Szinguláris érték felbontás Singular Value Decomposition
|
|
|
- Tibor Kocsis
- 4 évvel ezelőtt
- Látták:
Átírás
1 Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban ortogonális és Σ R m n valós, nem-negatív elemű diagonális mátrix, hogy (valós mátrix esetén V van adjungált helyett UΣV H.. Tétel (szinguláris felbontás. Legyen A C m n mátrix melynek rangja k min(m, n, ekkor léteznek u i C m és v i C n vektorok és σ i nem-negatív valós számok i... k-ig úgy, hogy k σ i u i v H i i Ahol u i vektorok, az A mátrix bal-szinguláris vektorai, ortonormált rendszert alkotnak, v i a jobb-szinguláris vektorok és ezek is ortonormált rendszert alkotnak és σ i a szinguláris értékek. Valamint u i v H i diád (diadikus szorzat.... Megjegyzés. A fenti felbontás nem egyértelmű! Több U és V mátrix-pár is létezhet úgy, hogy UΣV H, de a szinguláris értékek (Σ sorrendtől eltekintve egyértelműek!... Megjegyzés. A felbontásra két számolási eljárás: B A A. B mátrixnak kiszámoljuk a sajátértékeit és sajátvektorait. Sajátvektorok, mint oszlopvektorok, lesznek a V mátrixban, a szinguláris értékek pedig a B sajátértékeinek gyökei.. U AV. U-t úgy kapjuk, hogy U oszlopait normáljuk, V -t pedig úgy, hogy V oszlopait normáljuk (leosztjuk a hosszukkal. B AA. B mátrixnak kiszámoljuk a sajátértékeit és sajátvektorait. Sajátvektorok, mint oszlopvektorok, lesznek az U mátrixban, a szinguláris értékek pedig a B sajátértékeinek gyökei.. V A U. U-t úgy kapjuk, hogy U oszlopait normáljuk, V -t pedig úgy, hogy V oszlopait normáljuk (leosztjuk a hosszukkal.... Feladat. Számítsuk ki az mátrix SVD felbontását! ( Megoldás. Számítsuk ki B AA sajátértékeit és sajátvektorait! ( B (
2 ( λ ( λ λ λ + λ Ebből a sajátértékek: λ, λ. Vagyis a szinguláris értékek és. λ -hez sajátvektor (első jobb-szinguláris vektor: [ ennek egy nem-nulla megoldása a (, vektor. A sajátértékhez tartozó sajátvektor: [ Vagyis a második jobb-szinguláris vektor az (,. U ( ( 4 V A U 4 U és V úgy kapható meg, hogy U és V oszlopaikat normalizáljuk: ( U, V 6 6 (, Σ Megoldás. Számítsuk ki B A A sajátértékeit és sajátvektorait! ( B 4 4 λ λ 4 ( λ(( λ( λ 6 4( λ 4 λ λ ( λ + λ Ebből a sajátértékek: λ, λ, λ. Vagyis a szinguláris értékek, és. A nullához nem is keresünk sajátvektort, mert a végeredményben úgyis nulla szorzóval szerepelne. λ -hez sajátvektor (első jobb-szinguláris vektor: ennek egy nem-nulla megoldása a (,, vektor. A sajátértékhez tartozó sajátvektor: [ [ 4
3 Vagyis a második jobb-szinguláris vektor a (,,. V Ezt a mátrixot kiegészíthetnénk egy harmadik, ez előző kettőre ortogonális vektorral és bevehetnénk a sajátértéket. Ekkor kapnánk teljes SVD-t, de ezt most nem tesszük meg. ( ( U AV 6 6 U és V úgy kapható meg, hogy U és V oszlopaikat normalizáljuk: ( U, V 6 6 (, Σ Ugyan az jött ki, mint az első megoldásban, bár ez nem szükségszerű, mivel a felbontás nem egyértelmű. Szinguláris felbontás alakban: ( ( + ( ( 6 } {{ } diád szorzat 6 } {{ } diád szorzat... Feladat. Számoljunk az alábbi mátrixra SVD-t! Először B A λ λ (( λ ( λ ( 4λ + λ ( λ ( λ( λ( λ λ Vagyis a sajátértékek: és a kétszeres. A szinguláris értékek:,,. A jobb sajátvektorok közül először a λ -hez tartozót: Ennek egy nem-nulla megoldása: (,,. Most a λ -hoz: Ennek magtere (nulltere két dimenziós. Ügyeljünk arra, hogy az összes független sajátvektort megtaláljuk! Sőt, szimmetrikus mátrix (amilyen B is sajátvektorai merőlegesek is egymásra! Két lehetséges vektor: (,, és (,,, így: V
4 Végezetül teljes SVD alakban: U U AV, Σ, V... Feladat. Számítsuk ki az mátrix SVD felbontását! ( Megoldás. Számítsuk ki B A A sajátértékeit és sajátvektorait! ( ( ( B ( λ λ λ, ± Vegyük észre, hogy ez két pozitív szám. A szinguláris értékek ezek gyökei: sajátértékhez tartozó sajátvektor: [ [ + ± ±. Az első (gyök nélküli ennek egy nem-nulla megoldása az (, + vektor. A másik sajátértékhez tartozó sajátvektort nem számítjuk ki, mert erre merőleges kell legyen, mert B mátrix ortogonálisan diagonalizálható. Így a másik sajátvektor: ( +,. Ezzel megvannak a jobb-szinguláris vektorok, oszloponként mátrixba rendezve: ( V + + Ez után a bal-szinguláris vektorok: U AV U ( U és V ezen mátrixokból úgy kapható meg, hogy oszlopaikat normalizáljuk, valamint Σ Feladat. Számítsunk SVD-t: B-hez sajátérték, sajátvektor: B A H i i i ( i i ( i 9 i i i i 6 i ( 9 λ i (9 λ(6 λ 4 i 6 λ 4
