Gazdasági matematika 2 előadás
|
|
- Gergely Magyar
- 5 évvel ezelőtt
- Látták:
Átírás
1 Gazdasági matematika 2 előadás Aradi Bernadett 2017/18 tavasz A kurzushoz tartozó oktatási anyagok: Aradi Bernadett Gazdasági matematika /18 tavasz 1 / 104
2 Témakörök 1 Lineáris algebra Az R n tér Mátrixok, determinánsok Lineáris egyenletrendszerek Lineáris leképezések, lineáris transzformációk Euklideszi terek, kvadratikus formák 2 Valószínűségszámítás Kombinatorika Valószínűségi mező Aradi Bernadett Gazdasági matematika /18 tavasz 2 / 104
3 Az R n tér Legyen n N {0} = {0, 1, 2, 3,... }. Az R n (vektor)tér: R n := {(x 1, x 2,..., x n ) x i R, minden i {1, 2,..., n} esetén}. Ekkor x = (x 1, x 2,..., x n ) egy pont vagy vektor R n -ben, azaz a valós szám n-esek terében. Továbbá R 0 = {0}. műveletek R n -ben Összeadás. Ha x = (x 1,..., x n ) R n és y = (y 1,..., y n ) R n, akkor x + y := (x 1 + y 1, x 2 + y 2,..., x n + y n ) R n. Skalárral való szorzás. Ha x = (x 1,..., x n ) R n és λ R, akkor λx := (λx 1, λx 2,..., λx n ) R n. Példa. R 2 : a sík vektorai. Elemei: (x 1, x 2 ) alakú számpárok, x 1, x 2 R. Aradi Bernadett Gazdasági matematika /18 tavasz 3 / 104
4 Műveletek tulajdonságai, altér Álĺıtás a műveletek tulajdonságai Összeadás. Legyen u, v, w R n. Létezik egy 0 R n nullvektor, valamint minden v R n vektorhoz egy v-vel jelölt ún. ellentett vektor, melyekre (u + v) + w = u + (v + w) (asszociativitás) v + w = w + v (kommutativitás) v + 0 = v és v + ( v) = 0. Skalárral való szorzás. Ha v, w R n és λ, µ R, akkor (λ + µ)v = λv + µv és λ(v + w) = λv + λw, λ(µv) = (λµ)v és 1v = v. Az R n tér egy nemüres W részhalmazát altérnek nevezzük, ha zárt a vektorösszeadásra és a skalárral való szorzásra. Példák: 1 R n -ben {0} és R n mindig altér. Ezeket triviális altereknek nevezzük. 2 Ha R 2 -ben v tetsz. rögzített vektor, W = {λv R 2 λ R} altér. Aradi Bernadett Gazdasági matematika /18 tavasz 4 / 104
5 Lineáris kombináció Az R n tér v 1, v 2,..., v k vektorainak lineáris kombinációi a λ 1 v 1 + λ 2 v λ k v k ; λ 1, λ 2,..., λ k R, alakú (R n -beli) vektorok. Megj.: A nullvektor mindig előáll ún. triviális lineáris kombinációként. Példák: 1 Egy rögzített v 0 vektor lineáris kombinációi: λv alakú vektorok. 2 v = (2, 1), w = (0, 3) R 2. A sík mely pontjai kaphatók meg v és w lineáris kombinációjaként? Tétel és definíció Legyenek v 1, v 2,..., v k vektorok R n -ben. Ekkor a {v 1, v 2,..., v k } vektorrendszer összes lineáris kombinációi alteret alkotnak R n -ben, melyet a vektorrendszer által generált altérnek, a v 1, v 2,..., v k vektorok lineáris lezártjának, vagy a vektorok által kifeszített altérnek nevezünk. Jele: L(v 1,..., v k ). Aradi Bernadett Gazdasági matematika /18 tavasz 5 / 104
6 Lineáris függőség, függetlenség Vektorrendszer: R n vektorainak egy halmaza. (Itt: véges halmaz.) Az R n tér egy {v 1, v 2,..., v k } vektorrendszerét lineárisan függőnek nevezzük, ha léteznek olyan λ 1, λ 2,..., λ k R nem mind 0 skalárok, hogy λ 1 v 1 + λ 2 v λ k v k = 0. Azaz ha a nullvektor nemtriviálisan kombinálható ki a vektorrendszer tagjaiból. Ellenkező esetben a vektorrendszer lineárisan független. Megjegyzés A lineárisan független esetben tehát λ 1 v 1 + λ 2 v λ k v k = 0 csak úgy állhat fenn, hogy λ 1 = λ 2 = = λ k = 0. Példa: v = (2, 1), w = (0, 3) R 2 ; v és w függetlenek-e? Aradi Bernadett Gazdasági matematika /18 tavasz 6 / 104
7 Lineáris függőség, függetlenség Tétel R n -ben egy legalább kételemű vektorrendszer pontosan akkor lineárisan függő, ha a vektorrendszer valamely tagja előáll a többi tag lineáris kombinációjaként. Következmények 1 Ha egy vektorrendszerben egy vektor egy másiknak skalárszorosa, akkor a vektrorrendszer lineárisan függő. 2 Ha a nullvektor benne van egy vektorrendszerben, akkor az függő, tehát lineárisan független vektorrendszer nem tartalmazhatja a nullvektort. 3 Ha egy vektorrendszer valamely részrendszere lineárisan függő, akkor maga a vektorrendszer is az. Lineárisan független vektorrendszer bármely részrendszere is lineárisan független. Aradi Bernadett Gazdasági matematika /18 tavasz 7 / 104
8 Generátorrendszer Legyen G az R n tér egy vektorrendszere. G-t R n generátorrendszerének nevezzük, ha a G által generált altér a teljes R n. Ekkor tehát a tér minden vektora előáll G-beli vektorok lineáris kombinációjaként. Példa: R 2 -ben: v = ( ( 2 1), w = 0 3). Ekkor {v, w} generátorrendszer. Legyen u = ( 1 0). Ekkor {u, v, w} is generátorrendszer, viszont lineárisan függő, hiszen 6u 3v + w = 0. Egy vektor többféleképpen is kikombinálható az u, v, w vektorokból, pl. ( ) 2 = v + w = 2u w. Aradi Bernadett Gazdasági matematika /18 tavasz 8 / 104
9 Bázis, dimenzió A R n tér egy lineárisan független generátorrendszerét bázisnak nevezzük. Ha a B vektorrendszer bázis, akkor R n minden eleme pontosan egyféleképpen kombinálható ki lineárisan B elemeiből. R n -nek több (végtelen sok) bázisa van. Tétel és definíció Az R n tér bármely bázisának a számossága n. Ezt a tér dimenziójának nevezzük. Tehát: dim(r n ) = n. Példák: 1 R n egy bázisa: {e 1, e 2,..., e n }, a természetes (vagy kanonikus) bázis e 1 =., e 2 =.,..., e n = R 2 természetes bázisa: {e 1, e 2 }, ahol e 1 = ( ) 1 0, e2 = ( 0 1).. 1. Másik bázis: {v, w} = { ( 2 1), ( 0 3) }. Aradi Bernadett Gazdasági matematika /18 tavasz 9 / 104
10 Bázisra vonatkozó koordináták Tétel Ha R n -ben adott egy n elemű lineárisan független vektorrendszer, akkor az bázis. Legyen B = {b 1,..., b n } egy bázisa R n -nek. Ekkor a fentiek szerint v R n egyértelműen kombinálható lineárisan B vektoraiból, azaz egyértelműen léteznek λ 1, λ 2,..., λ n skalárok, hogy v = λ 1 b λ n b n. Ezeket a skalárokat a v vektor B bázisra vonatkozó koordinátáinak nevezzük. Ekkor v alakja a B bázisban: λ 1 λ 2 v =.. λ n Aradi Bernadett Gazdasági matematika /18 tavasz 10 / 104
11 Vektorrendszer rangja Az R n tér egy altere k dimenziós, ha tartalmaz k lineárisan független vektort, de k + 1 darabot már nem. Tekintsük R n egy A vektorrendszerét. Az A vektorrendszer rangja az általa generált altér dimenziója: rang(a) = dim(l(a)). Példa: R 3 -ban legyen A = {u, v, w}, ahol 1 1 u = 1, v = 3, w = 1 0 Mivel w = 2u + v, ezért w benne van a másik 2 vektor által generált altérben. Viszont u és v lineárisan független, ezért rang(a) = 2. Megjegyzés: Tekintsük R n egy vektorrendszerét: A = {v 1,..., v m } R n. Ekkor rang(a) n és rang(a) m. Aradi Bernadett Gazdasági matematika /18 tavasz 11 /
12 Ranginvariáns átalakítások Tétel Egy vektorrendszer által generált altér nem változik, ha bármely eleméhez hozzáadjuk a többi elem tetszőleges lineáris kombinációját. Következmény ranginvariáns átalakítások Egy vektorrendszer rangja nem változik, ha valamelyik vektort megszorozzuk egy nem-nulla skalárral; valamelyik vektorhoz hozzáadjuk egy másik vektor tetszőleges skalárszorosát; elhagyunk a vektorrendszerből olyan vektort, mely a többi vektor lineáris kombinációja. Aradi Bernadett Gazdasági matematika /18 tavasz 12 / 104
