NUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertet Tartalomjegyzék Pályázati támogatás Gondozó
|
|
- Ágnes Kozmané
- 8 évvel ezelőtt
- Látták:
Átírás
1 FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2013 Ismertet Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezet Lektor Technikai szerkeszt Copyright
2 Az Olvasó most egy egyetemi jegyzetet tart a kezében, vagy néz a számítógépe képerny jén. E jegyzetet a Budapesti M szaki és Gazdaságtudományi Egyetemen illetve az Eötvös Loránd Tudományegyetemen tartott numerikus módszerek kurzusainkhoz írtuk. Az írás során mindvégig azt vettük gyelembe, hogy a jegyzet segítségével hallgatóink alapos ismereteket tudjanak elsajátítani a tárgy témájában és egyben eredményesebben tudjanak felkészülni a vizsgákra. A jegyzet elején összefoglaljuk a szükséges el ismereteket. Ezután a matematikai modellalkotással foglalkozunk, részletesen kitérve a számítógépes számábrázolásra és az ebb l ered hibákra. Ezután a klasszikus numerikus analízis egyes fejezeteit vesszük sorra: numerikus lineáris algebra, polinominterpoláció, numerikus deriválás és integrálás, közönséges dierenciálegyenletek kezdetiés peremérték-feladatai. A jegyzetet a parciális dierenciálegyenletek véges dierenciás megoldásainak bemutatásával zárjuk. A jegyzetbe nem akartunk több dolgot belezsúfolni, mint amir l egy két féléves kurzus során az el adásokon is szó lehet, de igyekeztünk azért az érdekl d hallgatóknak is kitekintést nyújtani az el adások anyagán túlmutató elméletek felvillantásával vagy az ezeket tárgyaló irodalom megadásával. Mivel ez a jegyzet elektronikus formában lesz elérhet, így kihasználtuk azokat a lehet ségeket is, amiket az elektronikus forma megenged. Így számos helyen megadtunk internethivatkozásokat valamilyen szemléltet programhoz, b vebb leíráshoz vagy életrajzhoz. Kulcsszavak: numerikus módszerek, numerikus lineáris algebra, numerikus deriválás és integrálás, interpoláció, dierenciálegyenletek numerikus megoldása
3 Támogatás: Készült a TÁMOP /2/A/KMR számú, a Természettudományos (matematika és zika) képzés a m szaki és informatikai fels oktatásban cím projekt keretében. Készült: a BME TTK Matematika Intézet gondozásában Szakmai felel s vezet : Ferenczi Miklós Lektorálta: Havasi Ágnes Az elektronikus kiadást el készítette: Horváth Róbert Címlap grakai terve: Csépány Gergely László, Tóth Norbert Copyright: , Faragó István, ELTE, Horváth Róbert, BME A terminusai: A szerz nevének feltüntetése mellett nem kereskedelmi céllal szabadon másolható, terjeszthet, megjelentethet és el adható, de nem módosítható. Második, javított kiadás, 2013
4
5 Tartalomjegyzék 1. El ismeretek Vektorterek Valós és komplex vektorterek Normált terek Euklideszi terek Mátrixok Mátrixok sajátértékei és sajátvektorai Diagonalizálhatóság Normák és sajátértékek M-mátrixok Sorozatok és függvények konvergenciájának jellemzése Sorozatok konvergenciasebessége Függvények konvergenciavizsgálata A MATLAB programcsomag A fejezettel kapcsolatos MATLAB parancsok Feladatok Modellalkotás és hibaforrásai Modellalkotás A modellalkotás hibaforrásai A hiba mérése Feladatok kondicionáltsága Gépi számábrázolás és következményei A fejezettel kapcsolatos MATLAB parancsok Feladatok Lineáris egyenletrendszerek megoldása Lineáris egyenletrendszerek megoldhatósága Lineáris egyenletrendszerek kondicionáltsága Gauss-módszer LU-felbontás F elemkiválasztás, általános LU-felbontás, Cholesky-felbontás F elemkiválasztás Általános LU-felbontás Cholesky-felbontás Lineáris egyenletrendszerek klasszikus iterációs megoldása Jacobi-iteráció GaussSeidel-iteráció Relaxációs módszerek Iterációs módszerek konvergenciája Leállási feltételek Variációs módszerek
6 2 Tartalomjegyzék Gradiens-módszer Konjugált gradiens-módszer A QR-felbontás QR-felbontás Householder-tükrözésekkel QR-felbontás Givens-forgatásokkal Túlhatározott rendszerek megoldása Megoldás a normálegyenlet segítségével Megoldás a QR-felbontás segítségével Lineáris egyenletrendszerek megoldása a MATLAB-ban Feladatok Sajátérték-feladatok numerikus megoldása Sajátérték-feladatok kondicionáltsága A sajátértékeket egyenként közelít eljárások A hatványmódszer Inverz iteráció Rayleigh-hányados iteráció Deációs eljárások Householder-deáció Rangdeáció Blokk háromszögmátrix deáció A sajátértékeket egyszerre közelít eljárások A Jacobi-módszer QR-iteráció Sajátértékszámítás a MATLAB-ban Feladatok Nemlineáris egyenletek és egyenletrendszerek megoldása Nemlineáris egyenletek A gyökök elkülönítése Nemlineáris egyenletek megoldásának kondicionáltsága Geometriai módszerek Intervallumfelezési módszer Húrmódszer Szel módszer Newton-módszer Fixpont-iterációk Aitken-gyorsítás Mintafeladat Nemlineáris egyenletrendszerek megoldása Feladatok Interpolációs feladatok Globális polinominterpoláció Az interpolációs polinom Lagrange-féle el állítása A baricentrikus interpolációs formula Az interpolációs polinom el állítása Newton-féle osztott dierenciákkal Az interpolációs hiba Interpoláció Csebisev-alappontokon Hermite-interpoláció
