Professional Documents
Culture Documents
5. oktober 2021
2
Indhold
1 Grundbegreber i Kombinatorik 5
1.1 Sumreglen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Produktregel . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Arrangementer . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Kombinationer . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Flere opgaver . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Ekstra materiale: Tilbagelægning . . . . . . . . . . . . . . . . 16
2 Rekursive denitioner 19
2.1 De Rekursive snakker hele tiden om sig selv . . . . . . . . . . 19
2.2 Flere eksempler på rekursive denitioner . . . . . . . . . . . . 22
2.3 Flere opgaver . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Ekstra: Rekursion og software . . . . . . . . . . . . . . . . . . 25
3 Induktionsbeviser 27
3.1 Princippet om matematisk induktion . . . . . . . . . . . . . . 27
3.2 Den stærke version af princippet om induktion . . . . . . . . 35
4 Euklids algoritme 37
4.1 Største fælles divisor . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Euklids algoritme . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Mindste fælles multiplum . . . . . . . . . . . . . . . . . . . . 44
4.4 Flere opgaver . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5 Ekstra-opgaver (ikke del af pensum) . . . . . . . . . . . . . . 45
5 Moduloregning 47
5.1 Kongruenser . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 Kongruensligninger . . . . . . . . . . . . . . . . . . . . . . . . 50
5.3 Den kinesiske restklassesætning . . . . . . . . . . . . . . . . . 54
6 Polynomier 59
6.1 Polynomier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3
4 INDHOLD
Kapitel 1
Grundbegreber i Kombinatorik
Kombinatorik går grundlæggende ud på at bestemme et antal. Det kunne for
eksempel være antallet af forskellige elementer i en mængde A. Dette antal
betegner vi med |A|. For eksempel er
|∅| = 0,
|{x1 }| = 1 og
|{x1 , x2 }| = 2,
1.1 Sumreglen
Nogle gange kan man bryde det at tælle en mængde op i nogle mere overkom-
melige delopgaver, nemlig at tælle nogle delmængder af mængden og lægge
antallene sammen. For eksempel har et kortspil med en joker
13 spar,
13 hjerter,
13 ruder,
13 klør og
1 joker
Det giver i alt 53 kort.
k1 + k2 + · · · + kn
5
6 KAPITEL 1. GRUNDBEGREBER I KOMBINATORIK
I eksemplet med kortspillet kan vi spørge, på hvor mange måder man kan
trække et kort. Vi kan trække enten en spar (13 muligheder), eller en herter
(13 muligheder), eller en ruder (13 muligheder), eller en klør (13 muligheder)
eller en joker (en mulighed). Det giver i alt 53 muligheder. Så der er 53 kort.
Det er vigtigt at vi kan vælge mellem andre muligheder. Hvis vi for
eksempel vil tælle antallet af kort der enten er ruder eller esser, så er der
ganske vist 13 ruder og 4 esser, men der er kun 16 kort der enten er ruder
eller esser. Det hænger sammen med, at når vi tæller de 13 ruder, så tæller
vi ruder es, og når vi taller esserne tæller vi også ruder es. Så hvis vi bare
lægger 13 og 4 sammen har vi talt ruder es med to gange.
Måske bliver det mere klart hvad vi mener med andre muligheder hvis vi
taler om mængder, og antallet af elementer i mængder. To mængder A1 og
A2 uden overlap, altså to mængder således at A1 ∩ A2 = ∅ kaldes disjunkte.
Et system af mængder A1 , A2 , . . . , An kaldes parvis disjunkte, hvis hvert par
Ai , Aj med i 6= j er disjunkte. Formuleret med mængder bliver sumreglen
som følger.
Sætning 1.1
Hvis A1 , A2 , . . . , An er parvis disjunkte, så er
n
X
|Ak |.
k=1
n
X
f (k)
k=m
4
X
k 2 = 22 + 32 + 42 = 29,
k=2
1.1. SUMREGLEN 7
5
X
1 = 1 + 1 + 1 + 1 + 1 = 5,
k=1
og
n
X
Xk = X0 + X1 + · · · + Xn .
k=0
Specielt gælder der altså
n
X
|Ak | = |A1 | + |A2 | + · · · + |An |.
k=1
Hvis den nedre grænse er større end den øvre grænse, så sætter man
summen til 0. For eksempel er
2
X
k = 0.
k=3
Opgave 1.3
P2
k=0 k .
Beregn
3
X
2 · k = 2 · 1 + 2 · 2 + 2 · 3 = 12.
k=1
3 3
!
X X
k+2= k + 2 = (1 + 2 + 3) + 2 = 8.
k=1 k=1
3
X
(k + 2) = (1 + 2) + (2 + 2) + (3 + 2) = 12.
k=1
Der gælder
Sætning 1.2
|A ∪ B| = |A| + |B| − |A ∩ B|
og
|A ∪ B ∪ C| = 6 + 6 + 6
−1−1−1
+ 1.
Hvordan kan vi vide at Sætning 1.2 passer? Det ved vi fordi vi kan bevise
den. Vi kan nøjes med at vise den anden ligning i sætningen, nemlig
for den første ligning i sætningen følger nemlig af den anden ved at sætte
C = ∅. Vi forestiller os at vi skriver alle elementerne i A∪B ∪C op. Vi sætter
så en streg ud for alle elementerne i A, så en streg ud for alle elementerne i
B , og så ud for alle elementerne i C . Derefter fjerner vi en streg ud for alle
elementerne i A ∩ B , så fjerner vi en streg ud for alle elementerne i A ∩ C ,
så fjerner vi en streg ud for alle elementerne i B ∩ C . Endelig sætter vi en
streg ud for alle elementerne i A ∩ B ∩ C . Hermed er der sat
streger der ikke er visket ud igen. Hvis vi kan vise at der står netop en streg
ud for alle elementerne i A ∪ B ∪ C så må ligningen gælde.
Et element i A ∪ B ∪ C kan 1) lægge i præcis en af mængderne A, B
eller C, eller 2) lægge i præcis to af mængderne, eller 3) lægge i alle tre. I
tilfælde 1) har vi sat en streg ud for elementerne og ikke gjort mere, så der
er præcis en streg ud for elementet. I tilfælde 2) har vi først sat to streger
ud for elementet, men vi har også fjernet en streg ud for elementet, så der
er en streg tilbage. I tilfælde 3) sætter vi først tre streger ud for elementet,
så fjerne vi tre streger fra elementet, og til sidst tilføjer vi en enkelt streg.
Derfor ender der med også i dette tilfælde at være en enkelt streg ud for
elementet. Og hermed har vi bevist sætningen.
1.2 Produktregel
Vi starter med et eksempel.
x3 {x1 , x2 , x3 }
x2 x̂3 {x1 , x2 }
x̂2 x3 {x1 , x3 }
x1 x̂3
{x1 }
x̂1 x3 {x2 , x3 }
x2
x̂3
{x2 }
x̂2
x3 {x3 }
x̂3
∅
Opgave 1.9 Lad A være en mængde med |A| = n. Bestem hvor man-
ge forskellige delmængder af A der ndes.
Opgave 1.10 Udtryk |A × B| ved |A| og |B|.
1.3. ARRANGEMENTER 11
1.3 Arrangementer
Lad os se på en mængde med 3 forskellige elementer {x1 , x2 , x3 }. Vi vil nu
bestemme i hvor mange rækkefølger de kan arrangeres i.
