Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással
|
|
- Irma Léna Faragóné
- 8 évvel ezelőtt
- Látták:
Átírás
1 pontos dualitással Imre McMaster University Advanced Optimization Lab ELTE TTK Operációkutatási Tanszék Folytonos optimalizálás szeminárium július 6.
2 1 2 3
3 Kvadratikus egyenlőtlenségrendszerek Primál feladat f(x) < 0 g i (x) 0, i = 1,..., m x R n, f, g i : R n R kvadratikus (x T Ax + b T x + c) Elégséges feltétel λ R m, amelyre f(x) + i λ i g i (x) 0, x R n Mikor szükséges is? Regularitási feltétel (Slater) Konvex függvények m = 1 (S-lemma, Yakubovich, 1971)
4 Az S-lemma Yakubovich, 1971 Ha x : g( x) < 0, akkor az alábbi két álĺıtás ekvivalens: x R n : f(x) < 0, g(x) 0 y 0 : f(x) + yg(x) 0 minden x-re Konvexitás nélkül! Rejtett konvexitás Alkalmazások Ljapunov-féle stabilitásvizsgálat Ellipszoidtartalmazás Számítógépes grafika
5 Megoldási módszerek Csak,,kevés egyenlet esetén Rangkorlátozott lineáris mátrixegyenlőtlenségek Viszonylag új terület Az együttes numerikus értékkészlet konvexitása Klasszikus elmélet (Hausdorff, Töplitz) König, Ky Fan
6 Jelölések Mátrixok S n : n n valós szimmetrikus mátrixok PS n S n : pozitív szemidefinit mátrixok, F G = Tr (F G) = Tr (GF ) skalárszorzat Primál feladat homogén alak x T Ax < 0, x T Bx 0, x R n nem megoldható Duál feladat homogén alak Regularitási feltétel (Slater) λ 0, amelyre A + λb 0 x : x T B x < 0
7 Két egyenlőtlenségre x T A 1 x + 2b T 1 x + c 1 < 0 x T A 2 x + 2b T 2 x + c 2 0 Homogenizáló változó x T A 1 x + 2b T 1 xt + c 1 t 2 < 0 x T A 2 x + 2b T 2 xt + c 2 t 2 0 Eredeti megoldható homogén megoldható és t = 1 A t = 0 esetet a Slater-feltétellel zárjuk ki.
8 Tartalom x T Ax < 0 A xx T < 0 A X < 0 x T Bx 0 B xx T 0 B X 0 x R n rank (X) = 1, X 0 Pataki, 1998: A S n affin altér, dim A ( ) ( n 2 r+2 ) 2 + 1, PS n A =, X PS n A, amelyre rank (X) r. Barvinok, 2001: A S n affin altér, dim A = ( ) ( n 2 r+2 ) 2, PS n A = és korlátos X PS n A, amelyre rank (X) r. r = 1 + Farkas + Slater S-lemma NB: r = 1 miatt a második eset csak n 3-ra működik
9 Bizonyítások Tartalom Pataki, 1998: A S n affin altér, dim A ( ) ( n 2 r+2 ) 2 + 1, PS n A =, X PS n A, amelyre rank (X) r. Elemi, geometriai Konstruktív, sőt polinomiális Barvinok, 2001: A S n affin altér, dim A = ( ) ( n 2 r+2 ) 2, PS n A = és korlátos X PS n A, amelyre rank (X) r. Nem elemi, differenciálgeometriai Nem konstruktív, nincs algoritmus
10 A primál feladat nem megoldható R R { (x T Ax, x T Bx) : x R n} = } {{ } konvex! (Dines, 1941) Kicsit általánosabb eredmény (Poljak, 1998) n 3, az A, B 1, B 2 mátrixoknak van PD lineáris kombinációjuk { (x T Ax, x T B 1 x, x T B 2 x) : x R n} konvex Szeparációs bizonyítás Norma-feltétel
11 A rangfeltétel és a konvexitás ekvivalenciája Az { (x T Ax, x T Bx) : x R n} halmaz konvexitása y, z R n, λ [0, 1] Kell: x R n x T Ax = λy T Ay + (1 λ)z T Az x T Bx = λy T By + (1 λ)z T Bz X = xx T a következő rendszer 1-rangú megoldása A X = λy T Ay + (1 λ)z T Az B X = λy T By + (1 λ)z T Bz Pataki: létezik 1-rangú megoldás
12 Magasabb rangú megoldások Konvex-e { r x T i A 1 x i,..., i=1 Ekvivalens alakban } r x T i A m x i R m, x i R n, i = 1,..., r? i=1 {A 1 X,..., A m X} R m, X R n n, rank (X) r Új konvexitási eredmények
13 König-konvexitás f : X Y, x 1, x 2 X létezik x 3, amelyre 2f(x 3 ) f(x 1 ) + f(x 2 ) rendezés: x y y x K Y zárt, konvex,,,szép kúp Illés és Kassay, 1994 Legyen f : X Y König-konvex, f(x) 0 nem megoldható y K \ {0} amelyre y, f(x) 0, x X. Hogyan lehet a König-konvexitást bizonyítani? folytonosság együttes értékkészlet konvexitása
14 König-linearitás f, g : R n R homogén kvadratikus F (x) := (f(x), g(x)), K = R 2 {F (x) : x R n } konvexitása miatt x 1, x 2 R n x 3 : F (x 3 ) = F (x 1 ) + F (x 2 ), vagyis F König-lineáris. További függvények?
