Számrendszerek

VÁRTERÉSZ MAGDA
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
4. Elemi függvények, függvénytranszformáció 26

4.1. Elemi algebrai függvények . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2. Elemi transzcendens függvények . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.3. Függvények Taylor-sorba fejtése . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.4. Függvényértékek számításakor fellép® hibák . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5. Empirikus képletek el®állítása 33

5.1. Az empirikus függvény típusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2. A paraméterek értékének meghatározása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2
Tartalomjegyzék 3
6. Interpolációs polinomok 40
6.1. A Lagrange-féle interpoláció . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.2. A Lagrange-interpoláció hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
7. Numerikus dierenciálás és integrálás 46

8. Nemlineáris egyenletek megoldása 50
8.1. A felez® módszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
8.2. A húrmódszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.3. A felez® módszer és a húrmódszer jellemzése . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
8.4. A szel®módszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.5. A Newton-módszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.6. A szel®módszer és a Newton-módszer jellemzése . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
8.7. Polinomegyenletek megoldása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
9. A lineáris algebra alapfeladatai 63

9.1. Lineáris terek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.2. Mátrixok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
9.3. Determinánsok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.4. Lineáris egyenletrendszerek megoldása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
10.A lineáris programozás alapfeladata 89

10.1. Konvex halmazok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
10.2. A lineáris egyenl®tlenség-rendszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
10.3. A szimplex módszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Irodalomjegyzék 102
1. fejezet
Számrendszerek
A számrendszerek a számok megnevezésével és lejegyzésével kapcsolatos eljárá-

sok összessége. Történeti fejl®dése ([6]):
• nem helyiértékes (pl. egyiptomi, maya, római; nehézkes bennük a számolás)
• helyiértékes
Babilónia (i.e.1750): hatvanas számrendszer (id®-, szögmérés)

India (i.sz. 600): tizes számrendszer (számjegyek: 1, 2, . . . , 9)
arabok (i.sz. 750): megjelenik a 0
Európában 1200 1600 között terjed el általánosan
1.1. definíció. Az r alapú helyiértékes számrendszert a következ® szabály
4
5
deniálja:
∞
X
(. . . ā2ā1ā0.ā−1ā−2 . . .)r = airi = · · ·+a2r2+a1r+a0+a−1r−1+a−2r−2+· · · .
i=−∞
Az r számot a számrendszer alapszámának1, az āi jeleket a szám számjegyei-

nek, az āi számjegy által jelölt ai számot a számjegy alaki értékének, az ri
hatványt pedig a számjegy helyiértékének nevezzük (i = 0, ±1, ±2, . . .), és .
(pont) az alappont.
A legegyszer¶bb számrendszerek esetén a számrendszer alapszáma és a számj-

egyek alaki értékei is természetes számok, r ≥ 2 és minden i = 0, ±1, ±2, . . .
esetén 0 ≤ ai ≤ r − 1. A hétköznapi életben tizes, az informatikában általában a
kettes, esetleg a nyolcas és tizenhatos számrendszereket használjuk. A fejezetben
a számrendszer alapszámát, a számjegyek alaki és helyiértékeit ha másképp
nem jelöltük tizes számrendszerben írtuk fel.
• A kettes számrendszer alapszáma 2, számjegyei a 0 és az 1, rendre 0 és 1 alaki

értékkel.
1 radix
6 1. Számrendszerek
• A nyolcas számrendszer alapszáma 8, számjegyei 0, 1, . . . , 7 rendre 0, 1, . . . , 7

alaki értékkel.
• A tizenhatos számrendszer alapszáma 16, számjegyei 0, 1, . . . , 9, A, B, . . . , F
rendre 0, 1, . . . , 9, 10, 11, . . . , 15 alaki értékkel.
1.2. megjegyzés. Az alapponttól balra (jobbra) es® legnagyobb (legkisebb) he-
lyiérték¶ 0̄-tól különböz® számjegy el®l (mögül) ha egyáltalán ilyen van el-
hagyjuk a 0̄ számjegyek írását, ha pedig csupa 0̄ számjegy található az alapponttól
balra (jobbra), csak egyet írunk le bel®le.
1.3. tétel. Legyen r ≥ 2 természetes szám. Ekkor tetsz®leges v ≥ 0 valós
szám felírható az r alapú helyiértékes számrendszerben
v = (ānān−1 . . . ā2ā1ā0.ā−1ā−2 . . .)r
alakban, ahol 0 ≤ ai ≤ r − 1 természetes számok minden i = n, n − 1, . . .
esetén és an 6= 0, ha n ≥ 1. v egészrésze: [v] = (ānān−1 . . . ā2ā1ā0.0̄)r , törtrésze:
{v} = (0̄.ā−1ā−2 . . .)r .
1.4. definíció. v -t véges r-edes törtnek nevezzük, ha van olyan el®állítása,
hogy véges sok számjegyt®l eltekintve a számjegyek mind 0̄-k.
1.1. Áttérés egyik számrendszerb®l a másikba 7
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.
1.1. Áttérés egyik számrendszerb®l a másikba
Legyen v ≥ 0 az R alapú számrendszerben adott szám. Határozzuk meg v

számjegyeit az r alapú számrendszerben.
1. El®ször v egészrészének határozzuk meg a számjegyeit: az 1.3. tétel szerint
[v] felírható
anrn + an−1rn−1 + · · · + a1r + a0
alakban, ami másképp írva
(. . . ((anr + an−1)r + an−2)r + . . . + a1)r + a0.
Végezzünk tehát r-rel ismételt maradékos osztást; a maradékok rendre nö-

vekv® helyiérték szerint adják az r alapú számrendszerbeli számjegyek alaki
értékeit:
[v] = v1r + a0
v1 = v2r + a1
v2 = v3r + a2
...
vn−1 = vnr + an−1
vn = 0r + an
2. Most határozzuk meg v törtrészének a számjegyeit: az 1.3. tétel szerint {v}
felírható
a−1r−1 + a−2r−2 + · · ·
alakban. Ekkor tehát
{v}r = a−1 + a−2r−1 + · · · ,
ahol {v}r egészrésze a−1, törtrésze pedig a−2r−1 + · · · . Szorozzuk tehát r-rel
mindig az el®z® lépésben nyert szorzat törtrészét; a szorzatok egészrészei szol-
gáltatják rendre csökken® helyiérték szerint {v} r alapú számrendszerbeli
1.1. Áttérés egyik számrendszerb®l a másikba 9
számjegyeinek alaki értékeit.
3. Mivel a m¶veleteket az eredeti (R alapú) számrendszerben végeztük el, az

eljárás eredményeként kapott számjegyek alaki értékeit is ebben a számrends-
zerben nyertük. Ezután a számjegyek alaki értékeit jelöl® r alapú számrends-
zerbeli számjegyeket beírjuk az alaki értékek helyére: megkapva v r alapú
számrendszerbeli alakját.
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 ... ...
2. Határozzuk meg a tizes számrendszerbeli (1.2)10 kettes számrendszerbeli alakját.

0. 2 ·2
0. 4
0. 8
1. 6 (1.2)10 = (1.00110011 . . .)2
1. 2
0. 4
... ...
3. Határozzuk meg a kettes számrendszerbeli (1011.1)2 hármas számrendszerbeli

alakját. A hárommal való osztást, illetve szorzást kettes számrendszerben kell
elvégezni!
(0. 1)2 ·(11)2
(1011)2 : (11)2
(1. 1)2
(1)2 (10)2 (1011.1)2 = (12.1 . . .)3
(1. 1)2
(0)2 (1)2 ... ...
2. fejezet
Számábrázolás számítógépen
A fejezetben kettes számrendszerbeli számok számítógépes ábrázolásának módjai-

val foglalkozunk általában. Különböz® számítógéparchitektúrák támogathatják
továbbá a tizes, nyolcas vagy tizenhatos számrendszerekben történ® számábrá-
zolást is. Elvileg hasonló módon történik ezen számrendszerek esetében is a
számábrázolás, csak egy számjegyet több bitet felhasználva kódolunk.
Alapvet®en kétféle technikája van a valós számok számítógépen való ábrá-
zolásának:
• a xpontos, amikor a számábrázolás során nem foglalkozunk az alapponttal,
a programozónak kell tudni, hol az alappont, és a m¶veletek során követni a
helyét;
• a lebeg®pontos, amikor a számábrázolás során nyilván tartjuk az alappon-
tot, és dinamikusan változik a helye a program futása közben.
11
12 2. Számábrázolás számítógépen
2.1. A xpontos számábrázolás
A xpontos számábrázolás tárgyalása során mivel majd a programozó követi,

hol az alappont az ábrázolandó számokat egészeknek tekintjük. n biten kettes
számrendszerben 2n különböz® egész számot lehet ábrázolni:
• el®jel és kódolás nélkül
ábrázolási tartomány: 0 ≤ v ≤ 2n − 1
el®nye: egyszer¶
hátránya: csak el®jel nélküli számok ábrázolhatók
• el®jellel és abszolút értékkel
1 biten az el®jel, n − 1 biten a szám abszolút értéke
ábrázolási tartomány: −(2n−1 − 1) ≤ v ≤ 2n−1 − 1
el®nye: a hétköznapi gyakorlatnak megfelel®, szimmetrikus
hátránya: a 0-nak két különböz® kódja van (±0)
• egyes komplemens kódolással
½
v ha 0 ≤ v ≤ 2n−1 − 1,
ṽ
2n − 1 + v ha −(2n−1 − 1) ≤ v ≤ 0.
2.1. A xpontos számábrázolás 13
el®nye: a bal széls® bitr®l leolvasható az el®jel, szimmetrikus

hátránya: a 0-nak két különböz® kódja van (0 . . . 0 és 1 . . . 1)
• kettes komplemens kódolással
½
v ha 0 ≤ v ≤ 2n−1 − 1,
v̂
2n + v ha −2n−1 ≤ v < 0.
el®nye: a bal széls® bitr®l leolvasható az el®jel
hátránya: nem szimmetrikus
• többletes kódolással
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
2.1. példa. A (−2)10 = (−10)2 4 biten
• egyes komplemes kódolással: 1101

• kettes komplemes kódolással: 1110
• többletes kódolással: 0110
2.2. A kettes komplemens összeadás
2.2. definíció. Legyen 0 ≤ x, y ≤ 2n − 1.