13 Mátrixok Egy m sorral és n oszloppal rendelkező számtáblázatot m n-es mátrixnak nevezünk. a 11 a a 1n a 21 a a 2n A = A elemei: a ij A = (a ij )... a m1 a m2... a mn Az összes m n-es mátrix halmazát M m n -nel jelöljük. Ha n = m, akkor a mátrix négyzetes vagy kvadratikus. Egy mátrix főátlója alatt az (a 11, a 22,..., a kk ) szám k-ast értjük (k = min{m, n}). Két mátrix egyenlő, ha azonos típusúak (azaz ugyanannyi soruk és oszlopuk van), és a megfelelő elemeik megegyeznek. Azon n n-es mátrixot, melynek főátlójában csupa 1-es áll, minden más eleme 0, n-edrendű vagy n-dimenziós egységmátrixnak nevezzük. Jele: E n vagy I n. Aradi Bernadett Gazdasági matematika /18 tavasz 13 / 104
14 Mátrixműveletek 1. Mátrixok összeadása Csak azonos típusú mátrixokat tudunk összeadni. Legyenek A = (a ij ), B = (b ij ), C = (c ij ) m n-es mátrixok. Ekkor C = A + B, ha c ij = a ij + b ij ; i = 1,..., m, j = 1,..., n. 2. Mátrixok skalárral való szorzása Elemenként végezzük, azaz ha λ R, A = (a ij ) M m n, akkor λa = (λa ij ) M m n. Speciálisan: ha A és B sor-, vagy oszlopvektorok, akkor a fenti 2 művelet éppen a vektorok szokásos összeadása és skalárral való szorzása. 3. Mátrixszorzás Legyen A = (a ij ) egy m k, B = (b ij ) pedig egy k n típusú mátrix. Ekkor A és B szorzata az a C = (c ij ) m n típusú mátrix, amelyre k c ij = a ir b rj. r=1 Aradi Bernadett Gazdasági matematika /18 tavasz 14 / 104
15 Tétel a mátrixszorzás tulajdonságai Ha A m n típusú, akkor E m A = A és A E n = A. Legyenek A, B mátrixok és tegyük fel, hogy létezik AB. Ha λ R tetszőleges, akkor λ(ab) = (λa)b = A(λB). Ha A, B, C olyan mátrixok, hogy AB és BC létezik, akkor (AB)C = A(BC). Azaz a mátrixszorzás asszociatív. Ha A és B azonos típusú mátrixok és létezik AC, akkor BC is létezik és (A + B)C = AC + BC. Azaz teljesül a disztributivitás. A mátrixszorzás nem kommutatív, azaz általában AB BA. Legyen A egy m n-es mátrix. Azt az A T -vel jelölt n m-es mátrixot, amelynek sorai az A oszlopai A transzponáltjának nevezzük. Álĺıtás a transzponálás tulajdonságai (A T ) T = A. Azaz a transzponálás involutív művelet. A transzponálás és a mátrixszorzás kapcsolata: (AB) T = B T A T. Aradi Bernadett Gazdasági matematika /18 tavasz 15 / 104
16 Legyen A egy n-edrendű kvadratikus mátrix. A szimmetrikus, ha A T = A, A ferdeszimmetrikus, ha A T = A. Példák: A = B = Álĺıtás szimmetrikus és ferdeszimmetrikus mátrixok tulajdonságai Ferdeszimmetrikus mátrix főátlójában 0-k állnak. Szimmetrikus mátrixok összege szimmetrikus. Ferdeszimmetrikus mátrixok összege ferdeszimmetrikus. Szimmetrikus mátrixok szorzata nem feltétlenül szimmetrikus. Aradi Bernadett Gazdasági matematika /18 tavasz 16 / 104
17 Mátrixok inverze Azt mondjuk az A n-edrendű négyzetes mátrixról, hogy invertálható, vagy létezik az inverze, ha létezik olyan B n-edrendű kvadratikus mátrix, hogy Tétel AB = BA = E n. Ha A invertálható, akkor az inverze egyértelmű. Jele: A 1. Példa: A = ( ) A 1 = ( ) Álĺıtás a mátrixinvertálás tulajdonságai Ha A invertálható, akkor A 1 is az és (A 1 ) 1 = A. Ha A és B invertálható és létezik AB, akkor ez is invertálható és (AB) 1 = B 1 A 1. Ha A invertálható, akkor A T is az és (A 1 ) T = (A T ) 1. Aradi Bernadett Gazdasági matematika /18 tavasz 17 / 104
18 Determinánsok Determináns: négyzetes mátrixhoz rendelt valós szám. Legyen n N és jelölje σ az {1, 2,..., n} halmaz egy permutációját, azaz legyen σ : {1, 2,..., n} {1, 2,..., n}, i σ(i) bijektív függvény. (Itt σ(i) jelöli a permutációban az i. helyen álló elemet.) Azt mondjuk, hogy a σ permutációnál az i és j elem inverzióban áll, ha i < j és σ(i) > σ(j). Egy σ permutáció esetén az inverzióban álló párok számát jelölje I (σ). A σ permutáció páros vagy páratlan aszerint, amint I (σ) páros vagy páratlan. Példa: J 4 = {1, 2, 3, 4}, σ 1 = (1, 3, 4, 2) I (σ 1 ) = 2 σ 2 = (1, 2, 3, 4) I (σ 2 ) = 0 σ 3 = (4, 3, 2, 1) I (σ 3 ) = 6 σ 4 = (2, 3, 4, 1) I (σ 4 ) = 3 Aradi Bernadett Gazdasági matematika /18 tavasz 18 / 104
19 Determinánsok Legyen A = (a ij ) egy n n-es kvadratikus mátrix. Az A n 2 eleméből válasszunk ki úgy n elemet, hogy minden sorból és oszlopból pontosan egyet választunk. A kiválasztott elemek alakja: a 1σ(1), a 2σ(2),..., a nσ(n). Az A mátrix determinánsa: det(a) = A = ( 1) I (σ) a 1σ(1) a 2σ(2)... a nσ(n). σ A fenti összeg n! tagú. Másik jelölés: ε(σ) = ( 1) I (σ). Példa: 1 n = 2: det(a) = A = a 11 a 22 a 12 a n = 3: det(a) =.... Tétel a determinánsok szorzástétele Ha A és B azonos rendű négyzetes mátrixok, akkor det(ab) = det(a) det(b). Aradi Bernadett Gazdasági matematika /18 tavasz 19 / 104
20 Speciális alakú mátrixok determinánsa Álĺıtás Tetszőleges n N esetén az egységmátrix determinánsa 1. det(e n ) = 1 Álĺıtás Legyen A egy felső háromszög alakú mátrix, azaz olyan kvadratikus mátrix, melynek főátlója alatt csupa nulla szerepel: A = a 11 a 12 a a 1n 0 a 22 a a 2n 0 0 a a 3n a nn. Ekkor A determinánsa éppen a főátlóbeli elemek szorzata. Aradi Bernadett Gazdasági matematika /18 tavasz 20 / 104
21 Álĺıtás a determináns tulajdonságai det(a) = det(a T ) Ha A valamely oszlopa csupa 0 elemből áll, akkor det(a) = 0. Ha A két oszlopát felcseréljük, a determináns 1-szeresére változik. Ha A két oszlopa egyenlő, akkor det(a) = 0. Ha A valamely oszlopát megszorozzuk egy λ valós számmal, akkor az így kapott mátrix determinánsa λ det(a). Ha A minden oszlopát megszorozzuk egy λ számmal és A n-edrendű, akkor a kapott mátrix determinánsa λ n det(a). Ha A két oszlopa egymás skalárszorosa, akkor det(a) = 0. Egy mátrix determinánsa nem változik, ha valamely oszlopához hozzáadjuk egy másik oszlop λ-szorosát. Ha A valamely oszlopa előálĺıtható a többi oszlop lináris kombinációjaként, akkor det(a) = 0. A fentiek igazak oszlopok helyett sorokra is. Következmény Ha det(a) 0, akkor A oszlopai (vagy sorai) lineárisan független vektorok. Ekkor ha A n n-es: oszlopai R n egy bázisát alkotják. Aradi Bernadett Gazdasági matematika /18 tavasz 21 / 104
22 A determináns kapcsolata az invertálással Azt mondjuk, hogy az A négyzetes mátrix szinguláris, ha determinánsa 0. Ellenkező esetben (azaz ha det(a) 0) A reguláris. Tétel Egy négyzetes mátrix pontosan akkor invertálható, ha reguláris. Megjegyzés: Legyen A egy reguláris mátrix. Mivel A A 1 = E, ahol E az A-val azonos méretű egységmátrix, ezért a determinánsok szorzástétele alapján det(a) det(a 1 ) = det(e) = 1. A fenti egyenletből következik, hogy A és A 1 determinánsa egymás reciproka: det(a) 1 = det(a 1 ). Aradi Bernadett Gazdasági matematika /18 tavasz 22 / 104
23 A determináns kiszámítási módjai 1 Sarrus-szabály: 2 2-es és 3 3-as mátrixok determinánsára 2 Gauss-elimináció: bizonyos a fenti tulajdonságokat használó átalakítások révén a mátrixot felső háromszög alakúra hozzuk (főátló alatt csupa 0), ekkor a determináns éppen a főátlóbeli elemek szorzata. Ezek az átalakítások: sorcsere, ekkor a determináns előjelet vált; λ R kiemelése egy sorból; egy sor λ-szorosának hozzáadása egy másik sorhoz. 3 Kifejtési tétel: Legyen A egy n-edrendű mátrix. Kiválasztjuk A egy tetszőleges sorát (vagy oszlopát), ennek minden elemét megszorozzuk az elemhez tartozó algebrai aldeterminánssal, majd a kapott szorzatokat összeadjuk. Az a ij elemhez tartozó algebrai aldetermináns ( 1) i+j A ij, ahol A ij annak az (n 1)-edrendű determinánsnak az értéke, amelyet A-ból az i. sor és j. oszlop kihúzásával kapunk. Aradi Bernadett Gazdasági matematika /18 tavasz 23 / 104
