Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
|
|
- Mária Balog
- 4 évvel ezelőtt
- Látták:
Átírás
1 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 R n n egy négyzetes mátrix, melyre létezik olyan α > 0 szám, amivel Ax α x minden x R n vektorra, akkor A invertálható, és A 1 1/α! Megoldás: Ha x nem nullvektor, akkor Ax sem lehet nullvektor, hiszen akkor 0 = Ax α x > 0 lenne, ami ellentmondás. Így A sajátértéke nem lehet a 0, azaz invertálható. Így a fenti becslést alkalmazva A 1 A 1 x x 0 x A 1 Ay y 0 Ay y y 0 Ay sup (1/α) Ay y 0 Ay = 1 α. Az utóbbi becslés úgy is nyerhető, ha a feladatban szereplő egyenlőtlenséget az A 1 x vektorra alkalmazzuk: x = AA 1 x α A 1 x, ahonnét 1/α A 1 x / x. Ez már mutatja az állítást, hiszen a jobb oldali kifejezések maximuma éppen A Feladat. (6p) Az f(x) = e x x 1 függvény értékét szeretnénk viszonylag pontosan kiszámítani az x 0 = helyen egy 10-es számrendszert és 8-jegyű mantisszát használó számítógépen. Használjuk először a számításhoz az e közelítést! Adjunk meg ugyanezzel a számítógéppel egy ennél jobb közelítést f(x 0 ) értékére! Megoldás: Az első közelítéssel f(x 0 ) = Ennél kell jobb becslést adni a kifejezés értékére. A közeli számok kivonását kellene elkerülni. Az e x függvény Taylor-sorát használva kapjuk, hogy f(x 0 ) = x2 0 2! + x3 0 3! x 2 0/2 pontosan számolható az adott számítógépen: x 2 0/2 = Mivel ez az érték nagyobb, mint a fenti becslés által adott érték, és a pontos megoldás még ennél is nagyobb (hiszen a fenti sorból pozitív tagokat hagytunk el), így ez a közelítés közelebb lesz a pontos megoldáshoz, mint a korábbi. Természetesen, ha tovább számolnánk a sorfejtést, akkor még pontosabb eredményt kapnánk (de a feladatot már így is megoldottuk.) Az adott számítógépen a legjobb közelítés lenne, mert ez a pontos függvényérték 8-jegyű mantisszára kerekített értéke. 3. Feladat. (7p) Igazoljuk, hogy ha A M-mátrix, akkor tetszőleges D pozitív diagonális mátrixra AD is M-mátrix lesz! Ezen állítás segítségével adjunk felső becslést a B = = 3 ( 1) 3 3 ( 1) mátrix inverzének maximumnormájára! Megoldás: Nyilvánvalóan offdiag(ad) 0 teljesül. Így elég lenne mutatni egy olyan p pozitív vektort, amivel ADp is pozitív. Mivel A M-mátrix, így van olyan g > 0, amivel Ag > 0, így p = D 1 g jó választás, hiszen ez egy pozitív vektor, valamint ADp = ADD 1 g = Ag > 0. (Máshogy: (AD) 1 = D 1 A 1, A invertálható, mert M-mátrix, és D is, mert pozitív elemű diagonális mátrix. Mindkét inverz nemnegatív, így ezek szorzata is.)
