9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell
|
|
- Dávid Fodor
- 6 évvel ezelőtt
- Látták:
Átírás
1 9. Előadás Megyesi László: Lineáris algebra, oldal.
2 Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek el. Néhány elemi bázistranszformáció után kaphatjuk-e az alábbi táblázatokat? (A táblázatokat külön-külön kell vizsgálni, nem egymás utáni lépésként.) v 1 e 2 v 3 e e v , v 1 e 2 v 3 e v e , e 3 v 2 e 2 e v v
3 Gondolkodnivalók Mátrix rangja Észrevétel Mivel feltettük, hogy az elemi bázistranszformáció kezdetekor a sorés oszlopindexek sorban helyezkedtek el, így az elemi bázistranszformáció során ha a v j vektort visszük be a bázis e i vektora helyére, akkor a táblázat felső sorában az e i éppen az j. helyen van, oldalt pedig a v j az i. helyen szerepel. v 1 e 2 v 3 e e v Így ez az első táblázat nem fordulhat elő, hiszen ott e 2 szerepel v 2 helyén, azonban a v 2 az e 3 helyén van, és nem az e 2 helyén.
4 Gondolkodnivalók Mátrix rangja Második táblázat: v 1 e 2 v 3 e v e Ebben a táblázatban az indexek helyesen szerepelnek, azonban ez sem kapható meg. Mivel a v 2 vektor került be az e 2 helyére, így generáló elemnek a második sor 2. elemét kellett választani, de ez az elem nem lehet nulla az elemi bázistranszformáció után, hiszen itt a generáló elem reciprokának kell szerepelni.
5 Gondolkodnivalók Mátrix rangja Harmadik táblázat: e 3 v 2 e 2 e v v Az indexek itt is helyesen szerepelnek: e 3 szerepel v 1 helyén, és v 1 az e 3 helyén, valamint e 2 szerepel v 3 helyén, és v 3 az e 2 helyén. Melyik cserét végeztük el utoljára? Mivel az e 2 v 3 cserénél 0 szerepel, ezért ez nem lehetett az utolsó csere (lásd: előző táblázat). Így csak az e 3 v 1 csere lehetett az utolsó. Mi lehetett az előző lépésnél a táblázat? Korábbi gondolkodnivalók között szerepelt az, ha kétszer választunk ugyanazon a helyen generáló elemet, akkor az eredeti táblázatot kapjuk vissza. Ezt felhasználva kapjuk a következőt:
6 Gondolkodnivalók Mátrix rangja e 3 v 2 e 2 e v v v 1 v 2 e 2 e v e Azonban ebben a táblázatban is 0 szerepel a v 3 e 2 cserének megfelelő helyen, így a harmadik táblázatot sem kaphattuk meg elemi bázistranszformáció-sorozat folyamán.
7 Gondolkodnivalók Mátrix rangja 2. Gondolkodnivaló Egy 5 ismeretlenes, 6 egyenletből álló lineáris egyenletrendszer bővített mátrixának determinánsa nem 0. Mit tudunk mondani a megoldásáról? A bővített mátrix 6 6-os, és a determinánsa nem 0. Mivel a mátrix rangja a legnagyobb nem-0 aldeterminánsának rendjével egyezik meg, így ebben az esetben a rang 6. Mennyi lehet az egyenletrendszer együtthatómátrixának a rangja? Mivel 5 ismeretlen van, ezért a mátrixnak 5 oszlopa van, tehát a rangja nem lehet nagyobb 5-nél. Tehát az egyenletrendszer együtthatómátrixának a rangja legfeljebb 5, a bővített mátrixának a rangja pedig 6, így a Kronecker-Capelli tétel szerint az egyenletrendszernek nincs megoldása.
8 Gondolkodnivalók Mátrix rangja 3. Gondolkodnivaló Tekintsük a következő homogén lineáris egyenletrendszert. x 1 + x 3 + x 5 = 0 x 2 + x 4 = 0 Adottak a következő vektorok R 5 -ben u = (1, 1, 1, 1, 2), v = (1, 0, 2, 0, 1), w = (0, 1, 0, 1, 0), x = (1, 2, 2, 2, 1), y = (1, 0, 1, 0, 0). Döntsük el, hogy az alábbi vektorrendszerek bázist alkotnak-e a fenti egyenletrendszer megoldásainak alterében? (a) u, v, w; (b) v, w, x; (c) w, x, y.
