Professional Documents
Culture Documents
Számrendszerek
Számrendszerek
Matematikai programozás
el®adások
2003/04-es tanév
Tartalomjegyzék
1. Számrendszerek 4
1.1. Áttérés egyik számrendszerb®l a másikba . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. Számábrázolás számítógépen 11
2.1. A xpontos számábrázolás . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. A kettes komplemens összeadás . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. A lebeg®pontos számábrázolás . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3. Hibaanalízis 18
3.1. Számok kerekítése . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. A közelít® értékkel végzett alapm¶veletek hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2
Tartalomjegyzék 3
6. Interpolációs polinomok 40
6.1. A Lagrange-féle interpoláció . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.2. A Lagrange-interpoláció hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Irodalomjegyzék 102
1. fejezet
Számrendszerek
• helyiértékes
deniálja:
∞
X
(. . . ā2ā1ā0.ā−1ā−2 . . .)r = airi = · · ·+a2r2+a1r+a0+a−1r−1+a−2r−2+· · · .
i=−∞
1.5. megjegyzés. A nem véges r -edes törtek el®állítása egyértelm¶, míg a véges
r-edes törteknek két alakja van. A véges alakból a másikat úgy kapjuk, hogy a
legkisebb helyiérték¶ 0̄-tól különböz® számjegyet eggyel csökkentjük, és az összes
többi ett®l kisebb helyiérték¶ számjegyet r − 1-re változtatjuk.
1.6. példa. Határozzuk meg, hogy melyik valós szám alakja a nyolcas szám-
rendszerben (1423.75)8.
(1423.75)8 = 1 · 83 + 4 · 82 + 2 · 8 + 3 + 7 · 8−1 + 5 · 8−2 = (1427.953125)10.
1.7. példa.
1. A tizes számrendszerbeli (333.45)10-ot írjuk fel tizenhatos számrendszerben.
0. 45 ·16
333 : 16
7. 20
20 13
3. 2 (333.45)10 = (14D.733 . . .)16
1 4
3. 2
0 1 ... ...
0. 2 ·2
0. 4
0. 8
1. 6 (1.2)10 = (1.00110011 . . .)2
1. 2
0. 4
... ...
Számábrázolás számítógépen
v̆ = v + 2n−1
ábrázolási tartomány: −2n−1 ≤ v ≤ 2n−1 − 1
el®nye: a bal széls® bitr®l leolvasható az el®jel, könny¶ kódolás, dekódolás
hátránya: nem szimmetrikus
14 2. Számábrázolás számítógépen
Bizonyítás.
• Ha 0 ≤ u, v ≤ 2n−1 − 1 és u + v ≤ 2n−1 − 1, akkor û = u, v̂ = v és u[ +v =
u + v . Továbbá û ⊕ v̂ = û + v̂, mert û + v̂ ≤ 2n − 1, de û + v̂ = u + v = u[
+ v.
• Ha 0 ≤ u ≤ 2n−1 − 1 és −2n−1 ≤ v < 0, akkor û = u, v̂ = v + 2n és
½
u+v ha 0 ≤ u + v ,
u[+v =
u + v + 2n ha u + v < 0.
Így ½
û + v̂ ha û + v̂ ≤ 2n − 1,
û ⊕ v̂ =
û + v̂ − 2n ha 2n ≤ û + v̂ .
De û + v̂ = u + v + 2n, és ha û + v̂ ≤ 2n − 1, akkor u + v ≤ −1, tehát
u + v + 2n = u[ + v . Továbbá û + v̂ − 2n = u + v , és ha 2n ≤ û + v̂ , akkor
0 ≤ u + v , tehát u + v = u[
+ v.
• Ha −2n−1 ≤ u, v < 0 és −2n−1 ≤ u + v ,
akkor û = u + 2n, v̂ = v + 2n és u[+ v = u + v + 2n.
Továbbá û ⊕ v̂ = û + v̂ − 2n, mert 2n ≤ û + v̂ , de
û + v̂ − 2n = u + 2n + v + 2n − 2n = u + v + 2n = u[ + v.