½
x+y ha x + y ≤ 2n − 1,
x⊕y
x + y − 2n ha 2n ≤ x + y .
A ⊕ m¶velet neve: kettes komplemens összeadás.
2.3. tétel. Legyenek −2n−1 ≤ u, v ≤ 2n−1 − 1. Ekkor ha

−2n−1 ≤ u + v ≤ 2n−1 − 1,
akkor
û ⊕ v̂ = u[
+ v.
2.2. A kettes komplemens összeadás 15
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.
2.3. A lebeg®pontos számábrázolás
Lebeg®pontos kettes számrendszerbeli számábrázolás esetén a v = ±0.m · 2k

alakban felírt valós szám
• el®jelét ±
• törtrészét1 m
• és a kitev®jét2 k
tartjuk nyilván.
Normalizáltnak nevezzük a számot, ha m els® számjegye 0-tól különbözik.
A törtrészt nem kódoljuk, a kitev®t rendszerint többletes kódban tartjuk nyilván.
Tegyük fel, hogy n biten ábrázoljuk a törtrészt és l biten a kitev®t. Ekkor az
ábrázolási tartomány:
l−1 l−1 −1
(0.1)2 · 2−2 ≤ |v| ≤ (0.1 . . . 1)2 · 22
1 mantissza
2 karakterisztika
2.3. A lebeg®pontos számábrázolás 17
2.4. példa. Ábrázoluk a törtrészt és a kitev®részt is 4 biten, normalizáltan.

Normalizált ábrázolás esetén a mantissza els® jegye mindig 1, ezért elhagyható,
helyette ezen a biten megadhatjuk az el®jelet (pozitív el®jel: 0, negatív el®jel:
1). A (−2)10 = (−0.1)2 · 22 valós szám ilyen módon ábrázolva:
10001010
3. fejezet
Hibaanalízis
A számítási eredményekben pontatlanságot, hibát okozhat:

• a tévedés;
• a számítás alapjául szolgáló törvények, elvek közelít® természete;
• a számítás során
pontatlan adatokkal való számolás:
öröklött hiba;
az adataink meghatározott számú számjegyet tartalmazó számok:
kerekítési hiba;
végtelen sok egymást követ® m¶veletb®l csak véges soknak az elvégzése:
képlethiba.
18
3.1. Számok kerekítése 19
Ha V jelöli a pontos értéket, mi pedig ennek v közelít® értékével dolgozunk,

akkor az elkövetett hiba V −v . Mivel V legtöbbször ismeretlen, s így a hibát, s®t
az el®jelét sem ismerjük, ezért általában |V − v| abszolút hibának valamilyen
fels® korlátját határozzuk meg: ∆v abszolút hibakorlát, ha |V − v| ≤ ∆v .
3.1. Számok kerekítése
3.1. definíció. A közelít® számban értékes számjegynek nevezünk

• minden 0̄-tól különböz® számjegyet,
• a 0̄-át akkor, ha két értékes jegy között áll, vagy az alapponttól jobbra
megtartott helyiérték¶ számjegy.
3.2. példa. Legyen a közelít® számunk 0.006040. Balról az els® három számjegy
nem értékes, a többi értékes számjegy.
20 3. Hibaanalízis
3.3. definíció. A közelít® szám els® m értékes számjegye helyes, ha a szám

abszolút hibája nem haladja meg balról jobbra számlálva az m-edik értékes számj-
egy helyiértékének a felét.
3.4. példa. A 142.96 pontos számnak négy helyes jeggyel közelít® értéke a 143.00
szám, mivel |142.96 − 143.00| = 0.04 < 0.5 · 10−1.
A közelít® számításokban az r alapú számrendszerbeli számok kerekítését a
következ® szabályok szerint végezzük:
• Ha az els® elhagyandó számjegy
r/2-nél nagyobb,
vagy éppen r/2 és van utána 0̄-tól különböz® értékes jegy,
akkor a meghagyott utolsó számjegy helyére a rákövetkez®jét írjuk.
• Ha az els® elhagyandó számjegy kisebb r/2-nél, akkor a meghagyott számj-
egyek változatlanok.
• Ha az els® elhagyandó számjegy r/2 és utána nincs 0̄-tól különböz® értékes
jegy, akkor a meghagyott utolsó számjegyet páros számjegy esetén változat-
lanul hagyjuk, páratlan számjegy esetén helyette a rákövetkez®jét írjuk.
3.2. A közelít® értékkel végzett alapm¶veletek hibája 21
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
3.2. A közelít® értékkel végzett alapm¶veletek hibája
Legyen A és B pontos, a és b közelít® érték, ∆a és ∆b abszolút hibakorláttal.
• ∆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
Bizonyítás. Mivel |A − a| ≤ ∆a, |B − b| ≤ ∆b

• és A + B ≈ a + b, így a háromszög egyenl®tlenséget felhasználva:
|(A + B) − (a + b)| = |(A − a) + (B − b)| ≤ |A − a| + |B − b| ≤ ∆a + ∆b.

• és AB ≈ ab, így
|AB − ab| = |AB − aB + aB − ab| ≤ |B| · |A − a| + |a| · |B − b| ≤

≤ (|b| + |∆b|)∆a + |a|∆b ≈ |b|∆a + |a|∆b.
A ∆a · ∆b tagot elhanyagolhattuk, mivel a ∆a és ∆b hibakorlátok általában

nagyságrendekkel kisebbek az a és a b közelít® értékeknél.
3.6. példa. Az 1.21, 3.65 és 9.81 két tizedes jegyre kerekített értékek, azaz
∆1.21 = ∆3.65 = ∆9.81 = 0.5 · 10−2.
Határozzuk meg az 1.21 · 3.65 + 9.81 érték hibáját:
∆1.21·3.65 ≈ 1.21 · ∆3.65 + 3.65 · ∆1.21 = 4.86 · 0.5 · 10−2 = 0.0243

∆1.21·3.65+9.81 = ∆1.21·3.65 + ∆9.81 ≈ 0.0243 + 0.005 = 0.0293.
3.7. példa. A 0.1cm pontossággal mért l1 = 465.3cm és l2 = 1.5cm mérési ered-

mények közül, bár hibakorlátjuk azonos, a mérés min®ségét tekintve lényegesen
jobb az els®.
A közelítés pontosságát ezért jobban jellemzi
• a relatív hiba:
|V − v|
,
|V |
• és a relatív hibakorlát:
|V − v|
≤ δv .
|V |
Mivel a V pontos értéket nem ismerjük, ezért az abszolút hibakorlátot csak a
közelít® értékhez tudjuk viszonyítani:
∆v
δv ≈
|v|
3.8. példa. Az el®z® példában
0.1 0.1
δ456.3 ≈ ≈ 0.0002 és δ1.5 ≈ ≈ 0.0667.
456.3 1.5
24 3. Hibaanalízis
Legyen A és B pontos, a és b közelít® érték és a relatív hibakorlátok δa és δb.

δa |a|+δb |b|
• δa+b ≈ |a+b|
δa |a|+δb |b|
• δa−b ≈ |a−b|
• δab ≈ δa + δb
• δ 1 ≈ δa
a
• δ b ≈ δb + δa
a
∆
Bizonyítás. Mivel δa ≈ ∆
|a| , δb ≈ |b|
a b
• és ∆a+b = ∆a + ∆b, így

∆a+b ∆a +∆b |a|δa +|b|∆b
δa+b ≈ |a+b| = |a+b| = |a+b| .
• és ∆ab ≈ ∆a|b| + ∆b|a|, így

∆ab ∆a |b|+∆b |a|
δab ≈ |ab| ≈ |a||b| = δa + δb.
√ √
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
Elemi függvények, függvénytranszformáció
4.1. Elemi algebrai függvények
• Racionális egész függvények

