Gazdasági matematika II.
|
|
- Regina Kovács
- 8 évvel ezelőtt
- Látták:
Átírás
1 Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2009/2010 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 1 / 180
2 Félévközi kötelező házi feladatok beadási határideje: 1. házi feladat beadása a március héten lévő gyakorlaton 2. házi feladat beadása a május 3 7 héten lévő gyakorlaton Ezek teljesítése, két sikeresen megírt dolgozat, valamint a gyakorlatra járás (legfeljebb 3 hiányzás) szükséges a gyakorlati aláíráshoz! Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 2 / 180
3 Ajánlott irodalom: KNUT SYDSÆTER és PETER HAMMOND Matematika közgazdászoknak Aula, DENKINGER GÉZA Analízis: gyakorlatok Nemzeti Tankönyvkiadó, DENKINGER GÉZA Valószínűségszámítás Tankönyvkiadó, DENKINGER GÉZA Valószínűségszámítás példatár Tankönyvkiadó, Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 3 / 180
4 Ajánlott irodalom: KOVÁCS ZOLTÁN Feladatgyűjtemény lineáris algebra gyakorlatokhoz Kossuth Egyetemi Kiadó, GÁSPÁR LÁSZLÓ Lineáris algebra példatár Tankönyvkiadó, KOZMA LÁSZLÓ Matematikai alapok Studium Kiadó, Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 4 / 180
5 Ajánlott irodalom: LOSONCZI LÁSZLÓ Előadáskövető anyagok és feladatok losi/huindex.htm PAP GYULA Előadáskövető anyagok és feladatok LAJKÓ KÁROLY Gazdasági matematika I. lajko/ Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 5 / 180
6 9. AZ R k VEKTORTÉR 9.1 Az R k vektortér fogalma Az R k vektortér R k := {(x 1, x 2,..., x k ) : x i R minden i = 1, 2,..., k esetén}. Az x = (x 1, x 2,..., x k ) R k sorozatok a tér pontjai. Az x 1, x 2,..., x k számok az x = (x 1, x 2,..., x k ) pont koordinátái. pontjait vektorokként is felfoghatjuk (koordinátarendszer felvétele után az egyes pontoknak a kezdőpontból hozzájuk vezető irányított szakaszt feleltetjük meg). R k Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 6 / 180
7 9. AZ R k VEKTORTÉR 9.1 Az R k vektortér fogalma Összeadás R k -ban Az x = (x 1, x 2,..., x k ) R k és y = (y 1, y 2,..., y k ) R k vektorok összege x + y := (x 1 + y 1, x 2 + y 2,..., x k + y k ). Skalárral való szorzás R k -ban Az x = (x 1, x 2,..., x k ) R k vektor λ R skalárral való szorzata λx := (λx 1, λx 2,..., λx k ). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 7 / 180
8 9. AZ R k VEKTORTÉR 9.1 Az R k vektortér fogalma Az összeadás és a skalárral való szorzás tulajdonságai Bármely x, y, z R k esetén a 0 = (0, 0,..., 0) zérusvektorral és x := ( 1)x ellentett vektorral x + (y + z) = (x + y) + z, x + y = y + x, x + 0 = x, x + ( x) = 0. Bármely x, y R k és bármely λ, µ, 1 R esetén λ(x + y) = λx + λy, (λ + µ)x = λx + µx, (λµ)x = λ(µx), 1x = x. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 8 / 180
9 9. AZ R k VEKTORTÉR 9.2 Vektorok lineáris függetlensége, bázis Lineáris kombináció Az a 1, a 2,..., a n R k vektorok λ 1, λ 2,..., λ n R együtthatókkal képezett lineáris kombinációján a vektort értjük. λ 1 a 1 + λ 2 a λ n a n Lineáris függetlenség, függőség Az a 1,..., a n R k nevezzük, ha vektorrendszert lineárisan függetlennek λ 1 a 1 + λ 2 a λ n a n = 0 csak λ 1 = λ 2 = = λ n = 0 esetén áll fenn. Egy vektorrendszert lineárisan függőnek nevezünk, ha nem lineárisan független. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 9 / 180
10 9. AZ R k VEKTORTÉR 9.2 Vektorok lineáris függetlensége, bázis Ha a 1,..., a n lineárisan függő, akkor léteznek olyan λ 1, λ 2,..., λ n R együtthatók, melyek nem mind zérusok, és λ 1 a 1 + λ 2 a λ n a n = 0. Ezért van olyan l {1, 2,..., n} index, hogy λ l 0, így osztva λ l -lel a l = λ 1 a 1 λ l 1 a l 1 λ l+1 a l+1 λ n a n, λ l λ l λ l λ l azaz az a l vektor kifejezhető a többi vektor lineáris kombinációjaként. Lineáris függetlenség Az a 1,..., a n R k független, ha vektorrendszer akkor és csakis akkor lineárisan b = λ 1 a λ n a n, b = λ 1 a λ na n csak λ 1 = λ 1,..., λ n = λ n esetén teljesül. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 10 / 180
11 9. AZ R k VEKTORTÉR 9.2 Vektorok lineáris függetlensége, bázis Az R k vektortér k dimenziós abban az értelemben, hogy van R k -ban k darab lineárisan független vektor, de bárhogyan is választunk k + 1 darab vektort R k -ból, azok lineárisan függők. Bázis Az R k vektortér bármely k számú lineárisan független b 1,..., b k vektorát a tér bázisának nevezzük. Koordináták Ha b 1,..., b k az R k vektortér egy bázisa, akkor a tér minden v vektora egyértelműen írható v = β 1 b 1 + β 2 b β k b k alakban. Az itt szereplő β 1, β 2,..., β k skalárokat a v vektor b 1,..., b k bázisára vonatkozó koordinátáinak nevezzük. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 11 / 180
12 9. AZ R k VEKTORTÉR 9.2 Vektorok lineáris függetlensége, bázis Példa. Az e 1 = (1, 0,..., 0), e 2 = (0, 1,..., 0),..., e k = (0, 0,..., 1) R k vektorok az R k tér egy bázisát alkotják, melyet természetes bázisnak nevezünk. Ha v = (v 1, v 2,..., v k ) R k, akkor v = (v 1, v 2,..., v k ) = v 1 e 1 + v 2 e v k e k, így v koordinátái azonosak v-nek a természetes bázisra vonatkozó koordinátáival. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 12 / 180
13 9. AZ R k VEKTORTÉR 9.3 Altér és rang Altér Az R k vektortér alterén R k olyan L részhalmazát értjük, mely nem üres és zárt az összeadásra és a skalárral való szorzásra nézve, azaz a, b L és λ R esetén a + b L és λa L teljesül. Vektorrendszer által generált altér Egy a 1, a 2,..., a n vektorrendszert tartalmazó legszűkebb alteret a vektorrendszer által generált/kifeszített altérnek nevezzük. Jelölés: L(a 1, a 2,..., a n ). L(a 1, a 2,..., a n ) = {α 1 a α n a n : α 1,..., α n R}, azaz egy vektorrendszer által generált altér azonos a vektorrendszer vektoraiból képezhető összes lineáris kombinációk halmazával. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 13 / 180
14 9. AZ R k VEKTORTÉR 9.3 Altér és rang Altér dimenziója Egy L altér dimenziója r, ha van L-ben r darab lineárisan független vektor, de akárhogyan választunk r + 1 darab vektort L-ből, azok lineárisan függőek. Vektorrendszer rangja Egy a 1, a 2,..., a n vektorrendszer rangjának az általa generált L(a 1, a 2,..., a n ) altér dimenzióját nevezzük. Vektorrendszer rangja Az a 1, a 2,..., a n vektorrendszer rangja megegyezik e rendszerből kiválasztható maximális számú, lineárisan független vektorok számával. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 14 / 180
15 9. AZ R k VEKTORTÉR 9.3 Altér és rang Vektorrendszer által generált altér Az a 1, a 2,..., a n vektorrendszer által generált altér nem változik meg (és így a vektorrendszer rangja sem változik), ha megváltoztatjuk a vektorok sorrendjét, vagy valamelyik vektort egy λ 0 skalárral megszorozzuk, vagy valamelyik vektorához egy másik vektorát hozzáadjuk. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 15 / 180