5 λ λ + (λ (λ A saját értékek: és. Figyelmjük meg, hogy az erei mátrix és B is komplex, de B önadjungált és sajátértékei nem-negatív (valós számok. A szinguláris értékek ezek gyökei: és. Az -höz tartozó sajátvektor: [ 4 i i Az első jobb-szinguláris vektor: ( i,. A -hez tartozó sajátvektor: [ i i 4 A második jobb-szinguláris vektor: (i,, így: Normálás után: U 4 i i 4i V ( i i 4 U AV i i 4i (, Σ, V ( i i.
Szinguláris 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
Szinguláris 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
Vektorterek. =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,
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,
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
Principal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
Vektorok, 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.
7. 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
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
Alkalmazott algebra - SVD
Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés
Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
LINEÁRIS 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
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
Összeállította: dr. Leitold Adrien egyetemi docens
Skaláris szorzat az R n vektortérben Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok skaláris szorzata Két R n -beli vektor skaláris szorzata: Legyen a = (a 1,a 2,,a n ) és b
Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István
Sajátértékek és sajátvektorok A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris transzformáció Vektorok lineáris transzformációja: általános esetben az x vektor iránya és nagysága
II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés
II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés Nagyon könnyen megfigyelhetjük, hogy akármilyen két számmal elindítunk egy Fibonacci sorozatot, a sorozat egymást követő tagjainak
Miért 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,
Példa keresztmetszet másodrendű nyomatékainak számítására
Példa keresztmetszet másodrendű nyomatékainak számítására Készítette: Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 2011. február 22. Tekintsük az alábbi keresztmetszetet. 1. ábra. A vizsgált
Saj at ert ek-probl em ak febru ar 22.
Sajátérték-problémák 2016. február 22. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre az egyenlet
Szalai Péter. April 17, Szalai Péter April 17, / 36
Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási
9. 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
Lineáris 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
Lineáris 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
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:
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
Lin.Alg.Zh.1 feladatok
Lin.Alg.Zh. feladatok 0.. d vektorok Adott három vektor ā (0 b ( c (0 az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b 0 + + 8. Mennyi az n ā b vektoriális szorzat?
1. 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
Lineáris 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)
A 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
Lineáris algebra mérnököknek
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 Lineáris algebra mérnököknek BMETE93BG20 Sajátérték, sajátvektor, sajátaltér Kf87 2017-11-21
Keresztmetszet 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
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
1. 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
Lin.Alg.Zh.1 feladatok
LinAlgZh1 feladatok 01 3d vektorok Adott három vektor ā = (0 2 4) b = (1 1 4) c = (0 2 4) az R 3 Euklideszi vektortérben egy ortonormált bázisban 1 Mennyi az ā b skalárszorzat? 2 Mennyi az n = ā b vektoriális
Lineáris algebra mérnököknek
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 Lineáris algebra mérnököknek BMETE93BG20 Sajátérték, sajátvektor, sajátaltér Kf81 2018-11-20
NÉVMUTATÓ. Beke Manó, 17 Bellman, R., 310, 398 Bevilacqua, R., 93 Boros Tibor, 459, 464 Boullion, T. L., 109 Bunyakovszkij, V. J.