általános alakjuk:
y = anxn + an−1xn−1 + . . . + a1x + a0,
ahol an, . . . , a0 tetsz®leges valós számok. Ha an 6= 0, ez egy n-ed fokú ra-
cionális egész függvény (a jobb oldal n-ed fokú polinom).
néhány racionális egész függvény:
lineáris függvény: y = ax + b, ahol a 6= 0, képe egyenes;
másodfokú függvény: y = ax2 + bx + c, ahol a 6= 0, képe az y -tengellyel
párhuzamos tengely¶ parabola;
26
4.1. Elemi algebrai függvények 27
• 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:
a legegyszer¶bb: y = xa , ahol a 6= 0, képe hiperbola;

lineáris törtfüggvény: y = ax+b
cx+d , ahol a, c 6= 0;
• Algebrai irracionális függvények

egyszer¶sített alakjukban a független változó gyökvonásban is el®fordul
√
y = ± ax + b, ahol a 6= 0, képe parabola, melynek szimmetriatengelye
az x-tengely;
√
y = ± ax2 + bx + c, ahol a 6= 0, képe a és ax2 +bx+c diszkriminánsának
el®jelét®l függ®en ellipszis vagy hiperbola;
28 4. Elemi függvények, függvénytranszformáció
4.2. Elemi transzcendens függvények
• 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
4.3. Függvények Taylor-sorba fejtése
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!
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!
• f (x) = ln (1 + x) Maclaurin-formulája, ha −1 < x:

x x2 x3 n x
n−1
n+1 xn
ln (1 + x) = − + − . . . + (−1) + (−1)
1 2 3 (n − 1) n(1 + θx)n
• f (x) = sin x Maclaurin-formulája minden valós x-re, ha n = 2k , akkor

x x3 x5 k+1 x
2k−1
x2k
sin x = − + − . . . + (−1) + sin (θx + kπ)
1! 3! 5! (2k − 1)! (2k)!
ha n = 2k − 1, akkor
x x3 x5 k x
2k−3
x2k−1 2k − 1
sin x = − + − . . . + (−1) + sin (θx + π)
1! 3! 5! (2k − 3)! (2k − 1)! 2
4.3. Függvények Taylor-sorba fejtése 31
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)!
4.4. Függvényértékek számításakor fellép® hibák
Jelöljön f valós függvényt. Ha az A pontos értéknek az a közelít® értékét is-

merjük, akkor az f (A) pontos érték helyett az f (a) közelít® értéket tudjuk csak
kiszámolni. Ha f néhányszor folytonosan dierenciálható egy olyan intervallum-
ban, mely a-t és A-t is belsejében tartalmazza, és f magasabb rend¶ dierenciál-
hányadosainak értéke a-ban f 0(a)-hoz képest nem túl nagyok, a Taylor-formula
alapján a következ® becslést kapjuk:
• ∆f (a) ≈ |f 0(a)| · ∆a,
• δf (a) ≈ | d lndx
|f (x)|
x=a
| · ∆a.
4.5. példa.
• ∆ln a ≈ a1 · ∆a ≈ δa
• ∆sin a ≈ |cos(a)| · ∆a ≤ ∆a
• ∆ea ≈ ea · ∆a és δea ≈ ∆a
• δam ≈ ∆ln am ≈ |m| · ∆ln a ≈ |m| · δa
5. fejezet
Empirikus képletek el®állítása
A gyakorlatban el®forduló függvények általában tapasztalatiak, értékeiket csak

izolált helyeken - esetleg pontatlanul - ismerjük. Legyen az f valós függvény
értéke az x1, x2, . . . , xn pontokban ismert: y1, y2, . . . , yn. Célunk egyszer¶ kép-
lettel közelíteni f -et. Ehhez
• meghatározzuk az empirikus függvény típusát,
• megállapítjuk a kiválasztott függvénytípusban szerepl® paraméterek értékét.
5.1. Az empirikus függvény típusa
Az empirikus függvény meghatározáskor arra törekszünk, hogy grakonja jól il-

leszkedjen az f függvény görbéjének ismert pontjaira, és egyszer¶ függvényosz-
tályba tartozzon.
33
34 5. Empirikus képletek el®állítása
Az empirikus függvény típusa meghatározásának lépései a következ®k:

• az f függvény görbéjének ismert pontjait koordinátarendszerben ábrázoljuk;
• a pontok közé jól illeszked® görbét rajzolunk;
• ezt összehasonlítva az elemi függvények görbéivel kiválasztunk egy típust;
• a kiválasztott függvény alkalmasságát a linearizáló módszerrel ellen®rizzük.
Linearizáló módszernek nevezzük azt az eljárást, amikor a síknak valamely
½
x0 = `1(x, y)
y 0 = `2(x, y)
leképezésével a tapasztalai úton ismert (xi, yi) függvénygörbepontok az új felület
egy egyenesére fognak illeszkedni.
5.1. példa. Az
0 0 x
x =x y =
y
x
leképezés esetén az y = c+dx függvénygörbe pontjai az új síkon az y 0 = c + dx0
egyenest adják.
A kiválasztott empirikus függvény megfelel® típusú, ha az adott (xi, yi) érték-
párokkal kiszámítva az (x0i, yi0 ) értékpárokat, ezek közelít®en egy egyenesre esnek.
5.2. A paraméterek értékének meghatározása 35
5.2. A paraméterek értékének meghatározása
A kiválasztott típusú empirikus függvény paramétereinek értékeit úgy határozzuk

meg, hogy a közelítés valamely feltétel szerint optimális legyen. A legkisebb
négyzetek módszerének alkalmazása a legelterjedtebb.
Tegyük fel, hogy a tapasztalati úton kapott (xi, yi), (i = 1, . . . , n) értékpárhoz
kiválasztottuk a megfelel® y = ϕ(x; a1, a2, . . . , am) empirikus függvénytípust,
ahol a1, a2, . . . , am paraméterek. A paraméterek értékét úgy határozzuk meg,
hogy a
n
X
Φ(a1, a2, . . . , am) (yi − ϕ(xi; a1, a2, . . . , am))2
i=1
függvény ott minimális legyen. A Φ(a1, a2, . . . , am) függvény minimumát a
∂Φ ∂Φ ∂Φ
= 0, = 0, . . . , =0
∂a1 ∂a2 ∂am
egyenletrendszert megoldva nyerhetjük.
5.2. példa. Az alábbi tapasztalati értékpárokhoz határozzuk meg az empirikus

képlelet:
x 0 5 10 15 20 22.5 25 26
y 0 1.43 2.76 4.26 5.72 6.48 7.25 7.58
A pontokat koordinátarendszerben ábrázolva látjuk, hogy azok jó közelítéssel egy
egyenesre esnek. Az empirikus függvény típusa: y = ax. A legkisebb négyzetek
módszerét alkalmazva
8
∂ X
(yi − axi)2 = 0,
∂a i=1
vagyis
8
X
2(yi − axi)(−xi) = 0,
i=1
és így P8
yixi
a = Pi=1
8 2
≈ 0.288,
i=1 xi
tehát y = 0.288x.
5.3. példa. Keresük meg az

x -2 -1 0 1 2
y 0 1 2 1 0
tapasztalati értékpárokhoz tartozó négyzetesen legjobban közelít®
p(x) = a2x2 + a1x + a0 másodfokú polinomot. Ekkor a
5
X
Φ(a0, a1, a2) (yi − (a2x2i + a1xi + a0))2
i=1
függvény minimumhelyét kell keresnünk, amit a

∂Φ ∂Φ ∂Φ
= 0, = 0, =0
∂a2 ∂a1 ∂a0
egyenletrendszer megoldása ad.
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
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
Tegyük fel, hogy az f függvény értékét az x1, x2, . . . , xn ún. alappontokban

pontosan ismerjük: y1, . . . , yn. Ekkor megkívánhatjuk azt a közelít® függvényt®l,
hogy az alappontokban az értéke rendre egyezzen meg f ismert értékeivel. A
gyakorlatban f -et gyakran véges fokszámú polinommal közelítjük: azt a legkisebb
fokszámú közelít® polinomot határozzuk meg, mely az alappontokban megegyezik
f értékével.
6.1. példa. A függvényünket két pontban ismerjük: (x1, y1), (x2, y2). A legki-
sebb fokszámú polinom, mely görbéje a két ponton átmegy, egy egyenes:
y2 − y1 x − x2 x − x1
y= (x − x1) + y1 = y1 + y2 .
x2 − x1 x1 − x2 x2 − x1
Ezt a közelítést lineáris interpolációnak nevezzük.
40
6.1. A Lagrange-féle interpoláció 41
6.1. A Lagrange-féle interpoláció
Legyen az f függvény x1, . . . , xn alappontokhoz tartozó értékei ismertek: y1, . . . , yn.

6.2. tétel. Pontosan egy olyan legfeljebb (n − 1)-edfokú p polinom van, amely
az alappontokban az adott függvényértékeket veszi fel, azaz
p(xi) = yi, ha i = 1, . . . , n.
Bizonyítás.
• Minden k = 1, . . . , n-re az
(x − x1) . . . (x − xk−1)(x − xk+1) . . . (x − xn)
lk (x) =
(xk − x1) . . . (xk − xk−1)(xk − xk+1) . . . (xk − xn)
(n − 1)-edfokú polinom,
lk (xk ) = 1 és ha i 6= k , akkor lk (xi) = 0.
Legyen p(x) = y1l1(x)+. . .+ynln(x) ( Lagrange interpolációs polinomja).
p(x) legfeljebb (n − 1)-edfokú polinom, és
p(xi) = yi minden i = 1, . . . , n.
42 6. 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
6.4. példa. Határozzuk meg Lagrange-interpolációval f (110) értékét az f alábbi

