5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39
|
|
- Renáta Magyar
- 5 évvel ezelőtt
- Látták:
Átírás
1 5. Előadás (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39
2 AX = B (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 2 / 39
3 AX = B Probléma. Legyen A (m n)-es és B (m l)-es mátrix. Található-e olyan X mátrix, amelyre AX = B? Megjegyzések. (a) Ha létezik a fenti tulajdonságú X mátrix, akkor X R n l. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 3 / 39
4 AX = B (b) Az A x x n1 x 1l. x nl = b b m1 b 1l. b nl mátrixegyenlet ekvivalens az alábbi lineáris egyenletrendszer rendszerrel: x 11 A. x n1 = b 11. x m1 x 1l,..., A. x nl = b 1l. x ml. Az egyes egyenletrendszerek elemi bázistranszformációval megoldhatók, ügyesen szervezve a teendőket, akár egyszerre is. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 4 / 39
5 AX = B Az elemi bázistranszformációt az alábbi táblázatra fogjuk végrehajtani: Szabályok: 0. x 1... x n b 1... b l e 1 a a 1n b b 1l..... e m a m1... a mn b m1... b ml az e -ket szeretnénk lecserélni x -ekre, így a generáló elem csak az a ij -k közül kerülhet ki. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 5 / 39
6 AX = B Példa. Oldjuk meg az ( ) ( X = ) mátrixegyenletet. Ha X megoldása a mátrixegyenletnek, akkor X R 4 3. Az EBT-hez szükséges táblázat az alábbi lesz: 0. x 1 x 2 x 3 x 4 b 1 b 2 b 3 e e (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 6 / 39
7 AX = B 0. x 1 x 2 x 3 x 4 b 1 b 2 b 3 e e x 2 x 3 x 4 b 1 b 2 b 3 x e x 3 x 4 b 1 b 2 b 3 x x (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 7 / 39
8 AX = B A cserét teljesen végrehajtottuk, a mátrixegyenlet megoldható. 2. x 3 x 4 b 1 b 2 b 3 x x Az utolsó táblázatból a megoldásokat is leolvashatjuk. Legyen X = (x ij ) 4 3. Ekkor x 1j és x 2j kötött változók lesznek, az x 3j és x 4j (1 j 3) változók pedig szabadok : x 11 = 1 x 31 + x 41, x 21 = 2 + x x 41, x 12 = 2 x 32 + x 42, x 22 = 1 + x x 42, x 13 = 1 x 33 + x 43, x 23 = 1 + x x 43. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 8 / 39
9 AX = B 2. x 3 x 4 b 1 b 2 b 3 x x A mátrixegyenlet általános megoldása: 1 1 x 31 ( 1) x 41 2 x 32 + x 42 1 x 33 + x 43 X = 2 ( 1) x 31 ( 2) x x x x 33 + x 43 x 31 x 32 x 33, x 41 x 42 x 43 ahol x 31, x 32, x 33, x 41, x 42, x 43 tetszőleges valós számok. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 9 / 39
10 AX = B Tegyük fel, hogy az AX = B mátrixegyenlet megoldható (A R m n, B R m l ).. 0. x 1... x n b 1... b l e 1 a a 1n b b 1l..... e m a m1... a mn b m1... b ml w. x js+1... x jn b 1... b l x i1 a i 1 j s+1... a i 1 j n b i b i 1 l..... x is a i sj s+1... a i sj n b i s1... b i sl e is e im (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
11 AX = B Megjegyzések. Az x i változó az X megoldásmátrix x ij változóit jelképezi. A változók értékét úgy határozhatjuk meg, mint az egyenletrendszer megoldása esetén. Tehát a példában az x 3 és x 4 szabad változók lesznek, így X minden oszlopának harmadik és negyedik eleme szabadon választható. A konstansok meghatározásakor a megfelelő oszlop kontansait a jobboldali konstansok megfelelő oszlopa határozza meg, például a második oszlophoz csak a második oszlopot kell figyelembe venni. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
12 AX = B Nincs megoldás A mátrixegyenletnek pontosan akkor nincs megoldása, ha az elemi bázistranszformáció során van ellentmondó sor, ami a következő alakú lehet: x j1... x jk b 1... b l e i c 1... c l , ahol a c-k közül legalább egy nem nulla, VAGY b 1... b l e i c 1... c l......, ahol a c-k közül legalább egy nem nulla. Azaz a változók oszlopai már elfogytak, de maradt e i sorában nem nulla. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
13 AX = B Pontosan egy megoldás Ha a mátrixegyenlet megoldása során a következő táblázatot kapjuk: b 1 b 2 b 3 x x x akkor nincs szabad ismeretlen (és nincs ellentmondó sor), így pontosan egy megoldás van. A megoldás leolvasásakor ügyeljünk, hogy a sorokat megfelelő sorrendben írjuk, azaz ebben az esetben: X = , (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