9 Gondolkodnivalók Mátrix rangja A homogén lineáris egyenletrendszer bővített mátrixa: ( ) Ez lépcsős alakú mátrix, tehát a homogén lineáris egyenletrendszer rangja r = 2. Mivel az ismeretlenek száma n = 5, így a megoldástere n r = 3 dimenziós. Ez alapján mindhárom vektorrendszer elemszáma megfelelő. (a) u, v, w; Először ellenőrizzük le, hogy a vektorok megoldásai-e az egyenletrendszernek. Az u = (1, 1, 1, 1, 2) vektor esetén = Mivel u nem megoldás, ezért nem eleme a megoldástérnek, így a bázisának sem. Tehát az u, v, w nem bázis.
10 Gondolkodnivalók Mátrix rangja (b) v, w, x; Először ellenőrizzük le, hogy a vektorok megoldásai-e az egyenletrendszernek. Helyettesítsük rendre a v = (1, 0, 2, 0, 1), w = (0, 1, 0, 1, 0) és x = (1, 2, 2, 2, 1) vektorokat = = 0, = = 0, = = 0. Tehát mindhárom vektor eleme a megoldástérnek. A három vektor akkor alkot bázist a három dimenziós megoldástérben, ha lineárisan független
11 Gondolkodnivalók Mátrix rangja Tehát a vektorrendszer rangja 2, így lineárisan függő, nem bázis. (c) w, x, y;. Korábban már láttuk, hogy a w = (0, 1, 0, 1, 0) és x = (1, 2, 2, 2, 1) vektorok megoldásai a homogén lineáris egyenletrendszernek, az y = (1, 0, 1, 0, 0) vektor esetén = = 0, így ez is eleme a megoldástérnek. A vektorok lineáris függetlenségét kell már csak vizsgálni.
12 Gondolkodnivalók Mátrix rangja Tehát a vektorrendszer rangja 3, így lineárisan független. Tehát a w, x, y vektorrendszer bázis lesz a megoldástérben..
13 Definíció Mátrix inverze Legyen A n n-es mátrix. Az A mátrix inverze az A 1 n n-es mátrix, ha AA 1 = A 1 A = E, ahol E az n n-es egységmátrix. Létezés Nem minden n n-es mátrixnak létezik inverze. Legyen A olyan n n-es mátrix, amelynek determinánsa 0. Ekkor a determinánsok szorzástételét felhasználva bármely B n n-es mátrix esetén a következő teljesül: AB = A B = 0. Tehát az AB nem lehet az egységmátrix, bárhogy is választjuk a B-t, így A-nak nincs inverze.
14 Inverz létezése, kiszámítása Tétel Legyen a a 1n A =..... a n1... a nn n n-es mátrix. Ekkor A-nak pontosan akkor létezik inverze, ha determinánsa nem 0. Ha A determinánsa nem 0, akkor az inverze: A 1 = 1 A A 1n. A.... A n1... A nn ahol A ij az i. sor j. eleméhez tartozó adjungált aldeterminánst jelöli. T,
15 Az inverz gyakorlati kiszámítása Az előző tételben megadott módszer az inverz kiszámítására nagyon hosszadalmas: egy n n-es mátrix inverzéhez ki kellene számolni n 2 db n 1 n 1-es determinánst. Ehelyett elemi bázistranszformációval fogjuk számolni a mátrix inverzét. Inverzmátrix kiszámítása elemi bázistranszformációval A mátrixot beírjuk egy táblázatba, majd elemi bázistranszformációkat hajtunk végre, amíg csak tudunk generáló elemet választani. Ha sikerült az összes oszlopvektort bevinni a bázisba, akkor a mátrixnak létezik az inverze, azaz invertálható. A mátrix inverzét megkapjuk, ha sor- és oszlopcserékkel az indexeket rendezzük. FONTOS: most nem szabad elhagyni a bázisból kikerülő vektor oszlopát!!!