értékeinek segítségével:
x 100 121 144
f (x) 10 11 12
Mivel
(x − x2)(x − x3) (x − x1)(x − x3) (x − x1)(x − x2)
l1(x) = l2(x) = l3(x) = ,
(x1 − x2)(x1 − x3) (x2 − x1)(x2 − x3) (x3 − x1)(x3 − x2)
gyorsan kiszámolhatjuk, hogy
(−11) · (−34) 10 · (−34)
l1(110) = ≈ 0.4048 l2(110) = ≈ 0.7039
(−21) · (−44) 21 · (−23)
és
10 · (−11)
l3(110) = ≈ −0.1087.
44 · 23
A Lagrange-féle interolációs polinom alakja:
p(x) = 10 · l1(x) + 11 · l2(x) + 12 · l3(x),
így
p(110) ≈ 10 · 0.4048 + 11 · 0.7039 + 12 · (−0.1087) = 10.4865.
44 6. Interpolációs polinomok
6.2. A Lagrange-interpoláció hibája
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
6.6. tétel. Ha f n-szer dierenciálható függvény, az [a, b] intervallumon és

ωn(x) = (x − x1) · . . . · (x − xn), akkor
f n(ξ)
f (x) − p(x) = ωn(x),
n!
ahol ξ ∈ [a, b]. Továbbá ha x ∈ [a, b] esetén |f (n)(x)| ≤ Mn és Ωn = maxx∈[a,b] |ωn(x)|,
akkor
Mn
∆p(x) = Ωn.
n!
6.7. megjegyzés. A Lagrange -interpoláció hátránya, hogy újabb alappont fel-
vétele esetén a számításokat elölr®l kell kezdeni. Ez a hátrány több különböz®
módon is kiküszöbölhet® ([7, 8]).
7. fejezet
Numerikus dierenciálás és integrálás
A 6.2. és 6.6. tételek alapján x ∈ [a, b] esetén

n
X f (n)(ξ)
f (x) = f (xi)li(x) + ωn(x).
i=1
n!
Feltéve, hogy f (n + 1)-szer folytonosan dierenciálható, deriválva az
n
X · (n)
¸
d f (ξ)
f 0(x) = f (xi)li0 (x) + ωn(x)
i=1
dx n!
összefüggéshez jutunk. Mindkét oldalt [a, b]-n integrálva pedig az
Z b n
X Z b Z b
f (n)(ξ)
f (x)dx = f (xi) li(x)dx + ωn(x)dx
a i=1 a a n!
interpolációs kvadratúra adódik.
46
47
7.1. példa. Határozzuk meg f 0(110) értékét az f alábbi értékeinek segítségével:

x 100 121 144
f (x) 10 11 12
Mivel
(x − x2) + (x − x3) 0 (x − x1) + (x − x3) 0 (x − x1) + (x − x2
l10 (x) = l2(x) = l3(x) =
(x1 − x2)(x1 − x3) (x2 − x1)(x2 − x3) (x3 − x1)(x3 − x2
gyorsan kiszámolhatjuk, hogy
(−11) + (−34) 10 + (−34)
l10 (110) = ≈ −0.0487 l20 (110) = ≈ 0.0497
(−21) · (−44) 21 · (−23)
és
10 + (−11)
l30 (110) = ≈ −0.0010.
44 · 23
A Lagrange-féle interolációs polinom alakjából:
p0(x) = 10 · l10 (x) + 11 · l20 (x) + 12 · l30 (x),
így
p0(110) ≈ 10 · (−0.0487) + 11 · 0.0497 + 12 · (−0.0010) = 0.0477.
48 7. Numerikus dierenciálás és integrálás
A továbbiakban néhány konkrét numerikus kvadratúrát mutatunk be.

• Egyszer¶ (kis) trapéz formula. Két alappontunk van: x1, x2. Ekkor
Z x2 Z x2 Z x2
x − x2 x − x1
f (x)dx ≈ y1 dx + y2 dx =
x1 x1 x 1 − x 2 x1 x2 − x1
x2 − x1 x2 − x1 y2 + y1
= y1 + y2 = (x2 − x1)
2 2 2
• Összetett (nagy) trapéz formula. n ekvidisztáns alappontunk van: x1, . . . , xn,
ahol xi+1 − xi = h minden i = 1, . . . , n − 1, és h = xn−1
n −x1
. Mivel
Z xn Xn−1 Z xi+1
f (x)dx = f (x)dx,
x1 i=1 xi
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
• A Simpson-formula. Három ekvidisztáns alappont van: x1, x1 + h, x1 + 2h,

ahol h = x3−x
2 . Ekkor
1
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
Nemlineáris egyenletek megoldása
A feladatunk az f (x) = 0 egyenlet megoldása, ahol f valós függvény. A megoldás

keresésekor segítségünkre van, ha f gyökeinek számáról, illetve elhelyezkedésér®l
van valamilyen információnk. A gyökök elkülönítését megkísérelhetjük
• grakusan, illetve
• Bolzano tétele segítségével:
8.1. tétel. Ha az f valós függvény az [a, b] intervallumon folytonos, és

f (a) · f (b) < 0,
akkor az [a, b]-n f -nek legalább egy gyöke van. Ha f az [a, b]-n még monoton is
(azaz f 0 el®jeltartó [a, b]-n), akkor az [a, b]-n pontosan egy gyöke van f -nek.
50
8.1. A felez® módszer 51
8.1. A felez® módszer
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. megjegyzés. • Az eljárás során vagy megkapjuk a gyök pontos értékét

valamelyik lépésnél, vagy egymásba skatulyázott intervallumok egy olyan
[a0, b0], [a1, b1], . . . , [an, bn] (n ≥ 1)
sorozatát kapjuk, mely intervallumok mind tartalmazzák f legalább egy gyökét.
A sorozat véges, hisz tetsz®leges kicsi ε-hoz van olyan n, hogy
1
|bn − an| = n |b − a| ≤ ε.
2
Mivel az utolsó el®állított intervallum hossza legfeljebb ε, ezért a cn érték a
gyökt®l legfeljebb ε/2-nyit térhet el.
• Ha a 4.1. pontban nem állunk meg közelít® gyök meghatározásával, a nyert
intervallumskatulyázás végtelen lesz. Mivel
az a0, a1, . . . , an, . . . sorozat monoton nem csökken® és korlátos,
a b0, b1, . . . , bn, . . . sorozat monoton nem növekv® és korlátos, és
|b0 − a0|, |b1 − a1|, . . . , |bn − an|, . . . egy a 0-hoz tartó konvergens sorozat,
így limn→∞ an = limn→∞ bn = limn→∞ cn = c, továbbá f folytonossága miatt
f (c) · f (c) < 0, tehát f (c) = 0.
8.2. A húrmódszer 53
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.
8.3. megjegyzés. Ha f az [a, b] intervallumon
• 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
8.3. A felez® módszer és a húrmódszer jellemzése
• Mindkét eljárás konvergens, de a konvergencia lassú.

• Nem alkalmazhatók, ha a függvény az intervallumon nem vált el®jelet.
• A felez®módszer esetén a pontosságot egyszer¶ alakban meg lehet adni.
8.4. példa. Határozzuk meg a 2 sin x − x = 0 egyenlet [1.5, 3]-beli gyökét.
ci felez® módszer húrmódszer
c1 2.250000000000000 1.731105741103194
c2 1.875000000000000 1.835346758106057
c3 2.062500000000000 1.874711941565929
c4 1.968750000000000 1.888467091368380
c5 1.921875000000000 1.893136039488919
c6 1.898437500000000 1.894704904454640
c7 1.886718750000000 1.895230273680515
c8 1.892578125000000 1.895406002936673
c9 1.895507812500000 1.895464759477905
c10 1.894042968750000 1.895484402686160
8.4. A szel®módszer
Legyen f az [a, b]-n folytonos és legyen c0 és c1 tetsz®leges két induló közelít®

értéke a gyöknek. Minden lépésben az új közelít® érték az el®z® két közelít®
értékhez tartozó függvénygörbe-pontokon átmen® szel® zérushelye lesz, azaz
cn − cn−1
cn+1 := cn − f (cn),
f (cn) − f (cn−1)
ha f (cn) 6= f (cn−1), ahol n = 2, 3, . . ..
8.5. A Newton-módszer
Legyen f az [a, b]-n folytonosan dierenciálható és legyen c0 tetsz®leges közelít®

értéke a gyöknek. Minden lépésben az új közelít® érték az el®z® közelít® értékhez
tartozó függvénygörbe-ponthoz húzott érint® zérushelye, tehát
f (cn)
cn+1 := cn − 0
,
f (cn)
ha f 0(cn) 6= 0, ahol n = 1, 2, . . ..
8.6. A szel®módszer és a Newton-módszer jellemzése 57
8.6. A szel®módszer és a Newton-módszer jellemzése
• Nem mindig konvergensek, de ha konvergálnak, a konvergencia gyors.

