Professional Documents
Culture Documents
Zoran Mitrović
1 Predgovor 5
3 Funkcije generatrise 19
3.1 Uvod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Particije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Rekurzivne relacije . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Kompozicijski inverz . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5 Zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4 Grafovi 27
4.1 Uvod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 Stepen čvora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.3 Povezani grafovi . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.4 Stabla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.5 Eulerovi i Hamiltonovi grafovi . . . . . . . . . . . . . . . . . . . . 32
4.6 Zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5 Optimizacija 35
5.1 Neki problemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3 Konveksni skupovi . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.4 Politopi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.5 Konveksne funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.6 Leksikografsko uredenje vektora . . . . . . . . . . . . . . . . . . . 43
3
4 SADRŽAJ
7 Literatura 67
Glava 1
Predgovor
5
6 GLAVA 1. PREDGOVOR
Glava 2
2.1 Uvod
Klasična teorija brojeva se bavi uglavnom proučavanjem prirodnih cijelih i
racionalnih brojeva.
Prvi problemi iz teorije brojeva zapisani su još u starom Babilonu i Egiptu
2000-3000 godina prije nove ere. Otkriće iracionalnih brojeva i osnovnih osobina
djeljivosti prirodnih brojeva sadržani su još u Euklidovim elementima.
Neki najpoznatiji riješeni i neriješeni problemi iz teorije brojeva su:
• Goldbachova hipoteza: Svaki se paran broj 2n, n ≥ 2, može izraziti kao
suma dva prosta prirodna broja.
Tvrdnja još nije dokazana. (Nagrada je 1 000 000 $).
• 10. Hilbertov problem 1900: Postoji li algoritam za nalaženje rješenja
Diofantske jednačine? (Negativan odgovor dao Matijaševič 1970.)
(a) Pelova jednačina: Najpoznatija Diofantska jednačina je
x2 − dy 2 = 1,
gdje je d prirodan broj koji nije kvadrat. Sva pozitivna cijela rješenja
(xn , yn ) ove jednačine su data sa
√ √
xn + dyn = (x0 + dy0 )n ,
xn + y n = z n ,
7
8 GLAVA 2. ELEMENTI TEORIJE BROJEVA
xu − y v = 1,
2.2 Djeljivost
Definicija 2.1. Neka su a i b cijeli brojevi. Kažemo da a dijeli b ako je a 6= 0
i postoji k ∈ Z tako da je b = ak. Pišemo a|b i čitamo ”a dijeli b”. Broj a
nazivamo djelitelj broja b, a broj b sadržilac broja a.
• Refleksivnost,
• Antisimetričnost,
• Tranzitivnost.
Primjer 2.1. Ako su a, b, c ∈ Z, onda iz a|b i a|c slijedi a|(nb + mc) za bilo
koja dva cijela broja m i n.
S = {b − as ≥ 0 : s ∈ Z}.
tada je
n
Y n
Y
min{uj ,vj } max{uj ,vj }
(a, b) = pj i [a, b] = pj .
j=1 j=1
Dokaz. Pokažimo prvo da je (a, b) = (a, r1 ). Iz (a, b)|a, (a, b)|b i b = aq1 + r1
imamo (a, b)|r1 . Dakle, (a, b)|(a, r1 ). S druge strane, (a, r1 )|a i (a, r1 )|r1 , pa
kako je b = aq1 + r1 imamo (a, r1 )|b. Dakle, (a, r1 )|(a, b), pa je (a, b) = (a, r1 ).
Na sličan način imamo
Kako je
(rn−1 , rn ) = rn ,
dobijamo
(a, b) = rn .
2.4. PROSTI BROJEVI. OSNOVNA TEOREMA ARITMETIKE. 11
n! + 2, n! + 3, . . . , n! + n
složeni brojevi.
to jest
3400 ≡ 1(mod10).
Dakle, posljednja cifra broja 3400 je 1.
n 1 2 3 4 5 6 7 8 9 10 11 12
ϕ(n) 1 1 2 2 4 2 6 4 6 4 10 4
Dokaz. Neka je (m, n) = 1. treba odrediti broj ϕ(mn) elemenata koji su uza-
jamno prosti sa mn u sljedećoj tabeli:
1 2 ··· k ··· n
n+1 n+2 ··· n+k ··· 2n
.. .. .. ..
