Mer legesség. Wettl Ferenc Wettl Ferenc Mer legesség / 40
|
|
- Imre Mészáros
- 9 évvel ezelőtt
- Látták:
Átírás
1 Mer legesség Wettl Ferenc Wettl Ferenc Mer legesség / 40
2 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált Fourier-mátrixok Diszkrét Fourier-transzformáció Gyors Fourier-transzformáció Wettl Ferenc Mer legesség / 40
3 Pszeudoinverz A pszeudoinverz fogalma Á A sortér és az oszloptér közt létezik természetes kölcsönösen egyértelm megveleltetés (Ax = b egyetlen sortérbe es megoldása). R n A A + R m S(A) O(A) 0 0 D A R m n pszeudoinverzén vagy MoorePenrose-féle pszeudoinverzén azt az A + -szal jelölt mátrixot értjük, amellyel a sortér minden x vektorára A + (Ax) = x, továbbá az oszloptérre mer leges minden z vektorra A + z = 0. Wettl Ferenc Mer legesség / 40
4 Pszeudoinverz Néhány pszeudoinverz Á A + = A 1, ha A invertálható, Á O + m n = O n m, Á [a] + = [ 1 /a], ha a 0, és [0] + = [0], Á (A + ) + = A, Á ha a ii 0 (i = 1, 2,..., r), akkor a a a rr O. O O + m n 1 a a = a rr O. O O n m Wettl Ferenc Mer legesség / 40
5 Pszeudoinverz A pszeudoinverz kiszámítása T Ha a valós A teljes oszloprangú, akkor A + = (A T A) 1 A T, ha teljes sorrangú, akkor A + = A T (AA T ) 1. Legyen A = BC, ahol B egy teljes oszloprangú, C egy teljes sorrangú mátrix (ld. bázisfelbontás). Ekkor A + = C + B + = C T (CC T ) 1 (B T B) 1 B T = C T (B T AC T ) 1 B T. B Ha A teljes oszloprangú, akkor R n = S(A), és A T A invertálható: (A T A) 1 A T Ax = x. Meg kell még mutatnunk, hogy ha z N (A T ), vagyis A T z = 0, akkor A + z = 0: (A T A) 1 A T z = (A T A) 1 0 = 0. Ha A teljes sorrangú, akkor O(A) = R m : y-ra Ax = y konzisztens. Jelölje ˆx az egyetlen sortérbe es megoldást, így minden más x megoldásra proj S(A) x = ˆx. A + -ra fenn kell álljon A + y = ˆx: ) proj S(A) x = A T (AA T ) 1 Ax = (A T (AA T ) 1 (Ax) = A + y. Wettl Ferenc Mer legesség / 40
6 Pszeudoinverz A pszeudoinverz tulajdonságai T MoorePenrose-tétel: A valós A mátrixnak X pontosan akkor pszeudoinverze, ha az alábbi négy feltétel mindegyike fennáll: a) AXA = A, b) XAX = X, c) (AX) T = AX, d) (XA) T = XA. K Tetsz leges A R m n mátrix esetén A + A = proj S(A) és AA + = proj O(A). Tehát A + A az R n teret mer legesen vetíti A sorterére, míg AA + az R m teret mer leges vetíti A oszlopterére. Wettl Ferenc Mer legesség / 40
7 Pszeudoinverz A pszeudoinverz és a min. absz. érték opt. megoldás T Legyen A egy valós mátrix. Az Ax = b egyenletrendszernek az ˆx = A + b a minimális abszolút érték optimális megoldása. P Határozzuk meg a minimális abszolút érték optimális megoldását! y + z = 3 x + y + 2z = 2 x + y = 2 M Az egyenletrendszer nem oldható meg: ] [ [ Ezt felhasználva a minimális abszolút érték optimális megoldás ˆx = A + b = 1 [ ] [ ] [ ] = Wettl Ferenc Mer legesség / 40 2 ] 1
8 Ortonormált bázis ortogonális mátrix Ortogonális és ortonormált bázis D OR (ortogonális rendszer, lehet köztük zérusvektor), ONR (ortonormált rendszer T Ha a nullvektortól különböz a 1, a 2,..., a k vektorok páronként ortogonálisak, akkor függetlenek is. B Tekintsük a c 1 a c k a k = 0 egyenletet. Szorozzuk be az egyenl ség mindkét oldalát a i -vel (i = 1, 2,..., k): (c 1 a 1 + c 2 a c k a k ) a i = 0 a i c i a i a i = 0. Mivel a i a i 0, ezért c i = 0, és ez igaz minden i-re. Wettl Ferenc Mer legesség / 40