16 2. Számábrázolás számítógépen
1 mantissza
2 karakterisztika
2.3. A lebeg®pontos számábrázolás 17
Hibaanalízis
3.5. példa. Kerekítsük az e = (2.71828 . . .)10 számot rendre öt, négy és három
jegyre, és adjuk meg a közelít® értékek abszolút hibakorlátait:
• e ≈ (2.7183)10 |e − 2.7183| ≤ 0.5 · 10−4
• e ≈ (2.718)10 |e − 2.718| ≤ 0.5 · 10−3
• e ≈ (2.72)10 |e − 2.72| ≤ 0.5 · 10−2
• ∆a+b = ∆a + ∆b
• ∆a−b = ∆a + ∆b
• ∆ab ≈ ∆a|b| + ∆b|a|
1
• ∆1 ≈ ∆
a2 a
a
• ∆b ≈ ∆b
|a| + |b|
a2 a
∆
a
22 3. Hibaanalízis
• δ b ≈ δb + δa
a
∆
Bizonyítás. Mivel δa ≈ ∆
|a| , δb ≈ |b|
a b
√ √
3.9. példa. Négy
√ értékes√jegyre számolva 2004 ≈ 44.77 és 2003 ≈ 44.75.
Számítsuk ki a 2004 − 2003 ≈ 0.02 relatív hibáját.
∆√2004−√2003 = 2 · 0.5 · 10−2 = 0.01,
0.01
δ√2004−√2003 ≈
= 0.5,
0.02
vagyis a gyökök különbségének relatív hibája 50%-os! A nagy relatív hiba oka
az, hogy két közeli számot vontunk ki egymásból.
Elkerülhetjük a különbség képzését:
√ √ 2004 − 2003 1
2004 − 2003 = √ √ =√ √ ≈ 0.01117.
2004 + 2003 2004 + 2003
Számoljuk ki most is a relatív hibát.
∆√2004+√2003 = 2 · 0.5 · 10−2 = 0.01,
0.01
δ√ √
2004+ 2003 ≈ ≈ 0.00011,
89.52
így a nevez® relatív hibája 0.011%-os, ami egyúttal a reciprok relatív hibája is,
vagyis lényegesen kisebb, mit az el®z® esetben.
4. fejezet
• Racionális törtfüggvények
általános alakjuk:
anxn + an−1xn−1 + . . . + a1x + a0
y= ,
bmxm + am−1xm−1 + . . . + b1x + b0
ahol an, . . . , a0, bm, . . . , b0 tetsz®leges valós számok (an, bm 6= 0). Általában
feltételezzük, hogy ebben az alakban már egyszer¶síteni nem lehet.
néhány racionális törtfüggvény:
• exponenciális függvény
általános alakja: y = ax, ahol a > 0 és a 6= 1
• logaritmusfüggvény
általános alakja: y = loga x, ahol a > 0 és a 6= 1
• trigonometrikus függvények
alakjuk: y = sin x, y = cos x, y = tan x és y = cot x
• hiperbolikus függvények
alakjuk:
ex − e−x ex + e−x
y = sinh x = és y = cosh x =
2 2
ex − e−x ex + e−x
y = tanh x = x és y = coth x = x
e + e−x e − e−x
4.3. Függvények Taylor-sorba fejtése 29
4.1. tétel. Tegyük fel, hogy az f valós függvény az [a, b] zárt intervallumban
n − 1-szer folytonosan dierenciálható és még az n-edik dierenciálhányadosa is
létezik (a, b)-ben. Ha x, x0 ∈ [a, b], akkor érvényes az
x − x0 0 (x − x0)2 00 (x − x0)n−1 (n−1)
f (x) = f (x0)+ f (x0)+ f (x0)+. . .+ f (x0)+Rn(x0, x)
1! 2! (n − 1)!
Taylor-formula, ahol Rn(x0, x) az ún. maradéktag. Ennek Langrange-féle
alakja
(x − x0)n (n)
Rn(x0, x) = f (x0 + θ(x − x0)),
n!
ahol θ ∈ (0, 1). Ha x0 = 0, akkor a Maclaurin-formula adódik:
x 0 x2 00 xn−1 (n−1)
f (x) = f (0) + f (0) + f (0) + . . . + f (0) + Rn(x),
1! 2! (n − 1)!
ahol
xn (n)
Rn(x) = f (θx).
n!
30 4. Elemi függvények, függvénytranszformáció
4.2. példa.
• f (x) = ex Maclaurin-formulája minden valós x-re:
x x x2 xn−1 xn θx
e = 1 + + + ... + + e
1! 2! (n − 1)! n!
