervala). < xn‐1 < b.  t.  i  neka  se  ovaj  interval  podeli na n parcijalnih intervala  [x0. xk]. [xn‐1.    ‐ 145 ‐  .  Ova  osobina  integralnog zbira funkcije se koristi pri definiciji određenog integrala funkcije.  b].. [x1. [xk‐1. Geometrijske interpretacije.  Neka  je  lk.    Definicija integralnog zbira funkcije    Neka  je  f  definisana  i  ograničena  na  intervalu    [a. x1]. Definicije. xn].7.j..  4.    7.1.. načina podele glavnog intervala  na  parcijalne.  lk  =  xk  ‐  xk‐1.    Iz definicije integralnog zbira funkcije može se uočiti da vrednost zbira zavisi od  više parametara (od broja parcijalnih intervala. a < x1 < x2 < . + f(ξk‐1)lk‐1 + f(ξk)lk + ..  ODREĐENI INTEGRAL    SADŽAJ OVOG POGLAVLJA JE:  • OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL  • OSNOVNE TEOREME  • NESVOJSTVENI INTEGRAL  • PRIMENA ODREĐENOG INTEGRALA    Cilj nam je da ovaj račun uvedemo preko:  1. . Pravila i osobina. xk]..  Pre  definicije  određenog  integrala  funkcije  potrebno  je  uvesti  pojam   integralnog zbira funkcije. b]......  pri čemu važe sledeće relacije  a = x0.... Metoda  integracije. OSNOVNI POJMOVI VEZANI ZA ODREĐENI INTEGRAL  U  ovom  odeljku  se  daje    definicija  i    osnovna  pravila  vezana  za  pojam  određenog integrala.  i  neka  je  ξk  proizvoljna  tačka koja pripada intervalu [xk‐1.  dužina  intervala. Ako važe svi navedeni uslovi tada se zbir  f(ξ1)l1 + f(ξ2)l2 + .

14).  . Ako za svaku podelu x0 < x1  < x2 < . koja sa krivom svog grafika.  Određeni  integral  ima  veliku  ulogu  u  određivanju  površina  figura  nepravilnog oblika..  opisani  i  upisani.  Iz  neprekidnosti  funkcije  zaključuje  se  da  na  svakom  podintervalu  postoje  tačke  u  kojima  funkcija  na  podintervalu  dostiže  najmanju  vrednost. b] i svaki izbor tačaka ξ1.  • ako se određeni interval može podeliti na konačno mnogo intervala u  kojima je funkcija monotona i ograničena. ξn.  a b Za  funkciju  koja  ima  određeni  integral  na  intervalu  [a.  b]  se  naziva  oblast  integracije...  dok  je  a  donja. a drugi  pravougaonik  ima  manju  ili  jednaku  površinu.  • svaka  monotona  i  ograničena  funkcija  na  određenom  segmentu.  Da li je neka funkcija integrabilna može se ustanoviti na osnovu njenih osobina:  • svaka neprekidna funkcija na određenom segmentu. b].  b]  kaže  se  da  je  integrabilna  na  tom  intervalu.  Sabiranjem  površina  svih    ‐ 146 ‐  .  integrabilna je na tom segmentu. ξk. On se rešava tako što se  posmatrani  interval  podeli  na  određeni  broj  podintervala. u  opštem  slučaju. < xk‐1 < xk < .  ako  nije  u  pitanju  neki  osnovni geometrijski oblik nije jednostavan problem. . a b gornja granica određenog integrala.  figuru  nepravilnog  oblika. ξk. < xn‐1 < xn intervala [a. xk].. b] i označava se sa  ∫ f ( x)dx ... b]. koje zadovoljavaju uslov da je ξk proizvoljna tačka koja pripada intervalu  lk =[xk‐1. ordinatama u tačkama a i b i x osom čini...  Izračunavanje  površine  krivolinijskog  trapeza.. tada je funkcija integrabilna  na tom segmentu.  od  kojih  jedan  ima  veću  ili  jednaku površinu od površine posmatranog dela krivolinijskog trapeza.  interval  [a. integrabilna je na  tom segmentu. postoji uvek ista granična vrednost  lim ∑ f (ξ k )l k   l →0 k =1 n tada  se  ova  granična  vrednost  naziva  određenim  integralom  funkcije  f  na  intervalu [a.  • ako  je  funkcija  ograničena  i  ima  konačan  broj  prekida  na  određenom  segmentu..   Definicija određenog integrala funkcije    Neka je f definisana i ograničena na intervalu [a. Neka je data neprekidna i nenegativna funkcija na intervalu  [a.  x  je  integraciona  promenljiva. tada je funkcija integrabilna na tom segmentu.  f  se  naziva  podintegralnom  funkcijom.  koja  se  naziva  i  krivolinijski  trapez  (sl.  Pomoću  ovih  tačaka  dobijaju  se  dva  pravougaonika.

. [ xi −1 ..  koja  sa  krivom svog grafika.. xn = b]...  b].  tada  je  površina  krivolinijskog  trapeza  jednaka  dobijenoj vrednosti.                    sl.  1o        Neka je  δ  proizvoljna podela segmenta  [ a..  kada  broj  podeljenih  podintervala  teži  beskonačnosti. xi ] .upisanih.   xi −1 + xi ... x1 ] .  2 2o  Izbor tačaka  ξi  izvršićemo tako da je  ξ i =   ‐ 147 ‐  . Površina P ove figure nepravilnog oblika je jednaka  P = ∫ f ( x ) dx   a b Primeri sa rešenjima:      1. b ] .   a ∫ b   Kako je funkcija  f ( x ) = x  neprekidna na konačnom intervalu  [ a.. Ako postoje granične  vrednosti  ovih  suma. [ xn−1 . ona je  integrabilna na  [ a. x2 ] . [ x1 . Izračunati integral  xdx.14. b] .        Geometrijska interpretacija određenog integrala     Neka  je  data  neprekidna  i  nenegativna  funkcija  f  na  intervalu  [a. odnosno opisanih površina dobijamo dve sume. b]  na  n  parcijalnih  segmenata:  [ x0 = a. Izračunavanje ovog integrala izvršićemo u četiri koraka. b i x osom čini figuru nepravilnog  oblika. ordinatama u tačkama a.  i  ako  se  te  vrednosti  jednake..

+ (n − 1) 2 ⎤ . a ] ..  n Tačke  ξi  izabraćemo tako da je  ξi = xi −1 . zbog čega je  ξ i = xi −1 = x0 + (i − 1) Δxi = (i − 1) Δxi = (i − 1)   a⎤ ⎡ f (ξ i ) = ξi = ⎢ (i − 1) ⎥ .  2. ( a > 0)... tada je   σ = ∑ f (ξi )Δxi = ∑ 4o  Određivanje granične vrednosti integralne sume  σ   n xi −1 + xi x 2 − x 2i − 1 ( xi − xi −1 ) = ∑ i = 2 2 i =1 i =1 i =1   1 2 1 2 1 2 1 2 = ( xi − x0 2 ) + ( x2 − x12 ) + . a ] . + ( xn − x 2 n −1 ) = (b − a 2 ) 2 2 2 2 n n 1 1 lim σ = lim (b 2 − a 2 ) = (b 2 − a 2 ). Izračunati integral  x 2 dx.  ona  je  i  integrabilna  na  [ 0.3o  Formiranje integralne sume:  f (ξi ) = ξi .  Izračunavanje određenog integrala date funkcije  f  izvršićemo u sledeća četiri  koraka:    Interval  [ 0. a ]   podelićemo  na  n   jednakih  delova.  čije  su  dužine  1o  Δxi = 2 o  a .  pa  je  takva  i  na  svakom  2 konačnom  intervalu  [ 0..  Prema  tome.   λ →0 λ →0 2 2 Prema tome.   ∫ xdx = 2 (b a b 1 2 − a 2 ) . ⎦ n ⎣     n n ⎡ a⎤ 2 a a n   ‐ 148 ‐  .   0 ∫ a Funkcija  f ( x ) = x   neprekidna  je  na  skupu  R .  n⎦ ⎣ 2 2 a n 3o  Integralna suma je   σ = ∑ f (ξi )Δxi =∑ ⎢ (i − 1) ⎥ ⋅ = ( )3 ∑ (i − 1) 2 = n⎦ n n i =1 i =1 i =1 ⎣   a = ( )3 ⎡12 + 22 + .

  n→0 6n 2 3 Da  bi  proces  izračunavanja  određenog  integrala  bio  jednostavniji  postoje  određena  pravila. tj.  a b b a ∫ f ( x)dx = 0 .). tada je  cf ( x )dx = c f ( x ) dx .     σ = . tada je  ∫ f ( x)dx = − ∫ f ( x)dx . tada je  ∫ a b f ( x) dx = ∫ f ( x) dx + ∫ f ( x) dx .  Uz  svako  pravila  važi  pretpostavka  da  su  funkcije  integrabilne na posmatranom intervalu.  6 6n 3 i =1 Kako  je  data  funkcija  integrabilna  na  [ 0.  a b Neka je dat realan broj c.  to  znači  da  postoji  ∑k2 = n granična  vrednost  njene  integralne  sume.  a c c b         ‐ 149 ‐  .  a a a b b b   Neka je c tačka koja pripada posmatranom intervalu.  koja  je  po  definiciji  vrednost  određenog integrala funkcije  f .      (sl.        Osobine određenog integrala    Ako je a > b. a ] . 15.  a a ∫ b ∫ b   Neka su f i g integrabilne funkcije.Koristeći formulu za zbir kvadrata prvih n prirodnih brojeva   4o  n(n + 1)(2n + 1) a 3n(n − 1)(2n − 1) .  U  daljem  tekstu  su  data  osnovna  pravila  za  izračunavanje  određenog  integrala. tada je  Ako je a = b. tada je  ∫ [ f ( x ) + g ( x)]dx = ∫ f ( x)dx + ∫ g ( x)dx .  2 ∫ x dx = lim σ = lim 0 a λ →0 a 3 n(n − 1)(2n − 1) a 3 = .

      Ako je funkcija integrabilna i pozitivna na posmatranom intervalu.  Ako  je  f  integrabilna  na  posmatranom  intervalu.  tada  je  i f   integrabilna  na  istom intervalu i važi  ∫ f ( x)dx ≤ ∫ a a b b f ( x) dx . tada je   ∫ f ( x)dx > 0 .      7. OSNOVNE TEOREME VEZANE ZA ODREĐENI INTEGRAL    U  ovom  odeljku  su  date  osnovne  teoreme  koje  služe  za  izračunavanje  određenih  integrala  i  predstavljaju  neke  od  najvažnijih  teorema  integralnog  računa. tada je   ∫ a b f ( x)dx ≤ ∫ g ( x)dx .  Upotrebom  navedenih  pravila  i  osnovnih  teorema  koje  će  biti  navedene  u  sledećem odeljku definiše se izračunavanje određenog integrala.          ‐ 150 ‐  . takođe. negativan. 15.2.  sl. gde je x tačka koja pripada posmatranom intervalu.  a b I ovo pravilo se može analogno primeniti za slučaj da je f veća ili jednaka od g  na posmatranom intervalu.  pri  čemu  bi  određeni integral bio.  a b Ovo  pravilo  se  analogno  može  primeniti  i  na  negativnu  funkcije.  Ako je f(x) ≤ g(x).

 Za funkciju f koja je  pozitivna  na  nekom  intervalu  [a. b]. na posmatranom intervalu.  b]. može se zaključiti da važi  ∫ mdx ≤ ∫ f ( x)dx ≤ ∫ Mdx . sledi  m(b − a ) ≤ ∫ a b 1 f ( x ) dx ≤ M (b − a ) .   m ≤ f ( x ) dx ≤ M . čime je teorema dokazana.  tada  postoji  tačka  ξ  koja  pripada posmatranom intervalu i za koju važi  ∫ f ( x)dx = a b f (ξ )(b − a )   Dokaz:  Koristeći  prethodno  dokazanu  teoremu  i  činjenicu  da  je  funkcija  f  neprekidna na posmatranom intervalu.Teorema o vrednosti prve formule o srednjoj vrednosti određenog integrala    Ako je funkcija f integrabilna na intervalu [a.  a a a b b b Koristeći ranije navedenu teoremu.  b].  što je i trebalo dokazati. tada postoji broj α.  odnosno  f(x)  ≤  M. tada postoji tačka ξ tako da je f(ξ) = α.  Iz prethodne teoreme se izvodi :    Teorema o srednjoj vrednosti određenog integrala    Ako  je  funkcija  f  integrabilna  na  intervalu  [a.  b−a∫ a b Znači postoji broj  α= 1 f ( x)dx   b−a∫ a b koji zadovoljava sve uslove teoreme.  gde  su  m  i  M  donja  i  gornja granica funkcije f.  pa se zamenom u prethodnu teoremu dobija  ∫ f ( x)dx = a b f (ξ )(b − a ) .  Navedena teorema ima i svoju geometrijsku interpretaciju. i ako za svako x koje pripada  ovom  intervalu  važi  da  je  f(x)  ≥  m.  površina  krivolinijskog  trapeza  nad  posmatranim intervalom je jednaka površini pravougaonika čije su stranice (b –  a) i f(ξ).    ‐ 151 ‐  . takav  da je m ≤ α ≤ M i važi  ∫ f ( x)dx = α (b − a)   a b Dokaz: Iz uslova da je α broj takav da je m ≤ α ≤ M.

 b].  a x gde x pripada intervalu [a.  ∫ f ( x)dx = F (b) − F (a)   a b čime je teorema dokazana. gde je F primitivna funkcija funkcije f.  jer  omogućava da se odredi veza između određenog i neodređenog integrala.Teorema  o  srednjoj  vrednosti  određenog  integrala  je  veoma  bitna. da se njen određeni integral na nekom intervalu  ne  mora  izračunavati  kao  granična  vrednost  integralnog  zbira  funkcije. i za svaku tačku ovog intervala  važi da je F'(x) = f(x). b]. dobija se  ∫ f (t )dt = F (a) + α = 0 .  Zamenom  dobijene  vrednosti  α  u  prethodnoj  jednakosti  dobija se  ∫ f (t )dt = F ( x) − F (a) .    Prethodna  teorema  omogućava  u  slučajevima  kada  je  poznata  primitivna  funkcija integrabilne funkcije.  a a Dakle  α = − F ( a ) .  a x gde je α konstanta za koju se dve primitivne funkcije razlikuju.  a x zamenom x = b. tada važi  ∫ f ( x)dx = F (b) − F (a)   a b Dokaz: Definiše se funkcija F1 kao primitivna funkcija funkcije f na sledeći način  F1 ( x ) = ∫ f (t ) dt . pa se  razlikuju za konstantu  ∫ f (t )dt = F ( x) + α . Ako se x zameni  sa  a  u  prethodnoj  jednakosti  i  iskoriste  osnovna  pravila  za  izračunavanje  određenog integrala.  već  je  dovoljno obrazovati razliku vrednosti primitivne funkcije na krajevima intervala    ‐ 152 ‐  . F i F1 su obe primitivne funkcije funkcije f.    Teorema o vezi određenog i neodređenog integrala – Njutn‐Lajbnicova  formula    Ako je funkcija f integrabilna na intervalu [a.

    Primeri sa rešenjima:    3. treba tražiti izvod složene funkcije  F ( x) = G ( x ) . Uvođenjem smene  x = u. Odrediti izvod po promenljivoj  x  funkcije  x F ( x) = ∫ cos t dt. ⎥ .   2 ⎣4 2⎦ π 6 M = max f ( x) = f ( ) =   4 2 π 6 π π .  2 x 1 cos x . Oceniti integral  π I = ∫ 1 + cos 2 x   π 4 2 Treba odrediti maksimum i minimum funkcije  f ( x ) = 1 + cos 2 x  na  π ⎡π π ⎤ . Kako je   .  = F '( x) = G '(u ) ⋅ u ' = cos(u 2 ) ⋅ 2 x 2 x       G '(u ) = cos(u 2 ).    ≤ I ≤ 4 8 4 segmentu integracije ⎢   4.  Na  taj  način  uspostavljena  je  veza  između  određenog  i  neodređenog integrala.  možemo funkciju  F  pisati u obliku:  F ( x) = G(u ).   2 0 2 Ova funkcija data je u obliku integrala i ona je složena funkcija po promenljivoj  x . u = x.   m = min f ( x ) = f ( ) = 1.integracije.       u ' =   ‐ 153 ‐  . ∫ cos(t 0 u ) dt = G (u ) .  Kako je dužina segmenta  b − a = .   1 Prema tome.

 gde su c i d tačke koje ispunjavaju sledeće uslove g(c)  = a i g(d) =b. i za svako  t ∈ [ c. tada važi  ∫ a b f ( x ) dx = ∫ f [ g (t )] g ' (t ) dt . b].  tada važi  ∫ udv = u (b)v(b) − u (a)v(a) − ∫ vdu . b ] . b] i neka x = g(t) ima neprekidan  izvod na intervalu [c.  Izračunati:  a)    b)  ∫ π /2 0 x sin xdx = x =u du = dx sin xdx = dv v = − cos x = ( −x cos x) π / 2 + ∫ 0 π /2 0 cos xdx   π ⎛π ⎞ = − ⎜ cos − 0 cos 0 ⎟ + sin x π / 2 = sin π 2 − sin 0 = 1   0 2 ⎝2 ⎠ e −1 e x +1 = t x=0 t =1 ln ( x + 1) dx = = ∫ ln t dt =   ∫0 dx = dt x = e −1 t = e 1   ‐ 154 ‐  .  a a b b   Primeri sa rešenjima:    6.5. d]. Primenom Njutn‐Lajbnicove formule izračunati integral  I= 1 −1 ∫ 1+ x 1 dx 2 . g (t ) ∈ [ a.  a b   Teorema o parcijalnoj integraciji određenog integrala    Neka funkcije  u = u ( x )  i  v = v ( x )  imaju neprekidne izvode na intervalu [a.  1 −1 dx ∫1 1 + x 2 = arc tg x − = arc tg 1 − arc tg (−1) = π − (− ) = .    Teorema o smeni promenljivih kod određenog integrala     Neka je funkcija f neprekidna na intervalu [a. d ] .  Primenu  ovih  pojmova  kod  određenih  integrala objašnjavaju  teoreme koje slede.   4 4 2 π π     Pri  razmatranju  neodređenog  integrala  uvedeni  su  pojmovi  smene  promenljivih  i  parcijalne  integracije.

  b].  (‐∞.  (‐∞. dv( x) = x3dx.   0 16 4 3 6 π       7.3.∞).  ∞).  (‐∞.    ln t = u dt = dv du = v=t 1 dt e dt e =  2 = ( t ln t ) |1 − ∫1 t t e 1 = e ln e − 1ln1 − t = e − ( e − 1) = e − e + 1 = 1   7.∞).  U  samoj  definiciji    oblast  integracija  je  ograničena.  a b →∞ a b     ‐ 155 ‐  .  Postoje  dve  vrste  nesvojstvenog  integrala.    Definicija nesvojstvenog integrala prve vrste    Neka  je  funkcija  f  neprekidna  na  intervalima  [a.  (‐ ∞. sledeće granične vrednosti:  ∞ ∫ f ( x)dx = lim ∫ f ( x)dx .  pa je  du = x4 dx   i   v =   4 1 + x2 1 J = ∫ x3arctg xdx = 0 1 x4 1 x4dx π 1 2 1 arctg x |1 − ∫ )dx   = − ∫ ( x −1 + 0 2 4 4 0 1 + x 16 4 0 1 + x2 1 =   1 x3 1 − ( − x + arc tg x) |1 = .  u  daljem  tekstu  se  daju  njihove definicije i osobine.  Tada  su  nesvojstveni  integrali  prve  vrste  funkcije  f  na  intervalima  [a. Ako  integral  nije  konačan  ili  ako  funkcija  nije  ograničena  na  konačnom  integralu. NESVOJSTVENI INTEGRAL     U  prethodnom  odeljku  je  definisan  pojam  određenog  integrala. Izračunati integral  I = x 3 arc tg xdx.   0 ∫ u ( x) = arc tg x.  korišćen  je  interval            [a.  tada ovakve integrale zovemo nesvojstveni integrali i oni moraju biti posebno  definisani.  b].  b]  i  integrabilna funkcija je na posmatranom intervalu definisana i ograničena.  ∞).

  3 b →+∞ x b →+∞ 2x a 2 b →+∞ b a 2a x a 1 .  tada  taj  integral  divergira.    Nesvojstveni integral prve vrste se još naziva i nesvojstveni integral u odnosu  na oblast integracije.  Izračunati  površinu  "beskonačog  trapeza".  x3 ∫ a dx dx 1 b 1 1 1 1 = lim ∫ 3 = lim ( − 2 ) = − lim ( 2 − 2 ) = 2 .    Primer sa rešenjem:    8.−∞ ∞ ∫ b f ( x)dx = lim a → −∞ ∫ f ( x)dx .  a  ako  ne  postoji.  +∞ 1 .  a ∞ b −∞ ∫ f ( x ) dx = −∞ ∫ a f ( x ) dx + ∫ f ( x) dx   a                       sl. U prethodnim definicijama ako postoji granična vrednost  tada  nesvojstveni  integral  konvergira.  ograničenog  krivom  y = pravom  x = a ( a > 0)  i intervalom  [ a. i to na osnovu sledeće teoreme.      ‐ 156 ‐  .  2a 2 b Vrednost  nesvojstvenog  integrala  je  konačna  pa  površina  ovog                "  beskonačnog trapeza" iznosi  P =     Ponekad  se  konvergencija  nekog  nesvojstvenog  integrala  može  odrediti  bez  određivanja njegove primitivne funkcije. +∞ ) . 21.

  tada  taj  integral divergira. konvergentan.  U  prethodnoj  definiciji  ako  postoji  granična  vrednost  tada  nesvojstveni  integral  konvergira. kao     ∫ a b f ( x )dx = lim ε →0+ a +ε ∫ b f ( x) dx . i ako je za svako takvo x važi g(x)  ≥ f(x) ≥ 0. tada je i integral   a ∞ ∫ f ( x)dx . tj.  Analogno se definiše nesvojstveni integral druge vrste u odnosu na tačku a.    ‐ 157 ‐  .  b]  i  neka  funkcija  f  nije  ograničena u svakoj okolini tačke b.) ako funkcija nije ograničena u svakoj okolini tačke a na intervalu [a.  a +∞ ∞ +∞ Ako je  ∫ a f ( x )dx divergentan onda je i  ∫ g ( x)dx a divergentan.  a  ako  ne  postoji.       Definicija nesvojstvenog integrala druge vrste    Neka  je  funkcija  f  neprekidna  na  intervalu  [a. b]. funkcije f i g definisane.    Nesvojstveni integral druge vrste se još naziva i nesvojstveni integral u odnosu  na  podintegralnu  funkciju.  22. konvergentan. i ako je integral  ∞ ∫ g ( x)dx . b] granična  vrednost    ∫ a b b −ε f ( x )dx = lim ε →0+ ∫ a f ( x) dx . i važi relacija  a ∞ ∫ a f ( x) dx ≤ ∫ g ( x ) dx .Teorema o konvergeniciji dve funkcije    Ako su za svako x ≥ a. (sl.  x →b − 0 x →b − 0   tada je nesvojstveni integral druge vrste funkcije f na intervalu [a. ispunjena je bar jedna od jednakosti    lim f ( x) = +∞ ili lim f ( x) = −∞ .

      sl.  a t →+∞ x t →+∞         7.  pravom  x ∫ a t dx = lim (ln x) = lim (ln t − ln a ) = +∞ . +∞ ) .    ‐ 158 ‐  . b) ∪ (b. Uopšte. c] tada je  ∫ f ( x)dx = lim ∫ f ( x)dx + lim ∫ f ( x)dx . b] . PRIMENA ODREĐENOG INTEGRALA    Videli  smo  da  određeni  integral f ( x)dx geometrijski  predstavlja  merni  broj  a ∫ b površine  krivolinijskog  trapeza  nad  intervalom  [ a.    Ako neprekidna funkcija f nije ograničena u svakoj okolini tačke b na intervalu  [a.  "Beskonačnom  trapezu". ne možemo dodeliti merni broj jer je   +∞ 1 .  U  konkretnim  primenama može predstavljati veličinu puta. veličinu rada itd. 22.  koji  je  ograničen  hiperbolom  y = x = a ( a > 0)  i intervalom  [ a.  a t1 → 0 + a t2 →0+ b +t c b −t1 c   Primeri sa rešenjima:    9. kada se  mogu  formirati  sume  beskonačno  mnogo  malih  sabiraka. tada postoji mogućnost primene određenog integrala.  pa  postoji  granična  vrednost tih suma.4.

  17. 16.  Ako  je  f ≥ 0 . to će površina krivolinijskog trapeza u ovom slučaju biti broj  (2)          P = ∫ a b f ( x ) dx.   Ovu formulu koristićemo i u slučaju kada je funkcija  f  promenljivog znaka.  merni  broj  površine  uvek  pozitivan. 16.          sl.  Neka je funkcija  f : [ a.        ‐ 159 ‐  .  onda  se  krivolinijski  trapez  nalazi  iznad  ose  Ox   i  njegova  površina se definiše kao broj  (1)  P= def b ∫ f ( x)dx         (sl.    Izračunavanje površina ravnih figura    Izložićemo  nekoliko  različitih  slučajeva  izračunavanja  površine  ravnih  figura.  krivolinijski  trapez  je  ispod  ose  Ox   i  tada  je  vrednost  integrala  (1)  negativna  (sl.    2.  1.).)  a Izraz  dP = f ( x ) dx  predstavlja elementarnu površinu.  Ako  je  f ≤ 0 .  Kako  je  pak. b ] → R  integrabilna.

 Prema formuli (2) biće  π π 2 0 P = ∫ cos x dx = ∫ cos x dx + ∫ cos x dx = ∫ cos x dx + ∫ (− cos x)dx =   0 π π 2 0 π π 2 π 2 = sin x | 2 − sin x |π = 1 − (−1) = 2.  Izračunati  površinu  ravnog  lika  ograničenog  krivom  f ( x ) cos x   između  ordinata  u 0 i  π  i segmentom  [ 0. π ]  (sl. π ⎤ .sl.). 2 ⎥ ⎪ ⎣ ⎦   cos x = ⎨ ⎪− cos x za x ∈ ⎡ π . 17.      Primer sa rešenjem:    10. ⎢2 ⎥ ⎪ ⎣ ⎦ ⎩           ‐ 160 ‐  . 18.   0 2 π π jer je  ⎧ ⎡ π⎤ ⎪cos x za x ∈ ⎢0.

 18.    P = ∫ [ f ( x ) − g ( x ) ] dx .                ‐ 161 ‐  .   tj.    sl. Kada je ravna figura ograničena linijama  y = f ( x )  i   y = g ( x ) . 19. tada se  njena površina dobija kao razlika površina krivolinijskih trapeza.    3.  a a a b b b gde su granice integrala rešenja jednačine  f ( x ) = g ( x ) .  f ( a ) = g ( a ) i f (b ) = g (b )  (sl.)        sl. 19.  P = ∫ f ( x ) dx − ∫ g ( x ) dx .

