Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
|
|
- Enikő Balázs
- 5 évvel ezelőtt
- Látták:
Átírás
1 Lineáris leképezések Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
2 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós geometriai transzformációk mátrixa 4 Mer leges vetítés és a legjobb közelítés Wettl Ferenc Lineáris leképezések március 9. 2 / 31
3 Mátrixleképezés, lineáris leképezés A mátrixleképezés fogalma D A : R n R m ; x Ax D képtér: Im(A) = O(A), magtér: Ker(A) = N (A) P a = (a1, a2, a3) R 3, A : R 3 R 3 : x a x. M Az a x vektori szorzat koordinátás alakban: a1 x1 a2x3 a3x2 y = a x = a2 x2 = a3x1 a1x3 a3 x3 a1x2 a2x1 a3x2 + a2x3 0 a3 a2 x1 = a3x1 a1x3 = a3 0 a1 x2 a2x1 + a1x2 a2 a1 0 x3 Wettl Ferenc Lineáris leképezések március 9. 3 / 31
4 Mátrixleképezés, lineáris leképezés M veletek mátrixleképezések között Á A + B = C A + B = C Á ca = C ca = C Á XY = Z X Y = Z Á B = A 1 B = A 1 Wettl Ferenc Lineáris leképezések március 9. 4 / 31
5 Mátrixleképezés, lineáris leképezés Mátrixleképezések tulajdonságai A : R n R m egy tetsz leges mátrixleképezés, x, y R n, c, d R: Á A(cx + dy) = ca(x) + da(y), (A meg rzi a lineáris kombinációt) Á A(cx) = ca(x), (a leképezés homogén) A(x + y) = A(x) + A(y), (a leképezés additív) Á A0 = 0 Á Tetsz leges altér képe altér. Á Tetsz leges an altér képe an altér. Wettl Ferenc Lineáris leképezések március 9. 5 / 31
6 Mátrixleképezés, lineáris leképezés Lineáris leképezés D Legyen V és W két F test fölötti vektortér. Azt mondjuk, hogy az A : V W leképezés lineáris, ha homogén és additív, lineáris transzformáció, ha V = W. P deriválás: D : V W : f D(f ) = f P integrálás: D(cf ) = (cf ) = cf = cd(f ), és D(f + g) = (f + g) = f + g = D(f ) + D(g). 1 1 cf = c f, és (f + g) = f + g P Síkbeli forgatás, tükrözés, vetítés. Wettl Ferenc Lineáris leképezések március 9. 6 / 31
7 Mátrixleképezés, lineáris leképezés Vektortérb l vektortérbe képz lineáris leképezések Tétel Ekvivalens állítások: A : V W lineáris (homogén és additív). Tetsz leges x, y V, c, d F esetén A(cx + dy) = ca(x) + da(y) Tetsz leges x, y V és c F esetén A(cx + y) = ca(x) + A(y) x 1,..., x k V, c1, c2,..., c k F A(c1x c k x k ) = c1ax c k Ax k. Wettl Ferenc Lineáris leképezések március 9. 7 / 31
8 Mátrixleképezés, lineáris leképezés Lineáris R n R m leképezések Tétel A : R n R m egy tetsz leges függvény. Az A pontosan akkor lineáris, ha létezik egy olyan A m n mátrix, hogy az A függvény megegyezik az x Ax leképezéssel. Ekkor az e i standard egységvektorokkal Bizonyítás Ax = A(x1e 1 + x2e x n e n ) = x1ae 1 + x2ae x n Ae n = [ x1 ] Ae 1 Ae 2... Ae n. A = [Ae 1 Ae 2... Ae n ], x n = Ax Wettl Ferenc Lineáris leképezések március 9. 8 / 31
9 Mátrixleképezés, lineáris leképezés A mátrixleképezés hatásának szemléltetései x Ax Bx Cx Dx [ 5 A = ] [ 3 B = ] C = [ ] D = [ ] R n R m Im(A) 0 Ker(A) 0 Wettl Ferenc Lineáris leképezések március 9. 9 / 31
10 Mátrixleképezés, lineáris leképezés Lineáris leképezés mátrixa különböz bázisokban [x] B L B [Lx] B [x] B L B [Lx] B C B A C B A C B A C A B = C 1 B A [x] A L A [Lx] A [x] A L A [Lx] A L B C B A = C B A L A L A = C A B L B C B A = C 1 B A L BC B A Wettl Ferenc Lineáris leképezések március / 31