15 , további lehetőségek További elégséges feltételek Ramana, 1995: NP-teljes (nem meglepő) negatív eredmények Bonyolultabb függvények Poljak, 2001:,,kis gömb képe konvex Általánosabb dualitás Elégséges mátrixok SOS optimalizálás
16 pontos dualitással Imre McMaster University Advanced Optimization Lab ELTE TTK Operációkutatási Tanszék Folytonos optimalizálás szeminárium július 6.
17 Figure: { (x T Ax, x T Bx) : x R n} ( 2 0 A = 0 1 ) ( 3 1, B = 1 0 ) Vissza a konvexitáshoz!
Szemidenit optimalizálás és az S-lemma
Szemidenit optimalizálás és az S-lemma Pólik Imre SAS Institute, USA BME Optimalizálás szeminárium 2011. október 6. Outline 1 Egyenl tlenségrendszerek megoldhatósága 2 Az S-lemma 3 Szemidenit kapcsolatok
RészletesebbenDiszkrét Matematika MSc hallgatók számára. 4. Előadás
Diszkrét Matematika MSc hallgatók számára 4. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2012. február 28. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét
Részletesebben4. Előadás: Erős dualitás
Optimalizálási eljárások/operációkutatás MSc hallgatók számára 4. Előadás: Erős dualitás Előadó: Hajnal Péter 2018. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét d
RészletesebbenOptimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben
Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges
RészletesebbenBoros Zoltán február
Többváltozós függvények differenciál- és integrálszámítása (2 3. előadás) Boros Zoltán 209. február 9 26.. Vektorváltozós függvények differenciálhatósága és iránymenti deriváltjai A továbbiakban D R n
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenKonvex optimalizálás feladatok
(1. gyakorlat, 2014. szeptember 16.) 1. Feladat. Mutassuk meg, hogy az f : R R, f(x) := x 2 függvény konvex (a másodrend derivált segítségével, illetve deníció szerint is)! 2. Feladat. Mutassuk meg, hogy
RészletesebbenA szemidefinit programozás alkalmazásai a kombinatorikus optimalizálásban című jegyzetemhez
Kiegészítések az A szemidefinit programozás alkalmazásai a kombinatorikus optimalizálásban című jegyzetemhez Ujvári Miklós Utolsó módosítás: 2011 szeptember A 4.25 Megjegyzés mögé beszúrandó (4.26-ból
RészletesebbenDualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat
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
RészletesebbenOpkut deníciók és tételek
Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét
RészletesebbenA szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
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
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)
RészletesebbenMetrikus terek, többváltozós függvények
Metrikus terek, többváltozós függvények 2003.10.15 Készítette: Dr. Toledo Rodolfo és Dr. Blahota István 1. Metrikus terek, metrika tulajdonságai 1.1. A valós, komplex, racionális, természetes és egész
RészletesebbenNemlineáris programozás: algoritmusok
Nemlineáris programozás: algoritmusok illes@math.elte.hu Operációkutatási Tanszék Budapest 2010. I. félév Feltétel nélküli optimalizálási feladat Feltétel nélküli optimalizálási feladat: Legyen adott az
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)
RészletesebbenNemlineáris programozás 2.
Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,
RészletesebbenA L Hospital-szabály, elaszticitás, monotonitás, konvexitás
A L Hospital-szabály, elaszticitás, monotonitás, konvexitás 9. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék A L Hospital-szabály, elaszticitás, monotonitás, konvexitás p. / A L
RészletesebbenOptimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és
RészletesebbenA fontosabb definíciók
A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,
RészletesebbenValós függvények tulajdonságai és határérték-számítása
EL 1 Valós függvények tulajdonságai és határérték-számítása Az ebben a részben szereplő függvények értelmezési tartománya legyen R egy részhalmaza. EL 2 Definíció: zérushely Az f:d R függvénynek zérushelye
Részletesebben9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA. 9.1 Metrika és topológia R k -ban
9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA 9.1 Metrika és topológia R k -ban Definíció. A k-dimenziós euklideszi térnek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. május 15. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenDR. NAGY TAMÁS. egyetemi docens. Miskolci Egyetem Alkalmazott Matematikai Tanszék
FELTÉTELES OPTIMALIZÁLÁS DR. NAGY TAMÁS egyetemi docens Miskolci Egyetem Alkalmazott Matematikai Tanszék A bemutatott kutató munka a TÁMOP-4...B-0//KONV-00-000 jel½u projekt részeként az Európai Unió támogatásával,
Részletesebben11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás
Optimalizálási eljárások MSc hallgatók számára 11. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2011. április 27. 1. Lineáris egyenlőség feltételek melletti minimalizálás Múlt héten nem szerepeltek
Részletesebben2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése
2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )
RészletesebbenMODELLEK ÉS ALGORITMUSOK ELŐADÁS
MODELLEK ÉS ALGORITMUSOK ELŐADÁS Szerkesztette: Balogh Tamás 214. december 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
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
RészletesebbenMATEMATIKA 2. dolgozat megoldása (A csoport)
MATEMATIKA. dolgozat megoldása (A csoport). Definiálja az alábbi fogalmakat: (egyváltozós) függvény folytonossága, differenciálhatósága, (többváltozós függvény) iránymenti deriváltja. (3x8 pont). Az f
RészletesebbenZáróvizsga tételek matematikából osztatlan tanárszak
Záróvizsga tételek matematikából osztatlan tanárszak A: szakmai ismeretek; B: szakmódszertani ismeretek Középiskolai specializáció 1. Lineáris algebra A: Lineáris egyenletrendszerek, mátrixok. A valós
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
RészletesebbenFolytonos görbék Hausdorff-metrika Mégegyszer a sztringtérről FRAKTÁLGEOMETRIA. Metrikus terek, Hausdorff-mérték. Czirbusz Sándor
Metrikus terek, Hausdorff-mérték Czirbusz Sándor czirbusz@gmail.com Komputeralgebra Tanszék ELTE Informatika Kar 2010. március 22. Vázlat 1 Folytonos görbék Affin függvények Definíciók A Koch-görbe A Cantor-halmaz
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
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
RészletesebbenAz ellipszoid algoritmus
Az ellipszoid algoritmus Csizmadia Zsolt Eötvös Loránd Tudományegyetem Bevezető Az ellipszoid módszert a nemlineáris porgramozásra Shor [1970,0977] illetve Yudin és Nemirovskiî [1976] feljlesztették ki.
RészletesebbenFÜGGVÉNYEK TULAJDONSÁGAI, JELLEMZÉSI SZEMPONTJAI
FÜGGVÉNYEK TULAJDONSÁGAI, JELLEMZÉSI SZEMPONTJAI FÜGGVÉNY: Adott két halmaz, H és K. Ha a H halmaz minden egyes eleméhez egyértelműen hozzárendeljük a K halmaznak egy-egy elemét, akkor a hozzárendelést
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
RészletesebbenHaladó lineáris algebra
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 Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
Részletesebbenvalós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.
2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve
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
RészletesebbenFüggvények határértéke, folytonossága FÜGGVÉNYEK TULAJDONSÁGAI, SZÉLSŐÉRTÉK FELADATOK MEGOLDÁSA
Függvények határértéke, folytonossága FÜGGVÉNYEK TULAJDONSÁGAI, SZÉLSŐÉRTÉK FELADATOK MEGOLDÁSA Alapvető fogalmak: Függvény fogalma Függvény helyettesítési értéke (függvényérték) Függvény grafikonja A
RészletesebbenDiszkrét Matematika MSc hallgatók számára. 14. Előadás
Diszkrét Matematika MSc hallgatók számára 14. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2012. Nem maradt rá idő 1. Feltétel nélküli optimalizálás 1.1. Az eljárások alapjai A feltétel nélküli
RészletesebbenA lineáris programozás alapjai
A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris
Részletesebben4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre
4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre Az értékelő függvény létezése (folytatás) p. 1/8 4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre
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.