7 Tartalomjegyzék Szakaszonként polinomiális interpoláció Szakaszonként lineáris interpoláció Szakaszonként kvadratikus interpoláció Szakaszonként harmadfokú interpoláció Trigonometrikus interpoláció Gyors Fourier-transzformáció Közelítés legkisebb négyzetek értelemben Interpolációs feladatok megoldása a MATLAB-ban Feladatok Numerikus deriválás A numerikus deriválás alapfeladata Az els derivált közelítése A második derivált közelítése A deriváltak másfajta közelítései Lépéstávolság-dilemma Feladatok Numerikus integrálás A numerikus integrálás alapfeladata NewtonCotes-féle kvadratúraformulák Összetett kvadratúraformulák Összetett trapézformula Összetett érint formula Összetett Simpson-formula Romberg-módszer Gauss-kvadratúra Numerikus integrálási eljárások a MATLAB-ban Feladatok A kezdetiérték-feladatok numerikus módszerei Bevezetés A közönséges dierenciálegyenletek kezdetiérték-feladata Egylépéses módszerek Taylor-sorba fejtéses módszer Néhány nevezetes egylépéses módszer Az explicit Euler-módszer Az implicit Euler-módszer A CrankNicolson-módszer Az általános alakú egylépéses módszerek alapfogalmai és pontbeli konvergenciája Az egylépéses módszerek pontbeli konvergenciája A RungeKutta típusú módszerek A másodrend RungeKutta típusú módszerek A magasabb rend RungeKutta típusú módszerek Az implicit Runge-Kutta típusú módszerek Az egylépéses módszerek egy tesztfeladaton A többlépéses módszerek A lineáris többlépéses módszer általános alakja és rendje A kezdeti értékek megválasztása és a módszer konvergenciája
8 4 Tartalomjegyzék Adams-típusú módszerek Retrográd dierencia módszerek A lineáris és a merev rendszerek numerikus megoldása A kezdetiérték-feladatok numerikus megoldása MATLAB segítségével Feladatok A peremérték-feladatok numerikus módszerei Bevezetés Peremértékfeladatok megoldása véges dierenciákkal A véges dierenciás séma felépítése A véges dierenciás séma megoldhatósága és tulajdonságai A véges dierenciás módszer konvergenciája Összefoglalás A közönséges dierenciálegyenletek peremérték-feladatának megoldhatósága A lineáris peremérték-feladat megoldhatósága A peremérték-feladat numerikus megoldása Cauchy-feladatra való visszavezetéssel A belövéses módszer Lineáris peremérték-feladatok numerikus megoldása A peremérték-feladat numerikus megoldása véges dierenciák módszerével Véges dierenciás approximáció Az általános alakú peremérték-feladat megoldása a véges dierenciák módszerével A lineáris peremérték-feladatok approximációja a véges dierenciák módszerével A lineáris peremérték-feladatok numerikus megoldásának általános vizsgálata A lineáris peremérték-feladatok M-mátrixokkal A diszkrét maximumelv és következményei A peremérték-feladatok numerikus megoldása MATLAB segítségével A modellfeladat: stacionárius h eloszlás homogén vezetékben A tesztfeladat numerikus megoldása MATLAB segítségével Feladatok A parciális dierenciálegyenletek numerikus módszerei A parciális dierenciálegyenletek alapfogalmai Lineáris, másodrend, elliptikus parciális differenciálegyenletek A Laplace-egyenlet analitikus megoldása egységnégyzeten Elliptikus egyenletek közelít megoldása véges dierenciák módszerével Általános kit zés és az alaptétel Az elliptikus feladatok numerikus közelítésének konvergenciája A numerikus módszer realizálásának algoritmusa Lineáris, másodrend, parabolikus parciális differenciálegyenletek Az egydimenziós h vezetési egyenlet analitikus megoldása A h vezetési feladat numerikus megoldása véges dierenciák módszerével A véges dierenciás közelítés konvergenciája A numerikus módszer realizálásának algoritmusa Egy másik véges dierenciás séma és vizsgálata Általánosítás és magasabb rend módszerek A parciális dierenciálegyenletek numerikus megoldása MATLAB segítségével A Poisson-egyenlet megoldása els (Dirichlet-féle) peremfeltétellel