En rækkefølge kan bestemmes ved at foretage 3 valg. Først skal vi vælge
3 elementer at vælge imellem. Så skal vi
hvilket element der skal først. Her er
vælge hvilket element der skal være nummer to. Her er 2 elementer tilbage at
vælge imellem. Endelig skal vi vælge hvilket element der skal være nummer
tre. Her er der kun 1 element tilbage at vælge. Ifølge produktreglen er der
derfor 3·2·1 rækkefølger.
Generelt kan n forskellige elementer arrangeres i n · (n − 1) · (n − 2) · · · 1
rækkefølger. Så når n=1 er der 1 rækkefølge, når n = 2 er der 2 · 1 ræk-
kefølger, når n=3 er der 3 · 2 · 1 rækkefølger. Det er praktisk at have en
notation for antallet af rækkefølger. Til dette bruger man fakultetsfunktionen
(udråbstegnet).
Denition 1.3
Antallet af rækkefølger man kan arrangere n forskellige elementer i be-
tegnes n!. Man sætter desuden 0! = 1.
0! = 1
1! = 1
2! = 2 · 1 = 2
3! = 3 · 2 · 1 = 6
4! = 4 · 3 · 2 · 1 = 24
5! = 5 · 4 · 3 · 2 · 1 = 120
6! = 6 · 5 · 4 · 3 · 2 · 1 = 720
... = ...
Det kan også udtrykke ved hjælp af fakultetsfunktionen. Der gælder nemlig
6·5·4·3·2·1 6!
6·5·4= =
3·2·1 3!
Vi indfører en notation for dette.
Denition 1.4
Vi betegner med P (n, k) antallet af måder man kan vælge k elementer
ud fra en mængde med n forskellige elementer, når rækkefølgen betyder
noget. Man sætter P (n, 0) = 1, for alle n ≥ 0.
Sætning 1.5
Når 0≤k≤n gælder
n!
P (n, k) =
(n − k)!
1.4 Kombinationer
I sidste afsnit var vi interesseret i rækkefølgen, og så taler man om arran-
gementer eller permutationer. Men mange gange er man ikke interesseret i
rækkefølgen.
Denition 1.6
Antallet af måder man kan udvælge k elementer ud af en mængde med
n n
n forskellige elementer betegnes med
k . Man sætter
0 = 1.
n n
Man kalder for en binomialkoecient og man udtaler som n
k k
vælg k .
1.4. KOMBINATIONER 13
Sætning 1.7
Når 0≤k≤n gælder
n P (n, k) n!
= =
k k! (n − k)! · k!
Eksempel 1.8 5
Lad os udregne
2 . Vi har
5 5! 5·4
= = = 10.
2 3! · 2! 2·1
(1, 2), (2, 1), (1, 3), (3, 1), (2, 3), (3, 2).
Generelt gælder der altså at antallet af måder man kan vælge k elementer
ud af n når rækkefølgen betyder noget er k! gange så mange som antallet
af måder man kan vælge k elementer ud af n når rækkefølgen ikke betyder
noget. Bruger vi den indførte notation, får vi
n
P (n, k) = · k!
k
Dividerer vi med k! på begge sider af lighedstegnet, får vi formlen i Sætning
1.7.
Mange begreber fra kombinatorikken kan illustreres ved at kombinere
bogstaver.
14 KAPITEL 1. GRUNDBEGREBER I KOMBINATORIK
k=0 Når der ikke er nogle X 'er, skal alle bogstaverne være Y 'er. Så
3
der er et ord, YYY. Bemærk at
0 = 1.
k=1 Der er 3 af ordene der har et X, nemlig XY Y , Y XY og Y Y X.
Det svarer til at vi skal vælge et af bogstaverne ud der skal være
3
et X , resten skal være Y 'er. Derfor er der 1 = 3 forskellige ord.
k=2 To ud af de tre bogstaver skal være X 'er. Man
kan vælge de to
pladser til X 'erne ud af de tre pladser på 32 = 3 måder. De tre
ord er XXY , XY X og Y XX .
k=3 Tre ud af tre bogstaver skal være X 'er. Dem kan man vælge ud
3
på
3 =1 måde.
Opgave 1.13 (a) Bestem hvor mange ord med 5 bogstaver der
ndes, hvis vi har bogstaverne X og Y til rådighed.
(X + Y )1 = X + Y
(X + Y )2 = (X + Y ) · (X + Y )
= X · (X + Y ) + Y · (X + Y )
= XX + XY + Y X + Y Y
3
(X + Y ) = (X + Y ) · (XX + XY + Y X + Y Y )
= X · (XX + XY + Y X + Y Y ) + Y · (XX + XY + Y X + Y Y )
= XXX + XXY + XY X + XY Y + Y XX + Y XX + Y XY + Y Y Y
(X + Y )2 = XX + XY + Y X + Y Y = 1 · X 2 + 2 · XY + 1 · Y 2 .
Et-tallet foran X2 svarer til at der er et led med kun X 'er, nemlig
XX . To-tallet foran XY svarer til at der er to led med et X og et Y ,
nemlig XY Y X . Et-tallet
og foran Y2 svarer til at der er et led med
kun Y 'er, nemlig Y Y .
(X + Y )3 . Da XXX = X 3 , XXY =
Lad os kiggge nærmere på
XY X = Y XX = X Y , XY Y = Y XY = Y Y X = XY 2 og Y Y Y =
2
1.5. FLERE OPGAVER 15
Y 3, gælder
3 3 3 3
(X + Y )3 = · X3 + X 2Y + XY 2 + Y3
0 1 2 3
a0 X 5 + a1 X 4 Y + a2 X 3 Y 2 + a3 X 2 Y 3 + a4 XY 4 + a5 Y 5 .
Sætning 1.8
For n = 0, 1, 2, . . . gælder
n
n
X n
(X + Y ) = · X n−k Y k
k
k=0
Her har vi brugt sumtegnet til at skrive udtrykket på en kort måde. Hvis
vi bruger denitionen på sumtegnet kan vi se at der gælder
0 0
(X + Y ) = X 0Y 0 = 1
0
1 1 1 0 1
(X + Y ) = ·X Y + · X 0Y 1 = X + Y
0 1
2 2 2 0 2 1 1 2
(X + Y ) = ·X Y + ·X Y + X 0Y 2
0 1 2
X 2 + 2XY + Y 2
=
3 3 3 0 3 2 1 3 1 2 3
(X + Y ) = ·X Y + ·X Y + X Y + X 0Y 3
0 1 2 3
= X 3 + 3X 2 Y + 3XY 2 + Y 3
Opgave 1.19 (a) Hvor mange ord med 6 bogstaver ndes der,
hvis man skal bruge 2 X'er, 2 2 Z'er? Vink: Tænk på at
Y'er og
du først skal placere de to X'er blandt 6 ledige pladser, derefter
placere de to Y'er blandt de tilbageværende 4 ledige pladser og
endelig placere de to Z'er blandt 2 pladser.
n
X n
5n = 4k .
k
k=0
4
betyder noget, mens der er
2 =6 måder at gøre det på hvis rækkefølgen
ikke betyder noget. Her har vi underforstået at har vi valgt en kugle, så kan
man ikke vælge den igen.
Men hvad hvis vi må vælge den samme kugle to gange? Vi kan tænke os,
at efter vi har valgt kuglen, lægger vi den tilbage i skålen. Der er stadig to
måder at tælle på. Den ene er hvor rækkefølgen betyder noget, og den anden
er hvor den ikke gør.
Hvis rækkefølgen betyder noget, så har vi 4 måder at vælge den første
kugle på, og også 4 måder at vælge den anden på. Ifølge produktreglen er
der derfor 42 måder at vælge de to kugler på.