16 Inverzmátrix kiszámítása Példa Döntsük el, hogy invertálható-e az alábbi mátrix, ha igen, adjuk meg az inverzét: Beírjuk egy táblázatba a mátrixot, majd elemi bázistranszformációkat hajtunk végre: v 1 v 2 v 3 e e e v 1 v 2 e 2 e v e v 1 e 1 e 2 v v e
17 v 1 e 1 e 2 v v e e 3 e 1 e 2 v v v Vagyis minden vektort sikerült bevinni a bázisba, így a mátrixnak van inverze. Az inverz az utolsó táblázatból olvasható le, ha sor- és oszlopcserékkel rendeztük a táblázatot: e 3 e 1 e 2 v v v e 3 e 1 e 2 v v v e 1 e 2 e 3 v v v
18 Tehát a mátrix inverze: Ellenőrzés: = A mátrix inverze úgy is kiszámolható, hogy a táblázatba a mátrix mellé az egységmátrixot is beírjuk, ebben az esetben a generáló elem oszlopa elhagyható, és a végén csak a sorokat kell rendezni:. v 1 v 2 v 3 e 1 e 2 e 3 e e e e 1 e 2 e 3 v v v
19 Azonosságok Legyen A és B tetszőleges n n-es invertálható mátrix, ekkor 1 (A 1 ) 1 = A, 2 (AB) 1 = B 1 A 1. Bizonyítás: A másodikat bizonyítjuk. Az AB-nek inverze a B 1 A 1, mivel a szorzatuk az egységmátrix: (AB) (B 1 A 1 ) = A (BB 1 ) A 1 = A E A 1 = AA 1 = E. Negatív kitevős hatvány Ha A invertálható mátrix, akkor az inverz létezését felhasználva definiálhatók A negatív kitevős hatványai: A k = (A 1 ) k. A hatványozás korábban megadott azonosságai negatív kitevők esetén is érvényesek maradnak.
20 Mátrixegyenlet
21 Mátrixegyenlet Legyen A n m-es, B pedig n k-as mátrix. Található-e olyan X mátrix, amelyre AX = B? Az X mátrixnak m k-asnak kell lennie ahhoz, hogy az egyenlőség teljesülhessen. Valójában a fenti kérdés k db olyan lineáris egyenletrendszer megoldására vezet, melyeknek együttható mátrixa éppen A, míg a konstansoszlopok rendre éppen B oszlopai. Az ilyen típusú egyenletrendszerek egyszerre is megoldhatók, mégpedig úgy, hogy most az elemi bázistranszformáció során a konstansoszlop helyett a B mátrix szerepel.
22 Mátrixegyenlet megoldása Példa Oldjuk meg az ( mátrixegyenletet. ) ( X = ) Beírjuk a mátrixokat egy táblázatba, balra az A-t, jobbra pedig B-t, majd elemi bázistranszformációkat hajtunk végre: x 1 x 2 x 3 b 1 b 2 b 3 e e x 3 b 1 b 2 b 3 x x
23 Fontos megjegyezni, hogy most az x változók az X megoldásmátrix OSZLOPAIBAN helyezkednek el, és az értéküket úgy határozhatjuk meg, mint az egyenletrendszer megoldása esetén. Tehát ebben az esetben az x 3 szabad változó lesz, így minden oszlop harmadik eleme szabadon megválasztható, a többi érték pedig, mint az egyenletrendszereknél, kifejezhető. Például az második oszlop esetén a jobboldali konstansok közül csak a második oszlopot kell figyelembe venni: x 3 b 2 x 1 1 2, x vagyis X második oszlopának harmadik eleme szabadon választható (b R), az első eleme 2 b, második eleme pedig 1 + b lesz. Hasonlóképpen megadható X többi oszlopa is. Az általános megoldás: 1 a 2 b 1 c X = 2 + a 1 + b 1 + c. a b c
24 Ellenőrzés: ( ) 1 a 2 b 1 c 2 + a 1 + b 1 + c a b c = ( ). Megjegyzés Ahogy a mátrixinverz számításnál már megjegyeztük, az inverz úgy is számítható, hogy az E egységmátrixot az A mellé írjuk. Ez annak felel meg, mintha az AX = E mátrix egyenletet oldanánk meg, ekkor ha megoldható, akkor az X éppen A inverzét adja.