16 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal k n típusú (valós) mátrix Ha k n darab (valós) számot, az {a i,j : i = 1, 2,..., k; j = 1, 2,..., n} számokat, k sorban és n oszlopban helyezünk el az alábbi módon: a 1,1 a 1,2 a 1,n a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = vagy A = a 2,1 a 2,2 a 2,n......, a k,1 a k,2 a k,n a k,1 a k,2 a k,n akkor egy k n típusú (valós) A = (a i,j ) i=1,2,...,k; j=1,2,...,n mátrixot definiáltunk. Az összes k n típusú mátrixok halmazát R k n vagy M k n jelöli. A típus megadásánál mindig a sorok száma az első adat! Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 16 / 180
17 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Az A = (a i,j ) i=1,2,...,k; j=1,2,...,n mátrix i-edik sorvektora/sormátrixa és j-edik oszlopvektora/oszlopmátrixa a 1,j s i = [ ] a 2,j a i,1 a i,2 a i,n, oj =. Speciális mátrixok Az A mátrix négyzetes vagy kvadratikus, ha n sora és n oszlopa van, azaz A R n n. Diagonálisa (főátlója) : {a 1,1, a 2,2,..., a n,n }. n-edrendű egységmátrix: az az n-edrendű E = E n R n n kvadratikus mátrix, melynek főátlójában csupa 1 áll, azon kívül pedig csupa 0 áll. k n típusú zérusmátrix: az a k n típusú O = O k n R k n mátrix, melynek minden eleme 0. a k,j Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 17 / 180
18 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Mátrix transzponáltja Az A = (a i,j ) i=1,2,...,k; j=1,2,...,n R k n mátrix transzponáltján az A := (a j,i ) j=1,2,...,n; i=1,2,...,k R n k mátrixot értjük (a mátrix sorait és oszlopait megcserélve kapjuk a mátrix transzponáltját). Azonos típusú mátrixok összeadása és számmal való szorzása Legyenek A = (a i,j ) i=1,2,...,k; j=1,2,...,n, B = (b i,j ) i=1,2,...,k; j=1,2,...,n R k n azonos típusú mátrixok és legyen λ R. Ekkor az A + B R k n és λa R k n mátrixok definíciója: A + B := (a i,j + b i,j ) i=1,2,...,k; j=1,2,...,n, λa := (λa i,j ) i=1,2,...,k; j=1,2,...,n. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 18 / 180
19 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Az összeadás, számmal való szorzás és transzponálás tulajdonságai Az összes k n típusú valós mátrixok R k n halmazában az összeadás és a számmal való szorzás ugyanolyan tulajdonságokkal rendelkezik, mint az R l vektortérben. Továbbá bármely A, B R k n, λ R esetén (A + B) = A + B, (λa) = λa. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 19 / 180
20 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Két mátrix szorzata csak akkor értelmezett, ha az első mátrixnak annyi oszlopa van, mint ahány sora van a második mátrixnak. Mátrixok szorzata A = (a i,j ) i=1,2,...,k; j=1,2,...,n R k n és B = (b j,l ) j=1,2,...,n; l=1,2,...,m R n m mátrixok C = AB szorzatán azt a C = (c i,l ) i=1,2,...,k; l=1,2,...,m R k m mátrixot értjük, melyre n c i,l := a i,j b j,l = a i,1 b 1,l + a i,2 b 2,l + + a i,n b n,l j=1 ha i = 1, 2,..., k ; l = 1, 2,..., m. Ezt a szorzást röviden sor-oszlop kombinációnak mondjuk, mert a szorzatmátrix c i,l eleme éppen az A mátrix i-edik sorvektorának és a B mátrix j-edik oszlopvektorának a belső szorzata R n -ben. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 20 / 180
21 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Mátrixok szorzásának tulajdonságai A(BC) = (AB)C, (A + B)C = AC + BC, A(B + C) = AB + AC, (AB) = B A, AO = OA = O, ahol A, B, C, O olyan mátrixok, melyekre a felírt műveleteknek van értelme. Kvadratikus A mátrixokra AE = EA = A. A mátrixszorzás nem kommutatív, azaz általában AB BA. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 21 / 180
22 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix fogalma, műveletek mátrixokkal Kvadratikus mátrix inverze Egy A kvadratikus mátrixot invertálhatónak nevezünk, ha van olyan B (kvadratikus) mátrix, melyre AB = BA = E teljesül. Ezt a B mátrixot A inverzének nevezzük és A 1 -gyel jelöljük. Ha A invertálható, akkor csak egy inverze van. Ugyanis, ha B inverze volna, akkor AB = B A = E miatt is A B = BE = B(AB ) = (BA)B = EB = B azaz B = B. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 22 / 180
23 10. MÁTRIXOK, DETERMINÁNSOK 10.2 Mátrix determinánsa Részmátrix Legyen A = (a i,j ) i=1,2,...,k; j=1,2,...,n R k n egy k n típusú mátrix. Az i-edik sor és j-edik oszlop elhagyásával visszamaradó (k 1) (n 1) típusú részmátrix jelölése A i,j. Mátrix determinánsa Az A = (a i,j ) i=1,2,...,n; j=1,2,...,n R n n determinánsa n = 1 esetén det(a) = A := a 1,1, n-edrendű kvadratikus mátrix n 2 esetén pedig (rekurzívan definiálva) n det(a) = A := ( 1) 1+l a 1,l det(a 1,l ). l=1 Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 23 / 180
24 10. MÁTRIXOK, DETERMINÁNSOK 10.2 Mátrix determinánsa Másod és harmadrendű determinánsok kiszámítása a 1,1 a 1,2 a 2,1 a 2,2 = a 1,1a 2,2 a 2,1 a 1,2, a 1,1 a 1,2 a 1,3 a 2,1 a 2,2 a 2,3 a 3,1 a 3,2 a 3,3 = a 1,1a 2,2 a 3,3 + a 1,2 a 2,3 a 3,1 + a 1,3 a 2,1 a 3,2 a 1,3 a 2,2 a 3,1 a 1,1 a 2,3 a 3,2 a 1,2 a 2,1 a 3,3. Kifejtési tétel Minden A = (a i,j ) i=1,2,...,n; j=1,2,...,n R n n n-edrendű kvadratikus mátrix és minden i, j {1,..., n} esetén n n det(a) = ( 1) i+l a i,l det(a i,l ) = ( 1) k+j a k,j det(a k,j ). l=1 k=1 Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 24 / 180
25 10. MÁTRIXOK, DETERMINÁNSOK 10.2 Mátrix determinánsa Permutációk Az {1, 2,..., n} számok egy π = (π 1, π 2,..., π n ) elrendezését ezen elemek egy permutációjának nevezzük. Az {1, 2,..., n} számok összes permutációinak halmazát S n jelöli. Egy π = (π 1, π 2,..., π i,..., π j,..., π n ) S n permutációban a (π i, π j ) pár inverzióban áll, ha i < j és π i > π j. Egy π permutáció inverzióinak számát (az inverzióban álló párok számát) I(π) jelöli. Az {1, 2,..., n} számok összes permutációinak száma n!. Minden A = (a i,j ) i=1,2,...,n; j=1,2,...,n R n n n-edrendű kvadratikus mátrix esetén det(a) = ( 1) I(π) a 1,π1 a 2,π2... a n,πn. π S n Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 25 / 180
26 10. MÁTRIXOK, DETERMINÁNSOK 10.2 Mátrix determinánsa A determináns alaptulajdonságai 1 Bármely A kvadratikus mátrixra teljesül det(a ) = det(a). 2 Ha egy sor minden elemét c-vel szorozzuk, akkor a determináns értéke c-szeresére változik. 3 Ha két sort felcserélünk, akkor a determináns előjelet vált. 4 Ha két sor megegyezik, akkor a determináns értéke nulla. 5 A determináns értéke nem változik, ha egy sorának elemeihez egy másik sor megfelelő elemeinek c-szeresét hozzáadjuk. 6 Ha egy sor minden eleme két tag összegére bomlik, akkor a determináns felirható két olyan determináns összegeként, melyek megfelelő soraiban éppen az egyes összeadandók állnak. 7 Ha egy sorban csupa 0 áll, akkor a determináns értéke nulla. 8 Az egységmátrixok determinánsa 1. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 26 / 180
27 10. MÁTRIXOK, DETERMINÁNSOK 10.1 Mátrix determinánsa Determinánsok szorzástétele Ha A, B R n n Inverz mátrix előállítása azonos rendű kvadratikus mátrixok, akkor det(ab) = det(a) det(b). Egy (kvadratikus) mátrix akkor és csakis akkor invertálható, ha determinánsa nem nulla. Egy A = (a i,j ) i=1,2,...,n; j=1,2,...,n n-edrendű invertálható kvadratikus mátrix A 1 = (b i,j ) i=1,2,...,n; j=1,2,...,n inverzének elemei b i,j = ( 1)i+j det(a j,i ). det(a) Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 27 / 180