24 Lineáris egyenletrendszerek Az 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 m1 x 1 + a m2 x a mn x n = b m alakú egyenletrendszert, ahol az a ij (i {1,..., m}, j {1,..., n}) és a b k (k {1,..., m}) valós számok ismertek, x 1,..., x n ismeretlenek, lineáris egyenletrendszernek nevezzük. a ij : az egyenletrendszer együtthatói b k : szabad tagok, vagy konstansok az egyenletrendszer alapmátrixa, ill. kibővített mátrixa: A = a a 1n a a 2n.. a m1... a mn és A b =. a a 1n a a 2n.. a m1... a mn b 1 b 2. b m Aradi Bernadett Gazdasági matematika /18 tavasz 24 / 104
25 Lineáris egyenletrendszerek megoldhatósága A lineáris egyenletrendszer mátrixos alakja: Ax = b. A lineáris egyenletrendszer megoldható, ha van megoldása, azaz létezik olyan (x 1,..., x n ) vektor, hogy Ax = b fennáll; határozott, ha pontosan 1 megoldása van; határozatlan, ha több megoldása van; ellentmondásos, ha nincs megoldása. Egy mátrix rangja alatt a mátrix sorai (vagy oszlopai), mint vektorok által alkotott vektorrendszer rangját értjük. Jelölés: rang(a). Tétel rangkritérium Egy lineáris egyenletrendszer pontosan akkor oldható meg, ha rang(a) = rang(a b). Ha megoldható és rang(a) = n (ahol n az ismeretlenek száma), akkor határozott, ha rang(a) < n, akkor határozatlan. Aradi Bernadett Gazdasági matematika /18 tavasz 25 / 104
26 Lineáris egyenletrendszerek megoldáshalmaza A lineáris egyenletrendszer homogén, ha b = 0, azaz ekkor mátrixos alakja Ax = 0. Egyébként a lineáris egyenletrendszer inhomogén. Megjegyzés: egy homogén lineáris egyenletrendszernek a nullvektor mindig megoldása. Álĺıtás homogén lineáris egyenletrendszer megoldásai Egy homogén lineáris egyenletrendszer összes megoldása alteret alkot R n -ben, melynek dimenziója n rang(a). Ezt az alteret megoldástérnek nevezzük. Álĺıtás inhomogén lineáris egyenletrendszer megoldásai Ha Ax = b megoldható, akkor megoldáshalmaza x 0 + H alakú, ahol x 0 a lineáris egyenletrendszer egy rögzített megoldása; H a megfelelő homogén lineáris egyenletrendszer (azaz Ax = 0) megoldástere. Aradi Bernadett Gazdasági matematika /18 tavasz 26 / 104
27 Lineáris egyenletrendszerek megoldása Két módszer: 1 Gauss-elimináció 2 Cramer-szabály: csak akkor használható, ha n = m és A reguláris. 1 Gauss-elimináció: Az alábbi ekvivalens átalakítások nem változtatják meg a lineáris egyenletrendszer megoldáshalmazát: Egyenlet szorzása λ 0-val. (Egyenlet kibővített mátrix sorai.) Egy egyenlethez hozzáadni egy másik egyenlet λ-szorosát. Egyenletek sorrendjének megváltoztatása. Elhagyni olyan egyenletet, amely egy másik egyenlet λ-szorosa. Ismeretlenek felcserélése együtthatóikkal együtt, minden egyenletben. (Alapmátrixban: oszlopcsere.) Ezen átalakítások segítségével az egyenletrendszer kibővített mátrixát (ahol a mátrix sorai felelnek meg 1-1 egyenletnek) trapéz alakúra hozzuk (főátló alatt csupa 0), ahonnan visszahelyettesítéssel adódnak a megoldások. Ha az eljárás közben ( ) sor adódik, akkor az egyenletrendszer ellentmondásos. Ha az eljárás végén n sor marad, akkor az egyenletrendszer határozott, ha kevesebb, akkor határozatlan. Aradi Bernadett Gazdasági matematika /18 tavasz 27 / 104
28 Lineáris egyenletrendszerek megoldása Két módszer: 1 Gauss-elimináció 2 Cramer-szabály: csak akkor használható, ha n = m és A reguláris. 2 Cramer-szabály: Tétel Cramer-szabály Ha az Ax = b lineáris egyenletrendszer alapmátrixa négyzetes és reguláris, akkor az egyenletrendszer határozott, és egyetlen megoldása x i = det(a i ) det(a) (i {1,..., n}), ahol az A i mátrix úgy adódik A-ból, hogy az i-edik oszlopot kicseréljük a szabad tagok oszlopvektorára: a a 1,i 1 b 1 a 1,i+1... a 1n... a n1... a n,i 1 b n a n,i+1... a nn Aradi Bernadett Gazdasági matematika /18 tavasz 28 / 104
29 Lineáris leképezések A ϕ: R n R m leképezés lineáris, ha additív, azaz u, v R n : ϕ(u + v) = ϕ(u) + ϕ(v); homogén, azaz v R n, λ R: ϕ(λv) = λϕ(v). Megjegyzés: lineáris leképezésnél nullvektor képe nullvektor. Példák: Forgatások, tükrözések, λ-nyújtások. Vetítések, pl. R 3 egy rögzített, origón áthaladó síkjára merőlegesen. Identikus transzformáció: ϕ(v) = v, v R n. Tétel Egy lineáris leképezést egyértelműen meghatároz egy bázison való hatása, azaz ha B = (b 1, b 2,..., b n ) bázisa R n -nek, w 1, w 2,..., w n vektorai R m -nek, akkor egyértelműen létezik olyan ϕ lineáris leképezés, hogy ϕ(b i ) = w i. Továbbá ekkor tetszőleges v R n vektor ϕ általi hatása megadható a ϕ(v) = λ 1 w 1 + λ 2 w λ n w n, képlettel, ha v = λ 1 b 1 + λ 2 b λ n b n. Aradi Bernadett Gazdasági matematika /18 tavasz 29 / 104
30 Lineáris leképezések nulltere, képtere Legyen ϕ: R n R m lineáris leképezés. Ekkor ϕ nulltere, vagy magja a Ker ϕ = {v R n ϕ(v) = 0 R m }, ϕ képtere pedig az Im ϕ = {w R m v R n : ϕ(v) = w} halmaz. Megjegyzés: 0 Ker ϕ R n, 0 Im ϕ R m. Álĺıtás Ha ϕ: R n R m lineáris leképezés, akkor Ker ϕ altér R n -ben, Im ϕ altér R m -ben. Tétel nullitás + rang tétel Legyen ϕ: R n R m lineáris leképezés. Ekkor dim(r n ) = dim(ker ϕ) + dim(im ϕ). Aradi Bernadett Gazdasági matematika /18 tavasz 30 / 104
31 Lineáris transzformációk Egy ϕ: R n R n leképezés lineáris transzformáció, ha additív és homogén. Azaz a lineáris transzformációk speciális lineáris leképezések, ahol m = n. Legyen B = (b 1, b 2,..., b n ) egy bázisa R n -nek, tekintsünk továbbá egy ϕ: R n R n lineáris transzformációt. Ekkor ϕ-nek a B bázisra vonatkozó mátrixa az az n n-es mátrix, amelynek i-edik oszlopában ϕ(b i )-nek a B bázisra vonatkozó koordinátái állnak. Ha ϕ mátrixa a B bázisban A, akkor ϕ hatása egy v vektoron: ϕ(v) = Av. Álĺıtás Egy lineáris transzformáció különböző bázisokra vonatkozó mátrixainak megegyezik a rangja és a determinánsa. Példák: Forgatások ( és tükrözések ) mátrixa R 2 -ben ( a természetes bázisban: ) cos α sin α cos(2α) sin(2α) rot α = refl sin α cos α α = sin(2α) cos(2α) Aradi Bernadett Gazdasági matematika /18 tavasz 31 / 104
32 Lineáris transzformáció mátrixa Legyenek ϕ, ψ lineáris transzformációi R n -nek, továbbá λ R. Ekkor v R n esetén (ϕ + ψ)(v) := ϕ(v) + ψ(v), (λϕ)(v) := λϕ(v), (ϕ ψ)(v) := ϕ(ψ(v)). Jelölés: Rögzítsünk egy bázist R n -ben, és jelölje ebben a bázisban tetszőleges ϕ lineáris transzformáció mátrixát A ϕ. Álĺıtás Ha ϕ, ψ lineáris transzformációi R n -nek és λ R, akkor ϕ + ψ, λϕ és ϕ ψ is lineáris transzformációi R n -nek. Ezek mátrixa a rögzített bázisban A ϕ+ψ := A ϕ + A ψ, A λϕ := λa ϕ, A ϕ ψ := A ϕ A ψ. Továbbá a ϕ lin. transzformáció pontosan akkor bijektív, ha A ϕ reguláris. Aradi Bernadett Gazdasági matematika /18 tavasz 32 / 104
33 Lineáris transzformáció sajátértékei, sajátvektorai Legyen ϕ: R n R n lineáris transzformáció. Egy nem-nulla v R n vektort ϕ sajátvektorának hívunk, ha λ R: ϕ(v) = λv. Ekkor λ-t ϕ v-hez tartozó sajátértékének mondjuk. Példák: sajátvektorok forgatás, tükrözés, λ-nyújtás esetén. Megjegyzések: Ha v sajátvektora ϕ-nek, akkor a hozzá tartozó sajátérték egyértelmű. Ha λ sajátérték, akkor a hozzá tartozó sajátvektorok halmaza altér: L λ := {v R n ϕ(v) = λv} altér R n -ben: a λ-hoz tartozó sajátaltér. és tétel Egy ϕ lineáris transzformáció karakterisztikus polinomján a det(a λe n ) n-edfokú polinomot értjük, ahol n a tér dimenziója, A pedig ϕ mátrixa tetszőleges bázisban. Ennek gyökei éppen ϕ sajátértékei. Példa: Határozzuk meg az alábbi ϕ sajátértékeit és sajátvektorait! ϕ: R 2 R 2, (x, y) ϕ(x, y) = (2x y, 12x + 3y) Aradi Bernadett Gazdasági matematika /18 tavasz 33 / 104