. . ··· . ··· .
(m − 1)n + 1 (m − 1)n + 2 ··· (m − 1)n + k ··· mn
2.6. EULEROVA FUNKCIJA 15
U bilo kojoj koloni tabele su svi elementi uzajamno prosti sa n ili nijedan.
Kolona u kojoj su svi elementi uzajamno prosti sa n ima ϕ(n). Kako je (m, n) =
1 u svakoj takvoj koloni ima ϕ(m) koji su uzajmno prosti sa m. Dakle ukupan
broj elemenata koji su uzajamno prosti i sa m i sa n je ϕ(m)ϕ(n).
αk
Teorema 2.9. Ako je n = pα 1 α2
1 p2 · · · pk kanonska faktorizacija broja n onda
je µ ¶µ ¶ µ ¶
1 1 1
ϕ(n) = n 1 − 1− ··· 1 − .
p1 p2 pk
1, 2, . . . , p, . . . , 2p, . . . , pα−1 p
Primjer 2.11.
αk
Dokaz. Neka je n = pα α2
1 · p2 · · · pk , gdje su pi različiti prosti brojevi. Tada je
1
X
ϕ(d) = (ϕ(1) + ϕ(p1 ) + · · · + ϕ(pα α2
1 )) (ϕ(1) + ϕ(p2 ) + · · · + ϕ(p2 ))
1
d|n
aϕ(m) ≡ 1(modm).
16 GLAVA 2. ELEMENTI TEORIJE BROJEVA
aϕ(m) ≡ 1(modm).
b(aϕ(m)−1 − 1) ≡ 0(modm),
pa je rješenje, x = baϕ(m)−1 .
2
Primjer 2.13. Naći sve proste brojeve p za koje je broj 5p + 1 djeljiv sa p2 .
Očigledno je p 6= 5. Sada možemo primijeniti Eulerovu teoremu:
2
5ϕ(p )
≡ 1(modp2 ),
to jest
2
5p −p
≡ 1(modp2 ).
Dakle,
2 2
5p + 1 ≡ 5p · 5p −p
+ 1 ≡ 5p + 1(modp2 ).
Znači treba da je
5p + 1 ≡ 0(modp2 ).
Prema maloj Fermatovoj teoremi, je
5p ≡ 5(modp),
pa je
5p + 1 ≡ 5 + 1 ≡ 0(modp).
Dakle, p = 2 ili p = 3. Za p = 2 je 52 +1 ≡ 2(mod4), za p = 3 je 59 ≡ −1(mod9).
Prema tome p = 3.
2.7. KINESKA TEOREMA O OSTACIMA 17
2.8 Zadaci
1. Dati su brojevi 125 i 962.
(a) Odrediti njihove kanonske dekompozicije.
(b) Naći (125, 962).
(c) Naći [125, 962].
2. Koristeći Euklidov algoritam riješiti Diofantsku jednačinu (210, 858) =
210x + 858y. Dati i opšte rješenje te jednačine.
3. Koristeći Eulerovu teoremu riješiti kongruencijsku jednačinu
22x ≡ 1(mod729).
Funkcije generatrise
3.1 Uvod
Ovde dajemo metod za rješavanje kombinatornih problema u vezi sa pre-
brojavanjima poznat kao metod funkcija generatrisa. Osnovna ideja je da se
nekom nizu brojeva dodjeljuje jedna funkcija i da se manipulacija umjesto sa
beskonačno mnogo objekata vrši sa jednim objektom. Ova metoda potiče od L.
Eulera, J. Stirlinga i De Moivré-a iz 18. vijeka.
Definicija 3.1. Neka je {an } niz realnih ili kompleksnih brojeva. Funkcija
generatrisa (FG) datog niza je stepeni red
+∞
X
a(t) = an tn .
n=0
P
+∞ P
+∞
Neka su f (t) = an tn i g(t) = bn tn dva stepena reda, to jest funkcije
n=0 n=0
generatrise za nizove {an } i {bn } redom. Tada vrijedi
• Pravilo jednakosti: Funkcije generatrise f i g su jednake ako i samo ako
su im odgovarajući koeficijenti jednaki, to jest
f = g ⇔ an = bn (∀n ≥ 0).