28 10. MÁTRIXOK, DETERMINÁNSOK 10.3 Mátrix rangja Mátrix rangja Egy A mátrix rang(a) rangján az A oszlopvektoraiból álló vektorrendszer rangját értjük (ami a maximális lineárisan független oszlopvektorok száma). A zérusmátrixok rangja nulla. Aldetermináns Legyen A R k n egy k n típusú mátrix, és 1 l min{k, n}. Az A egy l-edrendű aldeterminánsát úgy kapjuk, hogy kiválasztjuk a mátrix l darab sorát és l darab oszlopát, és képezzük az ezek metszetében lévő elemekből alkotott l-edrendű determinánst. Rangszámtétel Bármely (nemzérus) mátrix rangja megegyezik a maximális rendű nullától különböző aldeterminánsainak rendjével. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 28 / 180
29 10. MÁTRIXOK, DETERMINÁNSOK 10.3 Mátrix rangja Egy mátrix sorvektorainak rangja egyenlő az oszlopvektorainak rangjával. Egy (kvadratikus) mátrix akkor és csakis akkor invertálható, ha a mátrix oszlopvektorai (vagy sorvektorai) lineárisan függetlenek. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 29 / 180
30 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Lineáris egyenletrendszernek nevezzük az a 1,1 x 1 + a 1,2 x a 1,n x n = b 1 a 2,1 x 1 + a 2,2 x a 2,n x n = b 2 a k,1 x 1 + a k,2 x a k,n x n = b k egyenletrendszert, ahol {a i,j, b i : i = 1,..., k; j = 1,..., n} adott valós számok, {x i : i = 1,..., n} ismeretlen valós számok. Az a i,j számokat a rendszer együtthatóinak nevezzük, b i az i-edik egyenlet szabad tagja. Az egyenletrendszert homogénnek nevezzük, ha b 1 = = b k = 0, ellenkező esetben inhomogénnek mondjuk. Az egyenletrendszert szabályosnak nevezzük, ha k = n, azaz ha az egyenletek és ismeretlenek száma egyenlő.. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 30 / 180
31 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Tömören: ahol Ax = b, a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A := Rk n, a k,1 a k,2 a k,n x 1 b 1 x 2 x :=. b 2 Rn 1, b :=. Rk 1. x n b k Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 31 / 180
32 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Alapvető kérdések: Van-e az egyenletrendszernek megoldása, és ha igen, akkor egyértelmű-e? Hogyan határozhatjuk meg az összes megoldást? Egy (lineáris) egyenletrendszer megoldható, ha van megoldása; ellentmondásos, ha nincs megoldása; határozott, ha pontosan egy megoldás létezik; határozatlan, ha több megoldás van. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 32 / 180
33 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Ekvivalens átalakítások Két egyenletrendszert ekvivalensnek nevezünk, ha megoldásaik halmaza egyenlő. Ekvivalens átalakítások Lineáris egyenletrendszerek esetén az alábbi átalakítások ekvivalens rendszereket eredményeznek: az egyenletek sorrendjének megváltoztatása; az egyenletekben szereplő tagok sorrendjének megváltoztatása; a rendszer bármelyik egyenletének szorzása (minden tag szorzása) egy nemzérus számmal; a rendszer bármelyik egyenletének hozzáadása egy másik egyenletéhez. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 33 / 180
34 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Trapéz alakú lineáris egyenletrendszer Az egyenletrendszert akkor nevezzük trapéz alakúnak, ha van olyan r {1,..., n} szám, hogy a 1,1 0, a 2,2 0,..., a r,r 0, a i,j = 0, ha i = 1, 2,..., r és j < i, a i,j = 0, ha i > r és j = 1, 2,..., n. Ha r = n, akkor a rendszert háromszögalakúnak nevezzük. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 34 / 180
35 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Gauss-elimináció Az ismeretlenek szukcesszív (fokozatos) kiküszöbölésével az egyenletrendszert trapéz alakra hozzuk a következő lépésekkel: Tegyük fel, hogy a 1,1 0. Az első egyenlet a i,1 a 1,1 -szeresét az i-edik egyenlethez hozzáadva i = 2, 3,..., k esetén, az x 1 ismeretlen eltűnik a második, harmadik,... k-adik egyenletből. Ha a 1,1 = 0, akkor az első egyenletben keresünk egy ismeretlent, melynek együtthatója 0, és ez veszi át x 1 szerepét. Ezután a második egyenlet alkalmas konstanszorosainak a harmadik... k-adik egyenlethez való hozzádásával kiküszöböljük a harmadik ismeretlent a negyedik,... k-adik egyenletből. Az eljárást hasonlóan folytatjuk, míg van mit kiküszöbölni. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 35 / 180
36 11. LINEÁRIS EGYENLETRENDSZEREK 11.1 Lineáris egyenletrendszer fogalma, Gauss-elimináció Trapéz alakú lineáris egyenletrendszer megoldhatósága Egy trapéz alakú egyenletrendszernek akkor és csakis akkor van megoldása, ha a trapéz alakban az r + 1-edik egyenlettől kezdve a szabad tagok mind nullák; megoldható esetben akkor és csakis akkor van pontosan egy megoldása, ha r = n, azaz ha a rendszer hároszögalakú; akkor és csakis akkor van több megoldása, ha r < n; ebben az esetben végtelen sok megoldása van, és a megoldások egy n r paraméteres sereget alkotnak. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 36 / 180
37 11. LINEÁRIS EGYENLETRENDSZEREK 11.2 Lineáris egyenletrendszerek megoldhatósága Lineáris egyenletrendszer megoldhatósága Egy lineáris egyenletrendszernek akkor és csakis akkor van megoldása, ha a rang(a) = rang(a b) rangfeltétel teljesül, ahol A a rendszer együtthatómátrixa, (A b) pedig a bővített mátrix, melyet az A mátrixból úgy kapunk, hogy az A mátrixhoz n + 1-edik oszlopként hozzáírjuk a szabad tagok b oszlopvektorát. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 37 / 180
38 11. LINEÁRIS EGYENLETRENDSZEREK 11.2 Lineáris egyenletrendszerek megoldhatósága Homogén rendszer esetén (amikor b 1 = = b k = 0 ), mindig van megoldás: az x 1 = x 2 = = x n = 0 triviális megoldás. Homogén rendszer nemtriviális megoldásának létezése Egy homogén lineáris egyenletrendszernek akkor és csakis akkor van triviálistól különböző megoldása, ha rang(a) < n, azaz ha a rendszer A mátrixának rangja kisebb mint az ismeretlenek száma. Ha ez teljesül, akkor a homogén rendszer összes megoldásai R n -nek egy n rang(a) dimenziós alterét alkotják. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 38 / 180
39 11. LINEÁRIS EGYENLETRENDSZEREK 11.2 Lineáris egyenletrendszerek megoldhatósága Lineáris egyenletrendszer megoldáshalmazának szerkezete Az Ax = b (A R k n, x R n 1, b R k 1 ) inhomogén lineáris egyenletrendszer bármely x megoldása x = x + x h alakba írható, ahol x az inhomogén egyenlet egy rögzített (partikuláris) megoldása, x h pedig a megfelelő Ax = 0 homogén egyenletrendszer egy tetszőleges megoldása. Így a megoldások halmaza a homogén egyenletrendszer megoldásalterének az x vektorral való eltoltja. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 39 / 180
40 11. LINEÁRIS EGYENLETRENDSZEREK 11.3 Cramer-szabály lineáris egyenletrendszerek megoldására Cramer-szabály Legyen A egy n-edrendű kvadratikus mátrix. Az Ax = b (A R n n, x R n 1, b R n 1 ) (szabályos) lineáris egyenletrendszernek akkor és csakis akkor van pontosan egy megoldása, ha det(a) 0. Ha ez teljesül, akkor a rendszer egyetlen megoldása x i = det(a i b) det(a) (i = 1, 2,..., n), ahol A i b az a mátrix, melyet az A mátrixból úgy kapunk, hogy annak i-edik oszlopát a szabad tagok b (oszlop)vektorára cseréljük ki. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 40 / 180
