4. Előadás: Erős dualitás

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "4. Előadás: Erős dualitás"

Átírás

1 Optimalizálási eljárások/operációkutatás MSc hallgatók számára 4. Előadás: Erős dualitás Előadó: Hajnal Péter Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét d -gal jelöljük d,p R {, }). Igaz a következő Gyenge-dualitás tétel): d p. 1. Erős dualitás Az erős dualitás tételről akkor beszélünk, ha d = p -t garantálni tudjuk bizonyos feltételek mellett. A bizonyos feltételekre sokféle lehetőség van. Egész iparág alakult ilyenek kifejlesztésére. Mi csak egy lehetőséget ismeretünk. 1. Tétel Slater-tétel). Adott a következő optimalizális probléma: Minimalizáljuk Feltéve, hogy cx),-et f i x) 0 i = 1,...,k g i x) = 0 i = 1,...l Tegyük fel, hogy 1) A probléma konvex. Tehát c és f i konvex függvény, g i pedig affin függvény. Ez azt jelenti, hogy a g i x) = 0 i = 1,...,l) feltételek a következő alakban írhatók: Ax b = 0, ahol A R l n és b R l. S) Létezik olyan s D, amelyre i) f i s) < 0 i = 1,...,k) és g i s) = 0 i = 1,...,l). Speciálisan s L. ii) Továbbá s int D = {x : r > 0 Bx,r) D}, D belső pontjainak halmaza, ahol Bx,r) az x középpontú r sugarú gömb. Ekkor erős dualitás van, azaz d = p. Megjegyzés. S)-et Slater-feltételnek nevezzük. Az S)-beli feltételt kielégítő s pontokat Slater-pontoknak nevezzük. Si) és Sii) gyengíthetők. A tétel állítása igaz marad az alábbi gyengített) feltételek mellett: Si) 0 Az s Slater-ponttól csak azt kívánjuk meg, hogy f i s) < 0, ha f i nem affin, továbbá f i s) 0, ha affin. Sii) 0 s relint D = D belső pontjai D affin burkában int D relint D). Az alábbiakban a bizonyítást írjuk le egy fontos feltevés mellett: A az egyenlőség, affin feltételrendszer mátrixa) teljes sorrangú. A feltevés nélkül a bizonyítás lényegi része megmaradna, csupán néhány technikai bonyodalommal lenne hosszadalmasabb. 4-1

2 Bizonyítás. Észrevétel 1. S)-ből következik, hogy L amiből p <. Továbbá a gyenge dualitásból következik az erős dualitás, ha p =. Így feltehető, hogy p >. Összegezve p R. Legyen E = {ϕ 1,ϕ 2,...,ϕ k,γ 1,γ 2,...,γ l,τ) R k R l R : x D,hogy F = {0,0,...,0,τ) R k R l R : τ < p }. Észrevétel 2. E, F konvexek Észrevétel 3. E zárt a ϕ i és τ koordináták növelésére. 2. Lemma. E F =. ϕ i f i x) i = 1,...,k γ i = g i x) i = 1,...,l τ cx)}, Bizonyítás. Lemmáé) Indirekt úton fogjuk bizonyítani. Tegyük fel, hogy v E F, azaz v E és v F. v F azt jelenti, hogy v = 0,...,0,τ), ahol τ < p. v E azt jelenti, hogy van olyan x D, amelyre f i x) 0, g i x) = 0, továbbá τ cx). Azaz x L, továbbá cx) τ < p, ami ellentmondás. 3. Tétel Konvex halmazok szeperációs tétele Farkas lemma). K, L konvex és K L = akkor létezik H hipersík, amely elválasztja a két halmazt. Azaz úgy osztja fel a teret H és H zárt félsíkokra, hogy H K és H L. Ebből a tételből és a 2. Lemmából adódik, hogy létezikn = λ 1,λ 2,...,λ k,µ 1,...,µ 2,ν) n R k+l+1 = R k R l R) nem-nulla vektor és α valós szám, hogy a H n,α = {x R k+l+1,n T x = α} hipersík két félterére: H n,α = {x Rk+l+1 : n T x α} E, H n,α = {x R k+l+1 : n T x α} F. A 3. Észrevételből tudjuk, hogy az első k és az utolsó koordináta növelésével E-ben és így H -ben is maradunk. Ebből λ 0 és ν 0. Észrevétel 4. 0,0,p ǫ) F, amiből 0,0,p ǫ) H, azaz νp ǫ) α. Mivel ǫ > 0 tetszőleges, ǫ ց 0 esetén kapjuk, hogy νp α. Észrevétel 5. x D esetén fx),gx),cx)) E, speciálisan H ). Kaptuk, hogy minden x D esetén: k λ i f i x)+ µ i g i x)+νcx) α. 4-2