9 Tartalomjegyzék A h vezetési egyenlet megoldása véges dierenciák módszerével Feladatok Tárgymutató 395 Irodalomjegyzék 397
10
11 El szó Az Olvasó most egy egyetemi jegyzetet tart a kezében vagy néz a számítógépe képerny jén. E jegyzetet a Budapesti M szaki és Gazdaságtudományi Egyetemen illetve az Eötvös Loránd Tudományegyetemen tartott numerikus módszerek kurzusainkhoz írtuk. Az írás során mindvégig azt vettük gyelembe, hogy a jegyzet segítségével hallgatóink alapos ismereteket tudjanak elsajátítani a tárgy témájában és egyben eredményesebben tudjanak felkészülni a vizsgákra. Ezt a célt szolgálják a magyarázó ábrák, a szemléltet példák, az ellen rz kérdések, a gyakorló feladatok és a jegyzet végén található szószedet is. A jegyzetbe nem akartunk több dolgot belezsúfolni, mint amir l egy két féléves kurzus során az el adásokon is szó lehet, de igyekeztünk azért az érdekl d hallgatóknak is kitekintést nyújtani az el adások anyagán túlmutató elméletek felvillantásával vagy az ezeket tárgyaló irodalom megadásával. A jegyzetben a deníciókat és tételeket vastag vonallal emeltük ki. Azokat a példákat, amelyek a jobb megértést segítik bekeretezve közöljük. Szintén bekeretezve szedtük az egyes algoritmusokat és programrészleteket. A bizonyítások végét, a példák és megjegyzések végét pedig jel zárja. A deníciók, a tételek, a következmények és a megjegyzések fejezetenként folytonosan sorszámozódnak. A fontosabb fogalmakat d lt bet vel szedtük. Általában ezek kerültek a szószedetbe is. Mivel ez a jegyzet elektronikus formában lesz elérhet, így kihasználtuk azokat a lehet ségeket is, amiket az elektronikus forma megenged. Így számos helyen megadtunk internethivatkozásokat valamilyen szemléltet programhoz, b vebb leíráshoz vagy életrajzhoz. Természetesen mivel ezek internetes tartalmak, a jöv ben változhatnak és elérhetetlenné is válhatnak. A képletekre, tételekre vagy a szószedetbeli elemekre való hiperhivatkozások a pdf fájlban egy kattintással elérhet k, majd az ALT+ billenty vel visszatérhetünk ez eredeti olvasási helyhez. Köszönet illeti hallgatóinkat, akik az elmúlt félévek során alaposan átnézték a jegyzet korábbi változatait, megjegyzéseikkel hozzájárultak az anyag kialakulásához és végleges formába öntéséhez, és a korábbi változatokban lév hibákra felhívták gyelmünket. Köszönet illeti Dr. Havasi Ágnest értékes javaslataiért, aki a t le megszokott alapossággal nézte át a kéziratot. A jegyzet a TÁMOP /2/A/KMR: Természettudományos (matematika és zika) képzés a m szaki és informatikai fels oktatásban pályázat támogatásával jött létre. Budapest, január A Szerz k Nagyon köszönjük mindenkinek, hogy megosztotta velünk észrevételeit és javaslatait a jegyzettel kapcsolatban a hibabejelent oldalon. A második, javított kiadásban már gyelembe vettük ezeket. Budapest, augusztus A Szerz k 7
12
13 1. El ismeretek Ebben a fejezetben azokat az el ismereteket gy jtjük össze, amik nem tartoznak szorosan a numerikus módszerek tárgy témaköréhez, de ismeretük elengedhetetlen lesz a kés bbiekben. Ezek az ismeretek f leg a lineáris algebra és a funkcionálanalízis tárgyhoz tartoznak. Bevezetjük a vektor- és mátrixnorma fogalmát, igazoljuk a Banach-féle xponttételt, ismertetjük a GramSchmidt-féle ortogonalizációs eljárást, felsorolunk néhány nevezetes mátrixtípust és megvizsgáljuk a tulajdonságaikat. Szó lesz még a mátrixok sajátértékeir l és sajátvektorairól, ezek normákkal való kapcsolatáról, az M-mátrixokról ill. a diagonalizálható mátrixokról. Összehasonlítjuk a sorozatok és függvények konvergenciasebességét. A fejezetet a MATLAB programcsomag bemutatásával zárjuk. Azok a hallgatók, akik tanultak lineáris algebrát és funkcionálanalízist e fejezet nagy részét átugorhatják az olvasás során. Bár a jelölések megismerésének érdekében érdemes minden fejezetet átszaladni, nekik csak a Gersgorin-tételt ( tétel), a Banach-féle xponttételt ( tétel), a normák és sajátértékek kapcsolatáról szóló fejezetet, az M-mátrixokról szóló fejezetet és a konvergenciasebességr l szóló 1.3. fejezetet érdemes alaposan átnézni Vektorterek Valós és komplex vektorterek Jelentse a továbbiakban K vagy a valós számok (R) vagy a komplex számok (C) testjét deníció. Egy V halmazt (K = R esetén valós, K = C estén komplex) vektortérnek nevezünk, ha értelmezve van rajta egy összeadás és egy számmal való szorzás m velet az alábbi tulajdonságokkal: 1. x + y = y + x, x, y V, 2. (x + y) + z = x + (y + z), x, y, z V, 3. o V, x + o = x, x V, 4. x V, ˆx V, x + ˆx = o, 5. 1 x = x, x V, 6. α(x + y) = αx + αy, x, y V, α K, 7. (α + β)x = αx + βx, x V, α, β K, 8. α(βx) = (αβ)x, x V, α, β K. 9