25 Leontyev-modell Tegyük fel, hogy egy gazdaság 3 fő ágazatból áll: mezőgazdaság, ipar és szállítás. Mindegyik ágazatnak 1 egységnyi termék előállításához szüksége van mindhárom ágazat termékeire. Ráfordítási mátrix A gazdaság egy mátrixszal írható le, ezt ráfordítási mátrixnak hívjuk. A mátrix oszlopai mutatják, hogy 1 egységnyi termék előállításához mennyi termékre szükség az egyes ágazatoktól. Példa Ráfordítási mátrix: M I S M I S
26 A ráfordítási mátrixszal kapcsolatban sok kérdés tehető fel: Adott termékmennyiség előállítása során mennyi terméket kell legyártani? "Működőképes"-e a gazdaság? Milyen árak mellett lehet az összprofitot maximalizálni? Milyen egyensúlyi helyzetei vannak a gazdaságnak?
27 Példa Legyen egy gazdaság ráfordítási mátrixa: M I S M I S Szeretnénk előállítani 2 M, 1 I és 3 S terméket. Mennyi terméket kell ehhez összesen előállítani (teljes kibocsátás)? Az egyes ágazatokban előállítandó termékek számát vektorként is megadhatjuk, jelölje ezt p ( a példában p T = (2, 1, 3)), ez az úgynevezett nettó kibocsátás. Jelöljük a ráfordítási mátrixot A-val, ekkor 1 lépésben A p termékre van szükség. A probléma az, hogy ezeknek a termékeknek az előállításához is ismét A Ap termékre van szükség, és így tovább. Így kapjuk a p + Ap + A 2 p + A 3 p +... végtelen sort.
28 Végiggondolható, ha q a teljes kibocsátás, akkor ennyi termék előállításakor Aq terméket használunk fel, és még marad is p termék: q = Aq + p. Tehát q = (E A) 1 p. A példában szereplő ráfordítási mátrix és nettó kibocsátás: A = , p = Ekkor E A = Ennek a mátrixnak kell az inverzét meghatározni..
29 Az E A inverze: (E A) 1 = A teljes kibocsátás így: (E A) 1 p = =
30 Leontyev-inverz Definíció Ha A egy gazdaság ráfordítási mátrixa, akkor az (E A) 1 mátrixot az A mátrix Leontyev-inverzének nevezzük. A Leontyev-inverz mutatja meg, hogy egy-egy termék előállításához összesen mennyi kibocsátásra van szükség. Minél kisebbek az elemei, annál hatákonyabb a gazdaság. Ha valahol negatív értékek szerepelnek benne, az annak a jele, hogy a gazdaság hosszú távon nem működőképes.
31 Példa Működőképes-e az a gazdaság, amelynek ráfordítási mátrixa: A = Ha a Leontyev-inverzben ((E A) 1 -ben) valahol negatív érték szerepel, akkor a gazdaság nem működőképes (E A) 1 = TOTÁLIS KATASZTRÓFA Az ok nyilvánvaló: a gazdaság működése többe kerül, mint amennyit termel. Ilyenkor meg lehet vizsgálni, hogy megmenthető-e a gazdaság, van-e esetleg olyan ágazat, amelynek hatékonyságát kicsit (kis költséggel) növelve, a gazdaság már működőképes.
32 Változtassunk a probléma bemenő adatain egy kicsit, és vizsgáljuk, hogy mennyire változik a végeredmény (ez az úgynevezett érzékenység-vizsgálat). Esetünkben a helyzet menthető: A = (E A) 1 = Ez sem túl hatékony gazdaság, hiszen a mátrix elemei nagyok, de legalább már működőképes..,
33 Profit, költségek A ráfordítási mátrix alkalmas az ágazatonkénti költség és profit meghatározására is. Példa Legyen egy gazdaság ráfordítási mátrixa: A = , és legyen az ágazatok termékeinek árvektora v = ( ). Határozzuk meg az egyes ágazatok egységnyi termékének előállításakor keletkező költséget.
34 A keletkező költség a va képlet segítségével számolható: va = ( ) = ( ) Látható, hogy az első két ágazat ilyen árak mellett veszteséges. Az első ágazat esetén 1 egységnyi árhoz 1.7 egységnyi előállítási költség tartozik, míg a második ágazatnál a 2 egységnyi árhoz 2.2 költség. A harmadik ágazat nyereséges, itt a profit = 1.36 egység. Korábban láttuk, hogy az a gazdaság, amelynek ez az A mátrix a ráfordítási mátrixa nem működőképes. Be lehet bizonyítani, hogy egy gazdaság pontosan akkor működőképes (vagyis mátrixának Leontyev-inverzében nem szerepel negatív szám), ha meg lehet úgy határozni az árakat, hogy semelyik ágazat se legyen veszteséges.