9 Ortonormált bázis ortogonális mátrix Ortogonális és ortonormált bázis T Legjobb közelítés ONB esetén Adva van a V vektortérben egy {e 1, e 2,..., e k } ortonormált rendszer által kifeszített A altér, valamint egy v vektor. Ekkor a ˆv = (v e 1 )e 1 + (v e 2 )e (v e k )e k (1) vektor az A altér v-hez legközelebb fekv pontja, azaz ˆv = proj A v. B Megmutatjuk, hogy az (1) szerinti pont van legközelebb v-hez: ( ) 2 k k (v ˆv) 2 = v (v e i )e i = v 2 (v e i ) 2. i=1 v és az altér egy tetsz leges u vektorának távolságnégyzete: ( ) 2 k k k (v u) 2 = v c i e i = v 2 2 c i (v e i ) + ci 2. i=1 i=1 i=1 i=1 Wettl Ferenc Mer legesség / 40
10 Ortonormált bázis ortogonális mátrix Ortogonális és ortonormált bázis A különbségük pozitív, tehát valóban ˆv van v-hez legközelebb: (v u) 2 (v ˆv) 2 ( k = v 2 2 c i (v e i ) + = = i=1 i=1 k i=1 k k ci 2 2 c i (v e i ) + c 2 i i=1 i=1 k (c i v e i ) 2 0. i=1 ) ( k (v e i ) 2 v 2 ) k (v e i ) 2 Ebb l a legjobb közelítés tétele szerint kapjuk, hogy ˆv = proj A v. i=1 Wettl Ferenc Mer legesség / 40
11 Ortonormált bázis ortogonális mátrix Ortogonális mátrixok D Egy valós négyzetes mátrix ortogonális, ha oszlopvektorai vagy sorvektorai ONR-t alkotnak. Ha nem kötjük ki, hogy négyzetes legyen, szemiortogonális mátrixról beszélünk. P A forgatás, tükrözés mátrixa, és minden permutációmátrix ortogonális. T Legyen m n és Q R m n. Ekkor Q szemiortogonális Q T Q = I n (m n esetén QQ T = I n ) B sorvektorszor oszlopvektor T Legyen Q R n n. Az alábbi állítások ekvivalensek: Q oszlopvektorai ortonormált rendszert alkotnak. Q T Q = I n. Q 1 = Q T. QQ T = I n. Q sorvektorai ortonormált rendszert alkotnak. Á det(q) = 1, O(n) és SO(n) zárt a szorzásra és invertálásra nézve. Wettl Ferenc Mer legesség / 40
12 Ortonormált bázis ortogonális mátrix Ortogonális mátrixok geometriája T Ortogonális mátrixhoz tartozó mátrixleképezés Legyen Q R n n. Az alábbi állítások ekvivalensek: a) Q ortogonális. b) Qx = x minden x R n vektorra. c) Qx Qy = x y minden x, y R n vektorra. B a) b): Ha Q ortogonális, akkor Q T Q = I, így tetsz leges x R n vektorra Qx 2 = Qx Qx = (Qx) T (Qx) = x T Q T Qx = x T x = x 2. b) c): A skalárszorzás abszolút értékkel való kifejezéséb l: Qx Qy = 1 ( Qx + Qy 2 Qx Qy 4 2) = 1 ( Q(x + y) 2 Q(x y) 4 = 1 ( x + y 2 x y 4 2) = x y c) a): A Q mátrix i-edik oszlopa q i = Qe i { 0, ha i j, q i q j = Qe i Qe j = e i e j = 1, ha i = j. Wettl Ferenc Mer legesség / 40
13 Ortonormált bázis ortogonális mátrix A 2- és 3-dimenziós tér ortogonális transzformációi T Minden O(2)-be es ortogonális mátrix vagy egy α szög forgatás, vagy egy α/2 szög egyenesre való tükrözés mátrixa, azaz [ ] [ ] cos α sin α cos α sin α vagy sin α cos α sin α cos α T A harmadrend 1 determinánsú ortogonális transzformációk a forgatások, a 1 determinánsúak, azaz O(3) SO(3) elemei egy tükrözés és egy forgatás egymás utáni alkalmazásával megkaphatók. Wettl Ferenc Mer legesség / 40
14 Ortonormált bázis ortogonális mátrix Givens-forgatás D Givens-forgatás: forgatás, mely egy koordinátasík vektorain kívül minden más vektort helyben hagy. Az i-edik és j-edik koordinátákra: G = cos α... sin α sin α... cos α M E forgatással elérhet például, hogy egy x vektort egy olyan vektorba forgassunk, melynek j-edik koordinátája 0. Csak az i-edik és j-edik sorokat és oszlopokat kiemelve [ ] [ ] [ cos α sin α a r = r = sin α cos α b 0] a 2 + b 2, cos α = a r, sin α = b r. Wettl Ferenc Mer legesség / 40.