3 A bizonyítás befejezése két eset vizsgálatára bomlik. 1. eset: ν 0 ν > 0). Ekkor minden x D-re Adódik λi L ν, µ ) i ν,x = k λi ) k ν egyenlőtlenségből adódik, hogyd c λ i λ i ν f ix)+ µ i ν g ix)+cx) α ν. λi c ν, µ ) i α ν ν p. a duális optimalizálási feladat lehetséges megoldásai. Ebből és az előző ) p. A gyenge dualitással összevetve, kapjuk az erős dualitást. 2. eset: ν = 0., µ i ν ν Ekkor k λ if i x)+ l µ ig i x) α νp = 0 minden x D esetén. Írjuk fel az egyenlőtlenséget x = s pontra, ahol s egy Slater-pont. k λ i f i s)+ µ i g i s) 0, ahol λ i 0,f i s) < 0 és g i s) = 0. Ekkor minden i-re λ i -nek nullának kell, hogy legyen. Kiinduló egyenlőtlenségünk újra egyszerűsödik: µ i g i x) 0, ami átírva µ T Ax b) 0 minden x D-re. Legyen x = s+δ, ahol δ R k+l+1 és δ < r 0, ahol r 0 olyan kicsi, hogy Bs,r 0 ) D. µ T As+δ) b) = µ T As+Aδ b) = µ T b+aδ b) = µ T Aδ = µ T A) i δ i 0. Ez teljesül δ-ra is, amiből µ T A = 0. Kezdeti feltételünk A teljes sorrangú) miatt µ = 0. Így n = λ,µ,ν) = 0, ami ellentmondás. 2. Lazaság slackness) Jelölés. Legyen x L. Azt mondjuk, hogy x-ben az i-edik egyenlőtlenség feltétel laza, ha f i x) < 0. Legyen x primál optimális hely és λ,µ ) duál optimális hely. Speciálisan λ 0. A gyenge duálitás bizonyítását összefoglaljuk. Legyen Lλ,µ,x) = cx)+λ ) T fx)+µ ) T gx). Ekkor d = cλ,µ ) = inflλ,µ,x) = inf x D cx)+λ ) T fx)+µ ) T gx)) cx )+λ ) T fx )+µ ) T gx ) cx ) = p. Amennyiben erős dualitás van, akkor végig egyenlőség teljesül. 4-3