11 Mátrixleképezés, lineáris leképezés Hasonlóság T Deníció C T C 1 Az n n-es A mátrix hasonló a B mátrixhoz, ha létezik olyan invertálható C mátrix, hogy B = C 1 AC. Jelölés: A B. Wettl Ferenc Lineáris leképezések március / 31
12 Mátrixleképezés, lineáris leképezés Hasonlóság Tétel (Hasonló mátrixok hatása) Két mátrix pontosan akkor hasonló, ha van két olyan bázis, melyekben e két mátrix ugyanannak a lineáris leképezésnek a mátrixa. Bizonyítás B = C 1 E C AC E C. Tétel (Hasonlóságra invariáns tulajdonságok) Ha A és B hasonló mátrixok, azaz A B, akkor 1 r(a) = r(b), 2 dim(n (A)) = dim(n (B)), 3 det(a) = det(b), 4 trace(a) = trace(b). Wettl Ferenc Lineáris leképezések március / 31
13 Alkalmazás: dierenciálhatóság Vektor-vektor függvények dierenciálhatósága M D = lim h 0 f (x+h) f (x) h lim h 0 f (x+h) f (x) Dh h = 0 lim h 0 f (x+h) f (x) Dh h = 0. D Azt mondjuk, hogy az f : R n R m függvény dierenciálható az x helyen, ha létezik olyan D f,x : R n R m lineáris leképezés, melyre f(x + h) f(x) D f,x h lim = 0. h 0 h A D f,x leképezést az f függvény x ponthoz tartozó deriváltleképezésének nevezzük. Wettl Ferenc Lineáris leképezések március / 31
14 Alkalmazás: dierenciálhatóság Derivált y dy dy y x x + dx dx x Wettl Ferenc Lineáris leképezések március / 31
15 Alkalmazás: dierenciálhatóság Derivált x f(x) zoom=1.50 f(x) x f(x) zoom=3.75 f(x) Wettl Ferenc Lineáris leképezések március / 31
16 Alkalmazás: dierenciálhatóság Jacobi-mátrix Tétel (Jacobi-mátrix) Ha az f : R n R m ; (x1, x2,..., x n ) (f1, f2,..., f m ) függvény dierenciálható az x helyen, akkor a lineáris D f,x deriváltleképezés mátrixa a következ, ún. Jacobi-mátrix: f1 (x) f1 (x)... f1 x1 x2 x n (x) D f,x = (f 1, f2,..., f m ) (x1, x2,..., x n ) (x) = f2 (x) x1. f m (x) x1 f2 (x)... f2 x2 x n (x)..... f m (x)... f m x2 x n (x) Wettl Ferenc Lineáris leképezések március / 31
17 Alkalmazás: dierenciálhatóság Jacobi-determináns és az integrál transzformációja ϑ y r ϑ r ϑ r x Wettl Ferenc Lineáris leképezések március / 31
18 Alkalmazás: dierenciálhatóság Függvények kompozíciójának deriváltja Tétel (Láncszabály) Legyen f : R k R m, g : R n R k két függvény. Ha g dierenciálható az x helyen, és f a g(x) helyen, akkor f g dierenciálható az x helyen, és deriváltleképezése, illetve annak mátrixa: D f g,x = D f,g(x) D g,x, illetve D f g,x = D f,g(x) D g,x. Wettl Ferenc Lineáris leképezések március / 31
19 2- és 3-dimenziós geometriai transzformációk mátrixa Forgatás Á Forgatás 2D-ben: [ Ai Aj ] [ ] cos α sin α = sin α cos α Á Forgatás tengely körül 3D-ben: cos α sin α cos α 0 sin α sin α cos α 0, 0 cos α sin α, sin α cos α sin α 0 cos α T Rodrigues-formula: az e R 3 egységvektor egyenese körül α szöggel: R = I + sin α[e] + (1 cos α)[e] 2 = I + sin α[e] + (1 cos α)(ee T I) T Kvaterniókkal: q = cos α 2 + (e 1i + e2j + e3k) sin α 2 a forgatást jellemz kvaternió, a (v1, v2, v3)-hoz tartozó kvaternió v = v1i + v2j + v3k. Az elforgatott: qvq 1, ahol q 1 = cos α (e 1i + e2j + e3k) sin α 2 M számolás kvaterniókkal: i 2 = j 2 = k 2 = 1, ij = k,... szorzás: (a + u)(b + v) = ab u v + av + bu + u v. Wettl Ferenc Lineáris leképezések március / 31