15 Ortonormált bázis ortogonális mátrix Householder-tükrözés D Householder-tükrözés: Egy adott a 0 vektorra mer leges hipersíkra való tükrözést Householder-tükrözésnek nevezzük. Mátrixa H = I 2 a T a aat T Ha a és b két különböz, de azonos hosszúságú vektor R n -ben, akkor az (a b) hipersíkra való H-tükrözés a-t és b-t fölcseréli. B Megmutatjuk, hogy Ha = b és Hb = a, ahol 2 H = I (a b) T (a b) (a b)(a b)t. (a b) T (a b) = a T a a T b b T a+b T b = 2(a T a b T a) = 2(a b) T a. 2 Ha = a (a b) T (a b) (a b)(a b)t a 1 = a (a b) T a (a b)t a(a b) = a (a b) = b. Mivel H 1 = H, ezért Hb = H 1 b = a. Wettl Ferenc Mer legesség / 40
16 Ortonormált bázis ortogonális mátrix GramSchmidt-ortogonalizáció T GramSchmidt-ortogonalizáció Ha A = {a 1, a 2,..., a k } egy független vektorrendszer, akkor létezik olyan ortogonális V = {v 1, v 2,..., v k } vektorrendszer, hogy minden i = 1, 2,..., k esetén span(a 1, a 2,..., a i ) = span(v 1, v 2,..., v i ). (2) Az ortogonális V rendszerb l a vektorok normálásával kapott { } v1 v 1, v 2 v 2,..., v k v k rendszer ortonormált. Wettl Ferenc Mer legesség / 40
17 Ortonormált bázis ortogonális mátrix GramSchmidt-ortogonalizáció B v 1 = a 1 span(a 1 ) = span(v 1 ). A span(a 1, a 2 ) = span(v 1, v 2 ) teljesüléséhez: ( ) v1 v 2 = a 2 a 2 v 1 v 1 v 1 = a 2 a 2 v 1 v 1 v 1 v 1 E vektor nem 0-vektor, hisz v 2 = 0 esetén a 2 = a 2 v1 v1 v1 v 1 = a 2 v1 v1 v1 a 1 lenne, azaz a 1 és a 2 nem lenne független. span(a 1, a 2 ) = span(v 1, v 2 )... kiszámoljuk az a i+1 vektornak a span( v 1 v1, v 2 v2,..., v i v i ) altérre mer leges összetev jét, ez lesz v i+1 v i+1 = a i+1 a i+1 v 1 v 1 a i+1 v 2 v 2 a i+1 v i v i v 1 v 1 v 2 v 2 v i v i v i+1 0, különben A nem volna független. v i+1 kifejezhet az a 1, a 2,..., a i+1 vektorok lineáris kombinációjaként, és a i+1 kifejezhet az v 1, v 2,..., v i+1 vektorok lineáris kombinációjaként. Wettl Ferenc Mer legesség / 40
18 Ortonormált bázis ortogonális mátrix GramSchmidt-ortogonalizáció P Keressünk ortonormált bázist az (1, 1, 1, 1), (3, 1, 3, 1), (6, 2, 2, 2) vektorok által kifeszített altérben. M El ször keressünk egy ortogonális bázist: v 1 = (1, 1, 1, 1) (3, 1, 3, 1) (1, 1, 1, 1) v 2 = (3, 1, 3, 1) (1, 1, 1, 1) = (2, 2, 2, 2) (1, 1, 1, 1) (1, 1, 1, 1) (6, 2, 2, 2) (1, 1, 1, 1) v 3 = (6, 2, 2, 2) (1, 1, 1, 1) (1, 1, 1, 1) (1, 1, 1, 1) (6, 2, 2, 2) (2, 2, 2, 2) (2, 2, 2, 2) = (2, 2, 2, 2) (2, 2, 2, 2) (2, 2, 2, 2) Végül az ortonormált bázis: {( 1 2, 1 2, 1 2 2), 1 ( 1, 2, 1 2, 1 ( 1 2 2), 1, 2, 1 2, 1 2 2)}, 1 Wettl Ferenc Mer legesség / 40
19 Ortonormált bázis ortogonális mátrix A QR-felbontás D Legyen A egy teljes oszloprangú mátrix. Az A = QR felbontást QR-felbontásnak vagy redukált QR-felbontásnak nevezzük, ha Q az A-val azonos méret szemiortogonális mátrix, és R négyzetes fels háromszögmátrix, f átlójában pozitív elemekkel. T Teljes oszloprangú valós mátrix QR-felbontása létezik és egyértelm. A Q mátrixot ortonormált oszlopvektorok hozzávételével kiegészíthetjük egy ortogonális mátrixszá, az R mátrixot pedig zérussorok hozzávételével egy m n-es fels háromszögmátrixszá, akkor e mátrixok szorzata is A, ugyanis A = [ ] [ ] R Q ˆQ = QR + ˆQO = QR O Ezt nevezzük teljes QR-felbontásnak. Wettl Ferenc Mer legesség / 40
20 Ortonormált bázis ortogonális mátrix A QR létezése a GramSchmidt-ortogonalizációs eljárásból: A = [a 1 a 2... a k ] R n k teljes oszloprangú (k n), a q-vektorokra: span(a 1,..., a i ) = span(q 1,..., q i ) minden i = 1, 2,..., k értékre, ezért léteznek olyan r ij skalárok, hogy a 1 = r 11 q 1 a 2 = r 12 q 1 + r 22 q 2. a k = r 1k q 1 + r 2k q r kk q k. Ezt mátrixszorzat-alakba írva épp a kívánt felbontást kapjuk: r 11 r r 1k 0 r A = [a 1 a 2... a k ] = [q 1 q 2... q k ] r 2k = QR r kk A GramSchmidt-eljárásból az is látható, hogy r ii = v i, tehát r ii > 0. R kiszámítása: Q T A = Q T QR = I k R = R, tehát R = Q T A. Wettl Ferenc Mer legesség / 40
21 Ortonormált bázis ortogonális mátrix QR-felbontás primitív ortogonális transzformációkkal P QR-felbontását Givens-forgatásokkal: A = M a = 4, b = 3, tehát r = = 5, cos α = 4 /5, sin α = 3 /5 ] ] Q 1 = [ 4 /5 3/5 0 3 /5 4/ Q 1 A = [ Következ lépésben a Q 1 A mátrix harmadik sorának második elemét elimináljuk: ] ] Q 2 = [ /13 12/13. R = Q 2 Q 1 A = 0 12 /13 5/ [ és innen [ 4 ] /5 3 /13 36/65 Q = (Q 2 Q 1 ) 1 = Q T 1 QT 2 = 3/5 4/13 48 /65, 0 12/13 5/13 Wettl Ferenc Mer legesség / 40.
