1. Lineáris transzformáció

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1. Lineáris transzformáció"

Átírás

1 Lineáris transzformáció Lineáris transzformáció mátrixának felírása eg adott bázisban: Emlékeztető: Legen B = {u,, u n } eg tetszőleges bázisa az R n -nek, Eg tetszőleges v R n vektor egértelműen felírható v =α u + + α n u n alakban Ekkor azt mondjuk a B bázisban a v vektor koordinátái: α Jelben: v B = α α n α n Az egszerűség kedvéért dolgozzunk most a síkon vagis R -en Legen tehát adott eg F : R R lineáris transzformáció és szintén adott eg bázisa az R -nek B := {u, u } Cél: Meghatározni az F mátrixát a B bázisban Vagis keresünk eg olan -es M mátrixot, amelre a következő teljesül: Minden v R vektorra F (v) B = M v B () Uganez szavakban: keresünk eg olan M mátrixot amellel megszorozva eg tetszőleges v vektornak a B bázisban felírt koordinátáiból álló v B vektort (() jobb oldala) megkapjuk ezen v vektor F lineáris transzformációval vett F (v) képének a B bázisban vett koordinátáiból alkotott F (v) B vektort (() bal oldala) Ezt az M mátrixot hívjuk az F lineáris transzformáció mátrixának a B bázisban

2 tétel Az F : R R lineáris transzformáció mátrixa a B = {u, u } bázisban az a -es M mátrix, melnek első oszlopa: F (u ) B, második oszlopa F (u ) B Jelben: M = F (u ) B, F (u ) B () Uganez szavakban: Az M mátrixot, úg kapjuk, hog megkeressük F (u ) vektornak a B bázisban vett koordinátáiból álló F (u ) B vektort Ez lesz az M első oszlopa Ezután megkeressük F (u ) vektornak a B bázisban vett koordinátáiból álló F (u ) B vektort Ez lesz az M második oszlopa Bizonítás Jelöljük az M = F (u ) B, F (u ) B mátrix elemeit m m M = m m m m Ez azt jelenti, hog F (u ) B = és F (u ) B = Vagis m m F (u ) = m u + m u és F (u ) = m u + m u () Legen v R eg tetszőleges vektor Jelöljük α, α -vel a v koordinátáit α a B bázisban Vagis v B = Ami azt jelenti, hog α v = α u + α u Mivel F eg lineáris transzformáció kapjuk, hog: Behelettesítve a () képletet F (v) = α F (u ) + α F (u ) F (v) = α (m u + m u }{{} ) + α (m u + m u ) }{{} F (u ) F (u ) = (m α + m α ) u + (m α + m α ) u Ez pedig pont azt jelenti, hog m α F (v) B = + m α m α + m α m m = m m }{{} M α α = M α α

3 példa Határozzuk meg a síkon az = x egenesre vonatkozó tükrözés mátrixát a B =, bázisban }{{}}{{} u u Megoldás: A természetes bázisban az = x egenesre tükrözés azt jelenti, hog fel kell cseréli a koordinátákat Vagis a természetes bázisban az F (u ) és F (u ) vektorok: F ( ) = és F ( ) = Ezután kifejezzük ezen vektorokat a B bázisban Ehhez eg az előző előadáson tanult formulát alkalmazzuk a v = F (u ) majd a v = F (u ) vektorokra Ezen formula szerint: Eg v R n vektor koordinátáit a B = {u,, u n } bázisban a következő formula adja: v B = u,, u n v T Vagis felírjuk a P = u, u = mátrixot és képezzük ennek inverzét: P = Ezután az F (u ) vektornak a B bázisbeli koordináta vektorát F (u ) B -t az F (u ) vektornak a T természetes bázisbeli F (u ) T = koordináta vektorából úg kapjuk, hog: 5 F (u ) B = P F (u ) T = = Hasonlóan F (u ) B = P F (u ) T = = 8 5

4 Tehát az F lineáris transzformáció mátrixa a B bázisban: 5 8 M = F (u ) B, F (u ) B = 5 Feladatok Írjuk fel a térben az x = síkra való tükrözés mátrixát! (E: Van kidolgozott megoldás) Írja fel az x + z = síkra való vetítés mátrixát! (E: van rá kidolgozott megoldás) { } x + z = Írjuk fel az egenesre való vetítés mátrixát! = ) 4 Írjuk fel az x = egenesre való tükrözés mátrixát a síkban Mi az (5, ) pont tükörképe? (E:, (, 5)) 5 Írjuk fel annak a lineáris transzformációnak a mátrixát, amel eg térbeli pontot az -tengel körül 6 -al elforgat, majd az x koordináta síkra vetíti (tükrözi) (E:, 6 Határozzuk meg a következő mátrix sajátértékét és saját vektorait: A = (E: i,, és i, ) + i i ) (E: 4