19
20 GLAVA 3. FUNKCIJE GENERATRISE
P
+∞
Dalje, ako je f (t) = an tn FG za niz {an } onda je derivacija
n=0
+∞
X
f 0 (t) = (n + 1)an+1 tn ,
n=0
3.2 Particije
Uopštenje primjera 3.2 dovodi nas do problema particije broja. Particija
broja n ∈ N je prikaz broja n kao zbira prirodnih brojeva (pri tome nije bitan
poredak sabiraka). Broj particija broja n se označava sa p(n). Po definiciji je
p(0) = 0.
Teorema 3.1. FG za niz brojeva {p(n)} je data sa
+∞
Y 1
P (x) = .
1 − xk
k=1
jednak broju načina da se xn prikaže kao xk1 +2k2 +3k3 +···nkn , to jest broju načina
da se n prikaže kao suma k1 + 2k2 + 3k3 + · · · nkn , a to je broj particija broja
n.
Na sličan način se dokazuje i sljedeća teorema.
22 GLAVA 3. FUNKCIJE GENERATRISE
dobijamo
x 1 x2 1 x3
+··· = + 2
+ + ··· .
1−x 21−x 3 1 − x3
Ako je 0 < x < 1 vrijedi
1 xn 1 x xn−1 1 x
n
= · · 2 n−1
< 2· .
n1−x n 1 − x 1 + x + x + ···x n 1−x
Dakle, µ ¶
x 1 1
ln P (x) < 1 + 2 + 2 + ··· .
1−x 2 3
Kako je
1 1 π2
1+ + + · · · = ,
22 32 6
dobijamo
π2 x
ln P (x) < .
6(1 − x)
S druge strane P (x) je veći od svakog člana, pa je P (x) > p(n)xn . Zbog toga
dobijamo
π2 x
ln p(n) < ln P (x) − n ln x < − n ln x.
6(1 − x)
3.3. REKURZIVNE RELACIJE 23
Kako je
x−1
ln x > , za sve x ∈ (0, 1),
x
vrijedi
π2 x 1−x
ln p(n) < +n .
6(1 − x) x
Ako ovdje stavimo √
n
x= √
n+1
dobijamo µ ¶
π2 √
ln p(n) < +1 n,
6
π2 √
+1 n
p(n) < e 6
.
Primjedba 3.1. G. Hardy i S. Ramanujan su pokazali da je
1 √ 2n
p(n) ∼ √ eπ 3 .
4 3n
Odavde je
F (x) − F0 − F1 x = xF (x) + x2 F (x).
Dakle,
F (x) − x = xF (x) + x2 F (x),
pa je
x
F (x) = .
1 − x − x2
Rastavljanjem funkcije F na parcijalne razlomke dobijamo
µ ¶
1 1 1
F (x) = √ − ,
5 1 − αx 1 − βx
24 GLAVA 3. FUNKCIJE GENERATRISE
√ √
1+ 5 1− 5
gdje je α = 2 , β= 2 . Sada rastavljanjem u geometrijski red, dobijamo
1
F (x) = √ (1 + αx + α2 x2 + · · · − 1 − βx − β 2 x2 − · · · ).
5
Odavde zaključujemo da je koeficijent uz xn , to jest Fn dat sa
1
Fn = √ (αn − β n ).
5
Primjer 3.4. (Problem dijagonalnih triangulacija n-terokuta) Neka je a1 = 1 i
za svako n ≥ 2, an = a1 an−1 + a2 an−2 + · · · + an−1 a1 . Odrediti eksplicitno an .
P
+∞
Neka je f (x) = an xn . Kvadriranjem dobijamo
n=1
+∞ n−1
X X
f (x)2 = ak an−k xn ,
n=2 k=1
pa zbog relacije
an = a1 an−1 + a2 an−2 + · · · + an−1 a1 ,
je
f (x)2 = f (x) − x,
to jest
f (x)2 − f (x) + x = 0.
Odavde dobijamo
√ √
1− 1 − 4x 1 + 1 − 4x
f (x) = ili f (x) = .
2 2
Kako je po definiciji f (0) = 0, zaključujemo
√
1 − 1 − 4x
f (x) = .
