Region in which λ(a) is included. Which region D brings good response?

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Region in which λ(a) is included. Which region D brings good response?"

Átírás

1 Region in which λ(a) is included Which region D brings good response? λ(a) D LHP 1 / 25

2 Positive-definite matrix symmetry matrix Q = Q T q1 q ex. Q = 3 q 3 q 2 eigenvalues of a symmetry matrix are real. λ(q) = {λ 1, λ 2 } λ 1 = 1 2 (q 1 + q 2 + D), λ 2 = 1 2 (q 1 + q 2 D) D := (q 1 q 2 ) 2 + 4q3 2 > 0 the eigenvectors are orthogonal. Qv i = λ i v i (i = 1, 2) q1 q v 1 = 2 + D q1 q, v 2 = 2 D 2q 3 2q 3 positive-definite matrix Q > 0 x 0 : x T Qx > 0 λ 1, λ 2 > 0 q 1 > 0, q 1 q 2 q3 2 > 0 semipositive-definite matrix Q 0 x 0 : x T Qx 0 λ 1 > 0, λ 2 = 0 q 1 > 0, q 1 q 2 q3 2 = 0 2 / 25

3 Shure complement P M M T < 0 Q P MQ 1 M T < 0, Q < 0 P < 0, Q M T P 1 M < 0 Proof P M } M T Q {{ } R I MQ 1 P MQ = M T 0 I 0 0 I 0 Q Q 1 M T I I 0 P 0 I P = M M T P 1 I 0 Q M T P 1 M 0 I }{{}}{{}}{{} T T S T x T Rx = x} T {{ T T } S }{{} Tx = y T Sy y T y x 0 : x T Rx < 0 y = Tx 0 : y T Sy < 0 3 / 25

4 Examples q1 q 3 q 3 q 2 q 1 q 4 q 6 q 4 q 2 q 5 q 6 q 5 q 3 q1 q 4 q 4 q 2 < 0 q 1 q 1 2 q2 3 < 0, q 2 < 0 < 0 q6 q 5 q 1 q q 4 q 2 q 5 6 q 5 q 3 q2 q q 1 < 0, 5 q 5 q 3 q1 q 4 q 4 q 2 q 1 < 0, q 2 q 1 1 q2 3 < 0 q3 1 q6 q 5 < 0, q3 < 0 1 q4 q2 q 5 q4 q 6 q 1 1 q 6 < 0, q 5 q 3 q4 q 6 < 0 < 0, q 3 q 6 q 5 q 1 q 4 q 4 q 2 1 q6 q 5 < 0 < 0 4 / 25

5 lmisolver in SCILAB problem formulation Minimize f {(X 1,, X n ) Gi (X subject to 1,, X n ) = 0 (i = 1,, p) H j (X 1,, X n ) > 0 (i = 1,, q) decision variables: X 1,, X n or X (:) objective function (linear function): OBJ ex. f (X 1,, X n ) = c 1 X c n X n constraint by linear matrix equality: LME ex. G(X 1,, X n ) = X X T constraint { by linear matrix inequality: LMI H1 (X ex. 1,, X n ) = X H 2 (X 1,, X n ) = XA A T X 5 / 25

6 LME cond. for λ(a) in LHP ẋ = Ax is asymptotically stable: (0) x(t) = exp(at)x(0) 0 (t ) equivalent condtion #1: (1) λ i λ(a) : Re(λ i ) < 0 equivalent condtion #2: (2) X > 0 : XA + A T X = P < 0 where X = 0 exp(a T t)p exp(at) dt > 0 equivalent condtion #3: (3) Y > 0 : AY + YA T = Q < 0 where Y = 0 exp(at)q exp(a T t) dt > 0 6 / 25

7 Proof (2) (1) Let Av = λv. v T (XA + A T X )v = v T X (λv) + (λ v T )Xv = (λ + λ )v T Xv = 2 Re(λ) v }{{}} T {{ Xv} < 0 <0 >0 (0) (2) XA + A T X = 0 exp(a T t)p exp(at) dt A + A T 0 exp(a T t)p exp(at) dt = { 0 exp(a T t)p d dt exp(at) + d dt exp(at t) P exp(at) } dt = d 0 dt exp(at t)p exp(at) dt = exp(a T t)p exp(at) 0 = exp(a T ) P exp(a ) exp(a T 0) P exp(a0) = P }{{}}{{}}{{}}{{} 0 T 0 I n I n 7 / 25

8 Proof (3) (1) Let A T w = λw. w T (AY + YA T )w = (λ w T )Yw + Y (λw) = (λ + λ )w T Yw = 2 Re(λ) w }{{}} T {{ Yw} < 0 <0 >0 (0) (3) AY + YA T = A 0 exp(at)q exp(a T t) dt + 0 exp(at)q exp(a T t) dt A T = { d 0 dt exp(at) Q exp(at t) + exp(at)q d dt exp(at t) } dt = d 0 dt exp(at)q exp(at t) dt = exp(at)q exp(a T t) 0 = exp(a ) Q exp(a ) exp(a0) P exp(a 0) = Q }{{}}{{}}{{}}{{} 0 T 0 I n I n 8 / 25

9 LMI cond. for λ(a) in D 1 λ(a) D 1 = {s = x + jy C : 2α + s + s < 0} X > 0 : 2αX + XA + A T X < 0 Y > 0 : 2αY + AY + YA T < 0 D 1 2α + s + s < 0 2α + (x + jy) + (x jy) < 0 x < α 9 / 25

10 Proof Let Av = λv. v T (2αX + XA + A T X )v = 2αv T Xv + v T X (λv) + (λ v T )Xv = (2α + λ + λ )v T Xv = 2 (α + Re(λ)) v }{{}} T {{ Xv} < 0 <0 >0 Let y = Xx. x T (2αX + XA + A T X )x < 0 ( x 0) x}{{} T X (2α X}{{} 1 +A X}{{} 1 + X}{{} 1 y T Y Y Y A T ) Xx }{{} y < 0 ( y 0) 10 / 25