          KLJUČNI POJMOVI:  • • • • ODREĐENI INTEGRAL  INTERGRABILNA FUNKCIJA  NJUTN‐LAJBNICOVA FORMULA  NESVOJSTVENI INTEGRAL  π 1 − cos 2t sin 2t π dt = ab(t − ) = π ab.Primer sa rešenjem:      11.  pa  će  površina  kruga  biti  P = π a 2 = π r 2 . Sada prema formuli (1) imamo   P = 2 ∫ ydx = 2 ∫ b sin t ( − a sin t )dt =   −a +a 0 π = −2ab ∫ sin t dt = 2ab ∫ 2 0 π Za  a = b   dobijamo  kružnicu  poluprečnika  r = a .  odakle je  dx = a sin t dt .  (sl. Izračunati površinu elipse  b 2 x 2 + a 2 y 2 = a 2b 2 .    y = b sin t .)                      sl.    Uvešćemo smene   x = a cos t .   0 2 2 0         ‐ 162 ‐  . 20. 20.

  Pri  bacanju  kocke  skup  Ω  je  Ω={ω1.  pođimo  od  eksperimenta  u  kome  ishode  nismo  u  mogućnosti  unapred  da  predvidimo.  odnosno njihova analiza.  a  na  gornjoj  strani  imamo  i   tačaka.    8. ω6}.VI GLAVA  ELEMENTI TEORIJE VEROVATNOĆE    SADŽAJ OVOG POGLAVLJA JE:  • POJAM I VRSTE VEROVATNOĆE   • POJAM SLUČAJNE PROMENLJIVE   • OSOBINE SLUČAJNIH PROMENLJIVIH   • VRSTE SLUČAJNIH PROMENLJIVIH   • PRIMENE SLUČAJNIH PROMENLJIVIH    Cilj nam je da ovaj račun uvedemo preko:  1. Događaj A je podskup skupa  Ω i sastoji se od svih elementarnih događaja koji imaju to svojstvo kojim se A  definiše.    Primer sa rešenjem:     1.  Da  bi  definisali  pojam  događaja.  Ako  posmatramo  neki  eksperiment. Upoznavanje studenata sa slučajnim događajima.  ω5.     SLUČAJNI DOGAĐAJI      Osnovni  pojam  teorije  verovatnoće  .  Događaj A ‐ pao je paran broj je dakle A={ω2.  ω3. ω4.  2.  kao  jedne  od  matematičkih  disciplina  i  osnova  matematičke  statistike  je  događaj.  ELEMENTI TEORIJE VEROVATNOĆE    8.  ω6}.  ω4.  ω2.      ‐ 163 ‐  .  gde  je  ωi  elementarni  događaj  ‐  kocka  je  pala. Usvajanje osnovnih osobina verovatnoće da bi se olakšalo  razumevanje statistike i drugih disciplina u kojima se pojavljuje  verovatnoća.1. Elementarne događaje ćemo označavati sa  ω.  EKSPERIMENTI SA SLUČAJNIM ISHODIMA. a skup svih  njih u nekom eksperimentu ćemo označavati sa Ω.  rezultat  nekog  eksperimenta.  svaki  od  mogućih  ishoda  u  tom  eksperimentu  se  naziva  elementarni događaj.

  Na primer „ pri bacanju novčića padne pismo ili glava”.  • Nemoguć  događaj  je  onaj  događaj  koji  se  nikad  ne  realizuje. Suprotan.  Obeležavamo ga kao prazan skup  φ .  To  znači  da  je  događaj  A  podskup  događaja  B.  Događaj „prilikom  bacanja  kocke  pojavila  se  dvojka”  implicira  događaj  „prilikom  bacanja  kocke  pojavio se paran broj”.  i  da  se  događaj  B  realizuje  uvek  kada  se  realizuje  događaj  A.    ‐ 164 ‐  . Takav je skup  Ω   koji  sadrži  sve  moguće  elementarne  događaje  u  datom  eksperimentu. ( φ ⊂ Ω )  Na  primer  „  pri  bacanju  kocke  sa  obeleženim  stranicama  od  1  do  6  da  padne osmica”. koji nas interesuju u nekom eksperimentu. Ta klasa događaja mora ispuniti određena pravila.    Sve događaje.   • Ako  A⊂B. a između  događaja u toj klasi mogu se posmatrati određene relacije i operacije.  kažemo  da  realizacija  događaja  A  povlači  realizaciju  događaja B.  Događaj  „pri  bacanju  kocke  pao  je  paran  broj”  suprotan  događaj  je  „pao je neparan broj”. odnosno kažemo da događaj A povlači (implicira) događaj  B.    •   Svakom događaju A može da se pridruži suprotan ili komplementaran  događaj Ac koji se realizuje ako i samo ako se A ne realizuje (skupovno  Ac=Ω\A).    •     Razlika dva događaja A i B u oznaci A\B je događaj koji se realizuje ako  se realizuje događaj A a da se pri tome ne realizuje događaj B. ćemo svrstati u jednu  klasu F događaja.  Događaj  A se  realizuje  pri  eksperimentu  ako  i samo  ako  se  realizuje  jedan  od  elementarnih događaja ω koji se u njemu sadrže. komplementaran događaj događaju A je specijalan  slučaj  razlike  prostora  elementarnih  događaja  Ω   i  događaja  A.  • Siguran ili izvestan događaj je onaj koji se uvek realizuje.

....•     Proizvod ili presek događaja A i B je događaj u oznaci A∩B ili AB...  pri  bacanju  kocke  presek  (proizvod)  događaja  „pao  je  paran  broj”  i  događaja  „pao  je  broj  deljiv  sa  tri”  je  događaj  „pala  je  šestica”. Na primer... i=1. onda je  ∪ A i =  ∑ A i .. je događaj koji se realizuje  ako i samo ako se realizuje bar jedan od događaja A i B.n  AiAj=∅. uzajamno se isključuju ako je A∩B=∅.  Uobičajeno  je  da  se  unija disjunktnih događaja označava sa A+B. Na primer. An u oznaci:  ∩ Ai .   i= 1 i =1     ‐ 165 ‐  ..  i=1.  a  i =1 n i= 1 ∪ A i  se realizuje ako se realizuje bar jedan Ai.  Dva  događaja A i B su disjunktna.n. koji se  realizuje ako i samo ako se realizuju i događaj A i događaj B.. ∪ A i .  ∩ A i   je  događaj  koji  se  realizuje  ako  se  svaki  Ai.n  realizuje..  ∩     Unija ili zbir događaja A i B.j=1. pri  bacanju  kocke  unija  događaja  „pao  je  paran  broj”  i  događaja  „pao  je  broj  veći  od  dva”  je  događaj  „nije  pala  dvojka”. u oznaci A∪B.  •       Definicija  preseka  i  unije  se  može  prirodno  proširiti  na  konačno  mnogo  događaja A1.  n n Ako su za i≠j  i.   i =1 i =1 n n n Dakle.....

 preseka i unije budu u F.    U teoriji verovatnoće se definišu prebrojivi preseci i unije na sledeći način:    i =1   Kako su relacija  ⊂ i operacije  ∩.    U teoriji verovatnoće se zahteva da klasa F koju posmatramo čini     σ‐ algebru. ω ∈ A k }. ∪ A i = {ω ∃k ∈ N.  Slučajni  događaji  imaju  sledeću  karakteristiku:  u  jednom  eksperimentu  koji  se  ponavlja  n ‐  puta  događaj  A  se  realizuje  m ‐  puta.  pri  bacanju  dve  kocke.  i =1 ∞ ∞ m   u  n ‐  opita  i  obeležava  se  sa  P(A).  P( A) =   Na  primer. ako sve ovo nije onda zbog zakona fizike će  veću verovatnoću imati one strane koje su udljenije od težišta i neću sva stanja  biti jednako verovatna!    Ako  posmatramo  bilo  koji  događaj  A  (može  i  napred  opisan)  i  ako  je  eksperiment  o  kome  se  ovaj  događaj  odigrava  ponavljamo  i  pritom  beležimo  broj  ponavljanja  n  i  broj  odigravanja  nešeg  događaja  n(A)  i  ako  posmatramo    ‐ 166 ‐  .   n verovatnoća da se realizuje događaj A. tj.  ∪.  Ovako definisana klasa F se zove polje događaja. ω ∈ A k }. kao i da  Ω∈F.  n m .  Relativna  učestalost  događaja  A. prema broju svih jednako mogućih događaja  n .  statistička  verovatnoća  događaja  je  broj  ∩ A i = {ω ∀k ∈ N.  36   U predhodnom primeru smo očigledno predpostavili da je svaka mogućnost pri  bacanju kocke jednako verovatna!  Da li je uvek zaista tako? Kada jeste.2. da operacije komplementa.  verovatnoća  realizacije  događaja  A  „zbir  brojeva na kockama je 8“ je. je odnos broja povoljnih elementarnih  događaja  m . a kada nije?  Jeste  ako  je  kocka  napravljena  od  potpuno  homogenog  materijala  i  ako  joj  je  stvarno  fizičko  težište  poklopljeno  sa  geometrijskim  težištem!  Dakle  ako  je  i  idealno geometrijski napravljeno.  P( A) = 5 .  Dakle. POJAM VEROVATONOĆE    Teorija  verovatnoće  se  bavi  slučajnim  događajem.    8. C među događajima odgovarajuće  relacije  među  skupovima.  to  se  poznate  veze  koje  imamo  među  skupovima  mogu interpretirati na događaje.

  disjunktni  događaji.). Taj broj  se može smatrati za verovatnoću našeg događaja A.  5) Kako je  A ∪ B = A + A B  i  B = A B + A B .  4) Sledi iz prethodne osobine i A⊆Ω. Verovatnoća P(x) ima sledeće osobine:  1) P(∅)=0  2) P( A ) = 1 − P( A )   3) Ako je A⊆B onda je P(A)≤P(B)  4) Za svako A∈F..  A2.. P(A)≤1  5) Za ∀A.  ako  je  Ai∩Aj=∅.  Polazne  verovatnoće  su  obično  dobijene na tri načina:  ⎛ ⎞ P⎝ ∑ A i ⎠ = ∑ P( A i ). Verovatnoća P(x) je funkcija koja događaje iz polja F preslikava u  realne brojeve sa sledećim osobinama:  1) nenegativnost: za  ∀A ∈ F   P( A ) ≥ 0   2) normiranost: P(Ω)=1  3) aditivnost:  Ako  su  A1. to je  P( A ∪ B) = P( A ) + P( AB)  i   P( B) = P( AB) + P( AB) .. dobijamo traženu jednakost.  3) Ako je A⊆B onda je  B = A + A B  pa je  P( B ) = P( A ) + P( AB ) . do polazne funkcije P(. primetićemo da se ovaj odnos (relativna učestanost odigravanja  našeg  događaja)  pozicionira  prvo  na  prvoj  decimali  pa  potom  na  drugoj.B∈F.  odnosno zbog nenegativnosti sledi P(B)≥P(A).  Odnosno da ovaj odnos teži nekom fiksiranom broju koji nije slucajan. Teorija verovatnoće se bavi  problemom  dobijanja  novih  verovatnoća.  2) Sledi iz  A + A = Ω. tada je    ‐ 167 ‐  .  P(A∪B)=P(A)+P(B)‐P(AB)  6)   Dokaz:  1)  Kako  je  A=A∪∅  na  osnovu  aditivnosti  P(A)=P(A)+P(∅).    Ipak ovaj način dobijanja verovatnoća (statističke verovatnoće) i pored toga što  je najtacniji nije uvek moguć  iz razumnjivih razloga. normiranosti i aditivnosti.  Važno je napomenuti da je za teoriju verovatnoće nebitno  kako  smo došli do  polaznih verovatnoća. pa  odnos n(A)/n.   i≠j.eliminišući  P( A B )  iz ove dve. normirana i aditivna:  Definicija 1.   i i Stav 1. tj...  pa je P(∅)=0.    U  matematici  se  verovatnoća  uvodi  aksiomatski.  tj.  zapravo  to  je  funkcija  definisana nad događajima koja je nenegativna.

  skoro  izvestan  i  skoro  nemoguć  događaj  se  definišu  preko  verovatnoće za razliku od izvesnog i nemogućeg događaja koji su nezavisni od  pojma verovatnoće. ako je P(A)=1 to ne znači da je A=Ω! Isto  tako.    8. NEZAVISNOST    Teorija  verovatnoće  daje  pravila  kako  se. USLOVNE VEROVATNOĆE. pri kome se realizuje događaj A.  nA – broj realizacija događaja A  nB – broj realizacija događaja B  nAB – broj realizacija događaja AB  n‐broj eksperimenata    ‐ 168 ‐  .  za  događaj  B  za  koji  je  P(B)=0  kažemo  da  je  skoro  nemoguć  događaj.  Statistički.• Klasična  definicija  verovatnoće  da  se  realizuje  očekivani  događaj  je.    Prema  tome.  polazeći  od  verovanoće  nekih  događaja  nalaze  verovatnoće  drugih  događaja.    Napomena: Za događaj A kod koga je P(A)=1 kažemo da je skoro izvestan ili da  se realizuje sa verovatnoćom 1. ako se realizovao događaj A. 29. iz P(B)=0 ne sledi B=∅.  n • • Geometrijskim  putem.  odnos  broja  povoljnih  elementarnih  događaja  prema  broju  svih  jednako mogućih elementarnih događaja P(A)= m .3. zove se uslovna (vezana) verovatnoća  događaja B u odnosu na događaj A i obeležava se sa P(B/A). Dakle.  Dakle.  Verovatnoća  realizacije  događaja B.  kao  odnos  površina  (zapremine  ili  dužine)  povoljnih i mogućih za realizaciju nekog događaja.    n AB n AB = n   nA nA n       sl.  kao  graničnu  vrednost  relativne  učestanosti  n(A)  i  broja  eksperimenata n.

 događaj B je nezavisan  od događaja A ako je              P( B) = P( B A ) .    Ako  je  verovatnoća  da  će  se  realizovati  događaj  A.  P( A B ) = P(A|B)= P (AB)   P( B)   ‐ 169 ‐  . verovatnoća  realizacije  jednog  događaja  ne  zavisi  od  verovatnoće  realizacije  drugog  događaja.  P(A)=p. ako se zna da je zbir paran broj?    Događaj A: zbir je 6.P( B A ) = Na sličan način dobijamo  P( AB) . Naime.  P( B A ) = P( B) P( A ) P( B A )   odnosno dobijamo  P( A ) = P( A B) . iz uslova  P( AB) P( AB) P( A B )  .     Dakle. Pri bacanju dve kocke posmatramo zbir brojeva koji se pojavljuje na   njima. P(A)>0.  što  zajedno  očigledno daje sledeću definiciju:    Definicija 2.  P( A ) P( A B ) .     Nezavisnost događaja A od događaja B se definiše analogno. Kolika je verovatnoća da je zbir 6.  P( A ) = .  onda  je  i  A  nezavisan  od  B.    Primeri sa rešenjima:    2.  ako  je  B  nezavisan  od  A. Dakle.  Događaj B: zbir je paran broj.  prirodno  je  reći  da  verovatnoća događaja B ne zavisi od događaja A.   P( A ) = .  onda  verovatnoća  da  će  se  isti  događaj  realizovati  n  puta  je  pn. Događaji A i B su nezavisni ako je P(AB)=P(A)⋅P(B).  Za  izračunavanje  uslovne  verovatnoće može se koristiti i formula klasične verovatnoće.  Ako  su  te  verovatnoće  iste.  P( B ) U vezi sa pomenutim verovatnoćama važno je i sledeće pitanje: Kakav je odnos  verovatnoća  P(B)  i  P( B A ) .

P(AB)=

5 18 1 =    ; P(B)= 36 36 2 5 5 P(A|B)= 36 =   1 18 2
5   18

Ili  preko  klasične  verovatnoće  pod  pretpostavkom  da  se  uslov  uzme  prilikom  određivanja broja povoljnih i mogućih slučajeva:  P(A|B)=

3.  U  kutiji  se  nalazi  pet  belih  i  tri  crne  kuglice.  Dva  puta  se  iz  kutije  vrši  izvlačenje  bez  vraćanja.  Kolika  je  verovatnoća  da  će  se  drugi  put  izvući  bela  kuglia (crna kuglica), ako je u prvom izvlačenju izvučena bela kuglica.   Događaj A1: u prvom izvlačenju izvučena bela kuglica  Događaj A2: u drugom izvlačenju izvučena bela kuglica  Događaj B: u drugom izvlačenju izvučena crna kuglica  P(A2|A1)=

P(A1 A 2 )   P( A1 )

1 1 C5 ⋅ C4 5 ⋅ 4 5 5 =  ; P(A1)=   P(A1A2)= 1 1 = C8 ⋅ C7 8 ⋅ 7 14 8 5 4 P(A2|A1)= 14 =   5 7 8 3 P(B|A1)=1‐P(A2|A1)=    7

I ovaj problem se lako rešava klasičnom verovatnoćom.  Događaj A: drugi put je izvućena bela kuglica.  Događaj C: drugi put je izvučena crna kuglica.  Nakon prvog izvlačenja u kutii je ostalo 4 bele i 3 crne kuglice.  P(A)=

4 3 ; P(C)=   7 7

4. Iz špila od 32 karte slučajno se izvlači jedna karta. Neka je A događaj da je  izvučena karta pik i B događaj da je izvučena kara dama. Da li su događaji A i B  nezavisni?  P(AB)=

1 1 1 ; P(A)= ; P(B)=   32 4 8
  ‐ 170 ‐ 

Prema tome P(AB)=P(A)P(B), što znači da su događaji A i B nezavisni u smislu  teorije verovatnoće.      Napomena:  Nezavisnost  više  od  dva  događaja,  npr.  događaji  A1,...,  An  se  definiše na sledeći način:    Događaji A1,..., An su nezavisni ako je za svakih k događaja 2≤k≤n, odnosno za  svaki niz s1<s2<...<sn brojeva 1,..., n, 

P A s1 A s2 ... A sk = PA s1 ... PA sk . 
(Nezavisnost  u  parovima  P(AiAj)=P(Ai)P(Aj)    i≠j    i,j=1,2,...,  n  nije  dovoljna  za  nezavisnost u celini.) To se vidi iz sledećeg primera:    Neka su tri strane tetraedar obojene plavo, belo, crveno respektivno a četvrta  strana i plavo, i belo i crveno. Ako bacamo tetraedar I konstatujemo stranu na  koju je pao tetraedar (ona koja se ne vidi), imamo 3 mogućnosti:  B pao je na belu  C pao je na crvenu  P  pao  je  na  plavu  (ako  je  pao  na  stranu  koja  je  obojena  sa  sve  tri  boje  tada  imamo situaciju da je ispunjena svaka od ovih mogućnosti.)    Ako  su  sve  mogućnosti  jednako  verovatne  tada  je  očigledno  P(B)=1/2,  P(C)=1/2, P(P)=1/2    Pritom  je  očigledno  P(BCP)=1/4≠P(B)*P(C)*P(P)=1/8,  mada  nezavisnost  u  parovima postoji P(BC)=P(B)*P(C), P(CP)=P(C)*P(P), P(BP)=P(B)*P(P).      8.4. FORMULA TOTALNE VEROVATNOĆE I BAJESOVA FORMULA     Definicija 3. Za događaje A1, A2,..., An koji su uzajamno disjunktni, tj. AiAj=∅    i≠j  i,j=1,..., n, kažemo da čine razbijanje sigurnog događaja  ako je 
i =1

(

)

∑ A i = Ω.  

n

  Teorema 1. Ako događaji A1,..., An čine razbijanje sigurnog događaja i P(Ai)>0   i=1,...,n, tada je za ∀B∈F 

P( B ) = ∑ P( A i ) ⋅ P B A i . 
i =1

n

(

)

 

  ‐ 171 ‐ 

Dokaz:  

sl. 30. 
n n n i =1

 

Iz  ∑ A i = Ω  sledi  B = ∑ BA i , pa je  P( B ) = ∑ P BA i , primenom pravila za  množenje  P BA i = P A i ⋅ P B A i , odnosno dobijamo traženu formulu         

(

)

( ) (

i =1

)

i =1

(

)

P( B ) = ∑ P( A i ) ⋅ P B A i . 
i =1

n

(

)

    Formula je poznata kao formula totalne (ili potpune) verovatnoće.     Primer sa rešenjem:    5.  U  jednoj  kutiji  se  nalazi  pet  belih  i  dve  crvene  kuglice.  Prvo  se  izvlače  dve  kuglice  bez  vraćanja,  a  zatim  treća.  Kolika  je  verovatnoća  da  je  treća  kuglica  crvena?  Događaj A: treća kuglica je crvena.  Događaj Bi(i=1,2,3): broj crvenih kuglica ispred izvlačenja treće kuglice je i‐1.   Događaj Ci(i=1,2,3): u i‐tom izvlačenju izvučena je crvena kuglica.  B1=C1C2  P(B1)=P(C1C2)=P(C2|C1)P(C1)=

1 2 1 ⋅ =   6 7 21

B2= C1 C 2 ∪ C1C 2     P(B2)=P( C1 C 2 ) + P (C1C 2 ) = P (C 2 | C 1 ) P (C1 ) + P C 2 | C 1 P C1  

(

)( )

=

5 2 2 5 20 10 ⋅ + ⋅ = =   6 7 6 7 42 21 B3 = C1 C 2  

 

P(B3)= P C 1 C 2 = P C 2 | C1 P C 1 =

(

) (

)( )

4 5 10 ⋅ =   6 7 21

  ‐ 172 ‐ 

P(A|B1)=0; P(A|B2)= ; P(A|B3)=

1 5

2   5
1 1 10 2 10 3 ⋅ 10 2 + ⋅ + ⋅ = =   21 5 21 5 21 5 ⋅ 21 7

Na osnovu teoreme potpune verovatnoće 

P ( A) = ∑ P ( A \ Bi )P (Bi ) = 0 ⋅
i =1

3

  6. U dvema kutijama se nalaze kuglice. Prva sadrži tri crvene i četiti bele  kuglice. Druga sadrži 6 crvenih i 2 bele kuglice. Kolika je verovatnoća da će se  izvući bela kuglica iz nasumice izabrane kutije?     Događaj B: kuglica je bele boje.  Događaj Ai(i=1,2): kuglica je iz i‐ te kutije.  P(B|A1)=

4 2 1 1 ; P(B|A2)= ; P(A1)= ; P(A2)= ;  7 8 2 2

Na osnovu teoreme poptune verovatnoće   

P (B ) = ∑ P ( Ai )P (B / Ai ) =
i =1

2

1 4 1 2 23   ⋅ + ⋅ = 2 7 2 8 56

    Ako su A1,...,An hipoteze za realizaciju događaja B, kolika je verovatnoća da su  Ai  izazvale  događaj  B?  Odgovor  na  ovo  pitanje  daje  sledeća  formula  koja  se  zove Bajesova formula (formula verovatnoće hipoteza).     Teorema 2. Ako se događaji A1,A2,...,An uzajamno isključuju,  

P( Ai ) > 0, i = 1, 2,...n  i ako je  ∑ Ai = Ω,  
i =1

n

a B je događaj iz skupa elementarnih događaja, tada važi:  P( Ai | B) =     P( Ai ) ⋅ P(B Ai ) Ai‐ uzajamno isključivi događaji  i = 1,2,..., n P( Ai B ) = n P(Ai)>0  P(A ) ⋅ P(B A )


j =1

j

j

   

∑A
i =1

n

i

=Ω 

B je događaj iz skupa elementarnih  događaja 

  ‐ 173 ‐ 

Dokaz:                 Iz  P( A i B) = P( A i ) ⋅ P( B A i ) = P( B) ⋅ P( A i B)  imamo 
P( A i B ) = P( A i ) ⋅ P B A i P( B )

(

i kad P(B) izračunamo prema prethodnoj teoremi dobijamo traženu formulu.    Primer sa rešenjem:    7. Pretpostavlja se da 5% muškaraca i 0,25% žena boluje od daltonizma. Grupa  je  formirana  od  20  žena  i  5  muškaraca.  Izabere  se  jedna  osoba.  Kolika  je  verovatnoća  da  je  izabrana  osoba  ženskog  pola  ako  se  zna  da  boluje  od  daltonizma?  Događaj B: izabrana osoba boluje od daltonizma.  Događaj Ai (i=1,2): izabrana osoba je muškog, ženskog pola, respektivno.  Kako je  P(B|A1)= To je   P(B)= P ( A1 ) P ( B | A1 ) + P ( A2 ) P ( B | A2 ) = Iz baesove formule   P(A2|B)=

5 25 1 4 ; P(B|A2)= ;    P(A1)= ;     P(A2)= ;     100 10000 5 5 1 5 4 25 3 * + * = ;       5 100 5 10000 250

P ( A2 ) P ( B | A2 ) 1 = ;       P ( A1 ) P ( B | A1 ) + P ( A2 ) P ( B | A2 ) 6

Analogno dobiljamo P(A1|B)=     8. U dve kutije nalaze se kuglice. Prva sadrži dve crvene i četiri bele, druga čest  crvenih  i  dve  bele.  Izvlači  se  jedna  kuglica  iz  slučajno  izabrane  kutije.  Ona  je  bela. Kolika je verovatnoća da je iz prve kutije?  Događaj B: kuglica je bele boje.  Događaj Ai(i=1,2): kuglica je iz i‐te kutije 

5 6

4 2 1 1 ;     P(B|A2)= ;     P(A1)= ;     P(A2)= ;       7 8 2 2 P( A1 ) P(B / A1 ) 16 = ;       P(A1|B)= P( A1 )P(B / A1 ) + P( A2 )P(B / A2 ) 23
P(B|A1)=        

  ‐ 174 ‐ 

    ‐ 175 ‐  . Neka je (Ω. Ω 2 . pa X (R)=Ω.. SLUČAJNE PROMENLJIVE    Da  bi  se  izbegla  obaveza  poznavanja  svakog  eksperimenta  za  koji  se  vezuju  verovatnoće.F.    ‐1 Očigledno je P(R)=1 jer je X(Ω)=R. Slučajna promenljiva X=x(ω)  je  funkcija  koja  skup  Ω  preslikava  u  skup  realnih  brojeva  R  i  za  koju  je  {ω⎟  X(ω)<x}∈F  za ∀x∈R.    Definicija 4.  Neka  se  na  primer  eksperiment  sastoji  iz  bacanja  kocke.  Slučajna  promenljiva  X  koja  skup  Ω   preslikava  u  prebrojiv  podskup skupa realnih brojeva (konačan ili beskonačan niz) naziva se slučajna  promenljiva diskretnog tipa.  uobičajeno  je  da  se  pojam  verovatnoće  vezuje  za  pojam  koji  svi  poznaju i koriste – za realne brojeve.  Skup  svih  elementarnih događaja je  Ω1 .5.  odnosno  podskupovima  realnih  brojeva.      Slučajnom  promenljivom  mi  realnim  brojevima.  Na ovaj način smo sve "različite" skupove  Ω "zamenili" sa realnim brojevima.    Definicija  5.P) prostor verovatnoća.. Jednodimenzionalne slučajne promenljive    Slučajna promenljiva je funkcija definisana nad skupom elementarih događaja  čije  vrednosti  određuju  numerički  podaci  korenspondirani  slučajnim  događajima.  ako  je  S⊆R    P(S)=P(ω⎟  X(ω)∈S)=P(X‐1(S))      sl.1.8.  Posmatraćemo dva tipa slučajnih promenljivih: slučajne promenljive diskretnog  tipa i slučajne promenljive neprekidnog tipa. verovatnoće posmatramo na skupu realnih brojeva.  dodeljujemo  verovatnoće:  Naime.  tj.Ω 6 . Na ovaj način račun sa verovatnoćama je  znatno olakšan    8. 31.5..