4.3. tétel. Tegyük fel, hogy az f valós függvény az [a, b] zárt intervallumban
végtelen sokszor folytonosan dierenciálható. Ha x, x0 ∈ [a, b], akkor
x − x0 0 (x − x0)2 00 (x − x0)n (n)
f (x) = f (x0) + f (x0) + f (x0) + . . . + f (x0) + . . .
1! 2! n!
feltéve, hogy a Taylor-formula Rn(x0, x) maradéktagja zérushoz tart, ha n → ∞.
A jobb oldali sort Taylor-sornak, ha x0 = 0, Maclaurin-sornak nevezzük.
4.4. példa.
• f (x) = ex Maclaurin-sora minden valós x-re:
x x2x xn
e = 1 + + + ... + + ...
1! 2! n!
• f (x) = ln (1 + x) Maclaurin-sora minden −1 < x ≤ 1 esetén:
x x2 x3 n+1 x
n
ln (1 + x) = − + − . . . + (−1) + ...
1 2 3 n
• f (x) = sin x Maclaurin-sora minden valós x-re:
x x3 x5 n x
2n+1
sin x = − + − . . . + (−1) + ...
1! 3! 5! (2n + 1)!
32 4. Elemi függvények, függvénytranszformáció
5
∂Φ X
= 2(yi − (a2x2i + a1xi + a0))(−x2i ) =
∂a2 i=1
5
X 5
X 5
X 5
X
= −2 yix2i + 2a2 x4i + 2a1 x3i + 2a0 x2i = 0
i=1 i=1 i=1 i=1
5
∂Φ X
= 2(yi − (a2x2i + a1xi + a0))(−xi) =
∂a1 i=1
5
X 5
X 5
X 5
X
= −2 yixi + 2a2 x3i + 2a1 x2i + 2a0 xi = 0
i=1 i=1 i=1 i=1
5
∂Φ X
= 2(yi − (a2x2i + a1xi + a0))(−1) =
∂a0 i=1
5
X 5
X 5
X 5
X
= −2 yi + 2a2 x2i + 2a1 xi + 2a0 1=0
i=1 i=1 i=1 i=1
5.2. A paraméterek értékének meghatározása 39
Mivel
5
X 5
X 5
X
yix2i = 2, yixi = 0, yi = 4,
i=1 i=1 i=1
és
5
X 5
X 5
X 5
X 5
X
x4i = 34, x3i = 0, x2i = 10, xi = 0, 1 = 5,
i=1 i=1 i=1 i=1 i=1
így a
34a2 + 0a1 + 10a0 = 2
0a2 + 10a1 + 0a0 = 0
10a2 + 0a1 + 5a0 = 4
egyenletrendszert kell megoldani. Ennek megoldása
3 58
a2 = − , a1 = 0 és a0 = ,
7 35
tehát a keresett polinom:
3 58
p(x) = − x2 + .
7 35
6. fejezet
Interpolációs polinomok
• Most belátjuk, hogy egyetlen ilyen polinom van. Tegyük fel az állítással
ellentétben, hogy q(x) is ilyen polinom. Ekkor h(x) = p(x) − q(x)
legfeljebb (n − 1)-edfokú polinom, és
h(xi) = p(xi) − q(xi) = yi − yi = 0 minden i = 1, . . . , n-re.
Tehát a h legfeljebb (n − 1)-edfokú polinomnak n különböz® gyöke van. Ez
csak akkor állhat fenn, ha h(x) = 0, azaz p(x) = q(x) minden valós x-re.
6.3. megjegyzés. Az alappontokban ismert függvény értékét egy az alappon-
toktól különböz® helyen Lagrange-interpolációval úgy számolhatjuk ki közelít®en,
hogy az alappontokra illesztett interpolációs polinom kérdéses helyen vett helyet-
tesítési értékét számítjuk ki.
