1 Lebegőpontos számábrázolás
|
|
- Marcell Pintér
- 5 évvel ezelőtt
- Látták:
Átírás
1 Tartalom 1 Lebegőpontos számábrázolás Vektornormák Indukált mátrixnormák és tulajdonságaik A lineáris rendszer jobboldala hibás A kondíciószám és tulajdonságai Perturbációs lemma, avagy a lineáris rendszer mátrixa hibás Legkisebb négyzetek módszere Gauss-féle normál-egyenlet Gersgorin körök Hatvány módszer Az eltolás Inverz iteráció Lagrange interpoláció Hermite interpoláció Néhány, a vizsgán előforduló kérdésre próbáltam a megfelelő választ összeírni. Tehát ez nem jegyzet. Az anyag jobb megértéséhez ajánlott az órák látogatása vagy Stoyan Gisbert Numerikus matematika mérnököknek és programozóknak, ISBN c. könyv tanulmányozása. Ha a kidolgozott kérdésekben hibát találsz, akkor kérlek írj (lehetőleg a megoldással) az x3cut0r@mailbox.hu címre, és megpróbálom kijavítani! 1
2 1 Lebegőpontos számábrázolás A nem nulla lebegőpontos számok alakja: ahol egész a számábrázolás alapja, t >1 a mantissza hossza, a kitevő. Az számjegy normalizált: A többi számjegyre igaz: A legkisebb ábrázolható szám: A legnagyobb ábrázolható szám: Az 1 mindig lebegőpontos szám: Az 1 jobboldali szomszédja: Az -t szokták gépi epszilonnak is nevezni. Adott pozitív lebegőpontos szám jobboldali szomszédja 2
3 tehát a távolság a két szám között Mivel a jelenlegi karakterisztikához a legkisebb -érték a, ezért 3
4 2 Vektornormák Az vektortéren értelmezett függvény norma, ha 1. minden -re; 2. ; 3. minden és skalár esetén; 4. minden esetén. Jelölés:. Fontos normák kiszámítási módja: vagy ( ) Az oktaéder norma: Az euklideszi norma: ( ) A maximum norma: 4
5 3 Indukált mátrixnormák és tulajdonságaik Legyen. Legyen vektornorma -en. Ekkor a vektornorma által indukált mátrixnorma. Jelölés:. Ez lehet nem kell. Ellenőrizzük, hogy valóban normát definiál-e -en. 1., mert már a vektornorma is nemnegatív. 2. Ha Ha Az indukált mátrixnormák tulajdonságai: 1. A mátrixnorma függ az indukáló vektornormától. 2. Ha az egységmátrix, akkor, mert 3. Mivel az összes vektorra vonatkozó maximum definiálja a mátrix normáját ( ), vektorra Ha olyan nemnegatív szám, hogy érték az 4., mivel normája lesz. ( ) Fontos normák kiszámítási módja: ahol az mátrix legnagyobb sajátértéke 5
6 4 A lineáris rendszer jobboldala hibás Az lineáris egyenletrendszer megoldását keressük, ahol reguláris és Becsüljük a megoldás hibáját, ha helyett adott a hibás vektor. Ekkor korlátozza felülről az megoldás abszolút hibáját. A relatív hiba becslése: 6
7 5 A kondíciószám és tulajdonságai Egy reguláris mátrix kondíciószáma ahol a norma valamilyen indukált mátrixnorma. A kondíciószám tulajdonságai: 1. Függ az indukált mátrixnormától , ahol ortogonális mátrix 4. Az mátrix abszolút értékben minimális, ill. maximális sajátértékét -val ill. -val jelölve alkalmazhatjuk a érvelést az inverz mátrixra is: Kondíciószám kapcsolata a sajátértékkel: Egy mátrix pontosan akkor szinguláris (azaz nem invertálható), ha 0 a sajátértéke. Ha a reguláris mátrix sajátértékei, akkor sajátértékei. Megj.: A becslés éles (minden mátrix esetén létezik olyan és vektor, hogy az egyenlőtlenségben egyenlőség áll fenn). (Ez az előzőhöz jobban illett volna. Lehet nem is fontos.) 7