2 A B mátrix az alábbi alakba írható: B = = =: AD, ahol A M-mátrix, hiszen a főátlón kívül nincs pozitív elem, és a csupaegy vektor jó választás g vektornak. Így a tanult becslés alapján B 1 p min(bp) i = D 1 g min(ag) i = Feladat. (7p) Az Ax = b lineáris egyenletrendszert szeretnénk megoldani, ahol A R 5 5 és b = [1, 2, 3, 4, 5] T. Az A mátrixról tudjuk, hogy A 1 = 4, és hogy LU-felbontása az alábbi mátrixban adott (a Matlabban szokásos módon) Adjuk meg az egyenletrendszer x megoldását, és adjunk becslést arra, hogy mennyit változna ez a megoldás maximumnormában, ha a b vektort a b = [0.99, 1.99, 3.05, 4.02, 5.1] T vektorra cserélnénk! (Útmutató: Lehetőleg ne számítsuk ki explicit módon az A mátrixot! Ha valamilyen adatot nem ismerünk, akkor azt alkalmas módon becsüljük!) Megoldás: A mátrix alapján az A mátrix LU-felbontása L = , U = Egyszerű visszahelyettesítéssel adódik, hogy Ux = [1, 1, 1, 1, 1] T, majd innét egy újabb visszahelyettesítéssel x = [1/2, 1, 3/2, 0, 1/2] T. Most az A mátrix nem változik, így a tanult hibabecslő képlet alapján δx x κ (A) δb = x A A 1 δb x L U A 1 δb = 3/ = 1.8. A fenti becslés megadható egyszerűbben is az előadáson levezetett egyik becslés alapján: A(x + δx) = b + δb, azaz Aδx = δb, így δx = A 1 δb. Tehát δx A 1 δb = = 0.4. (Ez jobb becslést is ad, mert ebben a becslésben nincs benne az A mátrix változása, mint a fentebb alkalmazott általánosabb képletben.) 5. Feladat. (7p) Az 5x 1 x 2 = 7 x 1 + 3x 2 x 3 = 4 x 2 + 2x 3 = 5 egyenletrendszert szeretnénk megoldani iterációs módszerrel. Honnét tudjuk, hogy a Gauss Seidel-módszer alkalmazható az egyenletrendszerre? Az x (0) = [0, 0, 0] T vektorról indulva,
3 az iteráció az első lépésben az x (1) = [1.4000, , ] T iterációs vektort adja (4 tizedesjegyre kerekítve). Határozzuk meg, hogy mennyit kellene még lépni a módszerrel ahhoz, hogy az iterációs vektor 1-es normában már nál jobban megközelítse a pontos megoldást! (Alsó háromszögmátrix inverze is alsó háromszögmátrix lesz!) Megoldás: A Gauss Seidel-módszer alkalmazható, mert az együtthatómátrix szigorúan diagonálisan domináns, vagy azért mert M-mátrix, vagy azért mert szimmetrikus pozitív definit mátrix. A hibabecsléshez csak a B iterációs mátrixot kell kiszámolni, hiszen x (1) meg van adva a feladatban. B = (D L) 1 R = Ennek 1-es normája 1/2. A hibabecslő képlet szerint 0 1/ /15 1/3 0 1/30 1/6 x (k) x 1 B k 1 1 B 1 x (1) x (0) 1 (1/2)k 1 1/ Itt az x (1) x (0) 1 értéknél felülről becsültük a normát, hiszen az x (1) vektor elemei nem pontos értékek, csak 4-tizedesre kerekítettek. Innét azt kapjuk, hogy a k = 22. tagtól kezdve már teljesül a hibabecslés. 6. Feladat. (7p) Adjuk meg az A = 5 2 mátrix QR-felbontását (két Givens-forgatás elég hozzá)! Megoldás: Az első Givens-forgatást az első oszlop 1. és 3. elemével hajtjuk végre, a másodikat pedig a második oszlop 2. és 3. elemével G 2 G 1 A = 1 = 0 4 = R A Q mátrix pedig Q = G T 1 G T 2 = A QR-felbontás nem egyértelmű, így a felbontást más módon is meg lehetett kapni. (Megjegyzés: Ebben az esetben egy permutációs mátrixszal (és ez ortogonális) is felső háromszög alakra lehet hozni A-t. A 3. sornak kellene előre kerülnie. Ez a PA = = 2 = R felbontást adja, ahonnét kapjuk, hogy a Q = P T választás megfelelő.)