5 { 7 Adottak a B = 4, } és a B = { 4 4, 5 } Tudjuk, hog a v vektor koordinátái a B bázisban: 9 (a) v B = (b) v B = Határozzuk meg mind két esetben a v vektor koordinátáit a B bázisban (E: (a) v B = 7 6 Megoldások 9 8, (b) v B = ) Az = x sík tartalmazza a z tengelt, és z tengelre merőleges egenesei 45 fokot zárnak be az és x tengelekkel Felrajzolva kiderül, hog a rá való tükrözés az eges egségvektorokkal a következőt teszi:,, A transzformáció mátrixa az eredménvektorokból alkotott oszlopokból áll: E mátrix négzete az egségmátrix, determinánsa Ezek a tulajdonságok általában is jellemzőek minden tükrözésre ) Az x + z = azaz z = x sík tartalmazza az tengelt, és az -ra merőleges egenesei szintén 45 fokot zárnak be az x és z tengelekkel A síkra többféleképp lehet vetíteni, mi most meghatározzuk a merőleges vetítés mátrixát A transzformáció a következőt műveli az egségvektorokkal:, 5,

6 Íg a transzformáció mátrixa előáll a három eredménvektorból mint oszlopokból: Mátrixunk négzete megegezik önmagával, és determinánsa nulla, inverze nem létezik Ez általánosan jellemző tulajdonsága a merőleges vetítéseknek, vag másnéven ortogonális projekcióknak Az inverz nem létezése szemléletesen is érthető, hiszen a vetületből nilván nem lehet rekonstruálni, hog mi az, amit vetítettünk (Mint ahog az úthengerelt békából sem lehet visszaállítani az élő példánt) ) A ) feladathoz hasonló transzformáció mátrixát kell felírnunk, az egetlen különbség, hog az = síkban fekvő egenesre való vetítés lenullázza az koordinátát Ezért ennek a vetítésnek a hatása (ha az egenesre való merőleges vetítést tekintjük): A keresett mátrix:,, Ez is tisztességes merőleges vetítésként viselkedik, vagis négzete önmaga, determinánsa nulla, íg nem is invertálható 5) Először meghatározzuk az tengel körüli 6 o -os forgatás mátrixát A forgatás helbenhagja az tengel pontjait, és megforgat mindenkit az x z síkban:, Ezért ez a transzformáció megfelel az, O = 6

7 mátrixnak E mátrix determinánsa, inverze megegezik a transzponáltjával: O O T = O T O = I Ezek általános jellemzői a forgatásokat leíró ún ortogonális forgatásmátrixoknak Az eddig használt módszerrel az x síkra való vetítés mátrixa Az a mátrix, amelik először forgat, aztán vetít az x síkra e kettő szorzatából állítható elő: = Az x síkra való tükrözést írja le a mátrix (Lévén tisztességes tükrözés, ennek determinánsa is -, négzete az egségmátrix) Az a transzformáció, amelik először forgat, majd tükröz, a következő mátrixszal írható le: = Figeljük meg, hog mindkét mátrixszorzásnál fontos volt a mátrixok sorrendje: nem uganazt kapjuk, ha először forgatunk és aztán vetítünk, vag ha először vetítünk és azután forgatunk Szintén más lesz az eredmén, ha először forgatunk és azután tükrözünk, vag ha fordítva járunk el Gram-Schmidt ortogonalizációs eljárás és SVD Konstruáljunk eg ortonormált bázisát annak az R 4 -beli S lineáris altérnek, melet az x + x + x + x 4 = egenlet határoz meg (E: 7

8 végtelen sok megoldás van Választ eg bázisát S-nek (választ független vektort S-ből, úg hog valamilen módon lerögzít koordinátát és az egenletből kiszámítja a negediket) és erre alkalmazza a Gram-Schmidt eljárást) Határozzuk meg a következő mátrixok szinguláris érték felbontását! 4 6 A =, B = E: 4 A = B = Kvadratikus alakok 8 Kúpszeletek: Adott eg kvadratikus alak a következő formában: ax + bx + c + k x + k + d =, a, b, c, k, k, d R (4) Ezt felírhatjuk a x T A x + K x + d = alakban, ahol a b x x + x k }{{} b c k +d = (5) }{{} }{{}}{{} x T K }{{} A x x I lépés: Meghatározzuk az A mátrixnak a λ, λ sajátértékeit és a hozzájuk tartozó egség hosszú u, u sajátvektorokat úg választjuk, hog hog a Q := u, u mátrixra: det(q) = x II lépés: Jelöljük az x := vektornak a B = {u, u } bázisbeli x B x koordinátái vektorát x = -el Ekkor mint tanultuk x x = = x B = Q x (6) 8