14 AX = B Előállhat-e a következő táblázat egy mátrixegyenlet megoldása során? b 1 b 2 b 3 x x e Igen, ha az A mátrix (3 2), a B pedig (3 3) méretű, akkor az AX = B mátrixegyenletnél az X mátrix, ha létezik, (2 3) típusú. Hány megoldás van? Az e 3 sorában minden elem nulla, így nincs ellentmondó sor. Mivel nincs szabad ismeretlen, pontosan egy megoldás van: ( ) X = (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
15 XA = B Az XA = B alakú egyenletek megoldásáról XA = B T A T X T = B T Azaz, 1 először oldjuk meg az A T Y = B T mátrixegyenletet, 2 ha Y megoldása, akkor az eredeti egyenlet megoldása X = Y T lesz. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
16 XA = B Példa. Oldjuk meg az X = mátrixegyenletet (X R 3 4 ). Transzponáljuk az egyenletet: Y = (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
17 XA = B 0. y 1 y 2 y 3 y 4 b 1 b 2 b 3 e e e e y 2 y 3 y 4 b 1 b 2 b 3 y e e e (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
18 XA = B Megjegyzés. 2. y 2 y 4 b 1 b 2 b 3 y y e e y 4 b 1 b 2 b 3 y y y e Nem sikerült minden e -t y -ra cserélni, de a megmaradt e -k sorában minden elem 0, tehát nincs ellentmondó sor. Ekkor a megoldás a korábbi módon olvasható le. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
19 XA = B 2. y 2 y 4 b 1 b 2 b 3 y y e e A transzponált mátrixegyenlet megoldás a következő: 3. y 4 b 1 b 2 b 3 y y y e y 11 = 1 y 41, y 21 = 2 y 41, y 31 = 3 y 41, y 12 = 2 y 42, y 22 = 3 y 42, y 32 = 1 y 42, y 13 = 3 y 43, y 23 = 1 y 43, y 33 = 2 y 43, ahol y 4j (j = 1, 2, 3) teszőlegesen választható, azaz 1 y 41 2 y 42 3 y 43 Y = 2 y 41 3 y 42 1 y 43 3 y 41 1 y 42 2 y 43. y 41 y 42 y 43 (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
20 XA = B Az X = mátrixegyenletet megoldása pedig 1 y 41 2 y 41 3 y 41 y 41 X = Y T = 2 y 42 3 y 42 1 y 42 y 42, 3 y 43 1 y 43 2 y 43 y 43 ahol y 4j (j = 1, 2, 3) teszőleges valós számok. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
21 Mátrix inverze Mátrix inverze (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
22 Mátrix inverze Definíció (Mátrix inverze). Legyen A négyzetes mátrix, A R n n. Azt mondjuk, hogy a B R n n mátrix inverze A-nak, ha AB = BA = E n. Nem minden négyzetes mátrixnak van inverze. Ha az A mátrixnak inverze a B mátrix, akkor következtében A 0. 1 = E n = AB = A B Ha az A mátrix determinánsa nem nulla, akkor a mátrixot nemelfajulónak nevezzük. Ha az A mátrixnak létezik inverze, azt mondjuk, hogy az A invertálható. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
23 Mátrix inverze Tétel. Az A négyzetes mátrixnak pontosan akkor létezik inverze, ha determinánsa nem 0. Ha egy mátrixnak létezik inverze, akkor az egyértelmű. Jelölés: A 1 az A mátrix inverze (ha az létezik). Tétel. Ha az A R n n négyzetes mátrixnak létezik inverze, akkor A 1 = 1 A A A 1n..... A n1... A nn ahol A ij az A mátrix a ij eleméhez tartozó adjungált aldeterminánsa. T, (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
24 Mátrix inverze Példa Legyen A = Ekkor A = 40 0 következtében A invertálható: A 1 = T = = (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
25 Mátrix inverze Inverz számítása Ha az A (n n)-es mátrix invertálható, akkor A 1 az AX = E n mátrixegyenlet (egyetlen) megoldása. Azaz a mátrixegyenletre tanult módszer segítségével kiszámítható a mátrix inverze. Az A (n n)-es mátrix pontosan akkor nem invertálható, ha ellentmondó sort kapunk az AX = E n mátrixegyenlet megoldása során. Az AX = E n egy speciális mátrixegyenlet, így a korábbi elemi bázistranszformációs lépések kis módosításával egyszerűbben is meg lehet oldani (ld. követekező diák). (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