20 2- és 3-dimenziós geometriai transzformációk mátrixa Mer leges vetítés és tükrözés Á Egyenesre való mer leges vetítés mátrixa P = 1 b T b bbt (P = ee T ). Á Síkra való mer leges vetítés mátrixa P = I nn T. Á [ Síkbeli tükrözés ] mátrixa az x-tengellyel α/2 szöget bezáró egyenesre: cos α sin α. sin α cos α Á Síkra való tükrözés mátrixa P = I 2nn T. Wettl Ferenc Lineáris leképezések március / 31
21 2- és 3-dimenziós geometriai transzformációk mátrixa Vetítés Á P 2 = P Wettl Ferenc Lineáris leképezések március / 31
22 2- és 3-dimenziós geometriai transzformációk mátrixa Eltolás Á 2D: (x, y) (x + a, y + b) a z = 1 egyenlet síkban: x x + az T y = y + bz z z mátrixa T = [ T i j k ] 1 0 a = 0 1 b Á 3D: (x, y, z) (x + a, y + b, z + c) eltolás: a x a x x + a T = b c, T y z = b y c z = y + b z + c Wettl Ferenc Lineáris leképezések március / 31
23 Mer leges vetítés és a legjobb közelítés Alterek direkt összege D V U és W U két tetsz leges altér. Azt mondjuk, hogy W a V kiegészít altere, vagy komplementer altér, ha V W = {0}, V + W = U, és azt mondjuk, hogy U a V és W alterek direkt összege, amit V W jelöl. T Ekvivalens állítások: V W = {0} és V + W = U, azaz V és W kiegészít alterek, U minden vektora egyértelm en áll el egy V- és egy W-beli vektor összegeként, V W = {0} és dim V + dim W = n. P ha A R m n, akkor S(A) N (A) = R n, O(A) N (A T ) = R m. Wettl Ferenc Lineáris leképezések március / 31
24 Mer leges vetítés és a legjobb közelítés Mer leges vetítés R n egy alterére Tétel Ha W az R n egy altere, és az A mátrix oszlopvektorai a W egy bázisát alkotják (A teljes oszloprangú), akkor a W altérre való mer leges vetítés, azaz a proj W leképezés mátrixa A(A T A) 1 A T. Bizonyítás Legyen a v R n vektor W-re es mer leges vetülete w. A oszloptere W, ezért létezik olyan x vektor, hogy Ax = w. W = O(A), így W = N (A T ), tehát v w benne van A T nullterében. Eszerint A T (v w) = 0, azaz A T (v Ax) = 0, innen A T Ax = A T v. Az A mátrix teljes oszloprangú, így A T A invertálható, azaz x = (A T A) 1 A T v, amib l proj W v = w = Ax = A(A T A) 1 A T v. Wettl Ferenc Lineáris leképezések március / 31
25 Mer leges vetítés és a legjobb közelítés Melyik mátrix mer leges vetítés mátrixa? T Egy P mátrix pontosan akkor mer leges vetítés mátrixa, ha P = P T = P 2. P = A(A T A) 1 A T P 2 ( = A(A T A) 1 A T) 2 = A(A T A) 1 A T A(A T A) 1 A T = P, P T = (A(A T A) 1 A T) T ( = A (A T A) 1) T A T = A(A T A) 1 A T = P. Tegyük fel, hogy P = P T = P 2. Megmutatjuk, hogy P az O(P)-re való mer leges vetítés mátrixa. Ehhez elég megmutatnunk, hogy az x Px vektor mer leges O(P)-re bármely x vektor esetén. A P 2 = P feltétel miatt P(x Px) = Px P 2 x = 0, tehát x Px N (P), de P = P T, így x Px N (P T ). Ez épp azt jelenti, hogy x Px mer leges O(P)-re, és ezt akartuk belátni. Wettl Ferenc Lineáris leképezések március / 31