Generelt gælder at hvis man har n forskellige kugler, og skal vælge k
kugler ud, hvor rækkefølgen betyder noget, og man gerne må vælge den
samme kugle ere gange, så er der nk forskellige måder at gøre det på. Man
k
siger der er n forskellige k -permutationer med tilbagelægning.
*Opgave 1.22 En studerende skal til eksamen i 3 fag der alle vurde-
res på syv-trinsskalaen. Beregn hvor mange forskellige eksamsresulta-
ter der er.
*Opgave 1.23 Hvis vi har tre forskellige påskeæg design, hvor mange
forskellige måder kan vi male 6 ens æg på?
Samme element må
højst vælges én gang vælges ere gange
Rekursive denitioner
f (1) = 2 + f (0) = 2 + 3 = 5
f (2) = 2 + f (1) = 2 + 5 = 7
f (3) = 2 + f (2) = 2 + 7 = 9
osv.
19
20 KAPITEL 2. REKURSIVE DEFINITIONER
Vi kan se at vi kan fortsætte på denne måde til at bestemme f (n) for ethvert
n der måtte passe os. Det er måske dog ret omstændeligt, og tit hvor man
starter med en rekursiv denition, så ønsker man sig en lukket formel for
f (n), dvs. løst sagt et matematisk udtryk der tillader at beregne f (n) med
et antal beregnings-skridt, der ikke vokser med n. Det kan nogle gange være
svært (endsige umuligt!) at opnå en lukket formel, og det kræver ofte bevis-
teknikken induktion, som vi lærer om i næste uge.
I dette tilfælde er det måske dog ikke så svært at indse, ud fra de første
værdier vi regnede, og ud fra selve den rekursive denition, at den lukkede
formel er
f (n) = 2n + 3 .
(
2 for n = 0,
g(n) =
2 · g(n − 1) − 1 for n > 0.
Grunden til at vi før kunne bruge den rekursive denition til at udregne
f (3) eller f (100) er, at vi ved gentagen brug af rekursionstilfældet reduce-
rer udtrykket ned til basistilfældet. Man skal være forsigtig med rekursive
denitioner, for der skal ikke meget til, før man ikke længere kan udregne
funktionsværdier på denne måde. Tag fx h : N → Z med
(
1 n=0
h(n) =
2 + h(n + 1) n > 0 .
Vi ser h(0) = 1. Men hvad er h(1)? For at nde h(1) skal vi bruge h(2). For
at nde h(2) skal vi bruge h(3), og så for vi brug for h(4) osv. det er skruen
uden ende! Vi har faktisk slet ikke deneret en funktion, for h(1) kan være
hvad som helst. Moralen er, at for udtrykket giver mening, skal vi sørge for
at vi til sidst ender med basistilfældet ved gentagen brug af denitionen.
Eksempel 2.2 Nogle gange kan det være enormt svært at afgøre,
om en funktion er veldeneret eller ej. Betragt følgende funktion f :
N − {0} 7→ Z:
0
når n=1
f (n) = f (n/2) + 1 når n er lige
f (3n + 1) + 1 når n er ulige og n>1
Fx er
f (n) tæller på den måde antallet af skridt, man går igennem den re-
kursive denition, før man ender i f (1) = 0. For nogle n er stien meget
lang: Fx er f (27) = 111 og man skal igennem f (9232) undervejs!
Det utrolige er, at det den dag i dag stadig et uløst problem, om f
overhovedet er veldeneret! Dvs. vi ved ikke, om der er n sådan at hvis
man trevler f (n) op vha. den rekursive denition, så ender man aldrig
op i f (1). Det hedder Collatz' formodning eller Syracuse problemet
og der er stor berømmelse til den der løser det.
Det følgende eksempel viser at man ganske naturligt kan ledes til en
rekursiv denition.
Antag vi har to typer iser: Type A der er 1 enhed bred, og type B der
er 2 enheder bred. Vi skal iselægge et stykke der er n enheder bredt. Hvor
mange måder kan vi gøre det på?
Vi lader f (n) betegne antallet af løsninger, og starter
med at se på nogle specialtilfælde. Hvis n=0 kan vi
iselægge ved at lægge nul iser, og andet kan vi ikke
gøre. Det er altså f (0) = 1 måder. Hvis n = 1 er der
kun plads til at lægge en A-ise. Der er altså f (1) = 1
måde at gøre det på.
Hvis n = 2 kan vi starte med at lægge enten en A-
ise eller en B -ise. Hvis vi lægger en A-ise er der en
plads tilbage, så der må vi også lægge en A-ise. Alternativt kan vi lægge en
B ise. Derfor er der f (2) = 2 forskellige måder, nemlig AA og B . Hvis n = 3
er der de 3 muligheder AAA, AB , BA. Hvis n = 4 er der de 5 muligheder
AAAA, AAB , ABA, BAA, BB . Se billedet.
Lad os nu se på det generelle tilfælde n > 1. Vi kan starte med at lægge
enten en A-ise og mangler så at iselægge et stykke med bredde n−1, eller vi
kan lægge en B -ise og så mangler vi at iselægge et stykke med bredde n−2.
I det første tilfælde er der f (n − 1) måder at iselægge det resterende stykke,
22 KAPITEL 2. REKURSIVE DEFINITIONER
Det er jo meget nt, men hvad er for eksempel f (10)? Den nemmeste
måde at udregne det på er ved at lave en tabel.
n f(n)
0 1
1 1
2 2
3 3
4 5
5 8
6 13
7 21
8 34
9 55
10 89
. .
. .
. .
Hvis den nedre grænse er større end den øvre grænse, så sætter man
summen til 0. For eksempel er
2
X
k = 0.
k=3
Denition 2.1 Pn
Hvis m, n ∈ Z og g(k) er et udtryk, så er symbolet k=m g(k) deneret
ved
n
(
X 0 m>n
g(k) = Pn−1
k=m k=m g(k) + g(n) m ≤ n
4
X 3
X
k2 = k 2 + 42
k=2 k=2
X2
= k 2 + 32 + 4 2
k=2
1
X
= k 2 + 22 + 3 2 + 4 2
k=2
= 0 + 22 + 32 + 42
= 29.
Funktionen P (n, k) fra sidste kapitel kan også naturligt deneres rekur-
sivt. Husk at P (n, k) angiver antallet af måder vi kan vælge k kugler ud af
n forskellige når rækkefølgen betyder noget.
Hvis k = 0, gælder P (n, k) = P (n, 0) = 1. Hvis k > n, så er P (n, k) = 0,
for man kan ikke tage ere elementer ud end der er.
Hvad så med det generelle tilfælde n ≥ k > 0? Vi har n forskellige
muligheder for valg af et første element. Uanset hvad vi vælger, så skal vi
derefter udvælge k − 1 elementer ud blandt de resterende n − 1 elementer.
Og det kan vi gøre på P (n − 1, k − 1) måder. Derfor er der nP (n − 1, k − 1)
forskellige k -permutationer når n ≥ k > 0. Vi kan konkludere at P (n, k) har
den rekursive denition
0
k>n
P (n, k) = 1 k=0 (2.1)
nP (n − 1, k − 1) n ≥ k > 0
24 KAPITEL 2. REKURSIVE DEFINITIONER
1
k=0
n
= 0 r>n
k n−1
n−1
k−1 + k n ≥ k > 0.
Opgave 2.7 Vi skal igen lægge en isegang, men denne gang skal
den være 2 meter bred og n meter lang. Vi har to typer iser til
rådighed. Flise-type A er 2 m × 1 m med ensartet overade. Den kan
altså ligge på tværs, eller der kan ligge to på langs. Flise-type B er
kvadratisk 2m × 2m, men med en asymmetrisk overadetegning, så
den kan orienteres på 4 forskellige måder.