• Nem szükséges ismerni olyan, a gyököt tartalmazó intervallumot, mely vég-
pontjaiban f különböz® el®jel¶.
• A Newton-módszer alkalmazása során f 0 értékeit is számoni kell.
8.5. példa. Határozzuk meg a 2 sin x − x = 0 egyenlet [1.5, 3]-beli gyökét.
ci szel®módszer Newton-módszer
c0 1.500000000000000 1.500000000000000
c1 3.000000000000000 2.076558200630435
c2 1.731105741103194 1.910506615659081
c3 1.835346758106057 1.895622002987846
c4 1.902230210959766 1.895494276472771
c5 1.895250943924996 1.895494267033981
c6 1.895493322966086
c7 1.895494267166912
c8 1.895494267033981
8.7. Polinomegyenletek megoldása
Legyen pn egy n-ed fokú polinom, azaz

pn(x) = a0xn + a1xn−1 + . . . + an−1x + an,
ahol a0 6= 0. Legyen továbbá x0 egy tetsz®leges valós szám és legyenek
b0 := a0,
b1 := b0x0 + a1,
...
bn := bn−1x0 + an = pn(x0).
Jelölje pn−1 a b0xn−1 + b1xn−2 + . . . + bn−2x + bn−1 polinomot. Ekkor
pn(x) = (x − x0)pn−1(x) + pn(x0),
ugyanis (x − x0)pn−1(x) + pn(x0) = xpn−1(x) − x0pn−1(x) + pn(x0) =
= b0xn + b1xn−1 + . . . + bn−1x −
− b0xn−1x0 − . . . − bn−2xx0 − bn−1x0 + bn =
= b0xn + (b1 − b0x0)xn−1 + . . . + (bn−1 − bn−2x0)x + (bn − bn−1x0) =
= a0xn + a1xn−1 + . . . + an−1x + an.
8.7. Polinomegyenletek megoldása 59
A pn−1 polinom együtthatóinak kiszámítását célszer¶ az

a0 a1 a2 · · · an−1 an
x0 b0x0 b1x0 · · · bn−2x0 bn−1x0
b0 b1 b2 · · · bn−1 bn
ún. Horner-féle elrendezésben végezni. Ilyen módon könnyen tudjuk a pn
polinom x0 pontban vett helyettesítési értékét számítani: pn(x0) = bn.
Az eredeti célunk viszont a pn(x) = 0 polinomegyenlet megoldása. Mivel pn
és p0n (polinom deriváltja is polinom) helyettesítési értékei a Horner-elrendezéssel
könnyen számolhatók, így akár a Newton-módszerrel is közelíthetjük pn gyökeit.
Vegyük észre, hogy mivel pn(x) = (x − x0)pn−1(x) + pn(x0), így
p0n(x) = (x − x0)p0n−1(x) + pn−1(x),
és
p0n(x0) = pn−1(x0).
Megismételve a Horner-féle eljárást kiszámítható pn−1(x0) = p0n(x0), amib®l az
pn(x0)
x1 := x0 −
p0n(x0)
új közelítés adódik.
A (valós együtthatós) polinomegyenlet megoldásához is szükségünk van a gyö-

kök elkülönítésére. Ehhez nyújtanak segítséget az alábbi bizonyítás nélkül
közölt tételek.
• A gyökök száma:
8.6. tétel. Egy n-ed fokú polinomegyenletnek pontosan n gyöke van a
komplex számok körében. Ha pn(x) = (x − x0)k pn−k (x), ahol pn−k poli-
nom és pn−k (x0) 6= 0 (k ≥ 1), akkor az x0 gyök k -szoros. Ha az x0 = a + ib a
polinomegyenlet k -szoros gyöke, akkor x0 = a − ib is k -szoros gyöke az egyen-
letnek. (Ebb®l következik, hogy páratlan fokszámú polinomnak legalább egy
valós gyöke van.)
8.7. tétel. Ha pn(a) · pn(b) < 0, akkor pn-nek páratlan számú gyöke van az
[a, b] intervallumban.
8.8. tétel. (Descartes-féle jelszabály) A pn pozitív gyökeinek száma
az a0, a1, . . . , an−1, an együtthatósorozat el®jelváltásainak számával vagy me-
gegyezik, vagy annál páros számmal kisebb. ( A zérus együtthatót pozitív-
nak tekintjük.) A pn negatív gyökeinek száma a pn(−x) pozitív gyökeinek
számával egyenl®.
8.7. Polinomegyenletek megoldása 61
• Gyökökre vonatkozó korlátok:

8.9. tétel. (Lagrange-szabály) Legyen a0 > 0, és legyen az els® ne-
gatív együttható aN . Legyen továbbá a negatív együtthatók közül a legkisebb
am. Ekkor minden valós x gyök esetén
r
−am N
x≤1+ .
a0
8.10. tétel. Legyenek a = max{|a1|, . . . , |an|} és a0 = max{|a0|, . . . , |an−1|}.
Ekkor minden x gyök esetén
|an| a
≤ |x| ≤ 1 + .
a0 + |an| |a0|
8.11. példa. Vizsgáljuk a p5(x) = 2x5 + x3 − 3x2 + x − 5 polinomot.
• A Descartes-féle jelszabály értelmében vagy 3, vagy 1 pozitív gyöke van, hisz
a 2, 0, 1, −3, 1, −5 sorozatban 3 el®jelváltás van, és mivel
p5(−x) = −2x5 − x3 − 3x2 − x − 5
és a −2, 0, −1, −3, −1, −5 sorozatban 2 el®jelváltás van, vagy nincs negatív
gyöke, vagy 2 van.
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
A lineáris algebra alapfeladatai
9.1. Lineáris terek
9.1. definíció. Legyen L 6= ∅ halmaz és R a valós számok teste. L lineáris

tér (vektortér) a valós számok teste felett, ha teljesülnek a következ®k:
• Az L halmazon értelmezve van egy olyan + : L × L → L m¶velet, hogy
1. a + b = b + a minden a, b ∈ L-re;
2. a + (b + c) = (a + b) + c minden a, b, c ∈ L-re;
3. L-ben van olyan elem jelöljük ezt 0-val, a neve zérusvektor , hogy
a + 0 = a;
4. az L halmaz minden a ∈ L elemmel együtt tartamaz olyan −a-val jelölt
elemet is, hogy a + (−a) = 0.
63
64 9. A lineáris algebra alapfeladatai
• Az R és az L halmaz elemei között értelmezve van egy olyan R × L → L

leképezés, ami egy α ∈ R valós számhoz és a ∈ L vektorhoz az αa-val jelölt
vektort rendeli, és
1. (αβ)a = α(βa) minden α, β ∈ R és a ∈ L esetén;

2. (α + β)a = αa + βa minden α, β ∈ R és a ∈ L esetén;
3. α(a + b) = αa + αb minden α ∈ R és a, b ∈ L esetén;
4. 1a = a minden a ∈ L esetén.
Ezt a leképezést skalárral való szorzásnak nevezzük.

9.2. példa.
• A síkbeli (térbeli) szabadvektorok lineáris teret alkotnak (a valós számok teste
felett).
• A valós szám n-esek az alábbi m¶veletekkel lineáris teret alkotnak:

         
a1 b1 a1 + b1 a1 αa1
 ...  +  ...  =  ...  α  ...  =  ... 
an bn an + bn an αan
9.1. Lineáris terek 65
9.3. definíció. Legyenek α1, α2, . . . , αk ∈ R és a1, a2, . . . , ak ∈ L. Az

k
X
α1a1 + α2a2 + . . . + αk ak = αiai
i=1
összeget az a1, a2, . . . , ak vektorok lineáris kombinációjának nevezzük.
9.4. definíció. Az a1, a2, . . . , ak
P ∈ L vektorokból álló halmaz lineárisan füg-
k
getlen, ha a i=1 αi ai = 0 egyenl®ség csak az α1 = α2 = . . . = αk = 0 esetben
teljesül. Vektorok egy végtelen sok elemet tartalmazó halmaza lineárisan füg-
getlen, ha bármely véges részhalmaza lineárisan független.
9.5. tétel. Az a1, a2, . . . , ak ∈ L vektorokból álló halmaz (k ≥ 2) pontosan
akkor lineárisan függ®, ha valamelyik eleme a többi lineáris kombinációjaként
el®állítható.
9.6. megjegyzés. Az a1, a2, . . . , ak vektorokból álló halmaz lineárisan függ®,
• ha van a vektorrendszerben két egyenl® vektor;
• ha a zérusvektor eleme a vektorrendszernek;
• ha van lineárisan függ® részrendszere.
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
9.8. definíció. Az L lineáris tér egy nemüres L0 részhalmaza altér, ha L0 maga

is lineáris tér az L-beli m¶veletekre.
9.9. tétel. Legyen L0 az L lineáris tér egy nemüres részhalmaza. L0 pontosan
akkor altér, ha
• a − b ∈ L0 minden a, b ∈ L0-re, és
• αa ∈ L0 minden α ∈ R-re és a ∈ L0-re.
9.10. példa.
• A térbeli szabadvektorok terében azon vektorok, melyek origóból kiinduló
reprezentánsai egy origón átmen® sík pontjaiba mutatnak, alteret alkotnak.
• A valós számpárok terében az
µ ¶ µ ¶
x x
{ | x ∈ R} { | x, y ∈ R, x + y = 0}
0 y
számpárok halmazai altereket alkotnak.
9.11. definíció. Legyen ∅ 6= H ⊆ L. A H által generált LH altér az L

lineáris térnek azon legsz¶kebb altere, mely tartalmazza H -t. H az altér gene-
rátorrendszere. Ha LH = L, akkor H az L lineáris tér generátorrendszere.
µ ¶ µ ¶ µ ¶
2 1 0
9.12. példa. A valós számpárok lineáris terében a , , vektorok a
3 0 1
lineáris tér egy generátorrendszere.
9.13. tétel. A H által generált LH altér éppen a H beli vektorok összes lineáris
kombinációinak halmaza:
k
X
LH = { αiai | αi ∈ R, ai ∈ H, 1 ≤ i ≤ k, k = 1, 2, . . .}.
i=1
9.14. tétel. Az a1, a2, . . . , ak ∈ L vektorokból álló halmaz által generált altér
nem változik, ha a vektorhalmaz vektorait az alábbiak szerint módosítjuk:
• Egy vektort valamely α 6= 0 skalárral szorzunk.
• Egy vektorhoz hozzáadjuk egy másik skalárszorosát.
• Elhagyunk a vektorok közül egy olyat, amelyik el®áll a maradóak lineáris
kombinációjaként.
9.15. definíció. Az L lineáris tér egy lineárisan független generátorrendszerét