9 Vagis x Q x = Q = x = x (7) III lépés: Legen λ D := λ, és K := K Q Ekkor az első fokú rész: K x = K (Q x ) = (K Q) x = K x Használva, hog x T A x = (x ) T D x és K x = K x : = x T A x + K x + d = (x ) T D x + K x + d Tehát λ (x ) + λ ( ) + k x + k + d =, (8) ahol K = k k = k k Q IV lépés: Ekkor Q eg forgatás mátrixa a természetes bázisban Az x Q x lineáris transzformáció az x tengel pozitív felét az u vektor (origóból felmérve), félegenesébe, míg az tengel pozitív felét az u vektor (origóból felmérve), félegenesébe forgatja Az u egenese az új x, koordinátarendszer x tengele és az u egenese az új x, koordinátarendszer tengele V lépés: Az új változók tehát: x = q x + q = q x + q, ahol q q Q = q q VI lépés: Az új x koordináta rendszerben teljes négzetté alakítunk Ez az x koordináta rendszer eltolásaként előálló x rendszert eredménezi amiben felírhatjuk a kúpszeletünket 9

10 x + + x 6 = ( 5 Megoldás: A = 5 ( Példa ), λ = 6, u = ( ), tehát az új változók x = x + ), λ = 4, u =, = x + Ezekkel az új változókkal 6(x ) 4( ) 6 =, átrendezés után (x ) ( ) 4 =, tehát eg +6 fokkal elforgatott hiperboláról van szó

11 ábra x x + x = ( Megoldás: A =, u = ( ), λ = 4, u = ( ), λ = ), tehát az új változók x = x, = x + A lineáris részre pedig K = ( ; ), az új változóknak megfelelő vektor pedig K = KQ = ( ), azaz a képlet az új változókkal

12 4(x ) =, átrendezve = (x ), tehát eg - fokkal elforgatott parabola volt megadva ábra

13 5x x 4 x = ( ) 5, λ 5 = 8, u = Megoldás: A = ( ) ( ), λ =, u =, tehát az új változók x = x +, = x + A lineáris részre K = ( 4 ; 8 ), az új változóknak megfelelő vektor pedig K = KQ = ( ; 4) Íg kapjuk, hog az új változókkal felírt képlet 8(x ) + ( ) x = Ezt most teljes négzetté alakítjuk: 8(x ) + ( ) + 6 =, ezért bevezetjük a még újabb változókat: x = x =, amikkel felírva a képletet kapjuk, hog (x ) + ( ) =, tehát eg ellipszisről 4 beszélünk

14 ábra A feladat megoldása 4 9x + 6 x + + ( + )x + ( ) + 6 = ( ) 9 Megoldás: A =, λ =, u = ( ), tehát az új változók x = ( ), λ =, u = x +, = x + A li- neáris részre K = ( + ; ), az új változóknak megfelelő vektor pedig K = KQ = (4; 4) Íg kapjuk, hog az új változókkal felírt képlet (x ) + 4x = Ezt most teljes négzetté alakítjuk: (x + ) 4( ) =, ezért bevezetjük a még újabb 4

15 változókat: x = x + =, amikkel felírva a képletet kapjuk, hog = (x ), tehát eg parabola volt megadva 4 ábra A 4 feladat megoldása 5 Ekkor A = x + x = (9) A sajátértékek és a hozzájuk tartozó saját- 5

16 vektorok mátrixba rendezve: λ =, λ = és Q := u u = Tehát az új / / / / változókkal: Innen x = x + = x + (x ) + ( ) = (x ) + ( ) ( ) = Vagis a kvadratikus alak ellipszist határoz meg, melnek hosszabb féltengele az u egenesén hosszú, míg a rövidebb féltengele az u egenesén hosszú 5 ábra Az 5 feladat megoldása 6 4x x + 5 }{{} kvadratikus rész 6 5x 6 }{{} első fokú rész = ()

17 Először a kvadratikus részben eltüntetjük az x alakú tagot új változókra való áttéréssel Ehhez a kvadratikus részt x x A alakban írjuk fel, ahol A = 4 5 A sajátértékek és a hozzájuk tartozó sajátvektorok mátrixba rendezve: λ = 9, λ = és Q := u u = Tehát az új x = 9 x 5 9 változókkal ()-ben az első fokú rész: = 5 9 x + 9 4x x + 5 = 9(x ) () 5x 6 = K x, ahol K = 5 6 Amint tanultuk ekkor kiszámoljuk: K = K Q = = 9 Ahonnan 5x 6 = K x x = K = x 9 () 7

18 Ezt ()-al összetéve kapjuk, hog a () egenlet az x rendszerben: 9(x ) 9 = vagis = 9 (x ) 6 ábra A 6 feladat megoldása 7 x 8x }{{} kvadratikus rész x 64 }{{} első fokú rész = () Először a kvadratikus részben eltüntetjük az x alakú tagot új változókra való áttéréssel Ehhez a kvadratikus részt x x A alakban írjuk fel, ahol 4 A = 4 A sajátértékek és a hozzájuk tartozó sajátvektorok mátrixba rendezve: λ =, λ = 4 és Q := u u =