NÉVMUTATÓ Beke Manó, 17 Bellman, R., 310, 398 Bevilacqua, R., 93 Boros Tibor, 459, 464 Boullion, T. L., 109 Bunyakovszkij, V. J., 155 157 Cauchy, A. L., 155 157 Cayley, A., 272, 327 Codenotti, B., 93 Cramer,
Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport
Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,
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,
Alkalmazott algebra - skalárszorzat
Alkalmazott algebra - skalárszorzat Ivanyos Gábor 2011 sz Skalárszorzat Skalárszorzat Ebben a részben: a standard skalárszorzat: u T v = n µ i ν i i=1 és a kapcsolódó lineáris algebra absztrakt tárgyalással
Lin.Alg.Zh.1-2 feladatok
Lin.Alg.Zh.- feladatok. Lin.Alg.Zh. feladatok.. d vektorok Adott három vektor ā b c az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b + + 8. Mennyi az n ā b vektoriális
Az 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
1. feladatsor Komplex számok
. feladatsor Komplex számok.. Feladat. Kanonikus alakban számolva határozzuk meg az alábbi műveletek eredményét. (a) i 0 ; i 8 ; (b) + 4i; 3 i (c) ( + 5i)( 6i); (d) i 3+i ; (e) 3i ; (f) ( +3i)(8+i) ( 4
Kvadratikus alakok gyakorlás.
Kvadratikus alakok gakorlás Kúpszeletek: Adott eg kvadratikus alak a következő formában: ax 2 + 2bx + c 2 + k 1 x + k 2 + d = 0, a, b, c, k 1, k 2, d R (1) Ezt felírhatjuk a x T A x + K x + d = 0 alakban,
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,
Első zárthelyi dolgozat megoldásai biomatematikából * A verzió
Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő
Diszkrét Matematika II.
Bácsó Sándor Diszkrét Matematika II. mobidiák könyvtár Bácsó Sándor Diszkrét Matematika II. mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Bácsó Sándor Diszkrét Matematika II. egyetemi jegyzet mobidiák
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
Mátrixfelbontások BSc szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Radnai Georgina Mátrixfelbontások BSc szakdolgozat Témavezető: Ágoston István Algebra és Számelmélet tanszék Budapest, 6 Tartalomjegyzék Bevezetés 4.
Gauss-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
9. 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
1. Lineáris transzformáció
Lineáris transzformáció Lineáris transzformáció mátrixának felírása eg adott bázisban: Emlékeztető: Legen B = {u,, u n } eg tetszőleges bázisa az R n -nek, Eg tetszőleges v R n vektor egértelműen felírható
Ortogonalizáció. 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
Matematika elméleti összefoglaló
1 Matematika elméleti összefoglaló 2 Tartalomjegyzék Tartalomjegyzék... 2 1. Sorozatok jellemzése, határértéke... 3 2. Függvények határértéke és folytonossága... 5 3. Deriválás... 6 4. Függvényvizsgálat...
Testek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2.