11 Using SCILAB (analmi1.sce) function LME,LMI,OBJ=analmi1(XLIST) X=XLIST(:); LME=X-X ; LMI0=X; LMI1=-2*alpha*X-X*A-A *X; LMI=list(LMI0,LMI1); OBJ=; endfunction A=0 1;-1-2; alpha=0.5; //A=0 1;-1-2; alpha=1.5; //A=0 1;-1-1; alpha=0.3; Xinit=eye(2,2); XLIST0=list(Xinit); XLIST=lmisolver(XLIST0,analmi1); X=XLIST(:) 11 / 25

12 LMI cond. for λ(a) in D 2 r s λ(a) D 2 = {s = x + jy C : s r rx XA X > 0 : A T < 0 X rx ry AY Y > 0 : YA T < 0 ry < 0} D 2 r s s r < 0 ( r) s 1 ( r) s < 0, r < 0 r 2 (x + jy)(x jy) > 0 x 2 + y 2 < r 2 12 / 25

13 Proof Let Av = λv. v T 0 T rx XA 0 T v T A T X rx rv = T Xv v T X (λv) (λ v T )Xv rv T Xv r λ = λ v r } T {{ Xv} < 0 }{{} >0 <0 Let y 1 = Xx 1, y 2 = Xx 2. x T 1 x2 T rx XA A T X rx v 0 0 v x1 < 0 ( x x 1, x 2 0) 2 x1 T X x 2 T X rx 1 AX 1 Xx1 X 1 A T rx 1 < 0 Xx 2 y1 T y2 T ry AY y1 YA T < 0 ( y ry 1, y 2 0) y 2 13 / 25

14 Using SCILAB (analmi2.sce) function LME,LMI,OBJ=analmi2(XLIST) X=XLIST(:); LME=X-X ; LMI0=X; LMI2=--r*X X*A;A *X -r*x; LMI=list(LMI0,LMI2); OBJ=; endfunction A=0 1;-1-2; r=2; //A=0 1;-1-2; r=0.5; //A=0 1;-1-1; r=1; Xinit=eye(2,2); XLIST0=list(Xinit); XLIST=lmisolver(XLIST0,analmi2); 14 / 25

15 LMI cond. for λ(a) in D 3 sin θ cos θ sin θ λ(a) D 3 = {s = x + jy C : s + cos θ sin θ cos θ sin θ(xa + A T X ) cos θ(xa A T X ) X > 0 : cos θ(xa A T X ) sin θ(xa + A T < 0 X ) sin θ(ay + YA T ) cos θ(ay YA T ) Y > 0 : cos θ(ay YA T ) sin θ(ay + YA T < 0 ) D 3 T sin θ cos θ sin θ cos θ s + s < 0 cos θ sin θ cos θ sin θ (s + s ) sin θ (s s ) cos θ (s s ) cos θ (s + s < 0 ) sin θ 2x sin θ 2jy cos θ < 0 2jy cos θ 2x sin θ x sin θ jy cos θ 1 ( j)y cos θ < 0, x sin θ < 0 x sin θ x 2 sin 2 θ y 2 cos 2 θ > 0, x < 0 tan θ > y, x < 0 x cos θ sin θ T s < 0} 15 / 25

16 Proof = = Let Av = λv. v T 0 T sin θ(xa + A T X ) cos θ(xa A T X ) v 0 0 T v T cos θ(xa A T X ) sin θ(xa + A T X ) 0 v sin θ(v T X (λv) + (λ v T )Xv) cos θ(v T X (λv) (λ v T )Xv) cos θ(v T X (λv) (λ v T )Xv) sin θ(v T X (λv) + (λ v T )Xv) (λ + λ ) sin θ (λ λ ) cos θ (λ λ ) cos θ (λ + λ ) sin θ } v T {{ Xv } < 0 }{{} >0 <0 Let y 1 = Xx 1, y 2 = Xx 2. x T 1 x2 T sin θ(xa + A T X ) cos θ(xa A T X ) x1 cos θ(xa A T X ) sin θ(xa + A T < 0 ( x X ) x 1, x 2 0) 2 x1 T X x2 T X sin θ(ax 1 + X 1 A T ) cos θ(ax 1 X 1 A T ) Xx1 cos θ(ax 1 X 1 A T ) sin θ(ax 1 + X 1 A T < 0 ) Xx 2 y1 T y2 T sin θ(ay + YA T ) cos θ(ay YA T ) y1 cos θ(ay YA T ) sin θ(ay + YA T < 0 ( y 1, y 2 0) ) y 2 16 / 25

17 Using SCILAB (analmi3.sce) function LME,LMI,OBJ=analmi3(XLIST) X=XLIST(:); LME=X-X ; LMI0=X; LMI3=-sth*(X*A+A *X) cth*(x*a-a *X); -cth*(x*a-a *X) sth*(x*a+a *X); LMI=list(LMI0,LMI3) OBJ=; endfunction A=0 1;-1-2; th=pi/4; sth=sin(th); cth=cos(th); //A=0 1;-1-1; th=pi/4; sth=sin(th); cth=cos(th); //A=0 1;-1-1; th=pi/2; sth=sin(th); cth=cos(th); Xinit=eye(2,2); XLIST0=list(Xinit); XLIST=lmisolver(XLIST0,analmi3); X=XLIST(:) 17 / 25

18 LMI cond. for λ(a) in D = D 1 D 2 D 3 λ(a) D = D 1 D 2 D 3 X > 0 : 2αX + XA + A T X < 0 rx XA A T < 0 X rx sin θ(xa + A T X ) cos θ(xa A T X ) cos θ(xa A T X ) sin θ(xa + A T < 0 X ) Y > 0 : 2αY + AY + YA T < 0 ry AY YA T < 0 ry sin θ(ay + YA T ) cos θ(ay YA T ) cos θ(ay YA T ) sin θ(ay + YA T < 0 ) 18 / 25