26 Mátrix inverze Inverz számítása elemi bázistranszformációval 1 A mátrix elemeit táblázatba foglaljuk, a sorokat az e 1, e 2,..., az oszlopokat pedig a v 1, v 2,... szimbólumokkal címkézzük. 2 Generálóelemet választunk (a ij 0), majd elemi bázistranszformációt hajtunk végre: most nem hagyunk el oszlopot (ld. Új szabályok!), az a ij elem sor- és oszlopcímkéi felcserélődnek, mindig e-t cserélünk v-re. 3 Addig ismételjük a 2. lépést, amig alkalmas generáló elemet tudunk választani. 4 Ha az e -k és a v -k helyet cseréltek, akkor a mátrixnak van inverze, a sorokat és az oszlopokat a címkék eredeti sorrendjének megfelelően átrendezve az inverz is látható. 5 Ha még azelőtt elakadunk, hogy az e-k és a v-k helyet cseréltek volna, akkor a mátrixnak nincs inverze. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
27 Mátrix inverze Új szabályok! A generáló elem oszlopát nem hagytuk el, az új táblázatba a következő elem kerülnek ebbe az oszlopba: A generáló elem helyébe annak reciproka kerül: a ij = 1/a ij. A generáló elem oszlopának többi elemét osztjuk a generáló elem ( 1)-szeresével: a i j = a i,k/( a ij ) (i i). (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
28 Mátrix inverze Példa. Tekintsük az A = mátrixot. 0. v 1 v 2 v 3 v 4 e e e e e 1 v 2 v 3 v 4 v e e e e 1 v 2 e 3 v 4 v e v e Elakadtunk, így az A mátrixnak nincs inverze. 3. e 1 v 2 e 3 e 4 v 1 3/ /2 e 2 11/ /2 v v 4 1/ /2 (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
29 Mátrix inverze Példa. Tekintsük az A = mátrixot. 0. v 1 v 2 v 3 v 4 e e e e v 1 e 1 v 3 v 4 v e e e v 1 e 1 e 2 v 4 v v e e v 1 e 1 e 2 e 3 v v v e (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
30 Mátrix inverze 3. v 1 e 1 e 2 e 3 v v v e e 4 e 1 e 2 e 3 v 2 2/5 3/5 6/5 4/5 v 3 3/5 2/5 4/5 6/5 v 4 4/5 1/5 2/5 3/5 v 1 1/5 4/5 3/5 2/5 Minden e -t ki tudtunk cserélni v -re, ezért A-nak van inverze, a címkék sorrendjét visszaállítva azt kapjuk, hogy A 1 = = (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
31 Mátrix inverze Az inverzre vonatkozó azonosságok Azonosságok Tétel (Az invertálás azonosságai). Legyen A és B tetszőleges (n n)-es invertálható mátrix, ekkor 1 (A 1 ) 1 = A, 2 (AB) 1 = B 1 A 1. Definíció (Négyzetes mátrix negatív kitevős hatvány). Ha A invertálható mátrix, akkor az inverz létezését felhasználva definiálhatók A negatív kitevős hatványai: A k = ( A 1) k = A 1 A 1 A 1 }{{} k db (k N). (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
32 Mátrix inverze Az inverzre vonatkozó azonosságok Azonosságok Definíció. Az A (n n)-es mátrix esetén A 0 = E n. Tétel (A hatványozás azonosságai). Legyen A tetszőleges invertálható mátrix, és m, k Z, ekkor 1 A m+k = A m A k, 2 (A m ) k = A mk. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
33 Mátrix inverze Return of the Matrix Inverse 1. módszer (merészeknek/számítógépeknek) Tétel. Ha az A R n n négyzetes mátrixnak létezik inverze, akkor A 1 = 1 A A A 1n..... A n1... A nn ahol A ij az A mátrix a ij eleméhez tartozó adjungáltja. T, (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
34 Mátrix inverze Return of the Matrix Inverse 2. módszer (bátraknak) Tétel. Legyen A R n n négyzetes mátrix és a a 1n a a 2n (A E n ) = a n1... a nn Ha (A E n ) (E n B), akkor A invertálható és B = A 1. Ha (A E n ) (E n ), akkor A nem invertálható. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
35 Mátrix inverze Return of the Matrix Inverse 2. módszer (bátraknak) A = (A E 3 ) = Sorokon végzett elemi átalakítások A 1 = (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
36 Mátrix inverze Return of the Matrix Inverse 2. módszer (bátraknak) A = (A E 3 ) = Sorokon végzett elemi átalakítások Az A mátrix nem invertálható (vö.: A = 0). (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
37 Mátrix inverze Return of the Matrix Inverse 3. módszer Tétel. Legyen A R n n négyzetes mátrix. Ha az EBT pontosan n lépés után ér véget: 0. a 1... a n e 1 a a 1n... n. e j1... e jn a i1 a i 1 j 1... a i 1 j n..., e n a n1... a nn a in a i nj n... a i nj n akkor az A mátrix invertálható, inverze (a ij ) n n. Különben nem invertálható. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