Vektorok. Melyek egyenlőek az alábbi vektorok közül? (a) (, 2, 0), (b) az (, 0, ) pontból a (2, 2, ) pontba mutató vektor, (c) ( 2,, ) ( 2,, 2), (d) [ 2 0 ], (e) 2. 0 2. Írjuk fel az x + y + 2z = 0 és
Tartalomjegyzék. Bevezetés 17. I. A lineáris algebra forrásai Vektorok 29. A könyvben követett elvek 18 A könyv felépítése 21 Szoftverek 23
Tartalomjegyzék Bevezetés 17 A könyvben követett elvek 18 A könyv felépítése 21 Szoftverek 23 I. A lineáris algebra forrásai 25 1 Vektorok 29 Vektorok a 2- és 3-dimenziós térben 29 Irányított szakasz,
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
Matematika 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
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
A főkomponens-elemzés alkalmazása a kémiában
r. Pósa Mihály, Szebenyi Anna ** és r. Gaál Ferenc A főkomponens-elemzés alkalmazása a kémiában 1. Bevezetés A főkomponens-elemzés (Principial Component Analysis, PCA) a molekulaszerkezet - hatás - kvantitatív
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
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
Lineáris 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
Összeállította: dr. Leitold Adrien egyetemi docens
Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,
1.1. 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
Lineáris 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
1. 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
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
Mer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40
Mer legesség Wettl Ferenc 2015-03-13 Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált
Numerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4
Numerikus módszerek II. zárthelyi dolgozat, megoldások, 204/5. I. félév, A. csoport. Feladat. (6p) Alkalmas módon választva egy Givens-forgatást, határozzuk meg az A mátrix QR-felbontását! Oldjuk meg ennek
Numerikus 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
Diszkrét matematika I. gyakorlat
Diszkrét matematika I. gyakorlat 2. ZH 2014. november 28. A csoport 1. Feladat. (5 pont) Határozza meg a z 1 = 2 + 2i komplex szám trigonometrikus alakját, majd adja meg a z 1 z 2 és z 1 z 2 komplex számok
rank(a) == rank([a b])
![rank(a) == rank([a b])](/thumbs/92/110554624.jpg "rank(a) == rank([a b])")
Lineáris algebrai egyenletrendszerek megoldása a Matlabban Lineáris algebrai egyenletrendszerek a Matlabban igen egyszer en oldhatók meg. Legyen A az egyenletrendszer m-szer n-es együtthatómátrixa, és
1. A Hilbert féle axiómarendszer
{Euklideszi geometria} 1. A Hilbert féle axiómarendszer Az axiómarendszer alapfogalmai: pont, egyenes, sík, illeszkedés (pont egyenesre, pont síkra, egyenes síkra), közte van reláció, egybevágóság (szögeké,
LINEÁRIS MODELLBEN május. 1. Lineáris modell, legkisebb négyzetek elve
BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT LINEÁRIS MODELLBEN Móri Tamás ELTE TTK Valószínűségelméleti és Statisztika Tanszék 2008 május Lineáris modell, legkisebb négyzetek elve Tegyük fel, hogy egy bizonyos pl fizikai)
Lineáris 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
Numerikus módszerek beugró kérdések
1. Definiálja a gépi számok halmazát (a tanult modellnek megfelelően)! Adja meg a normalizált lebegőpontos szám alakját. (4 pont) Az alakú számot normalizált lebegőpontos számnak nevezik, ha Ahol,,,. Jelöl:
(1) Vektorok koordinátavektora. 1/3. R A {b 1,b 2,b 3 } vektorhalmaz bázis a V R n altérben.
Az informatikus lineáris algebra dolgozat A részének főbb témái, pár mintafeladata Az alábbiakban tájékoztató jelleggel fölsoroljuk a vizsgadolgozat A részében szereplő főbb témaköröket néhány mintafeladattal,
Matematika 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
Lineáris 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
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
,,BABEŞ-BOLYAI TUDOMÁNYEGYETEM LINEÁRIS ALGEBRA
,,BABEŞ-BOLYAI TUDOMÁNYEGYETEM Andrei Mărcuş LINEÁRIS ALGEBRA ii ELŐSZÓ A lineáris algebra tárgya a lineáris terek és leképezések vizsgálata. Eredete a vektorok és a lineáris egyenletrendszerek tanulmányozására
Tartalomjegyzék. I. A lineáris algebra forrásai Vektorok Lineáris egyenletrendszerek és megoldásuk 63
Tartalomjegyzék I. A lineáris algebra forrásai 17 1 Vektorok 21 Vektorok a 2- és 3-dimenziós térben 21 Irányított szakasz, kötött és szabad vektor 21 Vektor magadása egy irányított szakasszal 22 Vektor
Lineáris algebra. négyzetes mátrix: n x n-es mátrix oszlop mátrix, oszlop vektor: egyetlen oszlopból áll
Lineáris algebra Def: Def: Mátrix: egy téglalap alakú számtáblázat, minden helyén valós, vagy komplex szám áll A = [a i j n x m n: A sorainak száma, m: A oszlopainak száma négyzetes mátrix: n x n-es mátrix
Rang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15
Diszkrét matematika II, 2 el adás Rang, sajátérték Dr Takách Géza NyME FMK Informatikai Intézet takachinfnymehu http://infnymehu/ takach/ 25 február 5 Gyakorlati célok Ezen el adáson, és a hozzá kapcsolódó
Számítási módszerek a fizikában 1. (BMETE90AF35) tárgy részletes tematikája
Számítási módszerek a fizikában 1. (BMETE90AF35) tárgy részletes tematikája Tasnádi Tamás 2014. szeptember 11. Kivonat A tárgy a BME Fizika BSc szak kötelező, alapozó tárgya a képzés 1. félévében. A tárgy
Rózsa Pál: Bevezetés a mátrixelméletbe. EGERVÁRY JENŐ emlékének ajánlom e könyvet halálának ötvenedik évfordulója alkalmából
Rózsa Pál: Bevezetés a mátrixelméletbe EGERVÁRY JENŐ emlékének ajánlom e könyvet halálának ötvenedik évfordulója alkalmából Alkalmazott matematika A sorozat kötetei: Kóczy T. László Tikk Domonkos: Fuzzy