14 10 1. El ismeretek A vektortér fenti axiómáiból könnyen nyerhet k az alábbi tulajdonságok: 0 x = o minden x V esetén, α o = o minden α K esetén és ˆx = ( 1) x minden x V esetén. Ez utóbbi tulajdonság alapján az x y különbségen az x + ( 1) y összeget értjük. Valós vektorteret alkotnak pl. a sík és a tér helyvektorai, az n-elem valós oszlopvektorok halmaza (R n ), az m-szer n-es valós mátrixok halmaza (R m n ), az [a, b] intervallumon folytonos függvények halmaza (C[a, b]), az [a, b] intervallumon legalább k-szor folytonosan deriválható függvények halmaza (C k [a, b]), a valós együtthatós polinomok halmaza (P ), a legfeljebb n-edfokú valós együtthatós polinomok halmaza (P n ) és ezek [a, b] intervallumra vonatkozó leszorításai (P [a, b], P n [a, b]) a szokásos m veletek esetén 1. Komplex vektorteret alkotnak pl. az n-elem komplex oszlopvektorok halmaza (C n ) és az m-szer n-es komplex mátrixok halmaza (C m n ). Ebben a fejezetben jelentsen a továbbiakban V egy adott (valós vagy komplex) vektorteret. V elemeit általánosan vektoroknak hívjuk deníció. Egy x V vektort az x 1,..., x k V vektorok lineáris kombinációjának hívunk, ha vannak olyan α 1,..., α k K konstansok, hogy x = α 1 x α k x k deníció. Egy V vektortér egy W részhalmazát a vektortér egy alterének hívjuk, ha W maga is vektortér a V -beli m veletekre nézve. Például a legfeljebb harmadfokú polinomok vektorterében a legfeljebb másodfokú polinomok alteret alkotnak. Jelölje lin(x 1, x 2,..., x n ) az x 1, x 2,..., x n V vektorok összes lineáris kombinációjának halmazát. Ekkor lin(x 1, x 2,..., x n ) a V vektortér egy altere lesz a V -beli m veletekre nézve deníció. Az x 1,..., x k V vektorrendszert lineárisan függetlennek mondjuk, ha az α 1 x 1 + +α k x k = o egyenl ségb l α i = 0 (i = 1,..., k) következik. Végtelen sok vektorból álló vektorrendszert akkor hívunk lineárisan függetlennek, ha bármely véges részhalmaza lineárisan független vektorokat tartalmaz. A nem lineárisan független vektorrendszereket lineárisan összefügg rendszereknek hívjuk deníció. Egy vektorrendszert a V vektortér bázisának hívunk, ha lineárisan független, és V minden eleme el állítható a vektorrendszer elemeinek lineáris kombinációjaként. Bázisvektorok lineáris kombinációjaként minden V -beli vektor pontosan egyféleképpen írható fel. Ha V -nek van véges sok elemb l álló bázisa, akkor V -t véges dimenziós vektortérnek hívjuk. Egy véges dimenziós vektortér minden bázisának egyforma az elemszáma. Ez a vektortér dimenziója. 1 A jegyzetben használt vektorokkal és mátrixokkal kapcsolatos jelöléseket és elnevezéseket az 1.2. fejezetben foglaltuk össze.
15 1.1. Vektorterek Normált terek deníció. A (V, ) párt normált térnek hívjuk, ha V egy vektortér, és : V R egy adott függvény, ún. norma, az alábbi tulajdonságokkal: 1. x = 0 x = o, 2. αx = α x, x V, α K, 3. x + y x + y, x, y V (háromszög-egyenl tlenség). Mivel a sík- ill. a térvektorok vektorterében a vektorok hossza normát ad meg, ezért általánosan is szokás egy vektor normáját a vektor hosszának nevezni megjegyzés. Könnyen igazolható, hogy a norma csak nemnegatív értéket vehet fel. Vizsgáljuk ugyanis egy tetsz leges x elem esetén az x x értéket! A norma második és harmadik tulajdonságát felhasználva azt kapjuk, hogy amib l következik az állítás. 0 = o = x x x + x = 2 x, Most felsorolunk néhány fontos példát normált terekre. A sík és a tér helyvektorai, ha a v norma a vektor szokásos hossza. A K n vektortér, ha egy x = [x 1,..., x n ] T vektor esetén a normát pl. az x p = p x 1 p + + x n p képlettel értelmezzük p = 1, 2,... esetén. A leggyakrabban használt normák ezek közül az 1-es vagy oktaédernorma x 1 = x x n és a 2-es vagy euklideszi norma x 2 = x x n 2, valamint a p határátmenettel nyert, -nel jelölt maximumnorma x = max{ x 1,..., x n }. A K n vektortéren megadott normákat vektornormáknak A C[a, b] vektortér, ha a normát pl. az hívjuk. f C[a,b] = max x [a,b] { f(x) } módon értelmezzük (maximumnorma), amely tulajdonképpen a függvénygrakon x-tengelyt l mért legnagyobb eltérésének nagyságát adja meg.