34 Lineáris transzformáció mátrixának diagonális alakja Azt mondjuk egy n n-es mátrixra, hogy diagonális alakú, ha a főátlón kívül minden eleme 0. Álĺıtás Tekintsünk R n -nek egy ϕ lineáris transzformációját. Ha ennek egy bázisban a mátrixa A ϕ, egy másik bázisban pedig B ϕ, akkor létezik olyan n n-es reguláris S mátrix, hogy B ϕ = S 1 A ϕ S. Egy A (négyzetes) mátrixot diagonalizálhatónak hívunk, ha létezik olyan S reguláris mátrix, hogy S 1 AS diagonális alakú. Aradi Bernadett Gazdasági matematika /18 tavasz 34 / 104
35 Lineáris transzformáció mátrixának diagonális alakja 2 Tétel lineáris transzformáció diagonalizálhatósága Egy ϕ lineáris transzformációnak egy rögzített bázisbeli A ϕ mátrixa pontosan akkor diagonalizálható, ha R n -nek létezik ϕ sajátvektoraiból álló bázisa. (Azaz ϕ-nek van n darab linárisan független sajátvektora.) Ekkor λ S 1 0 λ A ϕ S =......, λ n ahol az S mátrix oszlopvektorai ϕ lineárisan független sajátvektorai, a λ i skalárok pedig a sajátvektorokhoz tartozó sajátértékek, ugyanolyan sorrendben. Aradi Bernadett Gazdasági matematika /18 tavasz 35 / 104
36 Euklideszi terek Tegyük fel, hogy adott egy, : R n R n R leképezés (azaz bármely v, w vektorokhoz hozzá van rendelve egy v, w - vel jelölt valós szám), amelyre a következő tulajdonságok teljesülnek: (a) első változóban additív: u + v, w = u, w + v, w ; (b) első változóban homogén: λv, w = λ v, w ; (c) szimmetrikus: w, v = v, w ; (d) pozitív definit: v R n : v, v 0, és ( v, v = 0 v = 0). Ekkor a v, w mennyiséget a v és w vektorok skaláris vagy belső szorzatának nevezzük. Az R n vektorteret ellátva egy, : R n R n R skaláris szorzattal euklideszi térnek mondjuk. Jele: E = (R n,, ). (a)+(b) a skaláris szorzat első változójában lineáris... +(c) a skaláris szorzat a második változójában is lineáris Skaláris szorzat: pozitív definit szimmetrikus bilineáris forma. Aradi Bernadett Gazdasági matematika /18 tavasz 36 / 104
37 Példák euklideszi terekre (1) R 2, v : a v vektor hossza v, w = v w cos, skaláris szorzat R 2 -n (2) R n, rögzítsünk egy bázist. Legyen ebben v = (v 1, v 2,..., v n ), w = (w 1, w 2,..., w n ). v, w = v 1 w 1 + v 2 w v n w n skaláris szorzat R n -en n = 2 és a természetes bázis választása esetén visszakapjuk (1)-et. (3) R 3, rögzítsünk egy bázist. Legyen ebben v = (v 1, v 2, v 3 ), w = (w 1, w 2, w 3 ). v, w = v 1 w 1 + 2v 2 w 2 + 3v 3 w 3 skaláris szorzat R 3 -on Egy vektortéren több skaláris szorzatot is meg tudunk adni. A (2) példában szereplő skaláris szorzatot R n kanonikus vagy természetes skaláris szorzatának hívjuk. Aradi Bernadett Gazdasági matematika /18 tavasz 37 / 104
38 Vektorok normája euklideszi terekben Legyen E = (R n,, ) euklideszi tér. Egy v R n vektor normája vagy hossza v := v, v. Megj.: a gyökvonás elvégezhető a belső szorzat pozitív definitsége miatt. Példa: R 2 -ben a kanonikus belső szorzat esetén: v = v1 2 + v 2 2 = v. Tétel a Cauchy Schwarz-egyenlőtlenség Az E = (R n,, ) euklideszi tér tetszőleges v, w vektoraira v, w v w. Egyenlőség pontosan akkor teljesül, ha v = λw, λ R. Legyen v és w az E euklideszi tér 2 nem-nulla vektora. Ekkor a v és w által bezárt szög v, w arccos v w Aradi Bernadett Gazdasági matematika /18 tavasz 38 / 104
39 Ortogonalitás Megj.: Ha v vagy w nullvektor, akkor a bezárt szögük def. szerint arccos 0 = π 2. Azt mondjuk, hogy v és w merőlegesek vagy ortogonálisak, ha v, w = 0. Jelölés: v w. Azt mondjuk, hogy v V egységvektor, ha v = 1. Megj.: v V, v 0 esetén Álĺıtás v v egységvektor. Legyen e egységvektor. Ekkor v, e a v vektor e-re eső merőleges vetületének a hossza, v, e e pedig v-nek az e-re eső merőleges vetülete. Aradi Bernadett Gazdasági matematika /18 tavasz 39 / 104
40 Szimmetrikus és ortogonális mátrixok Egy négyzetes A mátrix ortogonális, ha A 1 = A T. Tétel ortogonalitással ekvivalens álĺıtások Egy négyzetes A mátrix esetén a következő álĺıtások ekvivalensek: Az A mátrix ortogonális. A A T = E. A sorai páronként merőleges egységvektorok. A oszopai páronként merőleges egységvektorok. Tétel szimmetrikus mátrixok sajátértékei Legyen A négyzetes szimmetrikus mátrix, azaz A T = A. Ekkor A sajátértékei (a det(a λe n ) = 0 egyenlet gyökei) valós számok. A különböző sajátértékekhez tartozó sajátvektorok ortogonálisak. Következésképpen, A-hoz létezik olyan U ortogonális mátrix, hogy U 1 AU diagonális alakú. Aradi Bernadett Gazdasági matematika /18 tavasz 40 / 104
41 Kvadratikus függvények Legyen A egy n n-es szimmetrikus mátrix,, pedig jelölje R n kanonikus skaláris szorzatát. Ekkor a Q : R n R, x Q(x) := Ax, x függvényt kvadratikus függvénynek vagy kvadratikus formának nevezzük. Ha x-et R n egy oszlopvektorának tekintjük, akkor Ax, x = x T Ax. A fenti Q kvadratikus függvény, valamint a hozzá tartozó A mátrix pozitív definit, ha Q(x) > 0 minden x R n, x 0 esetén; negatív definit, ha Q(x) < 0 minden x R n, x 0 esetén; indefinit, ha Q(x) felvesz pozitív és negatív értékeket is. Álĺıtás Jelölje, az R n tér kanonikus skaláris szorzatát. Ekkor a tér minden skaláris szorzata előáll Ax, y = x T Ay alakban valamilyen A szimmetrikus, pozitív definit mátrixszal. Aradi Bernadett Gazdasági matematika /18 tavasz 41 / 104
42 Kvadratikus formák definitsége Tétel A Q(x) = Ax, x, x R n képlettel definiált kvadratikus függvény pontosan akkor pozitív definit, ha A összes sajátértéke pozitív; negatív definit, ha A összes sajátértéke negatív; indefinit, ha A-nak van pozitív és negatív sajátértéke is. Tétel Tekintsük ismét a fenti Q kvadratikus formát, és jelölje k az A mátrix bal felső k-adrendű sarokdeterminánsát (vagy sarokfőminorát), azaz 1 = a 11, 2 = a 11 a 12 a 21 a 22,..., n = A. A Q kvadratikus függvény pontosan akkor pozitív definit, ha k > 0 minden k = 1,..., n esetén; negatív definit, ha ( 1) k k > 0 minden k = 1,..., n esetén. Aradi Bernadett Gazdasági matematika /18 tavasz 42 / 104
43 Valószínűségszámítás bevezetés Valószínűségszámítás tárgya: véletlen jelenségek, véletlen kísérletek vizsgálata. Véletlen jelenség vagy véletlen esemény alatt azt értjük, amikor a (figyelembevehető) körülmények nem határozzák meg egyértelműen a jelenség kimenetelét. Kísérlet: több alkalommal lényegében azonos módon megismételhető. Egy kísérlettel kapcsolatos eseményeknek fogunk valószínűséget tulajdonítani. Leszámlálási problémák megoldásához szükségünk van a kombinatorikai fogalmakra. Aradi Bernadett Gazdasági matematika /18 tavasz 43 / 104
44 Kombinatorika Permutáció Legyen n N és tekintsük az A = {1, 2,..., n} halmazt. A egy permutációján A-nak egy önmagára vett bijektív leképezését értjük, azaz az 1, 2,..., n elemek valamilyen sorrendben való felsorolását. Jelölje P n az A halmaz összes permutációinak számát. Ekkor P 1 = 1. Belátjuk, hogy P n = n P n 1. Az n elemű halmazból rögzítünk egy elemet. A maradék n 1 elemet P n 1 -féleképpen rendezhetjük sorba, majd a rögzített elemet n helyre sorolhatjuk be. Így P n = n P n 1, azaz P n = n (n 1) = n!. Tétel n különböző elem lehetséges sorbarendezéseinek a száma P n = n!. Példák: (1) Hányféleképpen érhet célba 10 futó egy futóversenyen? (2) Hány 5-jegyű szám írható fel a 3,4,5,7,9 számjegyekből, ha minden számjegy csak egyszer szerepelhet? És a 2,2,2,7,7 számjegyekből? Aradi Bernadett Gazdasági matematika /18 tavasz 44 / 104
