Bevezetés az algebrába 2 Vektor- és mátrixnorma
|
|
- Ernő Boros
- 5 évvel ezelőtt
- Látták:
Átírás
1 Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M április 29. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
2 Tartalom 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
3 Norma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
4 Norma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
5 Norma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
6 Norma D Az x vektor euklideszi normája vagy más néven abszolút értéke x 2 = n x 2 = n x 2 i = x T x, ha x R n, x i 2 = x H x, ha x C n. m Manhattan ( x + y ), képméretezés (max{ x, y }). D A p 1 valósra az x C n vektor p-normája x p = ( n x i p ) 1/p, míg ennek határértéke a -norma, azaz x = lim p x p. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
7 Norma m 1-norma = rácsnorma = Manhattan-norma maximum norma = -norma x = lim p x p = lim p ( n ) 1/p x i p = max x i. i B a legnagyobb abszolút értékű koordináta x max ( x i / x max 1) n 1 x i /x max p n. Mindegyik kifejezést 1/p-edik hatványra emelve, majd x max -szal beszorozva kapjuk, hogy ( n x max x max x i p ) 1/p x x max n 1/p, max Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
8 Norma p = 1 p = 3 2 p = 2 p = 3 p = Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
9 Norma p = 1 p = 2 p = Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
10 Norma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
11 Norma Á Az előző normák alaptulajdonságai: x 0 x = 0 x = 0 ( a d(x, y) = x y távolságfüggvény szeparálja a pontokat, azaz két különböző pont távolsága sosem 0) cx = c x (pozitív homogenitás) x + y x + y (háromszögegyenlőtlenség) D Az f : R n R, vagy f : C n R függvény norma, ha f (x) 0 minden x vektorra, és f (x) = 0 pontosan akkor áll fenn, ha x = 0, f (cx) = c f (x) minden x vektorra, f (x + y) f (x) + f (y). m x = x bármely. normára igaz, hisz x = 1 x = x. m háromszögegyenlőtlenség másik alakja: z x z x Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
12 Norma m A háromszögegyenlőtlenség p-normánál: Minkowski-egyenlőtlenség: x + y p x p + y p. (1) m A Hölder-egyenlőtlenség a CBS-egyenlőtlenség általánosítása: x H y x p y q, ahol 1 p + 1 q = 1. (2) m Ha x x egy norma, és A egy egy-egy értelmű lineáris leképezés, akkor az x Ax leképezés is norma m max i { x i } x x n 2 x x n azaz m Másrészt x x 2 x 1. x 1 n x 2, x 2 n x és x 1 n x. m Minden norma folytonos függvény. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
13 Norma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
14 Norma D A. a és. b normák ekvivalensek, ha van olyan c és d pozitív valós szám, hogy. a c. b és. b d. a. m Az 1-, 2- és -normák ekvivalensek T A K n téren értelmezett bármely két norma ekvivalens (K = R vagy C). m Ez csak véges dimenziós terekben igaz, itt tehát a konvergenciakérdésekhez bármelyik norma jó. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
15 Mátrixnorma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
16 Mátrixnorma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
17 Mátrixnorma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
18 Mátrixnorma D Az A C m n mátrix Frobenius-normája m n A F = a ij 2 m n = A i* 2 2 = A *j 2 2. j=1 T Frobenius-norma ekvivalens alakjai: A F = trace(a H A) = j=1 min(m,n) σi 2. B [A H A] jj = A *j 2 2 nyom = sajátértékek összege Á Bármely x C n vektorra és A C m n mátrixra Ax 2 A F x 2. B Cauchy Bunyakovszkij Schwarz-egyenlőtlenségből: n n Ax 2 2 = A i* x 2 A i* 2 2 x 2 2 = A 2 F x 2 2. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
19 Mátrixnorma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
