1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:"

Átírás

1 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 a 22 -vel a másodikat a 12 -vel: a 11 a 22 x 1 +a 12 a 22 x 2 = b 1 a 22 a 21 a 12 x 1 +a 22 a 12 x 2 = b 2 a 12, majd vonjuk ki az első egyenletetből a másodikat: azaz Hasonlóan: a 11 a 22 a 12 a 21 x 1 = b 1 a 22 b 2 a 12, x 1 = b 1a 22 b 2 a 12 a 11 a 22 a 12 a 21 x 2 = b 2a 11 b 2 a 21 a 11 a 22 a 12 a 21 Ha az alábbi három ismeretlenes egyenletrendszert tekintjük: a 11 x 1 +a 12 x 2 +a 1 x = b 1 a 21 x 1 +a 22 x 2 +a 2 = b 2 a 1 x 1 +a 2 x 2 +a 2 x = b Ekkor egy hasonló, de lényegesen hosszabb számolás adja: ahol x 1 = p q, p = b 1 a 22 a + b a 12 a 2 + b 2 a 1 a 2 b a 1 a 22 b 1 a 2 a 2 b 2 a 12 a q = a 11 a 22 a + a 12 a 2 a 1 + a 1 a 21 a 2 a 1 a 22 a 1 a 11 a 2 a 2 a 12 a 21 a Hasonló képlet adható x 2, x -ra Próbáljuk megérteni a nevezőket! A kétismeretlenes egyenletrendszerben a kéttagú összegek: a 11 a 22 a 12 a 21 A háromismeretlenes egyenletrendszerben a háromtagú összegek: a 11 a 22 a a 12 a 2 a 1 a 1 a 21 a 2 a 1 a 22 a 1 a 11 a 2 a 2 a 12 a 21 a Látjuk, hogy egy szorzatban az indexek első számai az 1, 2 ill 1, 2,, a második számokban pedig az 1, 2 ill 1, 2, számok összes permutációja jelenik meg Igy termzetes azt gondolnunk, hogy 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 n1 x 1 + a n2 x 2 + +a nn x n = b n egyenletrendszer megoldásánál az x i nevezőjében olyan n tényezős szorzatok jelennek meg, ahol az indexben az első számok: 1, 2,, n a második számokban az 1, 2,, n számok összes lehetséges permutációi szerepelnek Még meg kell értenünk a szorzatok előjelét Ehhez az inverziószám fogalmára van szükségünk 1 definíció Legyen az 1, 2,, n számok egy permutációja σ1, σ2,, σn Ekkor ebben a permutációban azon párok számát, ahol az előbbre lévő nagyobb mint a hátrébb lévő a permutáció inverziószámának hívjuk Jelöl: Iσ Például: Két szám eseten: Három szám esetén: I1, 2 = 0 I2, 1 = 1 I1, 2, = 0 I2,, 1 = 2 I, 1, 2 = 2 I, 2, 1 = I1,, 2 = 1 I2, 1, = 1 Látjuk azt, hogy a nevezőken + áll ha a 1σ1 a 2σ2 a nσn esetén Iσ az inverziószám páros szám szám, ha az Iσ páratlan, tehát n = 2 esetén az szorzat előjele: a 1σ1 a 2σ2 a nσn 1 Iσ Ezek alapján termzetes az alábbi definíció: 1