45 Ismétléses permutáció Hány 5-jegyű szám írható fel a 2,2,2,7,7 számjegyekből? Megoldás: Ha megkülönböztetnénk egymástól a ketteseket és a heteseket, akkor 5! lenne a sorrend, viszont a kettesek illetve a hetesek cserélgetésével nem kapunk új 5-jegyű számot. Az ismétlődő elemek lehetséges sorrendjeivel osztanunk kell az 5!-t, azaz a végeredmény: 5! 2! 3! = 10. Tétel Ha n elemünk van k különböző fajtából, az 1. fajtából l 1, a 2.-ból l 2, stb. (azaz l 1 + l l k = n), akkor az n elem lehetséges sorrendjeinek a száma P l 1,...,l k n = n! l 1!... l k! Ismétléses permutáció: n elem sorbarendezése, melyek között vannak azonosak. Példa: Van 2 piros, 1 narancs és 3 sárga muskátlink. Hányféleképpen rakhatjuk ki az ablakunkba ezeket a virágokat? Aradi Bernadett Gazdasági matematika /18 tavasz 45 / 104
46 Variáció és tétel Egy n elemű halmaz k-ad osztályú ismétlés nélküli variációi alatt a halmaz elemeiből kiválasztott k hosszúságú sorozatokat értjük. Ezek száma: V n,k = Itt szükségképpen n k. n! = n (n 1)... (n k + 1). (n k)! Azaz a variáció: kiválasztás és sorbarendezés. Példák: (1) Hányféleképpen alakulhatnak a dobogós helyezések egy 10 fős futóversenyen? (2) Egy nyereménysorsoláson 5 különböző díj van, a résztvevők száma 200 fő. Hány lehetséges kimenetele van a sorsolásnak, ha mindenki csak egyszer nyerhet? visszatevés nélküli mintavétel És ha az egyes nyertesek kihúzása után visszadobják a győztes nevét a kalapba? visszatevéses kiválasztás Aradi Bernadett Gazdasági matematika /18 tavasz 46 / 104
47 Ismétléses variáció és tétel Egy n elemű halmaz k-ad osztályú ismétléses variációi alatt a halmaz elemeiből visszatevéssel kiválasztott k hosszúságú sorozatokat értjük. Ezek száma: V i n,k = nk. Ismétléses variáció: kiválasztás és sorbarendezés, de mivel egy elemet többször is választhatunk, ezért itt n < k is lehetséges. Példák: (1) Hányféleképpen tölthetünk ki egy totószelvényt? (2) Hány részhalmaza van egy k elemű halmaznak? Megoldás: Minden elem esetén döntünk arról, hogy igen vagy nem, azaz bekerüljön-e az elem a részhalmazba, vagy nem. Tehát a 2 lehetőségből k-szor választunk visszatevéssel. Így az összes részhalmaz megkapható. Összesen V i 2,k = 2k lehetőség. A részhalmazok megfelelnek a k hosszúságú bináris sorozatoknak: Aradi Bernadett Gazdasági matematika /18 tavasz 47 / 104
48 Kombináció és tétel Egy n elemű halmaz k elemű részhalmazait a halmaz k-ad osztályú ismétlés nélküli kombinációinak nevezzük. Számuk: szerint 0! = 1. Itt szükségképpen n k. C n,k = n! k!(n k)! =: Azaz a kombináció: kiválasztás. Példák: (1) Hányféleképpen tölthetünk ki egy ötöslottó szelvényt? (2) Egy nyereménysorsoláson 5 egyforma díj van, a résztvevők száma 200 fő. Hány lehetséges kimenetele van a sorsolásnak, ha mindenki csak egyszer nyerhet? visszatevés nélküli mintavétel És ha az egyes nyertesek kihúzása után visszadobják a győztes nevét a kalapba? visszatevéses kiválasztás Aradi Bernadett Gazdasági matematika /18 tavasz 48 / 104 ( n k ).
49 Ismétléses kombináció és tétel Ha egy n elemű halmaz elemeiből úgy képezünk k elemű halmazt, hogy egy elemet többször is választhatunk (azaz visszatevéssel), akkor az n elem k-ad osztályú ismétléses kombinációjáról ( beszélünk. ) Számuk: n + k 1 Cn,k i =. k Ismétléses kombináció: kiválasztás, de mivel egy elemet többször is választhatunk, ezért itt n < k is lehetséges. Példák: (1) Hányféleképpen oszthatunk szét 10 (egyforma) almát 4 ember között? (2) Feldobva 3 dobókockát, hányféleképpen alakulhat a dobott számok eloszlása? Álĺıtás Legyen k, n N {0}, n k. ( Ekkor ) n = k ( n n k Aradi Bernadett Gazdasági matematika /18 tavasz 49 / 104 ).
50 Binomiális tétel Tétel binomiális tétel Legyen x, y R, n N. Ekkor ( ) ( ) ( ) n n n (x + y) n = x n + x n 1 y + x n 2 y 2 + n n 1 n 2 ( ) ( ) n n n ( ) n + + xy n 1 + y n = x k y n k. 1 0 k Az ( n k) kifejezést binomiális együtthatónak nevezzük. Álĺıtás Minden n N, 0 < k < n esetén ( ) ( ) n n 1 = k k 1 ( n 1 + k ). k=0 Következmények: Pascal-háromszög; n elemű halmaz részhalmazai. Aradi Bernadett Gazdasági matematika /18 tavasz 50 / 104
51 Valószínűségi mező A valószínűséget egy függvényként fogjuk interpretálni, ami eseményekhez hozzárendeli azok bekövetkezésének a valószínűségét. Ehhez először az értelmezési tartományt, azaz az eseményeket kell megadnunk. Szükséges matematikai struktúra: eseményalgebra. Legyen Ω rögzített, nemüres halmaz: Ω = {ω 1, ω 2,... }. Ezt eseménytérnek, az elemeit pedig elemi eseményeknek nevezzük. Elemi események: egy kísérlet, vizsgált jelenség lehetséges kimenetelei. Események: Ω (bizonyos) részhalmazai, amiknek valószínűséget fogunk tulajdonítani. Példa: Tekintsük a kockadobás kísérletét. Ω = {ω 1, ω 2,..., ω 6 }, ahol ω k azt jelenti, hogy a dobás eredménye k. A = {ω 2, ω 4, ω 6 } Ω egy esemény: a dobás eredménye páros. Példa: Számoljuk meg, hogy egy adott üzletben hányan vásárolnak egy rögzített napon. Ekkor Ω = {0, 1, 2,... }. A = {0, 1, 2, 3, 4} Ω: a vizsgált napon 5-nél kevesebben vásároltak az üzletben. Aradi Bernadett Gazdasági matematika /18 tavasz 51 / 104
52 Események Az Ω eseménytér egy A Ω eseménye bekövetkezik, ha az ω Ω elemi esemény valósul meg és ω A. Ellenkező esetben, azaz ha ω a jelenség kimenetele és ω / A, akkor azt mondjuk, hogy A nem következik be. Példa: kockadobás, Ω = {ω 1, ω 2,..., ω 6 }. Legyen A = {ω 2, ω 4, ω 6 } és B = {ω 1, ω 2, ω 3 }. Ha 4-est dobunk, akkor az A esemény bekövetkezik, a B nem. Az üres halmaz, mint Ω részhalmaza a lehetetlen esemény, ez sohasem következik be. Ω, amely maga az eseménytér, mindig bekövetkezik, ezt biztos eseménynek is nevezzük. Aradi Bernadett Gazdasági matematika /18 tavasz 52 / 104
53 Műveletek eseményekkel Tekintsünk egy Ω eseményteret, valamint ennek A, B részhalmazait. Az A esemény ellentett vagy komplementer eseménye az az esemény, amely pontosan akkor következik be, ha A nem következik be. Jele: A. Az A és B események összege vagy uniója az az esemény, amely pontosan akkor következik be, ha a két esemény legalább egyike bekövetkezik. Jele: A + B vagy A B. Az A és B események szorzata vagy metszete az az esemény, amely pontosan akkor következik be, ha mindkét esemény bekövetkezik. Jele: A B vagy A B. Az A és B események különbsége az az esemény, amely pontosan akkor következik be, ha A bekövetkezik, B nem. Jele: A B vagy A \ B. Álĺıtás Tekintve az A és B eseményeket A B = A B. Aradi Bernadett Gazdasági matematika /18 tavasz 53 / 104
54 Kapcsolat az események között Tekintsünk egy Ω eseményteret, valamint ennek A, B részhalmazait. Az A és B események diszjunktak vagy egymást kizáró események, ha egyszerre nem következhetnek be. Az A esemény maga után vonja a B eseményt, ha az A esemény bekövetkezése esetén szükségképpen B is bekövetkezik. Jele: A B vagy A B. Megj.: az A és B események diszjunk volta azt jelenti, hogy szorzatuk a lehetetlen esemény: A B =. Álĺıtás Tekintve az A és B eseményeket a következők ekvivalensek: A B és B A. Aradi Bernadett Gazdasági matematika /18 tavasz 54 / 104