41 11. LINEÁRIS EGYENLETRENDSZEREK 11.3 Cramer-szabály lineáris egyenletrendszerek megoldására Szabályos homogén lineáris egyenletrendszer nemtriviális megoldásának létezése Legyen A egy n-edrendű kvadratikus mátrix. Az Ax = 0 (A R n n, x R n 1 ) (szabályos) homogén lineáris egyenletrendszernek akkor és csakis akkor van nemtriviális megoldása, ha det(a) = 0. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 41 / 180
42 12. LINEÁRIS TRANSZFORMÁCIÓK 12.1 Lineáris leképezés és mátrixa Lineáris leképezés/operátor/transzformáció A ϕ : R n R n leképezést lineáris leképezésnek nevezzük, ha bármely x, y R n és bármely λ R esetén ϕ(x + y) = ϕ(x) + ϕ(y) ϕ(λx) = λϕ(x) (azaz ϕ additív), (azaz ϕ homogén). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 42 / 180
43 12. LINEÁRIS TRANSZFORMÁCIÓK 12.1 Lineáris leképezés és mátrixa Lineáris leképezés megadása mátrix segítségével Ha ϕ : R n R n lineáris leképezés, b 1,..., b n az R n egy bázisa, és A ϕ = (a i,j ) i,j=1,...,n az a mátrix, melyre n ϕ(b j ) = a i,j b i minden j = 1,..., n esetén, i=1 akkor minden x = n j=1 x jb j R n esetén ϕ(x) = y = n i=1 y ib i, ahol n y i = a i,j x j minden i = 1,..., n esetén. j=1 Bizonyítás: ϕ(x) = n x j ϕ(b j ) = j=1 n j=1 x j n a i,j b i = i=1 n ( n a i,j x j )b i. i=1 j=1 Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 43 / 180
44 12. LINEÁRIS TRANSZFORMÁCIÓK 12.1 Lineáris leképezés és mátrixa azaz mátrixos formában: Lineáris leképezés mátrixa y 1 a 1,1 a 1,2 a 1,n x 1 y 2. = a 2,1 a 2,2 a 2,n x , y n a n,1 a n,2 a n,n x n ϕ(x) = y = A ϕ x. Azt mondjuk, hogy az A ϕ (n-edrendű kvadratikus) mátrix a ϕ lineáris leképezés mátrixa a b 1,..., b n bázisban. Rögzített bázis esetén a ϕ A ϕ hozzárendelés kölcsönösen egyértelmű a ϕ : R n R n lineáris leképezések és az A ϕ R n n mátrixok között. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 44 / 180
45 12. LINEÁRIS TRANSZFORMÁCIÓK 12.1 Lineáris leképezés és mátrixa Lineáris leképezések összege, számszorosa és kompoziciója (ϕ + ψ)(x) := ϕ(x) + ψ(x) (x R n ), (λϕ)(x) := λϕ(x) (λ R, x R n ), (ϕ ψ)(x) := ϕ(ψ(x)) (x R n ). A ϕ A ϕ hozzárendelés tulajdonságai Rögzített bázis és tetszőleges ϕ, ψ : R n R n lineáris leképezések esetén A ϕ+ψ = A ϕ + A ψ, A λϕ = λa ϕ, A ϕ ψ = A ϕ A ψ. Továbbá ϕ : R n R n akkor és csakis akkor kölcsönösen egyértelmű, ha A ϕ invertálható. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 45 / 180
46 12. LINEÁRIS TRANSZFORMÁCIÓK 12.1 Lineáris leképezés és mátrixa Lineáris leképezés mátrixa különböző bázisokban Legyen b 1,..., b n és b 1,..., b n az R n tér két bázisa, és n A ϕ = (a i,j ) i,j=1,...,n, ahol ϕ(b j )= a i,j b i, i=1 A ϕ = (a i,j ) i,j=1,...,n, ahol ϕ(b j ) = n i=1 a i,j b i a ϕ : R n R n lineáris leképezés mátrixai. Akkor van olyan S R n n invertálható mátrix, hogy A ϕ = S 1 A ϕ S. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 46 / 180
47 12. LINEÁRIS TRANSZFORMÁCIÓK 12.2 Sajátértékek és sajátvektorok Kvadratikus mátrix sajátértéke, sajátvektora A λ R számot az A R n n mátrix sajátértékének nevezzük, ha van olyan nullától különböző x R n vektor, melyre Ax = λx teljesül. Az x vektort az A mátrix λ sajátértékéhez tartozó sajátvektorának nevezzük. Más alakban: (A λe)x = 0. Ennek a homogén lineáris egyenletrendszernek akkor és csakis akkor van nemtriviális megoldása, ha det(a λe) = 0. Ezt a determinánst kifejtve egy λ-ban n-edfokú polinomot kapunk. Ennek zérushelyei adják A sajátértékeit. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 47 / 180
48 12. LINEÁRIS TRANSZFORMÁCIÓK 12.3 Mátrixok diagonális alakra hozása Diagonális mátrix Egy n n-es D mátrixot diagonálisnak nevezünk, ha a főátlón kívüli elemei mind zérusok. Jelölés: λ λ 2 0 diag(λ 1,..., λ n ) = λ n Kvadratikus mátrix diagonális alakra hozása Egy n n-es A mátrixot diagonalizálhatónak (diagonális alakra hozhatónak) nevezünk, ha van olyan invertálható n n-es S mátrix és egy D diagonális mátrix, melyekre S 1 A S = D. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 48 / 180
49 12. LINEÁRIS TRANSZFORMÁCIÓK 12.3 Mátrixok diagonális alakra hozása Ha A és S két n n-es mátrix és S invertálható, akkor az A és S 1 A S mátrixok sajátértékei megegyeznek. Bizonyítás: det(s 1 A S λe) = det ( S 1 A S S 1 (λe)s ) = det ( S 1 (A λe)s ) A diagonalizálhatóság kritériuma = det(s 1 ) det(a λe) det(s) = det(a λe). Egy n n-es A mátrix akkor és csakis akkor diagonalizálható, ha van n lineárisan független sajátvektora, x 1,..., x n. Ekkor λ S 1 0 λ 2 0 A S = diag(λ 1,..., λ n ) =......, 0 0 λ n ahol az S mátrix oszlopvektorai rendre x 1,..., x n, a λ 1,..., λ n számok pedig a hozzájuk tartozó sajátértékek. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 49 / 180
50 12. LINEÁRIS TRANSZFORMÁCIÓK 12.4 Szimmetrikus és ortogonális mátrixok Szimmetrikus és ortogonális mátrixok Egy kvadratikus A mátrixot szimmetrikusnak nevezünk, ha A = A, illetve ortogonálisnak nevezünk, ha A A = E. Ortogonális/merőleges vektorok Az x, y R n vektorok akkor ortogonálisak, ha x, y = 0. Ortogonális mátrixok Egy kvadratikus A mátrix esetén a következő állítások ekvivalensek: A ortogonális; A invertálható, és A 1 = A ; A sorvektorai egységvektorok és páronként ortogonálisak; A oszlopvektorai egységvektorok és páronként ortogonálisak. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 50 / 180
51 12. LINEÁRIS TRANSZFORMÁCIÓK 12.4 Szimmetrikus és ortogonális mátrixok Szimmetrikus mátrixok sajátértékei és sajátvektorai Ha A egy kvadratikus szimmetrikus mátrix, akkor A sajátértékei mind valós számok; A különböző sajátértékeihez tartozó sajátvektorok ortogonálisak. Szimmetrikus mátrixok spektráltétele Ha A egy n n-es szimmetrikus mátrix, akkor létezik olyan ortogonális U mátrix, amelyre U 1 A U = diag(λ 1,..., λ n ), ahol λ 1,..., λ n az A sajátértékei, az U mátrix i-edik oszlopa pedig a λ i -hez tartozó sajátvektora (i = 1,..., n). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 51 / 180
52 12. LINEÁRIS TRANSZFORMÁCIÓK 12.5 Kvadratikus függvények Bilineáris és kvadratikus függvények/formák Ha A = R n n, akkor az F : R n R n R, F(x, y) := Ax, y, (x, y R n ) függvényt bilineáris függvénynek/formának nevezzük; a Q : R n R, Q(x) := Ax, x, (x R n ) függvényt kvadratikus függvénynek/formának nevezzük. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 52 / 180
53 12. LINEÁRIS TRANSZFORMÁCIÓK 12.5 Kvadratikus függvények Tehát ha x = (x 1,..., x n ) R n, akkor Q(x) = Q(x 1,..., x n ) = Ax, x = n i=1 j=1 n a i,j x i x j, így feltehető, hogy A szimmetrikus mátrix. Ezért létezik olyan U ortogonális mátrix, melyre ahol λ 1,..., λ n ezért y := U x jelöléssel U 1 A U = D = diag(λ 1,... λ n ), az A sajátértékei. Innen A = U D U 1 = U D U, Q(x) = Ax, x = U DU x, x = D U x, U x = Dy, y = Ezt a Q kvadratikus forma kanonikus alakjának nevezzük. n i=1 λ i y 2 i. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 53 / 180