1. Gauss-, Gauss-Jordan elimináció.
1. Gauss-, Gauss-Jordan elimináció. Először az Ax = b lineáris egyenletrendszerekkel foglalkozunk. Itt tehát adott egy A R m n (például valós elemű, m-szer n-es) mátrix továbbá egy b R m (valós, m-elemű)
Algoritmusok Tervezése. 1. Előadás MATLAB 1. Dr. Bécsi Tamás
Algoritmusok Tervezése 1. Előadás MATLAB 1. Dr. Bécsi Tamás Tárgy adatok Előadó: Bécsi Tamás, St 106, becsi.tamas@mail.bme.hu Előadás:2, Labor:2 Kredit:5 Félévközi jegy 2 db Zh 1 hallgatói feladat A félév
Mátrixfüggvények. 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
Matematika Plus 1 építőmérnök hallgatóknak
Matematika Plus építőmérnök hallgatóknak Simon Károly.5. Tartalomjegyzék. I. előadás 3.. Kiegészítés az A-ben tanultakhoz: Determináns....... 3... Elemi sor transzformációk hatása a determinánsra:. 5...
Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36
Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás
Bevezetés 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
MATEMATIKA FELADATGYŰJTEMÉNY
Pék Johanna MATEMATIKA FELADATGYŰJTEMÉNY Nem matematika alapszakos hallgatók számára Tartalomjegyzék Előszó iii. Lineáris algebra.. Mátrixok...................................... Lineáris egyenletrendszerek..........................
azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i
A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában
Lineáris algebra. (közgazdászoknak) T C T = ( 1 ) ; , D T D =
Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (1.) 2018/2019. tavaszi félév Mátrixok 1.1. Feladat. Legyen A = 1 2 1, B = 1 2 3 1 2 1 1, C = ( 1 2 0 ), D = 1 3 1 1 2 1 ( ) 10/2 0.6 1
I. feladatsor. 9x x x 2 6x x 9x. 12x 9x2 3. 9x 2 + x. x(x + 3) 50 (d) f(x) = 8x + 4 x(x 2 25)
I. feladatsor () Határozza meg az alábbi függvények határozatlan integrálját: (a) f(x) = (b) f(x) = x + 4 9x + (c) f(x) = (d) f(x) = 6x + 5 5x + f(x) = (f) f(x) = x + x + 5 x 6x + (g) f(x) = (h) f(x) =
Széchenyi István Egyetem. Műszaki számítások. Matlab 6. előadás. Lineáris algebrai alkalmazások. Dr. Szörényi Miklós, Dr.
Matlab 6. előadás Lineáris algebrai alkalmazások Dr. Szörényi Miklós, Dr. Kallós Gábor 2017 2018 Tartalom Matematikai alapok Transzformációs mátrixok Swap mátrixok Forgatómátrixok Titkosítás Vektoralgebra
Mat. A2 3. gyakorlat 2016/17, második félév
Mat. A2 3. gyakorlat 2016/17, második félév 1. Hány megoldása lehet az alábbi lineáris egyenletrendszereknek a valós számok körében, ha a -ok tetszőleges (nem feltétlenül egyenlő) számokat jelölnek? 0
karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus