Eötvös Loránd Tudományegyetem Természettudományi Kar. Gersgorin - körök. Szakdolgozat. Kiss Rebecca. Matematika B.Sc.
|
|
- László Nemes
- 5 évvel ezelőtt
- Látták:
Átírás
1 Eötvös Loránd Tudományegyetem Természettudományi Kar Gersgorin - körök Szakdolgozat Kiss Rebecca Matematika B.Sc., elemző szakirány Témavezető: Mincsovics Miklós, tudományos segédmunkatárs Alkalmazott Analízis és Számításmatematikai Tanszék Budapest 2012
2 Tartalomjegyzék 1. Sajátértékszámítás 2 2. Sajátértékek és normák 4 3. A Gersgorin-elmélet 6 4. A Gersgorin-körök kiterjesztése a gráfelmélet segítségével Brauer Cassini-oválisai A Brualdi-lemniszkáta Összefoglalás 33 Irodalomjegyzék 34 Nyilatkozat 36 Köszönetnyilvánítás 37 1
3 1. fejezet Sajátértékszámítás A lineáris algebra egyik legfontosabb részét a mátrixok alkotják. Egyenletrendszereket tudunk leírni és megoldani mátrixokkal, lineáris transzformációkat tudunk velük leírni és még számos más alkalmazásuk is van. Az egyik leglényegesebb információ, amit kaphatunk egy mátrixról, a sajátértékei. Ezért gyakran szükségünk van ennek meghatározására a gyakorlatban. Vezessük be az alapvető fogalmakat, amiket használni fogunk. Legyen A C m n és I az egységmátrix Definíció. Az A C n n mátrix reguláris, ha olyan A 1 C n n mátrix, melyre AA 1 = A 1 A = I. Ha nincs ilyen A 1 mátrix, akkor az A mátrix szinguláris Definíció. Azt mondjuk, hogy a λ szám az A C n n mátrix sajátértéke, ha létezik olyan nemnulla x vektor, melyre Ax = λx. Az ilyen x vektorokat az A mátrix λ sajátértékhez tartozó sajátvektorainak nevezzük Tétel. Egy mátrix akkor és csak akkor reguláris, ha nem sajátértéke a Definíció. A mátrix spektruma a sajátértékek összessége és σ(a)-val jelöljük. Formálisan σ(a) := {λ C : det(a λi) = 0} Definíció. Ha A C n n, az A mátrix spektrálsugara ρ(a) = max{ λ : λ σ(a)}, tehát a legnagyobb abszolútértékű sajátérték Definíció. Az A mátrix karakterisztikus polinomja alatt a P (λ) = det(a λi) egyenletet értjük, ennek a λ gyökei adják az A mátrix sajátértékeit. 2
4 Hogy számolunk sajátértéket? Vezessük végig egy példán. Számítsuk ki az alábbi mátrix sajátértékeit és sajátvektorait: ( ) 2 2 A 1 = 2 3 ( ) ( ) ( ) 2 2 λ λ = 2 λ 2 = ( 2 λ)(3 λ) λ Az A 1 mátrix karakterisztikus polinomja tehát: P (λ) = λ 2 λ 2 = (λ + 1)(λ 2) Ennek a polinomnak két gyöke van, a 2 és a 1, ezek a mátrix sajátértékei. Most számítsuk ki a sajátvektorokat. Helyettesítsünk be az (A λi)x = 0 egyenletbe. λ 1 = 2 ( ) ( ) 4 2 x1 = x 1 + 2x 2 = 0 2x 1 + x 2 = 0 ( ) t Ebből az adódik, hogy a 2-höz tartozó sajátvektorok alakúak. Ugyanígy lehet 2t meghatározni a 1-hez tartozó sajátvektorokat is. x 2 3
5 2. fejezet Sajátértékek és normák Gyakorlati problémák esetén az imént bemutatott módszer nem mindig alkalmazható, hiszen egy polinom gyökeit kell megtalálnunk és négynél nagyobb fokszámú egyenletek megoldására nincs képletünk. Ez azt jelenti, hogy a sajátértékeket általában direkt módszerrel nem lehet meghatározni. Ezért gyakran közelítő módszereket alkalmazunk. Hol lehet szükség sajátértékbecslésre? A gráfelmélet, a differenciálegyenletek, és a dinamikai rendszerek megoldásának például lényeges részét alkotja. Sokszor iterációs módszerekkel közelítjük a keresett értékeket, mert a közelítésből is már fontos információk nyerhetőek ki. A numerikus analízis segítségével például becsülni lehet a spektrálsugarát egy mátrixnak, ehhez definiálnunk kell néhány fogalmat Definíció. Legyen ϕ : C n R. Azt mondjuk, hogy ϕ norma, ha 1. ϕ(x) 0 x C n ; 2. ϕ(x) = 0 akkor és csak akkor, ha x = 0; 3. ϕ(γx) = γ ϕ(x) λ skalárra és x C n ; 4. ϕ(x + y) ϕ(x) + ϕ(y) x, y C n. Vegyünk egy ϕ normát C n -en és vegyünk egy B C n n mátrixot. Ekkor ϕ(bx) B ϕ := sup x 0 ϕ(x) 4 = sup ϕ(bx), ϕ(x)=1
6 és B ϕ -t B indukált operátornormájának nevezzük ϕ-n Tétel. ϕ normára C n -en: ρ(a) A ϕ. Bizonyítás. λ σ(a)-ra x 0 C n, amire Ax = λx. normát C n -ben, és válasszuk x-et úgy, hogy ϕ(x) = 1. A 3. normatulajdonságot alkalmazva: Válasszuk ki bármelyik ϕ(λx) = λ ϕ(x) = λ = ϕ(ax) A ϕ ϕ(x) = A ϕ, tehát λ A ϕ. Ez λ σ(a)-ra igaz, tehát ρ(a)-ra is, azaz ρ(a) A ϕ. Nagyon sok módszer létezik a sajátértékek becslésére, hiszen gyakori, hogy nagy mátrixokkal dolgozunk, és ilyenkor nem tudjuk egyszerűen meghatározni a sajátértékeit. Emellett még sok időt is spórolhatunk a becsléssel. Ezek közül az alábbiakat szeretném bemutatni és összehasonlítani a [19] könyv alapján: 1. A Gersgorin-körök 2. Brauer Cassini-oválisai 3. A Brualdi-lemniszkáta Az első két fejezetben felhasználtam a [6] és a [20] jegyzetet. Ezen kívül a [19] könyvből is választottam részleteket. A következő fejezetekben ezen a könyvön belül is feltüntetem a hivatkozásokat. 5
7 3. fejezet A Gersgorin-elmélet Az első módszer, amivel sajátértékeket szeretnék becsülni, a Gersgorin-elmélet. Ennek alapja, hogy az adott mátrix elemeit használva köröket határozunk meg. A keresett sajátértékek ezekben a körökben helyezkednek el. Használjuk az alábbi jelölést: N := {1, 2,..., n} Definíció. Legyen A C n n. Ekkor r i (A) := a i,j j N\{i}} a mátrix i. kihagyott abszolútértékű sorösszege Definíció. Legyen A C n n, jelölje Γ i (A) := {z C : z a i,i r i (A)} az i. Gersgorin-kört. Legyen Γ(A) := i N Γ i (A) a körök egyesítése, az úgynevezett Gersgorin-halmaz Tétel. A C n n és λ σ(a) esetén k N, amire: λ a k,k r k (A). Ebből következik, hogy σ(a) Γ(A). Bizonyítás. λ σ(a)-ra legyen 0 x = [x 1, x 2,..., x n ] T C n a hozzá tartozó sajátvektor, tehát Ax = λx. 6
8 Ez minden sorra teljesül, azaz: j N a i,j x j = λx i i N. Mivel x 0, k N, amire 0 < x k = max{ x i : i N}. Erre a k-ra i N Ezzel ekvivalens, hogy: (λ a k,k )x k = a k,i x i. i N\{k} Abszolútértékbe téve és a háromszög-egyenlőtlenséget alkalmazva: λ a k,k x k i N\{k} a k,i x i i N\{k} a k,i x k = x k r k (A) a k,i x i = λx k. x k > 0-val leosztva az egyenlőtlenséget, pont azt kapjuk, amit szeretnénk. A Gersgorinkörök definíciójából következik, hogy λ Γ k (A), és ebből λ Γ(A). Ez igaz λ σ(a)- ra, tehát a sajátértékek tényleg a körökben helyezkednek el Következmény. A C n n esetén ρ(a) max i N a i,j. Bizonyítás. A 3.1. tételből tudjuk, hogy k N : λ a k,k r k (A). A háromszögegyenlőtlenséget alkalmazva az alábbit kapjuk: λ a k,k λ a k,k r k (A). Ebből átrendezéssel: λ a k,k + r k (A) = a k,j max a i,j. i N j N j N 3.1. Megjegyzés. Megjegyezzük, hogy a 3.1 következmény annyit jelent, hogy ρ(a) A, ahol A az alábbi vektornorma által indukált operátornomra: x := max{ x j : j j N N}. Ez egy speciális esete a 2. fejezetben említett tételnek. 1. Példaként tekintsük az A 2 =