38 Mátrixegyenlet, Mátrix inverze Igaz vagy Hamis? Igaz vagy Hamis? Ha egy mátrixegyenlet megoldása során egy x sort kapunk, akkor a mátrixegyenletnek nincs megoldása. Hamis, akkor lenne ellentmodó sor, ha e i szerepelne az elején. Vannak olyan A és B (n n)-es invertálható mátrixok, amelyekre (AB) k A k B k, valamely k Z-re. Igaz, mivel a mátrixszorzás nem kommutatív, és invertálható mátrixok is találhatók, amelyekre AB BA, pl: A = ( ), B = ( ), k = 2 esetén, ABAB AABB. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
39 Mátrixegyenlet, Mátrix inverze Feleletválasztás Feleletválasztás A négy válasz közül pontosan egy helyes. Tetszőleges A R n n invertálható mátrix esetén melyik állítás NEM igaz? (a) A 0. (b) AB is invertálható tetszőleges B R n n esetén. (c) Az AX = B bármely B R n n esetén megoldható. (d) Az A T nemelfajuló. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
40 Mátrixegyenlet, Mátrix inverze Feleletválasztás Feleletválasztás A négy válasz közül pontosan egy helyes. Tetszőleges A R n n invertálható mátrix esetén melyik állítás NEM igaz? (a) A 0. (b) AB is invertálható tetszőleges B R n n esetén. (c) Az AX = B bármely B R n n esetén megoldható. (d) Az A T nemelfajuló. A (b) állítás. Mivel AB = A B, így ha B = 0, akkor AB nem invertálható. (5. előadás) Mátrixegyenlet, Mátrix inverze március / 39
9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2
Részletesebben9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek
RészletesebbenBázistranszformáció és alkalmazásai 2.
Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja
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:
RészletesebbenLineáris algebra. (közgazdászoknak)
Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (3.) 2018/2019. tavaszi félév Lineáris egyenletrendszerek 3.1. Feladat. Oldjuk meg az alábbi lineáris egyenletrendszereket Gauss-eliminációval
Részletesebben8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer
8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez
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 EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak
LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:
RészletesebbenXI A MÁTRIX INVERZE 1 Az inverzmátrix definíciója Determinánsok szorzástétele Az egységmátrix definíciója: 1 0 0 0 0 1 0 0 E n = 0 0 1 0 0 0 0 1 n-edrenű (azaz n n típusú) mátrix E n -nel bármely mátrixot
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek Lineáris egyenletrendszernek nevezzük az a 11 x 1 + a 12 x 2 +... +a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... +a 2n x n = b 2.. a k1 x 1 + a k2 x 2 +... +a kn x n = b k n ismeretlenes,
Részletesebben3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek
3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1
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
Részletesebben15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
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
Részletesebben7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció
7. Előadás Megyesi László: Lineáris algebra, 57. 61. oldal. Gondolkodnivalók Bázis, dimenzió 1. Gondolkodnivaló Legyenek a v vektor koordinátái a v 1,..., v n bázisban: (1, α 2,..., α n ). Igazoljuk, hogy
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. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:
1 Determinánsok 1 Bevezet definíció Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert: a 11 x 1 +a 12 x 2 = b 1 a 21 x 1 +a 22 x 2 = b 2 Szorozzuk meg az első egyenletet
Részletesebben9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35
9. Előadás (9. előadás) Lineáris egyr.(3.), Sajátérték 2019. április 24. 1 / 35 Portfólió-analízis Tegyük fel, hogy egy bank 4 különböző eszközbe fektet be (réz, búza, arany és kakaó). Az ügyfeleinek ezen
RészletesebbenBázistranszformáció és alkalmazásai
Bázistranszformáció és alkalmazásai Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Elmélet Gyakorlati végrehajtás 2 Vektor bevitele a bázisba Rangszámítás Lineáris egyenletrendszer
Részletesebben11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
RészletesebbenMA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.