16 12 1. El ismeretek A K m n vektortér, ha a normát egy A = [a ij ] K m n mátrix esetén az A = max { a ij } i=1,...,m; j=1,...,n képlettel értelmezzük. A K m n vektortéren megadott normákat mátrixnormáknak hívjuk. Kés bb majd látni fogunk más fontos mátrixnormákat is. A norma alkalmas arra, hogy mérjük két folytonos függvény, két vektor vagy két mátrix "távolságát". Így mérni tudjuk, hogy pl. egy lineáris egyenletrendszer közelít megoldása "milyen messze" van a pontos megoldástól. A távolság segítségével konvergenciát is deniálhatunk deníció. Az x, y (V, ) vektorok távolságán az x y számot értjük. A távolság elnevezés jogosságát az alábbi tétel mutatja tétel. A fent deniált távolságra teljesülnek az alábbi tulajdonságok: 1. x y 0, x, y (V, ), x y = 0 x = y, 2. x y = y x, x, y (V, ), 3. x y x z + z y, x, y, z (V, ) (háromszög-egyenl tlenség). A háromszög-egyenl tlenség közvetlen következménye az alábbi tétel, ami azt mutatja, hogy két vektor normájának eltérése tetsz legesen kicsi lehet, ha a két vektor távolságát elegend en kicsinek választjuk tétel. Egy (V, ) normált térben x y x y minden x, y (V, ) esetén. Bizonyítás. Alkalmazzuk kétféleképpen a háromszög-egyenl tlenséget: y = (y x) + x y x + x, x = (x y) + y x y + y. Az els egyenl tlenségb l kapjuk, hogy y x y x, a másikból pedig hogy x y x y. Az utóbbi egyenl séget az y x y x alakba írva a két egyenl ség együttesen a y x y x y x alakot ölti, ami a bizonyítandó állítással ekvivalens deníció. Azt mondjuk, hogy az {x k } (V, ) sorozat tart az x (V, ) elemhez (konvergens), ha az { x k x } valós számsorozat nullához tart. Jelölés: x k x. Az x vektort a sorozat határértékének hívjuk. Könnyen igazolható, hogy a határérték egyértelm.
17 1.1. Vektorterek deníció. Azt mondjuk, hogy egy H (V, ) halmaz zárt, ha minden olyan {x k } H sorozatra, amely tart valamilyen x (V, ) elemhez, igaz, hogy x H. Egy H (V, ) halmaz nyílt, ha komplementere zárt deníció. Egy V vektortéren értelmezett és normákat ekvivalensnek nevezzük, ha vannak olyan c 1, c 2 > 0 konstansok, melyekre c 1 x x c 2 x, x V. Könnyen látható, hogy a normák ekvivalenciája ekvivalencia-reláció, azaz reexív, szimmetrikus és tranzitív. Ekvivalens normák ugyanazt a konvergenciát deniálják. Ez azt jelenti, hogy ha egy sorozat az egyik normában tart egy adott elemhez, akkor a másik normában is ahhoz az elemhez fog tartani. A kés bbiekben többször alkalmazzuk majd az alábbi tételt tétel. Véges dimenziós vektorterekben minden norma ekvivalens. Bizonyítás. Legyen V egy véges dimenziós vektortér a v 1,..., v n bázissal. Ebben a vektortérben minden x vektor egyértelm en írható fel x = n k=1 α kv k alakban, ahol az α k együtthatók K-beli egyértelm en meghatározott konstansok. Ekkor a vektortérben a µ(x) = n k=1 α k 2 függvény normát deniál ( feladat). Legyen egy tetsz leges norma az adott V vektortéren. A tétel igazolásához elegend megmutatnunk, hogy és µ ekvivalens normák, mert a normák tranzitivitása miatt így bármely két norma ekvivalens lesz. Legyen x egy tetsz leges V -beli vektor. Ekkor n n x = α k v k α k v k n α k 2 n v k 2 = c 2 µ(x), k=1 k=1 ahol c 2 = n k=1 v k 2 egy, az x vektortól független konstans. Az utolsó becslésnél a Cauchy Schwarz-egyenl tlenséget használtuk. Így a norma felülr l becsülhet a µ norma konstansszorosával. Az alsó becsléshez tekintsük az euklideszi normával ellátott K n teret, melyen deniáljuk az f : (K n, 2 ) R, f(χ) = f(χ 1,..., χ n ) = n k=1 χ kv k függvényt. Ez a függvény folytonos, ugyanis az tétel alapján tetsz leges γ = (γ 1,..., γ n ), β = (β 1,..., β n ) K n vektorok esetén n n n f(γ) f(β) = γ k v k β k v k (γ k β k )v k c 2 γ β 2. k=1 Mivel az f függvény tehát folytonos, így a k=1 k=1 k=1 G = {χ K n χ 2 = 1} korlátos és zárt gömbhéjon van legkisebb értéke. Legyen ez a legkisebb érték f. Az f érték nyilvánvalóan nagyobb nullánál, hiszen különben a v 1,..., v n vektorok nem lennének függetlenek. k=1
18 14 1. El ismeretek Mivel x o esetén µ(x/µ(x)) = 1, ezért x/µ(x) f, amib l következik, hogy x f µ(x). Ez mutatja, hogy c 1 = f megfelel választás. Ezt akartuk megmutatni deníció. Azt mondjuk, hogy az {x k } (V, ) sorozat Cauchy-sorozat, ha minden ε > 0 számhoz van olyan M N szám, melyre x n x m < ε minden n, m M esetén tétel. Minden (V, ) normált térbeli konvergens sorozat Cauchy-sorozat. A tétel megfordítása nem igaz deníció. Azt mondjuk, hogy a (V, ) normált tér Banach 2 -tér, ha minden (V, )-beli Cauchy-sorozat konvergens sorozat is egyben. A normált terekre korábban felsorolt példák egyben példák Banach-terekre is. Tehát pl. R n Banach-tér a felsorolt normákkal, és mivel ezen a vektortéren minden norma ekvivalens, ezért bármilyen más normával is. Ugyanakkor nem minden normált tér Banach-tér. Ha a C[a, b] vektortéren a normát az f = b f(x) dx módon deniáljuk, akkor az így nyert normált tér nem a lesz Banach-tér. Most igazoljuk azt a tételt, amely a kés bbi iterációs eljárások konvergenciáját fogja majd biztosítani tétel. (Banach-féle xponttétel) Legyen (V, ) egy Banach-tér, és H (V, ) egy tetsz leges nem üres zárt részhalmaz. Tegyük fel, hogy az F : H H leképezés kontrakció, azaz van olyan 0 q < 1 valós szám, mellyel F (x) F (y) q x y bármely x, y H elemek esetén. Ekkor F-nek egyértelm en létezik xpontja H-ban, azaz egy olyan x H elem, mellyel F (x ) = x. Tetsz leges x 0 H kezd elemmel az x k+1 = F (x k ) módon el állított sorozat x -hoz tart. Érvényes az becslés. x x m qm 1 q x 1 x 0 (1.1.1) 2 Stefan Banach (1892 (Lvov)-1945), lengyel matematikus. A modern funkcionálanalízis megalapítója. Eredményei jelent sen hozzájárultak a topologikus vektorterek, a mértékelmélet, az integrálás és az ortogonális sorok elméletéhez is. Részletes angol nyelv életrajz található pl. az Banach.html oldalon.