4 Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., B. csoport) Megoldások 1. Feladat. (6p) A g(x) = e x x 1 függvény értékét szeretnénk viszonylag pontosan kiszámítani az a = helyen egy 10-es számrendszert és 6-jegyű mantisszát használó számítógépen. Használjuk először a számításhoz az e közelítést! Adjunk meg ugyanezzel a számítógéppel ennél jobb közelítést g(a) értékére! Megoldás: Az első közelítéssel g(a) = Ennél kell jobb becslést adni a kifejezés értékére. A közeli számok kivonását kellene elkerülni. Az e x függvény Taylor-sorát használva kapjuk, hogy g(a) = a2 2! + a3 3! a 2 /2 pontosan számolható az adott számítógépen: a 2 /2 = Mivel ez az érték nagyobb, mint a fenti becslés által adott érték, és a pontos megoldás még ennél is nagyobb (hiszen a fenti sorból pozitív tagokat hagytunk el), így ez a közelítés közelebb lesz a pontos megoldáshoz, mint a korábbi. Természetesen, ha tovább számolnánk a sorfejtést, akkor még pontosabb eredményt kapnánk (de a feladatot már így is megoldottuk.) Az adott számítógépen a legjobb közelítés lenne, mert ez a pontos függvényérték 6-jegyű mantisszára kerekített értéke. 2. Feladat. (6p) Igazoljuk, hogy ha B R n n egy négyzetes mátrix, melyre létezik olyan β > 0 szám, amivel Bx β x minden x R n vektorra, akkor B invertálható, és B 1 1/β! A fenti képletekben. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát jelöl! Megoldás: Ha x nem nullvektor, akkor Bx sem lehet nullvektor, hiszen akkor 0 = Bx β x > 0 lenne, ami ellentmondás. Így B sajátértéke nem lehet a 0, azaz invertálható. Így a fenti becslést alkalmazva B 1 B 1 x x 0 x B 1 By y 0 By y y 0 By sup (1/β) By y 0 By = 1 β. Az utóbbi becslés úgy is nyerhető, ha a feladatban szereplő egyenlőtlenséget a B 1 x vektorra alkalmazzuk: x = BB 1 x β B 1 x, ahonnét 1/β B 1 x / x. Ez már mutatja az állítást, hiszen a jobb oldali kifejezések maximuma éppen B Feladat. (7p) Igazoljuk, hogy ha A M-mátrix, akkor tetszőleges D pozitív diagonális mátrixra AD is M-mátrix lesz! Ezen állítás segítségével adjunk felső becslést a B = = 4 ( 1) 4 4 ( 1) mátrix inverzének maximumnormájára! Megoldás: Nyilvánvalóan offdiag(ad) 0 teljesül. Így elég lenne mutatni egy olyan p pozitív vektort, amivel ADp is pozitív. Mivel A M-mátrix, így van olyan g > 0, amivel Ag > 0, így p = D 1 g jó választás, hiszen ez egy pozitív vektor, valamint ADp = ADD 1 g = Ag > 0. (Máshogy: (AD) 1 = D 1 A 1, A invertálható, mert M-mátrix, és D is, mert pozitív elemű diagonális mátrix. Mindkét inverz nemnegatív, így ezek szorzata is.)