19 Használva, hog x = Q T x, az új x = 7 x = 4 7 x + 7 változókkal () egenlet kvadratikus része: ()-ben az első fokú rész: x 8x = (x ) + 4( ) (4) x 64 = K x, ahol K = 64 Amint tanultuk ekkor kiszámoljuk: K = K Q = = Ahonnan x 64 = K x x = K = 86 7 x (5) Innen és (4)-ből adódik, hog a () egenlet az új koordinátákkal: (x ) + 4( ) 86 7 x = (6) Az x -ös és -ös tagokat csoportosítjuk: 4 4 {}}{{}}{ (x ) 86 x + 4( ) 56 + = (7) 7 7 }{{}}{{} ( ( x + 7 ) 7 ) 9 ( ( ) 49 7 )

20 Mind az teljes négzetté alakítva kapjuk, hog (x ) + 4( ) = 8, ahol x = x + 7 és = Tehát ebben a legújabb x koordináta rendszerben a () egenlet: (x ) ( ) 9 ( ) ( 9 ) = 7 ábra A 7 feladat megoldása 8 x + 6x 4x = (8)

21 Először a kvadratikus részben eltüntetjük az x alakú tagot új változókra való áttéréssel Ehhez a kvadratikus részt x x A alakban írjuk fel, ahol A = A sajátértékek és a hozzájuk tartozó sajátvektorok mátrixba rendezve: λ =, λ = és Q := u u = Használva, hog x = Q T x, az új x = x = x + változókkal (8) egenlet kvadratikus része: x + 6x = (x ) + ( ) (9) (8)-ben az első fokú rész: ahol 4x + 4 = K K = 4 4 Amint tanultuk ekkor kiszámoljuk: K = K Q = 4 4 x, = 6 8 Ahonnan 4x + 4 = K x x = K = 6 x 8 ()

22 Innen és (9)-ből adódik, hog a (8) egenlet az új koordinátákkal: (x ) + ( ) 6 x = () Az x -ös és -ös tagokat csoportosítjuk: 9 7 {}}{{}}{ (x ) 6 x + ( ) 8 +7 = }{{}}{{} (x 9 ) 8 Teljes négzetté alakítás után: ( 7 ) 49 (x ) + ( ) =, ahol x = x 9 = 7 Tehát a (8) egenlet az x koordinátákkal: (x ) + ( ) 5 = Ez tehát eg ellipszis aminek az x koordináta tengelen a féltengel hossza és az koordináta tengelen a féltengel hossza 5 4 Felületi integrál, Gauss-divergencia tétel Legen H = {(x,, z) : x + 9 és z 5} tömör henger Legen A a H henger palastja kifelé mutató normálissal iránítva: A = { (x,, z) : x + = 9 és z 5 } Legen B a henger felülete (tehát a palást és az alsó és felső körlemez egütt) szintén kifelé mutató normálissal Legen F (x,, z) = (x,, z)

23 8 ábra A 8 feladat megoldása (a) Határozzuk meg az FdA =? felületmenti integrált! A (b) Határozzuk meg az FdA =? felületmenti integrált a Gauss divergencia tétel segítségével! B Megoldás (a) Az A felület eg paraméterezése: r(α, z) = ( cos α, sin α, z), α, π, z 5 Az F lokalizálása az A-ra: F(r(α, z)) = i j k (6 cos α, 6 sin α, z) Továbbá: r α r z = sin α cos α = ( cos α, sin α, ) Tehát F(r(α, z)) r α r z = (6 cos α, 6 sin α, z) ( cos α, sin α, ) = 8(cos α+sin α) 8 Tehát FdA = 5 π F(r(α, z)) (r α r z )dαdz = 5 π 8dαdz = 8π A z= α= z= α=

24 (b) Nilván div(f) 6 Tehát Gauss divergencia tételből FdA = div(f)dxddz 6dxddz = 6 térfogat(h) = 6 ( π) = 45π B H H Legen A az z = 6 x felületnek az x sík feletti része a lefelé mutató normálissal iránítva és legen G(x,, z) = (, x, z) Kérdés GdA =?(E: 8π) A 4

Kvadratikus alakok gyakorlás.

Kvadratikus alakok gyakorlás. Kvadratikus alakok gakorlás Kúpszeletek: Adott eg kvadratikus alak a következő formában: ax 2 + 2bx + c 2 + k 1 x + k 2 + d = 0, a, b, c, k 1, k 2, d R (1) Ezt felírhatjuk a x T A x + K x + d = 0 alakban,

Részletesebben

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Vektorterek. =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,

Részletesebben

VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja

VIK 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

Részletesebben

LINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40

LINEÁRIS 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

Részletesebben

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

Kvadratikus 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,

Részletesebben

Vektorok, mátrixok, lineáris egyenletrendszerek

Vektorok, 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.

Részletesebben

Mátrixok 2017 Mátrixok

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

Részletesebben

Matematika A2 vizsga mgeoldása június 4.

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

Részletesebben

Y 10. S x. 1. ábra. A rúd keresztmetszete.