54 12. LINEÁRIS TRANSZFORMÁCIÓK 12.5 Kvadratikus függvények Kvadratikus függvény definitsége A Q : R n R kvadratikus függvény pozitív definit, ha Q(x) > 0 bármely x R n, x 0 esetén; negatív definit, ha Q(x) < 0 bármely x R n, x 0 esetén; indefinit, ha Q(x) felvesz pozitív és negatív értékeket is. Kritérium kvadratikus függvény definitségére Egy szimmetrikus A R n n mátrixszal képezett Q(x) := Ax, x (x R n ) kvadratikus függvény akkor és csakis akkor pozitív definit, ha A összes sajátértéke pozitív, negatív definit, ha A összes sajátértéke negatív, indefinit, ha A-nak van pozitív és negatív sajátértéke is. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 54 / 180
55 12. LINEÁRIS TRANSZFORMÁCIÓK 12.5 Kvadratikus függvények Kritérium kvadratikus függvény definitségére Legyen A = (a i,j ) R n n szimmetrikus mátrix, és legyen k (k = 1,..., n) az A mátrix bal felső k k-s sarokmátrixának determinánsa (sarokfőminora), azaz 1 :=a 1,1, 2 := a 1,1 a 1,2 a 2,1 a 2,2, a 1,1 a 1,2 a 1,3 3 := a 2,1 a 2,2 a 2,3 a 3,1 a 3,2 a 3,3,..., n := A, akkor a Q(x) := Ax, x (x R n ) kvadratikus függvény akkor és csakis akkor pozitív definit, ha k > 0 minden k = 1,..., n esetén; negatív definit, ha ( 1) k k > 0 minden k = 1,..., n esetén. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 55 / 180
56 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Skaláris/belső szorzás R k -ban Az x = (x 1, x 2,..., x k ) R k és y = (y 1, y 2,..., y k ) R k vektorok skaláris vagy belső szorzata x, y := x 1 y 1 + x 2 y x k y k. k-dimenziós Euklideszi tér R k ellátva a skaláris/belső szorzással A skaláris/belső szorzás tulajdonságai Bármely x, y, z R k x + y, z = x, z + y, z, λx, y = λ x, y, x, y = y, x, és bármely λ R esetén x, x 0, és x, x = 0 akkor és csakis akkor, ha x = 0. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 56 / 180
57 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Cauchy-Schwarz-egyenlőtlenség Bármely két x, y R k vektor esetén x, y x, x y, y. Vektor hossza/normája Az x = (x 1, x 2,..., x k ) R k vektor hossza/normája x := x, x. A hossz/norma tulajdonságai Bármely x, y R k és bármely λ R esetén x 0, és x = 0 akkor és csakis akkor, ha x = 0, λx = λ x, x + y x + y. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 57 / 180
58 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Pontok távolsága Az x, y R k pontok távolsága d(x, y) := x y. Pont (nyílt) környezete Egy a R k halmazt értjük. pont ε > 0 sugarú (nyílt) környezetén a K (a, ε) := {x R k : d(x, a) = x a < ε} k = 1 esetén K (a, ε) az a pontra nézve szimmetrikus 2ε hosszúságú ]a ε, a + ε[ nyílt intervallum. k = 2 esetén K (a, ε) az a = (a 1, a 2 ) pont körüli ε sugarú nyílt körlap. k = 3 esetén K (a, ε) az a = (a 1, a 2, a 3 ) pont körüli ε sugarú nyílt gömb. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 58 / 180
59 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Az a R k pontot az A R k halmaz belső pontjának nevezzük, ha a-nak van olyan környezete, mely A-ban van (azaz van olyan ε > 0, hogy K (a, ε) A ). Az a R k pontot az A R k halmaz izolált pontjának nevezzük, ha a A, és a-nak van olyan környezete, melyben a-n kívül nincs A-beli pont (azaz a A, és van olyan ε > 0, hogy (K (a, ε) \ {a}) A = ). Az a R k pontot az A R k halmaz torlódási pontjának nevezzük, ha a bármely környezetében van tőle különböző A-beli pont (azaz bármely ε > 0 esetén (K (a, ε) \ {a}) A ). Az a R k pontot az A R k halmaz határpontjának nevezzük, ha a bármely környezetében van A-beli és nem A-beli pont is (azaz bármely ε > 0 esetén K (a, ε) A és K (a, ε) A, ahol A := R k \ A az A halmaz komplementere). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 59 / 180
60 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Az A R k halmazt nyíltnak nevezzük, ha minden pontja belső pontja A-nak. Az A R k halmazt zártnak nevezzük, ha komplementere nyílt. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 60 / 180
61 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban Sorozat R k -ban Egy a : N R k függvényt R k -beli sorozatnak nevezünk. Jelölés: (a n ) n N, ahol a n := a(n), és a n = (a n,1, a n,2,..., a n,k ), ha n N. Konvergens sorozat R k -ban Az R k -beli (a n ) n N sorozatot konvergensnek nevezzük, ha van olyan b R k, hogy bármely ε > 0-hoz létezik olyan N(ε) R szám, hogy a n b < ε amennyiben n > N(ε). A b pontot a sorozat határértékének (limeszének) nevezzük. Jelölés: a n b ha n, vagy lim n a n = b. Egy R k -beli sorozatot divergensnek nevezünk, ha nem konvergens. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 61 / 180
62 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.1 Metrika és topológia R k -ban R k -beli konvergencia = koordinátánkénti konvergencia a n = (a n,1, a n,2,..., a n,k ) b = (b 1, b 2,..., b k ) ha n akkor és csakis akkor, ha a n,i b i ha n minden i = 1, 2,..., k esetén. Ez azt jelenti, hogy egy vektorsorozat akkor és csakis akkor konvergens, ha a sorozat minden koordinátája konvergens, és határértéke a határvektor megfelelő koordinátája. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 62 / 180
63 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.2 Többváltozós függvény határértéke és folytonossága Egy D R k halmaz torlódási pontjainak halmazát D -vel jelöljük. Többváltozós függvény határértéke Legyen f : D R k R és legyen x 0 D. Azt mondjuk, hogy f -nek van (véges) határértéke az x 0 pontban, ha van olyan a R szám, hogy minden ε > 0-hoz van olyan δ(ε) > 0, hogy f (x) a < ε ha 0 < x x 0 < δ(ε) és x D. Az a R számot az f függvény x 0 nevezzük. Jelölés: pontbeli határértékének f (x) a ha x x 0, vagy lim x x0 f (x) = a. A határérték, ha létezik, akkor egyértelmű. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 63 / 180
64 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.2 Többváltozós függvény határértéke és folytonossága Átviteli elv Legyen f : D R k R és legyen x 0 D. Ekkor azzal egyenértékű, hogy lim f (x) = a x x0 lim f (x n ) = a teljesül bármely olyan n D \ {x 0 }-beli (x n ) n N sorozatra, melyre lim n x n = x 0. A műveletek, egyenlőtlenségek és határérték kapcsolata most is érvényes. A határérték fogalma a = + -re és a = -re hasonlóan kiterjeszthető, mint egy változónál. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 64 / 180
65 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.2 Többváltozós függvény határértéke és folytonossága Többváltozós függvény folytonossága Az f : D R k R függvényt értelmezési tartományának x 0 D pontjában folytonosnak nevezzük, ha bármely ε > 0-hoz van olyan δ(ε) > 0, hogy f (x) f (x 0 ) < ε ha x x 0 < δ(ε) és x D. Átviteli elv többváltozós függvény folytonosságára Az f : D R k R függvény az x 0 D pontban akkor és csakis akkor folytonos, ha lim f (x n ) = f (x 0 ) teljesül bármely olyan D-beli n (x n ) n N sorozatra, melyre lim x n = x 0. n Folytonos függvények tulajdonságai ugyanazok, mint az egyváltozós esetben. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 65 / 180