Find en rekursionsformel for antallet af isegange, f (n), og beregn
de første 10 funktionsværdier.
2.4. EKSTRA: REKURSION OG SOFTWARE 25
Opgave 2.8 Hvis (u0 , v0 , w0 ) = (15, 10, 5), hvor mange rotter vil der
tilnærmelsesvis være i hver aldersgruppe efter seks måneder?
de resterende tal i to lister: Listen af tal der er mindre end det udvalgte tal
A, og listen af tal der er større (eller lig) det udvalgte tal B. Resultatet er
nu tallene i A sorteret, efterfulgt af x, efterfulgt af tallene i B sorteret.
A og B ? Det gør vi såmænd ved
Men hvordan får vi sorteret tallene i at
kaldequicksort igen med henholdsvist A og B som input. Det vil sige at
quicksort kalder sig selv, det er en rekursiv algoritme.
Lad os for eksempel antage, at vi vil sortere tallene
7, 4, 3, 8
Vi tager et tilfældigt tal ud, lad os bare tage det første 7. Så danner vi to
lister, A er4, 3 nemlig dem som er mindre end 7 og B er 8, det tal der er
større end 7. Så
De tre funktionskald
Induktionsbeviser
hvad sker der så med dominobrikkerne? Den første vælter, og det får den
anden til at vælte, som så får den tredje til at vælte, og så videre og så
videre. De vælter allesammen.
Forestil dig nu, at i stedet for at vælte dominobrikker, vil vi gerne bevise
et udsagn P (n) for n ∈ N. Hvis vi kan bevise at
27
28 KAPITEL 3. INDUKTIONSBEVISER
1. P (n0 ) er sand, og
Altså, for at vise P (n) gælder for alle n ≥ n0 skal vi vise 1. som kaldes
basistilfældet og 2. som kaldes induktionstrinnet. I induktionstrinnet skal vi
antage at for et vilkårligt n ≥ n0 gælder P (n), og bruge det til at vise at
så gælder P (n + 1) også. Denne antagelse kaldes induktionsantagelsen. Vores
sprogbrug er altså
det A1 = det(A)1 ,
Men hvordan skal vi bevise det? Det kan vi gøre let og elegant ved hjælp af
induktion.
det(An+1 ) = det(A)n+1 ,
n
X (n + 1)n
k= .
2
k=0
Vi har så
n+1
X n
X
k= k+n+1 og ifølge induktionsantagelsen
k=0 k=0
(n + 1)n
= +n+1 sætter på samme brøkstreg
2
2 · (n + 1) + (n + 1)n
= sætter udenfor parentes
2
(n + 1)(2 + n)
=
2
(n + 2)(n + 1)
= .
2
Hermed har vi fuldført induktionstrinnet. Ifølge induktionsprincippet er lig-
ning opfyldt for alle n ∈ N.
Opgave 3.1 Hvad er et basistilfælde?
Når man skal til at starte med at føre induktionsbeviser, er det en god
ide at nedskrive beviset efter en fast skabelon. I følgende tekst kan alt der er
skrevet med sort genbruges fra gang til gang, mens hvad der er skrevet med
blåt skal tilpasses den aktuelle situation.
(1 + x) · (1 + x)n ≥ (1 + x) · (1 + nx) .
1 + nx + x + nx2 ≥ 1 + nx + x = 1 + (n + 1)x .
Derfor gælder
(1 + x)n+1 ≥ 1 + (n + 1)x.
Det var det vi skulle vise.
Ifølge induktionsprincippet gælder uligheden for alle n ≥ 0.
Vi kan bruge induktion til at bevise mange andre ting end formler og
uligheder. Som et eksempel ser vi på solitaire spillet Hanois tårne. Hanois
tårne er et puslespil som foregår på et bræt med tre lodretstående pinde.
På den første pind ligger en stak ringe med aftagende radius (se Figur 3.1).
Formålet med spillet er at ytte stakken over på den tredje pind. Dette skal
gøres under hensynstagen til følgende regler:
Med disse spilleregler kan man begynde at placere ringene på andre pinde,
men hvis der er mange ringe, er det ikke umiddelbart klart at man kan ytte
hele stakken over på den tredje pind.
Prøv at løse spillet. Kan man altid det? Vi vil bevise
Hermed har vi bragt udsagnet på en form, der svarer til det der kan bevises
ved induktion.
Bevis. Vi benytter princippet om matematisk induktion.
Basistilfældet n=1 er enkelt. Den enlige ring kan yttes fra den første
pind til den tredje ved en enkel ytning.
Antag at vi kan løse spillet når der er n ringe, og betragt nu spillet med
n + 1 ringe. Ifølge induktionsantagelsen kan de n øverste ringe yttes til pind
3. Den (n + 1)'te ring er jo større end de andre, så de ytninger der skal til
for at ytte de n øverste ringe, vedbliver med at være lovlige. Der er ingen
forskel på pind 2 og pind 3 andet end nummereringen, så de n øverste ringe
kan også yttes over til pind 2. Vi kan nu ytte den største ring fra pind
1 over til pind 3. Igen ved hjælp af induktionsantagelsen kan vi ytte de n
ringe på pind 2 over til pind 3. Hermed har vi løst spillet i tilfældet, der er
n+1 ringe.
Opgave 3.5 Lad f (n) være rekursivt deneret ved
(
0 for n = 0,
f (n) =
2f (n − 1) + 1 for n > 0.
f (n) = 2n − 1
for alle n ∈ N.
Vink: Det følger af den rekursive denition, at når n ≥ 0, så er
f (n + 1) = 2f (n) + 1.
Opgave 3.6 Hvad er der i vejen med følgende bevis for, at alle samlin-
ger af kugler har samme farve? Bevis føres ved induktion efter antallet
af kugler. Hvis der kun er en kugle i samlingen, så har de alle samme
farve. Antag nu at alle samlinger af n ≥ 1 kugler har samme farve, og
betragt en vilkårlig samling af n + 1 kugler. Tages en kugle ud, har
de resterende kugler samme farve per induktionshypotesen. Tages en
anden kugle ud, har de resterende kugler også samme farve. Derfor må
alle kuglerne have samme farve. QED.
n
X
(2k − 1),
k=1
for n = 0, 1, 2, 3. Find frem til en formel, og bevis den gælder for alle
n ∈ N.
Opgave 3.9 x er et skæringspunkt for linjerne L1 , L2 , . . . , Ln ,
Vi siger at
hvis mindst to af linjerne skærer hinanden i x.
P n−1
Vis at n forskellige linjer højst kan have k=1 k skæringspunkter.
Opgave 3.10 To matricer A, B ∈ Cm×m kaldes similære, hvis der
ndes en regulær matrix V ∈ Cm×m så
A = VBV−1 .
X \
|A1 ∪ . . . ∪ An | = (−1)|S|−1 | As | (3.3)
S⊂{1,2,...,n} s∈S
34 KAPITEL 3. INDUKTIONSBEVISER
T
Her betyder s∈S As = As1 ∩ As2 . . . ∩ As|S| hvor S = {s1 , . . . , s|S| }
er alle elementerne i S . Summen går altså henover alle delmængder
S af mængden {1, 2, . . . , n}, og hvor hvert af dem kommer et bidrag,
positivt eller negativt, på antallet af elementer i fællesmængden af de
A∗ -mængder, der er indekseret af S.
(a) Vericér at Ligning (3.3) giver det samme som Sætning 1.2 for
n=2 og n = 3.
(b) Skriv Ligning (3.3) helt ud for n = 4.