2
Sada koristeći Taylorov razvoj dobijamo
+∞
X µ ¶
1 2n
f (x) = xn+1 .
n + 1 n
n=0
Dakle, µ ¶
1 2n − 2
an = .
n n−1
Primjedba 3.2. Broj µ ¶
1 2n − 2
n n−1
se naziva Catalanov broj.
3.4. KOMPOZICIJSKI INVERZ 25
an+1 = 2an + bn
bn+1 = an + bn .
Odrediti an i bn .
Neka su f i g FG za nizove {an } i {bn } redom. U tom slučaju je
Primjedba 3.3. Prethodni primjer daje model za širenje neutrona visoke i niske
energije nakon njihovog sudara s jezgrama fisijske materije.
a1 b1 = 1
26 GLAVA 3. FUNKCIJE GENERATRISE
a1 b2 + a2 b21 = 0
a1 b3 + 2a1 b1 b2 + a3 b31 = 0
..
.
Prvu jednačinu možemo jednoznačno riješiti po b1 ako i samo ako je a1 =
6 0.
Tada možemo i drugu jednačinu riješiti po b2 i treću po b3 itd. Dakle g(x)
postoji i jedinstven je ako i samo ako je a1 6= 0.
P
+∞
xn
P
+∞
Primjer 3.6. Ako je y = n! odrediti niz {an } takav da je x = an y n .
n=1 n=1
Kako je y = ex − 1, zadatak se svodi na odredjivanje kompozicijskog inverza od
ex − 1. Jednostavno se vidi da je (ex − 1)−1 = ln(1 + x). Kako je
+∞
X (−1)n−1 n
ln(1 + x) = x ,
n=1
n
(−1)n−1
zaključujemo da je an = n .
3.5 Zadaci
1. Imamo 8 novčanica od 1 KM, 6 od 2 KM i 4 od 5 KM. Na koliko načina
se može isplatiti suma od 14 KM?
µ ¶
2n 1
2. Pokazati da je FG za niz an = , n ≥ 0 jednaka (1 − 4x)− 2 .
n
3. Pokazati da je
n
X µ ¶ µ ¶
2k + 1 2k (2n + 2)(2n + 3) 2n + 2
= .
22k k 3 · 4n+1 n+1
k=0
1 3 5
(Koristiti FG i (1 − 4x)− 2 · (1 − 4x)− 2 = (1 − 4x)− 2 .)
Grafovi
4.1 Uvod
Prije nego damo definiciju grafa navešćemo jedan primjer. Naime, graf
možemo shvatiti kao objekat koji se sastoji od čvorova i ivica koje spajaju neke
od čvorova.
Primjer 4.1. Graf
ima čvorove 1, 2, 3, 4, 5, dok ivice možemo označiti sa {1, 2}, {1, 3}, {4, 5}.
Dakle, vrhove možemo opisati kao podskupove od skupa čvorova koji se sastoje
od 2 elementa.
Definicija 4.1. Graf je uredjeni par G = (V, E), gdje je V konačan podskup
i E je familija 2-članih poskupova od V . Elementi od V se nazivaju čvorovi
(vrhovi) a elementi od E grane (ivice) grafa G. Za vrhove x, y ∈ kažemo da su
povezani ako vrijedi {x, y} ∈ E.
Primjer 4.2. U primjeru 4.1. imamo V = {1, 2, 3, 4, 5} i E = {{1, 2}, {1, 3}, {4, 5}}.
Vrhovi 2 i 3 su takodje povezani preko vrha 1, ali nisu povezani jer {2, 3} ∈
/ E.
Graf možemo reprezentirati i njegovom tabelom incidencije
1 2 3 4 5
2 1 1 5 4
3
E = {{0, 1}, {0, 2}, . . . , {0, n}, {1, 2}, {2, 3}, . . . , {n − 1, n}, {n, 1}},
27
28 GLAVA 4. GRAFOVI
je podgrafa na slici
Dokaz. Dokaz slijedi iz činjenice da svaka grana kao krajnje tačke ima dva čvora.
v 0 , v 1 , . . . , vk ∈ V
v 0 , v 1 , . . . , vk ∈ V
V = V1 ∪ V2 ∪ · · · ∪ Vr ,
Ei = {{x, y} ∈ E : x, y ∈ Vi },
Primjedba 4.3. Graf G = (V, E) je povezan ako za svaki par različitih čvorova
x, y ∈ V , postoji šetnja od x do y.
povezan.