26 Mer leges vetítés és a legjobb közelítés Altért l való távolság D x R n, W R n altér. x-nek a W altért l való távolságán a W altér x-hez legközelebbi w vektorának t le való távolságát értjük. T Legjobb közelítés tétele: Az x vektornak egyetlen W-beli legjobb ˆx közelítése van, nevezetesen ˆx = proj W x. B x w = (x proj W x) + (proj W x w). els kifejezés W, a második W eleme! (x proj W x) (proj W x w) Pithagorász: x w 2 = x proj W x 2 + proj W x w 2. x w 2 x proj W x 2 egyenl ség csak akkor állhat fönn, ha w = ˆx = proj W x K R n = W W. Wettl Ferenc Lineáris leképezések március / 31
27 Mer leges vetítés és a legjobb közelítés Altért l való távolság P Bontsuk fel az x = (8, 4, 2, 1) vektort W = span((1, 1, 1, 0), (0, 1, 1, 0))-be es és W-re mer leges vektorok összegére. M A W-re való mer leges vetítés mátrixa P = W(W T W) 1 W T, ahol W két oszlopa a megadott két bázisvektor: W = , amib l Px = 0 1/2 1/ /2 1/2 0 2 = proj W x = Px = (8, 1, 1, 0) és x proj W x = (0, 3, 3, 1) Wettl Ferenc Lineáris leképezések március / 31
28 Mer leges vetítés és a legjobb közelítés Egyenletrendszer optimális megoldása D Az Ax = b optimális megoldásain az Ax = proj O(A) b megoldásait értjük. T Az Ax = b egyenletrendszer optimális megoldásai megegyeznek az A T Aˆx = A T b egyenletrendszer megoldásaival (normálegyenlet-rendszer). Ezek közül egyetlen egy esik az A mátrix sorterébe, a legkisebb abszolút érték. Wettl Ferenc Lineáris leképezések március / 31
29 Mer leges vetítés és a legjobb közelítés Lineáris és polinomiális regresszió T Az (x i, y i ) (i = 1, 2,... n) párokhoz tartozó, y = â + ˆbx egyenlet regressziós egyenes paraméterei kielégítik az [ ] [â ] [ ] n xi xi x 2 = yi i ˆb xi y i egyenletet. Ez egyértelm en megoldható, ha van legalább két különböz x i érték. B Megoldandó: 1 x1.. 1 x n [ ] a = b y1.. A hozzá tartozó normálegyenlet-rendszer [ ] 1 x1 [â ] [ ] y x1 x2... x.. = n ˆb x1 x2... x., n 1 x n y n Wettl Ferenc Lineáris leképezések március / 31 y n
30 Mer leges vetítés és a legjobb közelítés Vetítés D U = V W, így bármely u U egyértelm en el áll u = v + w alakban, ahol v V, w W. A v vektor az u vektornak a V altérre W mentén való (vele párhuzamosan vett) vetülete. D Ez lineáris transzformáció, vetítésnek vagy projekciónak nevezzük. M minden P vetítés az Im P-re Ker P mentén való vetítés. Á Mátrixa: U = R n, V bázisa { v 1, v 2,..., v r }, W bázisa { w 1, w 2,..., w n r }. Legyen U = [v 1 v 2... v r w 1 w 2... w n r ] = [V W]. Mivel Pv i = v i (i = 1, 2,..., r) és Pw j = 0 (j = 1, 2,..., n r), ezért a P leképezés P mátrixára U invertálható, ezért PU = P[V W] = [PV PW] = [V O]. P = [V O]U 1 = [V O][V W] 1. Wettl Ferenc Lineáris leképezések március / 31
31 Mer leges vetítés és a legjobb közelítés Vetítés T A projekció tulajdonságai: Legyen P : R n R n egy projekció. 1. R n -nek van olyan bázisa, melyben a mátrixa P = diag(1, 1,..., 1, 0,..., 0). 2. I P is projekció: Ker(I P) = Im P, Im(I P) = Ker P, 3. r(p) = trace(p). Wettl Ferenc Lineáris leképezések március / 31
Haladó 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
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
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
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
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 Lineáris leképezések H607 2018-02-05, 07, 09 Wettl
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?