L egy bázisának nevezzük.
9.16. tétel. Egy a1, a2, . . . , ak ∈ L vektorokból álló halmaz pontosan akkor
bázis az L lineáris térben, ha lineárisan független és tetsz®leges a ∈ L esetén
{a, a1, a2, . . . , ak } lineárisan függ®.
9.17. tétel. Véges halmazzal generált lineáris térben minden bázis azonos szá-
mosságú.
9.18. definíció. Véges halmazzal generált lineáris tér bázisainak közös szá-
mosságát a lineáris tér dimenziójának nevezzük.
9.19. példa.
• A síkbeli szabdvektorok terében bázist alkot bármely két olyan nem nulla
vektor, melynek reprezentánsai nem párhuzamosak.
• A valós szám n-esek lineáris terében bázis például:
     
1 0 0
0 1  
 .  ,  .  , . . . , 0. 
 ..   ..   .. 
0 0 1
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
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
Tehát a, a2, . . . , ak is bázis. Fejezzük most ki az új bázisban egy vektor koor-

dinátáit. Legyen
k
X
b= βiai.
i=1
a1-et el®állítottuk már az új bázis segítségével, írjuk be tehát ezt a lineáris kom-
binációt a1 helyére:
k
X αi k
X X k
1 β1 β1
b = β1( a − ai ) + βiai = a + (βi − αi)ai.
α1 α
i=2 1 i=2
α1 i=2
α1
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.
9.24. 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
9.2. Mátrixok
9.25. definíció. Legyenek αij ∈ R (1 ≤ i ≤ m, 1 ≤ j ≤ n). Ekkor az

 
α11 α12 . . . α1n
 α21 α22 . . . α2n 
A=
 ... ... ... 
 = (αij )m×n
αm1 αm2 . . . αmn
számtáblázatot m × n-es mátrixnak nevezzük. Ha m = n a mátrix négyzetes.
9.26. definíció. Az A = (αij )m×n és B = (βkl )o×p mátrixok egyenl®ek, ha

a o = m, p = n és minden 1 ≤ i ≤ m, 1 ≤ j ≤ n esetén αij = βij .
9.27. definíció. Az A = (αij )m×n és B = (βij )m×n mátrixok összege az

az A + B -vel jelölt m × n-es mátrix, mely elemei (αij + βij ). A = (αij )m×n
α ∈ R-szorosa az az αA-val jelölt m × n-es mátrix, melynek elemei (ααij ).
9.28. tétel. Az m × n-es mátrixok halmaza a fent deniált összeadásra és

skalárral való szorzásra nézve lineáris tér a valós számok teste felett.
9.2. Mátrixok 75
9.29. definíció. Az A = (αij )m×n és B = (βkl )o×p mátrixok ilyen sorrendben

összeszorozhatók, ha o = n. legyenek A = (αij )m×n és B = (βkl )n×p összeszo-
rozható mátrixok. A és B szorzata az az AB -vel jelölt m × p-s mátrix, melynek
elemei n
X
( αisβsj ).
s=1
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.
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
9.36. definíció. A mátrix soraival végzett elemi átalakítások:

• Két sor felcserélése.
• Egy sor minden elemének megszorzása egy α 6= 0 számmal.
• Egy sor elemei α-szorosának hozzáadása rendre egy másik sor megfelel® ele-
meihez.
9.37. tétel. Legyen A egy n × n-es négyzetes mátrix, és E az n × n-es egység-

mátrix. Ha az n × (2n)-es (A|E) mátrix soraival végzett elemi átalakítások útján
(E|B) alakúra hozható, akkor A invertálható, és inverze B .
9.38. példa.
   
1 1 1 1 0 0 1 1 1 1 0 0
 0 2 4 0 1 0 →  0 2 4 0 1 0 →
3 0 2 0 0 1 0 -3 -1 -3 0 1
 1
  
1 0 −1 1 − 2 0 1 0 0 25 − 15 1
5
0 1 2 0 1 0 → 0 1 0 6 1
− 10 − 25 
2 5
3
0 0 5 −3 2 1 0 0 1 − 35 3
10
1
5
Az inverz mátrix kiszámítása eliminációval:
Legyen A = (aij ) egy n × n-es mátrix.

1. i:=1, M := (A | E).
2. Ha M -ben minden i ≤ k ≤ n esetén aki = 0, akkor az A mátrix nem
invertálható.
3. Ha aii = 0, de aki 6= 0 valamely i + 1 ≤ k ≤ n-ra, akkor cseréljük meg az
M -beli i. és k. sorokat.
4. Ha aii 6= 1, akkor osszuk el az M -beli i. sor minden elemét aii-vel.
5. Minden k 6= i-re (1 ≤ k ≤ n) adjuk az M -beli k. sor minden eleméhez az i.
sor ugyanazon oszlopban lev® elemének −aki-szeresét.
6. Ha i < n, akkor i := i + 1 és folytassuk a 2. ponttal.
7. Ha i = n, akkor M = (E | B) alakú. B az A mátrix inverze.
9.2. Mátrixok 79
9.39. megjegyzés. • Legyen A egy m × n-es mátrix, Lm és Ln rendre m és

n dimenziós lineáris terek a valós számok teste felett. Ezen lineáris terekben
adjunk meg egy-egy bázist. Ekkor nyilvánvaló, hogy az A mátrix i-edik (1 ≤
i ≤ m) sorában szerepl®
¡ ¢
A(i) = αi1 αi2 . . . αin
számok Ln egy vektorának, az A j -edik (1 ≤ j ≤ n) oszlopában szerepl®
 
α1j
 α2j 
A(j) = 
 ... 
αmj
számok Lm egy vektorának koordinátái. Ezért beszélhetünk a mátrix sor-,
illetve oszlopvektorairól.
• Egy négyzetes mátrix pontosan akkor invertálható, ha sor, illetve oszlopvekto-
rai lineárisan függetlenek. Egy invertálható A mátrix invertálása során meg
kell keresnünk az egységmátrix oszlopvektorainak az A oszlopvektorai által
meghatározott bázisra vonatkozó koordinátáit.
9.40. definíció. Az A egy m × n-es mátrix transzponáltja az a n × m-es

mátrix, melynek sorvektorai A oszlopvektoraival, oszlopvektorai A sorvektoraival
egyeznek meg.
9.41. példa. Az
 
µ ¶ 1 11
1 2 3
A= mátrix transzponáltja: At = 2 12 .
11 12 13
3 13
9.42. definíció. Egy  
α11 α12 . . . α1n
 0 α22 . . . α2n 
 . ... ... 
 .. 
0 0 . . . αnn
alakú mátrixot fels®, transzponáltját alsó trianguláris mátrixnak nevezzük.
9.3. Determinánsok 81
9.3. Determinánsok
9.43. definíció. Az (1, 2, . . . , n) számok (i1, i2, . . . , in) permutációjában ik in-

verzióban van il -lel, ha k < l, de ik > il .
9.44. példa. Az (5, 1, 4, 2, 3) pemutáció inverzióinak száma 6.
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.
9.46. tétel. (Sarrus-szabály)

α11 α12
• = α11α22 − α21α12
α21 α22
• továbbá
α11 α12 α13
α21 α22 α23 = α11α22α33+α12α23α31+α13α21α32−α31α22α13−α32α23α11−α33α21
α31 α32 α33
9.47. tétel. A determináns elemi tulajdonságai:
• Ha az A mátrix egy sorának minden eleme 0, akkor a |A| = 0.

• Ha az A mátrix két sorának felcserélésével nyertük az A0 mátrixot, akkor
|A| = −|A0|.
α11 α12 ... α1n α11 α12 . . . α1n α11 α12 . . . α1n
... ... ... ... ... ... ... ... ...
• βi1 + γi1 βi2 + γi2 . . . βin + γin = βi1 βi2 . . . βin + γi1 γi2 . . . γin
... ... ... ... ... ... ... ... ...
αn1 αn2 ... αnn αn1 αn2 . . . αnn αn1 αn2 . . . αnn
9.3. Determinánsok 83
α11 α12 . . . α1n α11 α12 . . . α1n

... ... ... ... ... ...
• γβi1 γβi2 . . . γβin = γ βi1 βi2 . . . βin
... ... ... ... ... ...
αn1 αn2 . . . αnn αn1 αn2 . . . αnn
• Ha az A mátrix egy sorának minden eleme rendre egy másik sor megfelel®
elemének konstansszorosa, akkor a |A| = 0.
• Hozzáadva az A mátrix egy sorának minden eleméhez rendre egy másik sora
megfelel® elemének konstansszorosát, az így nyert A00 mátrixra |A00| = |A|.
• |At| = |A|, tehát az el®z® tulajdonságok érvényesek oszlopokra is.
9.48. tétel. Fels® vagy alsó trianguláris mátrixok determinánsa megegyezik a
f®átlóbeli elemek szorzatával.
Determináns kiszámítása eliminációval:
Legyen A = (aij ) egy n × n-es mátrix.