8 6 Perturbációs lemma, avagy a lineáris rendszer mátrixa hibás Az lineáris egyenletrendszer megoldását keressük, ahol reguláris és Becsüljük az Ekkor megoldás relatív hibáját ( ), ha helyett adott a hibás mátrix. Kérdés, hogy invertálható-e, vagyis reguláris, amikor a hibátlan mátrix reguláris? Ennek megválaszolásában segít a perturbációs lemma. Perturbációs lemma: Legyen, ahol (valamilyen indukált mátrixnormában). Ekkor invertálható (reguláris) és Bizonyítás. Legyen alapján. Ekkor, a fordított háromszög-egyenlőtlenség. Ha akkor, így, azaz invertálható. invertálható, tehát akkor lesz invertálható, ha is invertálható. A perturbációs lemma szerint, ha, akkor invertálható és. 8
9 Az megoldás relatív hibája kifejezhető a kondíciószám segítségével, valamint az adatok (itt ) relatív hibájával 9
10 7 Legkisebb négyzetek módszere Megfigyelünk egy folyamatot a időpillanatokban és ott az értékeket mérjük. Olyan modellt keresünk, melyre Ha (azaz lineáris), akkor lineáris regresszióról beszélünk. Azt az paraméterű egyenest keressük, amelyre ( ) minimális. Részletesen kiírva A minimum hely csak ott kereshető, ahol igaz Átrendezve Mátrix formában ( ) ( ) Ezen mátrix determinánsa nemnegatív: ( ) a Cauchy-egyenlőtlenség szerint: 10
11 ( ) ( ) ( ) Egyenlőség pontosan akkor lehet, ha a két vektor egymás konstans szorosa. 0 pontosan akkor lehet, ha. Ekkor az egyenletrendszer ( ) -re egyszerűsödik és szinguláris, de a rendszer megoldható, mert 2. sora az elsőnek a - szorosa, vagyis elhagyható Ha, akkor a modell konstans függvény. 11
12 8 Gauss-féle normál-egyenlet 12
13 9 Gersgorin körök Gersgorin tétel: Tetszőleges mátrix sajátértékei a komplex síkon az középpontú, sugarú körök uniójában helyezkednek el. Egy mátrix pontosan akkor szinguláris, ha 0 a sajátértéke. Más szóval, ha valamelyik körben benne van a 0, akkor a mátrix szinguláris és nem invertálható. Bizonyítás. Legyen az mátrix valamelyik sajátértékéhez tartozó sajátvektora és a -nek olyan komponense, amelyre Ekkor -edik sorát rendezve kapjuk, hogy mindkét oldal abszolút értékét véve Mivel ezért érvényes ami -re egyszerűsödik. Gersgorin tétel erősebb változata: Ha a Gersgorin körök közül akkor ezen kör uniójában pontosan darab sajátérték van. darab diszjunkt a többitől, 13
14 10 Hatvány módszer A hatvány módszer abból áll, hogy egy alkalmas vektorból kiindulva egy { } vektorsorozatot készítünk: Ez az { } sorozat konvergál a abszolút értékben legnagyobb sajátértékhez tartozó sajátvektorhoz, ha a következő elégséges konvergencia feltételek teljesülnek: 1. az mátrix diagonizálható, pl. normális; 2. ; 3. igaz. Rayleigh hányados: Adott mátrix és közelítő sajátvektor esetén meg kellene határozni a sajátérték egy közelítését. Adott mátrix és vektor esetén a függvény minimum helye Bizonyítás. Hatvány módszer algoritmusa: Adott egy kezdővektor. ( Minden ) -hez felírjuk a Rayleigh hányadost: Ha a konvergencia feltételei teljesülnek, akkor Ha az normált, azaz, akkor. Akkor fejezzük be az iterációt, ha ( ), ahol adott. Ha, ahol normált, akkor az iteráció sikeres volt. 14