22 Ortonormált bázis ortogonális mátrix QR-felbontás primitív ortogonális transzformációkkal A = Q 1A = 0 0 Q 2Q1A = Q 3Q2Q1A = Q1 = H1 Q2 = 0 0 H2 Q3 = H3 Wettl Ferenc Mer legesség / 40
23 Ortonormált bázis ortogonális mátrix P QR-felbontását Householder-módszerrel: A = M (1, 2, 2) (3, 0, 0) trafóhoz a = (1, 2, 2) (3, 0, 0) = ( 2, 2, 2) Q 1 = I 3 2aaT a T a = = , Q 1 A = (4, 3) (5, 0) transzformációh a = (4, 3) (5, 0) = ( 1, 3) H 2 = I 2 2 Q 2 = a T a aat = /5 3/5 0 3/5 4 /5 [ Q = (Q 2 Q 1 ) 1 = Q T 1 QT 2 = 1 ] 1 5 [ , R = Q 2 Q 1 A = 15 ] = [ ] Wettl Ferenc Mer legesség / 40
24 Ortonormált bázis ortogonális mátrix Egyenletrendszer optimális megoldása QR-felbontással T Legyen A egy teljes oszloprangú m n-es valós mátrix, A = QR egy QR-felbontása, és b egy R m -beli vektor. Ekkor az Ax = b egyenletrendszer egyetlen optimális megoldása ˆx = R 1 Q T b, ami megkapható az Rˆx = Q T b egyenletrendszerb l egyszer visszahelyettesítéssel is. B Optimális megoldás a normálegyenletb l: A T Aˆx = A T b A = QR behelyettesítése után (QR) T QRˆx = (QR) T b R T Q T QRˆx = R T Q T b R T Rˆx = R T Q T b Rˆx = Q T b. Q T Q = I balról szorzás az (R T ) 1 mátrixszal Wettl Ferenc Mer legesség / 40
25 Komplex és véges test feletti terek Komplex vektorok skaláris szorzata? komplex számok skaláris szorzata D lehet ségek: (1, i) (1, i)? = 1 1 = 0 (i, i) (i, i)? = 1 1 = 2 z w = z 1 w 1 + z 2 w z n w n, vagy z w = z 1 w 1 + z 2 w z n w n. D Az A komplex mátrix adjungáltján (vagy Hermite-féle transzponáltján) elemenkénti konjugáltjának transzponáltját értjük. Az A adjungáltját A, vagy Hermite neve után A H jelöli, tehát A H = A T. D z w = z 1 w 1 + z 2 w z n w n = z H w. Wettl Ferenc Mer legesség / 40
26 Komplex és véges test feletti terek Adjungált és a skaláris szorzás tulajdonságai T Legyenek A és B komplex mátrixok, c komplex szám. Ekkor (A H ) H = A, (A + B) H = A H + B H, (ca) H = ca H (AB) H = B H A H. T Legyen u, v, w C n, és legyen c C. Ekkor u v = v u u (v + w) = u v + u w, (cu) v = c(u v) és u (cv) = c(u v), u u > 0, ha u 0, és u u = 0, ha u = 0. D A komplex skaláris szorzás segítségével a valós esethez hasonlóan deniálható a komplex vektorok távolsága és szöge, és így a mer legessége is. Wettl Ferenc Mer legesség / 40
27 Komplex és véges test feletti terek Önadjungált Hermite-féle mátrixok D A önadjungált, ha A H = A. P Melyik önadjungált? 1 i 1 + i i 2 2 3i, 1 i 2 + 3i 3 az els kett [ ] 1 2, 2 3 [ ] i 1 + i, 1 i 1 [ 1 ] 1 + i 1 + i 2 Wettl Ferenc Mer legesség / 40
28 Komplex és véges test feletti terek Unitér mátrixok D Egy komplex négyzetes U mátrix unitér, ha U H U = I. Á Az alábbiak ekvivalensek: UU H = I, U 1 = U H, U oszlopvektorai ortonormált bázist alkotnak a komplex skalárszorzásra nézve, U sorvektorai ortonormált bázist alkotnak a komplex skalárszorzásra nézve, Ux = x minden x C n vektorra, Ux Uy = x y. Wettl Ferenc Mer legesség / 40
29 Diszkrét Fourier-transzformált Fourier-mátrixok M A Fourier-sorok komplex alakja, és részletösszegei (diszkrét Fourier-összeg): n= c n e nit g(t) = N 1 n=0 c n e nit = c 0 +c 1 e it +c 1 e 2it + +c N 1 e (N 1)it Á A (c 0, c 1,..., c N 1 ) (g(0), g( 2π 2(N 1)π ),..., )) leképezés lineáris, N N 2πi és mátrixa mn [e N ] (0 m, n < N). Wettl Ferenc Mer legesség / 40
30 Diszkrét Fourier-transzformált Fourier-mátrixok P A ε = e 2πi 3 jelöléssel y 0 = c 0 + c 1 e i0 + c 2 e 2i0 = c 0 + c 1 + c 2 y 1 = c 0 + c 1 e 2πi 3 + c 2 e 4πi 3 = c 0 + c 1 ε + c 2 ε 2 y 2 = c 0 + c 1 e 4πi 3 + c 2 e 8πi 3 = c 0 + c 1 ε 2 + c 2 ε 4 a (c 0, c 1, c 2 ) (y 0, y 1, y 2 ) leképezés lineáris, mátrixszorzatos alakja: y c 0 y 1 = 1 ε ε 2 c 1 y 2 1 ε 2 ε 4 c 2 Wettl Ferenc Mer legesség / 40