Y 10. S x. 1. ábra. A rúd keresztmetszete. zilárdságtan mintafeladatok: tehetetlenségi tenzor meghatározása, a tehetetlenségi tenzor főtengelproblémájának megoldása két mintafeladaton keresztül Először is oldjuk meg a gakorlatokon is elhangzott

Részletesebben

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola O k t a t á s i H i v a t a l A 017/018. tanévi Országos Középiskolai Tanulmáni Versen második forduló MATEMATIKA I. KATEGÓRIA (SZAKGIMNÁZIUM, SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató 1. Adja meg

Részletesebben

Keresztmetszet másodrendű nyomatékainak meghatározása

Keresztmetszet másodrendű nyomatékainak meghatározása BUDAPEST MŰSZAK ÉS GAZDASÁGTUDOMÁNY EGYETEM Keresztmetszet másodrendű nyomatékainak meghatározása Segédlet a Szilárdságtan c tárgy házi feladatához Készítette: Lehotzky Dávid Budapest, 205 február 28 ábra

Részletesebben

Matematika (mesterképzés)

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

Részletesebben

Számítási feladatok a Számítógépi geometria órához

Számítási 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

Részletesebben

Szinguláris érték felbontás Singular Value Decomposition

Szinguláris 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

Részletesebben

Testek. 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.

Testek. 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

Részletesebben

Matematika szintfelmérő szeptember

Matematika szintfelmérő szeptember Matematika szintfelmérő 015. szeptember matematika BSC MO 1. A faglaltok éjszakáján eg közvéleménkutatásban vizsgált csoport %-ának ízlett az eperfaglalt, 94%-ának pedig a citromfaglalt. A két gümölcsfaglalt

Részletesebben

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010.

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010. MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 00.. Tetszőleges, nem negatív szám esetén, Göktelenítsük a nevezőt: (B). Menni a 0 kifejezés értéke? (D) 0 0 0 0 0000 400 0. 5 Felhasznált

Részletesebben

1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát!

1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát! Függvének Feladatok Értelmezési tartomán ) Adja meg a következő függvének legbővebb értelmezési tartománát! a) 5 b) + + c) d) lg tg e) ln + ln ( ) Megoldás: a) 5 b) + + = R c) és sosem teljesül. d) tg

Részletesebben

1. feladatsor Komplex számok

1. 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

Részletesebben

Felügyelt önálló tanulás - Analízis III.

Felügyelt 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:

Részletesebben

Országos Középiskolai Tanulmányi Verseny 2012/2013 Matematika I. kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások

Országos Középiskolai Tanulmányi Verseny 2012/2013 Matematika I. kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások Országos Középiskolai Tanulmáni Versen / Matematika I kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások Eg papírlapra felírtuk a pozitív egész számokat n -től n -ig Azt vettük észre hog a felírt páros számok

Részletesebben

Többváltozós analízis gyakorlat, megoldások

Többváltozós analízis gyakorlat, megoldások Többváltozós analízis gakorlat, megoldások Általános iskolai matematikatanár szak 7/8. őszi félév. Differenciál- és integrálszámítás alkalmazásai. Határozzuk meg az alábbi differenciálegenletek összes,

Részletesebben

Valasek Gábor Informatikai Kar. 2016/2017. tavaszi félév

Valasek Gábor Informatikai Kar. 2016/2017. tavaszi félév Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2016/2017. tavaszi félév Tartalom 1 Motiváció 2 Transzformációk Transzformációk általában 3 Nevezetes

Részletesebben

Geometria II gyakorlatok

Geometria II gyakorlatok Geometria II gyakorlatok Kovács Zoltán Copyright c 2011 Last Revision Date: 2012. május 8. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát technikával készült, a megjelenés

Részletesebben

Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások

Numerikus 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

Részletesebben

1. Bázistranszformáció

1. 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

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

15. 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

Részletesebben

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Feladatok 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

Részletesebben

Tartalom. Nevezetes affin transzformációk. Valasek Gábor 2016/2017. tavaszi félév

Tartalom. Nevezetes affin transzformációk. Valasek Gábor 2016/2017. tavaszi félév Tartalom Motiváció Számítógépes Grafika Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2016/2017. tavaszi félév Transzformációk Transzformációk általában Nevezetes affin

Részletesebben

Geometria II gyakorlatok

Geometria II gyakorlatok Geometria II gyakorlatok Kovács Zoltán Copyright c 2011 Last Revision Date: 2011. november 29. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát technikával készült, a megjelenés

Részletesebben

A fő - másodrendű nyomatékok meghatározása feltételes szélsőérték - feladatként

A fő - másodrendű nyomatékok meghatározása feltételes szélsőérték - feladatként A fő - másodrendű nomatékok meghatározása feltételes szélsőérték - feladatként A Keresztmetszeti jellemzők című mappa első lakója eg ritkábban látható levezetést mutat be amel talán segít helesen elrendezni