4.4 Stabla
Definicija 4.8. Stablo (drvo) je povezani aciklički graf.
Teorema 4.3. Svaka dva čvora u stablu su povezana tačno jednim putem.
χ(G) = |V | − |E| + 1.
Lema 4.1. Svako netrivijalno stablo G = (V, E) (|V | > 1) ima čvor čiji je
stepen 1.
Teorema 4.4. Ako je G = (V, E) stablo onda je |E| = |V |−1, to jest χ(G) = 2.
Dokaz. Prema lemi 4.1 postoji v ∈ V za koji je δ(v) = 1. Izbacimo taj čvor i
granu koja je incidentna sa v. Tada dobivamo opet stablo G1 = (V1 , E1 ) za koje
je χ(G1 ) = χ(G). Nastavljajući ovaj proces na kraju dobijamo stablo samo sa
jednim čvorom, a njegova Eulerova karakteristika je 2.
32 GLAVA 4. GRAFOVI
(b) Ako je G netrivijalno stablo onda je δ(v) ≥ 1 za svaki čvor v, pa sada tvrdnja
slijedi iz (a).
Problem se sastoji u tome da se obavi šetnja u kojoj će se svaki most obići tačno
jednom. Drugim riječima pitanje je da li postoji Eulerova šetnja na grafu kao
na slici
Teorema 4.5. Neka je dat graf G = (V, E). Ako je min δ(v) ≥ 2 onda G sadrži
v∈V
ciklus.
Da li se Pariz može obići tako da preko svakog mosta predemo samo jednom?
Pripadni graf izgleda kao na slici, pa taj graf ima Eulerovu šetnju jer ima samo
dva vrha neparnog stepena.
4.6 Zadaci
1. Odrediti broj grana kompletnog grafa Kn .
0 1 2 3 4 5 6 7 8 9
5 2 1 7 2 0 1 3 0 0
.
8 6 4 6 8 2 5 5
9 6 9 4
Optimizacija
1. Neka je dato
p prehrambenih proizvoda (hljeb, mesom mlijeko, krompir, . . . ) i
m korisnih sastojaka (mast, vitamini, ugljeni hidrati, proteini, . . . ).
Uvedimo parametre
aij : koiličina i−tog sastojka u jedinici j−tog proizvoda,
cj : cijena jedinice j−tog proizvoda
bi : potreba (mjesečna) za i−tim sastojkom
xj : količina j−tog proizvoda.
Posmatra se problem minimizacije
min c1 x1 + · · · + cn xn
uz uslove
x≥ 0, i = 1, . . . , n
2. Neka je
ai : količina robe u i−tom skladištu,
bj : potrebe kod j− tog potrošača,
cij : cijena prevoza iz i i j,
35
36 GLAVA 5. OPTIMIZACIJA
uz uslove
m
X
xij = bj , j = 1, . . . , n,
i=1
m
X
xij ≤ ai , i = 1, . . . , m,
i=1
xij ≥ 0.
Ovo je primjer transportnog problema.
Primjedba 5.1. Transportni problem i problem ishrane su primjeri za-
dataka linearnog programiranja.
3. Naći pravougli trougao najveće površine, ako je suma dužina kateta zadan
broj. (Zadatak Fermata).
4. Naći rastojanje tačke od elipse (parabole, hiperbole).
5. Naći tačku u ravni da suma rastojanja od nje do tri zadane tačke bude
minimalna.
f (x) = cT x, c = [c1 , . . . , cn ]T ,
max f = − min(−f ).
C = {(x, y) : x2 + y 2 ≤ 1}
i
D = {(x, y) : x ∈ [2, 4], y ∈ [2, 4]}
su konveksni skupovi, ali C ∪ D nije konveksan skup, jer na primjer
x = (0, 0) ∈ C, y = (2, 2) ∈ D,
ali
1 1
x+ y ∈
/ C ∪ D.