31 Diszkrét Fourier-transzformált Fourier-mátrixok Általánosan: y 0 = c 0 + c 1 e i0 + c 2 e 2i0 + + c N 1 e (N 1)i0 = c 0 + c c N 1 y 1 = c 0 + c 1 e 2πi N. y N 1 = c 0 + c 1 e 2πi(N 1) N + c 2 e 4πi N + + c N 1 e 2(N 1)πi N + c 2 e 4πi(N 1) N + + c N 1 e 2πi(N 1)2 N Az ε = /N e2πi jelöléssel mátrixszorzat-alakban y 0 y 1. =. y N ε ε 2 ε 3 ε N 1 1 ε 2 ε 4 ε 6 ε 2(N 1) 1 ε 3 ε 6 ε 9 ε 3(N 1) ε N 1 ε 2(N 1) ε 3(N 1) ε (N 1)2. c 0 c 1. c N 1 Wettl Ferenc Mer legesség / 40
32 Diszkrét Fourier-transzformált Fourier-mátrixok D Fourier-mátrixok: az ε = /N e2πi, ω = ε = 2πi /N e jelölésekkel: ε... ε N 1 Φ N,ε = V N (1, ε, ε 2,..., ε N 1 ) = ε N 1... ε (N 1) ω... ω N 1 Φ N,ω = V N (1, ω,..., ω N 1 ) = ω N 1... ω (N 1)2 T A Fourier-mátrixok tulajdonságai: Bármelyik Fourier-mátrix k-adik és N k-adik sora egymás konjugáltja, páros N esetén pedig az N /2-edik sorvektor (1, 1, 1, 1,... ). Φ N,ω = Φ N,ε = Φ H N,ε és Φ N,ε = Φ N,ω = Φ H N,ω Φ N,ε Φ N,ω = NI N, így Φ N,ε és Φ N,ω invertálható, továbbá 1 N Φ N,ε és Φ 1 N,ε = 1 N Φ N,ω, Φ 1 N,ω = 1 N Φ N,ε, 1 N Φ N,ω unitér. Wettl Ferenc Mer legesség / 40
33 Diszkrét Fourier-transzformált Diszkrét Fourier-transzformáció M A továbbiakban f (t) = 1 N N 1 n=0 c n e nit függvényb l indulunk ki, a megadott helyek a [0, 2π] intervallumot N részre osztó 2kπ /N (k = 0, 1,..., N 1) pontok. A F N : (c 0, c 1,..., c N 1 ) (y 0, y 1,..., y N 1 ) F N = Φ N,ω, amelyre a továbbiakban az D Diszkrét Fourier-transzformáció (DFT) Az F N : C N C N : x X = F N x Wettl Ferenc Mer legesség / 40
34 Diszkrét Fourier-transzformált Diszkrét Fourier-transzformáció P Az F 1, F 2, F 4 és F 8 mátrixok: [ ] F 1 = [1], F 2 =, F = 1 i 1 i , 1 i 1 i i 1 i 1+i 1+i 1 i 1 i i 1 i 1 i 1 i 1 i 1 i 1+i 1+i 1 i 1 i F 8 = i 1+i 1 i 1 i 1 i 1 i i 1 i 1 i 1 i 1+i 1 i 1 i 2 1+i 2 1 i 2 1 i 2 Wettl Ferenc Mer legesség / 40
35 Diszkrét Fourier-transzformált Diszkrét Fourier-transzformáció T A DFT tulajdonságai Konstans vektor képe impulzusvektor (melynek a nulladikat kivéve mindegyik koordinátája 0), és fordítva, konkrétan F N (c, c,..., c) = (Nc, 0,..., 0), ahol c C tetsz leges konstans. Ha x valós vektor, akkor X N k = X k. F N (c, 0,..., 0) = (c, c,..., c). Az F N transzformáció invertálható, inverze (IDFT) többféle felírásban: x = F 1 N X = 1 N Φ N,εX, x k = 1 N N 1 n=0 X n ε kn = 1 N N 1 n=0 X n e 2πi N kn. Wettl Ferenc Mer legesség / 40
36 Diszkrét Fourier-transzformált Gyors Fourier-transzformáció M DFT kiszámításához N 2 m velet M két fele akkora méret Fourier-transzformációból megkapható: X k = = = = N 1 n=0 N/2 1 n=0 N/2 1 n=0 N/2 1 n=0 x n e N 1 2πi kn N = x 2n e x 2n e n=0 x n ω kn N N/2 1 2πi 2nk N + n=0 2πi N/2 nk 2πi + e N N/2 1 x 2n ω nk + N/2 ωk N n=0 x 2n+1 e N/2 1 k n=0 2πi (2n+1)k N x 2n+1 e 2πi N/2 nk x 2n+1 ω nk N/2 = E k + ω k N O k. E k és O k N/2 szerint periodikusak E k+n/2 = E k, O k+n/2 = O k Innen k < N/2 esetén X k = E k + ωn k O k, X k+n/2 = E k ωn k O k. A m veletigény 3 N log N. 2 Wettl Ferenc Mer legesség / 40
37 Diszkrét Fourier-transzformált Gyors Fourier-transzformáció function FFT(x) N dim(x) X legyen N-dimenziós vektor if N = 1 then X 0 x 0 else y x páros index elemei z x páratlan index elemei Y FFT(y) Z FFT(z) for k 0 to N/2 1 do E Y k 2πi k N Z k O e X k E + O X k+n/2 E O return X Wettl Ferenc Mer legesség / 40
38 Diszkrét Fourier-transzformált Gyors Fourier-transzformáció M FFT mátrixszorzat-alakja F N = N [ FN/2 O O F N/2 ] Π N, Π N az a permutációs mátrix, mely el re veszi a páros index elemeket, N a fél transzformáltakat összeadó, és a páratlan index eket egy ω-hatvánnyal beszorzó mátrix Π 4 = Π = [ ] 4 = i = I2 D 2 I 2 D i = [ I4 D 4 I 4 D 4 Wettl Ferenc Mer legesség / 40 ]