4 Definíció. Legyen x 0 primál lehetséges megoldás, azaz f i x 0 ) 0, g i x 0 ) = 0. Legyen λ 0,µ 0 ) duál lehetséges megoldás, azaz λ 0 ) i 0. Ezen megoldáspár rendelkezik a komplemetáris lazasági tulajdonsággal, ha i) f i x 0 ) < 0, akkor λ 0 ) i = 0. ii) λ 0 ) i > 0, akkor f i x 0 ) = 0. Észrevétel. Az első egyenlőtlenségben akkor és csak akkor van egyenlőség, ha x és λ,µ ) komplementárisan laza tulajdonságú. Észrevétel. Ha a második egyenlőtlenség egyenlőség, akkor cx) + λ ) T fx) + µ ) T gx) függvényeknek x egy optimális helye. Tegyük fel, hogy c és f i függvények differenciálhatók. Ekkor cx )+λ ) T fx )+µ ) T gx ) = 0. Abból, hogy c, f i konvexek és g i affin következik, hogy cx) + λ ) T fx) + µ ) T gx) is konvex λ 0). Ekkor a fenti feltétel szükséges és elégséges is a második egyenlőtlenség egyenlőségként való teljesüléséhez. 3. Karush Kuhn Tucher-tétel A tétel Karush MSc tézise volt a 30-as években. Később Kuhn és Tucker is felfedezik a tételt és ők tették ismertté az 50-es években. Összefoglalva a fentieket: Tegyük fel, hogy c,f i differenciálhatóak, x primál optimum, és λ,µ ), duál optimum. Továbbá tegyük fel, hogy erős dualitás van. Karash Kuhn Tucker-feltételek x,λ,µ -ra a következők: KKT1) f i x ) 0 és g i x ) = 0, azaz x primál lehetséges megoldás. KKT2) λ i 0, azaz λ,µ ) duál lehetséges megoldás. KKT3) x és λ,µ ) komplementárisan laza tulajdonságú. KKT4) c)x )+λ ) T fx )+µ ) T gx ) = Tétel KKT tétel). Tegyük fel, hogy g i affin függvény, c,f i konvex és differenciálható függvények. Akkor és csak akkor van erős dualitás, ha van olyanx 0 és λ 0,µ 0 ), amelyek teljesítik a KKT1), KKT2), KKT3), KKT4) feltételeket. Sőt, ha van ilyen x 0,λ 0,µ 0 ), akkor ezek primál és duál optimum helyek. Bizonyítás. A szükségességet láttuk korábban. Az elégséghez cλ 0,µ 0 ) = infcx)+λ T 0 fx)+µt 0 gx)) = cx 0 )+λ T 0 fx 0)+µ T 0 gx) = cx 0 ). KKT4) KKT3) Hiszen KKT4 a differenciálhatósági és konvexitási feltétel miatt szükséges és elegendő feltétele annak, hogy x 0 optimum hely legyen. Ezekután d KKT2) cλ 0,µ 0 ) = cx 0 ) KKT1) p gyenge dualitás Az egyenlőtlenség láncból kiolvasható, hogy végig egyenlőség teljesül, azaz erős dualitás van, x 0 primál optimál hely és λ 0,µ 0 ) duál optimál hely. 4-4 d.

5 Példa. Minimalizáljuk 1 2 xt Px+q T x+r-et Feltéve, hogy Ax = b, ahol P S+. n cx) konvex P S+ n ) és differenciálható, azaz KKT tétel alkalmazható. Olyan x 0,µ 0 értékeket kell keresnünk, amelyek mind a négy Karush Kuhn-Tucker-feltételt teljesítik: KKT1): Ax 0 = b. KKT2):. KKT3):. KKT4): cx 0 )+µ T 0 Ax b) x=x 0 = 0, azaz Px 0 +q +A T µ 0 = 0. A keresett x 0,µ 0 -k tulajdonságai összefoglalva: ) ) ) Pn n A T n k x0 q =. A k n 0 b Ezen egyenletrendszer megoldhatóságának diszkussziója, illetve megoldhatóság esetén a megoldás megkeresése egyszerű lineáris algebrai feladat. Példa. Minimalizáljuk µ 0 Feltéve, hogy x 2 1 +x2 2 5, 2x x 1 x 2 +x x 1 10x 2 -et 3x 1 +x 2 6. Esetünkben D = R 2. Könnyen ellenőrizhető, hogy a célfüggvény konvex, az egyenlőtlenség feltételek f i függvényei is konvexek, minden előforduló függvény differenciálható. A KKT olyan primál/duál x 1,x 2,λ 1,λ 2 helyett keres, amelyek eleget tesznek a primál/duál feltételeknek KKT1) és KKT2)): x 2 1 +x2 2 5, 3x 1 +x 2 6, λ 1 0, λ 2 0. Továbbá KKT4) is teljesül. Ehhez: 2x x 1 x 2 +x x 1 10x 2 ) = x 2 1 +x 2 2x1 2 5) = 2x 2 Azaz KKT4) teljesülése kiírva: ) 4x1 +2x 2 10, 2x 1 +2x 2 10 ), 3x 1 +x 2 6) = ) x 1 +2x λ 1 x 1 +3λ 2 = 0, 2x 1 +2x λ 1 x 2 +λ 2 = 0. Amit még tudnia kell számnégyesünknek, az a komplementáris hézagosság tulajdonsága. Ez négyféle módon teljesülhet: I : x 2 1 +x2 2 = 5 és λ 1 0, 3x 1 +x 2 = 6 és λ