9 mátrixot. Itt σ(a 2 ) = { 2, 1}. Két Gersgorin-kör látható, mert a 2. csak egyetlen egy pont (1). A pontok a körök középpontját, a keresztek pedig a mátrix sajátértékeit ábrázolják. Láthatjuk, hogy ezek valóban a körökön belül vannak. 2. Példa: A 3 = i i
10 Itt σ(a 3 ) = {3.2361, , 2, i, i, , }. Ez az ábra jó példa arra, hogy vannak olyan Gersgorin-körök, amelyek nem tartalmaznak sajátértéket, de vannak olyan körök is, amelyek több sajátértéket tartalmaznak. Definiáljuk a szigorú diagonális dominancia fogalmát, ami erősen kapcsolódik a Gersgorinkörök témaköréhez, hiszen teljesülése pontosan a mátrix főátlóbeli elemeivel és sorösszegeivel függ össze Definíció. Az A C n n mátrix szigorúan diagonálisan domináns, ha a i,i > r i (A), i N Tétel. Ha A szigorúan diagonálisan domináns, akkor reguláris. 9
11 Bizonyítás. Indirekt tegyük fel, hogy A szigorúan diagonálisan domináns és szinguláris. Ez azt jelenti, hogy a 0 is sajátértéke A-nak. A 3.1. tétel miatt k N, amire: 0 a k,k = a k,k r k (A), ami ellentmond a szigorúan diagonális dominanciának Megjegyzés. Fontos észrevétel, hogy a 3.1. és a 3.2. tétel gyakorlatilag ekvivalens. Bizonyítás. Azt már beláttuk, hogy a 3.2. tétel következik a 3.1. tételből. Most megmutatjuk, hogy ez fordítva is így van, ezzel igazolva az ekvivalenciát. Tegyük fel indirekten, hogy a 3.2. tétel teljesül, de a 3.1. tétel nem. Ez azt jelenti, hogy valamilyen A mátrixra λ σ(a), amire λ a k,k > r k (A) teljesül k N esetén. Definiáljuk a B mátrixot úgy, hogy B := λi A. Mivel (A λi)x = 0, az A λi mátrixnak sajátértéke a 0, ezért B biztosan szinguláris lesz. Másrészt viszont B definíciójából következik, hogy r k (A) = r k (B), és λ a k,k = b k k N. Így az alábbi összefüggést kapjuk: b k,k > r k (B) k N. Ha viszont erre alkalmazzuk a 3.2 tételt, akkor azt kapjuk, hogy B reguláris. Ez azonban ellentmondás. Nézzük az első kiterjesztését Gersgorin tetelének. Legyen x R n és x i > 0. Ennek az x vektornak segítségével definiáljuk az X R n n mátrixot. Legyen X := diag[x] := diag[x 1, x 2,..., x n ]. Itt X nyilván reguláris. Ha A C n n, akkor X 1 AX = [a i,j x j /x i ] és σ(x 1 AX) = σ(a). Ezzel a kiterjesztéssel ismét definiálhatjuk a Gersgorin-köröket: 3.4. Definíció. r x i (A) := r i (X 1 AX) = j N\{i} a i,j x j x i és r x i (A)-t A i. súlyozott kihagyott abszolútértékű sorösszegének hívjuk. Jelölje Γ x i (A) := {z C : z a i,i r x i (A)} 10
12 az i. súlyozott Gersgorin-kört, és legyen Γ x (A) := i N Γ x i (A) ezen körök összessége, a súlyozott Gersgorin-halmaz Következmény. A C n n és x > 0 R n : σ(a) Γ x (A) Megjegyzés. Fontos tudni, hogy van egy reguláris S C n n mátrix, amire S 1 AS := J, ahol J az úgy nevezett Jordan normál-alak. J egy felső-háromszög mátrix, aminek a főátlójában a sajátértékek találhatóak, a főátló fölött pedig 0, illetve 1-esek vannak. Nagyon jó ötletnek tűnhet, hogy ezzel becsüljük A sajátértékeit, mert J struktúrája egyszerű, de nagyon nehéz feladat megtalálni A Jordan normál-formáját, sokkal több időt venne igénybe, mint az A mátrix sajátértékeit meghatározni. Ezért a gyakorlatban nem használjuk ezt. Legyen n 2 és legyen S az N = {1, 2,..., n} valódi részhalmaza, azaz = S N. S számosságát jelölje S Definíció. A C n n és x > 0 R n : Γ x S(A) := Γ x i (A). i S Γ x S (A) az S-hez tartozó súlyozott Gersgorin-halmaz. A következő kifejezés Γ x S(A) Γ x N\S(A) = (3.1) annyit jelent, hogy az S-hez tartozó és az S-en kívül lévő Gersgorin-körök összessége nem metszi egymást Tétel. A C n n, n 2 és x > 0 R n, amire teljesül a (3.1) képlet valamilyen S N-re, akkor Γ x S (A) pontosan S darab sajátértéket tartalmaz. Bizonyítás. Legyen A(t) := [a i,j (t)] C n n mátrixok olyan halmaza, ahol a i,i (t) := a i,i és a i,j (t) := t a i,j i j-re 0 t 1 mellett. Vegyük észre, hogy: r x i (A(t)) = j N\{i} a i,j (t) x j x i = t j N\{i} 11 a i,j x j x i = t r x i (A) r x i (A)
13 t [0, 1]. A 3.4. definíció miatt Γ x i (A(t)) Γ x i (A) t [0, 1]-re és i-re. A (3.1) jelölést használva : Γ x S (A(t)) Γ x N\S (A(t)) = t [0, 1]. A 3.3. következmény miatt: σ(a(t)) Γ x (A(t)) t [0, 1]. Nézzük meg, hogy néz ki az A(t) mátrix t = 0-ra. A(0) egy diagonális mátrix, tehát a sajátértékei pont a főátlóban található elemek: {a i,i } n i=1. Γ x S (A(0)) = {a i,i : i S}-ben A(0)-nak S darab sajátértéke található. A(t) elemei változnak t változásával, és ennek megfelelően a súlyozott Gersgorin-körei is folytonosan változnak. Mivel Γ x S (A(t)) Γ x N\S (A(t)) = teljesül t [0, 1]- re, t változásával nem veszítünk vagy kapunk új sajátértékeket, csak a körök sugara változik. Tehát Γ x S (A(t)) pontosan S darab sajátértéket tartalmaz t [0, 1]-re. Így t = 1-re: A(1) = A, tehát Γ x S (A)-ban is S darab sajátérték van. Különösen érdekes eset, ha S = {i}, mert ekkor a Γ x i (A) kör pontosan egy sajátértéket tartalmaz. Nézzük meg az alábbi példát: 1 i 0 A 4 = 1/2 4 i/ A 3.3. tételből azt kapjuk, hogy λ 1 1 1, λ 2 4 1, λ 3 7 1, ahol σ(a 4 ) := {λ 1, λ 2, λ 3 } = { i; i; i}. 12
14 Az ábrán pontosan láthatjuk, hogy minden kör pontosan egy sajátértéket tartalmaz. Ehhez a fejezethez az alábbi szakirodalmat használtam fel: [1], [4], [7], [8], [13], [15]. 13