6.1. A Lagrange-féle interpoláció 43
6.5. példa. Most számoljuk ki, hogy milyen hibával közelít az 6.1.-beli inter-
polációs egyenes. Legyenek f a pontos függvény, p az interpolációs egyenes és
(z − x1)(z − x2)
g(z) = f (z) − p(z) − (f (x) − p(x)) · ,
(x − x1)(x − x2)
ahol x az x1-t®l és x2-t®l különböz® rögzített érték, x, x1, x2 ∈ [a, b]. A g(z)
polinomnak legalább 3 zérushelye van [a, b]-ben: x, x1 és x2. Ha f az [a, b]-ben
kétszer dierenciálható, akkor g is, és ekkor g 0(z)-nek legalább 2, g 00(z)-nek pedig
legalább 1 zérushelye van [a, b]-ben. Jelöljük g 00(z) valamelyik zérushelyét ξ -vel.
Írhatjuk, hogy
2
0 = g 00(ξ) = f 00(ξ) − p00(ξ) − (f (x) − p(x)) · ,
(x − x1)(x − x2)
azaz mivel p00(x) = 0,
f 00(ξ)
f (x) − p(x) = (x − x1)(x − x2).
2!
Ha x ∈ [a, b] esetén |f 00(x)| ≤ M2, akkor ∆p(x) = M2!2 (x − x1)(x − x2).
6.2. A Lagrange-interpoláció hibája 45
és Z xi+1
yi+1 + yi yi+1 + yi
f (x)dx ≈ (xi+1 − xi) = h,
xi 2 2
így
Z xn n−1
X Xn−1
yi+1 + yi 1 1
f (x)dx ≈ h = h( y1 + yi + yn).
x1 i=1
2 2 i=2
2
49
Z x2
h
f (x)dx ≈ (y1 + 4y2 + y3).
x1 3
• Az összetett Simpson-formula. n ekvidisztáns alappontunk van: x1, . . . , xn,
ahol xi+1 − xi = h minden i = 1, . . . , n − 1, és h = xn−1
n −x1
.
Z xn
h
f (x)dx ≈ (y1 + 4y2 + 2y3 + . . . + 2yn−2 + 4yn−1 + yn).
x1 3
7.2. példa. Egy gazdaság területe egy folyó egyenes, 10 km hosszú szakaszának
egyik partján fekszik. A folyó mentén kilométerenként megmérék, hogy a folyóra
mer®leges irányban hány kilométerre nyúlik el a gazdaság területe.
x 0 1 2 3 4 5 6 7 8 9 10
y 8.415 7.833 7.174 6.442 5.646 4.794 3.897 2.955 1.987 0.998 0.000
Számítsuk ki a gazdaság területetét. T ≈ 1 · (0.5 · 8.415 + 7.833 + 7.174 + 6.442 +
+5.646 + 4.794 + 3.897 + 2.955 + 1.987 + 0.998 + 0.5 · 0.000) = 45.9305.
8. fejezet
• grakusan, illetve
Legyen f az [a, b]-n folytonos, f (a) · f (b) < 0, és legyen ε > 0 tetsz®legesen kicsi
szám. Az eljárás a következ®:
1. a0 := a, b0 := b, i := 1.
ai +bi
2. Felezzük meg az [ai, bi] intervallumot: ci := 2 .
3. Ha f (ci) = 0, akkor ci f gyöke.
4. Ha f (ci) 6= 0, akkor a
4.1. |bi − ai| ≤ ε esetben a ci értéket f gyökének tekintjük,
4.2. |bi − ai| > ε esetben pedig ha
4.2.1. f (ai) · f (ci) < 0, akkor ai+1 := ai, bi+1 := ci,
4.2.2. f (bi) · f (ci) < 0, akkor ai+1 := ci, bi+1 := bi,
továbbá i := i + 1, és folytassuk a 2. ponttal.
52 8. Nemlineáris egyenletek megoldása
8.2. A húrmódszer
Legyen f az [a, b]-n folytonos, f (a) · f (b) < 0, és legyen ε > 0 tetsz®legesen kicsi
szám. Az eljárás a következ®:
1. a0 := a, b0 := b, i := 1.
2. Meghatározzuk az (ai, f (ai)) és (bi, f (bi)]) pontokon áthaladó egyenest, azaz
f egy húrját. Ennek zérushelye:
bi − ai
ci := bi − f (bi)
f (bi) − f (ai)
3. Ha f (ci) = 0, akkor ci f gyöke.
4. Ha f (ci) 6= 0, akkor a
4.1. |bi − ai| ≤ ε esetben a ci értéket f gyökének tekintjük,
4.2. |bi − ai| > ε esetben pedig ha
4.2.1. f (ai) · f (ci) < 0, akkor ai+1 := ai, bi+1 := ci,
4.2.2. f (bi) · f (ci) < 0, akkor ai+1 := ci, bi+1 := bi,
továbbá i := i + 1, és folytassuk a 2. ponttal.