5 A B mátrix az alábbi alakba írható: B = = =: AD, ahol A M-mátrix, hiszen a főátlón kívül nincs pozitív elem, és a csupaegy vektor jó választás g vektornak. Így a tanult becslés alapján B 1 p min(bp) i = D 1 g min(ag) i = Feladat. (7p) Az Ax = b lineáris egyenletrendszert szeretnénk megoldani, ahol A R 5 5 és b = [1, 2, 3, 4, 5] T. Az A mátrixról tudjuk, hogy A 1 = 6, és hogy LU-felbontása az alábbi mátrixban adott (a Matlabban szokásos módon) Adjuk meg az egyenletrendszer x megoldását, és adjunk becslést arra, hogy mennyit változna ez a megoldás maximumnormában, ha a b vektort a b = [1.01, 1.95, 3.02, 3.99, 5] T vektorra cserélnénk! (Útmutató: Lehetőleg ne számítsuk ki explicit módon az A mátrixot! Ha valamilyen adatot nem ismerünk, akkor azt alkalmas módon becsüljük!) Megoldás: A mátrix alapján az A mátrix LU-felbontása L = , U = Egyszerű visszahelyettesítéssel adódik, hogy Ux = [1, 1, 1, 1, 1] T, majd innét egy újabb visszahelyettesítéssel x = [0, 1/2, 1, 1, 1] T. Most az A mátrix nem változik, így a tanult hibabecslő képlet alapján δx x κ (A) δb = x A A 1 δb x L U A 1 δb = = 0.9. A fenti becslés megadható egyszerűbben is az előadáson levezetett egyik becslés alapján: A(x + δx) = b + δb, azaz Aδx = δb, így δx = A 1 δb. Tehát δx A 1 δb = = 0.3. (Ez jobb becslést is ad, mert ebben a becslésben nincs benne az A mátrix változása, mint a fentebb alkalmazott általánosabb képletben.) 5. Feladat. (7p) A 2x 1 x 2 = 1 x 1 + 3x 2 x 3 = 8 x 2 + 2x 3 = 5 egyenletrendszert szeretnénk megoldani iterációs módszerrel. Honnét tudjuk, hogy a Gauss Seidel-módszer alkalmazható az egyenletrendszerre? Az x (0) = [0, 0, 0] T vektorról indulva,
6 az iteráció az első lépésben az x (1) = [0.5000, , ] T iterációs vektort adja (4 tizedesjegyre kerekítve). Határozzuk meg, hogy mennyit kellene még lépni a módszerrel ahhoz, hogy az iterációs vektor 1-es normában már nél jobban megközelítse a pontos megoldást! (Alsó háromszögmátrix inverze is alsó háromszögmátrix lesz!) Megoldás: A Gauss Seidel-módszer alkalmazható, mert az együtthatómátrix szigorúan diagonálisan domináns vagy azért mert M-mátrix, vagy azért mert szimmetrikus pozitív definit mátrix. A hibabecsléshez csak a B iterációs mátrixot kell kiszámolni, hiszen x (1) meg van adva a feladatban. B = (D L) 1 R = Ennek 1-es normája 3/4. A hibabecslő képlet szerint 0 1/ /6 1/3 0 1/12 1/6 x (k) x 1 B k 1 1 B 1 x (1) x (0) 1 (3/4)k 1 3/ Itt az x (1) x (0) 1 értéknél felülről becsültük a normát, hiszen az x (1) vektor elemei nem pontos értékek, csak 4-tizedesre kerekítettek. Innét azt kapjuk, hogy a k = 45. tagtól kezdve már teljesül a hibabecslés. 6. Feladat. (7p) Adjuk meg az A = 5 2 mátrix QR-felbontását (két Givens-forgatás elég hozzá)! Megoldás: Az első Givens-forgatást az első oszlop 1. és 3. elemével hajtjuk végre, a másodikat pedig a második oszlop 2. és 3. elemével G 2 G 1 A = 1 = 0 4 = R A Q mátrix pedig Q = G T 1 G T 2 = A QR-felbontás nem egyértelmű, így a felbontást más módon is meg lehetett kapni. (Megjegyzés: Ebben az esetben egy permutációs mátrixszal (és ez ortogonális) is felső háromszög alakra lehet hozni A-t. A 3. sornak kellene előre kerülnie. Ez a PA = = 5 2 = R felbontást adja, ahonnét kapjuk, hogy a Q = P T választás megfelelő.)
Numerikus módszerek I. zárthelyi dolgozat, 2009/10. I. félév, A. csoport, MEGOLDÁSOK
Numerikus módszerek I. zárthelyi dolgozat, 9/. I. félév, A. csoport, MEGOLDÁSOK. Feladat. Az a. választás mellett A /( a) értéke.486. Határozzuk meg mi is A értékét egy tizes számrendszerű, hatjegyű mantisszás
RészletesebbenNumerikus 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:
RészletesebbenNumerikus 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
RészletesebbenNUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK
NUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK Szerkesztette: Balogh Tamás 04. január 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el!
RészletesebbenGyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi
Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris
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. Tantárgy kódja: IP-08bNM1E, IP-08bNM1G (2+2) Az elsajátítandó ismeretanyag rövid leírása: A lebegıpontos számábrázolás egy modellje. A hibaszámítás elemei. Lineáris egyenletrendszerek
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 6. előadás: Vektor- és mátrixnormák Lócsi Levente ELTE IK 2013. október 14. Tartalomjegyzék 1 Vektornormák 2 Mátrixnormák 3 Természetes mátrixnormák, avagy indukált normák 4 Mátrixnormák
RészletesebbenTáblán. Numerikus módszerek 1. előadás (estis), 2017/2018 ősz. Lócsi Levente. Frissült: december 1.
Táblán Numerikus módszerek 1. előadás (estis), 2017/2018 ősz Lócsi Levente Frissült: 2017. december 1. Ebben az írásban a 2017/2018 őszi félév estis Numerikus módszerek 1. előadásának a diasorban nem szereplő,
RészletesebbenNumerikus módszerek példatár
Numerikus módszerek példatár Faragó István, Fekete Imre, Horváth Róbert 2013. július 5. Tartalomjegyzék Előszó 2 Feladatok 4 1. Előismeretek 4 1.1. Képletek, összefüggések............................ 4
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
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
Részletesebben1 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
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
RészletesebbenTétel: Ha,, akkor az ábrázolt szám hibája:
1. A lebegpontos számábrázolás egy modellje. A normalizált lebegpontos szám fogalma, a legnagyobb, legkisebb pozitív szám, a relatív pontosság az M(t,-k,+k) gépi számhalmazban. Az input függvény (fl) fogalma,
Részletesebbenalakú számot normalizált lebegőpontos számnak nevezik, ha ,, és. ( : mantissza, : mantissza hossza, : karakterisztika) Jelölés: Gépi számhalmaz:
1. A lebegőpontos számábrázolás egy modellje. A normalizált lebegőpontos szám fogalma, a legnagyobb, legkisebb pozitív szám, a relatív pontosság az M(t,-k,+k) gépi számhalmazban. Az input függvény (fl)
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
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
RészletesebbenNumerikus matematika vizsga
1. Az a = 2, t = 4, k = 3, k + = 2 számábrázolási jellemzők mellett hány pozitív, normalizált lebegőpontos szám ábrázolható? Adja meg a legnagyobb ábrázolható számot! Mi lesz a 0.8-hoz rendelt lebegőpontos
RészletesebbenNumerikus módszerek példatár
Numerikus módszerek példatár Faragó István, Fekete Imre, Horváth Róbert 2013. június Tartalomjegyzék El szó 5 Feladatok 9 1. El ismeretek 9 1.1. Képletek, összefüggések............................ 9 1.2.
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
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
RészletesebbenKonjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
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.
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó............................................... 6. GÉPI SZÁMÁBRÁZOLÁS
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ VEKTOR- ÉS MÁTRIXNORMÁK,
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
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:
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,
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:
RészletesebbenSzinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35
Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek
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
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
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
RészletesebbenFeladatok 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
RészletesebbenVIK 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
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
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
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
RészletesebbenSzámítási feladatok a Számítógépi geometria órához
Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát
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
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,
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ GÉPI SZÁMÁBRÁZOLÁS
RészletesebbenNumerikus Analízis. Király Balázs 2014.
Numerikus Analízis Király Balázs 2014. 2 Tartalomjegyzék 1. A hibaszámítás elemei 7 1.1. A matematika modellezés folyamata és a hibaforrások megjelenése.. 7 1.2. Lebegőpontos számábrázolás.......................