15 4. fejezet A Gersgorin-körök kiterjesztése a gráfelmélet segítségével Definiáljunk további fogalmakat. A P R n n mátrixot permutációmátrixnak hívjuk, ha van egy φ permutáció, ami N = {1, 2,..., n}-ből N-be képez úgy, hogy P = [p i,j ] := [δ i,φ(j) ], ahol { } 1 ha k = l δ k,l :=. 0 ha k l 4.1. Definíció. Tegyük fel, hogy n 2. Ekkor az A C n n mátrix reducibilis, ha létezik egy olyan P R n n permutációmátrix és egy pozitív r (1 r < n), amire ) PA P T = ( A1,1 A 1,2 0 A 2,2, ahol A 1,1 C n n, A 2,2 C (n r) (n r). Ha nincs ilyen permutáció, akkor azt mondjuk, hogy A irreducibilis. Az A C 1 1 mátrix irreducibilis, ha az egyetlen eleme nemnulla. Az A mátrix normálredukált formája alatt az alábbi mátrixot értjük: R 1,1 R 1,2... R 1,m PAP T 0 R 2,2... R 2,m =, R m,m ahol minden R j,j -re igaz az, hogy: 14
16 1. R j,j egy p j p j irreducibilis mátrix (p j 2), vagy 2. R j,j egy es mátrix: R i,j = [a k,k ], valamilyen k N-re. A mátrix struktúrájából adódóan n 2-re, A irreducibilitása nem függ a főátlóban elhelyezkedő elemektől. Ezen kívül, ha egy főátlón kívüli nemnulla elemet lecserélünk egy komplex nemnulla elemre, A reducibilitása vagy irreducibilitása szintén nem változik. A mátrixok irreducibilitása a gráfelmélettel függ össze. Feleltessük meg az A C n n mátrixot egy gráfnak, méghozzá az alábbi módon: vi v j a v i -ből v j -be mutató irányított él, ami csak akkor van behúzva a gráfban, ha a i,j 0. Ha a i,i 0, akkor v i v i egy kör. Ezt a gráfot G(A)-val jelöljük. Egy irányított út G(A)-ban irányított élek összessége, méghozzá: v l0 v l1, v l1 v l2,..., v lr 1 v lr. Ez az út a v l0 és a v lr csúcsokat köti össze. Ez az irányított út a mátrixban azt jelenti, hogy: r 1 a lk,l k+1 0. k= Definíció. Az A C n n mátrixhoz tartozó G(A) irányított gráf erősen összefüggő, ha minden v i és v j csúcshoz létezik irányított út a v i csúcsból v j -be Tétel. A C n n -re A akkor és csak akkor irreducibilis, ha a G(A) gráf erősen összefüggő Definíció. Az A C n n mátrix irreducibilisen diagonálisan domináns, ha A irreducibilis és diagonálisan domináns, azaz a i,i r i (A) i N, továbbá szigorú egyenlőtlenség áll fent legalább egy i-re Megjegyzés. Megjegyezzük, hogy egy mátrix lehet irreducibilis és diagonálisan domináns anélkül, hogy irreducibilisen diagonálisan domináns legyen. A következő tétel Taussky[17] nevéhez fűződik: 4.2. Tétel. Ha az A C n n mátrix irreducibilisen diagonálisan domináns, akkor reguláris. 15
17 Bizonyítás. Az n = 1 eset evidens, tehát legyen n 2 és indirekt tegyük fel, hogy A szinguláris. Ebből következik, hogy a 0 sajátértéke A-nak, és emiatt létezik egy 0 x = [x 1, x 2,..., x n ] T C n sajátvektor, amire Ax = 0. Ez az egyenlet soronként így néz ki: a i,j x j = 0, i N. j N a i,i x i = a i,j x j (i N). j N\{i} Erre alkalmazva az abszolútértéket és a háromszög-egyenlőtlenséget: a i,i x i a i,j x j. j N\{i} Normáljuk le az x vektort, legyen x = 1. Legyen S az x vektor koordinátáinak egy részhalmaza, pontosabban S := {j N : x j = 1}. S nem lehet az üres halmaz, mert feltettük, hogy az x sajátvektor nem 0. Továbbá nem lehet egyenlő az egész N halmazzal sem, hisz ez azt jelentené, hogy x = [1,..., 1]. a i,j = a i,i, erre az abszolútértéket alkalmazva: r i (A) = j N\{i} j N\{i} a i,j a i,j = a i,i, ami ellentmond annak, hogy A irreducibilisen j N\{i} diagonálisan domináns. Tehát S N. Becsüljük a szummát felülről úgy, hogy x j -t 1-el helyettesítünk. a i,j + a i,j x j a i,i, i S. j S\{i} j N\S Tehát r i (A) a i,i, másrészt a tétel feltevése szerint r i (A) a i,i, tehát r i (A) = a i,i, és a i,j = 0, ha j N\S. Ez azt jelenti, hogy a mátrixban ilyen a i,j = 0 -k szerepelnek, ahol az x sajátvektorban nem 1-es van, vagyis a mátrix megfelelő permutációval a következő alakra hozható: ( ) ( ) Tehát A reducibilis, ami ellentmondás. 0 1 Mielőtt kimondjuk Taussky[17] következő tételét, definiáljunk további fogalmakat. 16
18 C := C { } Ha T nem részhalmaza C-nek, akkor T a T lezártja C -ben, és T := T (C \T ) a T halmaz határát jelöli. int T := T \ T pedig a T halmaz belseje Tétel. Legyen az A C n n mátrix irreducibilis. Ha λ σ(a) olyan, hogy λ / int Γ i (A) i N, vagyis λ a i,i r i (A) minden i N-re, akkor λ a i,i = r i (A) i N, (4.1) azaz minden Gersgorin-kör {z C : z a i,i = r i (A)} átmegy λ-n. Ha valamilyen λ sajátérték Γ(A) határán fekszik, akkor (4.1) egyenlet teljesül rá Megjegyzés. A 4.2. tétel ekvivalens a 4.3. tétellel. Bizonyítás. 4.3.= 4.2. Indirekt tegyük fel, hogy A irreducibilisen diagonálisan domináns, de szinguláris. Ez azt jelenti, hogy a i,i r i (A) és k N : a k,k > r k (A). Ez alapján a 4.3. tétel feltételei teljesülnek λ = 0 -ra, így a (4.1) egyenlet is, ami viszont ellentmond a szigorú diagonális dominanciának. 4.2.= 4.3. Tegyük fel indirekten, hogy λ σ(a) : λ / int Γ i (A), amire λ a i,i r i (A) i-re, de olyan i, amire λ a i,i r i (A), tehát erre az i-re λ a i,i > r i (A) teljesül. Definiáljuk a B mátrixot úgy, hogy B = λi A. B szinguláris és teljesül rá, hogy r i (A) = r i (B) és b i,i = λ a i,i. A fenti egyenletet átírva azt kapjuk, hogy i, amire b i,i > r i (B). Ebből következik, hogy B irreducibilisen diagonálisan domináns. A 4.2. tétel miatt ebből az következik, hogy B reguláris, de ez ellentmondás. 17
19 Példaként tekintsük az alábbi mátrixot: σ(a 5 ) := {0}. i i 0 0 A 5 = i 0 0 i Ez az ábra tökéletesen mutatja a 4.3. tételt. A mátrix egyetlen sajátértéke, a 0 nem helyezkedik el egyetlen kör belsejében sem, ezért teljesül a feltétel. Ebből pedig a tétel alapján azt kapjuk, hogy minden kör átmegy a sajátértéken, ami valóban teljesül. Ha A irreducibilis, akkor a 4.3. tétel megadja nekünk a szükséges feltételt az A mátrix λ sajátértékére. Ha A egy λ sajátértékére igaz az, hogy λ / int Γ(A), akkor átmegy rajta minden Gersgorin-kör. Ez azonban visszafelé nem teljesül, tehát akkor is, ha mindegyik Gersgorin-kör átmegy egy z ponton, z nem feltétlenül sajátértéke a mátrixnak. 18
20 A 4. fejezethez az alábbi jegyzeteket alkalmaztam: [7], [16], [17]. 19
21 5. fejezet Brauer Cassini-oválisai A korábban definiált r i (A) fogalmat használva: 5.1. Tétel. Ha A C n n, n 2 és a i,i a j,j > r i (A) r j (A) i j N, akkor A reguláris. Bizonyítás. Tegyük fel indirekten, hogy A teljesíti a feltételt, de szinguláris. Ez azt jelenti, hogy x C n 0, amire Ax = 0. Tegyük x komponenseit növekvő sorrendbe, ez így néz ki: x t x s max{ x k : k N, k s, k t}, x t > 0. Az Ax = 0 egyenlet az alábbi összefüggést adja soronként: a i,i x i = a i,j x j i N. Az abszolútértéket és a háromszög-egyenlőtlenséget alkalmazva: a i,i x i a i,j x j i N. j N\{i} j N\{i} Legyen i = t, ekkor a t,t x t a t,j x j r t (A) x s. j N\{i} Tegyük fel, hogy x s = 0. Ekkor a t,t x t = 0, amiből az következik, hogy a t,t = 0, de ez ellentmond annak, hogy a i,i > 0 i N. Tehát x s > 0. 20
22 Legyen i = s, ekkor a s,s x s r s (A) x t. Ezt beszorozva az előző egyenlőtlenséggel: a t,t a s,s x t x s r t (A) r s (A) x t x s. Mivel x t x s > 0, a t,t a s,s r t (A) r s (A), ami ellentmond feltevésünknek Tétel. A C n n, n 2 és λ σ(a), i, j N, hogy: λ K i,j (A) := {z C : z a i,i z a j,j r i (A) r j (A)}, (5.1) ahol K i,j (A) az A mátrix (i, j). Brauer Cassini oválisa. Ez sajátértékre, azaz λ σ(a)-ra igaz, tehát σ(a) K(A) := K i,j (A), i,j N,i j ahol K(A) az oválisok összessége, a Brauer-halmaz Megjegyzés. Az 5.1. és az 5.2. tétel ekvivalens. Bizonyítás. Az 5.1. tételt már bizonyítottuk, így az ekvivalencia igazolásával az 5.2. tételt is bizonyítjuk. 5.2.= 5.1. Indirekt tegyük fel, hogy a i,i a j,j > r i (A) r j (A) i j N, de A szinguláris. Ekkor x 0 sajátvektor a 0 sajátértékhez, amire teljesül, hogy Ax = 0. A λ = 0 sajátértéket az (5.2) egyenletbe behelyettesítve azt kapjuk, hogy a i,i a j,j r i (A) r j (A), ami ellentmond feltevésünknek. 5.1.= 5.2. Tegyük fel indirekten, hogy λ / K i,j (A) i, j-re. Ekkor λ a i,i λ a j,j > r i (A) r j (A). Definiáljuk a B mátrixot az alábbi módon: B = λi A. Itt B szinguláris, tehát Bx = 0. Továbbá r i (A) = r i (B) és b i,i = λ a i,i is teljesül. b i,i b j,j > r i (B) r j (B), ebből következik, hogy B reguláris, ami ellentmondás. 21
23 Összesen ( ) n 2 = n(n 1) Cassini-ovális van, míg Gersgorin-körből n darab van egy n-szer n-es 2 mátrixhoz. Ez azt mutatja, hogy a Cassini-oválisok komplikáltabbak, sokkal összetettebb dolgot reprezentálnak, hiszen 2 értéktől függnek. Sőt, az is lehetséges, hogy K i,j (A) két részre szakad. Ez akkor következik be, ha a i,i a j,j > 2(r i (A) r j (A) 1/2. Hogy pontosabban láthassuk a Cassini-oválisok struktúráját, nézzünk meg egy konkrét példát. Itt egy másik jelölést használunk, legyen K( 1, +1, r) := {z C : z 1 z + 1 r 2 }. Ezt láthatjuk a lenti ábrán az r = 0, r = 0.5, r = 0.9, r = 1, r = 1.2, r = 2 és r = 2 értékekre. r = 0 -ra a Brauer-halmaz két pontból áll, z = 1 és z = 1-ből. r = 0.5 -re a halmaz két körhöz hasonlító oválisból áll 1 és 1 körül. r 1 -re zárt, összefüggő halmazt kapunk a komplex síkon, ami r 2 -re konvex is Fontos megjegyezni, hogy a Gersgorin- és a Brauer-halmaz ugyanazoktól a számoktól függ, méghozzá {a i,i } n i=1 és {r i (A)} n i=1-tól. 22
24 5.3. Tétel. A C n n, és n 2-re: K(A) Γ(A), tehát a Cassini-oválisok részét alkotják a Gersgorin-halmaznak. Bizonyítás. Legyen i j N, és legyen z a K i,j (A) tetszőleges pontja. Ekkor z a i,i z a j,j r i (A) r j (A). Ha r i (A) r j (A) = 0, akkor z = a i,i, vagy z = a j,j. Mivel a i,i Γ i (A) és a j,j Γ j (A), z Γ i (A) Γ j (A). Ha r i (A) r j (A) > 0, akkor az alábbit kapjuk: ( ) ( ) z ai,i z aj,j 1. r i (A) r j (A) A szorzat egyik tagjára igaz, hogy legfeljebb 1 lehet, tehát z a i,i r i (A) vagy z a j,j r j (A) teljesül. Ez alapján z Γ i (A), vagy z Γ j (A) teljesül. Tehát összességében z Γ i (A) Γ j (A). Ebből pedig az következik, hogy K i,j (A) Γ i (A) Γ j (A) Γ(A). Ezzel be is láttuk a tételt Megjegyzés. Külön eset, ha a 2 halmaz megegyezik: K i,j (A) = Γ i (A) Γ j (A) akkor és csak akkor, ha r i (A) = r j (A) = 0, vagy ha r i (A) = r j (A) > 0 és a i,i = a j,j Definíció. ω(a) := {B C n n : b i,i = a i,i és r i (B) = r i (A) i N}, ahol ω(a)-t A ekviradiális halmazának hívjuk. ˆω(A) := {B C n n : b i,i = a i,i és r i (B) r i (A) ahol ˆω(A) a bővített ekviradiális halmaz. i N}, Tehát ω(a) és ˆω(A) olyan mátrixok halmaza, amelyeknek a főátlóbeli elemeik megegyeznek A-val, és a törölt abszolútértékű sorösszegeik pedig szintén megegyeznek, vagy kisebbek Megjegyzés. ω(a) ˆω(A) 23
25 Továbbá vezessük be az alábbi definíciókat: 5.2. Definíció. σ(ω(a)) := σ(b), σ(ˆω(a)) := σ(b). B ω(a) B ˆω(A) Ezekkel a definíciókkal felírhatjuk az alábbi összefüggést: σ(ω(a)) σ(ˆω(a)) K(A) Tétel. A C n n, n 2 : { K(A) = K1,2 (A), ha n = 2 σ(ω(a)) = K(A), ha n 3 És n 2 : σ(ˆω(a)) = K(A). Bizonyítás. n = 2-re B ω(a) az 5.2 definíció miatt így néz ki: ( ) a1,1 r 1 (A)e iψ 1 B =, r 2 (A)e iψ 2 a 2,2 ahol ψ 1 és ψ 2 valós számok és e iψ j = 1. Ha λ sajátértéke B-nek, akkor teljesül rá, hogy det(b λi) = 0, tehát (a 1,1 λ)(a 2,2 λ) = r 1 (A) r 2 (A)e i(ψ 1+ψ 2 ) Ezért a 1,1 λ a 2,2 λ = r 1 (A) r 2 (A) Ez megegyezik az (5.2) egyenlettel egyenlőség esetén. Ebből látszik, hogy λ K 1,2 (A). Ez B ω(a) mátrix λ sajátértékre teljesül. ψ 1 és ψ 2 változásával az ellipszis összes pontját megkapjuk. Az 5.2. tétel alapján K 1,2 (A) = K(A). Ha ezt megnézzük n = 2-re, az alábbit kapjuk: σ(ω(a)) K 1,2 (A) = K(A). ψ 1 és ψ 2 megfelelő megválasztása mellett K 1,2 (A) minden pontja B sajátértéke, tehát: σ(ω(a)) = K 1,2 (A) = K(A). 24
26 A másik rész bizonyításához először tegyük fel, hogy n 4. Ekkor B legyen: ( ) B1,1 B 1,2 B =, 0 B 2,2 ahol ( ) a1,1 se iψ 1 B 1,1 =, te iψ 2 a 2,2 amiben 0 s r 1 (A), 0 t r 2 (A), ψ 1 és ψ 2 valós számok, és b j,j = a j,j j n. i B 1,2 elemei megválaszthatók úgy, hogy r 1 (B) és r 2 (B), B első 2 sorában, megegyezik A-val. Mivel n 4, B 2,2 -t is választhatjuk úgy, hogy sorösszegei megegyeznek A sorösszegeivel. B-t úgy konstruáltuk, hogy B ω(a). B particionált alakja és irreducibilitása miatt σ(b) = σ(b 1,1 ) σ(b 2,2 ). Az s, t, ψ 1, ψ 2 paraméterekből B 1,1 -ben látszik, hogy z K 1,2 (A)-re létezik a paraméterek egy megválasztása, amire z sajátértéke B 1,1 -nek. Máshogy megfogalmazva: B 1,1 sajátértékei kitöltik K 1,2 (A)-t. Ezeknek a sajátértékeknek σ(ω(a)) σ(ˆω(a)) K(A) teljesülése miatt K(A)-ban kell lenniük. Mivel ez K i,j, i j Cassini-oválisra igaz, létezik egy megfelelő permutáció, ami B sorait úgy permutálja, hogy az i. sort az 1.-be, a j. sort pedig a 2. sorba viszi. Erre igaz, hogy σ(ω(a)) = K(A) n 4-re. Már csak az n = 3 esetet kell bebizonyítanunk. ω(a) bármely B mátrixa felírható az alábbi alakban: a 1,1 se iψ 1 (r 1 (A) s)e iψ 2 B = te iψ 3 a 2,2 (r 2 (A) t)e iψ 4, ue iψ 5 (r 3 (A) u)e iψ 6 a 3,3 ahol 0 s r 1 (A), 0 t r 2 (A), 0 u r 3 (A) és {ψ i } 6 i=1 valós számok. 25
27 Vegyünk egy tetszőleges z számot a K 1,2 (A) Cassini-oválisból, amire az alábbi teljesül: z a 1,1 z a 2,2 r 1 (A) r 2 (A). Ha r 1 (A) = 0, akkor z = a 1,1 vagy z = a 2,2. Máshogy megközelítve, ha r 1 (A) = 0 teljesül, akkor B első sora (a 1,1, 0, 0), amiből az következik, hogy z sajátértéke B- nek. r 2 (A) = 0-ra ugyanezt levezethetjük, tehát a továbbiakban tegyük fel, hogy r 1 (A) r 2 (A) > 0. Ezután válasszuk meg s-et úgy, hogy 0 s r 1 (A) és z a 1,1 z a 2,2 = sr 2 (A). A valós ψ számra teljesüljön az, hogy (a 1,1 z) (a 2,2 z) = sr 2 (A)e iψ. Definiáljuk a B mátrixot az alábbi módon: (α := r 2 (A) + a 2,2 z, α > 0) B = a 1,1 se iψ (r 1 (A) s) r 2 (A) a 2,2 0. r 2 (A) r 3 (A) α (a 2,2 z)r 3 (A) α a 3,3 Ez a B ω(a). Könnyen látszik, hogy det( B zi) = 0, ami pontosan azt jelenti, hogy z sajátértéke B-nek. Ebből következik, hogy z sajátértéke valamilyen B-nek ω(a)-ban. Ez a konstrukció bármilyen K i,j (i j) Cassini-oválisra alkalmazható, mindig teljesül, hogy σ(ω(a)) = K(A). Ezzel beláttuk a tétel minden lehetséges esetét. Ebben a fejezetben az alábbi szakirodalom szerepel: [5], [14], [18]. 26
28 6. fejezet A Brualdi-lemniszkáta 6.1. Definíció. Legyen A C n n, és {i j } m j=1 tetszőleges számok N = {1, 2,..., n}, úgy, hogy m n. Ezekkel a jelölésekkel az m-edrendű lemniszkáta: { } m m l i1,...,i m (A) := z C : z a ij,i j r ij (A). j=1 j=1 Ezek összessége: L (m) (A) := l i1,i 2,...,i m (A). 1 i 1,i 2,...,i m n Ennek ( n m) eleme van. A Gersgorin-köröket m = 1-re kapjuk meg, míg Brauer Cassinioválisai másodrendűek. Formálisan: L (1) (A) = Γ(A), L (2) (A) = K(A). A legnagyobb különbség a lemniszkáta-halmaz és az eddig bemutatott halmazok között az, hogy a Gersgorin- és a Brauer-halmaz tételek bizonyításában az A mátrixnak két sorával foglalkozunk, míg a lemniszkátáknál már több sor szükséges. Az 5.3. tétel azt a benyomást kelti, hogy a lemniszkáta-halmaz szűkebb, még jobb becslést ad a sajátértékekre. Sajnos azonban a definíció által megadott alakban a lemniszkáta m > 2 és n 3-ra nem működik jól, L (m) (A) gyakran nem tartalmazza a mátrix spektrumát. Emiatt tekintsük Brualdi[3] kiterjesztését a lemniszkáta fogalmának Definíció. Azt mondjuk, hogy γ egy erős ciklus G(A)-ban, ha {i j } p+1 j=1 a csúcsok egy részhalmaza, p 2 és {i j } p j=1 minden eleme különbözik, valamint i p+1 = i 1 és v i1 v i2,..., v ip v ip+1 G(A) élei. Ez azt jelenti, hogy a i1,i 2, a i2,i 3,..., a ip,i p+1 mind nemnulla. (i p+1 = i 1 ). 27
29 Ezt a ciklust jelöljük így: γ := (i 1 i 2... i p ) p 2. Itt γ egy olyan permutáció, hogy γ(i 1 ) := i 2, γ(i 2 ) = i 3,..., γ(i p ) := i 1. Azt mondjuk, hogy γ hossza p és γ áthalad a {v ij } p j=1 csúcsokon. Ha {v ij } nem része erős ciklusnak, akkor társítunk hozzá egy gyenge ciklust, méghozzá legyen γ = (i). Továbbá definiáljuk a C(A) ciklushalmazt, amely tartalmazza G(A) összes gyenge és erős ciklusát. A gyenge ciklus definíciójából következik, hogy minden csúcson megy át gyenge vagy erős ciklus. Tegyük fel, hogy az A C n n mátrix (n 2) reducibilis. Ekkor P R n n permutációmátrix, és m : 2 m n, amire PAP T normálredukált formában van és így néz ki: R 1,1 R 1,2... R 1,m PAP T 0 R 2,2... R 2,m =., R m,m ahol minden R j,j -re igaz az, hogy: 1. R j,j egy p j p j irreducibilis mátrix (p j 2), vagy 2. R j,j egy es mátrix: R j,j = [a k,k ], valamilyen k N-re. R j,j létezése 1.-ben ekvivalens azzal, hogy v k -n megy át erős ciklus. R j,j létezése 2.-ben pedig azzal ekvivalens, hogy v k gyenge ciklus része. Fontos észrevétel, hogy m σ(a) = σ(r k,k ). k=1 Ez azt jelenti, hogy a felső blokkok nincsenek hatással A sajátértékeire. Ennek az észrevételnek alapján definiáljuk az r i (A) redukált kihagyott abszolútértékű sorösszeget, r i (A) := r l (R j,j ). Ez az új definíció valójában a régi definíció, ha A irreducibilis. Az új sorösszeg definíciójával vezessünk be további új fogalmakat: 28
30 6.3. Definíció. Legyen A C n n, n 1. Ha γ = (i 1 i 2... i p ) különböző elemei {i j } p j=1 (p 2) erős ciklust alkotnak G(A)-ban, az ehhez tartozó p-edrendű Brualdi-lemniszkáta B γ (A) az alábbi módon van definiálva: B γ (A) := {z C : i γ z a i,i i γ r i (A)}. (6.1) Ha γ = (i) egy gyenge ciklus G(A)-ban, akkor az ehhez tartozó B γ (A) Brualdi-lemniszkáta: B γ (A) := {z C : z a i,i = r i (A) = 0} = {a i,i }. Ezek összességét a Brualdi-halmaznak hívjuk: B(A) := B γ (A). γ C(A) 6.1. Tétel. Ha A = [a i,j ] C n n, C(A) az összes erős és gyenge ciklus összessége G(A)- ban, és a i,i > r i (A) ( γ C(A)), i γ i γ akkor A reguláris. Bizonyítás. Tegyük fel, hogy A szinguláris. Ha n = 1, akkor A = [a 1,1 ] C 1 1 és C(A) egyetlen gyenge ciklusból áll, méghozzá γ = (1)-ből. Ebben az esetben a 1,1 > 0, ebből azt kapjuk a tétel alapján, hogy A reguláris, ez ellentmondás. Ezután tegyük fel, hogy n 2. Itt különböztessünk meg két esetet. Tegyük fel, hogy szerepel a főátlóban 0, vagyis k N, amire a k,k = 0. Ha a k,k egy gyenge ciklus, akkor a k,k > 0, ez ellentmondás. Ha a k,k része egy γ erős ciklusnak, akkor i γ-ra r i (A) > 0. Tehát a tételben azt kapjuk, hogy 0 > r i (A) > 0, ami lehetetlen. Most tegyük fel, hogy a i,i 0 teljesül i-re. Mivel A szinguláris, a 0 sajátértékhez tartozik egy x 0 sajátvektor, amire Ax = 0 és i, amivel erre a sorra felírva: a i,j x j = 0. Ebből a i,i x i = a i,j x j j N adódik. Az abszolútértéket és a háromszög-egyenlőtlenséget alkalmazva: a i,i x i a i,j x j. 29 j N\{i} j N\{i}