54 8. Nemlineáris egyenletek megoldása
• konvex és f (a) > 0, vagy konkáv és f (a) < 0, akkor minden lépésben a 4.2.1.
pont alatti feltétel teljesül, így minden i esetén ai = a,
• konvex és f (a) < 0, vagy konkáv és f (a) > 0, akkor minden lépésben a 4.2.2.
pont alatti feltétel teljesül, így minden i esetén bi = b.
Ezekben az esetekben a c1, c2, . . . , cn, . . . sorozat monoton csökken® vagy növe-
ked® korlátos sorozat, tehát konvergens is. Legyen limn→∞ cn = c. f folyto-
nossága miatt ekkor például a 4.2.1. esetben
c−a
c=c− f (c),
f (c) − f (a)
amib®l az f (c) = 0 következik. (A módszer konvergenciája tetsz®leges f esetére
is hasonlóan bizonyítható.)
8.3. A felez® módszer és a húrmódszer jellemzése 55
8.4. A szel®módszer
8.5. A Newton-módszer
q
3 5
• A Lagrange-szabály szerint a valós gyökök fels® korlátja: 1 + 2 = 2.3572.
• a = 5 és a0 = 3, tehát
| − 5| 5
= 0.625 ≤ |x| ≤ 1 + = 3.5,
3 + | − 5| |2|
vagyis a polinom gyökei a komplex számsík 0.625 és 3.5 sugarú körgy¶r¶
tartományába esnek.
• Induljunk ki az x0 = 1.5 értékb®l a Newton-módszerrel.
2 0 1 −3 1 −5
1.5 3 4.5 8.25 7.875 13.3125
2 3 5.5 5.25 8.875 8.3125
1.5 3 9 21.75 40.5
2 6 14.5 27 49.375
A gyök új közelít® értéke:
8.3125
x1 = 1.5 − ≈ 1.33165.
49.375
9. fejezet
9.7. példa. µ ¶ µ ¶ µ ¶
2 1 0
• A valós számpárok lineáris terében a , , vektorok egy lineáris
3 0 1
kombinációja: µ ¶ µ ¶ µ ¶ µ ¶
2 1 0 0
(−1) +2 +3 = .
3 0 1 0
Tehát a vektorrendszer lineárisan függ®. Láthatjuk azt is, hogy
µ ¶ µ ¶ µ ¶
2 1 0
=2 +3 .
3 0 1
µ ¶ µ ¶
1 0
•A , vektorrendszer viszont lineárisan független, mivel
0 1
µ ¶ µ ¶ µ ¶
1 0 α1
α1 + α2 =
0 1 α2
µ ¶
0
csak az α1 = α2 = 0 esetben lesz a vektor.
0
9.1. Lineáris terek 67
9.20. tétel. Ha a1, a2, . . . , ak bázis L-ben, akkor minden a ∈ L-hez egyértel-
m¶en tartoznak olyan α1, α2, . . . , αk ∈ R skalárok, hogy
k
X
a= α i ai .
i=1
9.21. definíció. Ha a1, a2, . . . , ak bázis L-ben, a ∈ L, akkor azon α1, α2, . . . , αk ∈
R skalárokat, melyekre
k
X
a= αiai
i=1
az a vektor a1, a2, . . . , ak bázisra vonatkozó koordinátáinak nevezzük.
9.22. megjegyzés. Ha az a1, a2, . . . , ak bázis esetén az a vektor koordinátái
α1, α2, . . . , αk , a b vektor koordinátái β1, β2, . . . , βk , akkor
k
X k
X
a+b= (αi + βi)ai és λa = λαiai.
i=1 i=1
9.1. Lineáris terek 71
Az elemi bázistranszformáció Pk
Legyen a1, a2, . . . , ak egy bázis és a = i=1 αiai. Ha a 6= 0, akkor van olyan i
(1 ≤ i ≤ k ), hogy αi 6= 0. Legyen például α1 6= 0. Ekkor
X αi k
1
a1 = a − ai .
α1 α
i=2 1
Táblázatban:
régi bázis a b a1 új bázis a b a1
β1 1
← a1 α1 β1 1 → a 1 α1 α1
a2 α2 β2 0 a2 0 β2 − αβ11 α2 − αα21
ak αk βk 0 ak 0 βk − αβ11 αk − ααk1
9.23. példa. Legyen a = 2a1 + a2 + 4a3 és b = 3a1 − a2 + 2a3. Adjuk meg b
koordinátáit az a, a2, a3 bázisban.
régi bázis a b a1 új bázis a b a1
3 1
← a1 2 3 1 → a 1 2 2
a2 1 −1 0 a2 0 −1 − 2 1 − 12
3
a3 4 2 0 a3 0 2 − 32 4 − 42
Tehát b = 32 a − 52 a2 − 4a3.
9.1. Lineáris terek 73
9.24. példa. Az e1, e2, e3 bázisban ismerjük a b1, b2, b3 lineárisan független vek-
torok koordinátáit. Határozzuk meg az b1, b2, b3 bázisban e1, e2, e3 koordinátáit.
régi b1 b2 b3 e1 e2 e3 1. új b1 b2 b3 e1 e2 e3
e1 1 1 1 1 0 0 b1 1 1 1 1 0 0
e2 0 2 4 0 1 0 e2 0 2 4 0 1 0
e3 3 0 2 0 0 1 e3 0 −3 −1 −3 0 1
2. új b1 b2 b3 e1 e2 e3 3. új b1 b2 b3 e1 e2 e3
b1 1 0 −1 1 − 21 0 b1 1 0 0 25 − 15 15
b2 0 1 2 0 12 0 b2 0 1 0 65 1
− 10 − 25
e3 0 0 5 −3 32 1 b3 0 0 1 − 35 3
10
1
5
74 9. A lineáris algebra alapfeladatai
9.2. Mátrixok
9.30. példa.
• µ ¶ µ ¶ µ ¶ µ ¶
1 2 3 0 5 8 3 6
A= B= AB = BA =
0 −1 1 4 −1 −4 1 −2
•
¡ ¢ 1 ¡ ¢ 1 2 3
A = 1 2 3 B = 2 AB = 8 BA = 2 4 6
1 1 2 3
• µ ¶ µ ¶ µ ¶
1 2 3 0 1 5 8 3
A= B= AB =
0 −1 1 4 1 −1 −4 −1
B és A nem összeszorozható.
76 9. A lineáris algebra alapfeladatai
9.31. tétel.
• Ha A és B azonos típusú mátrixok és A és C összeszorozhatók, akkor
(A + B)C = AC + BC .
• Ha B és C azonos típusú mátrixok és A és B összeszorozhatók, akkor
A(B + C) = AB + AC .
• Ha A és B , továbbá B és C összeszorozhatók, akkor A(BC) = (AB)C .
9.32. definíció. Az n × n-es négyzetes egységmátrixot E = (δij )-vel jelöl-
jük. Általános eleme: (
1 , ha i = j,
δij =
0 egyébként.
9.33. tétel. Alkalmas típusú egységmátrix esetén AE = EA = A.
9.34. definíció. Egy négyzetes mátrix invertálható, ha van olyan B mátrix,
hogy AB = BA = E . Az olyan mátrixot, mely eleget tesz ezen feltételnek, az
A inverzmátrixának nevezzük.
9.35. tétel. Ha A invertálható, akkor csak egy inverzmátrixa van.(Jele: A−1.)
9.2. Mátrixok 77
9.3. Determinánsok
9.45. definíció. Az
α11 α12 . . . α1n
α21 α22 . . . α2n
A=
... ... ...
= (αij )n×n
αn1 αn2 . . . αnn
négyzetes mátrix determinánsa
α11 α12 . . . α1n
α21 α22 . . . α2n X
|A| = ... ... ... = (−1)I(i1,i2,...,in)α1i1 α2i2 . . . αnin ,
(i1 ,i2 ,...,in )∈Pn
αn1 αn2 . . . αnn
ahol Pn jelöli az (1, 2, . . . , n) összes permutációinak halmazát és I(i1, i2, . . . , in)
pedig az (i1, i2, . . . , in) permutációban el®forduló inverziók száma.