MAv A. csoport Név:... Tekintsük az alábbi mátriot! A 7 a Invertálható-e az A mátri? Ha igen akkor bázistranszformációval határozza meg az inverzét! Ellenőrizze számításait! b Milyen egyéb mátritulajdonságokra
RészletesebbenDiszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek
1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
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
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.
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.
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
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
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:
Részletesebben11. DETERMINÁNSOK. 11.1 Mátrix fogalma, műveletek mátrixokkal
11 DETERMINÁNSOK 111 Mátrix fogalma, műveletek mátrixokkal Bevezetés A közgazdaságtanban gyakoriak az olyan rendszerek melyek jellemzéséhez több adat szükséges Például egy k vállalatból álló csoport minden
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix
RészletesebbenLINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév
LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I éves nappali programtervező informatikus hallgatóknak 2010-2011 évi tanév I félév Vektoriális szorzat és tulajdonságai bizonyítás nélkül: Vegyes szorzat és tulajdonságai
Részletesebbenösszeadjuk 0-t kapunk. Képletben:
814 A ferde kifejtés tétele Ha egy determináns valamely sorának elemeit egy másik sor elemeihez tartozó adjungáltakkal szorozzuk meg és a szorzatokat összeadjuk 0-t kapunk Képletben: n a ij A kj = 0, ha
Részletesebben7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága
7. gyakorlat Lineáris algebrai egyenletrendszerek megoldhatósága Egy lineáris algebrai egyenletrendszerrel kapcsolatban a következ kérdések merülnek fel: 1. Létezik-e megoldása? 2. Ha igen, hány megoldása
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
RészletesebbenIrodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0
Irodalom ezek egyrészt el- A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: hangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László: Bevezetés a lineáris algebrába, Polygon
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
RészletesebbenLineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós
Lineáris algebra és a rang fogalma (el adásvázlat, 2010. szeptember 29.) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: (1) A mátrixalgebrával kapcsolatban: számtest
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
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.
RészletesebbenMűveletek mátrixokkal. Kalkulus. 2018/2019 ősz
2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix
RészletesebbenI. VEKTOROK, MÁTRIXOK
217/18 1 félév I VEKTOROK, MÁTRIXOK I1 I2 Vektorok 1 A síkon derékszögű koordinátarendszerben minden v vektornak van vízszintes és van függőleges koordinátája, ezeket sorrendben v 1 és v 2 jelöli A v síkbeli
RészletesebbenMinden egész szám osztója önmagának, azaz a a minden egész a-ra.