20 Mátrixnorma D. : K n n R mátrixnorma, ha A 0, és A = 0 pontosan akkor áll fenn, ha A = O, ca = c A, A + B A + B, AC A C. D. egy tetszőleges vektornorma. Ekkor az A = max x =1 Ax egyenlőséggel definiált függvényt a vektornorma által indukált mátrixnormának nevezzük. m Jelölés: A p = max x p =1 Ax p m Ha lineáris leképezésre értelmezzük, operátornormáról beszélünk. m A normák ekvivalenciájából bármely normában az egységgömb korlátos és zárt a x Ax függvénynek van maximuma és minimuma m a definíció ekvivalens alakjai A = sup Ax x = max Ax x =0 x. x =0 Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
21 Mátrixnorma 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
22 Mátrixnorma T Legyen A C m n, ekkor A 1 = max j A = max i A 2 = n a ij = legnagyobb abszolút oszlopösszeg, (3) m a ij = legnagyobb abszolút sorösszeg, (4) j=1 A H 2 = max x 2 =1 y 2 =1 yh Ax = σ 1, (5) Ha az A C n n invertálható, akkor A 1 2 = max x 2 =1 1 Ax 2 = 1 min Ax 2 x 2 =1 ahol σ n az A legkisebb (pozitív) szinguláris értéke. = 1 σ n, (6) m Az 1-, a - és a 2-normára szokásos másik elnevezés: oszlopnorma, sornorma és spektrálnorma. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
23 Mátrixnorma B p = 1: ha x 1 = 1, akkor m n m n n m Ax 1 = a ij x j a ij x j = x j a ij j=1 j=1 j=1 n m m x j max a ij = max a ij j j j=1 m E max elérhető, ha k-adik oszlopössz. a max: Ae k 1 = max a ij. j p = : ha x = 1, akkor n n n Ax = max i a ij x j max a ij x j max a ij. j=1 i i j=1 j=1 Ez a maximum el is érhető: ha a k-adik sor a max, akkor az ( ak1 x = a k1, a k2 a k2,..., a ) kn a kn vektorra x = 1 és Ax = max i nj=1 a ij. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
24 Mátrixnorma p = 2: A CBS-egyenlőtlenség szerint y H Ax y 2 Ax 2, így max x 2 =1 max y 2 =1 yh Ax max x 2 =1 Ax 2 = A 2. Legyen x 0 az a vektor, melyben Ax 2 a max Ax 0 2 = max x 2 =1 Ax 2 = A 2, y 0 = Ax 0 Ax 0 2 = Ax 0 A 2. y H 0 Ax 0 = xh 0 AH Ax 0 A 2 = Ax A 2 = A 2 2 A 2 = A 2. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
25 Mátrixnorma Az A 2 = σ 1 igazolásához a következő maximumot keressük: Ax 2 2 x H A H Ax x H. x A 2 2 = max x 0 x 2 = max x 0 2 Legyenek v 1,..., v n a jobb szinguláris vektorok, ekkor bármely x = j c jv j 0 vektorra λ 1 = vh 1 AH Av 1 v1 Hv, λ 1 xh A H Ax 1 x H = λ 1 x j λ jc 2 j j c2 j tehát A 2 2 = λ 1, azaz A 2 = λ 1 = σ min Ax = max = max 2 x 2 =1 Ax 2 y 0 x 2 =1 = max y 0 = j (λ 1 λ j )c 2 j j c2 j 1 A A 1 y 2 = max y 0 A 1 y 2 ( ) y A 1 = max A 1 x = y 2 x 2 2 =1 0, A 1 y 2 y 2 A 1 2. A 1 szinguláris értékei az A szinguláris értékeinek reciprokai A 1 legnagyobb szing.ért. az A legkisebb szing.értékének reciproka. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
26 Alkalmazások 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
27 Alkalmazások 1 Norma 2 Mátrixnorma 3 Alkalmazások Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
28 Alkalmazások Eckart Young-tétel T Kis rangú approximáció tétele Eckart Young-tétel A r-rangú, k-adik szinguláris értéke σ k, jobb és bal szinguláris vektorta v k, illetve u k. Legyen k A k = σ i u i vi T. Ekkor A k az A mátrix legjobb legföljebb k-rangú közelítése, azaz min A B F = A A k F = r(b) k r i=k+1 min A B 2 = A A k 2 = σ k+1. r(b) k σ 2 i, Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
29 Alkalmazások B 2-normára: r(b) k, így dim N (B) n k. Legyen V = span(v 1, v 2,..., v k+1 ) a k + 1 legnagyobb szing.ért.hez tartozó jobb szinguláris vektorok által kifeszített altér. Ha k r, akkor kész vagyunk, A legjobb közelítése A és σ k+1 = 0. Feltehető r > k dim N (B) + dim V (n k) + (k + 1) > n N (B) V w N (B) V, w 2 = 1. Ekkor A B 2 2 (A B)w 2 2 = Aw 2 2 k+1 k+1 = σi 2 vi T w 2 σk+1 2 vi T w 2 = σk+1 2 Másrészt A A k 2 = σ k+1, így A B 2 A A k 2. Wettl Ferenc Bevezetés az algebrába 2 Vektor- és mátrixnorma április / 29
Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenSzinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35
Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 6. előadás: Vektor- és mátrixnormák Lócsi Levente ELTE IK 2013. október 14. Tartalomjegyzék 1 Vektornormák 2 Mátrixnormák 3 Természetes mátrixnormák, avagy indukált normák 4 Mátrixnormák
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. március 17. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
Részletesebben1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0
I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)
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
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
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenFunkcionálanalízis. n=1. n=1. x n y n. n=1
Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. május 15. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenHaladó lineáris algebra
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
Részletesebben1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:
1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre
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,
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
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 A derivált alkalmazásai H607, EIC 2019-04-03 Wettl
RészletesebbenSorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
RészletesebbenAnalízis I. beugró vizsgakérdések
Analízis I. beugró vizsgakérdések Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v1.7 Forrás: Dr. Weisz Ferenc: Prog. Mat. 2006-2007 definíciók
RészletesebbenA fontosabb definíciók
A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,
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
RészletesebbenAnalízis. 1. fejezet Normált-, Banach- és Hilbert-terek. 1. Definíció. (K n,, ) vektortér, ha X, Y, Z K n és a, b K esetén
1. fejezet Analízis 1.1. Normált-, Banach- és Hilbert-terek. Zártés teljes ortonormált rendszer. Fourier-sor. Riesz-Fischer tétel Hilbert-térben. Szeparábilis Hilbert terek izomorfiája. 1.1.1. Normált-,
Részletesebben2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma
Mátrixok Definíció Az m n típusú (méretű) valós A mátrixon valós a ij számok alábbi táblázatát értjük: a 11 a 12... a 1j... a 1n.......... A = a i1 a i2... a ij... a in........... a m1 a m2... a mj...
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
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 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
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,
RészletesebbenAnalízis II. Analízis II. Beugrók. Készítette: Szánthó József. kiezafiu kukac gmail.com. 2009/ félév
Analízis II. Analízis II. Beugrók Készítette: Szánthó József kiezafiu kukac gmail.com 2009/20 10 1.félév Analízis II. Beugrók Függvények folytonossága: 1. Mikor nevez egy függvényt egyenletesen folytonosnak?
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
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
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,
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
RészletesebbenNormák, kondíciószám
Normák, kondíciószám A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris egyenletrendszerek Nagyon sok probléma közvetlenül lineáris egyenletrendszer megoldásával kezelhetı Sok numerikus
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,
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
RészletesebbenNUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK
NUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK Szerkesztette: Balogh Tamás 04. január 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el!