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: dr. Leitold Adrien egyetemi docens Skaláris szorzat az R n vektortérben Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok skaláris szorzata Két R n -beli vektor skaláris szorzata: Legyen a = (a 1,a 2,,a n ) és b

Részletesebben

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris 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

Részletesebben

1. Lineáris leképezések

1. Lineáris leképezések Lineáris leképezések A lineáris leképezés fogalma Definíció (F5 Definíció) Legenek V és W vektorterek UGYANAZON T test fölött Az A : V W lineáris leképezés, ha összegtartó, azaz v,v 2 V esetén A(v +v 2

Részletesebben

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek

Miért 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,

Részletesebben

1.1. Vektorok és operátorok mátrix formában

1.1. 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

Részletesebben

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

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

Részletesebben

Saj at ert ek-probl em ak febru ar 26.

Saj 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

Részletesebben

Lin.Alg.Zh.1 feladatok

Lin.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?

Részletesebben

10.3. A MÁSODFOKÚ EGYENLET

10.3. A MÁSODFOKÚ EGYENLET .. A MÁSODFOKÚ EGYENLET A másodfokú egenlet és függvén megoldások w9 a) ( ) + ; b) ( ) + ; c) ( + ) ; d) ( 6) ; e) ( + 8) 6; f) ( ) 9; g) (,),; h) ( +,),; i) ( ) + ; j) ( ) ; k) ( + ) + 7; l) ( ) + 9.

Részletesebben

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei

Részletesebben

Hajder Levente 2017/2018. II. félév

Hajder Levente 2017/2018. II. félév Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2017/2018. II. félév Tartalom 1 2 3 Geometriai modellezés feladata A világunkat modellezni kell a térben. Valamilyen koordinátarendszer

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek 1) MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egenletek, egenletrendszerek A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

1. Az euklideszi terek geometriája

1. 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

Részletesebben

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István Sajátértékek és sajátvektorok A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris transzformáció Vektorok lineáris transzformációja: általános esetben az x vektor iránya és nagysága

Részletesebben

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében Infobionika ROBOTIKA X. Előadás Robot manipulátorok II. Direkt és inverz kinematika Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében Tartalom Direkt kinematikai probléma Denavit-Hartenberg konvenció

Részletesebben

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

Lineáris 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

Részletesebben

2. Koordináta-transzformációk

2. Koordináta-transzformációk Koordnáta-transformácók. Koordnáta-transformácók Geometra, sámítógép graka feladatok során gakran van arra sükség, hog eg alakatot eg ú koordnáta-rendserben, vag a elenleg koordnáta rendserben, de elmogatva,

Részletesebben

Lin.Alg.Zh.1 feladatok

Lin.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

Részletesebben

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )

Lineáris 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

Részletesebben

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

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak 1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ

Részletesebben

A differenciálegyenlet általános megoldása az összes megoldást tartalmazó halmaz.

A differenciálegyenlet általános megoldása az összes megoldást tartalmazó halmaz. Differenciálegenletek Bevezetés Differenciálegenletnek olan egenletet nevezünk, amelben az ismeretlen eg függvén és az egenlet tartalmazza az ismeretlen függvén (valahánad rendű) deriváltját. Például:

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek 1) MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egenletek, egenletrendszerek A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában

Részletesebben

1. Transzformációk mátrixa

1. Transzformációk mátrixa 1 Transzformáiók mátrixa Lineáris transzformáiók Definíió T test Az A : T n T n függvény lineáris transzformáió, ha tetszőleges v,w T n vektorra és λ skalárra teljesül, hogy A(v + w) A(v) + A(w) és A(λv)

Részletesebben

8. előadás. Kúpszeletek

8. előadás. Kúpszeletek 8. előadás Kúpszeletek Kör A k kört egyértelműen meghatározza C(a,b) középpontja és r sugara. A P pont pontosan akkor van k-n, ha CP=r. Vektoregyenlet: p-c = r. Koordinátás egyenlet: (X-a)2 + (Y-b)2 =

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

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

Részletesebben

18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK

18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK 18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK Kertesi Gábor Világi Balázs Varian 21. fejezete átdolgozva 18.1 Bevezető A vállalati technológiák sajátosságainak vizsgálatát eg igen fontos elemzési eszköz,

Részletesebben

Függvények. 1. Nevezetes függvények A hatványfüggvény

Függvények. 1. Nevezetes függvények A hatványfüggvény Függvének Tétel: Ha az = ϕ() függvén az = f () függvén inverze, akkor = ϕ() függvén grafikonja az = f () függvén képéből az = egenesre való tükrözéssel nerhető. Tétel: Minden szigorúan monoton függvénnek

Részletesebben

Numerikus módszerek 1.