19 1.1. Vektorterek 15 Bizonyítás. Tekintsük egy tetsz leges x 0 H elem esetén az x k+1 = F (x k ) rekurzióval de- niált sorozatot, melynek nyilvánvalóan mindegyik eleme H-ban található. Ekkor a kontrakciós tulajdonság miatt x k+1 x k = F (x k ) F (x k 1 ) q x k x k 1... q k x 1 x 0. Tetsz leges két n > m természetes szám esetén x n x m = x n x n 1 + x n 1 x n x m+1 x m x n x n 1 + x n 1 x n x m+1 x m q n 1 x 1 x 0 + q n 2 x 1 x q m x 1 x 0 = (q n 1 + q n q m ) x 1 x 0 = (q n m 1 + q n m )q m x 1 x 0 = qn m 1 q m x 1 x 0 qm q 1 1 q x 1 x 0. Ez mutatja, hogy {x k } egy H-beli Cauchy-sorozat, hiszen 0 q < 1, és ε > 0 esetén ln(ε(1 q)/ x1 x 0 ) M = ln q (1.1.2) jó választás. Mivel Banach-terekben minden Cauchy-sorozat konvergens, ezért létezik olyan x (V, ), melyre x k x. H zártsága miatt x H is igaz. Most azt fogjuk igazolni, hogy x xpontja F-nek. Ha x 1 = x 0, akkor ez nyilvánvaló. Mivel F (x ) x k+1 = F (x ) F (x k ) q x x k 0 (k ), ezért x k+1 F (x ). Mivel x k+1 x is igaz, így a határérték egyértelm ségéb l következik, hogy F (x ) = x. Az egyértelm ség igazolásához indirekt módon feltételezzük, hogy van legalább két különböz xpont: x és x. Ekkor x x = F (x ) F (x ) q x x, ami nyilván csak úgy lehet (q < 1), ha x = x, ami ellentmondás. Az állítás harmadik részében szerepl becslés úgy igazolható, hogy az n indexszel végtelenhez tartunk az (1.1.2) becslésben. A tételben természetesen H lehet a teljes (V, ) normált tér is. Vegyük észre, hogy a tétel második állítása gyakorlati útmutatást is ad arra, hogy a xpontot hogy kell megkeresnünk. A harmadik részben szerepl becslés pedig a xponthoz tartó sorozat els két elemének távolságával és a q konstanssal ad fels becslést arra, hogy a sorozat m-edik eleme milyen messze van a határértékét l. Vegyük észre azt is, hogy az {x k } sorozat kezd eleme tetsz leges volt, így az x xpont tetsz leges H-beli kezd elemr l induló iterációs sorozat határértékeként el állítható deníció. Egy F : (V 1, ) (V 2, ) leképezés folytonos az x (V 1, ) pontban, ha minden {x k } (V 1, ) sorozatra, melyre x k x, következik, hogy F (x k ) F (x ) (V 2, )-ben. F folytonos, ha minden x (V 1, ) pontban folytonos. Fontos példa, hogy az F : (V, ) (R,. ), F (x) = x folytonos leképezés, hiszen tetsz leges x k x (V, )-beli sorozat esetén minden k indexre igaz, hogy x k x x k x ( tétel), azaz x k x.