15 11 Az eltolás Ha az mátrix sajátértékei, akkor az mátrix sajátértékei. A sajátvektorok nem változnak. (Hatvány módszerrel az abszolút értékben legnagyobb sajátértéket közelíthetjük. A hatvány módszert az mátrixra alkalmazva lehetőség van egy másik sajátérték közelítésére.) 12 Inverz iteráció Az inverz iteráció abból áll, hogy egy alkalmas vektorból kiindulva egy { } vektorsorozatot készítünk: Ez az { } sorozat konvergál a abszolút értékben legkisebb sajátértékhez tartozó (egy töbszörösé)hez, ha a következő elégséges konvergencia feltételek teljesülnek: 1. az mátrix diagonizálható, pl. normális; 2. ; 3. igaz. Ha a reguláris mátrix sajátértékei, akkor az mátrix sajátértékei. A sajátvektorok nem változnak. A hatvány módszert az közelítésére. mátrixra alkalmazva lehetőség van akár az összes sajátérték Inverz iteráció algoritmusa: A. verzió Adott az mátrix, az kezdővektor, az pontosság, a maximális iterációszám, valamint eltolás. PLU-felbontás. Ha szinguláris, akkor sajátértéke -nak. Ha nem szinguláris, akkor ha nullvektor leállás egyébként és Az iteráció: for-ciklus Elvégezzük a visszahelyettesítéseket x-re alkalmazzuk a permutációs mátrixot. megkapjuk -t -t normáljuk: (Rayleigh) Ha ( ) teljesül, akkor kilépés a for-ciklusból. Ha elértük -et hibaüzenet. 15
16 Ha akkor a leállás sikeres egyébként sikertelen. B. verzió Adott egy kezdővektor. Elkészítjük az mátrix LU-felbontását: A = LU. Az algoritmus -edik lépésében: 1. meghatározzuk -t. 2. ( meghatározzuk ) -t. -hez felírjuk a Rayleigh hányadost: Ha a konvergencia feltételei teljesülnek, akkor Ha az normált, azaz, akkor. Akkor fejezzük be az iterációt, ha ( ), ahol adott. Ha, ahol normált, akkor az iteráció sikeres volt. 16
17 13 Lagrange interpoláció Lagrange-féle interpolációs feladat: Adottak az alappontok és értékek. Keresünk egy olyan minimáis fokszámú polinomot, melyre teljesül. A Lagrange-interpoláció feladata egyértelműen megoldható a legfeljebb -edfokú polinomok terében. (Vagyis egyetlen polinom van, ami eleget tesz a feltételnek.) Bizonyítás. Az -edfokú polinom kielégíti az { relációkat. Ezen polinomok segítségével a feladat megoldása polinom, ami -edfokú és. Más indoklással is megerősíthetjük a feladat egyértelmű megoldhatóságát. Tegyük fel hogy, és is megoldja a Lagrange feladatot és legfeljebb -edfokúak Ekkor legfeljebb -edfokú Egy másik lehetőség a polinom előállítására: Az illeszkedési feltételek Azaz egy lineáris egyenletrendszert kaptunk a polinom együtthatóira. 17
18 Lagrange polinom Newton alakja: Legyen az adatokra illeszkedő Lagrange polinom. A esetben, amikor csak az adat ismert Ezután keressük azt a maximálisan elsőfokú polinomot, amely az adatokat interpolálja a következő alakban: Ekkor érvényes. -et úgy határozzuk meg, hogy is teljesüljön: Ezután keressük azt a maximálisan másodfokú polinomot, amely az, adatokat interpolálja a következő alakban: Ekkor érvényes és. -et úgy határozzuk meg, hogy is teljesüljön: meghatározása: Ekkor az pontokban már teljesíti az illeszkedési feltételeket. -t úgy határozzuk meg, hogy követeljük. 18
19 Osztott differenciák: Adottak az értékek. Legyen. Az függvény pontokra támaszkodó elsőrendű osztott differenciája: [ ] Az függvény pontokra támaszkodó -adrendű osztott differenciája: [ ] [ ] [ ] A függvény -beli 0-adrendű osztott differenciája. [ ] [ ] [ ] Ezek alapján az adatokra illeszkedő Lagrange polinom: [ ] [ ] [ ] Horner algoritmus: Adja az behelyettesítési értékét az x helyén. Lagrange interpoláció hibája: Ha -szer folytonosan differenciálható, akkor ahol pedig az alappontok és az x pont által felfeszített [ ] intervallum valamely pontja. Ha [ ] A hibaképlet osztott differenciák segítségével is felírható: [ ] Emiatt az is igaz, hogy ha -szer folytonosan differenciálható, akkor : [ ] 19