(c) Brug induktion til at bevise Ligning (3.3). Hint: SkrivA1 ∪ A2 ∪
. . . ∪ An = Bn−1 ∪ An hvor Bn−1 = A1 ∪ . . . ∪ An−1 og brug
sætningen for n = 2. Brug dernæst at Bn−1 ∩ An = (A1 ∩ An ) ∪
(A2 ∩ An ) ∪ . . . ∪ (An−1 ∩ An ) og brug sætningen for n − 1 to
gange. Saml led ved at se på hvilke foreningsmængder der alt i
alt er repræsenteret i de forskellige summander.
*Opgave 3.14 Forestil dig en lang cirkulær bane, hvor der er lagt
n>0 brændstofdepoter ud. I depoterne er der i alt lagt præcis den
mængde brændstof ud, der skal til for en bestemt bil kan køre en
omgang på banen. Vis at der ndes et sted på banen, hvorfra bilen
kan starte og gennemføre en omgang. Antag at bilen starter med tom
tank, så den skal starte ved et af depoterne.
Vink: Hvis bilen er ved et depot der indholder nok brændstof til at
nå frem til næste depot, så er det ligesom tilfældet hvor al brændstoet
havde været samlet ved det første depot.
3.2. DEN STÆRKE VERSION AF PRINCIPPET OM INDUKTION 35
1. P (n0 ) for et n0 ∈ N, og
2. for alle n ≥ n0
Basistilfældet i den stærke version er det samme som i den svage version.
Induktionstrinnet er anderledes. Når vi skal vise at P (n + 1) holder, har vi
ikke kun lov til at antage at P (n). Vi har lov til at antage at P (k) gælder for
alle k mellem n0 og n. Det vil sige at vi i induktionstrinnet har en stærkere
induktionsantagelse at gøre godt med, når vi skal vise P (n + 1).
Vi vil benytte matematisk induktion til at bevise at ethvert n≥2 har
en primtalsfaktorisering. At n har en primtalsfaktorisering vil sige at n kan
skrives som et produkt af et eller ere primtal. For eksempel er 3 et primtal,
så det er produktet af et primtal nemlig 3. Tallet 9 kan skrives som 3 · 3, så
det er et produkt af to primtal.
Før vi beviser noget, opfrisker vi lige hvad et primtal er. Man siger at
k ∈ N går op i n ∈ N hvis der ndes q ∈ N således at n = q · k . En kort måde
at skrive k går op i n er k | n. For eksempel gælder 7 | 14 fordi 14 = 2 · 7.
Der gælder til gengæld ikke 7 | 15.
Et heltal n ≥ 2 kaldes et primtal, hvis de to eneste naturlige tal der
går op i n, er 1 og n selv. Et heltal n ≥ 2 som ikke er et primtal kaldes et
sammensat tal.
Lad os nu bevise at for alle heltal n≥2 kan skrives som et produkt af
et eller ere primtal. Vi beviser dette ved induktion.
Bevis. Basistilfældet er n = 2. Da 2 er et primtal, har vi allerede skrevet
det som produktet af det ene primtal 2.
36 KAPITEL 3. INDUKTIONSBEVISER
P (n0 ) er opfyldt.
Euklids algoritme
Sætning 4.1
Lad n, m ∈ Z være givet, med m 6= 0. Der ndes to entydigt bestemte
tal q, r ∈ Z der opfylder
n = qm + r, og 0 ≤ r < |m|.
18 384
37
38 KAPITEL 4. EUKLIDS ALGORITME
2 1 ← kvotient
18 384
− 36
24
−18
6 ← rest
Resultatet bliver at 384 delt med 18 er 21 med 6 til rest.
Som nævnt er en divisor i n et tal d der går op i n, altså et tal hvor resten
giver 0 ved division af n med d.
Denition 4.2
Et tal d∈Z kaldes en divisor i n ∈ Z, hvis der ndes q ∈ Z således at
n = qd.
Denition 4.3
Mængden af multipla af d∈Z (altså de tal som d går op i) betegner vi
med
dZ.
Denition 4.4
For n, m ∈ Z med n 6= 0 ∨ m 6= 0 er en fælles divisor et tal d som både
er divisor i n og m. Den største af de fælles divisorer betegnes sfd(n, m)
og kaldes største fælles divisor af n, m. Vi vedtager at sfd(0, 0) = 0.
Sætning 4.5
Lad M ⊆Z være en mængde der ikke er tom. Hvis M har følgende to
egenskaber:
n ∈ M , så bliver
Den første egenskab i sætningen siger, at tager man et tal
man i M k . Den anden egenskab siger,
når man ganger med et vilkårligt heltal
at hvis man lægger to tal i M sammen, så ligger summen også i M .
Bevis. Først viser vi at d ndes så M = dZ. Hvis M = {0} kan vi tage
d = 0. Ellers indeholder M positive elementer, for M må indeholde mindst
et x 6= 0, og første egenskab for M viser, at så må −1x = −x også være med
i M . Derfor ndes et mindste positivt element d ∈ M . Da d ∈ M gælder
kd ∈ M for alle k ∈ Z ifølge første egenskab for M . Det viser at dZ ⊆ M .
Vi vil nu vise at der også gælder M ⊆ dZ. Hvis det ikke var tilfældet,
ville der ndes et heltal u ∈ M som ikke var deleligt med d. Vi kan skrive
u = dq + r hvor resten r opfylder 1 ≤ r < d. Men da r = u − dq , og −dq ∈ M
ifølge egenskab 1, så vil r = u−dq også være i M ifølge egenskab 2. Men dette
giver en modstrid, fordi 1 ≤ r < d, og d var det mindste positive element i
M . Derfor må gælde at M ⊆ dZ, og vi kan konkludere at M = dZ.
40 KAPITEL 4. EUKLIDS ALGORITME
12n + 18m, n, m ∈ Z.
Denition 4.6
For a, b ∈ Z sætter vi
aZ + bZ = {na + mb | n, m ∈ Z}.
Opgave 4.5 Med den indførte symbolik kan vi altså betale beløb
i mængden M = 12Z + 18Z hvis vi har 12-kronersmønter og 18-
kronersmønter til rådighed.
Sætning 4.7
Lad a, b ∈ Z. Så ndes et entydigt bestemt d∈N således at
aZ + bZ = dZ.
Sætning 4.7 kan bevises ved bruge Sætning 4.5. Det gøres i opgave 4.12.
Følgende resultat kan beviset let ud fra Sætning 4.7. Derfor kalder man det
et korollar, der kommer fra det latinske ord for gave.
Korollar 4.8
Lad a, b ∈ Z. Der ndes s, t ∈ Z så sfd(a, b) = sa + tb.
4.2. EUKLIDS ALGORITME 41
Den næste opgave går ud på at bruge Sætning 4.7 til at bevise korollaret.
Lemma 4.9
Lad a, b ∈ Z være givet, og q ∈ Z være vilkårlig. Sæt c = a − qb. Så
42 KAPITEL 4. EUKLIDS ALGORITME
gælder
aZ + bZ = bZ + cZ.
Bevis. aZ + bZ ⊆ bZ + cZ og aZ + bZ ⊇ bZ + cZ.
Vi viser at
x ∈ aZ + bZ være vilkårlig. Der ndes r, s ∈ Z så x = ra + sb.
Lad Da
c = a − qb gælder a = c + qb. Derfor er
34Z + 8Z = 8Z + 2Z.
8Z + 2Z = 2Z + 0Z.