55 Eseményalgebra Tekintsünk egy Ω eseményteret, valamint Ω bizonyos részhalmazainak egy A halmazát. Az A halmazrendszert eseményalgebrának nevezzük, ha tartalmazza a biztos eseményt, azaz Ω A; zárt a komplementerképzésre, azaz ha A A, akkor A A; zárt a véges unióképzésre, azaz ha A, B A, akkor A + B A. A fentiekből következik, hogy A. Az A eseményalgebrát σ-algebrának hívjuk, ha a megszámlálható unióképzésre is zárt: A 1, A 2, A A i A. Megj.: ha Ω véges halmaz, akkor a fenti 2 fogalom egybeesik. Aradi Bernadett Gazdasági matematika /18 tavasz 55 / 104 i=1
56 Példák eseményalgebrára. Példa: A = 2 Ω mindig σ-algebra. Továbbá {, Ω} is σ-algebra. Kockadobás. Pénzérme feldobása. Pénzérme feldobása n-szer egymás után. Vizsgálhatjuk a különböző dobássorozatokat. Vizsgálhatjuk azt, hogy összesen hány fejdobás történt. Számoljuk meg, hogy egy adott üzletben hányan vásárolnak egy rögzített napon. Ekkor Ω = {0, 1, 2,... }. Mi lehet itt a σ-algebra? Legyen most a kísérlet az, hogy célbalövünk egy kör alakú céltáblára. Mik lehetnek itt az események, illetve a σ-algebra? (Tegyük fel, hogy a céltáblát mindenképpen eltaláljuk.) Aradi Bernadett Gazdasági matematika /18 tavasz 56 / 104
57 Gyakoriság, relatív gyakoriság Tekintsünk egy kísérlettel kapcsolatos A eseményt. Hajtsuk végre a kísérletet n-szer egymás után. Az A esemény gyakorisága az a szám, ahányszor az A esemény bekövetkezik az n kísérlet során. Jele: k n (A). Ekkor k n (A) {0, 1,..., n}. Az A esemény relatív gyakorisága a bekövetkezések számának és n-nek a hányadosa: r n (A) = k n(a). n Tapasztalat: a kísérletek számának növelésével az A esemény r n (A) relatív gyakorisága tart egy (a [0, 1] intervallumba eső) számhoz. Logikus ezt tekinteni A valószínűségének. Aradi Bernadett Gazdasági matematika /18 tavasz 57 / 104
58 A relatív gyakoriság tulajdonságai Álĺıtás Tekintsünk egy kísérletet. Egy ezzel a kísérlettel kapcsolatos A esemény relatív gyakoriságát (n végrehajtás esetén) jelölje továbbra is r n (A). Ekkor 0 r n (A) 1; r n ( ) = 0, r n (Ω) = 1; ha A és B egymást kizáró események, akkor r n (A + B) = r n (A) + r n (B); ha A 1, A 2,... egymást páronként kizáró események, akkor ( ) r n A i = i=1 (r n (A i )); i=1 r n (A) = 1 r n (A); ha A B, akkor r n (A) r n (B). Aradi Bernadett Gazdasági matematika /18 tavasz 58 / 104
59 Valószínűségi mező Legyen Ω egy nemüres halmaz, az eseménytér, A 2 Ω pedig (Ω bizonyos részhalmazaiból álló) σ-algebra. Tekintsünk egy P : A R függvényt, melyre (1) P(A) 0, tetszőleges A A esetén; (2) P(Ω) = 1; (3) ha A 1, A 2, A egymást páronként kizáró események, akkor ( ) P A i = i=1 (P(A i )). i=1 Ez a valószínűség σ-additivitása. Ekkor P-t valószínűségnek vagy valószínűségi függvénynek, P(A)-t pedig az A esemény valószínűségének mondjuk. Az (Ω, A, P) hármast valószínűségi mezőnek hívjuk. Aradi Bernadett Gazdasági matematika /18 tavasz 59 / 104
60 A valószínűség további tulajdonságai Tétel Tekintsünk egy (Ω, A, P) valószínűségi mezőt. A P valószínűségi függvény rendelkezik az alábbi tulajdonságokkal. P( ) = 0. P (végesen) additív, azaz ha A 1, A 2,..., A n A páronként diszjunktak, akkor ( n ) n P A i = (P(A i )). P(A) = 1 P(A). i=1 P monoton: ha A B (azaz A B), akkor P(A) P(B). Tetszőleges A és B események esetén i=1 P(A + B) = P(A) + P(B) P(A B). Aradi Bernadett Gazdasági matematika /18 tavasz 60 / 104
61 Diszkrét valószínűségi mező Az Ω eseményteret, valamint az (Ω, A, P) valószínűségi mezőt diszkrétnek mondjuk, ha Ω megszámlálható halmaz, tehát véges: Ω = {ω 1,..., ω n }, vagy megszámlálhatóan végtelen: Ω = {ω 1, ω 2,... }, továbbá A = 2 Ω. Álĺıtás és definíció Diszkrét valószínűségi mezőben a p i := P({ω i }), i = 1, 2,... számok (azaz az elemi események valószínűségei) egyértelműen meghatározzák a P valószínűségi függvényt. Ekkor a fenti valószínűségek nemnegatívak: p i 0, és összegük 1, hiszen p i = ( ) P({ω i }) = P {ω i } = P(Ω) = 1. i i i Ekkor a {p 1, p 2,... } számok eloszlást alkotnak. Példa: szabályos, ill. szabálytalan dobókocka esete. Aradi Bernadett Gazdasági matematika /18 tavasz 61 / 104
62 Klasszikus valószínűségi mező Az (Ω, A, P) valószínűségi mező klasszikus valószínűségi mező, ha Ω véges, azaz Ω = {ω 1, ω 2,..., ω n }, A = 2 Ω, továbbá minden elemi esemény egyenlően valószínű. Ekkor a valószínűségi függvény tulajdonságai miatt P(ω i ) := P({ω i }) = 1 n, i {1, 2,..., n}. Álĺıtás Klasszikus valószínűségi mezőben egy k elemű A esemény valószínűsége kiszámítható a P(A) = k kedvező esetek száma = n összes eset száma képlettel, ahol n = Ω. Aradi Bernadett Gazdasági matematika /18 tavasz 62 / 104
63 Geometriai valószínűségi mező Ha az eseményteret R n egy véges részhalmazával tudjuk beazonosítani, az elemi események pedig egyenletesen oszlanak el ezen a halmazon, akkor geometriai valószínűségi mezőről beszélünk. Álĺıtás Geometriai valószínűségi mezőben egy A Ω halmaz valószínűsége A mértékével arányos, azaz P(A) = µ(a) µ(ω), ahol µ a halmaz mértékét jelöli, tehát például n = 1 esetén µ a hossz, n = 2 esetén µ a terület, n = 3 esetén µ a térfogat. Példa: Egy 1 méter hosszú rudat találomra kettétörünk. Mekkora a valószínűsége, hogy a 2 kapott darabból, valamint egy fél méter hosszúságú rúdból egy háromszöget tudunk összerakni? Aradi Bernadett Gazdasági matematika /18 tavasz 63 / 104
64 Feltételes valószínűség Tekintsünk egy (Ω, A, P) valószínűségi mezőt, valamint ebben egy pozitív valószínűségű B eseményt: B A, P(B) > 0. Ha tudjuk, hogy B bekövetkezett, az módosíhatja a következtetéseinket az adott valószínűségi mezőben. Példa: Tekintsük a szabályos dobókockával történő kockadobás kísérletét. Legyen A az az esemény, hogy párosat dobunk, B pedig az, hogy 3-nál nagyobbat dobunk. Mivel egyenlő A valószínűsége, és ez hogyan változik, ha tudjuk, hogy B bekövetkezett? Az A esemény feltételes valószínűsége a B feltétel mellett (tehát ha tudjuk, hogy B bekövetkezett) P(A B) = P(AB), ha P(B) > 0. P(B) Aradi Bernadett Gazdasági matematika /18 tavasz 64 / 104
65 A feltételes valószínűség láncszabálya Álĺıtás Legyenek A 1, A 2,..., A n A olyanok, hogy P(A 1 A 2... A n ) > 0. Ekkor P(A 1 A 2... A n ) = P(A 1 )P(A 2 A 1 )P(A 3 A 1 A 2 )... P(A n A 1... A n 1 ). Példa: Egy követségi fogadásra 5 angol, 8 német és 3 japán diplomata hivatalos. Egyenként érkeznek, véletlenszerű időpontban. Mennyi a valószínűsége annak, hogy elsőként angol, másodikként német, harmadikként japán diplomata érkezik meg a fogadásra? Azt mondjuk, hogy az A 1, A 2,..., A n A események teljes eseményrendszert alkotnak, ha pozitív valószínűségűek, az eseménytér egy diszjunkt felbontását alkotják, azaz egymást páronként kizárják, és összegük a teljes eseménytér. Egy teljes eseményrendszer tagjai közül tehát mindig pontosan egy következik be. Aradi Bernadett Gazdasági matematika /18 tavasz 65 / 104