   (U slučaju  da  prebrojiv  skup  vrednosti  slučajne  promenljive  X  nije  konačan  niz  već  beskonačan niz.Dakle..  Funkcija ϕ se zove gustina raspodele verovatnoća slučajne promenljive X. Slučajna promenljiva X je neprekidnog tipa ako postoji funkcija  ϕ.Y)  dvodimenzionalna  slučajna promenljiva.+p(xn)=1. x2..  T  i  C  slučajne  promenljive. xn ⎞ ⎛ x1 X: ⎜ ⎟  ⎝ p( x1 ) p( x2 ) .  tada  imamo  da  su  V..5.  Ako  su  X=X(ω)  i  Y=Y(ω)  dve  slučajne  promenljive  definisane  nad  istim  skupom  Ω  mogućih  ishoda. .  proste  slučajne  promenljive u konačnom:  {x1.      ‐ 176 ‐  .  Ako  posmatramo  samo  visinu  i  težinu.  težinu  T  i  broj  cipela  C.  −∞ ∫   8.. Najčešće to zapisujemo:  x2 .  x∈R takva da je za svako a. . Jasno je da pri tome mora biti p(x1)+p(x2)+. Za svaku realnu vrednost xi možemo  naći  odgovarajuću  verovatnoću  i  kada  su  te  verovatnoće  zadate  možemo  konstatovati da je ona u potpunosti data.b∈R  a<b (mogu biti i beskonačni)  P( X ∈ ( a .  a  ako  ih  posmatramo  zajedno  kao  uređenu  trojku  imamo  trodimenzionalnu  slučajnu  promenljivu. .  slučajne  promenljive  diskretnog  tipa  uzimaju  vrednosti  u  prebrojivom  (konačnom  ili  beskonačnom)  skupu  realnih  brojeva  (npr. Višedimenzionalne slučajne promenljive    Ponekad smo u situaciji da nas u okviru jednog istog eksperimenta interesuje  više  karakteristika  vezanih  za  ishod  eksperimenta.  tada  imamo  dvodimenzionalnu slučajnu promenljivu. .2.  i=1 i ∞   Definicija 6.  tada  je  uređeni  par  (X. tada red  ∑ p( x )  mora konvergirati ka 1).  Na  primer. p( xn ) ⎠ i  reći  ćemo  da  je  slučajna  promenljiva  X  zadata  zakonom  raspodele  verovatnoća..  ako  regrutna  komisija  slučajno  bira  jednog  regruta  i  registruje  njegovu  visinu  V. .  Definicija  7.  +∞ b a Iz definicije sledi da je  ϕ( x) dx = 1. xn}). b) ) = ∫ ϕ( x) dx .

 .    i obično se zadaje tabelarno:    x2  . .. .y1)  p(x2. 33. . .  xn  . takav da je    P{(X.Y)  je  diskretnog  tipa  ako  postoji  prebrojiv  skup  tačaka  u  ravni  RX.  I  ove  višedimenzionalne  slučajne  promenljive  mogu  biti  diskretnog  i  neprekidnog  tipa. . .    Na analogan način se mogu definisati i trodimenzionalne. ..2..  . . . .  p(xn.  .y1)  p(y1)  y2    p(x1. .. . ..  Ym    p(x1.  X  x1  Y            y1    p(x1. .y2)  p(y2)  .y1)  .Y)∈RX.    p(x1)  p(x2)  .  i.yj). . y ) = 1.  p(xn. .  sl..}.  p(xn)  1    Jasno.y2)  . .j=1..ym)  p(x2. .ym)  . .  .  p(xn. . . .  .ym)  p(ym)  ...    . .y2)  p(x2.  Ovde  ćemo  opisati  samo  slučajne  promenljive  diskretnog  tipa:    (X.              n‐dimenzionalne slučajne promenljive.  i. pri tome mora biti        ∑ p( x . .j i j   ‐ 177 ‐  .    Zakon raspodele verovatnoća za pojedine tačke određuje se na isti način kao i  za jednodimenzionalnu slučajnu promenljivu    p(xi..j=1.Y}=1.yj)=P{ω⏐X(ω)=xi ∧ Y(ω)=yj}  i. .Y={(xi.

  pretpostavljajući  da  je  Y  uzela  neku  vrednost  yj  tada  se  dobija  uslovna  raspodela verovatnoće za X pod uslovom Y=yj i tada imamo     p xi ( y j = P X = xi (Y = y j = ( ) { } p ( xi ... y ) p ( x ..2. y j p( x i ) ( )        j=1.ym)   odnosno  q(yj)=P{Y=yj}=p(x1.m  Dakle da pojasnimo ako želimo raspodelu slučajne promenljive X pod uslovom  da je slučajna promenljiva Y uzela naprimer vrednost y2   ...  mi  tada  možemo  izvršiti  odgovarajuće  sabiranje  po  vrstama  i  dobijamo  raspodelu  za  Y.2.  tada  imamo:  p y j xi = P Y = y j X = xi = ( ) { } p xi .yj)+p(x2.    p(xi)=P{X=xi}=p(xi..y2)    p(xn.y1)+p(xi.  recimo  X.y2)  p(y2)    Da  bih  u  ovoj  vrsti  imali  raspodelu  verovatnoća  za  slučajno  promenljivu  X  to  ćemo očigledno celu vrstu morati da podelimo sa njenim zbirom p(y2) (uz uslov  da je ta vrednost različita od 0). Marginalne i uslovne raspodele    Ako  nam  je  data  dvodimenzionalna  slučajna  promenljiva  (X.. y2 ) ⎟   2 1 2 2 2 ⎜ .y2)  p(x2.. y ) p ( xn . Xn ⎛ ⎞ ⎟ Tako dobijamo  X | Y = y : ⎜ p ( x ...    ‐ 178 ‐  . y j ) p( yj )        i=1.5.yj)    Ukoliko  nas  interesuje  raspodela  jedne  slučajne  promenljive...n    Slično. ⎜ p ( y2 ) p ( y2 ) p ( y2 ) ⎟ ⎝ ⎠ Na sličan način se dobijaju raspodele Y|X= xi ..  Ove  raspodele  se  nazivaju  marginalne  raspodele.  Dakle.  ako  hoćemo  uslovnu  raspodelu  za  Y  ako  je  X  uzelo  vrednost  xi.8.  odnosno  po  kolonama  i  dobijamo  raspodelu  za  X.yj)+.+p(xi.y2)+.3.yj) i ako nas interesuje raspodela verovatnoća samo za jednu  od  ove  dve  slučajne  promenljive.. ovu raspodelu ćemo  dobiti iz druge vrste predhodne dvodimenzionalne tabele jer se  y2   pojavjuje u  drugoj vrsti  x2    xn      x1  y2  p(x1.  X1 X 2 .+p(xn.Y)  sa  raspodelom  verovatnoća p(xi.

2.  Slučajne  promenljive  X  i  Y  su  nezavisne  ako su događaji  { X ∈ S1}  i  { Y ∈S 2 }  nezavisni za svako  S1 ..    Očigledno je kad saberemo vrednosti po vrstama marginalna raspodela za Y je:    ⎛0 1 3 ⎞ q( y): ⎜ ⎟  ⎝5 / 24 8 / 24 11 / 24⎠   a kad saberemo po kolonama dobijamo marginalnu raspodelu za X:    ⎛ 1 2 3 4 ⎞ p( x): ⎜ ⎟  ⎝5 / 24 7 / 24 8 / 24 4 / 24 ⎠ Uslovna raspodela X⏐Y=0 se dobija posmatrajući vrstu    X  1  2  3  4  q(0)  Y=0  1/24  1/24  1/24  1/12  5/24      ‐ 179 ‐  .   ( ) ( )   Primeri sa rešenjima:    8.. uslovnu raspodelu za X⏐Y=0 i za Y⏐X=2 i ispitati da  li su X i Y nezavisne.Y)  diskretnog  tipa  su  nezavisne  ako  i  samo  ako  je  p x i .S2 ⊆ R .  za  proizvoljne  S1 .. Slučajne  promenljive  (X.  Data  je  dvodimenzionalna  verovatnoća:  X  1  Y      0    1/24  1    1/24  3    1/8  slučajna  promenljiva  (X.5.S 2 ⊆ R . Nezavisnost slučajnih promenljivih    Za  dve  slučajne  promenljive  X  i  Y  možemo  vezati  događaje  { X ∈S1}   i  { Y ∈S2 } .Y)  raspodelom  2    1/24  1/12  1/6  3    1/24  1/6  1/8  4    1/12  1/24  1/24  q(y)  ↓ 5/24  8/24  11/2 4  1  p(x)  → 5/24  7/24  8/24  4/24    Naći marginalne raspodele.8. y j = p( x i ) q y j i = 1.4.

 Na isti način dobijamo  24 i ostale verovatnoće. 6. 2. 9. 0⋅3 i 0⋅4.  Slično kao i u jednodimenzionalnom slučaju i ovde se mogu posmatrati funkcije  slučajnih  promenljivih. na primer  p(x=1.Y)  raspodelom  p(xi.  9.Y)  (na  primer  Z=X+Y. 3.  Tako. 1. odnosno raspodelu    ‐ 180 ‐  ..y)  treba  odrediti  raspodelu  slučajne  promenljive  Z=f(X. 4..  ako  je  data  dvodimenzionalna  slučajna  promenljiva  (X. Naći raspodelu za slučajnu promenljivu a) X⋅Y.    a) X⋅Y uzima vrednosti 0.i deleći sa 5/24 dobijamo    1  2  3  4  X⏐Y=0    1/5  1/5  1/5  2/5    Analogno za Y⏐X=2  posmatramo kolonu    Y  X=2  0  1/24  1  1/12  3  1/6  p(2)  7/24    i deleći sa 7/24 dobijamo    0  1  3  Y⏐X=2    1/7  2/7  4/7    Ove slučajne promenljive nisu nezavisne jer.yj)  i  data  je  funkcija  dva  argumenta  f(x.. 0⋅2.  Z=X⋅Y. Situacija se može predstaviti sledećom skicom    sl. pa je verovatnoća broja 0 ‐  p( 0) = .). b) X+Y iz prethodnog primera. 12 i pri tome imamo da se 0 dobija kao  5 0⋅1. y=0)=1/24 ≠ 5/24 ⋅ 5/24. 34.

  n 1 +.0) + p( 2.3) = 24 pa je  2 3 4 5 6 7 ⎞ ⎛1 ⎟ ⎜ X + Y: ⎜ 1 1 1 9 5 1 1 ⎟ .  ⎝ 24 12 8 24 24 8 24⎠       8. 3.  nk  puta  dobija  xk. 4=0+4.  1 3 2 4 6 9 12 ⎞ ⎛0 ⎟ ⎜ Z = X ⋅ Y: ⎜ 5 1 1 7 1 1 1 1⎟  ⎝ 24 24 12 24 24 6 8 24⎠ b) X+Y uzima vrednosti 1.+n k xk n 1 = x1 +. 4=3+1 i 4=1+3 pa je  p(4) = p(40) + p(31) + p(13) = + + =   12 6 8 24 1 1 5 + = 5=1+4 i 5=3+2  p( 5) = p( 4.3) =   24 6 24 1 6=3+3  p( 6) = p( 3..5..1) + p( 2.0) = 24 1 1 1 + = 2=0+2 i 2=1+1 pa je  p( 2) = p( 2..  tada  je  srednja  vrednost  ove  "slučajne promenljive" pri ovom eksperimentu    n n 1x1 + n 2 x2 +.. 6. Ako uzmemo da smo izabrali prostu slučajnu  promenljivu sa vrednostima u tačkama x1.1) = 24 12 8 1 1 1 9 .0) + p(1. 2.. 4.. 7 i verovatnoće su:  1   Iz 1=0+1      p(1) = p(1.1) =   24 24 12 1 1 1 + =   3=0+3 i 3=1+2 pa je  p( 3) = p( 3. . xk i ako organizujemo eksperiment  u  kome  se  n1  put  dobija  x1.+n k n n   ‐ 181 ‐  .. Numeričke karakteristike slučajnih promenljivih    Prvo pitanje koje možemo postaviti vezano za slučajnu promenljivu je koja je ta  vrednost koja je "najočekivanija".5.. 5...... .+ k xk .3) =   8 1   7=4+3  p(7) = p(4..

Naravno..  tj.  ako  n  uvećavamo.      ‐ 182 ‐  . .  3) Ako je X≥Y onda je E(X)≥E(Y).  matematičko očekivanje ne mora obavezno da postoji. c2=const. onda je E(X)=c.  ako  red  apsolutno  konvergira  i  ne  zavisi  od  preuređenja  članova. .  2) Ako je X≥0 onda je E(X)≥0.      Osnovne osobine matematičkog očekivanja:    1) Ako je X=c=const. . onda je    E( X ) = ∫ x ⋅ ϕ( x) dx   −∞ +∞ i kaže se da E(X) postoji ako i samo ako postoji  +∞ −∞ ∫ x ⋅ ϕ( x) dx. tada je E(c1X+c2Y)=c1E(X)+c2E(Y).  tj. x k ⎞ ⎛ x1 X: ⎜ ⎟  ⎝ p( x1 ) p( x2 ) .  Ova srednja vrednost se zove matematičko očekivanje slučajne promenljive X.  tada  se  ni   grupiše  oko  određenog  broja  n (verovatnoće za xi) i dobijamo "srednju vrednost" za slučajnu promenljivu X sa  raspodelom  x2 .  matematičko  očekivanje  slučajne promenljive X je data formula ako i samo ako konvergira red  ∑ xi p( x i ) . c1=const.  4) Ako E(X) i E(Y) postoje. .+ x k p( x k ) .  pa  se  zahteva  da  gornji  red  i  apsolutno  konvergira.  Inače.    Proširenje na slučajne promenljive neprekidnog tipa vrši se na prirodan  način: ako je slučajna promenljiva X zadata sa gustinom raspodele ϕ(x).  5) E(X⋅Y)=E(X)⋅E(Y) ako su X i Y nezavisne slučajne promenljive. p( x k ) ⎠ EX = x1 p( x1 ) +.    Matematičko  očekivanje  se  može  interpretirati  i  kao  ulog  koji  lica  koja  igraju  neku kockarsku igru treba da uplate da bi igra bila "poštena"..  Ova definicija se proširuje i na proizvoljne slučajne promenljive diskretnog tipa:          E(X)=∑xi⋅p(xi)  Međutim.  ova  veličina  može  da  zavisi  od  promene  rasporeda  članova.

6... . Osoba A baca kocku i isplaćuje osobi B 1 dinar ako padne broj 1.  ⎟ 2⎠   12. + 6 ⋅ = = 3.. . Koliko treba osoba A da uplati  pre bacanja da bi igra bila poštena?    Osoba A treba da uplati 3. Kakvo je sada matematičko očekivanje?        ‐ 183 ‐  . Osoba A i osoba B bacaju novčić..  Koliko  je  matematičko  očekivanje dobitka u ovoj igri?    Slučajna promenljiva kojom može da se opiše ova igra je    ⎛1 X: ⎜ 1 ⎜ ⎝2 ..  osim toga.1⎞ 1 ⎟   i  E(X)=0.Primer sa rešenjem:    10... ako padne grb – osoba A plaća dinar osobi  B.  ako  padne  lik  –  osoba  B  plaća  osobi  A  dinar. 6 dinara ako padne broj 6. samo što isplaćuju jedna drugoj po 20  dinara.  Istu igru igraju osoba C i osoba D.. ⎟ 6 6⎠   1 1 1 21 E ( X ) = 1 ⋅ + 2 ⋅ + .5   6 6 6 6       8.5. 6⎞ 1 1⎟  .5 dinara ‐ onoliko koliko se "očekuje" da će dobiti a  to je upravo matematičko očekivanje slučajne promenljive X  ⎛1 X: ⎜ 1 ⎜ ⎝6 2 . Disperzija slučajne promenljive    Matematičko  očekivanje  je  "neka  srednja  vrednost"  za  slučajnu  promenljivu. ta vrednost nam ne govori mnogo o toj slučajnoj promenljivoj kao  što pokazuje sledeći primer:    Primeri sa rešenjima:    11. 2 dinara  ako padne broj 2.

 Odnosno.    Među  numeričke  karakteristike  neke  slučajne  promenljive  često  se  ubrajaju  i  momenti slučajne promenljive (momenti reda r):  m r = ∑ xir ⋅ p( xi )  ‐ u diskretnom slučaju  i =1 +∞ n mr = −∞ ∫x r ⋅ ϕ(x )dx ‐ u neprekidnom slučaju    ‐ 184 ‐  .  ⎟ 2⎠   Dakle.  4) Funkcija po c E(X‐c)2 ima minimum za c=EX (to je σ2(X)).Slučajna promenljiva koja opisuje ovu igru je    ⎛ 20 Y: ⎜ 1 ⎜ ⎝2 .  Međutim.    Osnovne osobine disperzije su:  1) σ2(X)≥0.  2) σ2(X)=0 ako i samo ako je X=c.  kako  nije  zgodno  raditi  sa  apsolutnim vrednostima. to se formira slučajna promenljiva  (X‐E(X))2  i njeno matematičko očekivanje se zove disperzija i označavaće se sa  σ2(X)=E((X‐E(X))2). bilo bi prirodno to  meriti  na  sledeći  način:  formirati  novu  slučajnu  promenljivu  X − E ( X )   i  naći  njeno  matematičko  očekivanje.  u  oba  slučaja  matematičko  očekivanje  je  0.  To  merimo pomoću disperzije slučajne promenljive.  Šta  je  različito?  Šta  matematičko  očekivanje  nije  "izmerilo"?  Očigledno.    Napomena: U primeru 10 je σ2(X)=1.    Posle lakog računa izlazi  σ2(X)=E(X2)‐(E(X))2. σ2(Y)=400.    Pozitivna vrednost iz  σ2 ( X )  zove se standardna devijacija.  3) σ2(cX)=c2σ2(X)  c=const.  matematičko  očekivanje  nije  izmerilo  veličine  razlikovanja  slučajne  promenljive  od  samog  matematičkog  očekivanja.  5) σ2(X+Y)=σ2(X)+σ2(Y) ako su X i Y nezavisne slučajne promenljive.  ali  druga  igra  je  daleko  manje  "bezazlena"  od  prve.20⎞ 1 ⎟   i  E(Y)=0.

∫ ϕ( t ) dt .5.  i  mr  postoji  u  r i neprekidnom slučaju ako  −∞ ∫ x ϕ(x )dx  postoji).    2) F(‐∞)=0 i F(+∞)=1.      3) Za proste slučajne promenljive F(x) je "stepenasta" funkcija. centralni momenti reda r se definišu na sledeći način:  Pri  tome  μ3  meri  asimetričnost  slučajne  promenljive  (u  slučaju  simetričnosti  neparni centralni momenti su jednaki nuli). Koeficijent asimetrije se definiše na  sledeći način:  μ r = E( X − E( X ) )   r ka = μ3   σ3 Merenje spljoštenosti slučajne promenljive se meri koeficijentom koji se zove  eksces:  ke =   μ4 − 3. Pri tome je m  ‐ matema‐tičko  r 1 očekivanje a disperzija je izražena sa  σ2(X)=m2‐m12  (ovo je tzv. tj. centralni moment drugog reda). x) . odnosno F'(x)=ϕ(x)  x   ‐ 185 ‐  .7.  Inače.    Iz same definicije proizilaze osnovne osobine ove funkcije:    1) Funkcija F(x) je neopadajuća.  σ4   8. x ∈ R . Funkcija raspodele slučajne promenljive    Zadavanjem  ove  funkcije  mi  najčešće  obezbeđujemo  bolji  pregled  raspodele  verovatnoća na čitavoj realnoj pravoj  F( x) = P( −∞.    4) Za neprekidne slučajne promenljive je  F( x) =   −∞ def . za x1<x2⇒F(x1)≤F(x2).(mr  postoji  u  diskretnom  slučaju  ako  +∞ ∑ x p( x )   postoji.

Primeri sa rešenjima:  13. 36.  ⎛ -1 1 ⎞ X: ⎜ 1 1⎟  ⎜ ⎟ ⎝2 2⎠     sl.                    ‐ 186 ‐  . pa dobijamo  −∞   ϕ ( x) = 1 2π e − x2 2 − 1                                 F( x) = e 2 dt   π 0 x ∫ t2   sl. 35.  tada  F( x) = ∫ ϕ( t ) dt .    14.  Ako  je  ϕ( x) = x   1 2π e − x2 2   gustina  raspodele  verovatnoća.

a) ⎪ ⎜1 − ⎟ ⎝ a⎠   f ( x) = ⎨ a ⎪ 0 x ∉ ( 0. Gustina raspodele ima oblik trougla    ⎧ ⎪ 0 ⎪ ⎪ 2x f ( x) = ⎨ ⎪ ab 2 ⎪ 2x ⎪ ab − b 2 + b − a ⎩ x> b i x< 0 0≤ x≤ a a≤ x≤ b   sl. 37.  ⎝2 ⎠   ‐ 187 ‐  .  Naći funkciju raspodele.a) ⎩ ⎛a ⎞ Naći funkciju raspodele F(x) i izračunati  P⎜ < X < a⎟ .  F(x)=0 za x<0  F( x) =   ∫ t2 2t dt = ab ab 0 x x x 0 = x2     x<a  ab F( x) = = 2 ⎞ 2t ⎞ x a2 a ⎛ t2 ⎛ 2t + + ⎜ + dt = + ⎜ ⎟ = ⎟ ab a ⎝ ab − b2 b − a ⎠ b ⎝ ab − b2 b − a ⎠ a ∫   a 2x 2a x a x −a x−a a + + − + = +2 + b ab − b2 b − a −ab + b2 b − a ab − b2 b−a b F(x)=1    x>b  b2 − a 2 a −( b − a )( b + a) a a−b−a +2+ = + +2= + 2 = 1  2 b b( a − b) b b ab − b 2 2 2 2 a≤ x≤ b   16.15.  Slučajna  promenljiva  X  ima  raspodelu  verovatnoća  (funkciju  gustine  raspodele)  ⎧2 ⎛ x⎞ x ∈ ( 0.

 nezavisno svaki put.x Kako je  F( x) = f ( t )dt  dobijamo:  ∫ 0 0 x< 0 ⎧ ⎪ x⎞ ⎪x ⎛ F( x) = ⎨ ⎜ 2 − ⎟ 0≤ x ≤ a  a⎠ 2⎝ ⎪ ⎪ 1 x> a ⎩ ⎛a ⎞ ⎛ a⎞ 1 P⎜ < X < a⎟ = F( a ) − F⎜ ⎟ =   ⎝2 ⎠ ⎝ 2⎠ 4       8...n..  Slučajna promenljiva sa binomnom raspodelom    Ako  je  verovatnoća  realizacije  događaja  A  pri  nekom  eksperimentu  p(A)=p  (p( A ) = q = 1 − p)  i ako se taj eksperiment u neizmenjenim uslovima ponavlja  n‐puta.  Pri  tome  se  mogu  izračunati  verovatnoće  svih  tih  brojeva  (to  su  verovatnoće da je se A pojavio odgovarajući broj puta) i na taj način dobijamo  sledeće brojeve    1 . k . tada možemo konstatovati koliko se puta u  tih  n  eksperimenata  događaj  A  pojavio.. n ⎞ ⎛ 0 ⎟ ⎜ ⎜ ⎛ n⎞ n ⎛ n⎞ n −1 ⎛ n⎞ k n− k ⎛ n⎞ n ⎟   ⎜ ⎟p ⎟ ⎜ ⎟p q ⎜ ⎟ pq ⎜ ⎜ 0⎟ q ⎝ n⎠ ⎠ ⎝ k⎠ ⎝ 1⎠ ⎝⎝ ⎠ ⎛ n⎞ Dakle.8.  Označava  se  sa  B(n.  Očigledno  je  da  su  vrednosti  toga  broja  0...1..p)  njena  raspodela. Slučajne promenljive koje se najčešće koriste        8.5.5.            ‐ 188 ‐  ..  Njeno  matematičko  očekivanje  je  E(Sn)=np  a  disperzija  σ2(Sn)=npq.  a  ona  sama  se  obično  označava  sa  Sn.1.8. ovde su verovatnoće povezane sa binomnim koeficijentima  ⎜ ⎟  i zato  ⎝ k⎠ se  ova  slučajna  promenljiva  zove  slučajna  promenljiva  sa  binomnom  raspodelom.

. Kolika je verovatnoća da će ga pogoditi  ne manje od 4 puta?    Raspodela je ponovo binomna sa p=0..6.. .  q2p.. Kolika je verovatnoća da će 100 strelaca nezavisno pucajući jedan od  drugog istovremeno na avion  a) tačno 4 puta pogoditi avion.    Verovatnoća  da  će  strelac  puškom  pogoditi  avion  u  brišućem  letu  je  p=0. pri čemu je matematičko očekivanje      ‐ 189 ‐  .  Jedan  od  20  strelaca puca na neprijateljsko vozilo.6 ⎝ ⎠ k=4 20 ⎛ 20⎞ k ⋅ 0..  Slučajna  promenljiva  G  se  zove  slučajna  promenljiva  sa  geometrijskom raspodelom.  b) broj pogodaka nije veći od 4.001 ⋅ 0..001.001    q=0..  qn‐1p.  qp.. .8.. + P( S100 = 4) = ∑⎜ ⎝ ⎛ 100⎞ k 100− k   ⎟ ⋅ 0.6  q=0.    P(A)=0.5.  Pucanje  100  strelaca  može  se  shvatiti  kao  ponavljanje  eksperimenta 100 puta u neizmenjenim uslovima pa je prema tome  ⎛ 100⎞ a)  P( S 100 = 4) = ⎜ ⎟ ⋅ 0.999 k ⎠ k=0 4   18.  Očigledno  G  može  uzeti  vrednosti  1.  Neka  se  ogled  izvodi  do  prvog  pojavljivanja događaja A i neka je slučajna promenljiva G broj eksperimenata..2.2.n.420− k      8.4  n=20..    Verovatnoća  da  će  strelci  pogoditi  vozilo  u  pokretu  je  0.999..    Dakle:  p=       ∑ P{S k =4 20 20 = k} = ∑ ⎜ k ⎟ ⋅ 0.  a  pripadajuće  verovatnoće  su  p..001 ⋅ 0.999   ⎝ 4 ⎠ b) Broj pogodaka nije veći od 4 je  p = P( S100 = 0) + ..Primeri sa rešenjima:    17.  Slučajna promenljiva sa geometrijskom raspodelom    Neka je A događaj kao u prethodnom slučaju (sa verovatnoćom p se odigrava a  sa  verovatnoćom  q=1‐p  se  ne  odigrava).

1..1<10.3.8...  Slučajna promenljiva sa normalnom raspodelom    Ova  slučajna  promenljiva  je  jedna  od  najverovatnijih  i  "najčešćih"  u  primenama..001 n=100  np=0.14 p( S100 = 4) ≈ = 10 ≈ 0.  Neprekidnog  je  tipa  i  ima  normalnu  (Gausovu)  raspodelu  verovatnoća sa parametrima m i σ2 a njena gustina je     ‐ 190 ‐  .. se naziva slučajna promenljiva sa Puasonovom raspodelom. Slučajna promenljiva sa Puasonovom raspodelom    Slučajna promenljiva  S∞  koja uzima vrednosti 0.  n! gde je λ>0.999996  (dato tablicom).  a) primenjujemo Puasonovu aproksimaciju:    ⎛ n⎞ e −λ λk    k=0.E ( G ) = ∑ nq n −1 p = n =1 ∞ 1   p   a disperzija    σ 2 ( G ) = ∑ n 2 q n −1 p = n =1 ∞ 1− p p2 . Vrednosti joj se zadaju tabelarno.  P(S∞ = n) = e − λ      8..1 ⋅ 0. sa verovatnoćom   λk ..000004   4! 4!⋅ e b)  p ≈ 0.4.  E( S∞ ) = λ i σ 2 ( S∞ ) = λ .5.    Koristi se kao aproksimacija za slučajnu promenljivu sa binomnom raspodelom  kada je np ≤ 10 (i tada se stavlja da je λ=np)..   n→∞  p k = ⎜ ⎟ p k q n− k ≈ k! ⎝ k⎠ pa imamo  e −0..1.8.  Primer sa rešenjem:    Drugi način rešavanja primera 17: Kako je p=0..5.14 0.n..2.    8.