19 Using SCILAB (analmi4.sce) function LME,LMI,OBJ=analmi123(XLIST) X=XLIST(:); LME=X-X ; LMI0=X; LMI1=-2*alpha*X-X*A-A *X; LMI2=--r*X X*A;A *X -r*x; LMI3=-sth*(X*A+A *X) cth*(x*a-a *X); -cth*(x*a-a *X) sth*(x*a+a *X); LMI=list(LMI0,LMI1,LMI2,LMI3) OBJ=; endfunction A=0 1;-1-2; alpha=0.5; r=2; th=//a=0 1;-1-1; alpha=0.25; r=2; th=//a=0 1;-1-1; alpha=0.25; r=2; th=xlist0=list(xinit); XLIST=lmisolver(XLIST0,analmi123); X=XLIST(:) 19 / 25

20 Kronecker Product Kronecker product: A B a11 a ex. A = 12 a 21 a 22 a11 B a A B = 12 B a 21 B a 22 B mixed-product property (A C)(B D) = (AB) (CD) 20 / 25

21 LMI cond. for D λ(a) D = {s C : Φ + Θs + Θ T s < 0} X > 0 : Φ X + Θ (XA) + Θ T (A T X ) < 0 Y > 0 : Φ Y + Θ (AY ) + Θ T (YA T ) < 0 Let Av = λv. (I n v T ){Φ X + Θ (XA) + Θ T (A T X )}(I n v) = Φ v T Xv + Θ v T XAv + Θ T v T A T Xv = Φ v T Xv + Θ v T X (λv) + Θ T (λ v T )Xv = (Φ + λθ + λ Θ T ) (v T Xv) < 0 }{{}}{{} <0 >0 21 / 25

22 Problem LEC03 (1) Derive an LMI equvalent to the following. λ(a) D = {s = x + jy C : x 2 a 2 + y 2 b 2 < 1} Develope an program to check the above condition for given a matirx A with constants a, b. 0 1 ex. A = with a = 2, b = / 25

23 Problem LEC03 (2) Derive an LMI equvalent to the following. λ(a) D = {s = x + jy C : x 2 a 2 y 2 > 1, x < a} b2 Develope an program to check the above condition for given a matirx A with constants a, b. 0 1 ex. A = with a = 0.5, b = / 25

24 Hint (1) x2 + y 2 a 2 b 2 < 1 ( s+s ) 2 2 a 2 + ( s s ) 2j 2 < 1 b 2 b 2 (s + s ) 2 a 2 (s s ) 2 < 4a 2 b 2 (b(s + s ) + a(s s ))(b(s + s ) a(s s )) < 4a 2 b 2 4a 2 b 2 + ((b + a)s + (b a)s ))((b a)s + (b + a)s )) < 0 4a 2 b 2 (b + a)s + (b a)s (b a)s + (b + a)s < / 25

25 Hint (2) x 2 a y 2 > 1, x < a ( s+s ) 2 2 ( s s ) 2 2j s + s > 1, < a 2 b2 a 2 b 2 2 b 2 (s + s ) 2 + a 2 (s s ) 2 > 4a 2 b 2, s + s + 2a < 0 b 2 (s + s + 2a)(s + s 2a) + a 2 (s s ) 2 > 0, s + s + 2a < 0 b(s + s 2a) a2 (s s ) 2 b(s + s + 2a) < 0, b(s + s + 2a) < 0 b(s + s + 2a) a(s s ) a(s s ) b(s + s < 0 2a) 25 / 25

Számítógéppel irányított rendszerek elmélete. Gyakorlat - Mintavételezés, DT-LTI rendszermodellek

Számítógéppel irányított rendszerek elmélete. Gyakorlat - Mintavételezés, DT-LTI rendszermodellek Számítógéppel irányított rendszerek elmélete Gyakorlat - Mintavételezés, DT-LTI rendszermodellek Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék e-mail: hangos.katalin@virt.uni-pannon.hu

Részletesebben

differenciálegyenletek

differenciálegyenletek Állandó együtthatójú lineáris homogén differenciálegyenletek L[y] = y (n) + a 1y (n 1) + + a ny = 0 a i R (1) a valós, állandó együtthatójú lineáris homogén n-ed rendű differenciálegyenlet Megoldását y

Részletesebben

A gyakorlati jegy

A gyakorlati jegy . Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció

Részletesebben

λx 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)

λx 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

Részletesebben

Matematika példatár 4.

Matematika példatár 4. Matematika példatár 4 Integrálszámítás szabályai és Csabina, Zoltánné Created by XMLmind XSL-FO Converter Matematika példatár 4: Integrálszámítás szabályai és Csabina, Zoltánné Lektor: Vígné dr Lencsés,

Részletesebben

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax) III Az exp (Ax mátrixfüggvény módszere Ha y = ay, y( = y, a = állandó y = y exp (ax d dx [exp (Ax] = Y = AY, Y ( = Y, Y (x = exp (AxY exp (Ax = I + n= A n x n (n! = A A n x n, n! ] A n x n I + = A exp

Részletesebben

Lineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság

Lineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság 1. Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció

Részletesebben

Local fluctuations of critical Mandelbrot cascades. Konrad Kolesko

Local fluctuations of critical Mandelbrot cascades. Konrad Kolesko Local fluctuations of critical Mandelbrot cascades Konrad Kolesko joint with D. Buraczewski and P. Dyszewski Warwick, 18-22 May, 2015 Random measures µ µ 1 µ 2 For given random variables X 1, X 2 s.t.

Részletesebben

1. Bázistranszformáció

1. 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

Részletesebben

Numerikus módszerek 1.