2 2 definíció Egy A = a ij n n mátrix determinánsa: deta = σ 1 Iσ a 1σ1 a 2σ2 a nσn, ahol az összegz az 1, 2,, n összes permutációjára vonatkozik Egy másik jelöl: deta = Példák: a 11 a 12 a 1n a 21 a 22 a 2n a n1 a n2 a nn 1 Egy 2 2-es mátrix determinánsát úgy számoljuk ki, hogy a főátlóban lévő elemeket összeszorozzuk kivonjuk ebből a mellékátlóban lévő elemeket szorzatát: = = 26 2 Egy -as determinánst a legegyszerűbb az ún Sarrus-szabállyal kiszámolni Ehhez a -as determinánst leírása után ismételjük meg az első két oszlopot formáljunk az átlósan elhelyezkedő számokból -tagú szorzatokat Ezeket adjuk össze oly módon, hogy a balról, fentről jobbra lefelé elhelyezkedő számok szorzatait +-szal a többieket -szal vesszük tekintetbe = = 106 Legyen A egy ún n n-es felső háromszögmátrix, azaz olyan mátrix, ahol a főátló alatt 0-k szerepelnek Ekkor a 11 a 12 a 1 a 1n 0 a 22 a 2 a 2n 0 0 a a n = a nn 1 Iσ a 1σ1 a 2σ2 a nσn σ Nézzük meg, hogy ez a szumma milyen nem nulla szorzatokat tartalmaz! Az a nσn 0 csak akkor lehet, ha σn = n A a nσn 1 0 csak akkor lehet, ha σn 1 = n 1 vagy n Mivel σn = n, ezért σn 1 = n 1 Hasonlóan kapjuk, hogy σi = i minden 1 i n esetén Azaz csak egy összeggel kell számolnunk: az a 11 a 22 a nn -nel Mivel az I1, 2,, n = 0, ezért az előjel + lesz, így a 11 a 12 a 1 a 1n 0 a 22 a 2 a 2n 0 0 a a n = a 11 a 22 a nn a nn Az utolsó példa azért jelentős, mert a Gauss-elimináció során minden n n-es mátrix ilyen alakra hozható Így a következőkben azzal foglalkoznunk, hogy megértsük, hogy a Gauss-elimináció során alkalmazott sorműveletek milyen hatással vannak a determinánsra Példák: Legyen Ekkor A = deta = 10 1 Sorcsere: = 10, azaz a determináns a 1-szeresére változott 2 c 0-val való szorzás: Szorozzuk meg a második sort -mal: = 0, azaz a determináns szintén -szorosára nőtt Egy sorhoz adjuk hozzá egy másik sor c-szeresét: Adjuk például az első sorhoz a második sor dupláját: = 10, azaz a determináns értéke nem változott A fent látott tulajdonságok általában is igazak: 1 tétel 1 Ha egy n n-es mátrixban sorcserét hajtunk végre, akkor a determináns értéke 1-gyel szorzódik 2 Ha egy n n-es mátrixban egy sort beszorzunk egy c számmal, akkor a determináns is c-vel szorzódik Ha egy n n-es mátrixban egy sorhoz hozzáadjuk egy másik sor c-szeresét, akkor determináns nem változik Példa: Határozza meg az

3 determináns értékét! Megoldás: Emeljünk ki -at az első sorból: 6 9 = Adjuk hozzá az első sort a második negyedik sorhoz vonjuk ki a harmadik sorból az első sort: = Cseréjük fel a második harmadik sort: = Vonjuk ki a harmadik sorból a második sor dupláját: = Cseréljük meg a harmadik negyedik sort: = Vonjuk ki a negyedik sorból a harmadik sor hatszorosát: = = A következőkben azt vizsgáljuk meg, hogy a mátrixműveletek a determinánsokkal mit csinálnak Legyen Ekkor A = deta = 2, B = B = 11 Nyilván deta T = = 2 = deta, deta + B = = 50 deta + detb detab = 7 5 = 22 = detadetb, deta 1 = 2 1 = 1 2 = 1 deta A fent látott összefüggek általában is igazak: 2 tétel Legyen A = a ij n n B = b ij n n Ekkor 1 deta T = deta, 2 detab = detadetb, ha A invertálható, akkor deta 1 = 1 deta A determináns fogalmával már teljesen le lehet írni azokat a négyzetes mátrixokat, amelyek invertálhatók: tétel Egy A = a ij n n mátrix akkor csak akkor invertálható, ha deta 0 Bizonyítás: Tegyük fel, hogy A = a ij n n egy invertálható mátrix Ekkor létezik A 1 n n-es mátrix, hogy AA 1 = I n Ezért ezért 1 = I n = detaa 1 = detadeta 1, det A 0 Most tegyük fel, hogy deta 0 Alkalmazzuk deta-ra a Gauss-Jordan eliminációt Ekkor az eredmény vagy az I n egységmátrix vagy egy olyan mátrix, amelynek utolsó sorában csupa 0 van Nézzük meg, hogy a Gauss-Jordan elimináció során alkalmazott lépeknél a determináns hogyan változik! Sorcserénél a determináns -1-szeresre változik; ha egy sort c 0 számmal szorzunk, akkor a determináns is c-vel szorzódik ha egy sorhoz hozzáadjuk egy másik sor c-szeresét, akkor nem változik a determináns értéke Ezért ha olyan n n-es mátrixból indulunk ki, ahol a determináns nem-nulla, akkor a Gauss-Jordan eliminációval kapott mátrix determinánsa sem nulla Ezért nem lehet, hogy a fenti A mátrix esetén a Gauss-Jordan-elimináció olyan mátrixot eredményezzen, ahol az utolsó sorban 0-k vannak, mert akkor a determináns 0 lenne Így a Gauss- Jordan elimináció az I n egységmátrixot szolgáltatja, tehát a korábban megismert algoritmussal meghatározhatjuk A 1 -t, tehát létezik az inverz A következőkben a determins egy másik kiszámítási módját mutatjuk be Az A = a ij n n mátrix determinánsa: deta = σ 1 Iσ a 1σ1 a 2σ2 a nσn, ezért látjuk, hogy egy rögzített a ij szám olyan szorzatokban szerepel, ahol a tagok abból a mátrixból jönnek, amit