1. i:=1, M := A, D := 1.
2. Ha M -ben minden i ≤ k ≤ n esetén aki = 0, akkor |A| = 0.
M -beli i. és k. sorokat. D := −D.
4. Ha aii 6= 1, akkor osszuk el az M -beli i. sor minden elemét aii-vel. D := aiiD.
5. Minden i + 1 ≤ k ≤ n esetén adjuk az M -beli k. sor minden eleméhez az i.
7. Ha i = n, akkor M egységmátrix. |A| = D.
9.49. példa.
5 3 9 1 35 9
1 3 9
1 3 9
5 4 5 5 4 9 5 5
17
3 1 2 = 5 0 − 5 − 5 = 5(− ) 0 1 4 = 5(− )(− ) 0 1 17
4 17
4 =9
5 5 4
3 2 4 0 15 − 75 0 0 − 94 0 0 1
9.4. Lineáris egyenletrendszerek megoldása 85
9.4. Lineáris egyenletrendszerek megoldása
9.50. definíció. Legyen A = (aij ) egy m × n-es mátrix, b = (βi) egy m

dimenziós oszlopvektor. Az
α11x1 + α12x2 + . . . + α1nxn = β1
α21x1 + α22x2 + . . . + α2nxn = β2
...
αm1x1 + αm2x2 + . . . + αmnxn = βm
egyenletrendszert lineáris egyenletrendszernek nevezzük. A az egyenletrend-
szer alapmátrixa, b a szabad tagok vektora, x = (xi) az ismeretlenek n
dimenziós oszlopvektora. A lineáris egyenletrendszer mátrixos alakja:
Ax = b,
vektoros alakja:
x1a1 + x2a2 + . . . + xnan = b,
ahol ai az A mátrix i-edik oszlopvektora (1 ≤ i ≤ n). A c = (γi) n dimen-
ziós oszlopvektor az egyenletrendszer megoldása, ha xi = γi (1 ≤ i ≤ n)
helyettesítéssel az egyenletrendszerben minden egyenl®ség fennáll.
9.51. megjegyzés. • Egy lineáris egyenletrendszernek pontosan akkor van

megoldása, ha b el®állítható az a1, a2, . . . , an vektorok lineáris kombinációjaként.
• Ha az a1, a2, . . . , an vektorrendszer lineárisan független, akkor
ha a1, a2, . . . , an, b is lineárisan független, akkor nincs megoldás,
ha a1, a2, . . . , an, b már lineárisan függ®, akkor pontosan egy megoldás van.
• Ha m < n, akkor a1, a2, . . . , an lineárisan függ®. Ekkor az egyenletrendszer-
nek vagy nincs megoldása, vagy egynél több (végtelen sok) megoldása van.
9.52. definíció. Két n ismeretlenes lineáris egyenletrendszert ekvivalensnek

nevezünk, ha megoldáshalmazuk egyenl®.
9.53. tétel. Az alábbi átalakítások a lineáris egyenletrendszert vele ekvivalens

egyenletrendszerbe viszik át:
• Egyenletek sorrendjének felcserélése.
• Egy egyenlet szorzása egy λ 6= 0 számmal.
• Egy egyenlethez egy másik egyenlet λ-szorosának hozzáadása.
9.4. Lineáris egyenletrendszerek megoldása 87
A lineáris egyenletrendszer megoldása eliminációval:
Tegyük fel, hogy az egyenletrendszer mátrixa négyzetes és invertálható. Ekkor

x = A−1b. Legyen tehát A = (aij ) egy n × n-es mátrix és b egy n dimenziós
oszlopvektor.
1. i:=1, M := (A | b).
2. Ha M -ben minden i ≤ k ≤ n esetén aki = 0, akkor az egyenletrendszernek
vagy nincs megoldása, vagy végtelen sok megoldása van.
M -beli i. és k. sorokat.
4. Ha aii 6= 1, akkor osszuk el az M -beli i. sor minden elemét aii-vel.
5. Minden k 6= i-re (1 ≤ k ≤ n) adjuk az M -beli k. sor minden eleméhez az i.
7. Ha i = n, akkor M = (E | A−1b) alakú.
9.54. példa. Oldjuk meg a
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 lineáris programozás alapfeladata
10.1. definíció. Legyen L lineáris tér a valós számok teste felett. Ha d : Ln ×

Ln → R kielégíti minden a, b, c ∈ Ln esetén a
1. d(a, b) ≥ 0, és d(a, b) = 0 pontosan akkor, ha a = b,
2. d(a, b) = d(b, a),
3. d(a, b) ≤ d(a, c) + d(c, b)
feltételeket, akkor d két L-beli elem távolságát deniálja. Ekkor az L lineáris
teret euklideszi térnek nevezzük. Jelölése: E .
10.2. példa. Ha Ln n dimenziós lineáris tér és rögzített bázis mellett az a vektor
(pont) koordinátái (α1, α2, . . . , αn), a b vektor (pont) koordinátái (β1, β2, . . . , βn),
akkor deniálhatjuk a és b távolságát a következ® módon:
p
d(a, b) = (α1 − β1)2 + (α2 − β2)2 + . . . + (αn − βn)2.
89
90 10. A lineáris programozás alapfeladata
10.1. Konvex halmazok
10.3. definíció. Legyenek a1, a2, . . . , ak ∈ Ln, továbbá α1, α2, . . . , αk ≥ 0 és

P k
i=1 αi = 1. Az
X k
α1a1 + α2a2 + . . . + αk ak = αiai
i=1
összeget az a1, a2, . . . , ak vektorok konvex lineáris kombinációjának nevez-
zük.
10.4. megjegyzés. Az a1, a2 ∈ Ln vektorok konvex lineáris kombinációja:
αa1 + (1 − α)a2,
ahol 0 ≤ α ≤ 1. Az {a | a = αa1 + (1 − α)a2, 0 ≤ α ≤ 1} halmazt az
a1, a2 ∈ Ln vektorokat (pontokat) összeköt® szakasznak is nevezzük. Az a1, a2
pontok a szakasz végpontjai, a szakasz többi pontja (ha van) a szakasz bels®
pontja.
10.5. definíció. Az L0 ⊂ Ln halmaz konvex, ha bármely a1, a2 ∈ L0 esetén
{a | a = αa1 + (1 − α)a2, 0 ≤ α ≤ 1} ⊂ L0.
10.1. Konvex halmazok 91
10.6. definíció. Az a ∈ Ln pont ε > 0 sugarú környezetén azt a Kε(a) ⊂

Ln halmazt értjük, mely tartalmazza Ln mindazon pontjait, melyek a-tól ε-nál
kisebb távolságra fekszenek.
10.7. definíció. • Az a ∈ L0 pont az L0 konvex halmaz bels® pontja, ha
van olyan ε > 0 sugarú környezete, melynek minden pontja pontja L0-nek is.
• Az a ∈ Ln pont az L0 konvex halmaz határpontja, ha a minden környezete
tartalmaz L0-beli pontot is, és olyan pontot is, mely L0-nek nem pontja.
10.8. definíció. Egy konvex halmaz zárt, ha tartalmazza összes határpontját,
nyílt, ha egyetlen határpontját sem tartalmazza és korlátos, ha bármely két
pontjának távolsága kisebb egy el®re megadható véges korlátnál.
10.9. definíció. Egy konvex és zárt L0 halmazban az a ∈ L0 pont extremális
pont, ha az L0-beli egyetlen szakasznak sem bels® pontja.
10.10. definíció. A konvex poliéder olyan zárt és korlátos konvex halmaz,
amelynek véges számú extremális pontja van.
10.11. tétel. (A konvex poliéderek f®tétele) Egy konvex poliéder bár-
mely pontja el®állítható extremális pontjaikonvex lineáris kombinációjaként.
10.2. A lineáris egyenl®tlenség-rendszer
10.12. definíció. Legyen A = (aij ) egy m × n-es mátrix, b = (βi) egy m

dimenziós oszlopvektor. Az
α11x1 + α12x2 + . . . + α1nxn ≤ β1
α21x1 + α22x2 + . . . + α2nxn ≤ β2
...
αm1x1 + αm2x2 + . . . + αmnxn ≤ βm
egyenl®tlenségek rendszerét lineáris egyenl®tlenség-rendszernek nevezzük.
A lineáris egyenl®tlenség-rendszer mátrixos alakja: Ax ≤ b. A c = (γi) n di-
menziós oszlopvektor az egyenl®tlenség-rendszer egy lehetséges megoldása, ha
xi = γi (1 ≤ i ≤ n) helyettesítéssel az egyenl®tlenség-rendszerben minden bal
oldal kisebb vagy egyenl®, mint a megfelel® jobb oldal. A lehetséges megoldások
halmazát L-el fogjuk jelölni.
10.2. A lineáris egyenl®tlenség-rendszer 93
10.13. megjegyzés. • Minden lineáris egyenl®tlenség-rendszer ilyen alakra

hozható. Például a
2x1 + x2 + x3 ≤ 4
x1 + 3x2 + 2x3 ≥ 6
x1 + 2x2 + 5 ≤ 2x3
lineáris egyenl®tlenség-rendszer
2x1 + x2 + x3 ≤ 4
−x1 − 3x2 − 2x3 ≤ −6
x1 + 2x2 − x3 ≤ −5
alakban is felírható.
• A gyakorlatban általában az x ≥ 0 feltételnek eleget tev® megoldásokat ker-
essük, a következ®kben ezzel foglalkozunk.
10.14. példa. Illusztráljuk az

1.
x1 − x2 ≤ 2
x1 + x2 ≤ 4
x1 ≥ 0
x2 ≥ 0
2.
x1 − x2 ≤ 2
−2x1 + x2 ≥ 4
x1 ≥ 0
x2 ≥ 0
3.
x1 − x2 ≤ −2
−x1 + x2 ≥ 1
lineáris egyenl®tlenség-rendszerek lehetséges megoldásainak halmazait.
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
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.
10.16. megjegyzés. A lehetséges megoldások halmaza tehát
• vagy üres,
• vagy konvex és zárt, de nem korlátos,
• vagy konvex poliéder.
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.
10.20. példa. Legyen az általános feladatunk

µ ¶ µ ¶
1 −1 2
x ≤
1 1 4
x ≥ 0,
ekkor a kanonikus feladat a µ
következ®: ¶ µ ¶
1 −1 1 0 2
y =
1 1 0 1 4
y ≥ 0.
 