  Slučajna  promenljiva  X  je  raspoređena  po  normalnom  zakonu  sa  m=40  i  σ2=200.71) ≅ 0.1).    a=30.ϕ ( x) = 1 2πσ 2 ( x − m )2 2 e 2σ     Obeležavamo  njenu  raspodelu  sa  N(m.1) "standardizacijom" ove slučajne promenljive.  Njeno  matematičko  očekivanje  je  m  a  disperzija  joj  je  σ 2   (što  su  i  njene  karakteristike).75859 ⎝ 2⎠⎦ ⎣ ⎝ 2⎠     (Zbog neparnosti funkcije Φ i iz tablice III). m=40. uvođenjem smene    − x2 2 Z= X− m   σ koja ima raspodelu  N(0.  P( a ≤ X ≤ b) = P⎜ ≤ ≤ ⎝ σ σ σ ⎠   Primer sa rešenjem:    19. Na taj način je    ⎛ a − m X − m b − m⎞ ⎟ . Naći verovatnoću 30≤X≤80. σ 2 )  se  izračunavaju  isto  iz  tablica  za N(0. tj.  σ = 10 2  pa je     ⎛ 30 − 40⎞ ⎤ ⎡ ⎛ b − m⎞ ⎛ a − m⎞ ⎤ ⎡ ⎛ 80 − 40⎞ P(a ≤ X ≤ b) = ⎢Φ⎜ ⎟ − Φ⎜ ⎟ ⎥ = ⎢ Φ⎜ ⎟⎥ = ⎟ − Φ⎜ ⎝ σ ⎠ ⎦ ⎣ ⎝ 10 2 ⎠ ⎝ 10 2 ⎠ ⎦ ⎣ ⎝ σ ⎠ ⎡ ⎛ 4 ⎞ ⎛ 1 ⎞⎤ = ⎢ Φ⎜ ⎟ + Φ⎜ ⎟ ⎥ = Φ( 2.8) + Φ( 0.  Ovde je važno napomenuti da je    ‐ 191 ‐  .49744 + 0. σ 2 ).26115 = 0.  jer  funkcija  e   nema  primitivnu funkciju među elementarnim funkcijama.  Vrednosti  verovatnoća  za  ovu  slučajnu  promenljivu  se  zadaju  tabelarno. Vrednosti verovatnoća za  slučajnu  promenljivu  X  sa  raspodelom  N(m.  Standardizovani  oblik  normalne  raspodele  je  normalna  raspodela  N(0.1). b=80.

95  i P( m − 3σ ≤ X ≤ m + 3σ) ≈ 0.  tada je    x2 ⎛ S n − np ⎞ 1 − P⎜ e 2 . 38. kao što pokazuje sledeća  slika:    sl.67 P( m − 2σ ≤ X ≤ m + 2σ) ≈ 0. Ako je  σ  veći broj ona je "šira" a ako je σ manji broj ona je uža. tj.  odnosno  Φ(b)‐Φ(a)  data  je  sledećom  slikom    ‐ 192 ‐  .  Kriva  ϕ(x) se naziva Gausova kriva i ona je simetrična oko prave x=m.  Geometrijska  interpretacija  izraza  Φ(a).P( m − σ ≤ X ≤ m + σ) ≈ 0.5.  = x⎟ ≈ 2π npq ⎝ npq ⎠ odnosno  ⎛ ⎞ S − np P⎜ a ≤ n ≤ b ⎟ ≈ Φ( b) − Φ( a)   npq ⎝ ⎠ gde je Φ(x) ‐ Laplasova funkcija.   t 1 − Φ( x) = ∫ e 2 dt .  2π 0 x 2 Funkcija  Φ(x)  ima  sledeće  osobine:  Φ(0)=0.  Φ(‐x)=‐Φ(x).99 odakle  i  potiče  empirijsko  pravilo  "tri  sigme"  koje  se  pojavljuje  u  statistici:  "između m‐3σ i m+3σ su skoro svi elementi populacije".  Normalna  raspodela  se  koristi  i  kao  aproksimacija  za  izračunavanje  vrednosti  slučajne promenljive sa binomnom raspodelom na sledeći način: ako je np≥10.  Φ(+∞)=0.

  iz  tablice  III  očitavamo  broj  χ2n..  n n { }   ‐ 193 ‐  ...6 ⋅ 0. 39..80).Xn imamo k veza.49987 = 0.... date su tabelarno.. tj....3 dat je grafik te funkcije na slici 40).5.α  i  taj  broj  ustvari  je  veličina koju će slučajna promenljiva χ2n premašiti sa verovatnoćom α..    Drugi način za rešavanje primera 19:  ⎛ 4 − 12 ≤ p = P( 4 ≤ S 20 ≤ 20) = P⎜ 20 ⋅ 0.4 ⎠         8.    P χ 2 ≥ χ 2.65⎟ = 2 ⋅ Φ(3.sl..+X2n    neprekidnog  tipa  koja  zavisi  od  parametra  n  (n=1.Xn  nezavisne  i  svaka  sa  normalnom  raspodelom  N(0.  tj.6 ⋅ 0. Ako među slučajnim promenljivima X1..99974 20 ⋅ 0. tada se  broj stepeni slobode smanjuje za k..α = α ..2. tada je slučajna promenljiva  χ2n= X21+X22+.  Slučajna promenljiva sa χ2 raspodelom    Ako  su  slučajne  promenljive  X1.5.).1).  Te  verovatnoće  su  date  za  broj  stepeni slobode n=1.  α=0.    Obzirom  da  je  izraz  za  gustinu  raspodele  slučajne  promenljive  χ2  dosta  komplikovan (za n=1.6 ⋅ 0. tada bi imali  χ2n‐k= X21+.8.4 ≤ ⎞ ⎟≈ 20 ⋅ 0.  α=0. 0<α<1 (obično se zadaju za  α=0.  Raspodela  za  ovu  slučajnu  promenljivu  se  zove  χ2  raspodela  sa  n  stepeni  slobode. kao što smo napomenuli.  Ovaj  broj  stepeni  slobode  govori  koliko  međusobno  nezavisnih  slučajnih  promenljivih  ulazi u  χ2n.65 ≤ ⎝ S 20 − 12 S 20 − 12 20 ⋅ 0...4 ⎝ ⎛ ≈ P⎜ −3.  Ove vrednosti..30 i za dati broj  α..+X2n.2.05.6 ⋅ 0.4 ⎠ 20 − 12   ⎞ ≤ 3.65) = 2 ⋅ 0.. tj.. to se verovatnoće  vezane  za  χ2  raspodelu  zadate  tabelarno..01.

  pa  se  verovatnoće  zadaju  tabelarno.  I  ovde  je  izraz  za  gustinu  raspodele  dosta  komplikovan.8.5.  gde  je  0<α<1.α.sl.  zapravo  i  ovde  se  zadaju  brojevi  u  tablicama  tn.  2 • Parametri  χ ‐ raspodele su:    E ( χ 2 ) = n .      8. tada je  χ2n+χ2m=χ2n+m. 40.2n).  Slučajna promenljiva sa Studentovom raspodelom    Ako  su  X  sa  normalnom  raspodelom    N(0.  Ovo je prikazano i sledećom slikom (za naš broj n)    sl.  Napomenimo da ako su χ2n i χ2m nezavisne slučajne promenljive.α. tj. gde je α verovatnoća da će ⏐tn⏐ premašiti broj tn.1)  i  χ2n  nezavisne  slučajne  promenljive.    ‐ 194 ‐  . 41. σ 2 ( χ 2 ) = 2n   Za n>30 se obično uzima da je χ2n slučajna promenljiva sa približno normalnom  raspodelom  N(n. tada je slučajna promenljiva neprekidnog tipa data sa  tn = X χ2 + n n   naziva Studentova t‐raspodela sa n stepeni slobode.6.

7.01) za koje je  P Fn1 . σ 2 (t ) = n   n−2 Napomenimo da kad n→∞ ova slučajna promenljiva teži normalnoj (za n≥120  to  je  već  približno    N(0.  ili kako to izgleda na slici:  sl. tada se slučajna promenljiva  n n Fn1 .n 2 .n2  premašuje sa verovatnoćom α (slika 43).α   (najčešće za α=0. U tabelama se zadaju vrednosti  Fn1 .        ‐ 195 ‐  .α⎬=α.1)  a  može  se  uzeti  i  za  n>30  da  je  dosta  dobra  aproksimacija ove raspodele raspodela  N(0.05 i α=0.  y ‐ grafik funkcije gustine t‐raspodele.  Slučajna promenljiva sa Fišerovom raspodelom    Ako su slučajne promenljive  χ 21  i  χ 22  nezavisne.8.    8.n2 ≥ Fn1 .n2 .  •• Parametri Studentove raspodele su:    E (t ) = 0 . to je broj koji  Fn1 . 42. 43.P ⎨⏐tn⏐≥ tn.  Izraz  za  gustinu  je  i  ovde  komplikovan  ali  je  komplikovano  i  tabelarno  zadavanje zbog dva parametra n1 i n2.1)).  y ‐ grafik funkcije gustine Fišerove raspodele.n2 = χ 21 / n 1 n χ 22 / n 2 n   zove Fišerova sa n1 stepeni slobode u brojiocu i n2 stepeni slobode u imeniocu.5.  { } sl.α = α      Dakle.

y  =0  (obrnuto  ne  mora važiti).  (2)    Ako  su  X  i  Y  nezavisne  slučajne  promenljive. a stepen linearne zavisnosti dve slučajne promenljive X i Y meri  se koeficijentom linearne korelacije ρxy koji se izračunava na sledeći način:  ρx. pri tome je za α>0.         ‐ 196 ‐  .  Obično  se  posmatra  linearna veza.y = E( ( X − E( X) ) ⋅ ( Y − E( Y) ) ) + σ2 ( X) ⋅ σ2 ( Y)   = E( XY) − E( X) ⋅ E( Y) + σ2 ( X) ⋅ σ2 ( Y)     Ovaj koeficijent ima sledeće osobine:  (1)  |ρx. od  kojih ćemo neke samo navesti sa nekim njihovim karakteristikama:    − Uniformna slučajna promenljiva U sa  ⎧ 1 ⎪ za a ≤ x ≤ b   ϕ( x) = ⎨ b − a ⎪ 0 za x< a i x> b ⎩ 2 ( b − a) a+b     σ2 ( U) =   E (U ) = 12 2 − Eksponencijalna slučajna promenljiva ε sa    ϕ( x) = ⎨ za x ≥ 0   za x< 0 ⎩ 0 1 1 E( ε) =      σ2 ( ε) = 2    λ λ ⎧ λ e − λx     8. ρ=‐1. a za α<0.  ρ=1.••• Parametri Fišerove raspodele su:  E(F ) = n1 (n2 > 2) . Korelacija dve slučajne promenljive    Korelacija  je  veza  izme|u  dve  slučajne  promenljive.y|=1 ako i samo ako je Y=αX+β.y|≤ 1.  onda  je  ρx.  (3)  |ρx. n2 − 2 σ 2 (F ) = 2n1 ( n1 + n2 − 2)   ( n1 − 2) 2 ( n2 − 4)  Pored ovih pomenutih koriste se i brojne druge slučajne promenljive.5.9.

.1) (raspodela za Sn je N(na.+Xn.  X n  je sve bliže konstanti a i slučajnost nestaje kod aritmetičkog  niza slučajnih promenljivih. Zakoni velikih brojeva.nσ2)).10. + Xn    n=1.5...  E(Xk)=a  k=1.  i  σ2(Xk)=σ2  k=1. Centralna granična teorema    Prvo  ćemo  navesti  jednu  dosta  jednostavnu  nejednakost  poznatu  kao  Čebiševljeva nejednakost:    Ako slučajna promenljiva X ima konačno matematičko očekivanje kvadrata od  X.    Ako je n veće..2. normalnoj raspodeli N(0. E(X2) je konačno.....+ n σ n σ n teži...  Napominjemo  da  ni  ovaj  rezultat  nije  najopštiji  već  analogan  važi  i  za  proizvoljne  slučajne  promenljive  i  sa  ne  obavezno  istom  raspodelom  (ali  sa  nekim  drugim  uslovima.2. kad n→∞...  σ2(Xk)=σ2  k=1.2.X2. Ako su X1..  n teži ka a kad n→∞ u sledećem smislu:  za svako ε>0   P X n − a ≥ ε → 0. tj.. nezavisne slučajne promenljive sa istom raspodelom  i  konačnom  disperzijom.2. tada za svako ε>0 važi Čebiševljeva nejednakost:  P{ X ≥ ε} ≤ ili u drugačijem obliku   E( X 2 )   ε2 σ2 ( X) P X − E( X) ≥ ε ≤ ..X2...    ‐ 197 ‐  . . Ako su X1...8.  E(Xk)=a    k=1.  ε2 { }   Pomoću ove nejednakosti može se dokazati sledeća    Teorema 2. ...  tj.  onda  standardizovani  oblik  njihovog  zbira  Sn=X1+X2+.  tj.  i  u  tim  izmenjenim  uslovima  ćemo  imati  da  zbir  ima  normalnu raspodelu).  n→∞.  onda  niz  aritmetičkih sredina  Xn = X1 + X2 + .  raspodela  slučajne  promenljive  { } S n∗ = S n − E( S n ) σ2 ( S n ) = S n − an nσ2 = X1 − a X −a   +...  tj.2..  Sledeća teorema je poznata kao centralna granična teorema.  Teorema 3.. nezavisne slučajne promenljive sa istom raspodelom  i  konačnom  disperzijom.... Ovaj zakon je jedan od zakona velikih brojeva.

      KLJUČNI POJMOVI:  • • • • SLUČAJNI DOGAĐAJI  VEROVATNOĆA  USLOVNA VEROVATNOĆA  NEZAVISNOST DOGAĐAJA  • SLUČAJNA PROMENLJIVA  • MATEMATIČKO OČEKIVANJE  • DISPERZIJA            ‐ 198 ‐  .I ova teorema govori o važnosti normalne raspodele.  x∈R. linearnu.2.5.Y σ 2Y σ 2X ( x − EX ) .  Najčešće  se  traži  funkcija  R(x).9.  R(x)=E(Y⏐X=x).    8..  tada imamo regresiju odre|enog tipa.  npr. za linearnu regresiju se zahteva da  E( Y − ( αx + β) )   2 bude minimum i iz tog uslova se traže α i β.  linearna.. tj.  takva  da  E(Y‐R(X))2  bude  minimum.  a za slučajne promenljive neprekidnog tipa  R( x) = ∫ yϕ2 ( y x) dy x ∈ R .  Dakle.. tj.  Ova  kriva  R(x)  se  naziva  regresiona  kriva  Y  po  X  i  za  slučajne  promenljive  diskretnog tipa ona je  R(xi)=E(Y⏐X=xi)  i=1.  naravno za svako X=x.  Metodom  najmanjih  kvadrata  se  mogu  dobiti  α  i  β  i  sledeći  izraz  za  funkciju  y = αx + β :  y = αx + β = EY + ρ X . Regresija    U  primenama  teorije  verovatnoće  od  interesa  su  aproksimacije  slučajne  promenljive Y sa nekom funkcijom R(X) od slučajne promenljive X.  -∞ +∞ U  slučaju  kada  se  zahteva  da  R(X)  bude  tačno  odre|enog  tipa. Može se dokazati da će ovo biti dostignuto kada je R(x)  uslovno matematičko očekivanje od Y za X=x.

 Ovaj skup može    ‐ 199 ‐  .  4. obrada i prikazivanje  podataka. POPULACIJA. Upoznavanje studenata sa mogućnostima statističkih istraživanja i  zaključivanja. Stastičko zaključivanje preko uzoraka.      9. OBELEŽJE I UZORAK   • PRIKUPLJANJE I PRIKAZ PODATAKA   • STATISTIČKA ANALIZA – MERE SREDNJIH VREDNOSTI.  2.   Možemo reći da predmet  proučavanja statistike čine pojave koje se masovno  ispoljavaju sa različitim intenzitetima u pojedinim individualnim slučajevima. ODSTUPANJA I  OBLIK   • PROST SLUČAJNI UZORAK   • INTERVALI POVERENJA  • TESTIRANJE HIPOTEZA  • POJAM TRENDA      Cilj nam je da ovaj račun uvedemo preko:  1. Sagledavanje populacija preko uzoraka.  3.  Statistika se danas koristi u svim oblastima i delatnostima a statističke metode  se u velikoj meri koriste u prirodnim i društvenim naukama. Usvajanje osnovnih pojmova i definicija.   UVOD U STATSITIKU    Pod statistikom podrazumevamo:   • deskriptivnu statistiku – prikupljanje.VII ‐ GLAVA  ELEMENTI STATISTIKE      SADŽAJ OVOG POGLAVLJA JE:  • OSNOVNI STATISTIČKI POJMOVI.  • statističku analizu – dobijanje numeričkih pokazatelja i donošenje  odluka  o posmatranim masovnim pojavama i njihovim  zakonitostima i karakteristikama.  • statističku teoriju – razvoj novih statističkih metoda.   Skup  svih  pojedinačnih  elemenata  koji  su  iste  vrste  ograničeni  na  nekom  prostoru i u nekom vremenu čine statistički skup ili populaciju.

   Kvantitativne (i kvalitativne) karakteristike elementa statističkog skupa (popu‐ lacije) zovemo obeležjima. Na istoj populaciji mogu se posmatrati jedno.1.  Očigledno  je  da  ovaj  cilj  nije  lako  ostvarljiv.biti  konačan  i  beskonačan  (prebrojiv  i  neprebrojiv). Osnovni zadatak statistike je  da na osnovu uzorka donese što je moguće tačniji sud o celoj populaciji.  U  potpuno  posmatranje  spada  i  izveštajni  metod  koji  neprekidno  prati  neki  događaj  koji  se  odigrava  u  toku  vremena. Na ovaj  način se eliminišu ili svode na najmanju meru greške koje su redovan pratilac    ‐ 200 ‐  . jasni. nedvosmisleni i svima razumljivi.   Deo populacije koji se posmatra naziva se uzorak.   O načinu uzorkovanje će biti kasnije više reči.   Delimično  statističko  posmatranje  je  najčešći  oblik  statističkog  posmatranja  i  sprovodi se na delu populacije koji se naziva uzorak.     9. Zato se u statistici za određivanje rasporeda pojedinog obeležja ne  posmatra uvek cela populacija već najčešće samo jedan njen deo a onda se na  tom  delu  populacije  napravi  odgovarajući  zaključak  pa  se  zatim  to  što  smo  zaključili za ovaj deo populacje proglasi da važi za celu populaciju. STATISTIČKO POSMATRANJE. Ovde  se prirodno postavlja pitanje da li je takvo zaključivanje korektno? U statistici  se smatra da jeste pod određenim uslovima:  • da  je  uzorak  reprezentativan. PRIKUPLJANJE           I PRIKAZIVANJE PODATAKA     Kako je već rečeno na nekom statističkom skupu se uočava obeležje (obeležja)  koje se posmatra i čiju strukturu želimo da upoznamo.   Potpuno  posmatranje  statističkog  skupa  obuhvata  sve  elemente  statističkog  skupa  u  datom  trenutku  (takav  je  na  primer  popis  stanovništva)  i  ovaj  vid  posmatranja  se  naziva  statistički  popis.  U  bilo  kom  od  statističkih  posmatranja  mora  se  raditi  sa  jednoobraznim  statističkim  upitnicima  koji  sadrže  jasna  i  nedvosmislena  pitanja  na  koja  se  moraju dobijati odgovori. Posmatranje statističkog  skupa može biti potpuno ili delimično. Uzorci se u principu dele  na slučajne i nepotpune slučajne uzorke. Isto tako uzorci se dele po obimu na  velike (više od 30 jedinica) i male. ponekad je to jako skupo a ponekad  i nemoguće. kratki.  Skoro  uvek  je  cilj  da  se  vidi  kako  su  obeležja  raspoređena  na  datom  statističkom  skupu.  odnosno  da  su  svi  elementi  populacije  imali podjednaku šansu da uđu u uzorak i da su u uzorku uzeti elementi  na potpuno slučajan način.  Elementarne  jedinice  (element  populacije)  mogu  biti  nosioci  jedne  ili  više  pojava  koje  se  zajedno  posmatraju.  jer  je  ponekad za to potrebno mnogo vremena. dva ili  više  obeležja.

  Serije  struktura se dele na numeričke i atributivne serije. prema tome kakve su  skale  u  kojima  se  ti  podaci  dobijaju.  Numerički podaci se mogu podeliti u nekoliko kategorija.  Podaci  o  visini  ljudi  suneprekidnog  karaktera  (bez  obzira  što  ćemo  ih  mi  zbog  načina  merenja  prikazivati  u  diskretnom  obliku).  Razlikujemo  redove i kolone u tabeli.  linija.  Statističke  tabele  su  skupovi  brojeva  raspoređenih  u  pravouganu  šemu.  Statistička  serija  obično  sadrži  apsolutne  brojeve  stanja  a  može  sadržati  i  relativne brojeve.  Dijagrami  grafički  predstavjaju  podatke  pomoću  tačaka.  zapremina.   Rezultati statističke obrade podataka po obeležjima i po vremenu se nazivaju  statističkim  serijama.statističkih  posmatranja.  Isto  tako  postoje  podaci  koji  se  mere  ali  u  njihovoj  skali  merenja  nemamo  kao  karakterističnu  nultu  vrednost  već  je  ista  dogovorno  odabrana  (primer  merenja  temperature  po  Celzijusovoj  i  Farenhajtovoj  skali)  Pored  ovih  postoje  i  tako  zvani  racio  podaci  koji  imaju  fiksiranu nultu poziciju.2.    ‐ 201 ‐  . relativne frekvencije.  Intervalne  serije  prikazuju  kretanje  pojave  u  nizu  uzastopnih vremenskih intervala. klasifikuje i  grupiše svaka jedinica obuhvaćena istraživanjem. O STATISTIČKIM SERIJAMA    Onovne  vrste  statistikih  serija  su  serije  struktura  i  vremenske  serije.  Tako  na  primer  podaci  o  broju  dece  u  nekoj  porodici  su  diskretni  i  obavezno  celi  brojevi.  a  kojih  može  biti  više  vrsta. prebrojava. Dalje se ovi grupisani podaci  prezentiraju u obliku statističkih tabela i grafikona.  Grafički  prikaz  satističkih  podataka  može  biti  različit:  dijagrami  i  kartogrami.  Momentne  serije  prikazuju  stanje  pojave  u  nizu  uzastopnih  momentnih  vremena.  One  se  prikazuju  tabelama  i  grafikonima.   Kao krajnji donji red može biti zbirni red (zbir po kolonama) a kao krajnja desna  kolona može biti zbirna kolona (zbir po vrstama).  Numeričke serije pokazuju raspodelu  pojedinih numeričkih vrednosti obeležja  po broju elemenata statističkog skupa koji je posmatran (broj i frekvencija).  Dobijeni statistički materijal se dalje razvrstava (šifrira). takav podatak je recimo novac ako na primer neko ima  nula  dinara  onda  to  znači  da  on  nema  para.  površina. Mogu biti momentne i  intervane.   Vremenske serije pokazuju veličinu pojave u vremenu.  Atributivne  serije  pokazuju  raspored  pojedinih  atributa  po  broju  elemenata  populacije (atribut i frekvencija).  Sa  ovim  podacima  se  može  računati i mi ćemo se uglavnom u dajem baviti sa njima. Kartogrami izražavaju statističke podatke na geografskim kartama.      9.  Zbog  mogućnosti  nastajanja grešaka obično se izvodi i kontrola statističkog istraživanja.

...  fk  ri   r1  r2  r3  .xk  i  neka  je  pri  tome  x1<x2<.  rk    ∑ N  1    ‐ 202 ‐  .     9.3log N   gde  je  N  –  broj  posamtranih  jedinica.<xk.. .  a  širina  intervala  C   se  određuje  na  sledeći način   C= X max + X min   K gde je najveća vrednost obeležja u posmatranom skupu  X max  a X min           najmanja vrednost obeležja.  Ukupan broj elemenata u ovom posmatranom skupu je N a neka se  x1. POLIGONI I HISTOGRAMI    Podaci  koji  se  prikupljaju  za  neko  obeležje.fk  se  zovu  frekvencije  vrednosti  obeležja i pri tome je jasno da je    f1+f2+...+fk=N.  Brojevi  f1 f = r1 .  Brojevi  f1.. .x2.  xk  X  x1  fi  f1  f2  f3  .Numeričke  serije  se  dele  na  numeričke  serije  sa  prostom  distribucijom  frekvencije  (ovde  se  svakoj  vednosti  pridružuje  broj  njenih  pojavljivanja  –  frekvencija) i na intervalne distribucije frekvencija (gde se numeričke vrednosti  obeležja  poklapaju  intervalno.. .  bilo  da  su  iz  čitave  populacije  ili  uzorka.3.fk  puta... moraju se srediti da bi njihova upotreba bila celishodna... ..   U  praksi  se  pitanje  broja  intervala  i  širine  inervala  određuje  pomoću  Stardžesovog pravila:  Broj intervala  K se određuje formulom  K = 1 + 3. ... STATISTIČKE TABELE.xk  redom  pojavljuju  f1.x2... frekvencija obeležja u tom intervalu).  Klase u principu nisu razgraničene (imaju susedne jednu zajedničku tačku) to se  primenjuje pravilo da se granična (zajdenička) tačka pridružuje klasi u kojoj je  njena najmanja vrednost...    Neka  neko  obeležje  uzima  vrednosti  x1. .  to  jest  svakom  intervalu  se  pridružuje  broj  pojavljivanja.. k = rk  se zovu relativne frekvencije za koje očigledno važi  N N r1+...    Ovi brojevi se najčešće daju u obliku sledeće tabele    x2  x3  .+rk=1...

    2.  pa  kad  se  nacrta  u  Dekartovom  koordinatnom  sistemu  na  apscisnoj  osi  se  nanesu klase a na ordinatnoj osi frekvencije.Ova tabela se zove statistička tabela. dobije se histogram učestanosti za  datu raspodelu. 43.    Primeri sa rešenjima:  1. 30 studenata je polagalo statistiku i dobijene ocene su date tabelom:    X  5  6  7  8  9  10  ∑ fi  5  7  8  6  3  1  30  ri  1/6  7/30  4/15  1/5  1/10  1/30  1    sl.  tada  se  najčešće  obeležja  posmatraju  u  klasama  i  frekvencije  se  posmatraju  na  intervalu=klasi.  30  studenata  je  polagalo  pismeni  ispit  iz  matematike  i  dobijeni  su  sledeći  bodovi:    X  0‐44  45‐55  56‐68  69‐79  80‐90  91‐100 ∑  fi  5  7  9  6  2  1  30  f ri 5/30  7/30  9/30  6/30  2/30  1/30  1      ‐ 203 ‐  .  Ovi brojevi mogu biti dati i u Dekartovom koordinatnom sistemu ‐ na apscisnoj  osi  se  daju  vrednosti  obeležja  a  na  ordinati  se  nanose  frekvencije.  Ako  je  broj  podataka  veliki  i  broj  vrednosti  obeležja  veliki.  Ako  se  pri  tome susedne tačke spoje dobije se poligon raspodele učestanosti.