4 A = a ij n n mátrix i-edik sorának j-edik oszlopának elhagyásával kapunk Jelölje ennek determinánsát M ij Nézzük meg, hogy hogyan számítható ki ez alapján egy -as mátrix determinánsa: a 11 a 12 a 1 a 21 a 22 a 2 a 1 a 2 a = a 11 a 22 a + a 12 a 2 a 1 + a 1 a 21 a 2 a 1 a 22 a 1 a 11 a 2 a 2 a 12 a 21 a = a 11 a 22 a a 2 a 2 + a 12 a 2 a 1 a 21 a + a 1 a 21 a 2 a 22 a 1 = a 11 M 11 a 12 M 12 + a 1 M 1 Érdemes bevezetni az előjeles aldetermináns fogalmát: Eszerint a 11 a 12 a 1 a 21 a 22 a 2 a 1 a 2 a C ij = 1 i+j M ij = a 11C 11 + a 12 C 12 + a 1 C 1 Ezt az zrevételt általánosítja a kifejti tétel: 4 tétel Legyen A = a ij n n, jelölje C ij az előjeles aldeterminánsokat Ekkor minden 1 i n esetén det A = a i1 C i1 + a i2 C i2 + + a in C in minden 1 j n esetén det A = a 1j C 1j + a 2j C 2j + + a nj C nj Az első képletet használatánál azt mondjuk, hogy az i- edik sor szerint fejtjük ki a determinánst, míg a második képletet használva a szóhasználat az, hogy a j-edik oszlop szerint fejtünk ki Mindig olyan sor vagy oszlop szerint érdemes kifejteni, amelyik a lehető legtöbb 0-t tartalmazza, mert így a lehető legtöbb olyan szorzat lesz, ahol az egyik tényező 0, tehát ezeket le sem kell írni Példa: Számítsuk ki az determináns értékét! Megoldás: A második sor szerint érdemes kifejteni Ekkor a 1 i+j előjelet legegyszerűbb az ún sakktáblaszabály szerint felírni, balodalt felül + jel van, egy sorban felváltva vannak + jelek, két egymás utáni sorban eggyel elcsusztatva vannak a + -ok Eszerint = = E két determinánst most megint kifejtjük, mondjuk az első sor szerint: = = így = = = 0, = = = 45 A kifejti tétel egy kis módosításával jutunk a ferde kifejti tételhez: 5 tétel Legyen A = a ij n n, jelölje C ij az előjeles aldeterminánsokat Ekkor minden 1 i n minden 1 j n esetén ha i j, akkor a i1 C j1 + a i2 C j2 + + a in C jn = 0 A kifejti a ferde kifejti tétel lehetőséget ad arra, hogy invertálható mátrix esetén az inverzet felírjuk Ehhez szükség van az adjungált mátrix definíciójára: definíció Az A = a ij n n mátrix adjungált mátrixát úgy kapjuk, hogy minden komponens helyett vesszük a hozzá tartozó előjeles aldetermináns, majd ezt transzponáljuk a főállóra tükrözzük Tömören: adja = C ji n n 6 tétel Ha A = a ij n n egy invertélható mátrix, akkor A 1 = 1 det A adja 4