Numerikus 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

Részletesebben

i=1 λ iv i = 0 előállítása, melynél valamelyik λ i

i=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,

Részletesebben

Számítógép-vezérelt szabályozás- és irányításelmélet

Számítógép-vezérelt szabályozás- és irányításelmélet Számítógép-vezérelt szabályozás- és irányításelmélet 2. gyakorlat Feladattípusok két függvény konvolúciója ÿ + aẏ + by = e at, y(), ẏ() típusú kezdetiérték feladatok megoldása (Laplace transzformációval)

Részletesebben

Mátrixok 2017 Mátrixok

Mátrixok 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

Részletesebben

3. előadás Stabilitás

3. előadás Stabilitás Stabilitás 3. előadás 2011. 09. 19. Alapfogalmak Tekintsük dx dt = f (t, x), x(t 0) = x 0 t (, ), (1) Jelölje t x(t; t 0, x 0 ) vagy x(.; t 0, x 0 ) a KÉF megoldását. Kívánalom: kezdeti állapot kis megváltozása

Részletesebben

"Flat" rendszerek. definíciók, példák, alkalmazások

Flat rendszerek. definíciók, példák, alkalmazások "Flat" rendszerek definíciók, példák, alkalmazások Hangos Katalin, Szederkényi Gábor szeder@scl.sztaki.hu, hangos@scl.sztaki.hu 2006. október 18. flatness - p. 1/26 FLAT RENDSZEREK: Elméleti alapok 2006.

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

y + a y + b y = r(x),

y + 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

Részletesebben

Az elméleti mechanika alapjai

Az elméleti mechanika alapjai Az elméleti mechanika alapjai Tömegpont, a továbbiakban részecske. A jelenségeket a háromdimenziós térben és időben játszódnak le: r helyzetvektor v dr dt ṙ, a dr dt r a részecske sebessége illetve gyorsulása.

Részletesebben

On The Number Of Slim Semimodular Lattices

On The Number Of Slim Semimodular Lattices On The Number Of Slim Semimodular Lattices Gábor Czédli, Tamás Dékány, László Ozsvárt, Nóra Szakács, Balázs Udvari Bolyai Institute, University of Szeged Conference on Universal Algebra and Lattice Theory

Részletesebben

10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak

10. 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:

Részletesebben

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER 2004. október 15. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják

Részletesebben

1. Lineáris leképezések

1. Lineáris leképezések Lineáris leképezések A lineáris leképezés fogalma Definíció (F5 Definíció) Legenek V és W vektorterek UGYANAZON T test fölött Az A : V W lineáris leképezés, ha összegtartó, azaz v,v 2 V esetén A(v +v 2

Részletesebben

Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz

Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Kvantumkapuk, áramkörök 2016. március 3. A kvantummechanika posztulátumai (1-2) 1. Állapotleírás Zárt fizikai rendszer aktuális állapota

Részletesebben

Boros Zoltán február

Boros Zoltán február Többváltozós függvények differenciál- és integrálszámítása (2 3. előadás) Boros Zoltán 209. február 9 26.. Vektorváltozós függvények differenciálhatósága és iránymenti deriváltjai A továbbiakban D R n

Részletesebben

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges

Részletesebben

Polinomok maradékos osztása

Polinomok maradékos osztása 14. előadás: Racionális törtfüggvények integrálása Szabó Szilárd Polinomok maradékos osztása Legyenek P, Q valós együtthatós polinomok valamely x határozatlanban. Feltesszük, hogy deg(q) > 0. Tétel Létezik

Részletesebben

7. Oldjuk meg az alábbi kezdetiérték-problémát: y x y = 6x, y(0) =

7. Oldjuk meg az alábbi kezdetiérték-problémát: y x y = 6x, y(0) = . feladatsor: szeparábilis és els rend lineáris dierenciálegyenletek x. Mutassuk meg, hogy y = e x e t2 dt + 3e x megoldása az alábbi dierenciálegyenletnek: y y = e x+x2. 2. Adjuk meg az y = e 3x + 2x

Részletesebben

Tartalom. 1. Állapotegyenletek megoldása 2. Állapot visszacsatolás (pólusallokáció)

Tartalom. 1. Állapotegyenletek megoldása 2. Állapot visszacsatolás (pólusallokáció) Tartalom 1. Állapotegyenletek megoldása 2. Állapot visszacsatolás (pólusallokáció) 2015 1 Állapotgyenletek megoldása Tekintsük az ẋ(t) = ax(t), x(0) = 1 differenciálegyenletet. Ismert, hogy a megoldás

Részletesebben

9. Írjuk fel annak a síknak az egyenletét, amely átmegy az M 0(1, 2, 3) ponton és. egyenessel;

9. Írjuk fel annak a síknak az egyenletét, amely átmegy az M 0(1, 2, 3) ponton és. egyenessel; Síkok és egyenesek FELADATLAP Írjuk fel annak az egyenesnek az egyenletét, amely átmegy az M 0(,, ) ponton és a) az M(,, 0) ponton; b) párhuzamos a d(,, 5) vektorral; c) merőleges a x y + z 0 = 0 síkra;

Részletesebben

sorozat CD4 Katalógus füzetek

sorozat CD4 Katalógus füzetek sorozat CD4 Katalógus füzetek Bosch Rexroth AG Pneumatics sorozat CD4 3/2 szelep, sorozat CD4 Qn = 900 l/min, Menetes csatlakozás G1/8, egyoldali működtetésű, elektromos csatlakozóhoz, B-forma 3 5/2 szelep,

Részletesebben

Megoldások. 2001. augusztus 8.