4. 44.    Ove  se  vrednosti  pojavljuju  kao  pokazatelji  rasporeda  frekvencija  i  cele  populacije i  tada ih  zovemo parametri  populacije a  u slučaju uzorka statistika  uzorka..sl.    ‐ 204 ‐  .  Iz  ovih  pokazatelja  mi  možemo.        9. a ako su sve vrednosti iste onda je i ona ta ista vrednost. Srednje vrednosti    Srednje vrednosti možemo podeliti na dve grupe: računske srednje vrednosti i  pozicione srednje vrednosti.4..  .  često  dobro  uočiti  pravilnosti  koje  poseduju  posmatrane  pojave.  geometrijska  sredina.   Postoje  brojne  srednje  vrednosti  koje  se  mogu  računati:  aritmetička  sredina.  harmonijska  sredina. Najčešće se posmatraju prve tri.)  mere oblika.  Da  bi  videli  detaljnije  pojavu i njene zakonitosti koristimo:  (1.  sredina  kvadrata..1.  već  se  određuju  iz  dela  istih  prema svojoj poziciji u posmatranom skupu.  sredina  kubova.  Pozicione  srednje  vrednsti  se  ne  izražavaju  matematičkim  formulama  iz  svih  vrednosti  posmatranih  elementarnih  jedinica.)  mere centralne tendencie (srednje vrednosti)  (2.)  mere odstupanja  (3.     9. MERE    Statističke  serije  opisane  u  prethodnom  delu  se  kao  što  smo  videli  prikazuju  tabelarno  i  grafički.   Karakteristike računskih srednjih vrednosti su da na njihovu vrednost utiču sve  elementarne jedinice da je veća od najmanje a manja od najveće elementarne  jedinice.   Pozicione vrednosti su medijana i modus (mod).

.  .  [ xr −1 ..    x1 ⋅ f1 + x2 ⋅ f 2 + .. + xr ⋅ pr = ∑ xi pi   i =1 r gde su  pi  relativne vrednosti pojavljivanja vrednosti  xi   tj:  pi = fi ∑f j =1 r   j Napomenimo da se u literaturi sreće i naziv ponderisana aritmetička sredina za  aritmetičku sredinu grupisanih podataka....)   vrednosti  frekvencije   tada je                         m = x1 + x2 + . xr ] f r −1       ‐ 205 ‐  .. x3 ) f2     . + xr ⋅ f r   f1 + f 2 + ..    Aritmetička sredina    Koriste se tri obrasca za izračunavanje aritmetičke sredine m:  (1.)  U slučaju intervalno prikazanih podataka datih tabelom:  intervali  frekvencije     [ x1 ... + f r ili skraćeno  zapisujemo           m = ∑x f i =1 r r i i ∑f i =1   i Isto tako je očigledno da iz zadnjeg obrasca može se dobiti i sledeći obrazac  m = x1 ⋅ p1 + x2 ⋅ p2 + .    xr fr     ..  (3.xn  negrupisani podaci.  n ∑x /n  i =1 i n  Ako  su  podaci  grupisani  i  imamo  prostu  distribuciju  frekvencija  datu  tabelom   x1 f1   x2 f2   .. tada je  m =  ili skraćeno zapisujemo  m = (2. + xn ..... x2 ) f1     [ x2 .)  Ako su x1 ..Sve  ove  srednje  vrednosti  imaju  svoju  ulogu  u  određenim  segmentima  statističkih analiza....

+ f r m=           xS 1 ⋅ f1 + xS 2 ⋅ f 2 + .3... + xr ⋅ f r 2 ⋅1 + 3 ⋅ 3 + 4 ⋅ 8 + 5 ⋅ 9 + 6 ⋅ 2 106 = =   1+ 3 + 8 + 9 + 2 23 f1 + f 2 + .2.. dakle sredina i‐tog intervala.8)   [8....6.2.aritmetička sredina se računa po obrascu   m= xS 1 ⋅ f1 + xS 2 ⋅ f 2 + . + f r −1  . + xSr −1 ⋅ f r −1   f1 + f 2 + .. + f r −1 3 + 8 + 12 + 7 + 5 35   ‐ 206 ‐  .4.. 2)   [2.  Postoje  situacie  u  kojima ta sredina može dati iskrivljenu sliku o seriji mada one nisu česte. 4)   [4.2.10] 5    frekvencije 3  8  12  7  Po definiciju aritmetičke sredine imamo rešenje:  (a)  m= (b)  2 + 2 + 3 + 2 + 4 + 6 + 6 + 2 + 3 + 5 + 4 39 = = 3..  Naći aritmetičku sredinu za sledeće podatke  (a) 2.3.     Primer sa rešenjem    3. 6)   [6.5.4    (b)  xi 2 3 4 5 6   fi   (c)          1 3 8 9 2 intervali  [0..6.  gde je    Aritmetička  sredina  je  dobar  pokazatelj  za  veliki  broj  serija  koje  su  grupisane  oko  te  srednje  vrednosti  i  koje  nisu  mnogo  simetrične..545   11 11 m= (c)  x1 ⋅ f1 + x2 ⋅ f 2 + . + xSr −1 ⋅ f r −1 1 ⋅ 3 + 3 ⋅ 8 + 5 ⋅12 + 7 ⋅ 7 + 9 ⋅ 5 181   = = f1 + f 2 + ..

.       xr fr   fi   f1   f2   .10 ⋅1.. ⋅ xSr −1 fr −1 gde su xSi = xi + xi +1 2     Inače  ove  vrednsoti  se  relativno  lako  računaju  logaritmovanjem  i  izračunavanjem  log  G  pa  zatim  antilogaritmovanjem  dobijamo  vrednost  za  G....) ∑ fi i =1 r x1 f1 ⋅ x2 f 2 ⋅ ..18 ≈ 1... sledeće za  18%. ⋅ xN   (2.   G=   (3.13   dakle ono je 13% godišnje (a ne 14% što je aritmetička sredina povećanja)       ‐ 207 ‐  .. x2 ) f1       ... xr ] f r −1     G= ∑ fi i =1 r xS 1 f1 ⋅ xS 2 f2 ⋅ .  [ xr −1 .) G = N x1 ⋅ x2 ⋅ .  Na primer da to uradimo za prvi obrazac za negrupisane podatke (analogno se  radi i za ostale):   log G = 1 (log x1 + log x2 + . Slično kao u prethodnom slučaju imamo tri obrasca:   Za proste negrupisane podatke geometrijska sredina G je   (1.  ..  Cena jednog proizvoda u toku jedne godine je povećana za 10%.. ⋅ xr f r [ x2 .Geometrijska sredina    Geometrijska  sredina  se  dobija  kao  n‐ti  koren  svih  n  vrednsti  obeležja  koje  moraju biti veće od nule.)  Za grupisane podatke date tabelom   xi x1 x2 . Koliko je prosečno povećanje cena?    Prosečno povećanje cena se računa preko geometrijske sredine  G = 1.. + log xN ) = V N ⇒ G = 10V       Primer sa rešenjem    4. x3 ) f2      za intervalne date podatke   intervali  frekvencije [ x1 ...

+ x1 x2 xr (3.....Odnos između geometrijske i aritmetičke sredine je  G ≤ m  a jednakost je jedino u slučaju svih istih vrednosti.. x2 .)   Za grupisane podatke date tabelom   x1 x2 ..)   Za proste negrupisane podatke  x1 .... x3 ) f2     . fr   f + f + .xn   H= n 1 1 1 + + ..  r [ xr −1 .... + f r H= 1 2 = f1 f 2 fr + + .)    Za intervalno date podatke tabelom  intervali  frekvencije ∑f i =1 r r i f ∑ xi i =1 i   [ x1 . xr       f1     f2   .  .. x2 ) f1     [ x2 ..  Kao  u  prethodnim  slučajevima  imamo  tri  vrste  obrazaca za harmonijsku sredinu H:    (1.. + f r −1 H= = ir=1 f1 f2 f r −1 f + + ...     Harmonijska sredina  Ova sredina izračunava se za vrednosti različite od nule.. + ∑ xi   xS 1 xS 2 xSr −1 i =1 i gde je xSi = xi + xi +1 2 Harmonijska sredina je manja ili jednaka od geometrijske to jest važi:  H ≤G≤m  (a jednakost je jedino ako su sve vrednosti iste)      ‐ 208 ‐  . + x1 x2 xn = n 1 ∑x i =1 i N   (2.. xr ] f r −1     ∑ fi f1 + f 2 + . Koristi se kod obrnuto  proporcionalnih  veličina..

. a ne preko aritmetičke sredine  m= 20 + 30 = 25   2 Napomena: Za intervalno date podatke.  Dva radnika rade na dve iste mašine isti proizvod. Koliki je prosek izrade proizvoda?    Prosečno vreme ovde treba računati po harmonijskoj sredini  H= 2 1 1 + 20 30 = 2 120 = = 24   5 5 60 dakle. mestom vrednosti u seriji. prosečno vreme izrade je 24 minuta.    Medijana  Vrednost sredine serije podataka koje su poređane po veličini je medijana  (1.. Jedan proizvod naprave  za 20 minuta. vrednosti za aritmetičku. geometrijsku  i  harmonijsku  sredinu  se  računaju  kao  da  su  sve  vrednosti  iz  datog  intervala  jednake srednjoj vrednosti iz datog intervala!  Odavde sledi da se primer (c) koji je dat posle aritmetičke sredine      intervali  [0. 4) [4.10]   frekvencije 3  8  12  7  5      Praktično zamenjuje sa sledećim primerom za grupisane podatke    xi 1 3 5  7 9             fi       3 8 12 7 5 Pozicione srednje vrednosti  Ove vrednosti se određuju pozicijom.) ako su podaci negrupisani i poređani po veličini  x1 ≤ x2 ≤ . ≤ xn   onda je medijana       M e = xn +1 n − neparan broj   n − paran broj   xn + xn Me = 2 2 +1 2   ‐ 209 ‐  . 6) [6. a drugi za 30 minuta.Primer sa rešenjem    5.8) [8. 2) [2.

 jedinica 300).)   Ako je serija data u intervalnom obliku sasvim zadovojavajuća vrednost za  medijanu(mada  se  može  raditi  i  drugačije)  se  dobija  kada  se  iz  intervalnog  oblika  pređe  na  oblik  grupisanih  podataka  sa  sredinama  intervala  kao  vrednostima  na  intervalu  i  onda  se  medijana  pronalazi  kao  u  predhodnom  slučaju.(2.  U  tom  kumulativu  odredi  se  broj  u  kome  se  sadrži  Naspram  m .     ‐ 210 ‐  .  2 m  nalazi se vrednost medijane.) Prethodni  obrasci  važe  i  za  grupisane  podatke  s  tim  što  je  važno  napomenuti da se za grupisane podatke za prostu distribuciju frekvencija  medijana  određuje  kumulativna  frekvencija  (kumuliranjem  frekvencija  ’’ispod’’). Neko je brojao putnike (na šalteru za kartu na autobuskoj stanici u intervalu  od jednog  minuta) i rezultati su dati tabelom:  xi 0  1  2  3  4  5  6  7  8    fi   150 300 250 120  60 30 20 10 2    Naći medijanu.    Primeri sa rešenjima:    6. Tabela kumulativne frekvencije je:  xi fi Kumulativne frekvencije 0  150 150  1  300 450  2  250 700  3  120 820  4  60  880  5  30  910  6  20  930  7  10  940  8  2  922      ∑f Me = 2 i = 150 + 300 + 250 + 120 + 60 + 30 + 20 + 10 + 2 = 942   paran broj to je   2 x942 + x942 2 +1 = x471 + x472 2 + 2 = = 2  2 2 jer se i 471 i 472 član nalazi među 250 dvojki (nula ima 150.  2 (3.

  Razmak varijacije R se definiše kao razlika između maksimalne i minimalne  vrednosti u seriji dakle  R = xmax − xmin     fi   ‐ 211 ‐  . Mere odstupanja i centralni momenti    Ove mere su mere odstupanja među članovima serije. pa se odredi vrednost (vrednosti) sa najvećom frekvencijom:    Primer sa rešenjem    8. Neka je dat intervalni raspored serije   [0.14]   frekvencije  5  10  18  30  17  8  6    Ovaj intervalni raspored se prebacuje u običan raspored sa sredinama i dobija  se sledeća tabela  xi 1 3  5  7  9  11 13    5 10 18 30 17 8  6  A odavde se lako vidi da  je medijana jednaka 7. 4) [4. ili kako se to još češće  naziva  mere  varijabiliteta.  Očigledno je interval sa najvećom frekvencijom  [6.        9. ili može imati više modova polimodalna.10)   [10.  Koriste  se  i  relativne  mere  (vrednost  obeležja  iskazuje  se  u  relativnim  brojevima)  odstupanja  koje  su  pogodne u nekim situacijama.  Serija  može  imati  samo  jedan mod unomodalna. 6) [6.8) dakle imamo da njegova  srednja vrednost ima najveću frekvenciju u grupisanom obliku sa sredinama pa  je mod jednak 7. 2) [2.12)   [12. Za intervalne  distribucije  frekvencije  prvo  se  odredi  grupisani  oblik  sa  sredinama  intervala  umesto intervala.2.7.4.  Možemo  ih  podeliti  na  pozicione  mere  varijacije  i  računske  mere.8) intervali          [8.  Odrediti mod za prethodni primer.  Od  pozicionih  ćemo  posmatrati  razmak  varijacije  a  od  računskih  ćemo  posmatrati  srednje  apsolutno  odstupanje.  srednje  kvadratno  odstupanje (varijansa) i disperziju.   Ove  mere  spadaju  u  apsolutne  mere  odstupanja.      Modus (mod)  Mod  je  vrednost  u  seriji  koji  ima  najveću  frekvenciju.

Srednje apsolutno odstupanje se definiše za negrupisane podatke  x1 ...  Srednje  kvadratno  odstupanje  se  obeležava  sa  σ 2   i  zove  se  još  i  varijansa  a  kvadratni  koren  iz  srednjeg  kvardatnog  odstupanja  σ   i  zove  se  standardana  deviacija..   xr fr       .......  za negrupisane podatke.   xr fr       ......xn .)  xi x1 x2 .. U statistici se koriste još i centralni momenti  reda 1.  odnosno za grupisane podatke  xi fi   x1 f1   x2 f2   ..2.....4...xn formulom  S AO = 1 n ∑ xi − m   n i =1         a za grupisane podatke (analogno i za intervalne podateke. a koji se definišu izrazima:  Mk = 1 n ∑ ( xi − m) k n i =1 k = 1.     ‐ 212 ‐  . 2   Sn = 2 1 ∑f i =1 r ∑ i =1 i m fi ( xi − m ) ili S n = 1 ∑f i =1 n ∑fx 1 2 2 i i − m2   i (Za inervalne podatke se koristi isti obrazac samo umesto  xi se uzima sredina  intervala  xSi ).xn S n = ili  S n = Za grupisane podatke:  2 2 1 n 2 ∑ ( xi − m )    n 1 1 n 2 ∑ xi − m 2    n 1 xi fi   x1 f1   x2 f2 2   .. xr fi   Formulom                       S AO =   f1   f2 r   . fr   1 ∑f 1 r ⋅ ∑ fi xi − m   i =1 1 U statitici za mere odstupanja od aritmetičke sredine koristi srednje kvadratno  odstupanje:  Za negrupisane podatke  x1 .  x1 .. Inače izrazi za računanje srednjeg kvadratnog odstupanja zovu se još  i centralni momenti drugog reda. 2.3.

 Dakle asimetrija se meri koeficijentom:  α3 = M3 σ3 = 1 r ∑ fi ( xi − m)3 n 1 σ3     a spljoštenost se meri koeficijentom:  α4 = M4 σ4 = 1 r ∑ fi ( xi − m)4 n 1 σ4     ‐ 213 ‐  . Mere oblika    Kao mere oblika koriste se momenti trećeg i četvrtog reda i njihovi odnosi sa  σ 3 i  σ 4  .4.   xr fr       ..Formulom  M k = 1 ∑f 1 r ∑ f ( x − m) i =1 i i i 2 k u  statistici  se  definišu  i  obični  momenti mk = 1 n k ∑ xi n 1 k i i za  negrupisane  podatke  x1 .xn odnosno  mk = 1 ∑f i =1 n ∑ f ⋅x i =1 i n za grupisane podatke   xi fi   (očigleno je ako je    m = 0.   x1 f1   x2 f2   ..       9...   M k = mk )  2 Srednje kvadratno odstupanje se dobija i iz formule  S = m2 − m12     Kao  relativna  mera  varijacije  (koja  je  ponekad  značajna)  koristi  se  količnik  srednjeg kvadratnog odstupanja i kvadrata aritmetičke sredine  S σ2 σ V = 2 = 2   ili što je još češće  V =   m m m 2 2 koji je relativan broj i zove se koeficijent varijacije i ponekad se izražava u % (  ima smisla jedino ako je m ≠ 0 )..3...

    Uzmemo  vrednosti  "izabranih"  n  elemenata  populacije  i  to  je  prost  slučajni  uzorak (x1..1. Ako izaberemo slučajno n  elemenata  populacije  ω1.  numerišemo  brojevima  0.ωn...N‐ 1. Smatra  se da je asimetrija umerena ako je  −2 < α 3 < 2 ..   Što se koeficijenta  α 4  tiče smatra se da je raspored normalan ako je α 4 = 3 .Ako je  α 3 = 0  raspored je simetričan.. s' tim što nema ponavljanja brojeva  • već uzeti broj ne uzimamo ponovo. nju možemo shvatiti kao skup mogućih ishoda pri  nekom  eksperimentu  Ω.5.  Kada  se  svakom  elementu  populacije  pridruži  broj.   α 4 < 3  to su vrednosti razbacanije oko aritmetičke sredine nego                što je to slučaj kod normalnog rasporeda..  kojih  ima  N.    ‐ 214 ‐  .X(ωn))  koju možemo označiti i sa (X1.  Važno pitanje vezano za uzorak je i njegov obim.  a  njeni  elementi  su  tada  "elementarni  događaji"  ω.  ω∈Ω..   Ako je  α 4 > 3  to je veća koncentracija vrednsti oko aritmetičke sredine...xn) od n‐elemenata.  tada  se  ovaj  slučajni  uzorak  naziva prost ili samo uzorak. IZBOR SLUČAJNOG PROSTOG UZORKA      Ako je data jedna populacija.....  Ovde će biti data jedna konkretna tehnika za dobijanje prostog uzorka koji nam  omogućava  da  imamo  poverenje  u  njega  ‐  da  je  reprezentativan  (reprezentativnost  uzorka  se  manifestuje  tako  što  je  postupak  njegovog  dobijanja nezavisan od obeležja koje posmatramo):  • Elemente  populacije.      9.Xn  imaju  istu  raspodelu  kao  i  obeležje  X  na  celoj  populaciji.  to  obeležje je jedna slučajna promenljiva X=X(ω).  njegovo  obeležje..Xn).  • Sa slučajno uzetog mesta u tablici slučajnih brojeva očitamo redom  n brojeva od 0 ‐ N‐1.      α 3 < 0 ....  Ako  sve  promenljive  X1.   Što je vrednost  α 3  veća (po apsolutnoj vrednosti) to je asimetrija veća. imamo asimetriju u levo...  mi  dobijamo  jednu  slučajnu  n‐dimenzionalnu  promenljivu  (X(ω1).  tj. Ova n‐dimenzionalna slučajna promenljiva  se  zove  slučajni  uzorak  obima  n....      α 3 > 0  imamo asimetriju u desno..

.  Naravno.. INTERVALI POVERENJA      Ako  treba  oceniti  nepoznati  parametar  θ  zadatak  se  može  i  ovako  postaviti:  Naći vrednosti θ1 i θ2 tako da je    P{θ1<θ2}=1 i P{θ1<θ<θ2}=β.Xn)  biramo  statistiku  θn=f(X1. i=1.Xn)  je  n‐dimenzionalna  slučajna  promenljiva  a  kada  uzmemo  uzorak (x1. odnosno ϕ(x)           ‐∞<x<+∞..  (X1...  određivanje  statistika  koje  najbolje  ocenjuju  nepoznate  parametre  prevazilazi okvir ovog kursa i time se ovde nećemo baviti.    ‐ 215 ‐  ...  tada  treba  samo  odrediti  parametre te raspodele..    9.xn)    u koji  možemo imati veće ili  manje  poverenje.  Za  uzorak  (X1.  da  naša  funkcija ima osobinu da je  E(θn)=θ.    9.7..  Pri tome se od dve centrirane ocene  θn1 i  θn2  parametra  θ smatra boljom ona  čija je disperzija manja..  Opišimo u kratkim crtama taj problem:  Treba  odrediti  nepoznati  parametar  θ  obeležja  X.  tj.Odgovor na ovo pitanje je veoma važan jer premali uzorak će dati "lošu" ocenu  a  preveliki  uzorak  može  biti  skup...xn) mi iz uzorka dobijemo broj    vn=f(x1..2. OCENE PARAMETARA      Osnovni  problem  statistike  je  da  na  osnovu  uzorka  (X1.....Xn)  zaključi  kakva  je  raspodela obeležja X:(p(ti)).  Naravno..  Ako  još  na  osnovu  nekih  drugih  razmatranja  znamo  da  obeležje  ima  neki  određeni  tip  raspodele  (a  to  je  često  slučaj).. Ovako dobijena vrednost  zove  se još i tačkasta ocena parametra θ...  a  takođe  nam  oduzima  i  vreme.......  Obično  se  zahteva  da  ocena  θn  parametra  θ  bude  "centrirana".Xn)  pomoću koga ocenjujemo parametar θ.  U  svakoj  konkretnoj  situaciji  u  zavisnosti  od  željene  tačnosti  ocene  može  se  dobiti  veličina traženog uzorka.  U matematičkoj statistici postoji razrađena teorija kako izabrati statistiku  θn da  bi "poverenje" u ocenu parametra θ bilo što veće..6. To ocejnivanje prevazilazi obim ovog kursa.

.      ‐ 216 ‐  .  θ1  i  θ2  se  dobijaju  kao  statistike  iz  uzorka  x1.θ2]  se  zove  interval  poverenja  a  β  se  zove  nivo  poverenja. odakle je  ⎧ S − np ⎫ ⎪ ⎪ n P⎨ ≤ Zβ ⎬ = β   ⎪ np (1 − p ) ⎪ ⎩ ⎭   pa sledi da je interval poverenja za nepoznatu verovatnoću p interval između  manjeg i većeg rešenja jednačine po p:  (n 2 2 2 2 + n ⋅ zβ ) p 2 − ( 2n ⋅ S n + n ⋅ zβ ) p + S n = 0   Sn ‐ broj "povoljnih" događaja za nepoznatu verovatnoću od n mogućih  β zβ ‐ broj dobijen iz tablice za normalnu raspodelu takav da je  φ z β = .Naravno.1).  Pri  tome  na  osnovu  centralne  granične  teoreme  n   ima  npq približno normalnu raspodelu  N(0. Naći 95% interval poverenja za nepoznatu  verovatnoću p=P{proizvod je defektan}.1].  Interval  [θ1. već β treba shvatiti da ako napravimo više uzoraka tada u  približno 100β% ovaj interval prekriva parametar θ... + 2 ⎟⎥   2 2 n n 4n ⎟ n + zβ ⎜ n 2n 4n ⎟⎥ ⎢ n + zβ ⎜ n 2n ⎝ ⎠ ⎝ ⎠⎦ ⎣ Naravno. Obično se želi da interval bude manji a  β što veće (oprečni zahtevi).    Primer sa rešenjem    9.v2].  U jednom pogonu proizvedeno je u toku jednog radnog dana 80 proizvoda i  nađeno je da su 4 od njih defektna. Kada se uzorak uzme tada se dobijaju  brojevi v1 i v2 i naš interval postaje određeni interval  [v1.  Interval poverenja za nepoznatu verovatnoću p: Kod elemenata populacije se  događaj  A  realizuje  sa  nepoznatom  verovatnoćom  P(A)=p.  U  uzorku  od  n  elemenata broj realizacija događaja A je slučajna promenljiva Sn sa binomnom  S − np raspodelom.  kad  se  uzme  uzorak  dobijaju  se  dva  broja  koji  ne  moraju  obavezno  biti u [0.  Izlaz se traži u povećanju obima uzorka.  2 Taj interval je  ( ) 2 2 2 ⎡ n ⎛ S z2 Sn ( n − Sn ) zβ ⎞ n ⎛ Sn zβ Sn ( n − Sn ) zβ ⎞⎤ β n ⎢ ⎜ + − zβ ⎜ + + zβ + 2 ⎟.1] mada je verovatnoća sigurno u intervalu [0..xn  a  β  je  zadata  verovatnoća. Naš parametar  θ  "upada" ili ne u ovaj interval a  β ne treba shvatiti kao verovatnoću da će se  θ  naći u tom intervalu.

33).96 i postavljamo jednačinu    (802+80⋅1. Pretpostavimo da je disperzija  σ 2 = 4  pri proizvodnji jedne vrste proizvoda  u njihovoj težini. dakle zβ=1.1216        Interval  poverenja  za  matematičko  očekivanje  m  u  slučaju  poznate  disperzije σ2:  σ σ ⎤ ⎡ m ∈ ⎢ xn − zβ .475 ⇒ zβ = 1.87. Ako je iz jedne serije  uzet  uzorak               n=200 komada i  nađeno da je prosečna težina u tom uzorku  X 200 = 2.2.  pa  je  zβ=2.  x  ‐ sredina uzorka.01=0.962)p+16=0.32+0.9 iznad je  6.00027:0. xn + zβ ⎥  n n⎦ ⎣ gde je:  zβ : φ zβ = ( ) β .    0.  β zβ  određujemo  iz  tablice    = 0.00017 ⋅ 0.96)p2‐(2⋅80⋅4+80⋅1.326  i  kada  ove  odakle  je  x = 0.0196≤p≤0.43).00027 vrednosti uvrstimo u obrazac dobijamo interval poverenja    m∈(1.  2 n   Primer sa rešenjem:    10. odnosno 0.01 ≈ 0.49000.00017:x.32 i z0.1 kg  odrediti:  a) 98% interval poverenja za težinu proizvoda.1 .006=2.06 .475     2 2 = 0.    ‐ 217 ‐  .U ovom slučaju n=80 a Sn=4.96  (U tablici nalazimo broj 47500 levo je 1.    a) Ovde je n=200   X n = 2.48983=2.2.77.33 a nama treba broj z0. zβ dobijamo iz tablice: Nalazimo  φ zβ ( ) β 0.  b) 90% interval poverenja za težinu proizvoda.49010=2.49000 (β = 0.  b) Interval iznosi (1. Taj broj dobijamo iz sledeće  proporcije:  0.95 = = 0.  U  tablici  imamo  da  je  2 z0.98) .