66 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága (Totális) differenciálhatóság Az f : D R k R függvényt az x 0 D belső pontban (totálisan) differenciálhatónak nevezzük, ha van olyan A R k vektor, hogy f (x) f (x 0 ) A, x x 0 lim = 0. x x 0 x x 0 Az f (x 0 ) := A vektort az f függvény x 0 nevezzük. pontbeli deriváltjának GEOMETRIAI JELENTÉS: a függvény f (x) f (x 0 ) növekményét az f (x 0 ), x x 0 lineáris függvény jól közelíti x 0 közelében; a függvény által meghatározott felületnek x 0 -ban van érintősíkja, mégpedig az hipersík az R k+1 x k+1 = f (x 0 ) + f (x 0 ), x x 0 térben. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 66 / 180
67 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága Irány menti differenciálhatóság Legyen e R k egy egységvektor, azaz e = 1. Az f : D R k R függvényt az x 0 D belső pontban az e irány mentén differenciálhatónak nevezzük, ha létezik a D e f (x 0 ) := lim t 0 f (x 0 + te) f (x 0 ) t (véges) határérték, melyet az f függvény e iránymenti deriváltjának nevezünk az x 0 pontban. D e f (x 0 ) jelentése: az f függvény változási sebessége az e irányában. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 67 / 180
68 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága Parciális derivált Legyen i {1, 2,..., k}, és legyen u i R k az i-edik tengely irányába mutató egységvektor (az u i vektor i-edik koordinátája 1, a többi 0). Az f : D R k R függvénynek az x 0 D belső pontban létezik az i-edik változója szerinti parciális deriváltja, ha differenciálható az u i irányban. Jelölése: i f (x 0 ) := D ui f (x 0 ). Egyéb jelölések: f x i (x 0 ) és f xi (x 0 ) Parciális differenciálhatóság Az f : D R k R függvényt az x 0 D belső pontban parciálisan differenciálhatónak nevezzük, ha i f (x 0 ) minden i = 1, 2,..., k esetén létezik. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 68 / 180
69 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága Parciális derivált kiszámítása Mivel x i = x 0,i + t helyettesítéssel i f (x 0 ) = lim t 0 f (x 0,1,..., x 0,i + t,..., x 0,k ) f (x 0,1,..., x 0,i,..., x 0,k ) t f (x 0,1,..., x i,..., x 0,k ) f (x 0,1,..., x 0,i,..., x 0,k ) = lim, x i x 0,i x i x 0,i így az i-edik változó szerinti parciális deriváltat úgy számítjuk ki, hogy az i-edik változó szerint deriválunk, miközben a többi változót konstansnak tekintjük. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 69 / 180
70 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága Irány menti derivált kiszámítása Ha f :D R n R az x 0 D belső pontban (totálisan) differenciálható, akkor bármely e R k egységvektor iránya mentén is differenciálható x 0 -ban, és D e f (x 0 ) = f (x 0 ), e. Ha e = u i az i-edik tengely irányába mutató egységvektor, akkor i f (x 0 ) = D ui f (x 0 ) = f (x 0 ), u i, így e = (e 1, e 2,..., e k ) = e 1 u 1 + e 2 u e k u k alapján D e f (x 0 ) = 1 f (x 0 )e f (x 0 )e k f (x 0 )e k. Ezért (totális) differenciálhatóság = parciális differenciálhatóság. Az is következik, hogy f (x 0 ) = ( 1 f (x 0 ),..., k f (x 0 )), így az f (x 0 ) (totális) derivált (vektor) koordinátái a parciális deriváltak. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 70 / 180
71 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága (Totális) differenciálhatóság = folytonosság Ha f : D R k R az x 0 D belső pontban (totálisan) differenciálható, akkor f folytonos x 0 -ban. parciális differenciálhatóság folytonosság parciális derivált folytonossága = (totális) differenciálhatóság Ha az f : D R k R függvénynek az x 0 D belső pont egy környezetében folytonos parciális deriváltjai vannak (ekkor azt mondjuk, hogy a függvény folytonosan parciálisan differenciálható e környezetben), akkor f az x 0 pontban (totálisan) differenciálható (így folytonos is). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 71 / 180
72 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.3 Többváltozós függvények differenciálhatósága Láncszabály: összetett függvény differenciálhatósága Ha mindegyik j = 1, 2,..., l esetén a g j : D R k R függvények differenciálhatók az x 0 D belső pontban, és f : E R l R differenciálható az y 0 := g(x 0 ) E belső pontban, ahol a g : D R l függvény értelmezése x D esetén g(x) := (g 1 (x), g 2 (x),..., g l (x)), akkor létezik olyan ε > 0, hogy g(k (x 0, ε)) E, így a h : K (x 0, ε) R, h(x) := f (g(x)) ha x K (x 0, ε) összetett függvény differenciálható az x 0 pontban, és l i h(x 0 ) = j f (g(x 0 )) i g j (x 0 ) ha i = 1, 2,..., k. j=1 Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 72 / 180
73 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.4 Magasabbrendű parciális deriváltak Magasabbrendű parciális deriváltak Tegyük fel, hogy az f : D R k R függvénynek az x 0 D belső pont egy környezetében létezik az i-edik változó szerinti i f parciális deriváltja. Ha ez parciálisan differenciálható a j-edik változó szerint, úgy a deriválást elvégezve kapjuk a j i f (x 0 ) := j ( i f (x 0 )) második parciális deriváltját f -nek az x 0 pontban az i-edik és j-edik változók szerint (ebben a sorrendben!). Hasonlóan, ha a j i f (x) derivált létezik x 0 egy környezetében és ez parciálisan differenciálható az l-edik változó szerint, úgy a deriválást elvégezve kapjuk a l i j f (x 0 ) := l ( i j f (x 0 )) harmadik parciális deriváltat. Hasonlóan értelmezhetjük a negyed- és magasabbrendű parciális deriváltakat is. Egyéb jelölések a magasabbrendű parciális deriváltakra: 2 f x j x i (x 0 ), illetve f xi,x j (x 0 ). Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 73 / 180
74 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.4 Magasabbrendű parciális deriváltak Példa. Számítsuk ki az f : R 2 R, f (x, y) := x 2 + y 2 e xy függvény összes első- és másodrendű parciális deriváltját, és hasonlítsuk össze a 1 2 f (x, y) és 2 1 f (x, y) vegyes deriváltakat. Young tétel: a vegyes parciális deriváltak függetlensége a deriválás sorrendjétől Ha az f : D R k R függvénynek az x 0 D belső pont egy környezetében valamely m 2 esetén az összes m-edik parciális deriváltja létezik és az x 0 pontban azok folytonosak, akkor az f függvény m-edik parciális deriváltjai az x 0 pontban a differenciálás sorrendjétől függetlenek. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 74 / 180
75 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke Azt mondjuk, hogy az f : D R k R függvénynek az x 0 D pontban lokális/helyi maximuma (minimuma) van, ha ε > 0, hogy f (x 0 ) f (x) (f (x 0 ) f (x)) x K (x 0, ε) D esetén. szigorú lokális/helyi maximuma (minimuma) van, ha ε > 0, hogy f (x 0 ) > f (x) (f (x 0 ) < f (x)) x K (x 0, ε) D, x x 0 esetén. globális/abszolút maximuma (minimuma) van, ha f (x 0 ) f (x) (f (x 0 ) f (x)) x D esetén. szigorú globális/abszolút maximuma (minimuma) van, ha f (x 0 ) > f (x) (f (x 0 ) < f (x)) x D, x x 0 esetén. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 75 / 180