5 Bizonyítás: Az inverz definíciója szerint azt kell megmutatni, hogy 1 A det A adja = I n, azaz AadjA = det AI n = det A det A det A det A Vegyük a AadjA szorzatot A szorzat i-edik sorának j-edik oszlopának eleme { det A, ha i = j a i1 C j1 + a i2 C j2 + + a in C jn = 0, ha i j a kifeti ferde kifejti tétel szerint Ez bizonyítja a tételt Példa: Határozza meg az 5 2 A = 2 mátrix inverzét! Megoldás: Könnyen látszik, hogy M 11 =, M 12 = 2, M 21 = 2, M 22 = 5, ezért C 11 =, C 12 = 2, C 21 = 2, C 22 = 5 Így Mivel ezért adja = A 1 = det A =, Végezetül visszatérünk a kiinduló problémára szeretnénk egy n ismeretlent tartalmazó n egyenletből álló lineáris egyenletrendszert megoldani, most már determinánsokkal Legyen a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a n1 x 1 + a n2 x a nn x n = b n, A fenti egyenletrendszerből formált együtthatómátrix: a 11 a 12 a 1n a 21 a 22 a 2n A = a n1 a n2 a nn A változók oszlopvektora: x 1 x n x 2 x = A konstansok oszlopvektora: b = b 1 b 2 b n Az egyenlet az ismert módon, tömören Ax = b alakba írható Ha A egy invertálható mátrix, akkor Az x = A 1 1 b = det A adja b adja b szorzat elvégze a következő adja: b 1 C 11 + b 2 C b n C n1 b 1 C 12 + b 2 C b n C n2, b 1 C 1n + b 2 C 2n + + b n C nn tehát Igy x 1 b 1 C 11 + b 2 C b n C n1 b 1 C 12 + b 2 C b n C n2 x 2 = 1 det A x m b 1 C 1n + b 2 C 2n + + b n C nn x j = b 1C 1j + b 2 C 2j + + b n C nj det A Végezetül meg kell értenünk a számlálót Jelölje A j azt a mátrixot, amelyet úgy kapunk, hogy az A mátrixban a j-edik oszlopot kicseréljük a b oszlopvektorral Ekkor C ik - vel jelölve az A j aldeterminánsait kapjuk a j-edik oszlop szerint A j -t kifejtve, hogy det A j = b 1 C 1j + b 2 C 2j + + b n C nj Mivel az A j A csak a j-edik oszlopban külömbözik, ezért a j-edik oszlophoz tartozó előjeles aldeterminánsok a két mátrixban megegyeznek, azaz C ij = C ij, 5

6 ezért det A j = b 1 C 1j + b 2 C 2j + + b n C nj, így x j = det A j det A A fent levezetett formulát Cramer-szabálynak hívják Példa: Oldjuk meg az x 2z = 6 x + 4y + 6z = 0 x 2y + z = 8 egyenletrendszert a Cramer-szabállyal! Megoldás: Az együtthatómátrix: , 1 2 ennek determinánsa: det A = 44 A Cramer-szabályban szereplő mátrixok: A 1 = 0 4 6, 8 2 A 2 = A = az ő determinánsaik: det A 1 = 40,, így det A 2 = 72 det A = 152, x 1 = 40 44, x 1 = 72 44, x 1 =

1. A kétszer kettes determináns

1. A kétszer kettes determináns 1. A kétszer kettes determináns 2 2-es mátrix inverze Tétel [ ] [ ] a c 1 d c Ha ad bc 0, akkor M= inverze. b d ad bc b a Ha ad bc = 0, akkor M-nek nincs inverze. A főátló két elemét megcseréljük, a mellékátló

Részletesebben

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz 2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix

Részletesebben

Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.

Diszkrét 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

Részletesebben

Bevezetés az algebrába 1

Bevezetés az algebrába 1 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 1 BMETE92AX23 Determinánsok H406 2017-11-27 Wettl Ferenc ALGEBRA

Részletesebben

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns

Részletesebben

3. el adás: Determinánsok

3. 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

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

3. 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

Részletesebben

I. VEKTOROK, MÁTRIXOK

I. VEKTOROK, MÁTRIXOK 217/18 1 félév I VEKTOROK, MÁTRIXOK I1 I2 Vektorok 1 A síkon derékszögű koordinátarendszerben minden v vektornak van vízszintes és van függőleges koordinátája, ezeket sorrendben v 1 és v 2 jelöli A v síkbeli

Részletesebben

7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága

7. 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

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet 9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2

Részletesebben

Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.

Determinánsok. 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

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:

Részletesebben

DETERMINÁNSSZÁMÍTÁS. Határozzuk meg a 1 értékét! Ez most is az egyetlen elemmel egyezik meg, tehát az értéke 1.

DETERMINÁNSSZÁMÍTÁS. 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

Részletesebben

LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév

LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I éves nappali programtervező informatikus hallgatóknak 2010-2011 évi tanév I félév Vektoriális szorzat és tulajdonságai bizonyítás nélkül: Vegyes szorzat és tulajdonságai

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

15. 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

Részletesebben

9. 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 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:

Részletesebben

7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága

7. 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

Részletesebben

Lineáris egyenletrendszerek

Lineáris 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,

Részletesebben

Gauss-eliminációval, Cholesky felbontás, QR felbontás

Gauss-eliminációval, Cholesky felbontás, QR felbontás Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei

Részletesebben

Mátrixok 2017 Mátrixok

Mátrixok 2017 Mátrixok 2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4

Részletesebben

1. Mátrixösszeadás és skalárral szorzás

1. Mátrixösszeadás és skalárral szorzás 1 Mátrixösszeadás és skalárral szorzás Mátrixok tömör jelölése T test Az M = a i j T n m azt az n sorból és m oszlopból álló mátrixot jelöli, amelyben az i-edik sor j-edik eleme a i j T Példák [ ] Ha M

Részletesebben

11. DETERMINÁNSOK. 11.1 Mátrix fogalma, műveletek mátrixokkal

11. DETERMINÁNSOK. 11.1 Mátrix fogalma, műveletek mátrixokkal 11 DETERMINÁNSOK 111 Mátrix fogalma, műveletek mátrixokkal Bevezetés A közgazdaságtanban gyakoriak az olyan rendszerek melyek jellemzéséhez több adat szükséges Például egy k vállalatból álló csoport minden

Részletesebben

Lineáris algebra Gyakorló feladatok

Lineáris algebra Gyakorló feladatok Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések

Részletesebben

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39 5. Előadás (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 1 / 39 AX = B (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 2 / 39 AX = B Probléma. Legyen A (m n)-es és B (m l)-es

Részletesebben

1. ábra ábra

1. ábra ábra A kifejtési tétel A kifejtési tétel kimondásához először meg kell ismerkedni az előjeles aldetermináns fogalmával. Ha az n n-es A mátrix i-edik sorának és j-edik oszlopának kereszteződésében az elem áll,

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

Totális 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

Részletesebben

Lineáris algebra. (közgazdászoknak)

Lineáris 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

Részletesebben

XI A MÁTRIX INVERZE 1 Az inverzmátrix definíciója Determinánsok szorzástétele Az egységmátrix definíciója: 1 0 0 0 0 1 0 0 E n = 0 0 1 0 0 0 0 1 n-edrenű (azaz n n típusú) mátrix E n -nel bármely mátrixot

Részletesebben

összeadjuk 0-t kapunk. Képletben:

összeadjuk 0-t kapunk. Képletben: 814 A ferde kifejtés tétele Ha egy determináns valamely sorának elemeit egy másik sor elemeihez tartozó adjungáltakkal szorozzuk meg és a szorzatokat összeadjuk 0-t kapunk Képletben: n a ij A kj = 0, ha

Részletesebben

Vektorok, mátrixok, lineáris egyenletrendszerek

Vektorok, mátrixok, lineáris egyenletrendszerek a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell 9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek

Részletesebben

Gauss elimináció, LU felbontás

Gauss 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

Részletesebben

Numerikus módszerek 1.

Numerikus 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

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

1. 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

Részletesebben

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij.. Biológia alapszak Matematika I A GY 6/7 félév III MÁTRIXOK SAJÁTÉRTÉK-FELADAT III Mátrixok Definíció Számok téglalap alakú táblázatban való elrendezését mátrix nak nevezzük Ha a táblázat m sorból és n

Részletesebben

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

10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak 10. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás:

Részletesebben

Lineáris algebra. Wettl Ferenc, BME , 0.2 változat. Tartalomjegyzék. Geometriai szemléltetés. (tömör bevezetés) Az egyenletek szemléltetése

Lineáris algebra. Wettl Ferenc, BME , 0.2 változat. Tartalomjegyzék. Geometriai szemléltetés. (tömör bevezetés) Az egyenletek szemléltetése Lineáris algebra (tömör bevezetés) Wettl Ferenc, BME 2007-03-24, 02 változat Tartalomjegyzék Geometriai szemléltetés 1 Az egyenletek szemléltetése 1 Az egyenletrendszer vektoregyenlet alakja 2 Egyenletrendszerek

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-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.

Részletesebben

Bázistranszformáció és alkalmazásai 2.

Bázistranszformáció és alkalmazásai 2. Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja

Részletesebben

Gazdasági matematika II. tanmenet

Gazdasági 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

NUMERIKUS MÓDSZEREK I. TÉTELEK

NUMERIKUS 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

Részletesebben

Mátrixok, mátrixműveletek

Mátrixok, mátrixműveletek Mátrixok, mátrixműveletek 1 előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Mátrixok, mátrixműveletek p 1/1 Mátrixok definíciója Definíció Helyezzünk el n m elemet egy olyan téglalap

Részletesebben

1. Geometria a komplex számsíkon

1. Geometria a komplex számsíkon 1. Geometria a komplex számsíkon A háromszög-egyenlőtlenség A háromszög-egyenlőtlenség (K1.4.3) Minden z,w C-re z +w z + w. Egyenlőség pontosan akkor áll, ha z és w párhuzamosak, és egyenlő állásúak, azaz

Részletesebben

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek 1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:

Részletesebben

Feladat: megoldani az alábbi egyenletrendszert: A x = b,

Feladat: 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

Részletesebben

Gauss-Seidel iteráció

Gauss-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

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS 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

Részletesebben

Matematikai statisztika 1.