35 Egyensúlyi helyzet - zárt gazdaság Egyensúlyi helyzet esetén öncélú a rendszer: a termelés felemészti az összes terméket. Vagyis adott mennyiségű (p vektor) terméket szeretnénk előállítani, úgy, hogy ehhez éppen p termékre legyen szükség: Ap = p. Ez a mátrixok sajátértékének, sajátvektorának fogalmához vezet. Egy ilyen gazdaság nem igazán működőképes, de ha valahonnan kap megfelelő mennyiségű kezdő terméket, akkor működik, azonban valódi termelésre képtelen.
36 Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris.
37 Gondolkodnivalók Mátrix inverze 2. Gondolkodnivaló Hogyan oldanánk meg XA = B típusú mátrixegyenleteket? Oldjuk meg a következőt: ( ) X =
9. 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
Részletesebben8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer
8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez
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
Részletesebben10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak
10. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás:
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
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
Részletesebben7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció
7. Előadás Megyesi László: Lineáris algebra, 57. 61. oldal. Gondolkodnivalók Bázis, dimenzió 1. Gondolkodnivaló Legyenek a v vektor koordinátái a v 1,..., v n bázisban: (1, α 2,..., α n ). Igazoljuk, hogy
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. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek
3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1
RészletesebbenLineáris algebra. (közgazdászoknak)
Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (3.) 2018/2019. tavaszi félév Lineáris egyenletrendszerek 3.1. Feladat. Oldjuk meg az alábbi lineáris egyenletrendszereket Gauss-eliminációval
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,
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 0. gyakorlat Gyakorlatvezet : Bogya Norbert 202. április 23. Sajátérték, sajátvektor, sajátaltér Tartalom Sajátérték, sajátvektor, sajátaltér 2 Gyakorló feladatok a zh-ra (rutinfeladatok)
Részletesebben11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
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
RészletesebbenMA1143v 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
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
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.
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
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
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
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
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
RészletesebbenLINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak
LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:
RészletesebbenBázistranszformáció és alkalmazásai
Bázistranszformáció és alkalmazásai Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Elmélet Gyakorlati végrehajtás 2 Vektor bevitele a bázisba Rangszámítás Lineáris egyenletrendszer
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,
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
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,
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 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
Részletesebben11. Előadás. Megyesi László: Lineáris algebra, oldal. 11. előadás Kvadratikus alakok, Stratégiai viselkedés
11. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Leontyev-modell, Sajátérték 1. Gondolkodnivaló Határozzuk meg, hogy az x valós paraméter mely értékeire lesz az alábbi A mátrix
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
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix
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. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:
1 Determinánsok 1 Bevezet definíció Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert: a 11 x 1 +a 12 x 2 = b 1 a 21 x 1 +a 22 x 2 = b 2 Szorozzuk meg az első egyenletet
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
RészletesebbenMűveletek mátrixokkal. Kalkulus. 2018/2019 ősz
2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix
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
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
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
Részletesebben12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor
12. előadás Egyenletrendszerek, mátrixok Dr. Szörényi Miklós, Dr. Kallós Gábor 2015 2016 1 Tartalom Matematikai alapok Vektorok és mátrixok megadása Tömbkonstansok Lineáris műveletek Mátrixok szorzása
RészletesebbenLINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL
LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény
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
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
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
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
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
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
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
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
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
RészletesebbenRang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15
Diszkrét matematika II, 2 el adás Rang, sajátérték Dr Takách Géza NyME FMK Informatikai Intézet takachinfnymehu http://infnymehu/ takach/ 25 február 5 Gyakorlati célok Ezen el adáson, és a hozzá kapcsolódó
Részletesebben1. 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
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
RészletesebbenLINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév
LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I éves nappali programtervező informatikus hallgatóknak 2010-2011 évi tanév I félév Vektoriális szorzat és tulajdonságai bizonyítás nélkül: Vegyes szorzat és tulajdonságai
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 (10A103)
Lineáris algebra (10A103 Kátai-Urbán Kamilla Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Megyesi László: Lineáris algebra. Vizsga: írásbeli (beugróval, feltétele a Lineáris algebra gyakorlat
Részletesebbeni=1 λ iv i = 0 előállítása, melynél valamelyik λ i
Az informatikus lineáris algebra dolgozat C részének lehetséges kérdései Az alábbi listában azok az állítások, tételek szerepelnek, melyeket a vizsgadolgozat C részében kérdezhetünk. Azok érnek 6 pontot,
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
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenLineáris Algebra gyakorlatok
A V 2 és V 3 vektortér áttekintése Lineáris Algebra gyakorlatok Írta: Simon Ilona Lektorálta: DrBereczky Áron Áttekintjük néhány témakör legfontosabb definícióit és a feladatokban használt tételeket kimondjuk
RészletesebbenI. VEKTOROK, MÁTRIXOK
217/18 1 félév I VEKTOROK, MÁTRIXOK I1 I2 Vektorok 1 A síkon derékszögű koordinátarendszerben minden v vektornak van vízszintes és van függőleges koordinátája, ezeket sorrendben v 1 és v 2 jelöli A v síkbeli
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
RészletesebbenBevezetés a számításelméletbe (MS1 BS)
Matematika szigorlat - konzultációs szeminárium Azoknak, akik másodszorra vagy többedszerre veszik fel a Matematika szigorlat (NAMMS1SAND) tárgyat. Bevezetés a számításelméletbe (MS1 BS) FŐBB TÉMAKÖRÖK
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
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,
RészletesebbenDiszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek
1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:
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.