+ 1. .1− β ⎤ ⎥ .20.00. 1.0. 90% interval poverenja je    ⎡ 0.  Ovde je n=10.1 + 1. β=0.8911. 2 + 1.  Interval  poverenja  za  matematičko  očekivanje  m  kad  disperzija  σ2  nije  poznata:  Napomena:  Dužina  intervala  poverenja. 090625 0.95 + 1.9 pa iz tablice V čitamo broj t9.  nije  slučajna  n veličina  već  je  sve  manja  sa  povećanjem  obima  uzorka  n.  9 9 ⎣ ⎦ odnosno približno  m ∈[ 0.95.90 + 1.          Interval poverenja za nepoznatu disperziju σ2:  ‐ jednostrani  2 ⎡ n ⋅ Sn ⎤ ⎢ 0.15 + 1.. 075 − 1.10. 1.2789] . Određujemo   1 ( 0.  n −1 ⎦ Sn Primeri sa rešenjima:    11. 252 ) − 1. 090625   10 k =1 Dakle.3 + 0.  koja  iznosi  2z β σ ⎡ m ∈ ⎢ xn − tn −1.15.1− β ⎣ Sn n −1   . 1. ⎥  χ 2 −1. 0. 090625 ⎤ m ∈ ⎢1. 25) 10   x10 = 1.902 + 1.25. 1.85 + 1. xn + tn −1. 1.  a  naravno  ona  se  smanjuje ako nivo poverenja β smanjujemo.β ⎥ ⎢ n ⎣ ⎦   ‐ dvostrani    ‐ 218 ‐  .10=1.05. 1. 0. 05 + 1.12 + . 00 + 0.30. . 085625 = 0. 075 x10 = zatim određujemo  2 σ 10 = 2 1 10 2 1 ∑ xk − x10 = 10 ( 0. 1.85.  1.833 ⋅ .90. 1.  Meteorološka  stanica  je  u  desetogodišnjem  praćenju  ustanovila  da  su  na  jednom  planinskom  mestu  godišnje  visine  snežnog  pokrivača  iznosile:  0. 075 + 1.    Odrediti 90% interval poverenja za E(X)=m.833 ⋅ ⎥ .833.

80 = 10.0.0.0.⎤ ⎡ 2 2 ⎢ n ⋅ Sn n ⋅ Sn ⎥ .90 = 8.9 = χ 15. 9 2 2 = χ 15.697   i imamo 90% dvostrani interval poverenja  ⎡ 16 ⋅ 1.996 .  ⎢ ⎢ χ n−1.176 = 8.  k k =1 16 16 Naći dvostrani i jednostrani interval poverenja za σ2 za β=90%.  ⎣ ⎦     2 Napomena  1:  Vrednost  χ 15.00625   16 16 k =1 16   Iz tablice nalazimo  2 χ 15. ⎥ .σ2).  Naime.95 = 7.90 − 5 ⋅ 0.5 − 5. 1.2. Uzorak obima n=16 daje  sledeće rezultate  k =1 ∑ x k = 36   i   ∑ x 2 = 96. 1−β χ n−1.    ‐ 219 ‐  .00625 16 ⋅ 1.25   i   S16 = ∑ x k − x 16 = 96.880 = 7.05 = 24.176   10 2 2 χ 15.0. 547   2 Kako  treba  dobiti  χ 15.547     i 90% jednostrani interval poverenja je    ⎡ 16 ⋅ 1. u tablici imamo vrednosti  2 χ15.95   rezultat  dobijamo  koristeći  se  slikom  45  i  računamo:  10.8837] .547 = 0.  ⎢0.  U oba slučaja treba prvo naći  2 2 1 16 2 1 36 x 16 = = 2.996   i   χ 2 15. Neka obeležje X ima normalnu raspodelu N(m. 8.0.547 ⎥ ⎣ ⎦ Isto tako iz tabele nalazimo  2 χ 2 1− 0.0. 2 15.667 . 7.307 − 8. 307 i 2 χ15. 1+ 0.025 = 1.200] .1+β ⎥ 2 ⎦ 2 ⎣   12.0.667 ⎥ ≅ [ 0.5 .0.6441.00625⎤ ≅ [0.00625⎤ ⎢ 24.95 = χ 15.95   je  dobijena  "linearnom  ekstrapolacijom".90 = 8.0.547 − 0.

.    sl..  odnosno  kriterijum  na  osnovu  koga  ćemo  na  osnovu  uzorka  istu  prihvatiti  ili  odbaciti. onda se test zove parametarski a u  suprotnom neparametarski..  Napomena  2:  Obim  uzorka  n  se  određuje  tako  što  se  unapred  zada  veličina  intervala  poverenja  a  izvrši  se  procena  vrednosti  nepoznatih  statistika  i  parametara koji se u dužini intervala nalaze.  Obično  se  testira  jedna  prosta  hipoteza  H0  koja  se  još  zove  i  nulta  hipoteza..  Ako  se  pretpostavka  (hipoteza) odnosi na parametre raspodele. 45.  Pri  tome  mi  možemo  ovde  napraviti  dve  vrste  grešaka: greška prvog tipa je da odbacimo H0 ako je ona faktički tačna i greška  drugog  tipa  je  prihvatanje  H0  ako  ona  nije  tačna.  U  tom  smislu  hipoteze je pogodno ovako klasifikovati:   Ako hipoteza određuje u potpunosti neku raspodelu onda se ona naziva prosta  a u protivnom se naziva složena.  Naravno.Xn)  kojom  ocenjujemo  parametar  θ  se  naziva  statistika.  cilj  je  uvek  minimiziranje  verovatnoća  ovih  grešaka  ali  se  time  ovde  ne  bavimo..Xn).  Suprotna hipoteza H1 nultoj hipotezi H0 se zove još i alternativna hipoteza koja  može  biti  i  prosta  i  složena...  Postupak  verifikacije  neke  statističke  hipoteze  se  zove  statistički  test.  Pri  testiranju  hipoteze  važno  je  ustanoviti  postupak.  ali  konstatujmo  da  se  uvećanjem  obima  uzorka  ove  verovatnoće  po  pravilu  smanjuju.    ‐ 220 ‐  . Funkcija  θn=f(X1.  Dakle. TESTIRANJE STATISTIČKIH HIPOTEZA      Rešavanje  osnovnog  problema  statistike  ‐  kakva  je  raspodela  populacije  na  osnovu  uzorka  za  neko  obeležje  se  često  vrši  tako  što  se  pretpostavi  da  obeležje  ima  neku  raspodelu  i  ta  pretpostavka  se  zove  statistička  hipoteza.          9..8.  uzorak  obima  n  je  u  principu  jedna  n‐dimenzionalna  slučajna  promenljiva  (X1.

xn) "pasti" u svaki od podskupova Si (biće ih Mi) sa  2 verovatnoćama  p i = PH0 X ∈ Si .xn)  konstatujemo koliko se članova nalazi u svakom od Si i te brojeve označimo sa  m1.  Za zadati prag značajnosti α određujemo iz tablica broj  χ 2−1. Test ćemo izložiti po koracima:  Skup  brojeva  R.  neparametarskih  testova  i  služi  za  proveru  nulte  hipoteze  • H0: obeležje X ima jednu potpuno određenu raspodelu (p(xi).  i=1. Pri tome je očigledno statistika  ( ) ∑ k =1 2 n (M k − np k ) 2 np k     χ   statistika  sa  r‐1  stepeni  slobode  koja  za  date  brojeve  mi  ima  određenu  vrednost:  χ r −1 2 = ∑ k =1 r ( m − np ) i i 2 np i ....α  i upoređujemo ga  r sa "našim" brojem  χ 2−1 :  r ako je  χ 2−1 < χ 2−1.mr  (m1+m2+.  s'  tim što eventualno neki od krajnjih intervala ne moraju imati ovo svojstvo....r  i  E(Mi)=npi..2.... ili  ϕ(x).9.+mr=n).α  onda H0 odbacujemo.r).  Pretpostavljajući  da  je  H0  tačna  izračunamo  koliko  će  teorijski od n vrednosti (x1.  r r   Ovde je važno napomenuti:  1) da prilikom podele skupa RX na disjunktne skupove treba voditi računa da u  svakom  Si  iz  uzetog  uzorka  bude  najmanje  5  članova  (tj..  ‐∞<x<+∞  u  zavisnosti  od  tipa  slučajne  promenljive  X)..  mi≥5..  gde  X  može  imati  n  vrednosti...α  ne odbacujemo hipotezu H0  r r ako je  χ 2−1 ≥ χ 2−1..  Iz  uzorka  (x1..    ‐ 221 ‐  .....  i=1.U okviru ovog kursa ćemo se baviti jedino testiranjem hipoteza o raspodelama  statističkih podataka odnosno vršićemo proveru da li je dato obeležje u okviru  nekog statističkog skupa raspoređenom po odrđenom zakonu..  Za uzorak se ovde zahteva da ima obim n≥50...  protiv  alternativne hipoteze  • H1: obeležje X nema tu raspodelu..m2. PIRSONOV   χ  TEST      Ovaj  test  spada  u  klasu  tzv.  delimo  na  r  (r≥2)  disjunktnih  podskupova  S1.. i=1.    9..Sr...

0196  p7≅0.0  np7≅4.82 9.1209  p5≅0.9 + 0.1 + 0.9 162.5   510 510   Iz tablice 1 za λ=1.12 2.9  np4≅62.5 nalazimo verovatnoće    p1≅0.3193  p3≅0.9 4.0528  p6≅0.8  np3≅115..0086    np2≅163.xn)  za  našu  raspodelu  izračunali  (ocenili)  s  parametara.α   vršimo  iz  tablice  za  normalnu  r raspodelu  (imajući  u  vidu  da  za  n>30  i  χ 2 ‐raspodela  aproksimira  sa  normalnom raspodelom  N(n.  n=510    160 + 250 + 180 + 120 + 50 + 24 + 7 791 λ= = ≈ 1..12 0.9  p2≅0..    ‐ 222 ‐  .  3) Ako  je  r‐s‐1>30  tada  ocenu  broja  χ 2−s−1.7 + 0.62 + + + + + ≅   130..08 ≅ 2.82 3.8  np5≅26.15 + 0. tada broj stepeni slobode u  χ 2 ‐raspodeli iznosi  r‐s‐1.2) Ako  smo  iz  uzetog  uzorka  (x1.  Registrovan  je  broj  ljudi  pred  šalterom  pošte  u  jednakim  vremenskim  razmacima    0  1  2  3  4  5  6  7  xi broj ljudi  ni broj intervala  120  160  125  60  30  10  4  1    Koristeći  Pirsonov  χ 2   test  ispitati  da  li  je  ovo  Puasonova  raspodela  pri  nivou  značajnosti 5%.8 26.30 + 0.    Primeri sa rešenjima:    19.4 ≅ 0.48   znači nemamo razloga da odbacimo hipotezu.9 62.4  χ2 = 10.2273  p4≅0.2515  np1≅130.8 115.9  np6≅10.2n).23 < 9.92 3.

14  0.06+ .21) (21. Tabela sa sredinama ima obik (srednju vrednost uzimamo  kao predstavnika intervala):    X  1.30)  nx  1  3  4  6  11  10  7  5  2  1    Proračunati Pirsonovim χ2 testom da li je ova raspodela normalna. .1 0.5    E(T2)=1⋅0.22  0.  20.1‐5.12 0. Data je tablica sa statističkim podacima:    I  (0.02 0.02+2⋅0.25)=9⋅3.9) (9.02    1  4  9  16  25  36  49  64  81  100  T2  w T2 0.52)=9⋅(34.1    Dakle    E(X)=3E(T)‐1.5  4.02    i računajmo    E(T)=1⋅0.04 0.85 ≅ 5.5  25.  n=50 (n=∑nx).27) (27.12) (12.22  0.5  7.24) (24.02=5.15) (15.08 0.5  19.1‐30.12 0.5  16.2  0.06+ .14 0.5  28. .06 0.06 0.2 0.04 0.02+4⋅0.2 0.18) (18.5  22.3) (3.5 T=  i zapišimo raspodelu za T i T2:  3   T  1  2  3  4  5  6  7  8  9  10  wT  0.08 0.22 0.5  10.02    Radi lakšeg računa izvršimo zamenu promenljive po formuli X=3T‐1.04  0. .5=15    σ2(X)=9σ2(T)=9(E(T2)‐(E(T))2)=9⋅(34.5.12  0.1 0. .02 0.08 0.02 0. odnosno  X + 1.02=34.5  13.6) (6.06 0.5  wx = nx n   0.14 0.9     Sada tražimo pripadajuće teorijske verovatnoće:    ‐ 223 ‐  .1  0. +10⋅0. +100⋅0.85    σ ( X ) = 9 ⋅ 3.

5 7.  među veličinama x i y dobijenih eksperimentom. am)   koja  daje  vezu  zavisne  promenljive  y.04 p 3 ≈ 0.02     Sada tražimo teorijske vrednosti:    np1=50⋅0. ..9 = Φ(-1.03 < ⎝ 5.  nezavisne  promenjive  x..9 5.875<14..am  za  koje  znamo  da  su  konstantni.5 3 np i i =1 Iz tablice za χ2 raspodelu čitamo  χ 2− 2 − 1.9 5..52 0.03) − Φ( −∞ ) = − Φ( 2.  Pretpostavimo  takođe  da  možemo  dobiti  veličine  x  i  y  (na  primer  merenjem). odnosno merenjem.186) − Φ( −2. am)  χ = 2 ∑ 8 ( mi − np i ) 2 =   ‐ 224 ‐  .09     p 9 ≈ 0.04     p 10 ≈ 0.03) − Φ(1.20     p 7 ≈ 0.52 1.15     p 8 ≈ 0.03⎟ = ⎟ = P⎜ −∞ < ⎝ ⎝ ⎠   5. a da vrednosti parametara nije moguće dobiti na isti način.5     np4=7. .186⎟ = ⎟ = P⎜ −2.067 nemamo razloga da odbacimo hipotezu.. METOD NAJMANJIH KVADRATA    Pretpostavimo da imamo neku zakonitost  (1)  y=f(x.5 4.a1.875   3 4.02 X − 15 ⎛ 3 − 15 X − 15 6 − 15⎞ ⎛ ⎞ p 2 = P(3 < X < 6) = P⎜ < < < −1.52 0 + + + + + + + = 0. Dakle. a0.15     p 5 ≈ 0.9 ⎠ 5.5     np9=2     np10=1           Prva dva razreda i poslednja dva razreda spajamo u po jedan razred i  dobijamo    12 0.9 5.9 = Φ( −2.02=1     np2=2     np3=4.  ali  koji  nam  nisu  poznati.03) + Φ( +∞ ) = 0.067   8 i kako je 0. postoje  veze  y1=f(x1.09     p 4 ≈ 0.      9.47726 ≈ 0.52 12 0 0.9 ⎠ ⎝ ⎠   5..  preko  m+1  parametara  a0.20     p 6 ≈ 0.03) = Φ( 2..05 = 14.X − 15 3 − 15⎞ X − 15 ⎛ ⎛ ⎞ p 1 = P( −∞ < X < 3) = P⎜ −∞ < < < −2.5 10 10 7..186) ≈ 0. a0.5 − 0...5     np5=10    np6=10     np7=7.5     np8=4.10.0 .

 .am biramo tako da zbir kvadrata grešaka  2 Φ ( a0 .. am)=εn    gde su ε1..  Ako  bi  nalazili  tačne  vrednosti  za  x  i  y.  Iz  ovih  n  veza  treba odrediti nepoznate parametre a0.  x2  i  y2. am ) = ∑[ y i =1 n i − f ( x i . ..  pa  će  se  pri  rešavanju  sistema  (2)  dobiti  nesaglasnost. . a 0 . .. a0. . . . Uz pretpostavku da su greške  pri  merenju  (eksperimentu)  raspodeljene  po  normalnom  zakonu. ..y2=f(x2. .. ..  odnosno  rešenja  od  nekih  m+1  jednačina  neće  zadovoljavati  ostale jednačine. ... Pri tome je po  pravilu  i  broj  n  veći  od  broja  m+1.. an ) ] 2              (4)  Da bi se ovaj minimum našao potrebno je naći parcijalne izvode  rešiti sistem jednačina  ∂Φ  i=0.  tada  bi  za  nalaženje  ovih  m+1  parametara  bilo  dovoljno  imati  m+1  veza.. am)=ε2  . ... .. .. . Parametre a0. ... . .. . odnosno traži se minimum funkcije  Φ( a 0 . .. a m ) = ε12 + .. . ..am. +ε n     bude najmanji. a0... . to imamo  y1‐f(x1... . .  yn=f(xn. . . a0.. . . . . .  Međutim... . . . . ..εn greške. .. am)=ε1           (3)  y2‐f(x2.. .    Zaključak  je  sledeći:  U  vezama  (2)  postoje  određene  netačnosti  i  parametre  a0.  vrednosti  za  x  i  y  sadrže  određene  greške  i  zbog  toga  nije  moguće  dobiti  prave  vrednosti  za  x  i  y.... . .. . na sledeći način:    Kako veze (2) nisu tačne.  odnosno nije moguće odrediti ni prave vrednosti za parametre. a0.. ... a0. . .m i  ∂a i ∂Φ = 0                                                (5)  ∂a i   ‐ 225 ‐  . . tj. .... ..  xn  i  yn  veličine  koje  su  dobijene  eksperimentom  (merenjem).  yn‐f(xn..am nije moguće dobiti kao tačne vrednosti.am  dobijaju  metodom  najmanjih  kvadrata.  tada  se  najverovatnije  vrednosti  za  parametre  a0. am)    pri  čemu  su  x1  i  y1. am)  (2)                  . .  a  n  je  broj  ponovljenih  eksperimenata  (merenja). .

 a0. . (6. . . . ).1). (4. . . . (8. . . . . b) = (1 − a − b) + (2 − 2a − b) + ⎜ − 3a − b⎟ + (2 − 4a − b) + ⎜ − 5a − b⎟ + ⎝2 ⎠ ⎝2 ⎠ ⎛5 ⎞ + ( 3. .    Primeri sa rešenjima:  21. . ako je    f(x. . .    Tada sistem (5) postaje  2 ∑[ y i =1 n i =1 n n i − ϕ 0 ( x i ) a 0 − ϕ 1 ( x i ) a 1 − . . . . (5. . .ϕ m ( x i ) a m ⋅ −ϕ m ( x i ) = 0   ][ ]   čije rešenje daje traženu funkciju. . . . Date su vrednosti  3 5 5 (1. . (2.  Tražena funkcija Φ(a. .. . . . ).b) + ( 4 − 7a − b) + ⎜ − 8a − b⎟ ⎝2 ⎠ 2 2 2   a sistem (6) postaje sistem:    ‐ 226 ‐  . . .2). . . . . (7.b) ima oblik  2   2 2 2 ⎛3 2 ⎛5 ⎞ ⎞ Φ(a. . . . . . . .ϕ m ( x i ) a m ⋅ −ϕ 1 ( x i ) = 0            (6)  ][ ] 2 ∑[ y ∑[ y i =1 i ][ ]   .ϕ m ( x i ) a m ⋅ −ϕ 0 ( x i ) = 0   − ϕ 0 ( x i ) a 0 − ϕ 1 ( x i ) a 1 − . (3. . .3).. .6a..4). .  2 2 2 Naći zavisnost y=ax+b po metodi najmanjih kvadrata. . tj.2). . . . +ϕm(x)am. . .  2 i − ϕ 0 ( x i ) a 0 − ϕ 1 ( x i ) a 1 − . . am)=ϕ0(x)a0+ϕ1(x)a1+ . . ). .Sistem (5) je relativno jednostavno rešiti ako je funkcija (1) linearna u odnosu  na parametre. . . . . . .

 (2. − ).4).b.∂Φ ⎛3 ⎞ = 2(1 − a − b) ⋅ ( −1) + 2(2 − 2a − b) ⋅ ( −2) + 2⎜ − 3a − b⎟ ⋅ ( −3) + 2(2 − 4a − b) ⋅ ( −4) + ⎝2 ⎠ ∂a ⎛5 ⎞ ⎛5 ⎞ + 2⎜ − 5a − b⎟ ⋅ ( −5) + 2(3 − 6a − b) ⋅ ( −6) + 2(4 − 7a − b) ⋅ ( −7) + 2⎜ − 8a − b⎟ ⋅ ( −8) = 0 ⎝2 ⎠ ⎝2 ⎠   ∂Φ ⎛3 ⎞ = 2(1 − a − b) ⋅ ( −1) + 2(2 − 2a − b) ⋅ ( −1) + 2⎜ − 3a − b⎟ ⋅ ( −1) + 2(2 − 4a − b) ⋅ ( −1) + ⎝2 ⎠ ∂b ⎛5 ⎞ ⎛5 ⎞ +2⎜ − 5a − b⎟ ⋅ ( −1) + 2(3 − 6a − b) ⋅ ( −1) + 2(4 − 7a − b) ⋅ ( −1) + 2⎜ − 8a − b⎟ ⋅ ( −1) = 0 ⎝2 ⎠ ⎝2 ⎠ odnosno    204a+35b‐96=0  72a+16b‐37=0  ____________  čije rešenje daje funkciju  241 159 y= x+   744 166   22.3). Date su vrednosti  3 (1.  2 Naći zavisnost y=ax2+bx+c metodom najmanjih kvadrata. (4. (5.6).c) = (6 − a − b − c) + ( 4 − 4a − 2b − c) + (2 − 9a − 3b − c) + ( −1− 16a − 4b − c) + 2 2 2 2 2 2 2 ⎛ 3 ⎞ +⎜ − − 25a − 5b − c⎟ + ( −36a − 6b − c) + ( 3− 49a − 7b − c) + ( 5− 64a − 8b − c) ⎝ 2 ⎠ 2 Funkcija Φ(a. (3.5). (6. b.2). (7. (8.      Φ(a.c) ima oblik      Sistem (5) postaje    ‐ 227 ‐  .‐1).0).

08x+11.      9.7 linearna veza je značajna    ‐ 228 ‐  .  tada  se  metodom  najmanjih kvadrata dobija  b= ∑( x i=1 n n i − x )( y i − y) i ∑( x i =1 − x) .5   linearna veza postoji ali je slaba    0.b) ima minimum.  907 ∂Φ = 8772a + 1296b + 204c − =0  2 ∂a   ∂Φ 139 = 1296a + 204b + 36c − =0  ∂b 2   ∂Φ 35 = 204a + 36b + 8c − = 0  ∂c 2   čije rešenje daje tražene parametre a..yn)  i  ako  hoćemo  da  odredimo  regresionu  pravu  y=ax+b..3 < r ≤ 0.y1). Obično se  uzima da je za:    linearna veza neznatna  r ≤ 0.(xn..11.27.5 < r ≤ 0. a= y . ovde treba imati na umu i koeficijent korelacije dobijen od uzorka  r= ∑ ( x − x )( y − y ) i =1 i i n   2 ∑( x − x ) ∑( y − y ) 2 i =1 i i =1 i n n koji govori o tome kakva je linearna veza koju daje regresiona prava.b.    Naravno.c i dobijamo funkciju    y=0..bx   2 i za te vrednosti se može dokazati da G(a.54x2‐5.3   0. ODREĐIVANJE REGRESIONIH LINIJA POMOĆU UZORKA      Ako imamo jedan dvodimenzionalni uzorak iz neke populacije  (x1.

 b i c:  an + b∑ xi + c∑ x = ∑ yi i =1 i =1 2 i i =1 n n n a ∑ xi + b∑ xi2 + c∑ xi3 = ∑ xi yi   i =1 n i =1 n i =1 n i =1 n n n n n a ∑ xi2 + b∑ xi3 + c∑ xi4 = ∑ xi yi2 i =1 i =1 i =1 i =1   Slično se mogu dobijati i druge linije.  Analogno  kao  u  prethodnom  delu  metodom  najmanjih  kvadrata  ovaj  problem  se  svodi  na  rešavanje  sledećeg  sistema  linearnih jednačina po a.  odnosno  kakav je neki "trend" kod neke pojave.    Pored  ovog  linearnog  trenda  isto  kao  u  predhodnom  poglavlju  može  se  odrediti i kvadratni trend odnosno mogu se određivati i druge vrste nelinearnih  trendova.    Ovde se prirodno postavlja sledeće pitanje: Ako imamo dve prognoze  (dve regresivne linije.  a  druga je vrendost koju u budućnosti treba prognozirati na osnovu vrednosti u  prošlosti i sadašnjosti. dva trenda).  ovaj  koeficijent  dat  ovde  i  ova  veza  data  ovde  ne  govore  da  drugih  “nelinearnih” veza nema (ako ova eventualno ne postoji).    Dakle.  U  statistici  postoje  i  mogućnosti  za  proveru  koji  je  od  trendova  najbolji ali treba uvek imati u vidu da dugoročne prognoze napravjene na ovaj  način su vrlo retko tačne.    Prirodno.9 < r ≤ 1     Ovu  napomenu  treba  imati  u  vidu  naročito  kada  na  osnovu  ove  linearne  regresione  prave  pravimo  prognoze  ‐  šta  će  se  “eventualno  desiti”.0.  kod  trenda  je  prva  koordinata  u  dvodimenzionalnom  uzorku  vreme.7 < r ≤ 0.  kod  kvadratnog  trenda  imamo  problem  određivanja  koeficijenata  parabole  y  =  a  +  bx  +  cx2.9   linearna veza je jaka  linearna veza je vrlo jaka.    Dakle. koja je od njih bolja?    Odgovor  na  ovo  pitanje  daje  poznati  kriterijum  standardne  greške  regresione funkcije:    ‐ 229 ‐  .  0.

24 ⋅ 5.24x.    Primer sa rešenjem:  23. a k  broj izračunatih parametara (kod linearnog slučaja je k = 2.  yt ( xi )  vrednosti funkcije  yt  u tačkama  xi .  gde su  xi  i  yi  podaci iz uzorka. Bolja funkcija je ona kod koje je greška manja.S yt = ∑ ( y − y ( x )) i =1 i t i n 2 n−k . 055   i regresiona prava ima oblik  y=0.5 = 0.875 − 1. Odrediti regresionu pravu iz podataka datih u primeru 2.    Iz datih podataka računamo  b= ∑ ( x − x )( y − y ) 8 i =1 i 8 i 8 ∑(x − x ) 8 i =1 i 8 2 ≈ 1.055+1. 24   a = y − bx = 6.          KLJUČNI POJMOVI:  POPULACIJA  UZORAK  OBELEŽJE  SREDNJE VREDNOSTI                    • • • • • SREDNJE KVADRATNO  ODSTUPANJE  • INTERVALI POVERENJA  • STATISTIČKA HIPOTEZA  • TREND    ‐ 230 ‐  . a kod paraboličkog  slučaja je k = 3).