Da 2Z + 0Z = 2Z gælder
34Z + 8Z = 2Z.
rk−2 = qk rk−1 + rk ,
og 0 ≤ rk < rk−1 . Vi gør dette for k = 2, 3, . . . , n indtil rn = 0. Der gælder
så at sfd(a, b) er lig det næstsidst beregnede tal rn−1 .
k rk qk forklaring
k rk qk sk tk forklaring
0 384 - 1 0
1 18 - 0 1
2 6 21 1 -21 da 384 = 21 · 18 + 6
3 0 3 -3 64 da 18 = 3 · 6 + 0
Sætning 4.10
Lad a, b ∈ Z. Der ndes et entydigt bestemt m ≥ 0, således at
aZ ∩ bZ = mZ.
Denition 4.11
Tallet m givet af Sætning 4.10 kaldes mindste fælles multiplum af a, b,
og betegnes med mfm(a, b).
Sætning 4.12
Lad a, b ∈ N. Der gælder
n = p1 · p2 · . . . · pk ,
(b) Brug Opgave 4.11 til at bevise følgende egenskab ved primtal:
Lad a, b ∈ N og lad p være et primtal sådan at p | ab; så gælder
enten p | a eller p | b.
(c) Bevis unik primtalsfaktorisering. (Vink: Antag at det ikke holder.
Så er der et mindste tal n der har mindst to primtalsfaktorise-
ringer. Skriv disse op og brug foregående delopgave til at vise en
modstrid.)
rk = sk a + tk b
rk = sk a + tk b
for alle k = 0, 1, 2, . . . , n.
Kapitel 5
Moduloregning
Dette kapitel handler om moduloregning. Den spiller en vigtig og grundlæg-
gende rolle i mange sammenhænge. For at kunne lave statistisk simulering er
det vigtig at kunne generere tal, der opfører sig ligesom tilfældige tal. Sådan-
ne pseudotilfældige tal kan laves ved hjælp af moduloregning. I kryptologien
er det at lægge sammen og gange modulo n, mere forekommende end blot
at lægge sammen og gange ganske almindeligt. Moduloregning er således en
basal færdighed.
5.1 Kongruenser
Forestil dig at at vi har et hjul med 8 felter, og en pil
der peger på et felt. Se billedet til højre. Hvis vi nu
snurrer hjulet, således at det drejer a felter, peger pilen
så på et felt, A. Hvis vi i stedet snurrer hjulet, så det
drejer b felter, peger på på et felt B. Hvis A og B er
det samme felt, så siger man at a og b er kongruente
modulo 8, og man skriver a ≡ b (mod 8). Hvis vi for
eksempel drejer hjulet 7 felter med uret, eller −1 felter
med uret så peger pilen i begge tilfælde på det røde felt. Det betyder at
7 ≡ −1 (mod 8). En hel omgang svarer til 8 felter, og derfor gælder a ≡ b
(mod 8), hvis og kun hvis a = b + 8k for et k ∈ Z, eller ækvivalent at 8 går
op i b − a.
Vi kan generalisere udtrykket til hjul med n felter, hvor n er et positivt
heltal. Denne generalisering er indeholdt i følgende denition.
Denition 5.1
Ladn være et positivt heltal, og a, b ∈ Z. Man siger a og b er kongruente
modulo n, og skriver
a ≡ b (mod n),
hvis n | (a − b). Udsagnet a ≡ b (mod n) kaldes en kongruens, og n
kaldes i denne sammenhæng modulus.
47
48 KAPITEL 5. MODULOREGNING
x ≡ 15 (mod 17).
Det viser sig at symbolet ≡ har en række egenskaber til fælles med det
almindelige lighedstegn.
Lemma 5.2
Lad a og b være heltal og n et positivt naturligt tal. Så gælder
Bevis.
1. Da a − a = 0 = 0 · n, gælder a ≡ a (mod n) ifølge Denition 5.1.
0 + 7Z 1 + 7Z 2 + 7Z 3 + 7Z 4 + 7Z 5 + 7Z 6 + 7Z
. . . . . . .
. . . . . . .
. . . . . . .
−14 −13 −12 −11 −10 −9 −8
−7 −6 −5 −4 −3 −2 −1
0 1 2 3 4 5 6
7 8 9 10 11 12 13
. . . . . . .
. . . . . . .
. . . . . . .
En søjle i tabellen svarer til alle de tal der er kongruente med hinanden
modulo 7. Sådanne talmængder kaldes restklasser. Nogle bruger også beteg-
nelsen sideklasser. Regner vi modulo 7 er der altså 7 forskellige restklasser.
Den formelle denition af restklasse er som følger.
5.1. KONGRUENSER 49
Denition 5.3
Lad n være et positivt heltal, og k ∈ Z. Tallene der er kongruente med
k, altså løsningsmængden til
x≡k (mod n)
k + nZ
{. . . , k − 2n, k − n, k, k + n, k + 2n, . . .}
Lemma 5.4
Lad a, b og c være heltal og n et positivt naturligt tal. Så gælder
≡ 28 (mod 7)
≡0 (mod 7) idet 7 | 28
5a + b ≡ 0 (mod 7).
5a + b ≡ k (mod 7).
5.2 Kongruensligninger
I dette afsnit vil vi analysere ligninger på formen
Denition 5.5
Lad a∈Z og n være et positivt heltal. Et heltal c der opfylder
Hvis vi kunne løse denne ligning, skulle der ndes et x så 4 | (2x − 1). Men
2x − 1 er ulige, og kan derfor ikke være deleligt med 4.
Vi kan generalisere dette modeksempel på eksistens af multiplikativ in-
vers modulo n. Kig på den generelle ligning
ax ≡ 1 (mod n),
og sæt d = sfd(a, n). Kongruensen kan løses, hvis der ndes x og q , således
at ax − 1 = qn, eller ækvivalent 1 = ax − qn. Det vil sige, der ndes en
løsning, hvis og kun hvis 1 ∈ aZ + nZ. Da aZ + nZ = dZ, svarer det til at
d | 1. Og dette sidste kan lade sig gøre netop når d = 1.
I eksemplet
2·x≡1 (mod 4),
bemærker vi at sfd(2, 4) = 2, så der er ingen multiplikativ invers, som vi
også så før.
Når sfd(a, n) = 1 har vi set at der ndes en multiplikativ invers modulo n,
men hvad er den? Det følger af Korollar 4.8, at vi kan nde s, t så sn+ta = 1.
Sætter vi c = t gælder
ac ≡ ta (mod n)
≡ 1 − sn (mod n)
≡1 (mod n)
Sætning 5.6
Lad a∈Z og n være et positivt heltal. Hvis sfd(n, a) 6= 1, har a ikke
en multiplikativ invers (mod n). Hvis sfd(n, a) = 1, ndes s, t ∈ Z, så
sn + ta = 1, og t er en multiplikativ invers til a (mod n), altså
Sætningen viser ikke bare hvornår den multiplikative invers ndes, men
også at den kan bestemmes ved hjælp af Euklids udvidede algoritme.
52 KAPITEL 5. MODULOREGNING
k rk sk tk forklaring
0 27 1 0
1 5 0 1
2 2 1 -5 da 27 = 5 · 5 + 2
3 1 -2 11 da 5=2·2+1
3 0 * * da 2=2·1+0
−2 · 27 + 11 · 5 = 1.
Vi ser at Derfor er 11 en multiplikativ invers til 5
(mod 27). Kontrol:
11 · 5 = 55 = 54 + 1 = 2 · 27 + 1 ≡ 1 (mod 27).
Sætning 5.7
Betragt kongruensligningen
a · x ≡ b (mod n),
a0 · x ≡ b0 (mod n0 ).