66 A teljes valószínűség tétele Tétel teljes valószínűség tétele Legyen (Ω, A, P) valószínűségi mező és tekintsünk egy A 1, A 2,..., A n A teljes eseményrendszert. Ekkor tetszőleges B esemény esetén P(B) = n P(B A i ) P(A i ). i=1 Példa: Három termelőtől almát szálĺıtanak egy üzletbe. Az első termelőtől származik a mennyiség fele, melyből 40% elsőosztályú. A második termelőtől szálĺıtják a tétel 30%-át, amely 2/3 részben elsőosztályú. A többi gyümölcs a harmadik termelőtől kerül az üzletbe, és mind elsőosztályú. Mennyi a valószínűsége annak, hogy az üzletben e szálĺıtmányból találomra kiválasztva egy almát, az elsőosztályú? Aradi Bernadett Gazdasági matematika /18 tavasz 66 / 104
67 Bayes-tétel Legyen (Ω, A, P) valószínűségi mező. Tétel Bayes-formula Ha A és B tetszőleges, pozitív valószínűségű események, akkor P(A B) = P(A) P(B A) P(B) Tétel Bayes-tétel Tekintsünk egy A 1, A 2,..., A n A teljes eseményrendszert, valamint egy pozitív valószínűségű B eseményt: P(B) > 0. Ekkor P(A j B) = P(B A j) P(A j ) i P(B A i) P(A i ) Példa: Tekintsük a korábbi almás feladatot. Kiderül, hogy a találomra kiválasztott alma elsőosztályú. Mennyi a valószínűsége annak, hogy ez az alma az első, a második, ill. a harmadik termelőtől került az üzletbe? Aradi Bernadett Gazdasági matematika /18 tavasz 67 / 104
68 Teljes valószínűség tétele és a Bayes-tétel Példa: Egy tesztrendszerű vizsgánál minden kérdéshez 4 válasz van megadva, amelyek közül csak egy a helyes. A vizsgázónak ezt a lapot kell kitölteni a helyesnek vélt válasz megjelölésével. Tegyük fel, hogy egy vizsgázó p valószínűséggel tudja a helyes választ (p [0, 1]). Ha nem tudja a választ, akkor véletlenszerűen (azaz 1 4 valószínűséggel) jelöli meg a 4 lehetséges válasz közül az egyiket. Tekintsünk egy rögzített kérdést. Mennyi a valószínűsége, hogy a vizsgázó helyesen válaszol? A vizsgalap átnézése során kiderül, hogy helyes a válasz. Mennyi a valószínűsége, hogy a vizsgázó azért adott helyes választ, mert tudta a helyes eredményt? Aradi Bernadett Gazdasági matematika /18 tavasz 68 / 104
69 Események függetlensége Tekintsük az A és B eseményeket, és tegyük fel, hogy P(B) > 0. Az A esemény akkor nem függ B-től, ha P(A) = P(A B) = P(AB) P(B) Azt mondjuk, hogy az A és B események függetlenek, ha P(A B) = P(A) P(B). Álĺıtás Ha az A és B események pozitív valószínűségűek, akkor az alábbiak ekvivalensek: A és B függetlenek; P(A) = P(A B); P(B) = P(B A). Feladat: A szabályos dobókockával történő kockadobás kísérlete esetén mondjuk példát független és nem független eseményekre! Aradi Bernadett Gazdasági matematika /18 tavasz 69 / 104
70 Kettőnél több esemény függetlensége Álĺıtás A lehetetlen, valamint a biztos esemény minden eseménytől független. Az A 1, A 2,... események páronként függetlenek, ha közülük bármely két esemény független. Az A 1, A 2,... események (teljesen) függetlenek, ha tetszőleges i 1, i 2,... i k indexek esetén P(A i1 A i2... A ik ) = P(A i1 ) P(A i2 )... P(A ik ). Megj.: A teljes függetlenségből következik a páronkénti függetlenség, azonban ez fordítva nem igaz: dobjunk fel két pénzérmét, és legyen A = {első érmével fejet dobunk}, B = {másodikkal írást dobunk}, C = {mindkét érmével fejet, vagy mindkettővel írást dobunk}. Ekkor A, B és C páronként függetlenek, azonban teljesen nem. Aradi Bernadett Gazdasági matematika /18 tavasz 70 / 104
71 Valószínűségi változók Legyen (Ω, A, P) valószínűségi mező. A ξ : Ω R függvény valószínűségi változó, ha tetszőleges x R esetén {ω Ω ξ(ω) < x} A. (Azaz, a (, x) alakú intervallumok ξ általi inverzképe esemény, tehát létezik a valószínűsége.) Legyen ξ valószínűségi változó az (Ω, A, P) valószínűségi mezőn. Ennek eloszlásfüggvénye alatt az függvényt értjük. F ξ : R [0, 1], x F ξ (x) := P(ξ < x) Aradi Bernadett Gazdasági matematika /18 tavasz 71 / 104
72 Az eloszlásfüggvény F ξ : R [0, 1], x F ξ (x) := P(ξ < x) Tétel az eloszlásfüggvények tulajdonságai Egy F : R [0, 1] függvény pontosan akkor eloszlásfüggvénye valamely ξ : Ω R valószínűségi változónak, ha monoton növekvő; balról folytonos; lim F (x) = 0, lim F (x) = 1. x x Megj.: két különböző valószínűségi változónak lehet azonos az eloszlásfüggvénye. Példa: Dobjunk fel egy szabályos dobókockát! Tegyük fel, hogy 1000 Ft-ot nyerünk, ha 6-ost dobunk; 500 Ft-ot vesztünk, ha 1-est dobunk; 100 Ft-ot vesztünk az összes többi esetben. Jelölje ξ a nyereményünket. Adjuk meg ξ eloszlásfüggvényét! Aradi Bernadett Gazdasági matematika /18 tavasz 72 / 104
73 Diszkrét valószínűségi változók A ξ : Ω R valószínűségi változó diszkrét, ha értékkészlete megszámlálható. Példák: 1. Az előző dián szereplő példa. Itt ξ értékkészlete véges. 2. Dobáljunk addig egy dobókockát, amíg az első 6-os dobás be nem következik. Jelölje ξ a szükséges dobások számát. Ekkor ξ értékkészlete megszámlálhatóan végtelen. A ξ diszkrét valószínűségi változó eloszlása az a P ξ függvény a ξ lehetséges értékeinek X = {x 1, x 2,... } halmazán, melyre P ξ (x i ) = P({ω Ω ξ(ω) = x i }), x i X. Egy diszkrét valószínűségi változó eloszlásfüggvénye olyan lépcsős függvény, mely ξ értékkészletének x i elemeinél P(ξ = x i ) mennyiséget ugrik felfelé. Aradi Bernadett Gazdasági matematika /18 tavasz 73 / 104
74 Nevezetes diszkrét eloszlások Binomiális eloszlás Egy dobozban N golyó van, M db kék és N M db zöld. Visszatevéssel húzzunk ki n golyót. Jelölje ξ a kihúzott kék golyók számát. Ekkor ξ értékkészlete: {0, 1, 2,..., n}, továbbá Itt M N P(ξ = k) := P(ω Ω: ξ(ω) = k) = ( n k ) ( M N ) k ( 1 M N ) n k. (0, 1) az egyszeri kék golyó kihúzásának a valószínűsége. Legyen p (0, 1), n N. Azt mondjuk, hogy a ξ valószínűségi változó n-edrendű, p paraméterű binomiális eloszlású valószínűségi változó, ha értékkészlete {0, 1, 2,..., n}, és ( ) n P(ξ = k) = p k (1 p) n k. k ξ-t ebben az esetben n és p paraméterű binomiális eloszlású valószínűségi változónak is hívjuk. Aradi Bernadett Gazdasági matematika /18 tavasz 74 / 104
75 Binomiális eloszlás, Bernoulli-eloszlás ( ) n P(ξ = k) = p k (1 p) n k. k Ha azt vizsgáljuk, hogy egy kísérlet n független ismétlése esetén egy rögzített esemény hányszor következik be, akkor binomiális eloszláshoz jutunk. Speciálisan, n = 1 választással kapjuk a Bernoulli-eloszlást. Legyen p (0, 1). Azt mondjuk, hogy a ξ valószínűségi változó p paraméterű Bernoulli-eloszlású valószínűségi változó, ha értékkészlete {0, 1}, és P(ξ = 1) = p P(ξ = 0) = 1 p. Álĺıtás Egy n-edrendű, p paraméterű binomiális eloszlású valószínűségi változó feĺırható n darab p paraméterű Bernoulli-eloszlású valószínűségi változó összegeként. Aradi Bernadett Gazdasági matematika /18 tavasz 75 / 104
76 Hipergeometrikus eloszlás Egy dobozban N golyó van, M db kék és N M db zöld. Visszatevés nélkül húzzunk ki n golyót (n N). Jelölje ξ a kihúzott kék golyók számát. Ekkor ( M )( N M ) k n k P(ξ = k) = ( N, n) ahol az értékkészlet elemei olyan k értékek, melyekre 0 k n, k M és n k N M. Ha a ξ valószínűségi változó eloszlása a fenti alakú, akkor (n, M, N M) paraméterű hipergeometrikus eloszlásúnak mondjuk. Példa: 50 termékből, melyek között 5 selejtes található, találomra kiválasztunk ötöt. (a) Mennyi a valószínűsége, hogy ezek között 2 selejtest találunk, ha a mintavétel visszatevéssel történik? (b) Megváltozik-e az előbbi valószínűség, ha 100 termékből történik a mintavétel, változatlan selejtarány mellett? (c) Oldjuk meg a feladatot visszatevés nélküli mintavétel esetén is! Aradi Bernadett Gazdasági matematika /18 tavasz 76 / 104
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.