31 sorban a i,j 0, ezért létezik egy i k N, amire x k = max{ x j : j N, i j, a i,j x j 0}. Ebből következik, hogy x k > 0 és a i,k 0 úgy, hogy a i,i x i a i,j x j r i (A) x k, k i. j N\{i} Jelöljük i := i 1 -vel és k := i 2 -vel és ismételjük meg az előbbi gondolatmenetet: (a i2,i 2 )x i2 = a i2,jx j, j N\{i 2 } és hasonlóan, mint az előbb, van egy i 3, amire x i3 0 és a i2,i 3 0. Ebből az alábbi adódik: a i2,i 2 x i2 r i2 (A) x i3, ahol i 3 i 2 és ahol x i3 = max{ x j : j N, j i 2, a i2,jx j 0}. Ha i 3 = i 1, a folyamat véget ér, mert meghatároztuk i 1 -et, i 2 -t és i 1 = i 3. Emellett a i1,i 2 és a i2,i 1 nemnulla. Ezáltal létrehoztuk a γ := (i 1 i 2 ) erős ciklust. Ha i 3 i 1, akkor ez a folyamat folytatódik, és valamikor véget ér, hisz az N halmaz véges. Mikor ér ez véget? Pontosan akkor, amikor találtunk egy i p+1 N-t, ami megegyezik egy azt megelőző i l -el, tehát amikor bezárul az erős ciklus. Ezáltal létrejön egy {i j } p j=l sorozat p 2-vel, ahol i p+1 = i l. Ez az alábbi sorozatot jelenti A-ban: a il,i l+1, a il+1,i l+2,..., a ip,ip+1, ahol i p+1 = i l. Ez alapján γ := (i l i l+1... i p ) A erős ciklusa. Így a ij,i j x ij r ij (A) x ij+1, j = l, l + 1,..., p, ahol i p+1 = i l és x ij nemnulla. Vegyük a fenti elemek szorzatát. ( p ) ( p ) ( p ) ( p ) a ij,i j x ij r ij (A) x ij+1. j=l j=l j=l j=l 30
32 p Mivel x ip+1 = x il, x ij = j=l p x ij+1 > 0. Így az alábbit kapjuk: j=l p a ij,i j j=l p r ij (A). j=l Ez azonban ellentmond a tételünknek Tétel. A C n n és A bármilyen λ sajátértékére erős vagy gyenge ciklus C(A)- ban úgy, hogy λ B γ (A). Ebből következik, hogy σ(a) B(A) 6.1. Megjegyzés. A 6.1. és a 6.2. tétel ekvivalens. Bizonyítás. 6.2.= 6.1. Indirekt tegyük fel, hogy az A mátrix szinguláris. Ez azt jelenti, hogy egy x 0 sajátvektor, amire Ax = 0. Mivel a λ = 0 sajátértéke a mátrixnak, teljesül rá, hogy λ B γ (A). Ha λ gyenge ciklus része, akkor a i,i = r i (A) = 0, ez alapján a 6.3. definícióban azt kapjuk, hogy 0 > 0, ami nyilván ellentmondás. Ha λ része egy erős cilkusnak, akkor a (6.1) képletben z = 0 -t behelyettesítve: i γ a i,i i γ r i(a), de ez ismét ellentmondás. 6.1.= 6.2. Tegyük fel indirekten, hogy λ sajátérték, amire λ / B γ (A) γ-ra. Ebből következik, hogy i γ λ a i,i > i γ r i (A) γ C(A)-ra. Definiáljuk ismét a B mátrixot a szokásos módon, legyen B = λi A, b i,i = λ a i,i és r i (A) = r i (B). Itt B szinguláris és b i,i > r i (B) γ C(A)-ra, amiből a tétel alapján azt i γ i γ kapjuk, hogy B reguláris, ami ellentmondás. 31
33 6.3. Tétel. Ha A = [a i,j ] C n n irreducibilis és a i,i r i (A) ( γ C(A)) i γ i γ és szigorú egyenlőtlenség áll fent valamilyen γ C(A)-ra, akkor A reguláris Megjegyzés. Hasonlóan bizonyíhathó ez a tétel, mint a 4.2., illetve a 6.1. tétel Tétel. Ha A = [a i,j ] C n n irreducibilis és a i,i r i (A) ( γ C(A)) i γ i γ és szigorú egyenlőtlenség áll fent valamilyen γ C(A)-ra, akkor A reguláris. A következő tétel a 6.4. tétel általánosítása: 6.5. Tétel. Ha A = [a i,j ] C n n irreducibilis és A egyik sajátértéke, λ olyan, hogy λ / B γ (A) bármilyen γ C(A)-ra, azaz λ a i,i r i (A) ( γ C(A)), i γ i γ akkor λ a i,i = r i (A) ( γ C(A)), i γ i γ azaz λ a B γ (A) Brualdi-lemniszkáta határán van, minden γ C(A)-ra. Pontosabban, ha A valamelyik λ sajátértéke a B(A) Brualdi-halmaz határán van, akkor egyenlőség áll fent Megjegyzés. A 6.4. és a 6.5. tétel ekvivalens. Bizonyítás. Ennek a tételnek a bizonyítása ugyanúgy működik, mint a ekvivalencia bizonyítása. A 6. fejezethez a következő szakirodalmat használtam: [3], [9], [10], [11], [12]. 32
34 7. fejezet Összefoglalás Fontos észrevenni, hogy a különböző fejezetekben erősen összefüggenek a tételek. Az ekvivalenciákat már bizonyítottuk, de ennél több kapcsolat is látható. Nagyon sok helyen érezhető az, hogy ezt a tételt már ismerjük, a bizonyításhoz is láttunk hasonlót. A Gersgorin-körökkel kezdtük, utána már két ilyen kört összeszorzunk, a végén még többet. Tehát gyakorlatilag ugyanazokat a tételeket mondtuk ki, először a Gersgorin-körökre, utána a Cassini-oválisokra, végül a Brualdi-lemniszkátákra. Hasonló módon, először a diagonális dominancia és a regularitás kapcsolatát vizsgáltuk meg. Majd bevezettük az irreducibilisen diagonálisan domináns fogalmat, és itt is összeszoroztunk egyre több tagot és ismét a mátrix regularitásával hoztuk kapcsolatba. Pontosítsunk. Egy csoportba sorolhatóak az alábbi tételek: 3.1., 5.2., , 4.2., 5.1., 6.1. A 4.2. tételnek a 6.4. a párja, valamint a nek a 6.5. tétel a párja. 33
35 Irodalomjegyzék [1] Brauer, A.: Limits for the characteristic roots of a matrix, Duke Math. J. 13, 1946 [2] Brauer, A.: Limits for the characteristic roots of a matrix II, Duke Math. J. 14, 1947 [3] Brualdi, R: Matrices, eigenvalues and directed graphs, Linear Multilinear Algebra 11, 1982 [4] Desplanques, J.: Théorém d algébre, emphj. de Math. Spec. 9, 1887 [5] Engel, G.M.: Regular equimodular sets of matrices for generalized matrix functions, Linear Algebra and Appl. 7, 1973 [6] Faragó I., Horváth R.: Numerikus módszerek, 2011 [7] Gersgorin, S.: Über die Abgrenzung der Eigenwerte einer Matrix, Izv., Akad, Nauk SSSR Ser. Mat. 1., 1931 [8] Hadamard, J.: Lecons sur la propagation des ondes, Hermann et fils, 1903 [9] Karow, M.: Geometry and Spectral Value Sets, Ph.D. Thesis,
36 [10] Kolotolina, L.Yu.: Nonsingularity/singularity criteria for nonstrictly block diagonally dominant matrices, Linear Algebra and Appl. 359, 2003 [11] Kolotolina, L. Yu.: Generalizations of the Ostrowski-Brauer Theorem, Linear Algebra and Appl. 364, 2003 [12] Li, B. and Tsanomeros, M.J.: Doubly diagonally dominant matrices, Linear Algebra and Appl. 4, 1997 [13] Minkowksi, H.: Zur Theorie der Einheiten in den algebraischen Zahlkörpern, Nachr. Königlichen. Ges. Wiss. Göttingen Math.-Phys. Kl., Gesammelte Abh. 1, 1900 [14] Ostrowski, A.M.: Über die Determinanten mit überwiegender Hauptdiagonale, Comment. Math. Helv. 10, 1937 [15] Ostrowski, A.M.: Über das Nichtverschwinden einer Klasse von Determinanten und die Lokalisierung der charakteristischen Wurzeln von Matrizen, Compositio Math. 9, 1951 [16] Taussky, O.: A recurring theorem on determinants, Amer. Math. Monthly 56, 1949 [17] Taussky, O.: How I became a torch bearer for Matrix Theory, Amer. Math. Monthly 95, 1988 [18] Varga, R.S. and Krautstengl, A.: On Gersgorin-type problems and ovals of Cassini, Electronic Transactions of Numerical Analysis 8,