Matematikai statisztika 1. Matematikai statisztika 1 segédanyag Daróczi Gergely Szociológia Intézet 2010 Matematikai statisztika 1 01 Mátrixok A mátrix vízszintes vonalban elhelyezked elemei sorokat, függ leges vonalban elhelyezked

Részletesebben

Norma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei

Norma 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:

Részletesebben

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

Lineáris 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

Részletesebben

Bodó Bea, Somonné Szabó Klára Matematika 2. közgazdászoknak

Bodó Bea, Somonné Szabó Klára Matematika 2. közgazdászoknak ábra: Ábra Bodó Bea, Somonné Szabó Klára Matematika. közgazdászoknak IV. modul: Lineáris algebra 9. lecke: n-dimenziós vektorok Tanulási cél: n -dimenziós vektorok fogalmának megismerése, majd műveletek

Részletesebben

Lineáris algebra. =0 iє{1,,n}

Lineáris algebra. =0 iє{1,,n} Matek A2 (Lineáris algebra) Felhasználtam a Szilágyi Brigittás órai jegyzeteket, néhol a Thomas féle Kalkulus III könyvet. A hibákért felelosséget nem vállalok. Hiányosságok vannak(1. órai lin algebrai

Részletesebben

Bevezetés az algebrába 1

Bevezetés az algebrába 1 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 1 BMETE92AX23 Egyenletrendszerek H406 2016-10-03 Wettl Ferenc

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I 11 XI LINEÁRIS EGYENLETRENDSZEREk 1 LINEÁRIS EGYENLETRENDSZER A lineáris egyenletrendszer általános alakja: (1) Ugyanez mátrix alakban: (2), ahol x az ismeretleneket tartalmazó

Részletesebben

Mátrixok. 3. fejezet. 3.1. Bevezetés: műveletek táblázatokkal

Mátrixok. 3. fejezet. 3.1. Bevezetés: műveletek táblázatokkal fejezet Mátrixok Az előző fejezetben a mátrixokat csak egyszerű jelölésnek tekintettük, mely az egyenletrendszer együtthatóinak tárolására, és az egyenletrendszer megoldása közbeni számítások egyszerüsítésére

Részletesebben

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

12. 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

Részletesebben

Lineáris Algebra gyakorlatok

Lineáris Algebra gyakorlatok A V 2 és V 3 vektortér áttekintése Lineáris Algebra gyakorlatok Írta: Simon Ilona Lektorálta: DrBereczky Áron Áttekintjük néhány témakör legfontosabb definícióit és a feladatokban használt tételeket kimondjuk

Részletesebben

Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások

Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A

Részletesebben

Lineáris algebra (10A103)

Lineáris algebra (10A103) Lineáris algebra (10A103 Kátai-Urbán Kamilla Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Megyesi László: Lineáris algebra. Vizsga: írásbeli (beugróval, feltétele a Lineáris algebra gyakorlat

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 8 VIII VEkTOROk 1 VEkTOR Vektoron irányított szakaszt értünk Jelölése: stb Vektorok hossza A vektor abszolút értéke az irányított szakasz hossza Ha a vektor hossza egységnyi akkor

Részletesebben

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer 8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez

Részletesebben

1. zárthelyi,

1. zárthelyi, 1. zárthelyi, 2009.10.20. 1. Írjuk fel a tér P = (0,2,4) és Q = (6, 2,2) pontjait összekötő szakasz felezőmerőleges síkjának egyenletét. 2. Tekintsük az x + 2y + 3z = 14, a 2x + 6y + 10z = 24 és a 4x+2y

Részletesebben

Gyakorló feladatok I.

Gyakorló feladatok I. Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,

Részletesebben

Testek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2.

Testek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2. Vektorok. Melyek egyenlőek az alábbi vektorok közül? (a) (, 2, 0), (b) az (, 0, ) pontból a (2, 2, ) pontba mutató vektor, (c) ( 2,, ) ( 2,, 2), (d) [ 2 0 ], (e) 2. 0 2. Írjuk fel az x + y + 2z = 0 és

Részletesebben

Egyenletek, egyenlőtlenségek VII.