RészletesebbenLin.Alg.Zh.1 feladatok
LinAlgZh1 feladatok 01 3d vektorok Adott három vektor ā = (0 2 4) b = (1 1 4) c = (0 2 4) az R 3 Euklideszi vektortérben egy ortonormált bázisban 1 Mennyi az ā b skalárszorzat? 2 Mennyi az n = ā b vektoriális
RészletesebbenA lineáris algebra forrásai: egyenletrendszerek, vektorok
A lineáris algebra forrásai: egyenletrendszerek, vektorok 2016. február 23. A lineáris algebra forrásai: egyenletrendszerek, vektorok 2016. február 23. 1 / 75 Tartalom 1 Vektor A 2- és 3-dimenziós tér
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
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
RészletesebbenOrtogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
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
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
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
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
RészletesebbenSzámítási feladatok a Számítógépi geometria órához
Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát
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
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
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.
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. 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
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 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
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
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix
RészletesebbenLagrange és Hamilton mechanika
Lagrange és 2010. október 17. Lagrange és Tartalom 1 Variáció Lagrange egyenlet Legendre transzformáció Hamilton egyenletek 2 3 Szimplektikus sokaság Hamilton mez Hamilton és Lagrange egyenletek ekvivalenciája
RészletesebbenEgyenes és sík. Wettl Ferenc Wettl Ferenc () Egyenes és sík / 16
Egyenes és sík Wettl Ferenc 2012-09-20 Wettl Ferenc () Egyenes és sík 2012-09-20 1 / 16 Tartalom 1 Egyenes és szakasz Egyenes Szakasz Egyenesvonalú egyenletes mozgás Egyenes és pont távolsága 2 Sík Sík
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,
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.
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
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 Kf81 2018-11-20
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,
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
RészletesebbenLin.Alg.Zh.1-2 feladatok
Lin.Alg.Zh.- feladatok. Lin.Alg.Zh. feladatok.. d vektorok Adott három vektor ā b c az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b + + 8. Mennyi az n ā b vektoriális
RészletesebbenTranszformációk síkon, térben
Transzformációk síkon, térben Leképezés, transzformáció Leképezés: Ha egy A ponttér pontjaihoz egy másik B ponttér pontjait kölcsönösen egyértelműen rendeljük hozzá, akkor ezt a hozzárendelést leképezésnek
RészletesebbenMatematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. Biró Zsolt. 1. Célkit zések Általános követelmények 1
Matematika B/1 Biró Zsolt Tartalomjegyzék 1. Célkit zések 1 2. Általános követelmények 1 3. Rövid leírás 2 4. Oktatási módszer 2 5. Követelmények, pótlások 2 6. Tematika 2 6.1. Alapfogalmak, matematikai
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
RészletesebbenDiszkrét matematika II., 1. el adás. Lineáris leképezések
1 Diszkrét matematika II., 1. el adás Lineáris leképezések Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. február 6 Gyakorlati célok Ezen el adáson,
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
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
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.,
RészletesebbenDierenciálhányados, derivált
9. fejezet Dierenciálhányados, derivált A dierenciálhányados deníciója D 9.1 Az egyváltozós valós f függvény x0 pontbeli dierenciálhányadosának nevezzük a lim f(x0 + h) f(x0) h 0 h határértéket, ha ez
RészletesebbenDierenciálhatóság. Wettl Ferenc el adása alapján és
205.0.9. és 205.0.26. 205.0.9. és 205.0.26. / Tartalom A dierenciálhatóság fogalma Pontbeli dierenciálhatóság Jobb és bal oldali dierenciálhatóság Folytonosság és dierenciálhatóság Deriváltfüggvény 2 Dierenciálási
Részletesebben8. előadás. Kúpszeletek
8. előadás Kúpszeletek Kör A k kört egyértelműen meghatározza C(a,b) középpontja és r sugara. A P pont pontosan akkor van k-n, ha CP=r. Vektoregyenlet: p-c = r. Koordinátás egyenlet: (X-a)2 + (Y-b)2 =
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....................................................