Megoldások. 2001. augusztus 8. Megoldások 2001. augusztus 8. 1 1. El zetes tudnivalók a különböz matematikai logikai nyelvekr l 1.1. (a) Igen (b) Igen (c) Nem, mert nem kijelent mondat. (d) Nem fejez ki önmagában állítást. "Ádám azt

Részletesebben

ü ü É É Ý ć ô ś ę ż É ň ćň É ŚŚ ż ś ń Ý Ď ź ż Ä Ä Ä É Ś Ś Ś đ Ś Ś ô ś ô ś ś ę ę ę ś ň ż ö ö ť ö đ ź Ś Ś đ śś ś ż đ ś Ő Ő ę ô ú ö Ő š đ ö Ú É É É É đś ô ť ď ę ö ď ö Ű É É É É đ đě üť ö Ő ô ö đ Ý Ś Ú É

Részletesebben

MateFIZIKA: Pörgés, forgás, csavarodás (Vektorok és axiálvektorok a fizikában)

MateFIZIKA: Pörgés, forgás, csavarodás (Vektorok és axiálvektorok a fizikában) MateFIZIKA: Pörgés, forgás, csavarodás (Vektorok és axiálvektorok a fizikában) Tasnádi Tamás 1 2015. április 17. 1 BME, Mat. Int., Analízis Tsz. Tartalom Vektorok és axiálvektorok Forgómozgás, pörgettyűk

Részletesebben

Unification of functional renormalization group equations

Unification of functional renormalization group equations Unification of functional renormalization group equations István Nándori MTA-DE Részecsefiziai Kutatócsoport, MTA-Atomi, Debrecen MTA-DE Részecsefiziai Kutatócsoport és a ATOMKI Rács-QCD Lendület Kutatócsoport

Részletesebben

1. Transzformációk mátrixa

1. Transzformációk mátrixa 1 Transzformáiók mátrixa Lineáris transzformáiók Definíió T test Az A : T n T n függvény lineáris transzformáió, ha tetszőleges v,w T n vektorra és λ skalárra teljesül, hogy A(v + w) A(v) + A(w) és A(λv)

Részletesebben

Differenciálegyenletek Oktatási segédanyag

Differenciálegyenletek Oktatási segédanyag VIK, Műszaki Informatika ANALÍZIS (2) Differenciálegyenletek Oktatási segédanyag A Villamosmérnöki és Informatikai Kar műszaki informatikus hallgatóinak tartott előadásai alapján összeállította: Fritz

Részletesebben

Analízisfeladat-gyűjtemény IV.

Analízisfeladat-gyűjtemény IV. Oktatási segédanyag a Programtervező matematikus szak Analízis. című tantárgyához (003 004. tanév tavaszi félév) Analízisfeladat-gyűjtemény IV. (Függvények határértéke és folytonossága) Összeállította

Részletesebben

92 MAM143A előadásjegyzet, 2008/2009. x = f(t,x). x = f(x), (6.1)

92 MAM143A előadásjegyzet, 2008/2009. x = f(t,x). x = f(x), (6.1) 9 MAM43A előadásjegyzet, 8/9 6. Stabilitáselmélet 6.. Autonóm nemlineáris rendszerek Legyen f : R R n R n. Ekkor az általános elsőrendű explicit nemlineáris differenciálegyenletrendszer alakja x = f(t,x.

Részletesebben

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

Kvadratikus 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,

Részletesebben

Kalkulus 2., Matematika BSc 1. Házi feladat

Kalkulus 2., Matematika BSc 1. Házi feladat . Házi feladat Beadási határidő: 07.0.. Jelölések x = (x,..., x n, y = (y,..., y n, z = (z,..., z n R n esetén. x, y = n i= x iy i, skalárszorzat R n -ben. d(x, y = x y = n i= (x i y i, metrika R n -ben

Részletesebben

C qe.rrrc ocboeitur t BHelpettrr leps,qoboro orerlecrbehhofo u. 09 yrbepx\aehhh fljrahob oopa3obatenbhbix MepoIIpHtTr{fi u otokhpobok 3a pyoexom

C qe.rrrc ocboeitur t BHelpettrr leps,qoboro orerlecrbehhofo u. 09 yrbepx\aehhh fljrahob oopa3obatenbhbix MepoIIpHtTr{fi u otokhpobok 3a pyoexom MHCTSPCTBA APXT3KTYP5 YAAYTBA P3CYSJO EJAPYCb MECTEPCTBO APXATETT}?b N CTPOTEJBCTBA PEC$'6JK{ DEAPYCb 3ATAA l9.hgpq 2018r. r 10 r Mitc( NP]{(A3 r. MrBc( 09 yrbepx\aehhh fljrhb p3btenbhbx MeppHtTr{fi u

Részletesebben

Baran Ágnes, Burai Pál, Noszály Csaba. Gyakorlat Differenciálegyenletek

Baran Ágnes, Burai Pál, Noszály Csaba. Gyakorlat Differenciálegyenletek Matematika Mérnököknek 2. Baran Ágnes, Burai Pál, Noszály Csaba Gyakorlat Differenciálegyenletek Baran Ágnes, Burai Pál, Noszály Csaba Matematika Mérnököknek 2. 1.-2. Gyakorlat 1 / 42 Numerikus differenciálás

Részletesebben

Gyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz

Gyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz Gyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz Vas Gabriella 204. február A feladatgy jtemény a TÁMOP-4.2.4.A/2-/-202-000 azonosító számú Nemzeti Kiválóság Program Hazai hallgatói, illetve

Részletesebben

Rácsok Exkluzív széria

Rácsok Exkluzív széria Rácsok Exkluzív széria átmérő jellemző Megnevezés a b x y NA háló zárható Nettó ár Bruttó ár TX1 150 150 190 190 x 680 Ft 864 Ft TX2 150 150 190 190 x x 772 Ft 980 Ft TX3 150 220 190 260 x 770 Ft 978 Ft

Részletesebben

TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN

TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN Mályusz Levente ELŐZMÉNYEK 1 Tanulási görbe T.P. Wright 1936; Repülőgép alkatrészeket gyártó vállalatnál végezte kísérleteit Alapelv: Az ismétlődő munkát végző ember a betanulás

Részletesebben

Vektorok és koordinátageometria

Vektorok és koordinátageometria Vektorok és koordinátageometria Vektorral kapcsolatos alapfogalmak http://zanza.tv/matematika/geometria/vektorok-bevezetese Definíció: Ha egy szakasz két végpontját megkülönböztetjük egymástól oly módon,

Részletesebben

Nemzeti versenyek 11 12. évfolyam

Nemzeti versenyek 11 12. évfolyam Nemzeti versenyek 11 12. évfolyam Szerkesztette: I. N. Szergejeva 2015. február 2. Technikai munkák (MatKönyv project, TEX programozás, PHP programozás, tördelés...) Dénes Balázs, Grósz Dániel, Hraskó

Részletesebben

Saj at ert ek-probl em ak febru ar 26.