Sætning 5.8
Lad a, b ∈ Z og n være et positivt heltal, og antag sfd(n, a) = 1. Så
ndes c ∈ Z så ca ≡ 1 (mod n). Kongruensligningen
a · x ≡ b (mod n)
er ækvivalent med
x ≡ cb (mod n).
Specielt er løsningsmængden
cb + nZ.
Bevis. Vi ved fra Sætning 5.6 at c = a−1 ∈ Z eksisterer. Hvis x løser a·x ≡ b
(mod n) gælderax − b = kn, for et k ∈ Z. Ganges med c på begge sider af
lighedstegnet, fås x−a
−1 b = (a−n k)n, hvilket viser x ≡ cb (mod n). Hvis, på
den anden side, x er en løsning til x ≡ cb (mod n), gælder der x − cb = kn,
for et k ∈ Z. Ganges med a på begge sider fås ax − b = (ak)n, hvilket viser
ax ≡ b (mod n).
På nuværende tidspunkt ved vi alt om at løse ligningen (5.1). Først
kan vi bruge Sætning 5.7 til enten at afvise der er løsninger, eller sørge
for sfd(a, n) = 1. I sidste tilfælde kan vi bruge Sætning 5.8 til at opskrive
samtlige løsninger. Vi ser på to eksempler.
Eksempel 5.4 Lad os løse
6x ≡ 3 (mod 27).
Man kan se at sfd(27, 6) = 3. Da 3|3 fortæller Sætning 5.8, at kon-
gruensligningen er ækvivalent med kongruensligningen
2x ≡ 1 (mod 9).
Ved at køre Euklids algoritme eller prøve sig frem, kan man se at
5 · 2 ≡ 1 mod 9. En multiplikative inverse til 2 er altså 5. Derfor er
ligningen ækvivalent med
6x ≡ 4 (mod 27),
har derimod ingen løsninger. Der gælder nemlig stadig væk sfd(27, 6) =
3, og 3 går ikke op i 4.
Opgave 5.10 Der gælder 3 · 2 ≡ 1 (mod 5). Hvad er løsningsmæng-
den til 3x ≡ 4 (mod 5)?
x ≡ xp (mod n1 n2 )
for en passende værdi af xp , når der gælder at sfd(n1 , n2 ) = 1.
Når sfd(n1 , n2 ) > 1, kan vi ikke være sikre på at der er løsninger. Men
hvis vi kan nde en løsning, så kan vi nemt nde dem alle.
Eksempel 5.6 Se på systemet of kongruenser
x≡2 (mod 6),
x≡2 (mod 8).
Man kan hurtigt se at xp = 2 løser begge kongruenser. Vi skifter nu
variable ved at sætte x = xp + y = 2 + y . Sætter vi ind i ligningerne,
får vi
2 + y ≡ 2 (mod 6),
2 + y ≡ 2 (mod 8).
Ifølge Lemma 5.4 svarer det til
y≡0 (mod 6),
y≡0 (mod 8).
Mængden af y 6Z ∩ 8Z, som ifølge
der løser begge disse kongruenser er
Sætning 4.10 er lig mZ, hvor m = mfm(6, 8) = 24. Så de kongruenser
løses, netop når y ∈ 24Z. Da x = xp +y = 2+y , er løsningsmængden til
de to kongruenser vi startede med, lig 2+24Z. Den ene kongruens x ≡ 2
(mod 24) har samme løsningsmængde. Vi kan derfor konkludere, at de
to kongruenser
x ≡ 2 (mod 6),
x ≡ 2 (mod 8);
er ækvivalente med den ene kongruens
Sætning 5.9
Lad n1 , n2 være positive heltal, og b1 , b2 ∈ Z. Hvis systemet af kongru-
ensligninger
x ≡ b1 (mod n1 )
x ≡ b2 (mod n2 )
har en løsning xp , så er de to kongruensligninger ækvivalente med
x ≡ xp (mod m),
xp + mZ.
x ≡ xp (mod m).
x ≡ xp (mod m),
x ≡ u1 n1 b2 + u2 n2 b1 (mod n1 n2 ).
x ≡ b1 (mod n1 )
x ≡ b2 (mod n2 ),
x ≡ u1 n1 b2 + u2 n2 b1 (mod n1 n2 ).
Nemlig mængden
(u1 n1 b2 + u2 n2 b1 ) + n1 n2 Z .
Dette er en sætning som har været kendt i Kina i mere end 1700 år!
Den kinesiske restklassesætning tillader os at løse systemer af kongruens-
ligninger af en mere generel form, for vi ved fra Sætning 5.7 og Sætning 5.8,
hvordan den mere generelle kongruensligning ax ≡ b (mod n) kan reduceres
til den simplere form hvora = 1, hvis der er en løsning. Resultatet tillader os
at løse mere end 2 kongruensligninger, for er der fx 3, kan vi bruge resultatet
to gange, og således ende med en enkelt kongruens.
Eksempel 5.7 Vi løser systemet af kongruenser
x≡3 (mod 17)
x≡5 (mod 19),
Ved at bruge Euklids udvidede algoritme kan man se, at sfd(17, 19) =
1 = −8 · 19 + 9 · 17. Derfor er xp = −8 · 19 · 3 + 9 · 17 · 5 = 309 en
løsning. De to kongruenser er, ifølge den Kinesiske Restklassesætning,
ækvivalent med den ene kongruens
309 + 323Z.
n
n
X n
(a + b) = aj bn−j .
j=0
j
Polynomier
En af de ting der gør Euklids algoritme så nyttig, er at den ikke blot kan
anvendes på naturlige tal, men også på polynomier. Det skyldes at poly-
nomier og heltal algebraisk opfører sig nogenlunde på samme måde. Man
kan lægge sammen og gange, og polynomier og heltal opfylder de samme
grundlæggende regneregler. (De er begge eksempler på integritetsområder,
og mere præcist, Euklidiske områder. Det kan du lære om i kurset 01018:
Diskret Matematik 2.)
6.1 Polynomier
Vi starter med at se på hvad vi mener med polynomier. Så præciserer vi
hvordan de kan lægges sammen, ganges sammen, og hvordan man kan divi-
dere et polynomium med et andet. Tilsidst ser vi hvordan Euklids algoritme
virker på polynomier.
Når vi i disse noter taler om polynomier tænker vi på polynomier hvis
koecienter er reelle eller komplekse tal. Så P (x) = 21 x2 + 2 er et eksempel
på et polynomium. Generelt kan et n'te grads polynomium P (x) skrives
[xk ]P (x).
59
60 KAPITEL 6. POLYNOMIER
[x2 ]P (x) = 1.
P (x)Q(x) = (x + 3)(2x2 + 2x + 3)
= x(2x2 + 2x + 3) + 3(2x2 + 2x + 3)
= 2x3 + 2x2 + 3x + 6x2 + 6x + 9
= 2x3 + 8x2 + 9x + 9.
Generelt gælder
n
X
[xn ](P (x)Q(x)) = [xk ]P (x)[xn−k ]Q(x), (6.2)
k=0
0
idet man får et n te grads led ved at gange et led af grad k sammen med et
led af grad n − k.
Opgave 6.4 Bestem P (x)Q(x), når P (x) = x + 3 og Q(x) = x2 − 3.
Opgave 6.5 Lad k , n være heltal hvor 0 ≤ k ≤ n. Bestem
[xk ](1 + x)n
Vink: Brug binomialformlen (Sætning 1.8 med y = 1).
Opgave 6.6 Lad a = deg P (x) og b = deg Q(x). Hvad er graden af
P (x) gange Q(x), hvis ingen af de to polynomier er nulpolynomiet?