Numerikus módszerek 1. Numerikus módszerek 1. 3. előadás: Mátrixok LU-felbontása Lócsi Levente ELTE IK 2013. szeptember 23. Tartalomjegyzék 1 Alsó háromszögmátrixok és Gauss-elimináció 2 Háromszögmátrixokról 3 LU-felbontás Gauss-eliminációval

Részletesebben

Kidolgozott feladatok a gyökvonás témakörhöz (10.A osztály)

Kidolgozott feladatok a gyökvonás témakörhöz (10.A osztály) 1. Számítsuk ki a következő szorzatok értékét! (a) 3 3 3 (b) 7 3 7 3 1 9. Számítsuk ki a következő hánadosokat! (a) (b) 1 0 1 0 3. Döntsük el, melik szám a nagobb! (a) ( 3) vag ( ) 3 (b) Mivel tudjuk,

Részletesebben

10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak

10. 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:

Részletesebben

= és a kínálati függvény pedig p = 60

= és a kínálati függvény pedig p = 60 GYAKORLÓ FELADATOK 1: PIACI MECHANIZMUS 1. Adja meg a keresleti és a kínálati függvének pontos definícióját! Mikor beszélhetünk piaci egensúlról?. Eg piacon a keresletet és a kínálatot a p = 140 0, 1q

Részletesebben

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény Elemi függvének Tétel: Ha az = ϕ() függvén az = f () függvén inverze, akkor = ϕ() függvén grafikonja az = f () függvén képéből az = egenesre való tükrözéssel nerhető. Tétel: Minden szigorúan monoton függvénnek

Részletesebben

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,

Részletesebben

Gauss-eliminációval, Cholesky felbontás, QR felbontás

Gauss-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

Részletesebben

Transzformációk síkon, térben

Transzformációk síkon, térben Transzformációk síkon, térben Leképezés, transzformáció Leképezés: Ha egy A ponttér pontjaihoz egy másik B ponttér pontjait kölcsönösen egyértelműen rendeljük hozzá, akkor ezt a hozzárendelést leképezésnek

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 8 VIII VEkTOROk 1 VEkTOR Vektoron irányított szakaszt értünk Jelölése: stb Vektorok hossza A vektor abszolút értéke az irányított szakasz hossza Ha a vektor hossza egységnyi akkor

Részletesebben

A Descartes derékszög½u koordinátarendszert az i; j; k ortonormált bázis feszíti ki. Egy

A Descartes derékszög½u koordinátarendszert az i; j; k ortonormált bázis feszíti ki. Egy 8 Görbevonalú koordináták A Descartes derékszög½u koordinátarendszert az i; j; k ortonormált bázis feszíti ki. Egy tetsz½oleges pont helyvektora ebben a bázisban r =xi+yj+zk ahol x; y; z a pont ún. Descartes-féle

Részletesebben

Szinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35

Szinguláris 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

Részletesebben

Gyakorló feladatok I.

Gyakorló 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.,

Részletesebben

Számítógépes geometria

Számítógépes geometria 2011 sz A grakus szállítószalag terv a geometriai (matematikai) modell megalkotása modelltranszformáció (3D 3D) vetítés (3D 2D) képtranszformáció (2D 2D)... raszterizáció A grakus szállítószalag: koncepció

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

9. 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

Részletesebben

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra SZÉCHENYI ISÁN EGYEEM AAMAZO MECHANIA ANSZÉ 6. MECHANIA-ÉGESEEM MÓDSZER EŐADÁS (kidolgozta: Szüle eronika, eg. ts.) I. előadás. okális aroimáció elve, végeselem diszkretizáció egdimenziós feladatra.. Csomóonti

Részletesebben

Lineáris algebra. =0 iє{1,,n}

Lineáris 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

Részletesebben

Numerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4

Numerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4 Numerikus módszerek II. zárthelyi dolgozat, megoldások, 204/5. I. félév, A. csoport. Feladat. (6p) Alkalmas módon választva egy Givens-forgatást, határozzuk meg az A mátrix QR-felbontását! Oldjuk meg ennek

Részletesebben

1. Diagonalizálás. A Hom(V) diagonalizálható, ha van olyan bázis, amelyben A mátrixa diagonális. A diagonalizálható van sajátvektorokból álló bázis.

1. 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

Részletesebben

Haladó lineáris algebra

Haladó lineáris algebra B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc

Részletesebben

Írja át a következő komplex számokat trigonometrikus alakba: 1+i, 2i, -1-i, -2, 3 Végezze el a műveletet: = 2. gyakorlat Sajátérték - sajátvektor 13 6

Írja át a következő komplex számokat trigonometrikus alakba: 1+i, 2i, -1-i, -2, 3 Végezze el a műveletet: = 2. gyakorlat Sajátérték - sajátvektor 13 6 Építész Kar Gakorló feladatok gakorlat Számítsa ki az alábbi komple számok összegét, különbségét, szorzatát, hánadosát: a/ z = i z = i b/ z = i z = - 7i c/ z = i z = i d/ z = i z = i e/ z = i z = i Írja