0 µ ¶
0
A kanonikus feladat egy bázismegoldása y 0 =  , tehát x0 = 0 bázisme-
2 0
4
goldása az általános feladatnak.
  A kanonikus feladatnak egy lehetséges, de nem
1 µ ¶
1
bázismegoldása y 1 =  , tehát x1 = 1 lehetséges, de nem bázismegoldása
2 1
2
az általános feladatnak.
10.3. A szimplex módszer 99
10.3. A szimplex módszer
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.
10.21. példa. Az el®z® feladat esetén az induló szimplex tábla:

x1 x2
u1 1 -1 2
u2 1 1 4
Ha az els® oszlopban választunk generáló elemet, akkor a
u1 x2
x1 1 -1 2
u2 -1 2 2
µ ¶
2
szimplex táblához jutunk, az x1 = bázisvektorral. Ha a második oszlopban
0
választunk generáló elemet, akkor a
x1 u2
u1 2 1 6
x2 1 1 4
µ ¶
0
szimplex táblához jutunk, az x2 = bázisvektorral.
4
10.3. A szimplex módszer 101
Ha ez utóbbi táblában az els® oszlopban választjuk a generáló elemet, akkor a

u1 u2
x1 1/2 1/2 3
x2 -1/2 1/2 1
µ ¶
3
szimplex táblához jutunk, az x3 = bázisvektorral. További bázistransz-
1
formációval újabb csúcsot már nem lehet el®állítani. A lehetséges megoldások
halmazát tehát x0, x1, x2 és x3 konvex lineáris kombinációi alkotják.
Irodalomjegyzék
[1] Banach, S., Dierenciál és integrálszámítás, Tankönyvkiadó, 1967.
[2] Gaál, I., Kozma, L., Lineáris algebra, Kossuth Egyetemi Kiadó, 1998.
[3] Járai, A., Modern alkalmazott analízis, egyetemi jegyzet, KLTE, 1991.
[4] Koster, C.H.A., Programozás felülnézetben, M¶szaki Könyvkiadó, 1988.
[5] Knuth, D.E., A számítógép-programozás m¶vészete, 1. kötet: Alapvet® algo-

ritmusok, M¶szaki Könyvkiadó, 1987.
[6] Knuth, D.E., A számítógép-programozás m¶vészete, 2. kötet: Szeminumeri-

kus algoritmusok, M¶szaki Könyvkiadó, 1987.
[7] Obádovics J.Gy., Gyakorlati számítási eljárások, Gondolat Kiadó, 1972.

102
Irodalomjegyzék 103
[8] Szidarovszky F., Bevezetés a numerikus módszerekbe, Közgazdasági és Jogi

Könyvkiadó, 1974.

Számrendszerek

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Számrendszerek

Uploaded by

Copyright:

Available Formats

VÁRTERÉSZ MAGDA

4. Elemi függvények, függvénytranszformáció 26

5. Empirikus képletek el®állítása 33

7. Numerikus dierenciálás és integrálás 46

9. A lineáris algebra alapfeladatai 63

10.A lineáris programozás alapfeladata 89

A számrendszerek a számok megnevezésével és lejegyzésével kapcsolatos eljárá-

• nem helyiértékes (pl. egyiptomi, maya, római; nehézkes bennük a számolás)

 Babilónia (i.e.1750): hatvanas számrendszer (id®-, szögmérés)

Az r számot a számrendszer alapszámának1, az āi jeleket a szám számjegyei-

A legegyszer¶bb számrendszerek esetén a számrendszer alapszáma és a számj-

• A kettes számrendszer alapszáma 2, számjegyei a 0 és az 1, rendre 0 és 1 alaki

• A nyolcas számrendszer alapszáma 8, számjegyei 0, 1, . . . , 7 rendre 0, 1, . . . , 7

1.1. Áttérés egyik számrendszerb®l a másikba

Legyen v ≥ 0 az R alapú számrendszerben adott szám. Határozzuk meg v

Végezzünk tehát r-rel ismételt maradékos osztást; a maradékok rendre  nö-

számjegyeinek alaki értékeit.

3. Mivel a m¶veleteket az eredeti (R alapú) számrendszerben végeztük el, az

2. Határozzuk meg a tizes számrendszerbeli (1.2)10 kettes számrendszerbeli alakját.

3. Határozzuk meg a kettes számrendszerbeli (1011.1)2 hármas számrendszerbeli

A fejezetben kettes számrendszerbeli számok számítógépes ábrázolásának módjai-

2.1. A xpontos számábrázolás

A xpontos számábrázolás tárgyalása során  mivel majd a programozó követi,

el®nye: a bal széls® bitr®l leolvasható az el®jel, szimmetrikus

2.1. példa. A (−2)10 = (−10)2 4 biten

• egyes komplemes kódolással: 1101

2.2. A kettes komplemens összeadás

2.2. definíció. Legyen 0 ≤ x, y ≤ 2n − 1.

2.3. tétel. Legyenek −2n−1 ≤ u, v ≤ 2n−1 − 1. Ekkor ha

2.3. A lebeg®pontos számábrázolás

Lebeg®pontos kettes számrendszerbeli számábrázolás esetén a v = ±0.m · 2k

2.4. példa. Ábrázoluk a törtrészt és a kitev®részt is 4 biten, normalizáltan.

A számítási eredményekben pontatlanságot, hibát okozhat:

Ha V jelöli a pontos értéket, mi pedig ennek v közelít® értékével dolgozunk,

3.1. Számok kerekítése

3.1. definíció. A közelít® számban értékes számjegynek nevezünk

3.3. definíció. A közelít® szám els® m értékes számjegye helyes, ha a szám

3.2. A közelít® értékkel végzett alapm¶veletek hibája

Legyen A és B pontos, a és b közelít® érték, ∆a és ∆b abszolút hibakorláttal.

Bizonyítás. Mivel |A − a| ≤ ∆a, |B − b| ≤ ∆b

|(A + B) − (a + b)| = |(A − a) + (B − b)| ≤ |A − a| + |B − b| ≤ ∆a + ∆b.

|AB − ab| = |AB − aB + aB − ab| ≤ |B| · |A − a| + |a| · |B − b| ≤

A ∆a · ∆b tagot elhanyagolhattuk, mivel a ∆a és ∆b hibakorlátok általában

∆1.21·3.65 ≈ 1.21 · ∆3.65 + 3.65 · ∆1.21 = 4.86 · 0.5 · 10−2 = 0.0243

3.7. példa. A 0.1cm pontossággal mért l1 = 465.3cm és l2 = 1.5cm mérési ered-

Legyen A és B pontos, a és b közelít® érték és a relatív hibakorlátok δa és δb.

• és ∆a+b = ∆a + ∆b, így

• és ∆ab ≈ ∆a|b| + ∆b|a|, így

Elemi függvények, függvénytranszformáció

4.1. Elemi algebrai függvények

• Racionális egész függvények

 a legegyszer¶bb: y = xa , ahol a 6= 0, képe hiperbola;

• Algebrai irracionális függvények

4.2. Elemi transzcendens függvények

4.3. Függvények Taylor-sorba fejtése

• f (x) = ln (1 + x) Maclaurin-formulája, ha −1 < x:

• f (x) = sin x Maclaurin-formulája minden valós x-re, ha n = 2k , akkor

4.4. Függvényértékek számításakor fellép® hibák

Jelöljön f valós függvényt. Ha az A pontos értéknek az a közelít® értékét is-

Empirikus képletek el®állítása

A gyakorlatban el®forduló függvények általában tapasztalatiak, értékeiket csak

5.1. Az empirikus függvény típusa

Az empirikus függvény meghatározáskor arra törekszünk, hogy grakonja jól il-

Az empirikus függvény típusa meghatározásának lépései a következ®k:

7. Numerikus dierenciálás és integrálás 46

Babilónia (i.e.1750): hatvanas számrendszer (id®-, szögmérés)

Végezzünk tehát r-rel ismételt maradékos osztást; a maradékok rendre nö-

2.1. A xpontos számábrázolás

A xpontos számábrázolás tárgyalása során mivel majd a programozó követi,

a legegyszer¶bb: y = xa , ahol a 6= 0, képe hiperbola;

Az empirikus függvény meghatározáskor arra törekszünk, hogy grakonja jól il-

6.6. tétel. Ha f n-szer dierenciálható függvény, az [a, b] intervallumon és

Numerikus dierenciálás és integrálás

Legyen f az [a, b]-n folytonosan dierenciálható és legyen c0 tetsz®leges közelít®

9.28. tétel. Az m × n-es mátrixok halmaza a fent deniált összeadásra és