20 14 Hermite interpoláció 20
Numerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
RészletesebbenNumerikus matematika vizsga
1. Az a = 2, t = 4, k = 3, k + = 2 számábrázolási jellemzők mellett hány pozitív, normalizált lebegőpontos szám ábrázolható? Adja meg a legnagyobb ábrázolható számot! Mi lesz a 0.8-hoz rendelt lebegőpontos
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:
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. Tantárgy kódja: IP-08bNM1E, IP-08bNM1G (2+2) Az elsajátítandó ismeretanyag rövid leírása: A lebegıpontos számábrázolás egy modellje. A hibaszámítás elemei. Lineáris egyenletrendszerek
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
RészletesebbenLineáris algebra numerikus módszerei
Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y
RészletesebbenGyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi
Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris
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:
RészletesebbenTartalomjegyzék 1 BEVEZETÉS 2
Tartalomjegyzék BEVEZETÉS FELADATOK. Lebegőpontos számok.............................. Normák, kondíciószámok........................... 5. Lineáris egyenletredszerek megoldása, mátrixok felbontása........
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
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!
RészletesebbenNumerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4
Numerikus módszerek II. zárthelyi dolgozat, megoldások, 204/5. I. félév, A. csoport. Feladat. (6p) Alkalmas módon választva egy Givens-forgatást, határozzuk meg az A mátrix QR-felbontását! Oldjuk meg ennek
Részletesebbenalakú számot normalizált lebegőpontos számnak nevezik, ha ,, és. ( : mantissza, : mantissza hossza, : karakterisztika) Jelölés: Gépi számhalmaz:
1. A lebegőpontos számábrázolás egy modellje. A normalizált lebegőpontos szám fogalma, a legnagyobb, legkisebb pozitív szám, a relatív pontosság az M(t,-k,+k) gépi számhalmazban. Az input függvény (fl)
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
RészletesebbenNumerikus Analízis. Király Balázs 2014.
Numerikus Analízis Király Balázs 2014. 2 Tartalomjegyzék 1. A hibaszámítás elemei 7 1.1. A matematika modellezés folyamata és a hibaforrások megjelenése.. 7 1.2. Lebegőpontos számábrázolás.......................
Részletesebben6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
RészletesebbenTétel: Ha,, akkor az ábrázolt szám hibája:
1. A lebegpontos számábrázolás egy modellje. A normalizált lebegpontos szám fogalma, a legnagyobb, legkisebb pozitív szám, a relatív pontosság az M(t,-k,+k) gépi számhalmazban. Az input függvény (fl) fogalma,
RészletesebbenNUMERIKUS MÓDSZEREK I. TÉTELEK
NUMERIKUS MÓDSZEREK I. TÉTELEK Szerkesztette: Balogh Tamás 014. január 19. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenLegkisebb négyzetek módszere, Spline interpoláció
Közelítő és szimbolikus számítások 10. gyakorlat Legkisebb négyzetek módszere, Spline interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján
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.
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
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
RészletesebbenTáblán. Numerikus módszerek 1. előadás (estis), 2017/2018 ősz. Lócsi Levente. Frissült: december 1.