20 16 1. El ismeretek deníció. Egy F : (V 1, ) (V 2, ) leképezés korlátos, ha van olyan K R + 0 F (x) K x minden x (V 1, ) esetén. szám, melyre deníció. Egy F : (V 1, ) (V 2, ) leképezést lineáris operátornak nevezünk, ha F (αx + βy) = αf (x) + βf (y) minden x, y (V 1, ), α, β K esetén tétel. Lineáris operátorokra a folytonosság és a korlátosság ekvivalens tulajdonságok. Ha egy lineáris operátor folytonos egy pontban, akkor folytonos (V 1, ) minden pontjában. Jelölje B(V 1, V 2 ) az összes korlátos L : (V 1, ) (V 2, ) lineáris operátor vektorterét, ahol a m veleteket az módon értelmezzük tétel. Az (L 1 + L 2 )(x) = L 1 (x) + L 2 (x), (αl)(x) = α L(x) L(x) L := sup x o x (a korlátosság miatt jól deniált) hozzárendelés normát ad meg a B(V 1, V 2 ) vektortéren, így B(V 1, V 2 ) normált tér. (Ha V 2 Banach-tér, akkor B(V 1, V 2 ) is Banach-tér.) Alkalmazzuk az el z tételt az L : (K n, ) (K m, ), L(x) = Ax lineáris leképezésre, ahol A K m n. A normák ekvivalenciája miatt ( tétel) az L leképezés folytonos, azaz korlátos. Ekkor az el z tételt alkalmazva az Ax A := L = sup (1.1.3) x 0 x hozzárendelés mátrixnormát ad meg. A vektornormákból a fenti képlettel származtatott mátrixnormákat indukált normáknak hívjuk tétel. Tegyük fel, hogy a K n és K m normált terekben is ugyanazt a vektornormát használjuk. Ekkor a korábban megismert vektornormák az alábbi mátrixnormákat indukálják: Oktaédernorma (p = 1): A 1 = max j=1,...,n m i=1 a ij (oszlopösszegnorma), Maximumnorma (p = ): n A = max i=1,...,m j=1 a ij (sorösszegnorma), Euklideszi norma (p = 2): A 2 = ϱ(a H A), ahol ϱ az A mátrix spektrálsugara, és A H az A mátrix transzponált konjugáltja.
NUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertető Tartalomjegyzék Pályázati támogatás Gondozó
FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2011 Ismertető Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezető Lektor Technikai szerkesztő Copyright Az Olvasó most egy egyetemi jegyzetet tart
RészletesebbenNUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertet Tartalomjegyzék Pályázati támogatás Gondozó
FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2013 Ismertet Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezet Lektor Technikai szerkeszt Copyright Az Olvasó most egy egyetemi jegyzetet tart
RészletesebbenFaragó István Horváth Róbert NUMERIKUS MÓDSZEREK
Faragó István Horváth Róbert NUMERIKUS MÓDSZEREK El szó Az Olvasó most egy egyetemi jegyzetet tart a kezében vagy néz a számítógépe képerny jén. E jegyzetet a Budapesti M szaki és Gazdaságtudományi Egyetemen
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
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
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
RészletesebbenSkalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.
1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége
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.
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
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
RészletesebbenLineáris 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
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,
RészletesebbenTaylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!
Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el
RészletesebbenLineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
RészletesebbenLineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )
Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor
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. 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
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
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 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
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
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A
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
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,
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
RészletesebbenRang, 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
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:
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,
RészletesebbenFunkcionálanalízis. n=1. n=1. x n y n. n=1
Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok
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
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
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.):
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
Részletesebben1. 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
Részletesebben12. Mikor nevezünk egy részhalmazt nyíltnak, illetve zártnak a valós számok körében?
Ellenörző Kérdések 1. Mit jelent az, hogy egy f : A B függvény injektív, szürjektív, illetve bijektív? 2. Mikor nevezünk egy függvényt invertálhatónak? 3. Definiálja a komplex szám és műveleteinek fogalmát!
Részletesebben2. Hogyan számíthatjuk ki két komplex szám szorzatát, ha azok a+bi alakban, illetve trigonometrikus alakban vannak megadva?
= komolyabb bizonyítás (jeleshez) Ellenőrző kérdések 2006 ősz 1. Definiálja a komplex szám és műveleteinek fogalmát! 2. Hogyan számíthatjuk ki két komplex szám szorzatát, ha azok a+bi alakban, illetve
Részletesebben1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:
1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre
RészletesebbenLINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40
LINEÁRIS ALGEBRA matematika alapszak SZTE Bolyai Intézet, 2016-17. őszi félév Euklideszi terek Euklideszi terek LINEÁRIS ALGEBRA 1 / 40 Euklideszi tér Emlékeztető: A standard belső szorzás és standard
RészletesebbenLineáris 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
RészletesebbenVEKTORTEREK 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
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:
RészletesebbenSztojka Miroszláv LINEÁRIS ALGEBRA Egyetemi jegyzet Ungvár 2013
UKRAJNA OKTATÁSI ÉS TUDOMÁNYÜGYI MINISZTÉRIUMA ÁLLAMI FELSŐOKTATÁSI INTÉZMÉNY UNGVÁRI NEMZETI EGYETEM MAGYAR TANNYELVŰ HUMÁN- ÉS TERMÉSZETTUDOMÁNYI KAR FIZIKA ÉS MATEMATIKA TANSZÉK Sztojka Miroszláv LINEÁRIS
Részletesebben3. el adás: Determinánsok
3. el adás: Determinánsok Wettl Ferenc 2015. február 27. Wettl Ferenc 3. el adás: Determinánsok 2015. február 27. 1 / 19 Tartalom 1 Motiváció 2 A determináns mint sorvektorainak függvénye 3 A determináns
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
RészletesebbenLineáris Algebra. Tartalomjegyzék. Pejó Balázs. 1. Peano-axiomák
Lineáris Algebra Pejó Balázs Tartalomjegyzék 1. Peano-axiomák 2 1.1. 1.................................................... 2 1.2. 2.................................................... 2 1.3. 3....................................................