RészletesebbenNem-lineáris programozási feladatok
Nem-lineáris programozási feladatok S - lehetséges halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 1 Elég egyszerű példa: nemlineáris célfüggvény + lineáris feltételek Lehetséges halmaz x 1 *x 2 =6.75 Gradiens
RészletesebbenA legjobb közeĺıtés itt most azt jelentette, hogy a lineáris
Többváltozós függvények differenciálhatósága f(x) f(x Az egyváltozós függvények differenciálhatóságát a lim 0 ) x x0 x x 0 függvényhatárértékkel definiáltuk, s szemléletes jelentése abban mutatkozott meg,
Részletesebben1. Parciális függvény, parciális derivált (ismétlés)
Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt
RészletesebbenKalkulus 2., Matematika BSc 1. Házi feladat
. Házi feladat Beadási határidő: 07.0.. Jelölések x = (x,..., x n, y = (y,..., y n, z = (z,..., z n R n esetén. x, y = n i= x iy i, skalárszorzat R n -ben. d(x, y = x y = n i= (x i y i, metrika R n -ben
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
RészletesebbenA következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenNevezetes függvények
Nevezetes függvények Függvények értelmezése Legyen adott az A és B két nem üres halmaz. Az A halmaz minden egyes eleméhez rendeljük hozzá a B halmaz egy-egy elemét. Ez a hozzárendelés egyértelmű, és ezt
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. március 17. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
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,
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
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
Részletesebben2012. október 2 és 4. Dr. Vincze Szilvia
2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex
Részletesebben1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy
/. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.
RészletesebbenTovábbi programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás
További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás Készítette: Dr. Ábrahám István Hiperbolikus programozás Gazdasági problémák optimalizálásakor gyakori, hogy
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 1. Bevezetés, függvények, sorozatok, határérték Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, a biomatematika célja 2 Függvénytani alapfogalmak
RészletesebbenOperációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév
RészletesebbenOperátorkiterjesztések Hilbert-téren
Tarcsay Zsigmond Operátorkiterjesztések Hilbert-téren Szakdolgozat Témavezet : Sebestyén Zoltán egyetemi tanár Eötvös Loránd Tudományegyetem, Természettudományi Kar 2008 Tartalomjegyzék 1. Bevezetés 3
RészletesebbenLosonczi László. Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar
Szélsőértékszámítás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Losonczi László (DE) Szélsőértékszámítás 1 / 21 2. SZÉLSOÉRTÉKSZÁMÍTÁS 2.1 A szélsőérték fogalma, létezése Azt
RészletesebbenMatematika III előadás
Matematika III. - 3. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 19 Skalármezők
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:
Részletesebben5. A kiterjesztési elv, nyelvi változók
5. A kiterjesztési elv, nyelvi változók Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 A kiterjesztési elv 2 Nyelvi változók A kiterjesztési elv 237 A KITERJESZTÉSI ELV A
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
RészletesebbenNemlineáris optimalizálás
Nemlineáris optimalizálás Rapcsák Tamás 2007. 3 Előszó A Nemlineáris optimalizálás című anyag a gazdaságmatematikai elemző közgazdász hallgatók számára készült és egyrészt a matematikai alapozó kurzusokra
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
Részletesebben10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenMatematika 10 Másodfokú egyenletek. matematika és fizika szakos középiskolai tanár. > o < 2015. szeptember 27.