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
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
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
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
RészletesebbenAnalitikus térgeometria
Analitikus térgeometria Wettl Ferenc el adása alapján 2015.09.21. Wettl Ferenc el adása alapján Analitikus térgeometria 2015.09.21. 1 / 23 Tartalom 1 Egyenes és sík egyenlete Egyenes Sík 2 Alakzatok közös
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
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
Részletesebben5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás
5. házi feladat 1.feladat A csúcsok: A = (0, 1, 1) T, B = (0, 1, 1) T, C = (1, 0, 0) T, D = ( 1, 0, 0) T AB, CD kitér élpárra történ tükrözések: 1 0 0 T AB = 0 1 0, elotlási rész:(i T AB )A = (0, 0, )
RészletesebbenEgyenes és sík. Wettl Ferenc szeptember 29. Wettl Ferenc () Egyenes és sík szeptember / 15
Egyenes és sík Wettl Ferenc 2006. szeptember 29. Wettl Ferenc () Egyenes és sík 2006. szeptember 29. 1 / 15 Tartalom 1 Egyenes és szakasz Egyenes Szakasz Egyenesvonalú egyenletes mozgás Egyenes és pont
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
RészletesebbenAz egyenlőtlenség mindkét oldalát szorozzuk meg 4 16-al:
Bevezető matematika kémikusoknak., 04. ősz. feladatlap. Ábrázoljuk számegyenesen a következő egyenlőtlenségek megoldáshalmazát! (a) x 5 < 3 5 x < 3 x 5 < (d) 5 x
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
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
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)
RészletesebbenKódelméleti és kriptográai alkalmazások
Kódelméleti és kriptográai alkalmazások Wettl Ferenc 2015. május 14. Wettl Ferenc Kódelméleti és kriptográai alkalmazások 2015. május 14. 1 / 11 1 Hibajavító kódok 2 Általánosított ReedSolomon-kód Wettl
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
RészletesebbenLineáris algebra - jegyzet. Kupán Pál
Lineáris algebra - jegyzet Kupán Pál Tartalomjegyzék fejezet Vektorgeometria 5 Vektorok normája Vektorok skaláris szorzata 4 3 Vektorok vektoriális szorzata 5 fejezet Vektorterek, alterek, bázis Vektorterek
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
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
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:
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
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
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
Részletesebben2. gyakorlat. A polárkoordináta-rendszer
. gyakorlat A polárkoordináta-rendszer Az 1. gyakorlaton megismerkedtünk a descartesi koordináta-rendszerrel. Síkvektorokat gyakran kényelmes ún. polárkoordinátákkal megadni: az r hosszúsággal és a φ irányszöggel
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
RészletesebbenDifferenciálszámítás normált terekben
Eötvös Loránd Tudományegyetem Természettudományi Kar Kapui Dóra Differenciálszámítás normált terekben Szakdolgozat Matematika BSc, elemz szakirány Témavezet : Tarcsay Zsigmond Alkalmazott Analízis és Számításmatematikai
RészletesebbenDenavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás robotra
Budapesti M szaki És Gazdaságtudományi Egyetem Gépészmérnöki Kar M szaki Mechanikai Tanszék Denavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás
Részletesebben1. feladatsor: Vektorfüggvények deriválása (megoldás)
Matematika A gyakorlat Energetika és Mechatronika BSc szakok 016/17 ősz 1. feladatsor: Vektorfüggvények deriválása megoldás) 1. Tekintsük azt az L : R R lineáris leképezést ami az 1 0) vektort az 1 0 )
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)
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 III. harmadik előadás
Matematika III. harmadik előadás Kézi Csaba Debreceni Egyetem, Műszaki Kar Debrecen, 2013/14 tanév, I. félév Kézi Csaba (DE) Matematika III. harmadik előadás 2013/14 tanév, I. félév 1 / 13 tétel Az y (x)
Részletesebben1.1. Feladatok. x 0 pontban! b) f(x) = 2x + 5, x 0 = 2. d) f(x) = 1 3x+4 = 1. e) f(x) = x 1. f) x 2 4x + 4 sin(x 2), x 0 = 2. általános pontban!
. Egyváltozós függgvények deriválása.. Feladatok.. Feladat A definíció alapján határozzuk meg a következő függvények deriváltját az x pontban! a) f(x) = x +, x = 5 b) f(x) = x + 5, x = c) f(x) = x+, x
RészletesebbenSaj at ert ek-probl em ak febru ar 26.
Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre
RészletesebbenTérbeli transzformációk, a tér leképezése síkra
Térbeli transzformációk, a tér leképezése síkra Homogén koordináták bevezetése térben A tér minden P pontjához kölcsönösen egyértelműen egy valós (x, y, z) számhármast rendeltünk hozzá. (Descartes-féle
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
RészletesebbenI. feladatsor. 9x x x 2 6x x 9x. 12x 9x2 3. 9x 2 + x. x(x + 3) 50 (d) f(x) = 8x + 4 x(x 2 25)
I. feladatsor () Határozza meg az alábbi függvények határozatlan integrálját: (a) f(x) = (b) f(x) = x + 4 9x + (c) f(x) = (d) f(x) = 6x + 5 5x + f(x) = (f) f(x) = x + x + 5 x 6x + (g) f(x) = (h) f(x) =
RészletesebbenTartalom. Nevezetes affin transzformációk. Valasek Gábor 2016/2017. tavaszi félév
Tartalom Motiváció Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2016/2017. tavaszi félév Transzformációk Transzformációk általában Nevezetes affin
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
RészletesebbenGeometria II gyakorlatok
Geometria II gyakorlatok Kovács Zoltán Copyright c 2011 Last Revision Date: 2012. május 8. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát technikával készült, a megjelenés
RészletesebbenSzámítógépes geometria
2011 sz A grakus szállítószalag terv a geometriai (matematikai) modell megalkotása modelltranszformáció (3D 3D) vetítés (3D 2D) képtranszformáció (2D 2D)... raszterizáció A grakus szállítószalag: koncepció
Részletesebben1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények
1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenBázistranszformáció és alkalmazásai 2.
Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
RészletesebbenValasek Gábor Informatikai Kar. 2016/2017. tavaszi félév
Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2016/2017. tavaszi félév Tartalom 1 Motiváció 2 Transzformációk Transzformációk általában 3 Nevezetes
RészletesebbenAz el adás anyagának törzsrésze
Az el adás anyagának törzsrésze 1. Halmazok, elemi logika, valós számok I. Halmazok. 1. "Halmaz" és "eleme": alapfogalmak. Halmaz kritériuma: egyértelm en eldönthet, mik az elemei. 2. Halmaz megadása:
RészletesebbenAlkalmazott algebra. Vektorterek, egyenletrendszerek :15-14:00 EIC. 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 Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Vektorterek,
Részletesebben5 1 6 (2x3 + 4) 7. 4 ( ctg(4x + 2)) + c = 3 4 ctg(4x + 2) + c ] 12 (2x6 + 9) 20 ln(5x4 + 17) + c ch(8x) 20 ln 5x c = 11
Bodó Beáta ISMÉTLÉS. ch(6 d.. 4.. 6. 7. 8. 9..... 4.. e (8 d ch (9 + 7 d ( + 4 6 d 7 8 + d sin (4 + d cos sin d 7 ( 6 + 9 4 d INTEGRÁLSZÁMÍTÁS 7 6 sh(6 + c 8 e(8 + c 9 th(9 + 7 + c 6 ( + 4 7 + c = 7 4
Részletesebben"Flat" rendszerek. definíciók, példák, alkalmazások
"Flat" rendszerek definíciók, példák, alkalmazások Hangos Katalin, Szederkényi Gábor szeder@scl.sztaki.hu, hangos@scl.sztaki.hu 2006. október 18. flatness - p. 1/26 FLAT RENDSZEREK: Elméleti alapok 2006.
RészletesebbenHaladók III. kategória 2. (dönt ) forduló
Haladók III. kategória 2. (dönt ) forduló 1. Tetsz leges n pozitív egész számra jelölje f (n) az olyan 2n-jegy számok számát, amelyek megegyeznek az utolsó n számjegyükb l alkotott szám négyzetével. Határozzuk
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
Részletesebben1.1. Gyökök és hatványozás... 1 1.1.1. Hatványozás... 1 1.1.2. Gyökök... 1 1.2. Azonosságok... 2 1.3. Egyenlőtlenségek... 3
Tartalomjegyzék 1. Műveletek valós számokkal... 1 1.1. Gyökök és hatványozás... 1 1.1.1. Hatványozás... 1 1.1.2. Gyökök... 1 1.2. Azonosságok... 2 1.3. Egyenlőtlenségek... 3 2. Függvények... 4 2.1. A függvény
RészletesebbenSzemidenit optimalizálás és az S-lemma
Szemidenit optimalizálás és az S-lemma Pólik Imre SAS Institute, USA BME Optimalizálás szeminárium 2011. október 6. Outline 1 Egyenl tlenségrendszerek megoldhatósága 2 Az S-lemma 3 Szemidenit kapcsolatok
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
Részletesebben