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
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
RészletesebbenBevezetés az algebrába 2 Lineáris algebra alkalmazásai
Bevezetés az algebrába 2 Lineáris algebra alkalmazásai Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M
RészletesebbenA sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
RészletesebbenGauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
RészletesebbenLineáris algebra numerikus módszerei
Bevezetés Szükségünk van a komplex elemű mátrixok és vektorok bevezetésére. A komplex elemű n-dimenziós oszlopvektorok halmazát C n -el jelöljük. Hasonlóképpen az m n méretű komplex elemű mátrixok halmazát
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
RészletesebbenAlgoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás
Algoritmusok Tervezése Fuzzy rendszerek Dr. Bécsi Tamás Bevezetés Mese a homokkupacról és a hidegről és a hegyekről Bevezetés, Fuzzy történet Két értékű logika, Boole algebra Háromértékű logika n értékű
Részletesebben2010. október 12. Dr. Vincze Szilvia
2010. október 12. Dr. Vincze Szilvia Tartalomjegyzék 1.) Sorozat definíciója 2.) Sorozat megadása 3.) Sorozatok szemléltetése 4.) Műveletek sorozatokkal 5.) A sorozatok tulajdonságai 6.) A sorozatok határértékének
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Alkalmazások H607 2017-05-10 Wettl Ferenc ALGEBRA
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ VEKTOR- ÉS MÁTRIXNORMÁK,
RészletesebbenAnalízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
RészletesebbenAlkalmazott algebra - SVD
Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés
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
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
Részletesebben3. előadás Stabilitás
Stabilitás 3. előadás 2011. 09. 19. Alapfogalmak Tekintsük dx dt = f (t, x), x(t 0) = x 0 t (, ), (1) Jelölje t x(t; t 0, x 0 ) vagy x(.; t 0, x 0 ) a KÉF megoldását. Kívánalom: kezdeti állapot kis megváltozása
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 4-6. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenMetrikus terek, többváltozós függvények
Metrikus terek, többváltozós függvények 2003.10.15 Készítette: Dr. Toledo Rodolfo és Dr. Blahota István 1. Metrikus terek, metrika tulajdonságai 1.1. A valós, komplex, racionális, természetes és egész
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A
RészletesebbenÁ Ö Ü Ö
Ü Ü Á Ö Ü Ö ű Á Ü Ü Ü Ü Á Ü Ö ű ű Ü ű ű Ü ű Ü Ü Ü Ü Ü Ü Ü Ü ű Ü ű ű ű Ü ű ű Ü ű Ü Ü ű ű ű ű ű É ű ű Ü Ü Ü Ü Ü ű ű ű Á É ű É ű ű ű ű ű É ű ű ű ű ű ű ű ű ű ű ű Ö ű Ö Ü ű Ü Ü Ü ű Ü ű Ü Ü Ü ű Ü ű Ü Ü Ü ű ű
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenSorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2
Sorozatok 5. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Sorozatok p. 1/2 A sorozat definíciója Definíció. A természetes számok halmazán értelmezett valós értékű a: N R függvényt
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
RészletesebbenBoros Zoltán február
Többváltozós függvények differenciál- és integrálszámítása (2 3. előadás) Boros Zoltán 209. február 9 26.. Vektorváltozós függvények differenciálhatósága és iránymenti deriváltjai A továbbiakban D R n
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
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
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
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 Differenciálhatóság H607, EIC 2019-03-14 Wettl
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
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
RészletesebbenAlkalmazott algebra. Lineáris leképezések EIC. Wettl Ferenc ALGEBRA TANSZÉK BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK )
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 Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Lineáris leképezések
RészletesebbenII. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés
II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés Nagyon könnyen megfigyelhetjük, hogy akármilyen két számmal elindítunk egy Fibonacci sorozatot, a sorozat egymást követő tagjainak
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
RészletesebbenFunkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér
Funkcionálanalízis Gyakorló feladatok 2017 március 22 Metrikus tér, normált tér és skalárszorzat tér N1 Metrikát deniálnak-e R-en az alábbi függvények: (a) d(x, y) = x y (b) d(x, y) = x y (c) d(x, y) =
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 Folytonosság H607, EIC 2019-03-07 Wettl Ferenc
RészletesebbenMer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40
Mer legesség Wettl Ferenc 2015-03-13 Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált
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
RészletesebbenNumerikus módszerek beugró kérdések
1. Definiálja a gépi számok halmazát (a tanult modellnek megfelelően)! Adja meg a normalizált lebegőpontos szám alakját. (4 pont) Az alakú számot normalizált lebegőpontos számnak nevezik, ha Ahol,,,. Jelöl:
Részletesebbenminden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Differencia- és differenciálegy.-rsz. H607 2017-04-05
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenÉ Á Á Ö Á
É Á Á Ö Á Á É Á Ü ű Á É Ü ű Ú ű ű É É ű ű Á ű ű ű ű ű É ű ű ű Á É É É ű Á É É Á É Á É Ü Ü ű Á Á Á ű Á Á Á Á Á Á Á Á Ü ű Á ű Ü É É Á Á Á É ű ű ű ű ű ű ű ű ű ű ű ű ű Á Á É É ű É ű Ő ű É Ő Á É É ű ű Ú Á
RészletesebbenSkalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.