76 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke A szélsőérték létezésének elegendő feltétele Korlátos, zárt halmazon folytonos függvény felveszi a függvényértékek infimumát és szuprémumát függvényértékként, ami azt jelenti, hogy a függvénynek van minimuma és maximuma (az illető korlátos, zárt halmazon). A szélsőérték létezésének szükséges feltétele Ha az f : D R k R függvénynek az x 0 D belső pontban lokális szélsőértéke van, és léteznek f első parciális deriváltjai x 0 -ban, akkor 1 f (x 0 ) = 2 f (x 0 ) = = k f (x 0 ) = 0. (E feltételnek eleget tevő x 0 pontokat az f függvény stacionárius pontjainak nevezzük.) Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 76 / 180
77 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke A szélsőérték létezésének másodrendű elegendő feltétele Tegyük fel, hogy az f : D R k R összes második parciális deriváltja folytonos az x 0 D belső pont egy környezetében, továbbá 1 f (x 0 ) = 2 f (x 0 ) = = k f (x 0 ) = 0. 1 Ha a k k Q : R k R, Q(h) = Q(h 1,..., h k ) := j i f (x 0 )h i h j j=1 i=1 kvadratikus függvény pozitív definit, azaz Q(h) > 0 ha h R k és h 0, akkor f -nek szigorú lokális minimuma van x 0 -ban. 2 Ha Q negatív definit, azaz Q(h) < 0 minden h R k, h 0 esetén, akkor f -nek szigorú lokális maximuma van x 0 -ban. 3 Ha Q indefinit, azaz Q(h) felvesz pozitív és negatív értéket is, akkor f -nek nincs szélsőértéke x 0 -ban. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 77 / 180
78 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke A szélsőérték létezésének másodrendű elegendő feltétele determinánsok segítségével Tegyük fel, hogy az f : D R k R összes második parciális deriváltja folytonos az x 0 D belső pont egy környezetében, továbbá 1 f (x 0 ) = 2 f (x 0 ) = = k f (x 0 ) = 0. Legyen l (l = 1,..., k) az A := ( i j f (x 0 )) i=1,...,k; j=1,...,k R k k szimmetrikus mátrix bal felső l l-s sarokmátrixának determinánsa (sarokfőminora), azaz 1 := 1 2 f (x 0), 2 := 2 1 f (x 0) 1 2 f (x 0 ) 1 2 f (x 0 ) 2 2f (x 0),..., k := A. 1 Ha l > 0 minden l = 1,..., k esetén, akkor f -nek szigorú lokális minimuma van x 0 -ban. 2 Ha ( 1) k j > 0 minden j = 1,..., k esetén, akkor f -nek szigorú lokális maxmuma van x 0 -ban. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 78 / 180
79 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke A szélsőérték létezésének másodrendű elegendő feltétele determinánsok segítségével kétváltozós függvény esetén Tegyük fel, hogy az f : D R 2 R összes második parciális deriváltja folytonos az x 0 D belső pont egy környezetében, továbbá 1 f (x 0 ) = 2 f (x 0 ) = 0. Legyen 1 és 2 az A := ( i j f (x 0 )) i=1,2; j=1,2 R 2 2 szimmetrikus mátrix bal felső sarokmátrixainak determinánsa (sarokfőminorai), azaz 1 := 1 2 f (x 0), 2 := 2 1 f (x 0) 1 2 f (x 0 ) 1 2 f (x 0 ) 2 2f (x 0). 1 Ha 1 > 0 és 2 > 0, akkor f -nek szigorú lokális minimuma van x 0 -ban. 2 Ha 1 < 0 és 2 > 0, akkor f -nek szigorú lokális maxmuma van x 0 -ban. 3 Ha 2 < 0, akkor f -nek nincs szélsőértéke x 0 -ban. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 79 / 180
80 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények szélsőértéke Példa. f : R 2 R, f (x, y) := x 3 + y 3 3xy lokális szélsőértékeinek meghatározása. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 80 / 180
81 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények feltételes szélsőértéke Többváltozós függvények feltételes szélsőértéke Legyenek f : D R k R és g i : D R k R, i = 1,..., l, l < k, adott függvények. Azt mondjuk, hogy az f függvénynek az x 0 D pontban a g 1 (x) = 0, g 2 (x) = 0,..., g l (x) = 0 feltételek mellett lokális/helyi feltételes maximuma (minimuma) van, ha van olyan ε > 0, hogy f (x 0 ) f (x) (f (x 0 ) f (x)) teljesül minden olyan x D K (x 0, ε) esetén, melyre g 1 (x) = = g l (x) = 0. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 81 / 180
82 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények feltételes szélsőértéke A feltételes szélsőérték létezésének szükséges feltétele Legyenek g i : D R k R, i = 1,..., l, l < k, adott függvények. Tegyük fel, hogy az f : D R függvénynek az x 0 D belső pontban a g 1 (x) = 0, g 2 (x) = 0,..., g l (x) = 0 feltételek mellett lokális feltételes szélsőértéke van, az f és g i, i = 1,..., l első parciális deriváltjai folytonosak x 0 egy környezetében, továbbá a 1 g 1 (x 0 ) k g 1 (x 0 ) g l (x 0 ) k g l (x 0 ) mátrixnak van nemzérus l-edrendű aldeterminánsa. Akkor van olyan λ 0 = (λ 0,1,..., λ 0,l ) R l pont, hogy az L : D R l R, függvényre L(x, λ) := f (x) + λ 1 g 1 (x) + + λ l g l (x) 1 L(x 0, λ 0 ) = = k L(x 0, λ 0 ) = 0. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 82 / 180
83 13. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMÍTÁSA 13.5 Többváltozós függvények feltételes szélsőértéke A λ 1,..., λ m számokat Lagrange-féle multiplikátoroknak nevezzük, az L függvényt pedig a feltételes szélsőérték probléma Lagrange-függvényének nevezzük. A feltételes szélsőérték probléma megoldása úgy történik, hogy a 1 L(x, λ) = 2 L(x, λ) = = k L(x, λ) = g 1 (x) = = g l (x) = 0 k + l egyenletből álló egyenletrendszert megoldjuk az x = (x 1,..., x k ) D, λ = (λ 1,..., λ l ) R l ismeretlenekre; a kapott x 0 = (x 0,1,..., x 0,k ) megoldások adják a feltételes szélsőérték lehetséges helyeit. Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 83 / 180
Gazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2007/8 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2007/8 tanév, II. félév 1 / 186 Félévközi
RészletesebbenGazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar 2014. február 16. Losonczi László, Pap Gyula (DE, KTK) Gazdasági matematika II. 2014. február
RészletesebbenGazdasági matematika II.
Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2009/10 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/10 tanév, II. félév 1 / 187 Félévközi
Részletesebben9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA. 9.1 Metrika és topológia R k -ban
9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA 9.1 Metrika és topológia R k -ban Definíció. A k-dimenziós euklideszi térnek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x
Részletesebben15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
Részletesebben11. DETERMINÁNSOK. 11.1 Mátrix fogalma, műveletek mátrixokkal
11 DETERMINÁNSOK 111 Mátrix fogalma, műveletek mátrixokkal Bevezetés A közgazdaságtanban gyakoriak az olyan rendszerek melyek jellemzéséhez több adat szükséges Például egy k vállalatból álló csoport minden
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.
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,
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
RészletesebbenLosonczi László. Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar
Szélsőértékszámítás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Losonczi László (DE) Szélsőértékszámítás 1 / 21 2. SZÉLSOÉRTÉKSZÁMÍTÁS 2.1 A szélsőérték fogalma, létezése Azt
Részletesebben9. AZ R k VEKTORTÉR. 9.1 Az R k vektortér fogalma
9 AZ R k VEKTORTÉR 91 Az R k vektortér fogalma Definíció A k-dimenziós vektortér nek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x 2,, x k ) sorozatok halmazát, azaz 1 R k
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,
RészletesebbenDeterminánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.