6 II : x 2 1 +x2 2 < 5 és λ 1 = 0, 3x 1 +x 2 < 6 és λ 2 = 0. III : x 2 1 +x 2 2 < 5 és λ 1 = 0, 3x 1 +x 2 = 6 és λ 2 0. IV : x 2 1 +x 2 2 = 5 és λ 1 0, 3x 1 +x 2 < 6 és λ 2 = 0. Elemi módszerekkel megállapítható, hogy I, II és III nem vezet megfelelő számnégyeshez. A IV lehetőség viszont, elvezet a x 1 = 1,x 2 = 2,λ 1 = 1,λ 2 = 0 megoldáshoz. Ebből adódik,hogy1, 2) egy primál optimális megoldás, 1, 0) egy duál optimális megoldás. Továbbá erős dualitás áll fenn. 4-6

Diszkrét Matematika MSc hallgatók számára. 4. Előadás

Diszkrét Matematika MSc hallgatók számára. 4. Előadás Diszkrét Matematika MSc hallgatók számára 4. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2012. február 28. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét

Részletesebben

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás Optimalizálási eljárások MSc hallgatók számára 11. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2011. április 27. 1. Lineáris egyenlőség feltételek melletti minimalizálás Múlt héten nem szerepeltek

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat

Részletesebben

Diszkrét Matematika MSc hallgatók számára. 14. Előadás

Diszkrét Matematika MSc hallgatók számára. 14. Előadás Diszkrét Matematika MSc hallgatók számára 14. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2012. Nem maradt rá idő 1. Feltétel nélküli optimalizálás 1.1. Az eljárások alapjai A feltétel nélküli

Részletesebben

Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással

Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással pontos dualitással Imre McMaster University Advanced Optimization Lab ELTE TTK Operációkutatási Tanszék Folytonos optimalizálás szeminárium 2004. július 6. 1 2 3 Kvadratikus egyenlőtlenségrendszerek Primál

Részletesebben

Boros Zoltán február

Boros 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

Nemlineáris programozás: algoritmusok

Nemlineáris programozás: algoritmusok Nemlineáris programozás: algoritmusok illes@math.elte.hu Operációkutatási Tanszék Budapest 2010. I. félév Feltétel nélküli optimalizálási feladat Feltétel nélküli optimalizálási feladat: Legyen adott az

Részletesebben

A lineáris programozás alapjai

A lineáris programozás alapjai A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris

Részletesebben

10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai

10. 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

Részletesebben

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

Részletesebben

4. Előadás. A legkisebb négyzetek problémája a következő optimalizálási alapfeladat: Minimalizáljuk

4. Előadás. A legkisebb négyzetek problémája a következő optimalizálási alapfeladat: Minimalizáljuk OPTIMALIZÁLÁSI ELJÁRÁSOK 4. Előadás Matematika MSc hallgatók számára Előadó: Hajnal Péter Jegyzetelő: Magyari Nikolett 2011. március 2. 1. A legkisebb négyzetek probléma A legkisebb négyzetek problémája

Részletesebben

Nemlineáris programozás 2.

Nemlineáris programozás 2. Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,

Részletesebben

Szemidenit optimalizálás és az S-lemma

Szemidenit 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

Részletesebben

Optimalizálási eljárások MSc hallgatók számára Előadás

Optimalizálási eljárások MSc hallgatók számára Előadás Optimalizálási eljárások MSc hallgatók számára 2 3. Előadás Előadó: Hajnal Péter 2014. február 20-27. 1. Dualizálás Tekintsük az alábbi, explicit feltételekkel megadott optimalizálási feladatot, amelyet

Részletesebben

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok

VEKTORTEREK 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

Részletesebben

Matematika III előadás

Matematika III előadás Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,

Részletesebben

Lineáris programozás belsőpontos

Lineáris programozás belsőpontos Lineáris programozás belsőpontos módszerei illes@math.elte.hu Operációkutatási Tanszék Budapest 2007. február - április Speciális lineáris programozási feladat (példa) Legyen adott a következő lineáris

Részletesebben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/ Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: dr. Leitold Adrien egyetemi docens Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,

Részletesebben

A legjobb közeĺıtés itt most azt jelentette, hogy a lineáris

A 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,

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához

Explicit 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,

Részletesebben

Hadamard-mátrixok Előadó: Hajnal Péter február 23.