1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége
Részletesebbenö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú
ő ű ű ő ö ö Á ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú ő ö Á Ó ő ő ü ú ő ő ő ő Á ő ú ű ő ő ő ü ú ő ő ő ő ő ő ő ő ö ü ú ő ő ő ő ű ű ő ő ö ű ü ő ő ő ö ö
RészletesebbenA Matematika I. előadás részletes tematikája
A Matematika I. előadás részletes tematikája 2005/6, I. félév 1. Halmazok és relációk 1.1 Műveletek halmazokkal Definíciók, fogalmak: halmaz, elem, üres halmaz, halmazok egyenlősége, részhalmaz, halmazok
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:
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
RészletesebbenUtolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20
Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális
RészletesebbenKomplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18
Komplex számok Wettl Ferenc előadása alapján 2015.09.23. Wettl Ferenc előadása alapján Komplex számok 2015.09.23. 1 / 18 Tartalom 1 Számok A számfogalom bővülése 2 Algebrai alak Trigonometrikus alak Egységgyökök
Részletesebbenó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó
É ó ú ó ú ó Á ó ó ú ó ó ó ú ó ó ó ó ú ó ó ó ó ó ó ú ó ó ú ó ó ó ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó Ö ó ó ó ó ó ó ó ó ó ó ó ó Ü ó ű ú ú ó ó ó ó ó ó ó É ó É ó É ó ó ó ó ó ó É ó ú ó ó É ó ó ó ó É ó
Részletesebbenü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü
ü ü É ű ű É É ű ü ű ü ü ü Á ü ü ü ü ü ű É ü ű É ű ü ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü ü Á ü ü ü ü ü Ú ü ü ű É ü ü ű ü ü ű ü ü ü ü É ü ü ü ü ü ü ü ü É ű ü Á ü ü ü ü ü Á Ö É ü ü ű Ú ü ü ü ű
RészletesebbenÚ ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű
Ú ű ű ű ű ű ű ű ű Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű É ű Ú Ú Ú Ú Ú ű Á Ú Ú Ú Ú ű Ú Ú ű É ű Ú Ú Ú Ú Ú Á ű Ó ű Ú É É Ú Ú ű É ű ű ű ű É ű Ő ű Ő ű ű ű ű ű É ű É Á ű ű Ü Á Ó ű ű ű Ú ű ű É ű ű Ú
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 Aa Analízis BMETE90AX00 Az exp és ln függvények H607, EIC 209-04-24 Wettl
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
RészletesebbenOpkut deníciók és tételek
Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét
Részletesebbenű Ö ű Ú ű ű ű Á ű
ű ű Ó É É ű Ó ű Ü ű ű Ö ű Ú ű ű ű Á ű É ű Á ű ű ű ű ű ű ű ű ű ű ű Á ű ű Ö Ü Ö É ű ű Ü Ü ű É Á Ú É É ű ű ű Ö É ű É Ó É Á Á É ű ű Á ű ű ű Á É ű Ö Á ű ű ű Á ű Á É Ö Ó Ö ű ű ű ű ű ű ű Á É Á Á ű ű ű Á ű ű ű
RészletesebbenÁ Ó ű ű Á É ű ű ű ű Ú Ú
Ö ű ű Ö Ü ű ű ű ű ű Ó ű Ü ű Á Ó ű ű Á É ű ű ű ű Ú Ú ű ű Á Á Á É ű ű ű ű ű ű ű ű ű ű É ű Ö Ó Ú ű ű ű ű Ü Ó Ú ű É É Ó É É Ó É É É É Ó ű ű ű ű ű Ü ű Á ű ű ű ű ű Ü ű ű ű ű ű ű Á ű Ú Á Á Ö É Á Á Ö É Ü ű ű Ü
Részletesebbenű Ú ű ű É Ú ű ű
ű ű ű ű Ú Á É Ú ű Ú ű ű É Ú ű ű ű Á ű ű ű ű ű Ü ű Á ű ű ű Á Á ű ű ű É ű ű ű Ú É ű ű ű ű ű ű ű ű Á É Á Ö Ü ű É ű ű Ö É Ü Ú ű Ó ű É Ó Ó Ó ű É Ü Ü ű ű Ú ű ű ű ű ű ű ű ű ű ű É ű ű Á Á ű Ú ű Ú ű ű Ó ű ű Ü Ü
Részletesebben