Egyenletek, egyenlőtlenségek VII. Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós

Részletesebben

12 48 b Oldjuk meg az Egyenlet munkalapon a következő egyenletrendszert az inverz mátrixos módszer segítségével! Lépések:

12 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

Részletesebben

Matematika Plus 1 építőmérnök hallgatóknak

Matematika Plus 1 építőmérnök hallgatóknak Matematika Plus építőmérnök hallgatóknak Simon Károly 27.4. 2 Tartalomjegyzék. I. előadás 5.. Kiegészítés az A2-ben tanultakhoz: Determináns....... 5... Elemi sor transzformációk hatása a determinánsra:.

Részletesebben

Bevezetés a számításelméletbe I. Zárthelyi feladatok október 20.

Bevezetés a számításelméletbe I. Zárthelyi feladatok október 20. Bevezetés a számításelméletbe I. Zárthelyi feladatok 2011. október 20. 1. Határozzuk meg annak a síknak az egyenletét, amely átmegy a P(3;1; 1) ponton és nincs közös pontja az alábbi egyenletrendszerekkel

Részletesebben

Matematika A2 vizsga mgeoldása június 4.

Matematika A2 vizsga mgeoldása június 4. Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont

Részletesebben

Fejezetek a lineáris algebrából PTE-PMMK, Műszaki Informatika Bsc. Dr. Kersner Róbert

Fejezetek a lineáris algebrából PTE-PMMK, Műszaki Informatika Bsc. Dr. Kersner Róbert Fejezetek a lineáris algebrából PTE-PMMK, Műszaki Informatika Bsc Dr. Kersner Róbert 007 Tartalomjegyzék Előszó ii. Determináns. Mátrixok 6 3. Az inverz mátrix 9 4. Lineáris egyenletrendszerek 5. Lineáris

Részletesebben

A KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek

A KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek 10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix

Részletesebben

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus

Részletesebben

BEVEZETÉS A SZÁMÍTÁSELMÉLETBE 1

BEVEZETÉS A SZÁMÍTÁSELMÉLETBE 1 Wiener Gábor BEVEZETÉS A SZÁMÍTÁSELMÉLETBE 1 FELADATGYŰJTEMÉNY 1 0 1 0 0 1 1 1 0 1 0 1 0 0 1 0 0 0 0 0 1 1 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 0 1 1 1 1 1 0 0 1 1 1 0 BME SZIT Készült a Budapesti Műszaki és

Részletesebben

7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció

7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció 7. Előadás Megyesi László: Lineáris algebra, 57. 61. oldal. Gondolkodnivalók Bázis, dimenzió 1. Gondolkodnivaló Legyenek a v vektor koordinátái a v 1,..., v n bázisban: (1, α 2,..., α n ). Igazoljuk, hogy

Részletesebben

vektor, hiszen ez nem skalárszorosa

vektor, hiszen ez nem skalárszorosa Általános alaelvek. Bevezetés a számításelméletbe I. Zárthelyi feladatok, MÁSODIK ótzh ontozási útmutató 7. december. A ontozási útmutató célja, hogy a javítók a dolgozatokat egységesen értékeljék. Ezért

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások Megoldások 1. Oldd meg a következő egyenleteket! (Alaphalmaz: Z) a) (x 1) (x + 1) 7x + 1 = x (4 + x) + 2 b) 1 2 [5 (x 1) (1 + 2x) 2 4x] = (7 x) x c) 2 (x + 5) (x 2) 2 + (x + 1) 2 = 6 (2x + 1) d) 6 (x 8)

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

NUMERIKUS MÓDSZEREK PÉLDATÁR

NUMERIKUS MÓDSZEREK PÉLDATÁR EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ GÉPI SZÁMÁBRÁZOLÁS

Részletesebben

1. Mit jelent az, hogy egy W R n részhalmaz altér?

1. Mit jelent az, hogy egy W R n részhalmaz altér? Az informatikus lineáris algebra dolgozat B részének lehetséges kérdései Az alábbi listában azok a definíciók és állítások, tételek szerepelnek, melyeket a vizsgadolgozat B részében kérdezhetünk. A válaszoknál

Részletesebben

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6. A pivotálás hasznáról és hatékony módjáról Adott M mátrixra pivotálás alatt a következ½ot értjük: Kijelölünk a mátrixban egy nemnulla elemet, melynek neve pivotelem, aztán az egész sort leosztjuk a pivotelemmel.