Hadamard-mátrixok Előadó: Hajnal Péter február 23. Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Hadamard-mátrixok Előadó: Hajnal Péter 2012. február 23. 1. Hadamard-mátrixok Ezen az előadáson látásra a blokkrendszerektől független kombinatorikus

Részletesebben

Az impulzusnyomatékok általános elmélete

Az impulzusnyomatékok általános elmélete Az impulzusnyomatékok általános elmélete November 27, 2006 Az elemi kvantummechanika keretében tárgyaltuk már az impulzusnyomatékot. A továbbiakban általánosítjuk az impulzusnyomaték fogalmát a kvantummechanikában

Részletesebben

Matematika III előadás

Matematika III előadás Matematika III. - 3. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 19 Skalármezők

Részletesebben

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

1. 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

Részletesebben

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Fraktálok. 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

Részletesebben

Alapfogalmak, valós számok Sorozatok, határérték Függvények határértéke, folytonosság A differenciálszámítás Függvénydiszkusszió Otthoni munka

Alapfogalmak, valós számok Sorozatok, határérték Függvények határértéke, folytonosság A differenciálszámítás Függvénydiszkusszió Otthoni munka Pintér Miklós miklos.pinter@uni-corvinus.hu Ősz Alapfogalmak Halmazok Definíció Legyen A egy tetszőleges halmaz, ekkor x A (x / A) jelentése: x (nem) eleme A-nak. A B (A B) jelentése: A (valódi) részhalmaza

Részletesebben

Matematika A2 vizsga mgeoldása június 4.

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

Részletesebben

3. Lineáris differenciálegyenletek

3. 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

Részletesebben

Opkut deníciók és tételek

Opkut 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

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

Totális Unimodularitás és LP dualitás. Tapolcai János Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni

Részletesebben

17. előadás: Vektorok a térben

17. 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

Részletesebben

Haladó lineáris algebra

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

Részletesebben

Diszkrét matematika II., 8. előadás. Vektorterek

Diszkrét matematika II., 8. előadás. Vektorterek 1 Diszkrét matematika II., 8. előadás Vektorterek Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2007.??? Vektorterek Legyen T egy test (pl. R, Q, F p ). Definíció.

Részletesebben

Konjugált gradiens módszer

Konjugált gradiens módszer Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK

Részletesebben

1. Homogén lineáris egyenletrendszer megoldástere

1. Homogén lineáris egyenletrendszer megoldástere X HOMOGÉN LINEÁRIS EGYENLET- RENDSZEREK 1 Homogén lineáris egyenletrendszer megoldástere Homogén lineáris egyenletrendszer definíciója már szerepelt Olyan lineáris egyenletrendszert nevezünk homogénnek,

Részletesebben

DR. NAGY TAMÁS. egyetemi docens. Miskolci Egyetem Alkalmazott Matematikai Tanszék

DR. NAGY TAMÁS. egyetemi docens. Miskolci Egyetem Alkalmazott Matematikai Tanszék FELTÉTELES OPTIMALIZÁLÁS DR. NAGY TAMÁS egyetemi docens Miskolci Egyetem Alkalmazott Matematikai Tanszék A bemutatott kutató munka a TÁMOP-4...B-0//KONV-00-000 jel½u projekt részeként az Európai Unió támogatásával,

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

ANALÍZIS 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

Részletesebben

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

minden 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

Részletesebben

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám. 1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost

Részletesebben

1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy

1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy /. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.

Részletesebben

Matematika (mesterképzés)

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

Részletesebben

GPK M1 (BME) Interpoláció / 16

GPK 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

Részletesebben

Egészrészes feladatok

Egészrészes feladatok Kitűzött feladatok Egészrészes feladatok Győry Ákos Miskolc, Földes Ferenc Gimnázium 1. feladat. Oldjuk meg a valós számok halmazán a { } 3x 1 x+1 7 egyenletet!. feladat. Bizonyítsuk be, hogy tetszőleges

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: dr. Leitold Adrien egyetemi docens Az R 3 tér geometriája Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok Vektor: irányított szakasz Jel.: a, a, a, AB, Jellemzői: irány, hosszúság, (abszolút érték) jel.: a Speciális

Részletesebben

Geometria 1 normál szint

Geometria 1 normál szint Geometria 1 normál szint Naszódi Márton nmarci@math.elte.hu www.math.elte.hu/ nmarci ELTE TTK Geometriai Tsz. Budapest Geometria 1 p.1/4 Vizsga 1 Írásban, 90 perc. 2 Személyazonosságot igazoló okmány nélkül

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: 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

Részletesebben

Principal Component Analysis

Principal 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

Részletesebben

Numerikus módszerek 1.