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
RészletesebbenAz R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
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.
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
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
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. 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
RészletesebbenHALMAZELMÉLET feladatsor 1.
HALMAZELMÉLET feladatsor 1. Egy (H,, ) algebrai struktúra háló, ha (H, ) és (H, ) kommutatív félcsoport, és teljesül az ún. elnyelési tulajdonság: A, B H: A (A B) = A, A (A B) = A. A (H,, ) háló korlátos,
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
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
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
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
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
RészletesebbenLineáris 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
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
RészletesebbenSorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
Részletesebbeni=1 λ iv i = 0 előállítása, melynél valamelyik λ i
Az informatikus lineáris algebra dolgozat C részének lehetséges kérdései Az alábbi listában azok az állítások, tételek szerepelnek, melyeket a vizsgadolgozat C részében kérdezhetünk. Azok érnek 6 pontot,
RészletesebbenMatematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.
Matematika B/1 Biró Zsolt Tartalomjegyzék 1. Célkit zések 1 2. Általános követelmények 1 3. Rövid leírás 1 4. Oktatási módszer 1 5. Követelmények, pótlások 2 6. Program (el adás) 2 7. Program (gyakorlat)
RészletesebbenDeterminánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.
Determinánsok A determináns fogalma olyan algebrai segédeszköz, amellyel jól jellemezhető a mátrixok invertálhatósága, a mátrix rangja. Segítségével lineáris egyenletrendszerek megoldhatósága dönthető
RészletesebbenVektorok. 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
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 5 V ELEmI ALGEbRA 1 BINÁRIS műveletek Definíció Az halmazon definiált bináris művelet egy olyan függvény, amely -ből képez -be Ha akkor az elempár képét jelöljük -vel, a művelet
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 9 IX MÁTRIxOk 1 MÁTRIx FOGALmA, TULAJDONSÁGAI A mátrix egy téglalap alakú táblázat, melyben az adatok, a mátrix elemei, sorokban és oszlopokban vannak elhelyezve Az (1) mátrixnak
Részletesebben0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
RészletesebbenValasek Gábor valasek@inf.elte.hu
Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2013/2014. őszi félév ( Eötvös LorándSzámítógépes TudományegyetemInformatikai Grafika Kar) 2013/2014.
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
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.
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:
RészletesebbenLineáris 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
RészletesebbenLineáris algebra Gyakorló feladatok
Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések
RészletesebbenLineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós
Lineáris algebra és a rang fogalma (el adásvázlat, 2010. szeptember 29.) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: (1) A mátrixalgebrával kapcsolatban: számtest
Részletesebben9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35
9. Előadás (9. előadás) Lineáris egyr.(3.), Sajátérték 2019. április 24. 1 / 35 Portfólió-analízis Tegyük fel, hogy egy bank 4 különböző eszközbe fektet be (réz, búza, arany és kakaó). Az ügyfeleinek ezen
RészletesebbenSorozatok és Sorozatok és / 18
Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle
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)
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
RészletesebbenPolinomok (el adásvázlat, április 15.) Maróti Miklós
Polinomok (el adásvázlat, 2008 április 15) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: gy r, gy r additív csoportja, zéruseleme, és multiplikatív félcsoportja, egységelemes
RészletesebbenLineáris algebra numerikus módszerei
Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y
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
RészletesebbenPermutációk véges halmazon (el adásvázlat, február 12.)
Permutációk véges halmazon el adásvázlat 2008 február 12 Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: ismétlés nélküli variáció leképezés indulási és érkezési halmaz
RészletesebbenLin.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?
RészletesebbenUtolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20
Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális
RészletesebbenAnalízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
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
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
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
RészletesebbenMatematika szigorlat június 17. Neptun kód:
Név Matematika szigorlat 014. június 17. Neptun kód: 1.. 3. 4. 5. Elm. Fel. Össz. Oszt. Az eredményes szigorlat feltétele elméletből legalább 0 pont, feladatokból pedig legalább 30 pont elérése. A szigorlat
RészletesebbenVégeselem modellezés alapjai 1. óra
Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,
Részletesebben2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma
Mátrixok Definíció Az m n típusú (méretű) valós A mátrixon valós a ij számok alábbi táblázatát értjük: a 11 a 12... a 1j... a 1n.......... A = a i1 a i2... a ij... a in........... a m1 a m2... a mj...
RészletesebbenLineáris algebra numerikus módszerei
Bevezetés Szükségünk van a komplex elemű mátrixok és vektorok bevezetésére. A komplex elemű n-dimenziós oszlopvektorok halmazát C n -el jelöljük. Hasonlóképpen az m n méretű komplex elemű mátrixok halmazát
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...
RészletesebbenLineáris algebra - jegyzet. Kupán Pál
Lineáris algebra - jegyzet Kupán Pál Tartalomjegyzék fejezet Vektorgeometria 5 Vektorok normája Vektorok skaláris szorzata 4 3 Vektorok vektoriális szorzata 5 fejezet Vektorterek, alterek, bázis Vektorterek
RészletesebbenA sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
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
Részletesebben