2 2
Teorema 5.1. Ako je F familija konveksnih skupova u Rn tada je D = ∩{C :
C ∈ F } konveksan skup.
38 GLAVA 5. OPTIMIZACIJA
{x ∈ Rn : ha, xi = b},
definisan sa jednačinom
a1 x1 + a2 x2 + · · · + an xn = b,
{x ∈ Rn : ha, xi ≤ b},
S = {x ∈ Rn : ha, xi ≤ b}.
Dokaz. Indukcijom po k.
Teorema 5.4. Neka je S neprazan podskup od Rn . Tada x ∈ coS ako i samo ako
P
k P
k
postoje xi ∈ S, λ1 ≥ 0, i = 1, . . . , k, gdje je λi = 1, takvi da je x = λi xi .
i=1 i=1
P
k
Dokaz. Ako xi ∈ S i λ1 ≥ 0, i = 1, . . . , k, gdje je λi = 1, tada x ∈ S na
i=1
osnovu prethodne teoreme.
Obrnuto. Definišimo skup
k
X k
X
C={ λi xi : xi ∈ S, λi ≥ 0, i = 1, . . . , k, λi = 1}.
i=1 i=1
Skup C je konveksan i sadrži skup S. Osim toga svaki konveksan skup koji
sadrži S sadži i skup C, pa je C = coS.
5.4 Politopi
Definicija 5.4. Konveksan omotač konačno monogo tačaka nazivamo politop,
to jest za skup C kažemo da je politop ako postoji konačan skup S takav da je
C = coS.
Primjer 5.2. Primjeri politopa u R2 je duž i trougao, dok prava i krug nisu
politopi.
Definicija 5.5. Neka je C neprazan podskup od Rn i x ∈ C. Za tačku x kažemo
da je vrh (ekstremna tačka) skupa C ako ne postoji linijski segment sadržan
u C, a čija je unutrašnja tačka x, to jest ako y, z ∈ C, λ ∈ [0, 1] i x = λy+(1−λ)z
tada je x = y = z.
Iz definicije politopa i definicije vrha slijedi da se svaki politop može pirkazati
kao konveksan omotač svojih vrhova. Znači ako je dat politop C i ako je V skup
njegovih vrhova tada je C = coV . Od interesa je odrediti minimalan podskup
S od C takav da je C = coS.
Primjer 5.3. Politop co{0, 14 e1 + 14 e2 , e1 , e2 } ima vrhove 0, e1 , e2 i može se
opisati sa co{0, e1 , e2 }.
Definicija 5.6. Neka su x0 , x1 , . . . , xn tačke takve da su vektori
x1 − x0 , x2 − x0 , . . . , xn − x0
Dakle,
f (vr ) ≤ f (x) ≤ f (vs ).
g(x) = x2 , x ∈ R,
konveksna.
Primjedba 5.6. (i) Ako je f konveksna funkcija tada vrijedi Jensenova nejed-
nakost
Xk k
X
f( λi x i ) ≤ λi f (xi ),
i=1 i=1
42 GLAVA 5. OPTIMIZACIJA
P
k
gdje je xi ∈ domf , λi ≥ 0 i λi = 1.
i=1
(ii) Ako su f i g konveksne funkcije takva je i funkcija f + g,
(iii) Ako je α ∈ R i funkcija f konveksna onda je i αf konveksna,
(iv) Ako su f i g konveksne onda je i max(f, g) konveksna,
(v) Ako u relaciji (5.1) vrijedi stroga nejednakost onda kažemo da je f strogo
konveksna funkcija.
Primjer 5.7. (i) Linearni funkcional je konveksna funkcija,
(ii) Neka je data norma || · || u Rn , funkcije x 7→ ||x|| i x 7→ ||x||2 su konveksne.
Primjedba 5.7. Ako je konveksna funkcija f : R → R diferencijabilna u tački x0
tada vrijedi
f (x) ≥ f (x0 ) + (x − x0 )f 0 (x0 ), za sve x ∈ R.
Definicija 5.9. Za vektor s ∈ Rn kažemo da je subgradijent konveksne
funkcije f u tački x0 (u odnosu na skup C) ako za sve x ∈ C vrijedi
∂f
∂2f ∂ ∂x j
(x)
(x) = .