39 Diszkrét Fourier-transzformált Gyors Fourier-transzformáció A mátrixokban szerepl diagonális mátrixok az egységmátrixok, és az ω hatványait tartalmazó D mátrixok, ahol D k = diag(1, ω, ω 2,..., ω k 1 ). Pl. [ ] F4 O F 8 = 8 O F 4 Π 8 [ ] 4 O = 8 O 4 F 2 O O O O F 2 O O O O F 2 O O O O F 2 [ Π4 O O Π 4 ] Π 8. Wettl Ferenc Mer legesség / 40
40 Diszkrét Fourier-transzformált Gyors Fourier-transzformáció Wettl Ferenc Mer legesség / 40
Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Euklideszi tér, ortogonalizáció H607 2018-02-12/03-10
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
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenVektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36
Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás
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
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,
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
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
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
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.
RészletesebbenSzinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35
Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek
Részletesebben1. Az euklideszi terek geometriája
1. Az euklideszi terek geometriája Bázishoz tartozó skaláris szorzat Emékeztető Az R n vektortérbeli v = λ 2... és w = λ 1 λ n µ 1 µ 2... µ n λ 1 µ 1 +λ 2 µ 2 +...+λ n µ n. Jele v,w. v,w = v T u, azaz
RészletesebbenA lineáris algebra forrásai: egyenletrendszerek, vektorok
A lineáris algebra forrásai: egyenletrendszerek, vektorok 2016. február 23. A lineáris algebra forrásai: egyenletrendszerek, vektorok 2016. február 23. 1 / 75 Tartalom 1 Vektor A 2- és 3-dimenziós tér
RészletesebbenAlkalmazott algebra. Lineáris leképezések EIC. Wettl Ferenc ALGEBRA TANSZÉK BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK )
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Lineáris leképezések
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
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
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 Egyenletrendszerek H406 2016-10-03 Wettl Ferenc
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
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
RészletesebbenRang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15
Diszkrét matematika II, 2 el adás Rang, sajátérték Dr Takách Géza NyME FMK Informatikai Intézet takachinfnymehu http://infnymehu/ takach/ 25 február 5 Gyakorlati célok Ezen el adáson, és a hozzá kapcsolódó
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?
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 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
RészletesebbenAlkalmazott algebra - SVD
Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés
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.
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
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
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
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
RészletesebbenBázistranszformáció és alkalmazásai 2.
Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja
RészletesebbenValasek Gábor valasek@inf.elte.hu
Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2013/2014. őszi félév ( Eötvös LorándSzámítógépes TudományegyetemInformatikai Grafika Kar) 2013/2014.