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,
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,
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
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
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
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
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
RészletesebbenKurzusinformációk, syllabus:
Diszkrét matematika előadás Aradi Bernadett 2017/18 ősz Kurzusinformációk, syllabus: https://www.inf.unideb.hu/aradibernadett Diszkrét matematika 2017/18 ősz 1 / 94 Témakörök 1 Bevezetés: halmazok és függvények,
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
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
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 (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla
Lineáris leképezések (előadásvázlat, 2012. szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla Ennek az előadásnak a megértéséhez a következő fogalmakat kell tudni: homogén lineáris egyenletrendszer és
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:
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
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
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
RészletesebbenÖsszeállította: dr. Leitold Adrien egyetemi docens
Skaláris szorzat az R n vektortérben Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok skaláris szorzata Két R n -beli vektor skaláris szorzata: Legyen a = (a 1,a 2,,a n ) és b
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 (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,
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
Részletesebben1. feladatsor Komplex számok
. feladatsor Komplex számok.. Feladat. Kanonikus alakban számolva határozzuk meg az alábbi műveletek eredményét. (a) i 0 ; i 8 ; (b) + 4i; 3 i (c) ( + 5i)( 6i); (d) i 3+i ; (e) 3i ; (f) ( +3i)(8+i) ( 4
RészletesebbenMűveletek 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
RészletesebbenMeghirdetés féléve 2 Kreditpont Összóraszám (elm+gyak) 2+0
Tantárgy neve Lineáris algebra I Tantárgy kódja MTB1004 Meghirdetés féléve 2 Kreditpont 3k Összóraszám elm+gyak 2+0 Számonkérés módja kollokvium Előfeltétel tantárgyi kód MTB1003 Tantárgyfelelős neve Kurdics
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,
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.):
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
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
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
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
Részletesebben1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
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
RészletesebbenDiszkrét matematika II., 8. előadás. Vektorterek
1 Diszkrét matematika II., 8. előadás Vektorterek Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2007.??? Vektorterek Legyen T egy test (pl. R, Q, F p ). Definíció.
Részletesebben1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak
1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenI. 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
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenÖsszeállította: dr. Leitold Adrien egyetemi docens
Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,
RészletesebbenVektorterek. Több esetben találkozhattunk olyan struktúrával, ahol az. szabadvektorok esetében, vagy a függvények körében, vagy a. vektortér fogalma.
Vektorterek Több esetben találkozhattunk olyan struktúrával, ahol az összeadás és a (valós) számmal való szorzás értelmezett, pl. a szabadvektorok esetében, vagy a függvények körében, vagy a mátrixok esetében.
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
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....................................................
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
Részletesebben1. 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
RészletesebbenTestek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2.
Vektorok. Melyek egyenlőek az alábbi vektorok közül? (a) (, 2, 0), (b) az (, 0, ) pontból a (2, 2, ) pontba mutató vektor, (c) ( 2,, ) ( 2,, 2), (d) [ 2 0 ], (e) 2. 0 2. Írjuk fel az x + y + 2z = 0 és
RészletesebbenVIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
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?
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenGazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2007/8 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2007/8 tanév, II. félév 1 / 186 Félévközi
RészletesebbenBevezetés 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
Részletesebbenés 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
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
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
RészletesebbenLineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság
1. Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció
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
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...
RészletesebbenGazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar 2014. február 16. Losonczi László, Pap Gyula (DE, KTK) Gazdasági matematika II. 2014. február
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
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
RészletesebbenGazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2009/10 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/10 tanév, II. félév 1 / 187 Félévközi
RészletesebbenGyakorló 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.,
RészletesebbenAz ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.
Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget
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.
Részletesebben6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió
6. Előadás Megyesi László: Lineáris algebra, 37. 41. oldal. Gondolkodnivalók Lineáris függetlenség 1. Gondolkodnivaló Legyen V valós számtest feletti vektortér. Igazolja, hogy ha a v 1, v 2,..., v n V
RészletesebbenMATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
Részletesebben1. Kombinatorikai bevezetés
1. Kombinatorikai bevezetés 1.1. Permutációk Adott n különböző elem ismétlés nélküli permutációján az elemek egy meghatározott sorrendjét értjük. Az n különböző elem összes permutációinak számát P n -nel
RészletesebbenMat. A2 3. gyakorlat 2016/17, második félév
Mat. A2 3. gyakorlat 2016/17, második félév 1. Hány megoldása lehet az alábbi lineáris egyenletrendszereknek a valós számok körében, ha a -ok tetszőleges (nem feltétlenül egyenlő) számokat jelölnek? 0
Részletesebben11. 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
RészletesebbenBevezetés a számításelméletbe (MS1 BS)
Matematika szigorlat - konzultációs szeminárium Azoknak, akik másodszorra vagy többedszerre veszik fel a Matematika szigorlat (NAMMS1SAND) tárgyat. Bevezetés a számításelméletbe (MS1 BS) FŐBB TÉMAKÖRÖK
RészletesebbenDiszkrét Matematika II.
Orosz Ágota Kaiser Zoltán Diszkrét Matematika II. példatár mobidiák könyvtár Orosz Ágota Kaiser Zoltán Diszkrét Matematika II. példatár mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Orosz Ágota Kaiser
RészletesebbenTantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2
Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
Részletesebben(1) Vektorok koordinátavektora. 1/3. R A {b 1,b 2,b 3 } vektorhalmaz bázis a V R n altérben.
Az informatikus lineáris algebra dolgozat A részének főbb témái, pár mintafeladata Az alábbiakban tájékoztató jelleggel fölsoroljuk a vizsgadolgozat A részében szereplő főbb témaköröket néhány mintafeladattal,
Részletesebben1. 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
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
RészletesebbenGazdasági matematika 2
I. Lineáris algebra 1. Az R n tér Gazdasági matematika 2 Gyakorlati feladatsor 1.1. Tekintsük az alábbi, vektorokra vonatkozó egyenletet. Mivel egyenl az (x 1, x 2, x 3 ) vektor? 3(x 1, x 2, x 3 ) + 5(
RészletesebbenMATEMATIKA FELADATGYŰJTEMÉNY
Pék Johanna MATEMATIKA FELADATGYŰJTEMÉNY Nem matematika alapszakos hallgatók számára Tartalomjegyzék Előszó iii. Lineáris algebra.. Mátrixok...................................... Lineáris egyenletrendszerek..........................
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
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!
RészletesebbenFeladatok és megoldások a 8. hétre Építőkari Matematika A3
Feladatok és megoldások a 8. hétre Építőkari Matematika A3 1. Oldjuk meg a következő differenciálegyenlet rendszert: x + 2y 3x + 4y = 2 sin t 2x + y + 2x y = cos t. (1 2. Oldjuk meg a következő differenciálegyenlet
Részletesebben8. 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
RészletesebbenDiszkrét matematika 1.
Diszkrét matematika 1. 201. ősz 1. Diszkrét matematika 1. 1. előadás Mérai László diái alapján Komputeralgebra Tanszék 201. ősz Kombinatorika Diszkrét matematika 1. 201. ősz 2. Kombinatorika Kombinatorika
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
Részletesebben1. 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
RészletesebbenElső 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
RészletesebbenMatematika A2a LINEÁRIS ALGEBRA NAGY ATTILA
LINEÁRIS ALGEBRA NAGY ATTILA 20160515 Tartalomjegyzék 1 Algebrai struktúrák 5 2 Lineáris tér (vektortér) 13 21 A vektortér fogalma 14 22 Vektorok lineáris függetlensége és függősége 18 23 Generátorrendszer,
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
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
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
Részletesebben9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2
RészletesebbenMatematika III. 2. Eseményalgebra Prof. Dr. Závoti, József
Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. : Eseményalgebra Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027 Tananyagfejlesztéssel
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,
RészletesebbenXI 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
RészletesebbenA gyakorlati jegy
. Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció
RészletesebbenLineáris 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
RészletesebbenBevezetés 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
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
Részletesebben9. AZ R k VEKTORTÉR. 9.1 Az R k vektortér fogalma
9 AZ R k VEKTORTÉR 91 Az R k vektortér fogalma Definíció A k-dimenziós vektortér nek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x 2,, x k ) sorozatok halmazát, azaz 1 R k
Részletesebben