Saj 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

Részletesebben

TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN

TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN Mályusz Levente ELŐZMÉNYEK 1 A tanulási görbét először egy 19 századi pszichológus Hermann Ebbinghaus írta le. Azt vizsgálta, hogy milyen gyorsan memorizál valaki különböző

Részletesebben

Computer controlled systems

Computer controlled systems Computer controlled systems Lecture version: 8... :5:55. Mathematical summary.. Abelian group. Group (H, + set H, and an operation defined on H: + closure for any a and b in H their sum a + b is also an

Részletesebben

Fiznum második rész hosszabb feladatsor. Pál Bernadett. Határozzuk meg a 13. feladatban szereplő rendszer sajátfrekvenciáit!

Fiznum második rész hosszabb feladatsor. Pál Bernadett. Határozzuk meg a 13. feladatban szereplő rendszer sajátfrekvenciáit! Fiznum második rész Pál Bernadett 1. 1. hosszabb feladatsor 15 Határozzuk meg a 13. feladatban szereplő rszer sajátfrekvenciáit! Kiszámoljuk a mátrixot. ábra az első feladatsorban. mẍ 1 = D(x 2 x 1 ) +

Részletesebben

Diplomaterv. Neu Gergely 2008.

Diplomaterv. Neu Gergely 2008. Diplomaterv Neu Gergely 2008. Nyilatkozat Alulírott Neu Gergely, a Budapesti Műszaki és Gazdaságtudományi Egyetem hallgatója kijelentem, hogy ezt a diplomatervet meg nem engedett segítség nélkül, saját

Részletesebben

A tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat

A tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és

Részletesebben

X Physique MP 2013 Énoncé 2/7

X Physique MP 2013 Énoncé 2/7 X Physique MP 2013 Énoncé 1/7 P P P P P ré r s t s t s tr s st s t r sé r tt é r s t t r r q r s t 1 rés t ts s t s ér q s q s s ts t r t t r t rô rt t s r 1 s2stè s 2s q s t q s t s q s s s s 3 é tr s

Részletesebben

1. Bevezetés A félév anyaga. Lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

Construction of a cube given with its centre and a sideline

Construction of a cube given with its centre and a sideline Transformation of a plane of projection Construction of a cube given with its centre and a sideline Exercise. Given the center O and a sideline e of a cube, where e is a vertical line. Construct the projections

Részletesebben

VÁLASZLAP ..BF.. KockaKobak Országos Matematikaverseny MINTA 2012. Kezdő feladat: KockaKobak Országos Matematikaverseny MINTA 2012.

VÁLASZLAP ..BF.. KockaKobak Országos Matematikaverseny MINTA 2012. Kezdő feladat: KockaKobak Országos Matematikaverseny MINTA 2012. ..BF.. 1. AZ CP OJ VZ 2. DT ID WR ZX 3. AT ER NX RD 4. KF NF TF XJ 5. CV HF LD TL 6. MB SZ XD ZF 7. GB JH NL SB 8. FJ OD OP XP 9. FP PB RP WL 10. IP MH TX WX 11. BX JZ QL YB 12. HX KL MZ ST 13. FV JT VN

Részletesebben

Lineáris algebra Gyakorló feladatok

Lineáris 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

Részletesebben

Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9. el?

Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9. el? Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9. el?adás Szederkényi Gábor Pázmány Péter Katolikus Egyetem Információs

Részletesebben

Határozatlan integrál

Határozatlan integrál Határozatlan integrál Boros Zoltán Debreceni Egyetem, TTK Matematikai Intézet, Anaĺızis Tanszék Debrecen, 207. február 20 27. Primitív függvény, határozatlan integrál A továbbiakban legyen I R intervallum.

Részletesebben

On Statistical Problems of Discrete and Continuous Time Autoregressive Processes

On Statistical Problems of Discrete and Continuous Time Autoregressive Processes 2 On Statistical Problems of Discrete and Continuous Time Autoregressive Processes Katalin Varga Institute of Mathematics and Informatics University of Debrecen, Hungary 23 Tutor: Gyula Pap 2 Ezen érteezést

Részletesebben

(x + 1) sh x) (x 2 4) = cos(x 2 ) 2x, e cos x = e

(x + 1) sh x) (x 2 4) = cos(x 2 ) 2x, e cos x = e Az. gyakorlat HF-inak megoldása. Deriváljuk az alábbi függvényeket. sin x cos x = cos x sin x, x ln x = x / ln x + x x x, x x = x / = x/ = = e x cos x+e x sin x e x cos x cos x, x sin x ln x = + x x, x

Részletesebben

sorozat 563 018, 563 131 Katalógus füzetek

sorozat 563 018, 563 131 Katalógus füzetek sorozat 563 018, 563 131 Katalógus füzetek Bosch Rexroth AG Pneumatics sorozat 563 018, 563 131 4/2 szelep, sorozat 563 018 Qn = 300 l/min, Menetes csatlakozás G1/8, önálló és kapcsolótáblás beszereléshez

Részletesebben

Programok értelmezése

Programok értelmezése Programok értelmezése Kód visszafejtés. Izsó Tamás 2016. szeptember 22. Izsó Tamás Programok értelmezése/ 1 Section 1 Programok értelmezése Izsó Tamás Programok értelmezése/ 2 programok szemantika értelmezése

Részletesebben

!"# "#$# %&' $& ( )* "&+ &)" ) % AB &)" % ) ; +3, a ( O () Ga*+,-./012 I "9 * & X O "9 3 & * 1 >?:; : 6 "9 * T: :;K "9 & * 1 T: ; " D>] 9S

!# #$# %&' $& ( )* &+ &) ) % AB &) % ) ; +3, a ( O () Ga*+,-./012 I 9 * & X O 9 3 & * 1 >?:; : 6 9 * T: :;K 9 & * 1 T: ;  D>] 9S !"#"#$# %&'$& ()*"&+ &)") % AB &)" % );+3, a( O () Ga*+,-./012I7234 "9*& XO "9 3 *1 >?:;:6"9*1*@;T::;K "9 *1T:; "D>]9SRO+5;&1CQ>?:;236* >?VVW4 2 171>R:3,+8T:` DEX:& XO "9 *6[ZT:Z1X!" :*XO T:` 4 `a 3 &*&&R

Részletesebben

1. Diagonalizálás. A Hom(V) diagonalizálható, ha van olyan bázis, amelyben A mátrixa diagonális. A diagonalizálható van sajátvektorokból álló bázis.