37 [19] Varga, R.S.: Gersgorin and His Circles, Springer, 2010 [20] 36
38 Nyilatkozat Név: Kiss Rebecca ELTE Természettudományi Kar, szak: Matematika B.Sc., matematikai elemző szakirány ETR-azonosító: KIRQABT.ELTE Szakdolgozat címe: Gersgorin-körök A szakdolgozat szerzőjeként fegyelmi felelősségem tudatában kijelentem, hogy a dolgozatom önálló munkám eredménye, saját szellemi termékem, abban a hivatkozások és idézések standard szabályait következetesen alkalmaztam, mások által írt részeket a megfelelő idézés nélkül nem használtam fel. Budapest, május 30. a hallgató aláírása 37
39 Köszönetnyilvánítás Ezúton szeretném megköszönni Mincsovics Miklósnak, hogy segített a téma feldolgozásában. Mindig ellátott jó tanácsokkal, melyek hozzájárultak szakdolgozatom elkészüléséhez. 38
6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 6. előadás: Vektor- és mátrixnormák Lócsi Levente ELTE IK 2013. október 14. Tartalomjegyzék 1 Vektornormák 2 Mátrixnormák 3 Természetes mátrixnormák, avagy indukált normák 4 Mátrixnormák
RészletesebbenGauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
RészletesebbenA KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek
10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
RészletesebbenKvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla
Kvadratikus alakok és euklideszi terek (előadásvázlat, 0. október 5.) Maróti Miklós, Kátai-Urbán Kamilla Az előadáshoz ajánlott jegyzet: Szabó László: Bevezetés a lineáris algebrába, Polygon Kiadó, Szeged,
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
RészletesebbenLineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla
Lineáris leképezések (előadásvázlat, 2012. szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla Ennek az előadásnak a megértéséhez a következő fogalmakat kell tudni: homogén lineáris egyenletrendszer és
Részletesebben3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
3. Fuzzy aritmetika Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Intervallum-aritmetika 2 Fuzzy intervallumok és fuzzy számok Fuzzy intervallumok LR fuzzy intervallumok
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 3. előadás: Mátrixok LU-felbontása Lócsi Levente ELTE IK 2013. szeptember 23. Tartalomjegyzék 1 Alsó háromszögmátrixok és Gauss-elimináció 2 Háromszögmátrixokról 3 LU-felbontás Gauss-eliminációval
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
RészletesebbenLineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Részletesebben1. Mit jelent az, hogy egy W R n részhalmaz altér?
Az informatikus lineáris algebra dolgozat B részének lehetséges kérdései Az alábbi listában azok a definíciók és állítások, tételek szerepelnek, melyeket a vizsgadolgozat B részében kérdezhetünk. A válaszoknál
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
RészletesebbenLineáris algebra numerikus módszerei
Bevezetés Szükségünk van a komplex elemű mátrixok és vektorok bevezetésére. A komplex elemű n-dimenziós oszlopvektorok halmazát C n -el jelöljük. Hasonlóképpen az m n méretű komplex elemű mátrixok halmazát
RészletesebbenLineáris algebra Gyakorló feladatok
Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések
RészletesebbenDiszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.
1 Diszkrét matematika I, 12 előadás Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach 2005 november 30 Vektorok Definíció Egy tetszőleges n pozitív egész számra n-komponensű
RészletesebbenLineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )
Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet
RészletesebbenSorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
RészletesebbenDeterminánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.
Determinánsok A determináns fogalma olyan algebrai segédeszköz, amellyel jól jellemezhető a mátrixok invertálhatósága, a mátrix rangja. Segítségével lineáris egyenletrendszerek megoldhatósága dönthető
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
RészletesebbenNUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK
NUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK Szerkesztette: Balogh Tamás 04. január 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el!
Részletesebben7. gyakorlat megoldásai
7. gyakorlat megoldásai Komple számok, sajátértékek, sajátvektorok F1. Legyen z 1 = + i és z = 1 i. Számoljuk ki az alábbiakat: z 1 z 1 + z, z 1 z, z 1 z,, z 1, z 1. z M1. A szorzásnál használjuk, hogy
RészletesebbenMegoldások. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)
Megoldások 1. Határozd meg az a és b vektor skaláris szorzatát, ha a = 5, b = 4 és a közbezárt szög φ = 55! Alkalmazzuk a megfelelő képletet: a b = a b cos φ = 5 4 cos 55 11,47. 2. Határozd meg a következő
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenTáblán. Numerikus módszerek 1. előadás (estis), 2017/2018 ősz. Lócsi Levente. Frissült: december 1.
Táblán Numerikus módszerek 1. előadás (estis), 2017/2018 ősz Lócsi Levente Frissült: 2017. december 1. Ebben az írásban a 2017/2018 őszi félév estis Numerikus módszerek 1. előadásának a diasorban nem szereplő,
Részletesebbenminden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
RészletesebbenLineáris algebra numerikus módszerei
Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y
Részletesebbenf(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
Részletesebben1. Diagonalizálás. A Hom(V) diagonalizálható, ha van olyan bázis, amelyben A mátrixa diagonális. A diagonalizálható van sajátvektorokból álló bázis.
1 Diagonalizálás Diagonalizálható mátrixok Ismétlés Legyen M,N T n n Az M és N hasonló, ha van olyan A lineáris transzformáció, hogy M is és N is az A mátrixa egy-egy alkalmas bázisban Az M és N pontosan
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
RészletesebbenHadamard-mátrixok Előadó: Hajnal Péter február 23.
Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Hadamard-mátrixok Előadó: Hajnal Péter 2012. február 23. 1. Hadamard-mátrixok Ezen az előadáson látásra a blokkrendszerektől független kombinatorikus
RészletesebbenLINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40
LINEÁRIS ALGEBRA matematika alapszak SZTE Bolyai Intézet, 2016-17. őszi félév Euklideszi terek Euklideszi terek LINEÁRIS ALGEBRA 1 / 40 Euklideszi tér Emlékeztető: A standard belső szorzás és standard
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
Részletesebben1. Bázistranszformáció
1. Bázistranszformáció Transzformáció mátrixa új bázisban A bázistranszformáció képlete (Freud, 5.8.1. Tétel) Legyenek b és d bázisok V -ben, ] v V és A Hom(V). Jelölje S = [[d 1 ] b,...,[d n ] b T n n
Részletesebbenλx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j)
Matematika A3 gyakorlat Energetika és Mechatronika BSc szakok, 016/17 ősz 10 feladatsor: Magasabbrendű lineáris differenciálegyenletek (megoldás) 1 Határozzuk meg az e λx, xe λx, x e λx,, x k 1 e λx függvények
Részletesebbeni=1 λ iv i = 0 előállítása, melynél valamelyik λ i
Az informatikus lineáris algebra dolgozat C részének lehetséges kérdései Az alábbi listában azok az állítások, tételek szerepelnek, melyeket a vizsgadolgozat C részében kérdezhetünk. Azok érnek 6 pontot,
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. november 23. 1. Diszkrét matematika 2. 9. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. november 23. Diszkrét matematika
Részletesebben10. Koordinátageometria
I. Nulladik ZH-ban láttuk: 0. Koordinátageometria. Melyek azok a P x; y pontok, amelyek koordinátái kielégítik az Ábrázolja a megoldáshalmazt a koordináta-síkon! x y x 0 egyenlőtlenséget? ELTE 00. szeptember
Részletesebben10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak
10. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás:
RészletesebbenSorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)
Sorozatok I. DEFINÍCIÓ: (Számsorozat) A számsorozat olyan függvény, amelynek értelmezési tartománya a pozitív egész számok halmaza, értékkészlete a valós számok egy részhalmaza. Jelölés: (a n ), {a n }.
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
RészletesebbenDiszkrét Matematika MSc hallgatók számára. 4. Előadás
Diszkrét Matematika MSc hallgatók számára 4. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2012. február 28. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét
RészletesebbenSzinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35
Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebben1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak
1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ
RészletesebbenA parciális törtekre bontás?
Miért működik A parciális törtekre bontás? Borbély Gábor 212 június 7 Tartalomjegyzék 1 Lineáris algebra formalizmus 2 2 A feladat kitűzése 3 3 A LER felépítése 5 4 A bizonyítás 6 1 Lineáris algebra formalizmus
Részletesebben1 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
RészletesebbenKomplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18
Komplex számok Wettl Ferenc előadása alapján 2015.09.23. Wettl Ferenc előadása alapján Komplex számok 2015.09.23. 1 / 18 Tartalom 1 Számok A számfogalom bővülése 2 Algebrai alak Trigonometrikus alak Egységgyökök
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenKeresztmetszet másodrendű nyomatékainak meghatározása
BUDAPEST MŰSZAK ÉS GAZDASÁGTUDOMÁNY EGYETEM Keresztmetszet másodrendű nyomatékainak meghatározása Segédlet a Szilárdságtan c tárgy házi feladatához Készítette: Lehotzky Dávid Budapest, 205 február 28 ábra
RészletesebbenFüggvény határérték összefoglalás
Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
RészletesebbenAz impulzusnyomatékok általános elmélete
Az impulzusnyomatékok általános elmélete November 27, 2006 Az elemi kvantummechanika keretében tárgyaltuk már az impulzusnyomatékot. A továbbiakban általánosítjuk az impulzusnyomaték fogalmát a kvantummechanikában
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenSaj at ert ek-probl em ak febru ar 26.
Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre
Részletesebben1.1. Vektorok és operátorok mátrix formában
1. Reprezentáció elmélet 1.1. Vektorok és operátorok mátrix formában A vektorok és az operátorok mátrixok formájában is felírhatók. A végtelen dimenziós ket vektoroknak végtelen sok sort tartalmazó oszlopmátrix
RészletesebbenJavítókulcs, Válogató Nov. 25.
Javítókulcs, Válogató 2016. Nov. 25. 1. Az A, B, C pontok által meghatározott hegyesszögű háromszögben az egyes csúcsokhoz tartozó magasságvonalak talppontjait jelölje rendre T A, T B és T C. A T A T B
RészletesebbenEgyenletek, egyenlőtlenségek VII.
Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós
RészletesebbenAnalízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
Részletesebben1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0
I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)
RészletesebbenA 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA (a speciális tanterv szerint haladó gimnazisták)
A 205/206. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA a speciális tanterv szerint haladó gimnazisták Javítási-értékelési útmutató. feladat Az {,2,...,n} halmaz
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenOktatási Hivatal. 1 pont. A feltételek alapján felírhatók az. összevonás után az. 1 pont
Oktatási Hivatal Öt pozitív egész szám egy számtani sorozat első öt eleme A sorozatnak a különbsége prímszám Tudjuk hogy az első négy szám köbének összege megegyezik az ezen öt tag közül vett páros sorszámú
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik
RészletesebbenMatematika szigorlat június 17. Neptun kód:
Név Matematika szigorlat 014. június 17. Neptun kód: 1.. 3. 4. 5. Elm. Fel. Össz. Oszt. Az eredményes szigorlat feltétele elméletből legalább 0 pont, feladatokból pedig legalább 30 pont elérése. A szigorlat
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 3. estis képzés 2016. ősz 1. Diszkrét matematika 3. estis képzés 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebben2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma
Mátrixok Definíció Az m n típusú (méretű) valós A mátrixon valós a ij számok alábbi táblázatát értjük: a 11 a 12... a 1j... a 1n.......... A = a i1 a i2... a ij... a in........... a m1 a m2... a mj...
Részletesebbenút hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.
1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
RészletesebbenKonjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ VEKTOR- ÉS MÁTRIXNORMÁK,
Részletesebben1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:
1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre
RészletesebbenBevezetés az algebrába 1
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 1 BMETE92AX23 Determinánsok H406 2017-11-27 Wettl Ferenc ALGEBRA
RészletesebbenMATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
Részletesebben352 Nevezetes egyenlôtlenségek. , az átfogó hossza 81 cm
5 Nevezetes egyenlôtlenségek a b 775 Legyenek a befogók: a, b Ekkor 9 + $ ab A maimális ab terület 0, 5cm, az átfogó hossza 8 cm a b a b 776 + # +, azaz a + b $ 88, tehát a keresett minimális érték: 88
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
RészletesebbenValasek Gábor valasek@inf.elte.hu
Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2013/2014. őszi félév ( Eötvös LorándSzámítógépes TudományegyetemInformatikai Grafika Kar) 2013/2014.
RészletesebbenEgészrészes feladatok
Kitűzött feladatok Egészrészes feladatok Győry Ákos Miskolc, Földes Ferenc Gimnázium 1. feladat. Oldjuk meg a valós számok halmazán a { } 3x 1 x+1 7 egyenletet!. feladat. Bizonyítsuk be, hogy tetszőleges
Részletesebben9. Trigonometria. I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! Megoldás:
9. Trigonometria I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! x = cos 150 ; y = sin 5 ; z = tg ( 60 ) (A) z < x < y (B) x < y < z (C) y < x < z (D) z < y
RészletesebbenOrszágos Középiskolai Tanulmányi Verseny 2009/2010 Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása
Oktatási Hivatal Országos Középiskolai Tanulmányi Verseny / Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása. Oldja meg a valós számok legbővebb részhalmazán a egyenlőtlenséget!
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
Részletesebben1. Homogén lineáris egyenletrendszer megoldástere
X HOMOGÉN LINEÁRIS EGYENLET- RENDSZEREK 1 Homogén lineáris egyenletrendszer megoldástere Homogén lineáris egyenletrendszer definíciója már szerepelt Olyan lineáris egyenletrendszert nevezünk homogénnek,
Részletesebben1. zárthelyi,
1. zárthelyi, 2009.10.20. 1. Írjuk fel a tér P = (0,2,4) és Q = (6, 2,2) pontjait összekötő szakasz felezőmerőleges síkjának egyenletét. 2. Tekintsük az x + 2y + 3z = 14, a 2x + 6y + 10z = 24 és a 4x+2y
RészletesebbenI. Vektorok. Adott A (2; 5) és B ( - 3; 4) pontok. (ld. ábra) A két pont által meghatározott vektor:
I. Vektorok 1. Vektorok összege Általánosan: Az ábra alapján Adott: a(4; 1) és b(; 3) a + b (4 + ; 1 + 3) = (6; ) a(a 1 ; a ) és b(b 1 ; b ) a + b(a 1 + b 1 ; a + b ). Vektorok különbsége Általánosan:
Részletesebben