∂xi ∂xj ∂xi
Matricu · ¸
∂2f
Hf (x) = (x)
∂xi ∂xj n×n
P
n
Dokaz. Slijedi neposredno iz xT y = hx, yi = xi yi .
i=1
Ax = b, x ≥ 0. (5.3)
5.7. PRIMARNI I DUALNI PROBLEM 45
y T A ≤ cT . (5.5)
Primjetimo da se kod dualnog problema ne traži uslov y ≥ 0, kao i da se uslov
(5.5) može pisati u obliku AT y ≤ c, a funkcija g(y) u obliku bT y.
Teorema 5.12. (i) (Slaba dualnost) Ako je x dopustivo rješenje (5.3) i y do-
pustivo rješenje (5.5) tada je g(y) ≤ f (x).
(ii) Ako su x0 , y0 dopustiva rješenja (5.3), (5.5) respektivno i g(y0 ) = f (x0 )
tada su x0 , y0 optimalna rješenja (5.2), (5.4) respektivno.
Dokaz. Neka je dat primarni problem (5.2) − (5.3) i njegov dualni (5.4) − (5.5).
Problem (5.4) − (5.5) možemo zapisati u obliku
− min(−y)T b
(−y)T A ≥ (−c)T .
i
³ u ´T µ A ¶
(−y)T A = .
v −A
Dakle, (5.4) − (5.5) možemo pisati u obliku
µ ¶T ³ ´
b u
− min
−b v
³u´
(AT | − AT ) ≥ −c
v
³u´
≥ 0.
v
Dualni problem ovog problema je
− max z T (−c)
z T (AT | − AT ) ≤ (bT | − bT ), z ≥ 0.
Ovo je ekvivalentno sa
min cT z
Az = b, z ≥ 0,
(Ai? )j = Aij , j = 1, . . . , n.
(A?j )i = Aij , i = 1, . . . , m.
BxB + F xF = b,
48 GLAVA 5. OPTIMIZACIJA
pa je
xB = B −1 b − B −1 F xF ,
to jest bazne promjenljive³ izražene
´ su preko nebaznih promjenljivih. Vektoru
cilja c pridružimo vektor ccB
F
, tada je
µ ¶
¡ ¢ xB
f (x) = cT x = cTB |cTF = cTB xB + cTF xF ,
xF
Vrijedi µ ¶ µ ¶
1
0 3
B −1 = 4
1 , B −1 b = ≥0
0 4
5
i
(B −1 b)i > 0, i = 1, 2
5.8. SIMPLEKS METOD 49
je ispunjeno. Ovdje je
Korak 1.
µ ¶
3
xT = (3, 0, 0, 0, 5), f (x) = cTB B −1 b = (2, 4) = 26
5
i µ ¶
−1 1 − 34 2 − 14 0
B A= .
0 − 14 3 − 34 1
Korak 2.
5 17
tT = CB
T −1
B A − cT = (2, − , 16, − , 4) − (2, 6, −7, 2, 4) =
2 2
17 11
= (0, −
, 23, − , 0)
0,
2 2
pa nije zadovoljen uslov t(B) ≤ 0 optimalnosti inicijalnog baznog dopus-
tivog rješenja.
Pretpostavimo da je t(B)
0. U tom slučaju postupak nastavljamo bez
koraka 2.
Lema 5.2. Ako je za neki j broj tj > 0 i kolona (B −1 A)?j ≤ 0, tada
problem nema optimalnog rješenja.
B −1 b − α(B −1 A)?j ≥ B −1 b ≥ 0.
17 11
tT = (0, − , 23, − , 0).
2 2
Korak 4. Izaberimo l = 3 ½
jer je t3 = 23 najveće. ½
−1 2 > 0, i = 1, 3, i = 1,
Korak 5. (B A)i3 = i (B −1 b)i =
3 > 0, i = 2, 5, i = 2.
Prema tome,
½ 3
(B −1 b)i 2 , i = 1,
= 5
(B −1 A)i3 3 , i = 2,
sa minimumom 32 , pa izaberimo k = 1.
Korak 6. Pivot je (B −1 A)kl = (B −1 A)13 , i
1 - 43 2? - 14 0 3
0 - 14 3 - 43 1 5
pa dobijamo
1
2 - 38 1 - 81 0 3
2
− 32 7
8 0 - 83 1 1
2.