1. 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

Részletesebben

STOCHASTIC LOT SIZING PROBLEMS UNDER MONOPOLY

STOCHASTIC LOT SIZING PROBLEMS UNDER MONOPOLY STOCHASTIC LOT SIZING PROBLEMS UNDER MONOPOLY a thesis submitted to the department of industrial engineering and the institute of engineering and science of bilkent university in partial fulfillment of

Részletesebben

Hangtompítók, Sorozat SI1. Katalógus füzetek

Hangtompítók, Sorozat SI1. Katalógus füzetek Katalógus füzetek Bosch Rexroth AG Pneumatics Menetes csatlakozás, szinterbronz 3 szinterbronz, csőcsonkkal 4 Menetes csatlakozás, szinterbronz, szűrőfunkcióval 5 Menetes csatlakozás, szinterbronz, szűrőfunkcióval

Részletesebben

Kettős integrál Hármas integrál. Többes integrálok. Sáfár Orsolya május 13.

Kettős integrál Hármas integrál. Többes integrálok. Sáfár Orsolya május 13. 2015 május 13. Kétváltozós függvény kettősintegráljának definíciója Legyen f (x, y), R 2 R korlátos függvény egy T korlátos és mérhető területű tartományon. Vegyük a T tartomány egy felosztását T 1, T

Részletesebben

6. feladatsor: Inhomogén lineáris differenciálegyenletek (megoldás)

6. feladatsor: Inhomogén lineáris differenciálegyenletek (megoldás) Matematika Ac gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 017/18 ősz 6. feladatsor: Inhomogén lineáris differenciálegyenletek (megoldás) 1. Írjunk fel egy olyan legalacsonyabbrendű valós,

Részletesebben

Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE

Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel Ábele-Nagy Kristóf BCE, ELTE Bozóki Sándor BCE, MTA SZTAKI 2010. november 4. Nem teljesen kitöltött páros

Részletesebben

Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához

Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához Dr. Nagy Gábor, Geometria Tanszék 2010. szeptember 16. Görbék paraméterezése 1. feladat. (A) Bizonyítsuk be a vektoriális szorzatra vonatkozó

Részletesebben

Matematika (mesterképzés)

Matematika (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,

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus folyamatok alapfogalmak Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos

Részletesebben

1. Az euklideszi terek geometriája

1. Az euklideszi terek geometriája 1. Az euklideszi terek geometriája Bázishoz tartozó skaláris szorzat Emékeztető Az R n vektortérbeli v = λ 2... és w = λ 1 λ n µ 1 µ 2... µ n λ 1 µ 1 +λ 2 µ 2 +...+λ n µ n. Jele v,w. v,w = v T u, azaz

Részletesebben

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31 Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós

Részletesebben

Egyszabadságfokú grejesztett csillapított lengõrendszer vizsgálata

Egyszabadságfokú grejesztett csillapított lengõrendszer vizsgálata Egyszabadságfokú grejesztett csillapított lengõrendszer vizsgálata Referencia egyenlet x D Α x Α x x 0 Α sin Ω t req t,t x t D Α t x t Α x t x 0 Α Sin Ω t Α x t D Α x t x t Α Sin t Ω x 0 Homogén rész megoldása

Részletesebben

Hajder Levente 2017/2018. II. félév

Hajder Levente 2017/2018. II. félév Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2017/2018. II. félév Tartalom 1 2 3 Geometriai modellezés feladata A világunkat modellezni kell a térben. Valamilyen koordinátarendszer

Részletesebben

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek 7 Elsőrendű lineáris differenciálegyenlet-rendszerek Legyen n N, I R intervallum és A: I M n n (R), B: I R n folytonos függvények, és tekintsük az { y (x) = A(x)y(x) + B(x) y(ξ) = η kezdeti érték problémát,

Részletesebben

Irányítástechnika GÁSPÁR PÉTER. Prof. BOKOR JÓZSEF útmutatásai alapján

Irányítástechnika GÁSPÁR PÉTER. Prof. BOKOR JÓZSEF útmutatásai alapján Irányítástechnika GÁSPÁR PÉTER Prof. BOKOR JÓZSEF útmutatásai alapján Irányítástechnika rendszerek Irányítástechnika Budapest, 2008 2 Az előadás felépítése 1. 2. 3. 4. Irányítástechnika Budapest, 2008

Részletesebben

Dependency preservation

Dependency preservation Adatbázis-kezelés. (4 előadás: Relácó felbontásai (dekomponálás)) 1 Getting lossless decomposition is necessary. But of course, we also want to keep dependencies, since losing a dependency means, that

Részletesebben

Érvényes 2015. március 1-től visszavonásig. Grundfos 2015. évi árlista. A műszaki változtatás jogát fenntartjuk

Érvényes 2015. március 1-től visszavonásig. Grundfos 2015. évi árlista. A műszaki változtatás jogát fenntartjuk Érvényes 2015. március 1-től visszavonásig Grundfos 2015. évi árlista A műszaki változtatás jogát fenntartjuk Cikkszám Megnevezés Listaár, EUR (ÁFA nélkül) Engedmény kód 97704990 ALPHA2 25-401801x230V

Részletesebben

Számítógépes geometria

Számítógépes geometria 2011 sz A grakus szállítószalag terv a geometriai (matematikai) modell megalkotása modelltranszformáció (3D 3D) vetítés (3D 2D) képtranszformáció (2D 2D)... raszterizáció A grakus szállítószalag: koncepció

Részletesebben

1. Sajátérték és sajátvektor

1. Sajátérték és sajátvektor 1. Sajátérték és sajátvektor Leképezés diagoális mátrixa. Kérdés Mely bázisba lesz egy traszformáció mátrixa diagoális? A Hom(V) és b 1,...,b ilye bázis. Ha [A] b,b főátlójába λ 1,...,λ áll, akkor A(b

Részletesebben

Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9.

Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9. Számítógépvezérelt irányítás és szabályozás elmélete (Bevezetés a rendszer- és irányításelméletbe, Computer Controlled Systems) 9. előadás Szederkényi Gábor Pázmány Péter Katolikus Egyetem Információs

Részletesebben

x = cos αx sin αy y = sin αx + cos αy 2. Mi a X/Y/Z tengely körüli forgatás transzformációs mátrixa 3D-ben?

x = cos αx sin αy y = sin αx + cos αy 2. Mi a X/Y/Z tengely körüli forgatás transzformációs mátrixa 3D-ben? . Mi az (x, y) koordinátákkal megadott pont elforgatás uténi két koordinátája, ha α szöggel forgatunk az origó körül? x = cos αx sin αy y = sin αx + cos αy 2. Mi a X/Y/Z tengely körüli forgatás transzformációs

Részletesebben

Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit

Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit 1. A térbeli irányított szakaszokat vektoroknak hívjuk. Két vektort egyenlőnek tekintünk, ha párhuzamos eltolással fedésbe hozhatók.

Részletesebben

5.1. Autonóm nemlineáris rendszerek

5.1. Autonóm nemlineáris rendszerek 5. Stabilitáselmélet 87 5. Stabilitáselmélet 5.1. Autonóm nemlineáris rendszerek Legyen f : R R n R n. Ekkor az általános elsőrendű explicit nemlineáris differenciálegyenletrendszer alakja x = f(t,x).

Részletesebben

Ez a fejezet az eddig tanult lineáris algebra tananyag alkalmazásaként megmutatja,

Ez a fejezet az eddig tanult lineáris algebra tananyag alkalmazásaként megmutatja, 8 Fejezet Differenciálszámítás Ez a fejezet az eddig tanult lineáris algebra tananyag alkalmazásaként megmutatja, hogy hogyan vihető át a derivált fogalma többváltozós függvényekre Látni fogjuk, hogy a

Részletesebben

Bevezetés az állapottér elméletbe: Állapottér reprezentációk

Bevezetés az állapottér elméletbe: Állapottér reprezentációk Tartalom Bevezetés az állapottér elméletbe: Állapottér reprezentációk vizsgálata 1. Példa az állapottér reprezentációk megválasztására 2. Átviteli függvény és állapottér reprezentációk közötti kapcsolatok

Részletesebben

Áttekintés a felhasznált lineáris algebrai ismeretekről.

Áttekintés a felhasznált lineáris algebrai ismeretekről. Kiegészítés az előadássorozathoz. Áttekintés a felhasznált lineáris algebrai ismeretekről. A valószínűségszámítás (és a matematika) bizonyos kérdéseiben fontos szerepet játszik a lineáris algebra néhány

Részletesebben

Differenciálegyenletek december 13.

Differenciálegyenletek december 13. Differenciálegyenletek 2018. december 13. Elsőrendű DE Definíció. Az elsőrendű differenciálegyenlet általános alakja y = f (x, y), ahol f (x, y) adott kétváltozós függvény. Minden y = y(x) függvény, amire

Részletesebben

Lecture 11: Genetic Algorithms

Lecture 11: Genetic Algorithms Lecture 11 1 Linear and Combinatorial Optimization Lecture 11: Genetic Algorithms Genetic Algorithms - idea Genetic Algorithms - implementation and examples Lecture 11 2 Genetic algorithms Algorithm is

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance

Részletesebben

Molnár Bence. 1.Tétel: Intervallumon értelmezett folytonos függvény értékkészlete intervallum. 0,ami ellentmondás uis. f (x n ) f (y n ) ε > 0

Molnár Bence. 1.Tétel: Intervallumon értelmezett folytonos függvény értékkészlete intervallum. 0,ami ellentmondás uis. f (x n ) f (y n ) ε > 0 Anlízis. Írásbeli tételek-bizonyítások Molnár Bence 1.Tétel: Intervllumon értelmezett folytonos függvény értékkészlete intervllum Legyen I R tetszőleges intervllum és f I R folytonos függvény R f intervllum

Részletesebben

Sorozat 550. Katalógus füzetek

Sorozat 550. Katalógus füzetek Sorozat 550 Katalógus füzetek Bosch Rexroth AG Pneumatics Sorozat 550 3/2 szelep, sorozat 550 3 Tartozékok 3/2 szelep, sorozat 550 7 Bosch Rexroth AG Pneumatics 3 Mechanikus működtetésű szelepek P550_001

Részletesebben

4. feladatsor Mátrixok

4. feladatsor Mátrixok 4 feladatsor Mátrixok 41 Feladat Döntse el, hogy igazak-e az alábbi állítások, és döntését röviden indokolja: (a) n i=1 i = 1 i n i (b) 1 i>n 1 = 1 minden n pozitív egészre; (c) n i i=1 j=1 (i j) = n j

Részletesebben

Kamatlábmodellek statisztikai vizsgálata. Statistical Inference of Interest Rate Models. Fülöp Erika

Kamatlábmodellek statisztikai vizsgálata. Statistical Inference of Interest Rate Models. Fülöp Erika Egyetemi doktori (PhD) értekezés tézisei Kamatlábmodellek statisztikai vizsgálata Statistical Inference of Interest Rate Models Fülöp Erika Témavezet : Dr. Pap Gyula Debreceni Egyetem Matematika és Számítástudományok

Részletesebben