  FINANSIJSKA I AKTUARSKA MATEMATIKA    10.  procentni  iznos  i  glavnica.  Osnovne pojmove aktuarske matematike  3.             p = .    ‐ 231 ‐  .1.              P =   p G 100 koje se koriste za izračunavanje glavnice. procentne stope i procentnog iznosa  ako  su  poznate  redom  procentni  iznos  i  procentna  stopa.  Matematičke principe funkcionisanja finansija i osiguranja     10. Taj broj se naziva “procenat” ili “procentna stopa” i označava se sa p. PROCENTNI RAČUN    Procentni račun od sto    Procentni  račun  je  račun  proporcija. i neki njen deo koji ćemo označiti sa P i zvati  “procentni iznos” pogodno je znati koliki je deo procentnog iznosa u sto delova  glavnice.  VIII ‐ GLAVA  FINANSIJSKA I AKTUARSKA MATEMATIKA    SADŽAJ OVOG POGLAVLJA JE:  • PROCENTNI I PROMILNI RAČUN   • PROST I SLOŽEN INTERESNI RAČUN   • OTPLATE ZAJMOVA I ESKONTOVANJE     • RAZNE VRSTE ULAGANJA   • RAZNE VRSTE OSIGURANJA UPLATOM MIZE   • RAZNE VRSTE OSIGURANJA UPLATOM PREMIJE     Cilj nam je da uvedemo:  1. odnosno glavnica i procentna stopa. osnovna proporcija procentnog računa je:    G : P = 100 : P    ili ekvivalentno G p = 100 P odakle možemo dobiti sledeće tri jednakosti  G= 100 P 100 P Gp .  Dakle.  Osnovne pojmove finansijske matematike  2.  Ako  posmatramo  neku  celinu  koju  ćemo  zvati “glavnica” i označiti je sa G.

    4 300 ⋅ 6 = 18   100 b)   p= 100 ⋅ 50 = 20%   250   Procentni račun više sto i niže sto    U praktičnim zadacima vezanim za procentni račun ne pojavljuju se obavezno  samo  veličine  definisane  na  početku  već  se  mogu  pojaviti  i:  glavnica  uvećana  (umanjena) za procentni iznos G+P (G‐P) zajedno sa procentnom stopom a da  treba izračunat P ili G.Napomena: procentna stopa je uvek neimenovan broj i pored brojne vrednosti  se stavlja znak %.    tj.  polazeći  od  relacijie  G ⋅ p = 100 ⋅ P   i  oduzimajući  levoj  i  desnoj  strani 100G odnosno Pp dobijamo proporcije      ‐ 232 ‐  .  Primer 1. Odavde možemo dobiti:    G= 100(G + P )   100 + p odnosno  P= (G + P ) ⋅ p   100 + p   Analogno. Izračunati:  a) glavnicu G ako je P=25 i p= 4%  b) procentnu stopu ako je G= 250 i P=50  c) procentni iznos P ako je G=300 i p=6%      a)     c)   G= P= 100 ⋅ 25 = 625.  Polazeći od relacije  G ⋅ p = 100 ⋅ P  i dodajući levoj i desnoj strani ove relacije  100G odnosno Pp dobijamo    G ⋅ p + 100 ⋅ G = 100 ⋅ P + 100 ⋅ G  odnosno  Gp + Pp = 100 P + Pp     G(100 + p ) = 100(P + G )  odnosno   (G + P ) ⋅ p = (100 + p ) ⋅ P   tj. dobijamo proporcije  (G + P ) : (100 + p ) = G : 100   odnosno  (G + P ) : (100 + p ) = P : p     koje se zovu proporcije procentnog računa više sto.

10    p =10%    pa je       G1= 100(G1 + P1) 100 ⋅ 12.    Cena robe posle sniženja iznosi    G − P = 9.10 = = 11   110 110 Ova cena je nastalaposle poskupljenja početne cene G0 za prvo povećanje od  10% pa imamo    G0 = 100(G 0 + P 0 ) 100 ⋅ 11 = = 10din   110 110 dakle.        ‐ 233 ‐  .  Naći  početnu cenu.  posle  smanjenja  cena  robe  se  prodaje  za  10.68  sniženje je za 20%    pa je cena bila pre sniženja    G= 100(G − P ) 100 ⋅ 9.    koje se zovu proporcije procentnog računa niže sto. dakle    G 1 + P1= 12. početna cena je bila 10 dinara.68  din.68 968 = = = 12. Iz njih se dobije:    (G − P ) : (100 − p ) = G : 100   (G − P ) : (100 − p ) = P : p   100(G − p )   100 − p odnosno  G= odnosno  P= (G − P ) ⋅ p   100 − p   Primeri sa rešenjima:    Cena  robe  povećana  je  prvi  put  za  10%  pa  zatim  opet  za  10%  pa  je  zatim  smanjena  za  20%.10   100 − p 80 80   Ova cena je nastala posle drugog poskupljenja od 10%.

  Interes se ugovara između poverioca i dužnika tako što se dužnik onavezuje  da  će  za  svaku  godinu  (ili  neki  drugi  rok)  platiti  poveriocu  određen  broj  dinara  na  svakih  100  dinara  pozajmljene  sume.    10.  verovati.10. PROMILNI RAČUN    Potpuno  analogno  u  pojednim  situacijama  u  praksi  se  koristi  analogan  račun  procentnom računu – promilni račun.  dakle.  Osnovna proporcija peomilnog računa je sledeća proporcija    G : P = 1000 : p    gde su     G ‐ glavnica      P ‐ promilni iznos      p  ‐  promilna  stopa  koja  je  i  ovde  neimenovan  broj  uz  koji  se  stavlja znak ‰. kreditiranje. Sama reč kredit je latinskog porekla.  Naknada  koju  dužnik  plaća  poveriocu  kredita  za  uslugu  pozajmljivanja  zove  se  interes  ili  kamata.  poverenje  u  dužnika  da  će  tu  obavezu  izmiriti.    Broj godina obeležava se sa g.  Kamata  (interes)  koja  se  plaća  na  svakih  sto  dinara  pozajmljene  sume  za  jednu  godinu zove se interesna stopa i obeležava se sa p (to je danas procenat).  Broj meseci obeležava se sa m.  Broj dana obeležava se sa d.    Kredit  je.  Pozajmljena  suma  na  koju  se  računa  interes  se  zove  kapital  ili  glavnica  –  obeležava  se  sa  K. PROST INTERESNI RAČUN    Interesni račun od sto    U poslovnom svetu normalna je pojava pozajmljivanje novca ili roba (što se  opet izražava novcem). tj. u prvom slučaju se računa da    ‐ 234 ‐  .   credere.3.  što  znači  dati  na  zajam.    Inača  broj  dana  po  mesecima  može  da  se  izračunava  po  kalendaru  ili  da  se  pretpostavi da svaki mesec ima po trideset dana.      Obrasci u primeni su potpuno analogni kao kod procentnog računa.  uzdati  se.2.  kamata  ili  interes  koja  se  plaća  na  celu  sumu  K  za  određeno  vreme  obeležava se sa i.

d) .i). godina ima 365 dana    Iz ovih relacija mogu se lako dobiti sledeće relacije:    K p d = 100 i  K p m = 1200 i  K p d = 36000 i  K p d = 365 i    odakle se lako dobijaju nepoznate veličine za K. (K. (K. te  proporcije su:    K : i = 100 : pg  g ‐ broj godina    K   :   i   =   1 2 0 0   :   p m  m   –   b r o j   m e s e c i     K : i = 36000 : pd  d – broj dana.p.i).p.  Ovo  se  uvek  dogovara  izmeđ  u  dužnika i poverioca kapitala. (K.i   ako su date redom (p.    U  pojedinim  izračunavanjima  se  koriste  i  veličine  kamatnog  broja  Kbr  =  K  d    i   kamatnih ključeva     D =  36000    p ili   D1= 36500   p       Iz prethodnih relacija sa ovim veličinama lako se dobijaju izrazi    i(360) =        Kbr    D ‐ interes ako se godina računa sa 360 dana    ‐ 235 ‐  .g. godina ima 360 dana    K : i = 36500 : pd  d – broj dana.g.i).godina  ima  365  dana  a  u  drugom  360  dana. (m.  Osnovne  proporcije  prostog  inetersnog  računa  su  vrlo  slične  osnovnim  proporcijama  procentnog  računa  –  jedina  razlika  je  u  tome  što  ovde  imamo  i  faktor vremena jer veličina interesa zavisi od vremena na koji je novac dat.p.g.g).     p – je kamatna stopa uvek na godišnjem nivou.

odnosno  i(365) =  Kbr    D ‐ interes ako se godina računa sa 365 dana    Veza  između  ovih  interesa  (ako  se  godina  računa  360  ili  365  dana)  data  je  relacijom    i( 360 )   i(365) = i(360)  ‐  73 koja se lako dokazuje polazeći od njihovih definicija.  U prvom slučaju je:    i( 360 ) =   K ⋅ p ⋅ d 9000 ⋅ 15 ⋅ 40 = = 150 din  36000 36000   ‐ 236 ‐  . d = 40.  ako godinu računamo na 360  i mesec 30 dana i  imamo  d  =  41  ako  godinu  računamo  na  365  dana  i  mesece  po  kalendaru. septembra ako  je  isplaćena  kamata  od  120  dinara  sa  interesnom  stopom  od  6%  (godina ima 360 dana)  Rešenje  a) Dato je p = 12%. K = 5000 din. pa je  i= Kpg 2000 ⋅ 12 ⋅ 6 = = 1440 dinara  100 100   b) Dato je p = 8%. g = 6godina.maja do 10.    Primeri sa rešenjima:     Izračunati  a) 12% kamatu na sumu od 2000 dinara za 6 godina  b) 8% kamatu na sumu od 5000 za 9 meseci  c) 15% kamatu na sumu od 9000 od 1. K = 9000 din.juna  d) kapital koji će se za 3 godine uz 10% kamatnu stopu doneti kamate  300 din  e) vreme kada je vraćen zajam od 60000 dinara dat 1. K = 2000 din.  pa je  i=   Kpm 5000 ⋅ 8 ⋅ 9 = = 300 dinara  1200 1200   c) Dato je p = 15%. m = 9.

 i = 300 din.  septembra. i =120 din.  kada je dato K + i a interesni račun niže sto kada imamo dat kapital umanjen za  interes K ‐ i. p = 6%  d= 36000 ⋅ i 36000 ⋅ 120 = = 12 dana  K⋅p 60000 ⋅ 6 Dakle.7 din  36000 36000    Imamo i slučaj kada mesece radimo po kalendaru a broj dana u godini 360:  i( 360 ) =   d) Dato je g = 3. uz pretpostavku da godina ima 360 dana novac je vraćen 12. godina ima 360 dana (3)  (K ± i ) : (36000 ± p ⋅ d ) = K : 36000       ‐ 237 ‐  .        Interesni račun više sto i niže sto    Interesni račun više sto se primenjuje kada je dat kapital uvećan za interes tj.U drugom slučaju je:  i( 365 ) = K ⋅ p ⋅ d 9000 ⋅ 15 ⋅ 41 = = 151 din  36500 36500 K ⋅ p ⋅ d 9000 ⋅ 15 ⋅ 41 = = 153. p = 10%. K = ?  K= 100i 100 ⋅ 300 = = 1000 din  p⋅g 10 ⋅ 3   e) Dato je K= 60000 din. potpuno analogno kao u slučaju procentnog računa više i niže sto  u zavisnosti kako je dato vreme imamo sledeće proporcije sa + za račun više sto  sa – za račun niže sto:  za vreme dato u godinama (1)  (K ± i ) : (100 ± p ⋅ g ) = K : 100       i                (K ± i ) : (100 ± p ⋅ g ) = i : p ⋅ g   za vreme dato u mesecima (2)  (K ± i ) : (1200 ± p ⋅ m) = K : 1200     i  (K ± i ) : (1200 ± p ⋅ m) = i : p ⋅ m   za vreme dato u danima.

 Izračunati koliki je dug i koliki je  interes?  Rešenje:    Dato je K‐ i =3800. m = 5    i=   (K ± i ) p ⋅ m 1200 ± p ⋅ m = 3800 ⋅ 12 ⋅ 5 3800 = = 200   1200 − 60 19       Dakle.   36000 ± p ⋅ d i= 36000 ± p ⋅ d K= (K ± i ) ⋅ 36500 . godina ima 365 dana (4)  (K ± i ) : (36500 ± p ⋅ d ) = K : 36500       (K ± i ) ⋅ 100 .(K ± i ) : (36500 ± p ⋅ d ) = i : p ⋅ d     i   Iz ovih relacija se lako računaju nepoznate veličine koje se pojavljuju u ovakvim  zadacima. dug je 3800+200=4000         Do istog rezultata se može doći i primenom obrasca  K=     (K ± i ) ⋅ 1200 = 3800 ⋅ 1200 = 4000   1200 ± p ⋅ m 1140          a onda je i = K  ‐ (K‐i) = 4000 – 3800 = 200    (2) Zajedno  sa  kamatom  uz  interesnu  stopu  na  godišnjem  nivou  od  15%  dužnik  je  posle  4  meseca  vratio  4200  din.   100 ± p ⋅ g i= (K ± i ) p ⋅ g   100 ± p ⋅ g K= Iz (3) imamo  (K ± i ) ⋅ 1200 .  Izračunat  koliki  je  bio dug i koliki je interes?    ‐ 238 ‐  . iz poznatih na primer iz  (1) imamo    K= Iz (2) imamo  (K ± i ) : (36000 ± p ⋅ d ) = i : p ⋅ d     i     za vreme dato u danima.   36500 ± p ⋅ d i= (K ± i ) p ⋅ d 36500 ± p ⋅ d     Primeri:   (1) Po  odbitku  interesa  sa  godišnjom  interesnom  stopom  12%  ya  5  meseci dužnik je vratio 3800 din.   1200 ± p ⋅ m i= 1200 ± p ⋅ m (K ± i ) p ⋅ m   (K ± i ) p ⋅ d   K= Iz (4) imamo  (K ± i ) ⋅ 36000 . p = 12%.

. …Kn  (1) Vreme na koje su date   g1. …gn  Kamatna stopa p ista za sve  i = i1 + .    Primeri sa rešenjima:    Banka je dala 10000 dinara sa kamatnom stopom od 15% na 4 meseca dužniku  A.. …Kn  Vreme na koje su date   g1.. p =15%. dakle:  Date sume su       K1. + = ∑ K k ⋅ gk   100 100 100 100 k =1 Analogni obrasci se mogu dati i za vreme dato u mesecima – danima. + in = K 1 ⋅ p1 ⋅ g 1 K 2 ⋅ p 2 ⋅ g 2 K n ⋅ pn ⋅ gn p n + + ..      Izračunavanje interesa na više suma    Ako  je  vlasnik  kapitala  dao  više  suma  na  zajam  na  različito  vreme  sa  istom  ili  različitom  kamatnom  stopom  tada  ako  hoćemo  da  izračunamo  interes  na  ukupan  dati  novac  izvuršimo  jednostavno  sabiranje  pojedinačnih  interesa  za  svaku sumu.. + in = (2) Date sume su     K 1 ⋅ p ⋅ g1 K n ⋅ p ⋅ gn p n + .  K2=15000  K3=40000    K1=10000    m1=4    m2=3    m3=6    p1=15    p2=12    p3=10    i=     1 3 10000 ⋅ 4 ⋅ 15 + 15000 ⋅ 3 ⋅ 12 + 40000 ⋅ 6 ⋅ 10 = 2950   ∑ K k ⋅ m k ⋅ pk = 1200 k =1 1200   ‐ 239 ‐  .. g2. na ime interesa dužnik je platio 200 din. m = 4      K= (K ± i ) ⋅ 1200 = 1200 ± p ⋅ m 4200 ⋅ 1200 4200 ⋅ 1200 = = 4000   1200 + 15 ⋅ 4 1260     Dakle.p2 …pn   i = i1 + ..Rešenje:    Dato je K + i = 4200.  15000  dinara  sa  kamatnom  stopom  12%  na  3  meseca  dužniku  B  i  40000  dinara sa kamatnom stopom od 10% na 6 meseci dužniku C. K2. g2. …gn  Kamatne stope su     p1. K2. Naći interes koji će  banka dobiti.. + = ∑ K k ⋅ gk   100 100 100 k =1   K1.

. + Kndn   K 1 + K 2 + . sa istom kamatnom stopom a sa vremenima d1.  imamo  obaveze  K1...d2.  dakle  imamo n obaveza K1.    Primer:  Dužnik  je  u  obavezi  da  plati  sledeće  fakture  sa  plativošću  u  danima  i  kamatna stopa za svakog dato u tabeli    10000  12000  15000  20000  25000  Kk  dk  15  20  25  30  20  pk  8  15  12  8  10      ‐ 240 ‐  .  ….  vremena  različita. …. Kn sa vremenom d1.d2. pa je srednje vreme ponderisana aritmetička sredina  ds =   III slučaj:   K 1d 1 + K 2 d 2 + .4. SREDNJI ROK PLAĆANJA    Ukoliko je neko pozajmio novac na više mesta u planiranju izmirenja obaveza  nastalih pozajmicama potrebno je ponekad izračunat srednji rok plaćanja svih  tih obaveza.  vremena  različita. pri tome računamo u tri različita slučaja.. + Kn Obaveze  su  različite.  tj. pn pa je opet  srednje vreme ponderisana  aritmetička sredina:    ds = K1 p1d 1 + K 2 p2 d 2 +.    I slučaj:   Obaveze i kamatne stope su jednake a vreme je različito..K2. d2...K2.+ K n pn   Napomena: III slučaj je najoštiji i prva dva se sadrže u njemu.  a  kamatne  stope  iste.p2.dn i ista kamatna  stopa.  različite  kamatne  stope.+ K n pn d n   K1 p1 + K 2 p2 +.. …. dakle imamo  n istih obaveze. + dn   n   II slučaj:  Obaveze  su  različite. ….10.  dn u  trenutku računanja i srednje vreme je aritmetička sredina  ds = d 1 + d 2 + .  Kn  sa  vremenom  d1. …..  ….dn  i  kamatnim  stopama respektivno  p1..

ESKONTOVANJE    Plaćanja u platnom prometu između privrednih subjekata mogu biti:  a) na dan dospele obaveze  b) posle dospele obaveze – kasnije  c) pre dospele obaveze – ranije    U  slučaju  a)  plaća  se  tačno  onoliko  koliko  je  obaveza  –  njena  nominalna  vrednost. U slučaju b) plaća se interes na zakašnjenje.  U  slučaju  c)  obračunava  se  interes  na  ranije  plaćenu  obavezu  i  oduzima  od  nominalne  vrednosti.  Kada  to  može da učini?  Rešenje:  To  je  moguće  učiniti  na  dan  srednjeg  vremena  plaćanja  kada  se  izravnaju plaćene i neplaćene obaveze.5.  Interes u ovim situacijama se zove eskont a njegov obračun eskontovanje.        10.Dužnik  želi  da  plati  ceo  dug  odjednom  sumom  iznosa  na  fakturama.    ‐ 241 ‐  .  ds = ∑K k =1 5 k =1 5 k ⋅ pk ⋅ dk = k ∑K ⋅ pk 10000 ⋅ 15 ⋅ 8 + 12000 ⋅ 20 ⋅ 15 + 15000 ⋅ 25 ⋅ 12 + 20000 ⋅ 30 ⋅ 8 + 25000 ⋅ 20 ⋅ 10   10000 ⋅ 8 + 12000 ⋅ 15 + 15000 ⋅ 12 + 20000 ⋅ 8 + 25000 ⋅ 10 = 22.      Komercijalni eskont    Eskont  računat  interesnim  računom  od  sto  na  nominalnoj  vrednosti  nekog  efekta    (menica. Obračunava se od dana  dospeća  do  dana  plaćanja  i  dodaje  se  nominalnoj  vrednosti.  kredit…)  za  vreme  od  dana  eskontovanje  do  dana  dospeća   zove se komercijalni eskont i obeležava se sa Ek.47 dana   Napomena:   Ovde  se  u  “izravnavanju”  roka  plaćanja  podrazumeva  da  dužnik  ne  plaća  kamatu  na  obaveze  koje  je  isplatio  posle  isteka  roka  plaćanja  i  da  ne  traži  kamatu na sredstva za obaveze uplaćena pre roka kao i to da su te kamate iste  i za dužnika i za poverioca.

  Epoha  (dan. sa K0  eskontovanu vrednost efekta u vremenu t=0.    Racionalni eskont    Nije  teško  videti  da  za  računanje  eskontovane  vrednosti  u  komercijalnom  eskontu radimo sa ra.  Eskontovana  vrednost  se  zove  sadašnja  vrednost efekta. tada je     i  K n ⋅ p ⋅ n Kn ⋅ n =   36000 D Kn ⋅ n = K 0 = Kn − Ek = Kn − D Ek = 36000 ⎞ ⎛ ⎜D = ⎟  n ⎠ ⎝ Kn ⋅ ( D − n )   D Dakle.Ako obeležimo sa Kn nominalnu vrednost eskonta sa danom dospeća t=n.  mesec. Neka data dva efekta sa nominalnim vrednostima Kn  i Kn´ imaju n i n´ dana respektivno pa su komercijalne eskontovane vrednosti    ‐ 242 ‐  . komercijalni eskont je eskont  sa izvesnom greškom.  godina)  kada  su  kapitali  jednaki  zove  se  datum  ekvivalencije dva kapitala. i ona je umanjena vrednost za eskont od dana  eskontovanja  do  dana  dospeća. n je broj dana do dospeća efekta  a p je eskontna stopa. JEDNAKOST EFEKATA    Kaže  se  da  su  dva  efekta  jednaka  u  određenom  trenutku  ako  eskontovana  istom  stopom  u  tom  trenutku  imaju  istu  komercijalnu  ili  istu  racionalnu  aktuelnu verdnost. Obeležimo sa  ‐ aktuelnu racionalnu vrednost efekta    K0  Kn   ‐ nominalnu vrednost efekta  n   ‐ broj dana  p  ‐ interesnu stopu  ‐ racionalni eskont  Er  tada je    Er = K0 = K0 ⋅ p ⋅ n K0 ⋅n =   36000 D Kn ⋅ D   odnosno  D+n i   Kn = K 0 + n ⋅ Kn   D+n K0⋅n   D Odavde je    Er =   10. Zbog toga uvodimo pojam racionalnog eskonta.unom od sto a da nam je nominalna vrednost veća (ili  manja) od prave sadašnje eskontovane. Dakle.  Racionalni eskont je interes aktuelne racionalne vrednosti. K0 eskontovana vrednost.6.

 jednakost nastaje za one n i n´ koji zadovoljavaju prethodnu jednakost.  Pored  ovakvog  računanja  kamata  postoji  i  računanje  kamata  na  početku  svakog predstojećeg perioda (tako banke daju zajmove) i zove se anticipativno  računanje interesa koje obeležavamo sa slovom a uz interesnu stopu.                  ‐ 243 ‐  .7.)    polugodišnje  (per semestre) skraćeno (p.    Ako  isti  postupak  provedemo  za  racionalne  eskontovane  vrednosti  dobijamo  da će se jednakost postići za n i n´ koji zadovoljavaju    Kn Kn´   = D + n D + n´ i važi stav da dva kapitala ne mogu biti istovremeno jednaka u komercijalnom i  racionalnom eskontu.)    tromesečno  (per quartale) skraćeno (p.s.)  U praksi je najčešće godišnje i polugodišnje.a.      10.m.)    mesečno  (per mensem) skraćeno (p.  K0 = Kn ( D − n )   D i   K 0´= Kn´(D − n´)   D kako se zahteva K0=K0´ to će biti za  Kn(D − n ) = Kn´(D − n´)   Dakle. SLOŽENI INTERESNI RAČUN    Dekurzivno računanje vremena    Pod složenim interesnim računom se podrazumeva računanje kamate na neki  kapital  u  određenom  periodu  dodavanjem  kapitalu  tako  da  zajedno  sa  početnim  kapitalom  nadalje  donosi  kamatu.  Ovo  obračunavanje  i  dodavanje  interesa kapitalu zove se kapitalisanje i može biti:    godišnje   (per annum) skraćeno (p.    Računanje i odobravanje kamate na kraju određenog vremenskog perioda zove  se dekurzivno računanje interesa i uz kamatnu stopu se obeležava sa d.q.

K 4 = K ⎜1 + ⎟ ..    100 p  se obeležava sa r i zove se interesni činilac pa poslednja jednačina   100 postaje  Kn  =  Krn    pri  čemu  je  rn    predstavlja  krajnju  vrednost  jedne  novčane  jedinice  date  pod  interes  sa  kamatnom  stopom  p  godišnje  na  dekurzivno  kapitalisanje od n godina.  Izračunajmo  Kn  uz  pretpostavku  da  je  K  dinara  dato  uz  kamatnu  stopu  p  i  sa  godišnjim kapitalisanjem. jednačina računanja kapitala posle n godina ima oblik    ‐ 244 ‐  .  dakle.Faktor akumulacije    1.  Vrednost  kapitala  posle  određenog  broja  u  n  periodu  na  kojem je kapitalisan zove se krajnja vrednost i obeležava se sa Kn. i naziva se faktor akumulacije.   ⎝ 100 ⎠ ⎝ 100 ⎠   i uopšte    Izraz 1+ K n = K (1 + p n ) . Izračunavanje krajnje vrednosti kapitala    Vrednost  kapitala  koja  se  daje  pod  interes    zove  se  sadašnja  vrednost  i  obeležava  se  sa  K..1.  U slučaju da se kapitalisanje vrši m puta godišnje sa godišnjom kamatom od p  procenata  tada  se  procenat  umanjuje  m  puta  a  stepen  se  uvećava  m  puta.  Posle prve godine imamo interes  i1 = Kp   100 Kp p = K (1 + )  100 100 koju dodajemo na početni kapital i dobijamo  K1 = K + i2 = Na kraju druge godine imamo ineteres      K1 p p p = K (1 + )   100 100 100   koji dodajemo na K1 i dobijamo      p ⎞ p ⎞ p p ⎞ ⎛ ⎛ ⎛ = K ⎜1 + K 2 = K 1 + i 2 = K ⎜1 + ⎟ + K ⎜1 + ⎟ ⎟   ⎝ 100 ⎠ ⎝ 100 ⎠ 100 ⎝ 100 ⎠ 3 4 2 Na isti način dobijamo da je        p ⎞ p ⎞ ⎛ ⎛ K 3 = K ⎜1 + ⎟ .

26din   ⎝ 100 ⎠   b)  K 10 = 5000 ⋅ ⎜1 + 5 ⎛ ⎝ 4 ⎞ ⎟ 2 ⋅ 100 ⎠ 5⋅2 = 6094..  u  praksi  u  bankarskim  poslovima  gde  su  ovi  računi  česti.  b)  polugodišnjem i c) tromesečnom kapitalisanju sa godišnjom stopom od  4% na 5 godina  Rešenje:          d) 4 ⎞ ⎛ a)  K 5 = 5000 ⋅ ⎜1 + ⎟ = 6083.95din   5⋅4 K 20 4 ⎞ ⎛ = 5000 ⋅ ⎜1 + ⎟ ⎝ 4 ⋅100 ⎠ = 6100.    Primer:  Naći  sumu  na  koju  naraste  5000  dinara  pri  a)godišnjem..    Kmn=K ⎜1 + ⎛ ⎝ p ⎞ ⎟   m ⋅ 100 ⎠ mn Ovakve stope na kraći period od godine zovu se proporcionalne.2.  za  ovaj  račun  se  ne  koriste  logaritmi  i  loaritamske  tablice  već  tablica  I  interesa    na  interes  koja  sadrži  krajnje  vrednosti    jednog  dinarana  kraju  1.  Dakle:  p = I1   p 100 p 2 2 r 2 = (1 + ) = Ip    100 p n n r n = (1 + ) = I p   i    100 n n K n = K 0 r   se  zamenjuje  sa  K n = K 0 ⋅ I p   pri  godišnjem  kapitalisanju  sa    r = 1+ kamatom  od  p  %..  Ako  se  kapitalisanje  vrši  m  puta  godišnje  sa  stopom  p%  godišnje  tada  se  vrednosti  kapitala  na  kraju  n‐te  godine    računa  na  sledeći  način:  K mn = K 0 I mn .n  godine  uz  dati  procenat.  p m     ‐ 245 ‐  .95din     Napomena:  Zbog  prilično  komplikovanog  računanja  vrednosti..