Matematika 10 Másodfokú egyenletek Juhász László matematika és fizika szakos középiskolai tanár > o < 2015. szeptember 27. copyright: c Juhász László Ennek a könyvnek a használatát szerzői jog védi. A
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,
RészletesebbenMatematika III előadás
Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,
RészletesebbenNP-teljesség röviden
NP-teljesség röviden Bucsay Balázs earthquake[at]rycon[dot]hu http://rycon.hu 1 Turing gépek 1/3 Mi a turing gép? 1. Definíció. [Turing gép] Egy Turing-gép formálisan egy M = (K, Σ, δ, s) rendezett négyessel
RészletesebbenNemlineáris optimalizálás Dr. Házy, Attila
Nemlineáris optimalizálás Dr. Házy, Attila Nemlineáris optimalizálás Dr. Házy, Attila Miskolci Egyetem Kelet-Magyarországi Informatika Tananyag Tárház Kivonat Kivonat Nemzeti Fejlesztési Ügynökség http://ujszechenyiterv.gov.hu/
RészletesebbenFüggvények határértéke és folytonossága
Függvények határértéke és folytonossága 7. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Függvények határértéke p. / Függvény határértéke az x 0 helyen Definíció. Legyen D R, f
RészletesebbenDiszkrét matematika 1. középszint
Diszkrét matematika 1. középszint 2017. sz 1. Diszkrét matematika 1. középszint 3. el adás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenOptimalizálási eljárások MSc hallgatók számára Előadás
Optimalizálási eljárások MSc hallgatók számára 2 3. Előadás Előadó: Hajnal Péter 2014. február 20-27. 1. Dualizálás Tekintsük az alábbi, explicit feltételekkel megadott optimalizálási feladatot, amelyet
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)
RészletesebbenEllenőrző kérdések a Matematika I. tantárgy elméleti részéhez, 2. rész
Ellenőrző kérdések a Matematika I. tantárgy elméleti részéhez, 2. rész Mintakérdések a 2. ZH elméleti részéhez. Nem csak ezek a kérdések szerepelhetnek az elméleti részben, de azért hasonló típusú kérdések
RészletesebbenMatematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. Biró Zsolt. 1. Célkit zések Általános követelmények 1
Matematika B/1 Biró Zsolt Tartalomjegyzék 1. Célkit zések 1 2. Általános követelmények 1 3. Rövid leírás 2 4. Oktatási módszer 2 5. Követelmények, pótlások 2 6. Tematika 2 6.1. Alapfogalmak, matematikai
Részletesebben2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 8. Előadás Bevezetés Egy olyan LP-t, amelyben mindegyik változó egészértékű, tiszta egészértékű
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
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 10. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Felhívás Diszkrét matematika I. középszint 2014.
RészletesebbenSztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával
Sztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával * Pannon Egyetem, M szaki Informatikai Kar, Számítástudomány
RészletesebbenOperációkutatás I. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdinfo nappali tagozat Operációkutatás I. Tantárgyi útmutató 2017/18 tanév 1. félév 1/4 Tantárgy megnevezése: Operációkutatás Tantárgy kódja: OPKU1KOMEMM Tanterv szerinti
RészletesebbenUjv ari Mikl os KONVEX ANAL IZIS 2009 1
Ujvári Miklós KONVEX ANALÍZIS 2009 1 2 Tartalomjegyzék Bevezetés... 5 Jelölések... 10 1. Végesen generált halmazok.... 11 1. A Gauss Jordan-elimináció... 11 2. Alterek, affin halmazok... 24 3. Poliéder
RészletesebbenOPERÁCIÓKUTATÁS No. 5. Etienne de Klerk Cornelis Roos Terlaky Tamás NEMLINEÁRIS OPTIMALIZÁLÁS
OPERÁCIÓKUTATÁS No. 5. Etienne de Klerk Cornelis Roos Terlaky Tamás NEMLINEÁRIS OPTIMALIZÁLÁS Budapest, 2004 Etienne de Klerk Cornelis Roos Terlaky Tamás: NEMLINEÁRIS OPTIMALIZÁLÁS OPERÁCIÓKUTATÁS No.
RészletesebbenA lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/
Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
RészletesebbenDiverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,
RészletesebbenHatározatlan integrál
Határozatlan integrál Boros Zoltán Debreceni Egyetem, TTK Matematikai Intézet, Anaĺızis Tanszék Debrecen, 207. február 20 27. Primitív függvény, határozatlan integrál A továbbiakban legyen I R intervallum.
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. estis képzés 2017. ősz 1. Diszkrét matematika 1. estis képzés 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenKétváltozós függvények differenciálszámítása
Kétváltozós függvények differenciálszámítása 13. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Kétváltozós függvények p. 1/1 Definíció, szemléltetés Definíció. Az f : R R R függvényt
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
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 016. ősz 1. Diszkrét matematika 1. középszint 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenRelációk Függvények. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!
függvények RE 1 Relációk Függvények függvények RE 2 Definíció Ha A, B és ρ A B, akkor azt mondjuk, hogy ρ reláció A és B között, vagy azt, hogy ρ leképezés A-ból B-be. Ha speciálisan A=B, azaz ρ A A, akkor
Részletesebben