Részletesebben

Analízis I. zárthelyi dolgozat javítókulcs, Informatika I okt. 19. A csoport

Analízis I. zárthelyi dolgozat javítókulcs, Informatika I okt. 19. A csoport Analízis I. zártheli dolgozat javítókulcs, Informatika I. 0. okt. 9. Elméleti kérdések A csoport. Hogan számíthatjuk ki két trigonometrikus alakban megadott komple szám szorzatát más alakba való átváltás

Részletesebben

Matematika Plus 1 építőmérnök hallgatóknak

Matematika Plus 1 építőmérnök hallgatóknak Matematika Plus építőmérnök hallgatóknak Simon Károly.5. Tartalomjegyzék. I. előadás 3.. Kiegészítés az A-ben tanultakhoz: Determináns....... 3... Elemi sor transzformációk hatása a determinánsra:. 5...

Részletesebben

Az impulzusnyomatékok általános elmélete

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

Részletesebben

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

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

Részletesebben

Denavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás robotra

Denavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás robotra Budapesti M szaki És Gazdaságtudományi Egyetem Gépészmérnöki Kar M szaki Mechanikai Tanszék Denavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás

Részletesebben

Számítógépes Grafika mintafeladatok

Számítógépes Grafika mintafeladatok Számítógépes Grafika mintafeladatok Feladat: Forgassunk a 3D-s pontokat 45 fokkal a X tengely körül, majd nyújtsuk az eredményt minden koordinátájában kétszeresére az origóhoz képest, utána forgassunk

Részletesebben

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és 2015.09.28. és 2015.09.30. 2015.09.28. és 2015.09.30. 1 / Tartalom 1 A valós függvén fogalma 2 A határérték fogalma a végtelenben véges pontban Végtelen határértékek 3 A határértékek kiszámítása A rend

Részletesebben

Kétváltozós függvények ábrázolása síkmetszetek képzése által

Kétváltozós függvények ábrázolása síkmetszetek képzése által Kétváltozós függvének ábrázolása síkmetszetek képzése által ) Ábrázoljuk a z + felületet! Az [,] síkkal párhuzamos síkokkal z c) képzett metszetek körök: + c, tehát a felület z tengelű forgásfelület; Az

Részletesebben

Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához

Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához Feladatsor A differenciálgeometria alapja c. kurzus gyakorlatához Dr. Nagy Gábor, Geometria Tanszék 2010. szeptember 16. Görbék paraméterezése 1. feladat. (A) Bizonyítsuk be a vektoriális szorzatra vonatkozó

Részletesebben

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:. MAv A. csoport Név:... Tekintsük az alábbi mátriot! A 7 a Invertálható-e az A mátri? Ha igen akkor bázistranszformációval határozza meg az inverzét! Ellenőrizze számításait! b Milyen egyéb mátritulajdonságokra

Részletesebben

Gauss elimináció, LU felbontás

Gauss 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

Részletesebben

1.1. Halmazelméleti alapfogalmak

1.1. Halmazelméleti alapfogalmak . Halmazok, relációk, függvének.. Halmazelméleti alapfogalmak... A halmaz fogalma A halmazt a halmazelmélet alapfogalmának tekintjük és ezért nem definiáljuk. Szokás azt mondani, hog a halmaz különböző

Részletesebben

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28

Szinguláris 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

Részletesebben

Térbeli transzformációk, a tér leképezése síkra

Térbeli transzformációk, a tér leképezése síkra Térbeli transzformációk, a tér leképezése síkra Homogén koordináták bevezetése térben A tér minden P pontjához kölcsönösen egyértelműen egy valós (x, y, z) számhármast rendeltünk hozzá. (Descartes-féle

Részletesebben

1. Mit jelent az, hogy egy W R n részhalmaz altér?

1. 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

Részletesebben

Rang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15

Rang, 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

Részletesebben

1. A Hilbert féle axiómarendszer

1. A Hilbert féle axiómarendszer {Euklideszi geometria} 1. A Hilbert féle axiómarendszer Az axiómarendszer alapfogalmai: pont, egyenes, sík, illeszkedés (pont egyenesre, pont síkra, egyenes síkra), közte van reláció, egybevágóság (szögeké,

Részletesebben

Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit

Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit 1. Tekintsünk a térben egy P (p 1, p 2, p 3 ) pontot és egy v = (v 1, v 2, v 3 ) = 0 vektort. Ekkor pontosan egy egyenes létezik,

Részletesebben

A szimplex algoritmus

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

Részletesebben

Matematika szigorlat június 17. Neptun kód:

Matematika 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

Részletesebben

Matematika Plus 1 építőmérnök hallgatóknak

Matematika Plus 1 építőmérnök hallgatóknak Matematika Plus építőmérnök hallgatóknak Simon Károly 27.4. 2 Tartalomjegyzék. I. előadás 5.. Kiegészítés az A2-ben tanultakhoz: Determináns....... 5... Elemi sor transzformációk hatása a determinánsra:.

Részletesebben