Numerikus 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

Részletesebben

2012. október 2 és 4. Dr. Vincze Szilvia

2012. október 2 és 4. Dr. Vincze Szilvia 2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex

Részletesebben

10. előadás. Konvex halmazok

10. előadás. Konvex halmazok 10. előadás Konvex halmazok Konvex halmazok Definíció: A K ponthalmaz konvex, ha bármely két pontjának összekötő szakaszát tartalmazza. Állítás: Konvex halmazok metszete konvex. Konvex halmazok uniója

Részletesebben

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

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

Részletesebben

Optimálási módszerek Galántai Aurél

Optimálási módszerek Galántai Aurél Optimálási módszerek Galántai Aurél 2004-2-8 Optimálási módszerek, 2003/2004, II. félév (óravázlat) 2 1 Bevezetés Optimalizálási feladat számos helyen elýofordul. Példák: 1. Dido probléma. 2. Legrövidebb

Részletesebben

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás A L Hospital-szabály, elaszticitás, monotonitás, konvexitás 9. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék A L Hospital-szabály, elaszticitás, monotonitás, konvexitás p. / A L

Részletesebben

Kétváltozós függvények differenciálszámítása

Kétváltozós függvények differenciálszámítása Kétváltozós függvények differenciálszámítása 13. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Kétváltozós függvények p. 1/1 Definíció, szemléltetés Definíció. Az f : R R R függvényt

Részletesebben

Az ellipszoid algoritmus

Az ellipszoid algoritmus Az ellipszoid algoritmus Csizmadia Zsolt Eötvös Loránd Tudományegyetem Bevezető Az ellipszoid módszert a nemlineáris porgramozásra Shor [1970,0977] illetve Yudin és Nemirovskiî [1976] feljlesztették ki.

Részletesebben

Paraméteres és összetett egyenlôtlenségek

Paraméteres és összetett egyenlôtlenségek araméteres és összetett egyenlôtlenségek 79 6 a) Minden valós szám b) Nincs ilyen valós szám c) c < vagy c > ; d) d # vagy d $ 6 a) Az elsô egyenlôtlenségbôl: m < - vagy m > A második egyenlôtlenségbôl:

Részletesebben

10. Előadás P[M E ] = H

10. Előadás P[M E ] = H HALMAZRENDSZEREK 10. Előadás Matematika MSc hallgatók számára Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2010. április 20. Halmazrendszerek színezése Egy halmazrendszer csúcshalmazának színezése jó

Részletesebben

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek 7 Elsőrendű lineáris differenciálegyenlet-rendszerek Legyen n N, I R intervallum és A: I M n n (R), B: I R n folytonos függvények, és tekintsük az { y (x) = A(x)y(x) + B(x) y(ξ) = η kezdeti érték problémát,

Részletesebben

Határozatlan integrál

Határozatlan integrál Határozatlan integrál Boros Zoltán Debreceni Egyetem, TTK Matematikai Intézet, Anaĺızis Tanszék Debrecen, 207. február 20 27. Primitív függvény, határozatlan integrál A továbbiakban legyen I R intervallum.

Részletesebben

Vektorterek. Több esetben találkozhattunk olyan struktúrával, ahol az. szabadvektorok esetében, vagy a függvények körében, vagy a. vektortér fogalma.

Vektorterek. Több esetben találkozhattunk olyan struktúrával, ahol az. szabadvektorok esetében, vagy a függvények körében, vagy a. vektortér fogalma. Vektorterek Több esetben találkozhattunk olyan struktúrával, ahol az összeadás és a (valós) számmal való szorzás értelmezett, pl. a szabadvektorok esetében, vagy a függvények körében, vagy a mátrixok esetében.