1. Számelmélet Definíció: Az a egész szám osztója a egész számnak, ha létezik olyan c egész szám, melyre = ac. Ezt a következőképpen jelöljük: a Tulajdonságok: Minden egész szám osztója önmagának, azaz
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
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
Részletesebben7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága
7. gyakorlat Lineáris algebrai egyenletrendszerek megoldhatósága Egy lineáris algebrai egyenletrendszerrel kapcsolatban a következ kérdések merülnek fel: 1. Létezik-e megoldása? 2. Ha igen, hány megoldása
RészletesebbenKongruenciák. Waldhauser Tamás
Algebra és számelmélet 3 előadás Kongruenciák Waldhauser Tamás 2014 őszi félév Tartalom 1. Diofantoszi egyenletek 2. Kongruenciareláció, maradékosztályok 3. Lineáris kongruenciák és multiplikatív inverzek
RészletesebbenLineáris algebra (10A103)
Lineáris algebra (10A103) Kátai-Urbán Kamilla (1. előadás) Mátrixok 2019. február 6. 1 / 35 Bevezetés Előadás Tudnivalók (I.) Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Az előadáson készített
RészletesebbenMátrixok, mátrixműveletek
Mátrixok, mátrixműveletek 1 előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Mátrixok, mátrixműveletek p 1/1 Mátrixok definíciója Definíció Helyezzünk el n m elemet egy olyan téglalap
RészletesebbenOperációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév
RészletesebbenLineáris algebra (10A103)
Lineáris algebra (10A103 Kátai-Urbán Kamilla Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Megyesi László: Lineáris algebra. Vizsga: írásbeli (beugróval, feltétele a Lineáris algebra gyakorlat
RészletesebbenMatematika III. harmadik előadás
Matematika III. harmadik előadás Kézi Csaba Debreceni Egyetem, Műszaki Kar Debrecen, 2013/14 tanév, I. félév Kézi Csaba (DE) Matematika III. harmadik előadás 2013/14 tanév, I. félév 1 / 13 tétel Az y (x)
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
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. A kétszer kettes determináns
1. A kétszer kettes determináns 2 2-es mátrix inverze Tétel [ ] [ ] a c 1 d c Ha ad bc 0, akkor M= inverze. b d ad bc b a Ha ad bc = 0, akkor M-nek nincs inverze. A főátló két elemét megcseréljük, a mellékátló
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
Részletesebben12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor
12. előadás Egyenletrendszerek, mátrixok Dr. Szörényi Miklós, Dr. Kallós Gábor 2015 2016 1 Tartalom Matematikai alapok Vektorok és mátrixok megadása Tömbkonstansok Lineáris műveletek Mátrixok szorzása
RészletesebbenMatematikai statisztika 1.
Matematikai statisztika 1 segédanyag Daróczi Gergely Szociológia Intézet 2010 Matematikai statisztika 1 01 Mátrixok A mátrix vízszintes vonalban elhelyezked elemei sorokat, függ leges vonalban elhelyezked
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
Részletesebben9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz
9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz. Mindkét eliminációs módszer műveletigénye sokkal kisebb, mint a Cramer-szabályé:
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
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
Részletesebben3. el adás: Determinánsok
3. el adás: Determinánsok Wettl Ferenc 2015. február 27. Wettl Ferenc 3. el adás: Determinánsok 2015. február 27. 1 / 19 Tartalom 1 Motiváció 2 A determináns mint sorvektorainak függvénye 3 A determináns
Részletesebben1. Mátrixösszeadás és skalárral szorzás
1 Mátrixösszeadás és skalárral szorzás Mátrixok tömör jelölése T test Az M = a i j T n m azt az n sorból és m oszlopból álló mátrixot jelöli, amelyben az i-edik sor j-edik eleme a i j T Példák [ ] Ha M
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. A polinom fogalma. Számolás formális kifejezésekkel. Feladat Oldjuk meg az x2 + x + 1 x + 1. = x egyenletet.
1. A polinom fogalma Számolás formális kifejezésekkel. Feladat Oldjuk meg az x2 + x + 1 x + 1 = x egyenletet. Megoldás x + 1-gyel átszorozva x 2 + x + 1 = x 2 + x. Innen 1 = 0. Ez ellentmondás, így az
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,
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
Részletesebbenés n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..
Biológia alapszak Matematika I A GY 6/7 félév III MÁTRIXOK SAJÁTÉRTÉK-FELADAT III Mátrixok Definíció Számok téglalap alakú táblázatban való elrendezését mátrix nak nevezzük Ha a táblázat m sorból és n
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
RészletesebbenLINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL
LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 10. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Felhívás Diszkrét matematika I. középszint 2014.
RészletesebbenDETERMINÁNSSZÁMÍTÁS. Határozzuk meg a 1 értékét! Ez most is az egyetlen elemmel egyezik meg, tehát az értéke 1.
DETERMINÁNSSZÁMÍTÁS A (nxn) kvadratikus (négyzetes) mátrixhoz egyértelműen hozzárendelhetünk egy D R számot, ami a mátrix determinánsa. Már most megjegyezzük, hogy a mátrix determinánsa, illetve a determináns
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 0. gyakorlat Gyakorlatvezet : Bogya Norbert 202. április 23. Sajátérték, sajátvektor, sajátaltér Tartalom Sajátérték, sajátvektor, sajátaltér 2 Gyakorló feladatok a zh-ra (rutinfeladatok)
RészletesebbenDualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat
Részletesebben1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI
/ Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI /. Legyen adott az alábbi LP-feladat: x + 4x + x 9 x + x x + x + x 6 x, x, x x + x +
RészletesebbenIntergrált Intenzív Matematika Érettségi
. Adott a mátri, determináns determináns, ahol,, d Számítsd ki:. b) Igazold, hogy a b c. Adott a az 6 0 egyenlet megoldásai. a). c) Számítsd ki a d determináns értékét. d c a b determináns, ahol abc,,.