RészletesebbenSaj at ert ek-probl em ak febru ar 26.
Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre
RészletesebbenA KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek
10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix
RészletesebbenLineáris algebra mérnököknek
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Lineáris algebra mérnököknek BMETE93BG20 Sajátérték, sajátvektor, sajátaltér Kf81 2018-11-20
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
RészletesebbenMátrixaritmetika. Tartalom:
Mátrixaritmetika Tartalom: A vektor és mátrix fogalma Speciális mátrixok Relációk és műveletek mátrixokkal A mátrixok szorzása A diadikus szorzat. Hatványozás Gyakorlati alkalmazások Készítette: Dr. Ábrahám
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
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
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,
RészletesebbenBevezetés. 1. fejezet. Algebrai feladatok. Feladatok
. fejezet Bevezetés Algebrai feladatok J. A számok gyakran használt halmazaira a következ jelöléseket vezetjük be: N a nemnegatív egész számok, N + a pozitív egész számok, Z az egész számok, Q a racionális
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
Részletesebben1. 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
RészletesebbenVIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
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....................................................
RészletesebbenSzámítási feladatok a Számítógépi geometria órához
Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát
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
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
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
Részletesebben5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39
5. Előadás (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 1 / 39 AX = B (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 2 / 39 AX = B Probléma. Legyen A (m n)-es és B (m l)-es
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,
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
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,
Részletesebben1. Diagonalizálás. A Hom(V) diagonalizálható, ha van olyan bázis, amelyben A mátrixa diagonális. A diagonalizálható van sajátvektorokból álló bázis.
1 Diagonalizálás Diagonalizálható mátrixok Ismétlés Legyen M,N T n n Az M és N hasonló, ha van olyan A lineáris transzformáció, hogy M is és N is az A mátrixa egy-egy alkalmas bázisban Az M és N pontosan
Részletesebben7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága
7. gyakorlat Lineáris algebrai egyenletrendszerek megoldhatósága Egy lineáris algebrai egyenletrendszerrel kapcsolatban a következ kérdések merülnek fel: 1. Létezik-e megoldása? 2. Ha igen, hány megoldása
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
Részletesebbenrank(a) == rank([a b])
Lineáris algebrai egyenletrendszerek megoldása a Matlabban Lineáris algebrai egyenletrendszerek a Matlabban igen egyszer en oldhatók meg. Legyen A az egyenletrendszer m-szer n-es együtthatómátrixa, és
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
RészletesebbenAlkalmazott algebra - skalárszorzat
Alkalmazott algebra - skalárszorzat Ivanyos Gábor 2011 sz Skalárszorzat Skalárszorzat Ebben a részben: a standard skalárszorzat: u T v = n µ i ν i i=1 és a kapcsolódó lineáris algebra absztrakt tárgyalással
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
RészletesebbenLin.Alg.Zh.1 feladatok
LinAlgZh1 feladatok 01 3d vektorok Adott három vektor ā = (0 2 4) b = (1 1 4) c = (0 2 4) az R 3 Euklideszi vektortérben egy ortonormált bázisban 1 Mennyi az ā b skalárszorzat? 2 Mennyi az n = ā b vektoriális
Részletesebben25 i, = i, z 1. (x y) + 2i xy 6.1
6 Komplex számok megoldások Lásd ábra z = + i, z = + i, z = i, z = i z = 7i, z = + 5i, z = 5i, z = i, z 5 = 9, z 6 = 0 Teljes indukcióval 5 Teljes indukcióval 6 Az el z feladatból következik z = z = =
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
RészletesebbenMatematikai statisztika 1.
Matematikai statisztika 1 segédanyag Daróczi Gergely Szociológia Intézet 2010 Matematikai statisztika 1 01 Mátrixok A mátrix vízszintes vonalban elhelyezked elemei sorokat, függ leges vonalban elhelyezked
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 11 XI LINEÁRIS EGYENLETRENDSZEREk 1 LINEÁRIS EGYENLETRENDSZER A lineáris egyenletrendszer általános alakja: (1) Ugyanez mátrix alakban: (2), ahol x az ismeretleneket tartalmazó
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
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,
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,,
Részletesebben1.1. Vektorok és operátorok mátrix formában
1. Reprezentáció elmélet 1.1. Vektorok és operátorok mátrix formában A vektorok és az operátorok mátrixok formájában is felírhatók. A végtelen dimenziós ket vektoroknak végtelen sok sort tartalmazó oszlopmátrix
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
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
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
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A
RészletesebbenMátrixok. 3. fejezet. 3.1. Bevezetés: műveletek táblázatokkal
fejezet Mátrixok Az előző fejezetben a mátrixokat csak egyszerű jelölésnek tekintettük, mely az egyenletrendszer együtthatóinak tárolására, és az egyenletrendszer megoldása közbeni számítások egyszerüsítésére
RészletesebbenVektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit
Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit 1. A térbeli irányított szakaszokat vektoroknak hívjuk. Két vektort egyenlőnek tekintünk, ha párhuzamos eltolással fedésbe hozhatók.