5.8. SIMPLEKS METOD 51
Diskretna teorija
vjerovatnoće
A = {ω ∈ Ω : ω ∈
/ A}.
53
54 GLAVA 6. DISKRETNA TEORIJA VJEROVATNOĆE
A ∪ B = {ω ∈ Ω : ω ∈ A ili ω ∈ B}.
A ∩ B = {ω ∈ Ω : ω ∈ A i ω ∈ B}.
1. nenegativnost, pk ≥ 0,
2. normiranost, p1 + p2 + · · · + pn = 1.
P (A∪B) = p(σ1 )+p(σ2 )+· · ·+p(σm )+p(τ1 )+p(τ2 )+· · ·+p(τk ) = P (A)+P (B).
P (∅) = 1 − P (Ω) = 0.
Primjer 6.5. Neka se u kutiji nalazi jedna bijela i dvije crne kuglice. Izvučena
je jedna kuglica bez vraćanja i konstatovano je da je bijela. Kolika je vjerovatnoća
da je druga izvučena kuglica crna?
Ovde je
Ω = {(b, c1 ), (b, c2 ), (c1 , b), (c2 , b), (c1 , c2 ), (c2 , c1 )},
A = {(b, c1 ), (b, c2 )}, B = {(b, c1 ), (b, c2 )},
pa je P = 1. Inače, da nije izvučena prva kuglica vjerovatnoća je P = 13 .
P (AB)
P (B|A) = ,
P (A)
4. P (B|A) = 1 − P (B|A).
Dokazaćemo sada jednu jednostavnu ali važnu formulu poznatu pod nazivom
formula potpune vjerovatnoće.
Dokaz. Iz uslova
B ⊂ A1 ∪ A2 ∪ · · · ∪ An
slijedi
B = BA1 ∪ BA2 ∪ · · · ∪ BAn ,
6.2. USLOVNA VJEROVATNOĆA 57
A1 ∪ A2 ∪ · · · ∪ An = Ω,
Primjer 6.6. U prvoj kutiji se nalaze tri bijele i dvije crne kuglice, a u drugoj
jedna bijela i četiri crne kuglice. Prvo se slučajno bira kutija, a zatim se iz
kutije slučajno bira kuglica. Odrediti vjerovatnoću da je izabrana bijela kuglica.
Neka je A1 (A2 ) dogadaj da je izabrana prva (druga) kutija, a B dogadaj da je
izabrana bijela kuglica. Vrijedi
1 3 1
P (A1 ) = P (A2 ) = , P (B|A1 ) = , P (B|A2 ) = ,
2 5 5
pa na osnovu formule potpune vjerovatnoće dobijamo
1 3 1 1 2
P (B) = · + · = .
2 5 2 5 5
Neka su A1 , A2 , . . . , An medusobno disjunktni dogadaji sa pozitivnim vjerovatnoćama
i dogadaj B takode sa pozitivnom vjerovatnoćom za koji vrijedi
B ⊂ A1 ∪ A2 ∪ · · · ∪ An .
odakle slijedi
P (Aj )P (B|Aj )
P (Aj |B) = .
P (B)
Koristeći formulu potpune vjerovatnoće dobijamo
P (Ak )P (B|Ak )
P (Ak |B) = P
n . (6.1)
P (Aj )P (B|Aj )
j=1
pa je µ ¶
3 1 5 15
P (S3 = 2) = · = 3.
2 2
6 6 6
6.3. BERNULIJEVA ŠEMA 59
date su tablicama.
P (X = xi , Y = yj ) = P (X = xi ) · P (Y = yj )
Primjer 6.15. Novčić se baca dva puta. Neka X označava broj registrovanih
pisama, a Y broj grbova. Raspodjele vjerovatnoća slučajnih promjenljivih X i
Y su date tabelom :
X=0 X=1 X=2 qj
1 1
Y =0 0 0 4 4
1 1
Y =1 0 2 0 2
1 1
Y =2 4 0 0 4
1 1 1
pi 4 2 4
E(X) = x1 p1 + x2 + p2 + · · · + xk pk .
Literatura
67