82 9. A lineáris algebra alapfeladatai
2x1 + x2 + x3 = 4
x1 + 3x2 + 2x3 = 6
x1 + 2x2 + 2x3 = 5
egyenletrendszert eliminációval.
2 1 1 4 1 1/2 1/2 2 1 0 1/5 6/5 1 0 0 1
1 3 2 6 → 0 5/2 3/2 4 → 0 1 3/5 8/5 → 0 1 0 1
1 2 2 5 0 3/2 3/2 3 0 0 3/5 3/5 0 0 1 1
Az egyenletrendszer megoldása tehát: x1 = x2 = x3 = 1.
10. fejezet
A megoldandó
Ax ≤ b
x ≥ 0
ún. általános (vagy alap-) feladatot kapcsolatba lehet hozni egy lineáris
egyenletrendszerrel:
Ax + Eu = b
x ≥ 0
u ≥ 0
Ezt a feladatot kanonikus
µ ¶(vagy teljes) feladatnak nevezzük. Bevezetve a
x
B = (A | E) és az y = jelöléseket, legyen az általános feladat lehetséges
u
megoldásainak halmaza
L = {x | Ax ≤ b, x ≥ 0},
a kanonikus feladat lehetséges megoldásainak halmaza pedig
b = {y | By = b, y ≥ 0}.
L
96 10. A lineáris programozás alapfeladata
10.15. tétel.
b = ∅.
• L = ∅ akkor és csak akkor, ha L
b is korlátos.
• L akkor és csak akkor korlátos, ha L
b konvex és zárt.
• Ha L 6= ∅, akkor L és L
b-nek is van legalább egy extremális pontja.
• Ha L 6= ∅, akkor L-nek is, és L
• Az extremális pontok száma L-ben és L b-ben véges.
b korlátos, akkor L és L
• Ha L és L b konvex poliéderek.
• vagy üres,
• vagy konvex és zárt, de nem korlátos,
• vagy konvex poliéder.
10.2. A lineáris egyenl®tlenség-rendszer 97
10.17. definíció.
• y0 ∈ Lb bázismegoldása a kanonikus feladatnak, ha B azon oszlopvek-
torai, melyek y0 pozitív komponenseihez tartoznak, lineárisan függetlenek.
µ ¶
x0
• x0 ∈ L bázismegoldása az általános feladatnak, ha bázis-
b − Ax0
megoldása a kanonikus feladatnak.
10.18. tétel.
b-ban, és L
• A kanonikus feladat minden bázismegoldása extremális pont L b
minden extremális pontja bázismegoldása a kanonikus feladatnak.
• Az általános feladat minden bázismegoldása extremális pont L-ben, és L min-
den extremális pontja bázismegoldása az általános feladatnak.
10.19. tétel. Ha b nem üresek és korlátosak, akkor pontjaik el®állíthatók
L és L
a bázismegoldások konvex lineáris kombinációjaként.
98 10. A lineáris programozás alapfeladata
x
A kiinduló szimplex tábla:
u A b µ ¶
x0 = 0
Ha b ≥ 0, ebb®l a táblából rögtön leolvasható az y 0 = bázisme-
u0 = b
goldás. (Ez azt jelenti, hogy az x0 = 0 pont extremális pontja az általános
feladat lehetséges megoldásai halmazának.) Egy ismert bázismegoldástból elemi
bázistranszformáció segítségével át lehet térni egy másik bázismegoldásra. Ehhez
ki kell válsztani a bázisból kikerül® és a bázisba bekerül® vektorokat. Az ismert
bázismegoldást nyújtó táblázatban válsszunk ki egy ún. generáló elemet:
• olyan sorból válasszunk, melynek utolsó eleme pozitív,
• pozitív elemet válasszunk,
bi
• egy adott oszlopban a pozitív elemek közül a legkisebb aik hányadosút válass-
zuk.
Ha a generáló elem aik , akkor a k. oszlopvektor lesz az új bázisbeli vektor az
i. egységvektor helyett. Hajtsuk végre az elemi bázistranszformációt, aminek az
eredménye egy új szimplex tábla.
100 10. A lineáris programozás alapfeladata
[2] Gaál, I., Kozma, L., Lineáris algebra, Kossuth Egyetemi Kiadó, 1998.
[3] Járai, A., Modern alkalmazott analízis, egyetemi jegyzet, KLTE, 1991.