Részletesebben2018, Diszkre t matematika. 10. elo ada s
Diszkre t matematika 10. elo ada s MA RTON Gyo ngyve r mgyongyi@ms.sapientia.ro Sapientia Egyetem, Matematika-Informatika Tansze k Marosva sa rhely, Roma nia 2018, o szi fe le v MA RTON Gyo ngyve r 2018,
RészletesebbenEgyenletek, egyenlőtlenségek, egyenletrendszerek I.
Egyenletek, egyenlőtlenségek, egyenletrendszerek I. DEFINÍCIÓ: (Nyitott mondat) Az olyan állítást, amelyben az alany helyén változó szerepel, nyitott mondatnak nevezzük. A nyitott mondatba írt változót
RészletesebbenMBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós
MBNK12: Permutációk el adásvázlat 2016 április 11 Maróti Miklós 1 Deníció Az A halmaz permutációin a π : A A bijektív leképezéseket értjünk Tetsz leges n pozitív egészre az {1 n} halmaz összes permutációinak
Részletesebben12 48 b Oldjuk meg az Egyenlet munkalapon a következő egyenletrendszert az inverz mátrixos módszer segítségével! Lépések:
A feladat megoldása során az Excel 2010 használata a javasolt. A feladat elvégzése során a következőket fogjuk gyakorolni: Egyenletrendszerek megoldása Excelben. Solver használata. Mátrixműveletek és függvények
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Eponenciális és Logaritmikus kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szoálhatnak fontos információval
RészletesebbenBevezetés a lineáris programozásba
Bevezetés a lineáris programozásba 8. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Szimplex módszer p. 1/1 Az LP feladatok általános modellje A korlátozó feltételeket írjuk fel
Részletesebben1. ábra ábra
A kifejtési tétel A kifejtési tétel kimondásához először meg kell ismerkedni az előjeles aldetermináns fogalmával. Ha az n n-es A mátrix i-edik sorának és j-edik oszlopának kereszteződésében az elem áll,
RészletesebbenLineáris algebra. =0 iє{1,,n}
Matek A2 (Lineáris algebra) Felhasználtam a Szilágyi Brigittás órai jegyzeteket, néhol a Thomas féle Kalkulus III könyvet. A hibákért felelosséget nem vállalok. Hiányosságok vannak(1. órai lin algebrai
RészletesebbenM. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak!
Magyar Ifjúság 6 V SOROZATOK a) Három szám összege 76 E három számot tekinthetjük egy mértani sorozat három egymás után következő elemének vagy pedig egy számtani sorozat első, negyedik és hatodik elemének
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenOrtogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Eponenciális és Logaritmikus kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 6. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenMatematikai geodéziai számítások 8.
Matematikai geodéziai számítások 8 Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Matematikai geodéziai számítások 8: Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Lektor: Dr Benedek, Judit
RészletesebbenBevezetés az algebrába az egész számok 2
Bevezetés az algebrába az egész számok 2 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 2015. december
RészletesebbenProblémás regressziók
Universitas Eotvos Nominata 74 203-4 - II Problémás regressziók A közönséges (OLS) és a súlyozott (WLS) legkisebb négyzetes lineáris regresszió egy p- változós lineáris egyenletrendszer megoldása. Az egyenletrendszer
Részletesebbeny + a y + b y = r(x),
Definíció 1 A másodrendű, állandó együtthatós, lineáris differenciálegyenletek általános alakja y + a y + b y = r(x), ( ) ahol a és b valós számok, r(x) pedig adott függvény. Ha az r(x) függvény az azonosan
RészletesebbenNUMERIKUS MÓDSZEREK I. TÉTELEK
NUMERIKUS MÓDSZEREK I. TÉTELEK Szerkesztette: Balogh Tamás 014. január 19. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenNumerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
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
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 4-6. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebbenegyenlőtlenségnek kell teljesülnie.
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval
Részletesebben