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
Részletesebben1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0
I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)
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
RészletesebbenMATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 9. előadás: Paraméteres iterációk, relaxációs módszerek Lócsi Levente ELTE IK Tartalomjegyzék 1 A Richardson-iteráció 2 Relaxált Jacobi-iteráció 3 Relaxált Gauss Seidel-iteráció
Részletesebben6. 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
RészletesebbenSaj at ert ek-probl em ak febru ar 26.
Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre
Részletesebbenf(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
RészletesebbenNumerikus Analízis I.
Numerikus Analízis I. Sövegjártó András Jegyzet másodéves programozó és programtervező matematikus szakos hallgatóknak 2003. ,,A sikerhez és tudáshoz vezető út senki előtt sincs zárva, akiben van bátorság
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.
Részletesebbenrank(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
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
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
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 és mátrixok alkalmazásai
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR Lineáris algebra és mátrixok alkalmazásai Szakdolgozat Készítette: Ruzsányi Orsolya Matematika BSc, matematikai elemző szakirány Témavezető: Fialowski
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
RészletesebbenTartalomjegyzék 1 BEVEZETÉS 2
Tartalomjegyzék BEVEZETÉS FELADATOK. Lebegőpontos számok.............................. Normák, kondíciószámok........................... 5. Lineáris egyenletredszerek megoldása, mátrixok felbontása........
RészletesebbenA 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA (a speciális tanterv szerint haladó gimnazisták)
A 205/206. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA a speciális tanterv szerint haladó gimnazisták Javítási-értékelési útmutató. feladat Az {,2,...,n} halmaz
RészletesebbenFeladat: megoldani az alábbi egyenletrendszert: A x = b,
Gauss Jordan-elimináció Feladat: megoldani az alábbi egyenletrendszert: ahol A négyzetes mátrix. A x = b, A Gauss Jordan-elimináció tulajdonképpen az általános iskolában tanult módszer lineáris egyenletrendszerek
RészletesebbenKOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor
Részletesebben1. 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)
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
Részletesebben1. 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
RészletesebbenExplicit hibabecslés Maxwell-egyenletek numerikus megoldásához
Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,
Részletesebbenminden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
RészletesebbenÖsszeállította: 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
RészletesebbenLegkisebb négyzetek módszere, Spline interpoláció
Közelítő és szimbolikus számítások 10. gyakorlat Legkisebb négyzetek módszere, Spline interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján
RészletesebbenAlkalmazott algebra - SVD
Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
RészletesebbenTestek. 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
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
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk
RészletesebbenLineáris 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
RészletesebbenNormák, kondíciószám
Normák, kondíciószám A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris egyenletrendszerek Nagyon sok probléma közvetlenül lineáris egyenletrendszer megoldásával kezelhetı Sok numerikus
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
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
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
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
Részletesebben1. Mit jelent az, hogy egy W R n részhalmaz altér?
Az informatikus lineáris algebra dolgozat B részének lehetséges kérdései Az alábbi listában azok a definíciók és állítások, tételek szerepelnek, melyeket a vizsgadolgozat B részében kérdezhetünk. A válaszoknál
RészletesebbenLINEÁRIS ALGEBRAI EGYENLETRENDSZEREK
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR LINEÁRIS ALGEBRAI EGYENLETRENDSZEREK DIREKT ÉS ITERATÍV MEGOLDÁSI MÓDSZEREI BSc szakdolgozat Készítette: Várhegyi Bence Matematika BSc Matematikai elemző
RészletesebbenMátrixfelbontások BSc szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Radnai Georgina Mátrixfelbontások BSc szakdolgozat Témavezető: Ágoston István Algebra és Számelmélet tanszék Budapest, 6 Tartalomjegyzék Bevezetés 4.
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
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
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenMer 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
Részletesebben4. 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
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
Részletesebben1. 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
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
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
Részletesebben9. 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
RészletesebbenMatematika 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...
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
RészletesebbenMatematikai programok
Matematikai programok Mátrixalapú nyelvek octave 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 Wettl
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
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
Részletesebben