Determinánsok A determináns fogalma olyan algebrai segédeszköz, amellyel jól jellemezhető a mátrixok invertálhatósága, a mátrix rangja. Segítségével lineáris egyenletrendszerek megoldhatósága dönthető
RészletesebbenA fontosabb definíciók
A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,
Részletesebben10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak
10. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás:
RészletesebbenMatematika 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
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
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!
RészletesebbenMatematika elméleti összefoglaló
1 Matematika elméleti összefoglaló 2 Tartalomjegyzék Tartalomjegyzék... 2 1. Sorozatok jellemzése, határértéke... 3 2. Függvények határértéke és folytonossága... 5 3. Deriválás... 6 4. Függvényvizsgálat...
Részletesebben1. Mit jelent az, hogy egy W R n részhalmaz altér?
Az informatikus lineáris algebra dolgozat B részének lehetséges kérdései Az alábbi listában azok a definíciók és állítások, tételek szerepelnek, melyeket a vizsgadolgozat B részében kérdezhetünk. A válaszoknál
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
RészletesebbenTöbbváltozós, valós értékű függvények
Többváltozós függvények Többváltozós, valós értékű függvények Többváltozós függvények Definíció: többváltozós függvények Azokat a függvényeket, melyeknek az értelmezési tartománya R n egy részhalmaza,
Részletesebben9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35
9. Előadás (9. előadás) Lineáris egyr.(3.), Sajátérték 2019. április 24. 1 / 35 Portfólió-analízis Tegyük fel, hogy egy bank 4 különböző eszközbe fektet be (réz, búza, arany és kakaó). Az ügyfeleinek ezen
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 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
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,
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. május 15. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenMATEMATIKA 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
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,
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
RészletesebbenTöbbváltozós, valós értékű függvények
TÖ Többváltozós, valós értékű függvények TÖ Definíció: többváltozós függvények Azokat a függvényeket, melyeknek az értelmezési tartománya R n egy részhalmaza, n változós függvényeknek nevezzük. TÖ Példák:.
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
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
Részletesebben2. 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 )
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
Részletesebbeni=1 λ iv i = 0 előállítása, melynél valamelyik λ i
Az informatikus lineáris algebra dolgozat C részének lehetséges kérdései Az alábbi listában azok az állítások, tételek szerepelnek, melyeket a vizsgadolgozat C részében kérdezhetünk. Azok érnek 6 pontot,
RészletesebbenMatematika 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. 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
RészletesebbenA Matematika I. előadás részletes tematikája
A Matematika I. előadás részletes tematikája 2005/6, I. félév 1. Halmazok és relációk 1.1 Műveletek halmazokkal Definíciók, fogalmak: halmaz, elem, üres halmaz, halmazok egyenlősége, részhalmaz, halmazok
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
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)
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.,
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
Részletesebben1. 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
RészletesebbenMatematika 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,
RészletesebbenMátrixok, mátrixműveletek
Mátrixok, mátrixműveletek 1 előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Mátrixok, mátrixműveletek p 1/1 Mátrixok definíciója Definíció Helyezzünk el n m elemet egy olyan téglalap
RészletesebbenBevezetés az algebrába 1
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 1 BMETE92AX23 Determinánsok H406 2017-11-27 Wettl Ferenc ALGEBRA
RészletesebbenPTE PMMFK Levelező-távoktatás, villamosmérnök szak
PTE PMMFK Levelező-távoktatás, villamosmérnök szak MATEMATIKA (A tantárgy tartalma és a tananyag elsajátításának időterve.) Összeállította: Kis Miklós adjunktus Tankönyvek (mindhárom félévre): 1. Scharnitzky
RészletesebbenVektorterek. Több esetben találkozhattunk olyan struktúrával, ahol az. szabadvektorok esetében, vagy a függvények körében, vagy a. vektortér fogalma.
Vektorterek Több esetben találkozhattunk olyan struktúrával, ahol az összeadás és a (valós) számmal való szorzás értelmezett, pl. a szabadvektorok esetében, vagy a függvények körében, vagy a mátrixok esetében.
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.
RészletesebbenKétváltozós 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
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
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
RészletesebbenXI A MÁTRIX INVERZE 1 Az inverzmátrix definíciója Determinánsok szorzástétele Az egységmátrix definíciója: 1 0 0 0 0 1 0 0 E n = 0 0 1 0 0 0 0 1 n-edrenű (azaz n n típusú) mátrix E n -nel bármely mátrixot
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?
RészletesebbenMeghirdetés féléve 2 Kreditpont Összóraszám (elm+gyak) 2+0
Tantárgy neve Lineáris algebra I Tantárgy kódja MTB1004 Meghirdetés féléve 2 Kreditpont 3k Összóraszám elm+gyak 2+0 Számonkérés módja kollokvium Előfeltétel tantárgyi kód MTB1003 Tantárgyfelelős neve Kurdics
Részletesebbenf(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
RészletesebbenMűveletek mátrixokkal. Kalkulus. 2018/2019 ősz
2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix
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
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
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
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)
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
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
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
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
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
RészletesebbenHaladó lineáris algebra
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
Részletesebbenf(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
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
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
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
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
Részletesebben1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor
. Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következő végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle belső konvergenciakritérium) A a n végtelen sor akkor és csakis
RészletesebbenAnalízis II. Analízis II. Beugrók. Készítette: Szánthó József. kiezafiu kukac gmail.com. 2009/ félév
Analízis II. Analízis II. Beugrók Készítette: Szánthó József kiezafiu kukac gmail.com 2009/20 10 1.félév Analízis II. Beugrók Függvények folytonossága: 1. Mikor nevez egy függvényt egyenletesen folytonosnak?
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
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
RészletesebbenVEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok
VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER 2004. október 15. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják
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
RészletesebbenLineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság
1. Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció
RészletesebbenLineáris Algebra gyakorlatok
A V 2 és V 3 vektortér áttekintése Lineáris Algebra gyakorlatok Írta: Simon Ilona Lektorálta: DrBereczky Áron Áttekintjük néhány témakör legfontosabb definícióit és a feladatokban használt tételeket kimondjuk
Részletesebbenés n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..
Biológia alapszak Matematika I A GY 6/7 félév III MÁTRIXOK SAJÁTÉRTÉK-FELADAT III Mátrixok Definíció Számok téglalap alakú táblázatban való elrendezését mátrix nak nevezzük Ha a táblázat m sorból és n
Részletesebben1. 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,
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:
Részletesebbenösszeadjuk 0-t kapunk. Képletben:
814 A ferde kifejtés tétele Ha egy determináns valamely sorának elemeit egy másik sor elemeihez tartozó adjungáltakkal szorozzuk meg és a szorzatokat összeadjuk 0-t kapunk Képletben: n a ij A kj = 0, ha
RészletesebbenÖsszeállította: dr. Leitold Adrien egyetemi docens
Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,
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....................................................
RészletesebbenElső zárthelyi dolgozat megoldásai biomatematikából * A verzió
Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő
RészletesebbenI. VEKTOROK, MÁTRIXOK
217/18 1 félév I VEKTOROK, MÁTRIXOK I1 I2 Vektorok 1 A síkon derékszögű koordinátarendszerben minden v vektornak van vízszintes és van függőleges koordinátája, ezeket sorrendben v 1 és v 2 jelöli A v síkbeli
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. március 17. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
Részletesebben1. 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
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:
RészletesebbenMATEMATIKA FELADATGYŰJTEMÉNY
Pék Johanna MATEMATIKA FELADATGYŰJTEMÉNY Nem matematika alapszakos hallgatók számára Tartalomjegyzék Előszó iii. Lineáris algebra.. Mátrixok...................................... Lineáris egyenletrendszerek..........................
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+ =
RészletesebbenFelügyelt önálló tanulás - Analízis III.
Felügyelt önálló tanulás - Analízis III Kormos Máté Differenciálható sokaságok Sokaságok Röviden, sokaságoknak nevezzük azokat az objektumokat, amelyek egy n dimenziós térben lokálisan k dimenziósak Definíció:
RészletesebbenLINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév
LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I éves nappali programtervező informatikus hallgatóknak 2010-2011 évi tanév I félév Vektoriális szorzat és tulajdonságai bizonyítás nélkül: Vegyes szorzat és tulajdonságai
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. 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