Részletesebben

Mátrixok 2017 Mátrixok

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

Részletesebben

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI 3. Fuzzy aritmetika Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Intervallum-aritmetika 2 Fuzzy intervallumok és fuzzy számok Fuzzy intervallumok LR fuzzy intervallumok

Részletesebben

6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió

6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió 6. Előadás Megyesi László: Lineáris algebra, 37. 41. oldal. Gondolkodnivalók Lineáris függetlenség 1. Gondolkodnivaló Legyen V valós számtest feletti vektortér. Igazolja, hogy ha a v 1, v 2,..., v n V

Részletesebben

Feladatok megoldásokkal az első gyakorlathoz (differencia- és differenciálhányados fogalma, geometriai és fizikai jelentése) (x 1)(x + 1) x 1

Feladatok megoldásokkal az első gyakorlathoz (differencia- és differenciálhányados fogalma, geometriai és fizikai jelentése) (x 1)(x + 1) x 1 Feladatok megoldásokkal az első gyakorlathoz (differencia- és differenciálhányados fogalma, geometriai és fizikai jelentése). Feladat. Határozzuk meg az f(x) x 2 függvény x 0 pontbeli differenciahányados

Részletesebben

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése 2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )

Részletesebben

Konvex optimalizálás feladatok

Konvex optimalizálás feladatok (1. gyakorlat, 2014. szeptember 16.) 1. Feladat. Mutassuk meg, hogy az f : R R, f(x) := x 2 függvény konvex (a másodrend derivált segítségével, illetve deníció szerint is)! 2. Feladat. Mutassuk meg, hogy

Részletesebben

HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása

HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása Bevezetés HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása Discrete smooth approximation: an application of linear programming The best discrete approximation can be

Részletesebben

Bevezetés az algebrába 2 Vektor- és mátrixnorma

Bevezetés 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.

Részletesebben

f(x) a (x x 0 )-t használjuk.

f(x) a (x x 0 )-t használjuk. 5. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 5.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

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

Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet   takach november 30. 1 Diszkrét matematika I, 12 előadás Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach 2005 november 30 Vektorok Definíció Egy tetszőleges n pozitív egész számra n-komponensű

Részletesebben

Nagy Gábor compalg.inf.elte.hu/ nagy

Nagy Gábor  compalg.inf.elte.hu/ nagy Diszkrét matematika 3. estis képzés 2016. ősz 1. Diszkrét matematika 3. estis képzés 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Matematika III. harmadik előadás

Matematika 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)

Részletesebben

Numerikus módszerek 1.

Numerikus 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

Részletesebben

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

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő

Részletesebben

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

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. november 23. 1. Diszkrét matematika 2. 9. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. november 23. Diszkrét matematika

Részletesebben

Oktatási Hivatal. 1 pont. A feltételek alapján felírhatók az. összevonás után az. 1 pont

Oktatási Hivatal. 1 pont. A feltételek alapján felírhatók az. összevonás után az. 1 pont Oktatási Hivatal Öt pozitív egész szám egy számtani sorozat első öt eleme A sorozatnak a különbsége prímszám Tudjuk hogy az első négy szám köbének összege megegyezik az ezen öt tag közül vett páros sorszámú

Részletesebben

MATEMATIKA 2. dolgozat megoldása (A csoport)

MATEMATIKA 2. dolgozat megoldása (A csoport) MATEMATIKA. dolgozat megoldása (A csoport). Definiálja az alábbi fogalmakat: (egyváltozós) függvény folytonossága, differenciálhatósága, (többváltozós függvény) iránymenti deriváltja. (3x8 pont). Az f

Részletesebben

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

ANALÍZIS 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

Részletesebben

"Flat" rendszerek. definíciók, példák, alkalmazások

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.

Részletesebben

Optimalizálási eljárások/operációkutatás MSc hallgatók számára

Optimalizálási eljárások/operációkutatás MSc hallgatók számára Optimalizálási eljárások/operációkutatás MSc hallgatók számára 7. Előadás: MP(G) tesztelése, Gomory Hu-fák Előadó: Hajnal Péter 2018. tavasz 1. Egy vektor MP(G)-be esésének tesztelése A MP(G) Edmonds-tételbeli

Részletesebben

A szemidefinit programozás alkalmazásai a kombinatorikus optimalizálásban című jegyzetemhez

A szemidefinit programozás alkalmazásai a kombinatorikus optimalizálásban című jegyzetemhez Kiegészítések az A szemidefinit programozás alkalmazásai a kombinatorikus optimalizálásban című jegyzetemhez Ujvári Miklós Utolsó módosítás: 2011 szeptember A 4.25 Megjegyzés mögé beszúrandó (4.26-ból

Részletesebben

Differenciálszámítás. 8. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Differenciálszámítás p. 1/1

Differenciálszámítás. 8. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Differenciálszámítás p. 1/1 Differenciálszámítás 8. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Differenciálszámítás p. 1/1 Egyenes meredeksége Egyenes meredekségén az egyenes és az X-tengely pozitív iránya

Részletesebben

A fontosabb definíciók

A 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,

Részletesebben

Sorozatok, 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 Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:

Részletesebben

1. 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. (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

Részletesebben

Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé.

Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. HA 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) HA 2 Halmazok HA 3 Megjegyzések A halmaz, az elem és az eleme fogalmakat nem definiáljuk, hanem alapfogalmaknak

Részletesebben

Illes, Tibor (2014) Lineáris optimalizálás : elmélete és belsőpontos algoritmusai. [Report], / Strathprints

Illes, Tibor (2014) Lineáris optimalizálás : elmélete és belsőpontos algoritmusai. [Report], / Strathprints Illes, Tibor (2014) Lineáris optimalizálás : elmélete és belsőpontos algoritmusai. [Report], 10.13140/2.1.5086.4004 This version is available at https://strathprints.strath.ac.uk/55708/ Strathprints is

Részletesebben

Molnár Bence. 1.Tétel: Intervallumon értelmezett folytonos függvény értékkészlete intervallum. 0,ami ellentmondás uis. f (x n ) f (y n ) ε > 0

Molnár Bence. 1.Tétel: Intervallumon értelmezett folytonos függvény értékkészlete intervallum. 0,ami ellentmondás uis. f (x n ) f (y n ) ε > 0 Anlízis. Írásbeli tételek-bizonyítások Molnár Bence 1.Tétel: Intervllumon értelmezett folytonos függvény értékkészlete intervllum Legyen I R tetszőleges intervllum és f I R folytonos függvény R f intervllum

Részletesebben

OPERÁCIÓKUTATÁS No. 5. Etienne de Klerk Cornelis Roos Terlaky Tamás NEMLINEÁRIS OPTIMALIZÁLÁS

OPERÁCIÓKUTATÁS No. 5. Etienne de Klerk Cornelis Roos Terlaky Tamás NEMLINEÁRIS OPTIMALIZÁLÁS OPERÁCIÓKUTATÁS No. 5. Etienne de Klerk Cornelis Roos Terlaky Tamás NEMLINEÁRIS OPTIMALIZÁLÁS Budapest, 2004 Etienne de Klerk Cornelis Roos Terlaky Tamás: NEMLINEÁRIS OPTIMALIZÁLÁS OPERÁCIÓKUTATÁS No.

Részletesebben

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

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

Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony. Determinánsok A determináns fogalma olyan algebrai segédeszköz, amellyel jól jellemezhető a mátrixok invertálhatósága, a mátrix rangja. Segítségével lineáris egyenletrendszerek megoldhatósága dönthető

Részletesebben

Paraméteres és összetett egyenlôtlenségek

Paraméteres és összetett egyenlôtlenségek araméteres és összetett egyenlôtlenségek 79 6 a) Minden valós szám b) Nincs ilyen valós szám c) c < vagy c > ; d) d # vagy d $ 6 a) Az elsô egyenlôtlenségbôl: m < - vagy m > A második egyenlôtlenségbôl:

Részletesebben

Vektorok és koordinátageometria

Vektorok és koordinátageometria Vektorok és koordinátageometria Vektorral kapcsolatos alapfogalmak http://zanza.tv/matematika/geometria/vektorok-bevezetese Definíció: Ha egy szakasz két végpontját megkülönböztetjük egymástól oly módon,

Részletesebben

Metrikus terek, többváltozós függvények

Metrikus 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

Részletesebben