  Neka je:   i  ‐ godišnja kamatna stopa      im – ekvivalentna kamatna stopa za m kapitalisanja godišnje  Neka je prema prethodnom zahtevu kapital isti na kraju n‐te godine:    ‐ 246 ‐  .      Konformna (ekvivalentna) stopa    Iz  prethodnih  poglavlja  smo  videli  da  se  uvećanjem  broja  kapitalisanja  povećava  krajnja  vrednost  kapitala  i  da  je  ona  najveća  pir  neprekidnom  kapitalisanju.  Šta  bi  bilo  ako  bi  kapitalisanje  vršili  neprekidno?  Polazeći od formule    Kmn=K0 ⎜1 + ⎛ ⎝ p ⎞ ⎟   m ⋅ 100 ⎠ m ⋅n mn tada bi se m neograničeno uvećavalo! Imali bi. odnosno  n n m m ⎡⎛ ⎡ ⎛ p p ⎞ ⎤ ⎞ ⎤ ⎟ ⎥ ⎟ ⎥ ⎢⎜ ⎢ ⎜ K n = K 0 ⋅ lim ⎢⎜1 + 100 ⎟ ⎥ = K 0 ⎢ lim ⎜1 + 100 ⎟ ⎥   m →∞ m →∞ m ⎟ ⎥ m ⎟ ⎥ ⎢⎜ ⎢ ⎜ ⎝ ⎠ ⎦ ⎝ ⎠ ⎦ ⎣ ⎣   pn ⎛ p ⎞ K n = K 0 ⎜ e 100 ⎟ = K 0 e 100   ⎜ ⎟ ⎝ ⎠ p n n Broj  e 100 se zove dekurzivni interesni činilac a  e 100 se zove faktor akumulacije  posle n godina pri neprekidnom ukamaćivanju. Prirodno je postaviti pitanje kako se može vršiti kapitalisanje više  puta (na primer m puta) u toku godine i da se isplati ista količina novca kao pri  godišnjem kapitalisanju?  Odgovor  na  ovo  pitanje  je  sledeći:  ista  količina  novca  pri  godišnjem  i  češćem  kapitalisanju će se postići pomoću ekvivalentne kamatne stope.Generalizacija faktora akumulacije    U  primeru  iz  prethodnog  poglavlja  se  vidi  da  ako  kapitalisanje  vršimo  češće  dobijamo  veće  sume  novca  na  kraju. dakle                p p ⎞ ⎛ K n = lim K 0 ⋅ ⎜1 + ⎟ m →∞ ⎝ m ⋅ 100 ⎠   .

(1 + i )n = (1 + im )mn  odnosno posle korenovanja leve i desne strane  (1 + i ) = (1 + im )m  odnosno  1 + i m = (1 + i 1 m K 0 (1 + i ) = K 0 (1 + im )  odakle je  n mn ) 1 m   a odatle  im = (1 + i ) − 1   tako.956%   ⎝ 100 ⎠ 1 Očigledno.  m Dakle... proporcionalna stopa je veća od ekvivalentne.          Eskontni faktor    Iz jednačine           K n = K 0 (1 + i ) K mn n p ⎞ ⎛ = K 0 ⎜1 + ⎟ odnosno  ⎝ 100 ⎠ mn n i ⎞ ⎛ = K 0 ⎜1 + ⎟ ⎝ m⎠ pn 100 p ⎞ ⎛ = K 0 ⎜1 + ⎟ ⎝ m ⋅ 100 ⎠ mn odnosno  K n = K 0e     ‐ 247 ‐  . ova stopa je nešto niža nego proporcionalna koja bi u ovom slučaju  bila 3%.. Polazeći od relacije  1 + i = (1 + im )    m i rastavljajući desnu stranu po binarnom obrascu imamo      m m m m m m m 2 2 1+ i = ⎛ ⎞ + ⎛ ⎞im + ⎛ ⎟im +.+ ⎛ ⎞im >1+ m⋅ im   ⎜ m⎟ ⎜ 2⎟ ⎜ m⎟ ⎜ 0⎟ ⎜ 1 ⎟ ⎜ 2⎞ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ i odavde je  i > m ⋅ im  odnosno  > i m ..  Ovo  važi  i  u  opštem  slučaju  što  se  lako  dokazuje  koristeći  se  binarnim  obrascem. ako je kapitalisanje polugodišnje sa kamatnom stopom od 6%  tada je ekvivalentna kamatna stopa    6 ⎞2 ⎛ i 2 = ⎜1 + ⎟ − 1 = 2.+ ⎛ ⎞ =1+ m⋅ im + ⎛ ⎞im +. na primer.

  odnosno Kmn  odnosno  K n u zavisnosti od vrste kapitalisanja.  U primenama je trebalo rešavati i obrnut problem: koliko treba uložiti novca u  sadašnjem  trenutku  da  bi  posle  n  godina  dobili  željenu  svotu  novca  Kn.      Primeri sa rešenjima:    Koliko treba   uložiti  novca danas da bi  posle 10 godina sa kamatnom stopom  8% uz godišnje kapitalisanje primili 5000 din?      K0 = 5000 8 ⎞ ⎛ ⎜1 + ⎟ ⎝ 100 ⎠ 10 = 2316 din           ‐ 248 ‐  .  početna  vrednost  koju  treba  uložiti  se  dobija  kada  se  željena  vrednost  podeli  sa  faktorom  akumulacije  odnosno  ako  se  željena  vrednost  pomnoži  sa  recipročnom vrednošću faktora akumulacije koji se zove još i eskontni faktor. Jasno.  Radi  lakšeg  računanja  i  eskontni  faktor  se  zadaje  tablično  (za  praktični  račun  lakše je množiti nego deliti) i dat je tablica II.dobijamo krajnju vrednost kapitala posle n godina pri dekurzivnom godišnjem.  m puta u godini i neprekidnom kapitalisanju sa godišnjom kamatnom stopom  p. ovo se lako  rešava i imamo    K0 = Kn p ⎞ ⎛ ⎜1 + ⎟ ⎝ 100 ⎠ K mn n     odnosno    K0 = p ⎞ ⎛ ⎜1 + ⎟ ⎝ m100 ⎠ mn      odnosno                Dakle.

  Zadnji ulog postaje                      p ⎞ ⎛ K ⎜1 + ⎟   ⎝ 100 ⎠ p ⎞ ⎛ K ⎜1 + ⎟ ⎝ 100 ⎠ p ⎞ ⎛ K ⎜1 + ⎟ ⎝ 100 ⎠ n −1 n   n −1   p ⎞ ⎛ K ⎜1 + ⎟  ⎝ 100 ⎠ Dakle.. koji mogu  biti u istim vremenskim intervalima kao i u različitim. + r + 1 = K ⋅ r Napomena 1: Zadnja relacija se može dobiti i na sledeći način:     S n = K ⋅ r n + K ⋅ r n −1 + . Dakle.    Ulaganje početkom obračunskog perioda    Pretpostavimo da na početku svake godine ulažemo K dinara i neka banka na  kraju  svake  godine  vrši  kamaćenje  sa  p%  kamatnom  stopom.  izračunavali  smo  koliki  kapital  treba uložiti da bi imali određenu krajnju vrednost posle n godina... + K ⋅ r 2 + K ⋅ r  i posle množenja sa r  imamo  r ⋅ S n = K ⋅ r n +1 + K ⋅ r n + .  Očigledno ćemo imati sledeću situaciju:  Prva uložena suma posle n‐te godine je postala    Druga uložena suma donosi  Treća uložena suma postaje  .  kojom  ćemo  sumom raspolagati na kraju n‐te godine. uvek  jedan ulog... zatim isti po veličini  kao i  različiti.Faktor dodajnih uloga    U  prethodnom  razmatranju  složenog  kamatnog  računa  izračunavali  smo  krajnju  vrednost  kapitala  za  dati  početni  kapital  dekurzivno  na  n  godina  sa  kamatnom  stopom  od  p  procenata  ili  obrnuto.. + K ⋅ r = K ⋅ r r n −1 + r n − 2 + ... + K ⋅ r 3 + K ⋅ r 2  a odavde      ( ) r n −1   r −1 rS n − S n = K ⋅ r n +1 − K ⋅ r  što daje  S n ( r − 1) = Kr ( r n − 1)   odnosno    ‐ 249 ‐  ..  Ovde ćemo posmatrati situacije kada imamo ne jedan već više uloga. na kraju n‐te godine imamo  ⎜ 1 + ⎛ ⎝ p ⎞ = r⎟   ⎠ 100 S n = K ⋅ r n + K ⋅ r n −1 + ..

8din   Dakle. S5=?    10000 ⋅ 1. n=5.04 − 1       Ulaganje krajem obračunskog perioda    Ako se krajem svake godine ulaže K dinara sa p% (pa) d interesa na interes pri  godišnjem kapitalisanju koliko ćemo imati novca posle n godina?  Analizirajmo:  uloženih  K  dinara  na  kraju  prve  godine  posle  n  godina  postaje  Kr n −1   drugi ulog od K dinara na kraju je  Kr n − 2   treći  ulog  daje  Kr n −3   i  tako  dalje  poslednji  ulog  od  K  dinara  se  ne  kapitališe.  Koliko  će  imati  u  banci  na  kraju  iste  godine  ako  se na  ime  interesa  na  interes  računa  po 4%  uz  godišnje  dekurzivno kapitalisanje?    Ovde je K=10000.04 5 − 1) = 56329.  S 5 = 1. p=4%. + K  =          =  K (r n −1 + r n − 2 +..      ·       Napomena 2: Izraz  r r n −1  je očigledno zbir iz I tablice od 1 do n za određeni  r −1 ( ) procenat a koji se takođe zadaje tabelarno. važi:      r (r n − 1) n = III p   r −1 i naš osnovni uzraz se računa na sledeći način  n S n = K ⋅ III p         Primeri sa rešenjima:    Neko  ulaže  početkom  svake  godine  10000  dinara.04(1. tj...  Dakle. tablica III. posle n godini imamo:      '   S n = K ⋅ r n −1 + K ⋅ r n − 2 + .04.+ r + 1) = K   ‐ 250 ‐  rn −1   r −1 .. r=1.

  n −1 Napomena 1: Ako izraz  r n −1 + r n − 2 + . između Sn  i  S mogu da se uspostave sledeće veze:   rn −1 S =K množenjem  leve  i  desne  strane  sa  r  dobijamo  Uz  r −1 r n −1 ' r ⋅ Sn = K ⋅ r  tj.  Ako  je    ‐ 251 ‐  . + r zamenimo tabličnim izrazom  III p   ' tada  S n možemo računati i na sledeći način    ' n S n = K 1 + III p −1   ' n ( ) Isto tako.      Ulaganje je češće (ređe) od kapitalisanja    U  slučajevima  kada  su  ulaganja  neravnomerno  raspoređena  i  različita  po  veličini  a    računaju  se  na  određeni  broj  godina  tada  možemo  postupiti  na  sledeći način: Posle svakog ulaganja kapital se preračunava na krajnji datum  te  godine  i  posle  se  izvrši  uobičajeni  postupak  računa  godine  za  godinu.  p n I p −1 100 n =K⋅ I p −1   p p 1+ −1 100 Isto tako i    r n −1 S =K =K r −1 ' n ( )   Napomena  2:  Za  slučajeve  kapitalisanja  češćih  nego  što  su  godišnja  n kapitalisanja  pri ovom računu sa tablicom III umesto  III p  koristi  III mn  ako je  p m broj kapitalisanja m na godišnjem nivou a godišnja kamatna stopa iznosi p (n je  naravno broj godina)...  r −1 ' n   ' r ⋅ S n = S n ili          ' Sn = Sn  odnosno  r   ' n S n = K ⋅ III p ⋅ II 1 .

  na  kraju  svake  godine  će  biti  novog  novca    K1=21000  dinara.  m   Primeri sa rešenjima:    Ulagano je početkom svakog polugodišta po 10000 dinara u banku koja plaća  6% kamate i vrši godišnje kapitalisanje u trajanju od 5 godina.    6 ⎞ 6⋅6 ⎞ ⎛ ⎛ K 1 = 10000 ⎜1 + ⎟ + 10000 ⎜1 + ⎟ = 20900 din   ⎝ 100 ⎠ ⎝ 1200 ⎠   Dakle. prvi ulog se kapitališe u potpunosti i na kraju imamo  K (1 + ⎛ ⎜ K ⋅ ⎜1 + ⎜ ⎜ ⎝ 12 ⎞ ⎞ ⎛ p⎜12 − ⎟ ⎟ m ⎠ ⎟  ⎝ 1200 ⎟ ⎟ ⎠ p )  100 drugi ulog će postati  treći ulog će postati  ⎛ 12 ⎞ ⎞ ⎛ ⎜ p⎜12 − ⋅ 2 ⎟ ⎟ m ⎠⎟  K ⋅ ⎜1 + ⎝ ⎟ ⎜ 1200 ⎟ ⎜ ⎠ ⎝   ‐ 252 ‐  .6371 = 117815 . Koliko novca će  biti posle tog perioda?    Na kraju prve godine kada se vrši kapitalisanje ćemo imati kapitalisanje za prvi  ulog za celu godinu a za drugi kapitalisanje za pola godine tj.  odnosno  imađemo    S 5' = 21000 1 + III 64 = 20900 ⋅ 5.ulaganje  ređe  od  kapitalisanja  tada  se  kapitalisanje  vrši  sa  odgovarajućom  kamatnom stopom  p (m je broj kapitalisnja) za m‐n period.4   ( )     Napomena:  ukoliko  na  primer  u  banku  ulažemo  početkom  svakog  od  m  perioda  u  toku  jedne  godine  po  K  dinara  sa  godišnjom  kamatnom  stopom  p  onda ćemom na kraju godine imati ulog od     p (m + 1) ⎞ ⎛ K1 = K ⎜ m + ⎟  200 ⎠ ⎝ Zaista.

.n‐te godine ulažemo K1. + k n  odakle je          K0 = k k1 k 2 + 2 + ... .  Postavlja  se  pitanje:  Koliko  novca bi trebalo uložiti početkom prve godine da na kraju n‐te godina uz iste  uslove imamo isti kapital?  Dakle..... + ⎝ K1 = K ⎜ m + ⎜ ⎟ 100 1200 1200 ⎜ ⎟ ⎝ ⎠ ⎛ 12 ⎛ ⎞⎞ ⎜ p⎜12m − (1 + 2 + .  m‐ti ulog će postati  ⎛ 12 ⎛ ⎞⎞ ⎜ p⎜12 − ⋅ (m − 1)⎟ ⎟ m ⎠⎟  K ⋅ ⎜1 + ⎝ ⎟ ⎜ 1200 ⎟ ⎜ ⎠ ⎝ I zbir    ⎛ 12 ⎞ 12 ⎛ ⎛ ⎞⎞ ⎜ p⎜12 − ⎟ p⎜12 − (m − 1)⎟ ⎟ p m⎠ m ⎠⎟ = + ⎝ + ..K2. + n     r r rn   ‐ 253 ‐  .Kn dinara uz godišnje  kapitalisanje  sa  kamatnom  stopom  p  procenata... druge... + (m − 1))⎟ ⎟   p m ⎠⎟ = = K⎜m + + ⎝ ⎟ ⎜ 100 1200 ⎟ ⎜ ⎠ ⎝ 6 p (2m − m + 1) ⎞ p p p (m − 1) ⎞ ⎛ ⎛ = K⎜m + + + ⎟ = K⎜m + ⎟= 100 1200 100 200 ⎠ ⎝ ⎠ ⎝ 2 p + pm − p ⎞ p(m + 1) ⎞ ⎛ ⎛ = K⎜m + ⎟ = K⎜m + ⎟ 200 200 ⎠ ⎝ ⎠ ⎝         Faktor aktuelizacije dekurzivnih uloga      Neka krajem prve..... ako je taj  nepoznati kapital K0 tada je    K 0 ⋅ r n = k1 ⋅ r n −1 + k 2 ⋅ r n −1 + . ..

. + nn 1  ako je k1 = k2 = . dakle..kn  dinara  uz  godišnje  kapitalisanje  sa  kamatnom  ' stopom  od  p%  možemo  postaviti  pitanje:  koliko  bi  novca  K 0   trebalo  uložiti  početkom  prve  godine  da  bi  na  kraju  n‐te  godine  uz  iste  uslove  imali  isti  kapital?  ' Nepoznati kapital bi... + k n r  dakle..  r n −1 = IV pn%   r n (r − 1)     n i  K 0 = k ⋅ IV p %   Faktor aktuelizacije anticipativnih uloga    Analogno  kao  u  prethodnom  slučaju...  n‐te  godine  ulažemo  k1. bio  K 0 i on bi na kraju n‐te godine bio  ' K 0 r n i morao bi biti isto kao i  k1r n + k 2 r n −1 + .  druge...  r n −1 Napomena: Radi lakšeg računa u praksi se koristi tablica za izraz  n  to  r (r − 1) je tablica IV......n‐te godine.  r (r − 1) r n −1 (r − 1)   ‐ 254 ‐  .  neka  početkom  prve. dakle.  ' K 0 = k1 + k2 k + ...Ako je  k1 = k 2 = ..  r (r − 1) n (r   Danas faktor aktuelizacije je vrednost ulaganja na početku prve godine (zove se  još  i  diskontovana  vrednost)  ekvivalentna  ulaganjima  od  po  jedne  novčane  jedinice krajem prve. = k n = k  tada je   K0 =   pri tome se  k (r n − 1)   r n (r − 1) n − 1)  zove faktor aktuelizacije... = kn tada je   r r − 1 ⎞ rn −1 ⎛ 1 ' K 0 = k ⎜1 + + . važi  K = k 1 + IV   ( n −1 p% )   r n −1 − 1 rn −1 = jer je    1 + n −1 ..  k2.. + n −1 ⎟ = k n −1   2 ⎠ r (r − 1) ⎝ r ' 0 i ove vrednosti se slično kao i prethodna računa primenom tablice IV tj..

  Anuiteti  su  najčešće  jednaki  a  mogu  biti  i  različiti  a  na  primer  da  otplate glavnice budu jednake.  Zajmovi  najčešće  služe  za  investicione  svrhe  i  po  pravilu  se  odobravaju  jednokratno  u  određenoj  visini  a  dužnici  ih  otplaćuju  u  godišnjim  otplatnim  iznosima koji se zovu anuiteti.      Amortizacija zajma jednakim anuitetima    Pretpostavljamo  da  je  dužnik  uzeo  od  poverioca  K  dinara  početkom  godine  koje treba da otplati sa jednakim godišnjim anuitetima a.  dužničko  poverenički  odnos  zasnovan  na  ugovoru  o  uslovima  za  isticanje  prava  raspolaganja  novcem  (ili  nekim  drugim  vrednostima)  od  strane  poverioca  prema  dužniku.  Dakle.  kredit  ili  zajam  predstavlja  privredno  pravni  pojam  tj.Zajmovi    I pored toga što u ekonomskoj nauci u praksi se ponekad pravi razlika između  zajma i kredita (reč kredit se upotrebljava za kratkoročne bankarske poslove a  zajam se upotrebljava za dugoročne kredite). ali pored toga interes može biti i određeni ekonomski razvoj.  Interesi  poverioca  (odnosno  zajmodavca)  su  najčešće kamata. Isplaćivanje zajma se u ekonomskoj praksi zove  amortzacija zajma.  Sama  reč  kredit  potiče  od  latinske  reči  “credo”  što  znači  verujem  (imam  poverenje). Pri tome je kamata p  procenat a ukamaćivanje je složeno i vrši se godišnje.  Koliki je anuitet a?    Dug će očigledno posle godinu dana pre otplate prve dve rate iznositi  p ⎞ ⎛ K1 = K ⎜ 1 + ⎟ = K (1 + r )     ⎝ 100 ⎠ p ⎞ ⎛ ⎜i = ⎟  ⎝ 100 ⎠   Posle otplate prve rate dug iznosi  K (1 + i ) − a   Pre isplate druge rate dug postaje (zbog kamata)    2 K 2 = (K (1 + i ) − a )(1 + i ) = K (1 + i ) − a (1 + i )     2 i uplatom druge rate dug se smanjuje za a i iznosi  K (1 + r ) − a (1 + i ) − a       ‐ 255 ‐  .  instrument  ekonomske  politike  ako  je  poverilac  veća  firma  prema  manjoj  ili  država prema nekoj radnoj organizaciji. Ovde ne pravimo razliku između  ove dve kategorije jer suštinske razlike i nema.  U anuitetima se sadrže otplate glavnice i isplate  kamate.

  Izračunati anuitet ako se:  a) anuitet plaća i kapitalisanje vrši godišnje  b) anuitet  plaća i kapitalisanje vrši polugodišnje  c) anuitet plaća i kapitalisanje vrši tromesečno  d) anuitet plaća i kapitalisanje vrši mesečno.+ ar + a     odnosno    Kr n = a   rn −1     r −1 tj.  Ako  je  1  +  i  =  r   tada imamo    Kr n = ar n −1 +.   ·    odnosno    K = a rn −1   r n (r − 1) r n (r − 1)   zove  anuitetni  faktor  ili  faktor  povraćaja  koji  je  dat  rn −1 1 n tablicom V.− a (1 + i ) − a = 0     jer  je  po  pretpostavci  isplatom  zadnje  n‐te  rate  dug  isplaćen..    Rešenje:     ‐ 256 ‐  .000 dinara amortizuje se jednakim anuitetima u toku 5  godina uz 12% kamatnu stopu ako je obračun kamate na kraju godine.  a = K ⋅ V p   m   Primer: Zajam od 1.000. važi   V p % =   IVpn% pri  čemu  se  U slučaju da se anuiteti povećaju  m puta godišnje i n puta se vrši kapitalisanje  tada se analognim računom dobija veza        a(r mn − 1)    r mn (r − 1) p r =1+     100m K = a ⋅ IV pmn     K= m gde je  odnosno imamo  mn tj. a koja je očigledno povezana sa tablicom IV tj...Ovaj račun nastavljamo i posle n‐te godine i isplate n‐te rate imamo    K (1 + i ) n − a (1 + i ) n −1 − a (1 + i ) n − 2 −..

n    Pri ovakvom načinu otplaćivanja zajma očigledno je da se sa vremenom otplate  povećavaju a prispele kamate smanjuju.200 din  m   Zakon otplata    Ako  zajam  otplaćujemo  jednakim  anuitetima  tada  sa  svakim  anuitetom  plaćamo  prispelu  kamatu  na  dug  u  tom  trenutku  i  dajemo  otplatu  –  smanjujemo dug.  bn = K n   Pregledno ovaj plan se daje tabelom:    Period  anui Iznos dug  Interes  otplaćivanja  tet  1  otplate  K1 = K   i1 =   ‐ 257 ‐  K1 p 100   a   b1 = a − i1   . n = 3.000.000.300 din  m b) K=1. n = 3.500 din  m mn d) K=1. m = 12.  interes  i2 = 2 . Dakle.. m = 4.. m =2.400 din  mn c) K=1.  i  otplata  100 bn = a − in   za prvu godinu zajam je K1=K.000..  Izložimo  ga    pretpostavljajući  da  se  zajam  od  K  dinara  amortizuje sa n jednakih godišnjih anuiteta sa p% kamatnih stopa i godišnjim  dekurzivnim kapitalisanjem.000. interes  i1 = pri čemu je poslednja otplata jednaka ostatku duga tj.  Pregled  otplata  i  interesa  se  vrši  po  određenom  planu  koji  se  zove  amortizacioni  plan. n = 3.2.  interes  in = n .  a = K ⋅ V p = KV12 = 416.mn 3 a) K=1. m = 1.  a = K ⋅ V p = KV312 = 100. anuitet  a = bk + ik   za k =1. i otplata  b = a − i1   100 K p za  drugu  godinu  zajam  je  K2=K1‐b1. Prema prethodno izračunatom imamo da je   a = K ⋅ Vpn  i pri tom imamo:  • • • K1 p .  a = K ⋅ V p = KV136 = 33. n = 3.000.000..000.  i  otplata  100 b2 = a − i2   K p za  n‐tu  godinu  zajam  je  Kn=Kn‐1‐bn‐1.000.  a = K ⋅ V mn p m = KV66 = 203.

..  n‐1  n  K 2 = K1 − b1 K 3 = K 2 − b2 ... + K n ) ⋅ p = i 100 1 + i2 + ........ + bn = n ⋅ a       Primer: Napravimo amortizacini plan iz prethodnog primera a): K=1000000.. + in + b1 + b2 + ..350  dinara    Godine  iznos duga  Interes  Otplata  otplate  1  2  3  K1= 1000000  K2=K1‐b1= 703650  K3=K2‐b2= 371740  K1 p = 120000 100 K ⋅ 12 i2 = 2 ≅ 84440 100 K ⋅ 12 i3 = 3 ≅ 44610 100 i1 =   b1 = a − i1 = 296350     b2 = a − i2 = 331910 b3 = 371740       UKUPNO: 1000000      ‐ 258 ‐  ..2  3  ...      a a   b2 = a − i2 b3 = a − i3 . n =  3.          ..        K2 p 100 K p i3 = 3 100 i2 = .    K n −1 = K n − 2 − bn − 2 K n = K n −1 − bn −1   in −1 = K n −1 p 100 K p in = n 100   a a   bn −1 = a − in −1 bn = a − in         Očigledno u ovom planu mora biti:    (K1 + K 2 + .. + bn = K   i1 + i2 + .  a = 416. p =12%. + in             bn = K n   b1 + b2 + ...

....Izračunavanje bilo koje otplate pomoću prve otplate i obrnuto  Iz amortizacionog plana možemo odmah videti da je:  a = b1 + i1 = b1 +   Kp   i  100 a = b2 + i21 = b2 +   (K − b1 ) p   K2 p = b2 + 100 100 odakle je  pa je  b1 +   Kp Kp b1 p   = b2 + − 100 100 100 b1 p p ⎞ ⎛ = b1 ⎜1 + ⎟  100 ⎝ 100 ⎠ b2 = b1 +   Analogno dobijamo    p ⎞ p ⎞ ⎛ ⎛ b3 = b2 ⎜1 + ⎟    ⎟   odnosno  b3 = b1 ⎜1 + ⎝ 100 ⎠ ⎝ 100 ⎠ i nastavljajući do kraja    n −1 2 p ⎞ ⎛ bn = b1 ⎜1 + ⎟ ⎝ 100 ⎠     k p ⎞ ⎛ k Imajući u vidu da je vrednost  ⎜1 + ⎟ data u prvoj tablici  I p imamo da je  ⎝ 100 ⎠ k −1 bk = b1I p     k=2... n    Obratno.. ako znamo bk.n    ‐ 259 ‐  . dobijamo b1 na sledeći način    b1 =     bk k = bk ⋅ II p −1   k Ip k =2. .

 dakle. + I p−1 = b1 1 + III p−1   p p ( ) ( )   c −1 1 2 c −1 jer je od ranije poznato  III p = I p + I p + .. + bc  kako je  bk = b1 ⋅ I p −1  to je        2 c 2 c c Oc = b1 + b1I 1 + b1I p + .. na kraju godine iznos anuiteta je    ‐ 260 ‐  ..  se  lako  izračunavaju  iz  amortzacionog plana.. anuitet na zajam od K  dinara se isplaćuje m puta g