Részletesebben

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit. Matematika I

First Prev Next Last Go Back Full Screen Close Quit. Matematika I Matematika I (Analízis) Készítette: Horváth Gábor Kötelező irodalom: Ács László, Gáspár Csaba: Analízis 1 Oktatási segédanyagok és a tantárgyi követelményrendszer megtalálható a http://rs1.szif.hu/ horvathg/horvathg.html

Részletesebben

Juhász Tibor. Lineáris algebra

Juhász Tibor. Lineáris algebra Juhász Tibor Lineáris algebra Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Juhász Tibor Lineáris algebra Eger, 2013 Készült a TÁMOP-425B-11/1-2011-0001 támogatásával Tartalomjegyzék

Részletesebben

Valasek Gábor valasek@inf.elte.hu

Valasek 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.

Részletesebben

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:. MAv A. csoport Név:... Tekintsük az alábbi mátriot! A 7 a Invertálható-e az A mátri? Ha igen akkor bázistranszformációval határozza meg az inverzét! Ellenőrizze számításait! b Milyen egyéb mátritulajdonságokra

Részletesebben

Másodfokú egyenletek, egyenlőtlenségek

Másodfokú egyenletek, egyenlőtlenségek Másodfokú egyenletek, egyenlőtlenségek A másodfokú egyenlet grafikus megoldása Példa1. Ábrázold az f(x) = x + 1x + 16 függvényt, majd olvasd le az ábráról az alábbi egyenlet megoldását: x + 1x + 16 = 0.

Részletesebben

Lineáris algebra numerikus módszerei

Lineáris 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

Részletesebben

Bevezetés a számításelméletbe I. Zárthelyi feladatok október 18.

Bevezetés a számításelméletbe I. Zárthelyi feladatok október 18. Bevezetés a számításelméletbe I. Zárthelyi feladatok 2012. október 18. 1. Határozzuk meg annak a síknak az egyenletét, amely átmegy ap(1;;4) és aq(;6;10) pontokon és párhuzamos az x 9 = y +4 = z egyenletrendszerű

Részletesebben

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb

Részletesebben

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 ) Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor

Részletesebben

Matematika (mesterképzés)

Matematika (mesterképzés) Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,

Részletesebben

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós MBNK12: Permutációk el adásvázlat 2016 április 11 Maróti Miklós 1 Deníció Az A halmaz permutációin a π : A A bijektív leképezéseket értjünk Tetsz leges n pozitív egészre az {1 n} halmaz összes permutációinak

Részletesebben

Mátrixfelbontások BSc szakdolgozat

Mátrixfelbontások BSc szakdolgozat Eötvös Loránd Tudományegyetem Természettudományi Kar Radnai Georgina Mátrixfelbontások BSc szakdolgozat Témavezető: Ágoston István Algebra és Számelmélet tanszék Budapest, 6 Tartalomjegyzék Bevezetés 4.

Részletesebben

A parciális törtekre bontás?

A parciális törtekre bontás? Miért működik A parciális törtekre bontás? Borbély Gábor 212 június 7 Tartalomjegyzék 1 Lineáris algebra formalizmus 2 2 A feladat kitűzése 3 3 A LER felépítése 5 4 A bizonyítás 6 1 Lineáris algebra formalizmus

Részletesebben

2014/2015-ös tanév II. féléves tematika

2014/2015-ös tanév II. féléves tematika Dr Vincze Szilvi 24/25-ös tnév II féléves temtik Mátrix foglm, speciális mátrixok Műveletek mátrixokkl, mátrix inverze 2 A determináns foglm és tuljdonsági 3 Lineáris egyenletrendszerek és megoldási módszereik

Részletesebben

Matematika Plus 1 építőmérnök hallgatóknak

Matematika Plus 1 építőmérnök hallgatóknak Matematika Plus építőmérnök hallgatóknak Simon Károly.5. Tartalomjegyzék. I. előadás 3.. Kiegészítés az A-ben tanultakhoz: Determináns....... 3... Elemi sor transzformációk hatása a determinánsra:. 5...

Részletesebben

Algebra es sz amelm elet 3 el oad as Permut aci ok Waldhauser Tam as 2014 oszi f el ev

Algebra es sz amelm elet 3 el oad as Permut aci ok Waldhauser Tam as 2014 oszi f el ev Algebra és számelmélet 3 előadás Permutációk Waldhauser Tamás 2014 őszi félév 1. Definíció. Permutációnak nevezzük egy nemüres (véges) halmaz önmagára való bijektív leképezését. 2. Definíció. Az {1, 2,...,

Részletesebben

Megoldott 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 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+ =

Részletesebben

EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE

EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE Lipécz György* EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE AVAGY A SZÁMÍTÓGÉP-HASZNÁLAT LEHETŐSÉGE A LINEÁRIS ALGEBRA ÉS AZ OPERÁCIÓKUTATÁS ALAPJAINAK OKTATÁSÁBAN " Simplicitassigillum veri"

Részletesebben