−(x4 −2x3 + 21 x2 )
10x3 − 25 x2 +0x
Nu går 2x2 netop 5x gange op i 10x3 , så vi får følgende.
1 2
2 x +5x
2x2 − 4x + 1 x4 +8x3 −2x2 +0x+16
−(x4 −2x3 + 21 x2 )
10x3 − 25 x2 +0x
Vi ganger 2x2 − 4x + 1 med 5x og trækker resultatet fra.
1 2
2x +5x
2x2 − 4x + 1 x4 +8x3 −2x2 +0x+16
−(x4 −2x3 + 12 x2 )
10x3 − 52 x2 +0x
−(10x3 −20x2 +5x)
35 2
2 x −5x+16
62 KAPITEL 6. POLYNOMIER
35 2 35 35 35
Deles
2 x med 2x2 fås
4 . Vi skriver 4 , og trækker 4 gange 2x2 − 4x + 1
fra.
1 2
2x +5x + 35
4 ← kvotient
2x2 − 4x + 1 x4 +8x3 −2x2 +0x +16
−(x4 −2x3 + 21 x2 )
10x3 − 25 x2 +0x
−(10x3 −20x2 +5x)
35 2
2 x −5x +16
−( 35 2 35
2 x −35x+ 4 )
30x + 29
4 ← rest
Leddet 2x2 har højere grad end 30x, og hermed er vi færdige. Det var noget
tungt, men det burde fremgå at polynomiers division kan beregnes på næsten
samme måde som division ved heltal.
Man kan aæse at 2x2 − 4x + 1 divideret op i x4 + 8x3 − 2x2 + 0x + 16,
1 2 35 29
giver
2x + 5x + 4 med 30x +
4 til rest. Det kan vi kort udtrykke ved
formlen
1 35 29
x4 + 8x3 − 2x2 + 16 = (2x2 − 4x + 1) · ( x2 + 5x + ) + 30x + .
2 4 4
Divisionsalgoritmen viser følgende resultat.
Sætning 6.1
Lad n(x), m(x) m(x) ikke er nulpolyno-
være to givne polynomier, hvor
miet. Der ndes to entydigt bestemte polynomier q(x), r(x) der opfylder
Opgave 6.7 Angiv kvotient q(x) og rest r(x) ved division af n(x) =
x2 − x − 2 med m(x) = x − 1.
Opgave 6.8 Angiv kvotient q(x) og rest r(x) ved division af n(x) =
x2 − x − 2 med m(x) = x + 1.
Når resten giver nul, siger vi at m(x) er en divisor i n(x).
Denition 6.2
Vi siger at m(x) er en divisor i n(x) hvis der ndes et polynomium q(x)
så
n(x) = q(x)m(x).
Hvis m(x) er en divisor i n(x) siger vi også at m(x) går op i n(x).
6.1. POLYNOMIER 63
(rk (x), sk (x), tk (x)) = (rk−2 (x), sk−2 (x), tk−2 (x))−qk (x)(rk−1 (x), sk−1 (x), tk−1 (x))
hvor qk (x) er kvotienten ved polynomiumsdivision af rk−2 (x) med rk−1 (x).
Vi gør dette for k = 2, 3, . . . , n indtil rn (x) = 0. Der gælder så
sfd(N (x), M (x)) = rn−1 (x) = sn−1 (x)N (x) + tn−1 (x)M (x).
og dernæst
x+3
x2 + 2x − 3 = − · (−7x + 7). (6.4)
7
Vi får derfor
4 3 2
0 x + x − 2x + 2x − 2 1 0
1 x2 + 2x − 3 0 1
2 −7x + 7 1 −x2 + x − 3 ifølge (6.3)
3 0 * * ifølge (6.4)
64 KAPITEL 6. POLYNOMIER
Her har vi skrevet * for elementer vi har sprunget over at udregne.
Vi kan af skemaet se at en største fælles divisor er −7x + 7, og at
der gælder
Sætning 6.3
Euklids udvidede algoritme standser i endeligt mange trin. Der gælder
og vi har
sfd(N (x), M (x)) = rn−1 (x).
Sætning 6.4
De to polynomier N (x) M (x)
og har den fælles rod x0 , hvis og kun hvis
sfd(N (x), M (x)) har roden x0 .
Bevis. Lad P (x) betegne en største fælles divisor af N (x), M (x). Hvis x0 er
en rod for både N (x) og M (x), gælder
N (x0 ) = Q(x0 ) · 0 = 0.
Polynomiet −7x+7 har roden 1, og ingen andre rødder. Det følger af Sætning
6.4 at x4 + x3 − 2x2 + 2x − 2 og x2 + 2x − 3 har den fælles rod 1 og ingen
andre fælles rødder.
6.1. POLYNOMIER 65
Opgave 6.12 Hvis sfd(N (x), M (x)) = 1, har N (x) og M (x) så nogen
fælles rødder?
gn (x) = f (x) + n .
Opgave 6.16
Pn k
Lad p(x) =k=0 ck x være et polynomium, hvis ko-
ecienter c0 , . . . , cn alle er hele tal, og hvor c0 6= 0 samt cn 6= 0. Lad
Q benævne mængden af de rationelle tal, dvs. brøker med hele tal i
tæller og nævner. Så gælder følgende sætning:
a
Hvis
b ∈Q med sfd(a, b) = 1, og hvis p( ab ) = 0, så gælder
at a | c0 og b | cn .
(a) Beskriv som funktion af deg f (x) og deg g(x), hvor mange itera-
tioner (runder) Euklids algoritme højest bruger, når den køres
påf (x) og g(x).
(b) Lad D(n) være en øvre grænse for antallet af aritmetiske ope-
rationer det tager at udføre en division af f (x) med g(x) med
rest, hvisdeg f, deg g ≤ n. Med aritmetiske operationer mener
vi +,−,· eller / på elementer fra legemet, altså R eller C. Argu-
2
mentér for, at D(n) ≤ 2n .
2
(c) Argumentér for, at Euklids algoritme højest bruger 2n (n + 1)
operationer, hvis deg f, deg g ≤ n.
(d) Men hvis vi tæller mere omhyggeligt, så ser vi, at den faktisk
bruger meget mindre! Lad D(n, m) være en øvre grænse for an-
tallet af aritmetiske operationer det tager at udføre division af
f (x) med g(x) deg f = n og deg g = m ≤ n.
med rest, hvis Ar-
gumentér for, at D(n, m) ≤ 2(n − m + 1)(m + 1).
Brug dette til at vise, at Euklids algoritme bruger mindre end
4(n + 1)2 operationer med input f (x), g(x) med deg f, deg g ≤ n.
(Vink: Lad dk = deg rk undervejs i Euklids algoritme og udtryk
antal operationer som en sum over 2dk−1 (dk − dk−1 + 1). Erstat
det første dk−1 med den øvre grænse d0 , og kig på den totale
sum. Er der noget der går ud?)
Følgende opgave viser hvordan en rational funktion nogle gange kan skri-
ves som en sum af såkaldte stambrøker. Det kan være nyttigt når man skal
nde stamfunktioner.
*Opgave 6.19 p(x) og d(x) være polynomier begge forskellige
Lad
fra nul. Antag at d(x) = d1 (x)d2 (x), hvor sfd(d1 (x), d2 (x)) = 1, og
antag at deg p(x) < deg d(x). Vis at der ndes polynomier p1 (x) og
p2 (x) således at
deg p1 (x) < deg d1 (x) og deg p2 (x) < deg d2 (x),
og
p(x) p1 (x) p2 (x)
= + .
d(x) d1 (x) d2 (x)
Vink: Gang først den ønskede ligning med d(x).