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
Részletesebben2. gyakorlat. A polárkoordináta-rendszer
. gyakorlat A polárkoordináta-rendszer Az 1. gyakorlaton megismerkedtünk a descartesi koordináta-rendszerrel. Síkvektorokat gyakran kényelmes ún. polárkoordinátákkal megadni: az r hosszúsággal és a φ irányszöggel
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
Részletesebben10. Feladat. Döntse el, hogy igaz vagy hamis. Név:...
1. Feladat. Döntse el, hogy igaz vagy hamis. Név:........................................... (1) (1 3) = (3 1). (hamis) () (1 ) = ( 1). (igaz). Feladat. Döntse el, hogy igaz vagy hamis. Név:...........................................
RészletesebbenA 2014/2015. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA ( SZAKKÖZÉPISKOLA ) Javítási-értékelési útmutató
OktatásiHivatal A 014/01. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA ( SZAKKÖZÉPISKOLA ) Javítási-értékelési útmutató 1. feladat: Adja meg az összes olyan (x,
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 9 IX MÁTRIxOk 1 MÁTRIx FOGALmA, TULAJDONSÁGAI A mátrix egy téglalap alakú táblázat, melyben az adatok, a mátrix elemei, sorokban és oszlopokban vannak elhelyezve Az (1) mátrixnak
RészletesebbenNÉVMUTATÓ. Beke Manó, 17 Bellman, R., 310, 398 Bevilacqua, R., 93 Boros Tibor, 459, 464 Boullion, T. L., 109 Bunyakovszkij, V. J.
NÉVMUTATÓ Beke Manó, 17 Bellman, R., 310, 398 Bevilacqua, R., 93 Boros Tibor, 459, 464 Boullion, T. L., 109 Bunyakovszkij, V. J., 155 157 Cauchy, A. L., 155 157 Cayley, A., 272, 327 Codenotti, B., 93 Cramer,
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban
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
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
Részletesebben5. Előadás. Megyesi László: Lineáris algebra, 29. 36. oldal. 5. előadás Lineáris függetlenség
5. Előadás Megyesi László: Lineáris algebra, 29. 36. oldal. Gondolkodnivalók Vektortér 1. Gondolkodnivaló Alteret alkotnak-e az R n n (valós n n-es mátrixok) vektortérben az alábbi részhalmazok? U 1 =
RészletesebbenMat. A2 3. gyakorlat 2016/17, második félév
Mat. A2 3. gyakorlat 2016/17, második félév 1. Hány megoldása lehet az alábbi lineáris egyenletrendszereknek a valós számok körében, ha a -ok tetszőleges (nem feltétlenül egyenlő) számokat jelölnek? 0
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
Részletesebben6. 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
Részletesebben1. Geometria a komplex számsíkon
1. Geometria a komplex számsíkon A háromszög-egyenlőtlenség A háromszög-egyenlőtlenség (K1.4.3) Minden z,w C-re z +w z + w. Egyenlőség pontosan akkor áll, ha z és w párhuzamosak, és egyenlő állásúak, azaz
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
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
Részletesebben2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma
Mátrixok Definíció Az m n típusú (méretű) valós A mátrixon valós a ij számok alábbi táblázatát értjük: a 11 a 12... a 1j... a 1n.......... A = a i1 a i2... a ij... a in........... a m1 a m2... a mj...
RészletesebbenAlkalmazott algebra. Vektorterek, egyenletrendszerek :15-14:00 EIC. Wettl Ferenc ALGEBRA TANSZÉK
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Vektorterek,
RészletesebbenKódelméleti és kriptográai alkalmazások
Kódelméleti és kriptográai alkalmazások Wettl Ferenc 2015. május 14. Wettl Ferenc Kódelméleti és kriptográai alkalmazások 2015. május 14. 1 / 11 1 Hibajavító kódok 2 Általánosított ReedSolomon-kód Wettl
RészletesebbenLineáris algebrai alapok
Lineáris algebrai alapok Will 2010 június 16 Vektorterek, mátrixok, lineáris egyenletrendszerek A lineáris programozási feladat, szimplex algoritmus Vektorterek Jellemzés: Vektorok tulajdonságai Két vektor
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.
Részletesebben1. Határozzuk meg, hogy mikor egyenlő egymással a következő két mátrix: ; B = 8 7 2, 5 1. Számítsuk ki az A + B, A B, 3A, B mátrixokat!
. Mátrixok. Határozzuk meg, hogy mikor egyenlő egymással a következő két mátrix: [ ] [ ] π a A = ; B = 8 7, 5 x. 7, 5 ln y. Legyen 4 A = 4 ; B = 5 5 Számítsuk ki az A + B, A B, A, B mátrixokat!. Oldjuk
RészletesebbenVektoralgebra feladatlap 2018 január 20.
1. Adott az ABCD tetraéder, határozzuk meg: a) AB + BD + DC b) AD + CB + DC c) AB + BC + DA + CD Vektoralgebra feladatlap 018 január 0.. Adott az ABCD tetraéder. Igazoljuk, hogy AD + BC = BD + AC, majd
Részletesebben