Táblán Numerikus módszerek 1. előadás (estis), 2017/2018 ősz Lócsi Levente Frissült: 2017. december 1. Ebben az írásban a 2017/2018 őszi félév estis Numerikus módszerek 1. előadásának a diasorban nem szereplő,
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.
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,
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
RészletesebbenPolinomok, Lagrange interpoláció
Közelítő és szimbolikus számítások 8. gyakorlat Polinomok, Lagrange interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Polinomok
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,
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
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
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,
RészletesebbenNUMERIKUS MÓDSZEREK PÉLDATÁR
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR NUMERIKUS MÓDSZEREK PÉLDATÁR Bozsik József, Krebsz Anna Budapest, Tartalomjegyzék Előszó................................................ VEKTOR- ÉS MÁTRIXNORMÁK,
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
RészletesebbenFeladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.
Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai.). Feladat. Határozzuk meg az alábbi integrálokat: a) x x + dx d) xe x dx b) c)
RészletesebbenNumerikus Matematika
Numerikus Matematika Baran Ágnes Gyakorlat Interpoláció Baran Ágnes Numerikus Matematika 6.-7. Gyakorlat 1 / 40 Lagrange-interpoláció Példa Határozzuk meg a ( 2, 5), ( 1, 3), (0, 1), (2, 15) pontokra illeszkedő
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
Részletesebben10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
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
RészletesebbenEddig csak a polinom x-ben felvett értékét kerestük
Interpolációs polinom együtthatói Eddig csak a polinom x-ben felvett értékét kerestük Ez jó, ha kevés x-re kell kiértékelni Ha sok ismeretlen f (x)-et keresünk, akkor jobb kiszámolni az együtthatókat,
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
Részletesebben0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
RészletesebbenMÉSZÁROS JÓZSEFNÉ, NUMERIKUS MÓDSZEREK
MÉSZÁROS JÓZSEFNÉ, NUmERIKUS módszerek 9 FÜGGVÉNYKÖZELÍTÉSEK IX. SPLINE INTERPOLÁCIÓ 1. SPLINE FÜGGVÉNYEK A Lagrange interpolációnál említettük, hogy az ún. globális interpoláció helyett gyakran célszerű
RészletesebbenIpari matematika 2. gyakorlófeladatok
Ipari matematika. gyakorlófeladatok. december 5. A feladatok megoldása általában többféle úton is kiszámítató. Interpoláció a. Polinom-interpoláció segítségével adjunk közelítést sin π értékére a sin =,
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
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
RészletesebbenKÖZELÍTŐ ÉS SZIMBOLIKUS SZÁMÍTÁSOK FELADATGYŰJTEMÉNY
Írta: MIHÁLYKÓ CSABA VIRÁGH JÁNOS KÖZELÍTŐ ÉS SZIMBOLIKUS SZÁMÍTÁSOK FELADATGYŰJTEMÉNY Egyetemi tananyag 2011 COPYRIGHT: 2011 2016, Dr. Mihálykó Csaba, Pannon Egyetem Műszaki Informatikai Kar Matematika
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat, 2009/10. I. félév, A. csoport, MEGOLDÁSOK
Numerikus módszerek I. zárthelyi dolgozat, 9/. I. félév, A. csoport, MEGOLDÁSOK. Feladat. Az a. választás mellett A /( a) értéke.486. Határozzuk meg mi is A értékét egy tizes számrendszerű, hatjegyű mantisszás
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
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenA CSOPORT 4 PONTOS: 1. A
A CSOPORT 4 PONTOS:. A szám: pí= 3,459265, becslése: 3,4626 abszolút hiba: A szám és a becslés özti ülönbség abszolút értée Pl.: 0.000033 Relatív hiba: Az abszolút hiba osztva a szám abszolút értéével
RészletesebbenSajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István
Sajátértékek és sajátvektorok A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris transzformáció Vektorok lineáris transzformációja: általános esetben az x vektor iránya és nagysága
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
Részletesebben9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
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:
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
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
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
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
RészletesebbenDifferenciálegyenletek numerikus megoldása
a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens
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
Részletesebben352 Nevezetes egyenlôtlenségek. , az átfogó hossza 81 cm
5 Nevezetes egyenlôtlenségek a b 775 Legyenek a befogók: a, b Ekkor 9 + $ ab A maimális ab terület 0, 5cm, az átfogó hossza 8 cm a b a b 776 + # +, azaz a + b $ 88, tehát a keresett minimális érték: 88
Részletesebben1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1
numerikus analízis ii 34 Ezért [ a, b] - n legfeljebb n darab gyöke lehet = r (m 1) n = r m + n 1 19 B - SPLINEOK VOLT: Ω n véges felosztás S n (Ω n ) véges dimenziós altér A bázis az úgynevezett egyoldalú
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
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
RészletesebbenEgy általános iskolai feladat egyetemi megvilágításban
Egy általános iskolai feladat egyetemi megvilágításban avagy mit kell(ene) tudnia egy 8.-osnak a matematika versenyeken Kunos Ádám Középiskolás pályázat díjkiosztó SZTE Bolyai Intézet 2011. november 12.
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
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
RészletesebbenNumerikus integrálás
Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál
RészletesebbenNUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertet Tartalomjegyzék Pályázati támogatás Gondozó
FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2013 Ismertet Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezet Lektor Technikai szerkeszt Copyright Az Olvasó most egy egyetemi jegyzetet tart
RészletesebbenNumerikus módszerek példatár
Numerikus módszerek példatár Faragó István, Fekete Imre, Horváth Róbert 2013. július 5. Tartalomjegyzék Előszó 2 Feladatok 4 1. Előismeretek 4 1.1. Képletek, összefüggések............................ 4
RészletesebbenA KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek
10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix
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
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,
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk
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. 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
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
RészletesebbenDifferenciálegyenlet rendszerek
Differenciálegyenlet rendszerek (A kezdeti érték probléma. Lineáris differenciálegyenlet rendszerek, magasabb rendű lineáris egyenletek.) Szili László: Modellek és algoritmusok ea+gyak jegyzet alapján
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
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenLineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport
Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,
RészletesebbenExplicit hibabecslés Maxwell-egyenletek numerikus megoldásához
Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
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
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. 13. Előadás
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára 13. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2009. december 7. Gráfok sajátértékei Definíció. Egy G egyszerű gráf sajátértékei az A G
RészletesebbenA legjobb közeĺıtés itt most azt jelentette, hogy a lineáris
Többváltozós függvények differenciálhatósága f(x) f(x Az egyváltozós függvények differenciálhatóságát a lim 0 ) x x0 x x 0 függvényhatárértékkel definiáltuk, s szemléletes jelentése abban mutatkozott meg,
Részletesebben11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
RészletesebbenNemlineáris egyenletrendszerek megoldása április 15.
Nemlineáris egyenletrendszerek megoldása 2014. április 15. Nemlineáris egyenletrendszerek Az egyenletrendszer a következő formában adott: f i (x 1, x 2,..., x M ) = 0 i = 1...N az f i függvények az x j
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
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
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!
RészletesebbenFeladat: megoldani az alábbi egyenletrendszert: A x = b,
Gauss Jordan-elimináció Feladat: megoldani az alábbi egyenletrendszert: ahol A négyzetes mátrix. A x = b, A Gauss Jordan-elimináció tulajdonképpen az általános iskolában tanult módszer lineáris egyenletrendszerek
RészletesebbenHatványsorok, Fourier sorok
a Matematika mérnököknek II. című tárgyhoz Hatványsorok, Fourier sorok Hatványsorok, Taylor sorok Közismert, hogy ha 1 < x < 1 akkor 1 + x + x 2 + x 3 + = n=0 x n = 1 1 x. Az egyenlet baloldalán álló kifejezés
RészletesebbenYBL - SGYMMAT2012XA Matematika II.
YBL - SGYMMAT2012XA Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához
Részletesebben