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
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 =
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
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
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
RészletesebbenEgyenletek, egyenletrendszerek, matematikai modell. 1. Oldja meg az Ax=b egyenletrendszert Gauss módszerrel és adja meg az A mátrix LUfelbontását,
Egyenletek egyenletrendszerek matematikai modell Oldja meg az A=b egyenletrendszert Gauss módszerrel és adja meg az A mátri LUfelbontását ahol 8 b 8 Oldja meg az A=b egyenletrendszert és határozza meg
RészletesebbenKOVÁCS 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
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
RészletesebbenGauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
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
RészletesebbenElső zárthelyi dolgozat megoldásai biomatematikából * A verzió
Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő
RészletesebbenIrodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0
Irodalom ezek egyrészt el- A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: hangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László: Bevezetés a lineáris algebrába, Polygon
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
RészletesebbenEGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE
Lipécz György* EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE AVAGY A SZÁMÍTÓGÉP-HASZNÁLAT LEHETŐSÉGE A LINEÁRIS ALGEBRA ÉS AZ OPERÁCIÓKUTATÁS ALAPJAINAK OKTATÁSÁBAN " Simplicitassigillum veri"
RészletesebbenLineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport
Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,
Részletesebben1. 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
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
Részletesebben9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz
9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz. Mindkét eliminációs módszer műveletigénye sokkal kisebb, mint a Cramer-szabályé:
RészletesebbenLineáris algebra. (közgazdászoknak) T C T = ( 1 ) ; , D T D =
Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (1.) 2018/2019. tavaszi félév Mátrixok 1.1. Feladat. Legyen A = 1 2 1, B = 1 2 3 1 2 1 1, C = ( 1 2 0 ), D = 1 3 1 1 2 1 ( ) 10/2 0.6 1
Részletesebben12 48 b Oldjuk meg az Egyenlet munkalapon a következő egyenletrendszert az inverz mátrixos módszer segítségével! Lépések:
A feladat megoldása során az Excel 2010 használata a javasolt. A feladat elvégzése során a következőket fogjuk gyakorolni: Egyenletrendszerek megoldása Excelben. Solver használata. Mátrixműveletek és függvények
RészletesebbenLineáris algebra (10A103)
Lineáris algebra (10A103) Kátai-Urbán Kamilla (1. előadás) Mátrixok 2019. február 6. 1 / 35 Bevezetés Előadás Tudnivalók (I.) Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Az előadáson készített
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
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
RészletesebbenMatematika 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
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
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
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.):
Részletesebben5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.
A pivotálás hasznáról és hatékony módjáról Adott M mátrixra pivotálás alatt a következ½ot értjük: Kijelölünk a mátrixban egy nemnulla elemet, melynek neve pivotelem, aztán az egész sort leosztjuk a pivotelemmel.
Részletesebben2. Hogyan számíthatjuk ki két komplex szám szorzatát, ha azok a+bi alakban, illetve trigonometrikus alakban vannak megadva?
= komolyabb bizonyítás (jeleshez) Ellenőrző kérdések 2006 ősz 1. Definiálja a komplex szám és műveleteinek fogalmát! 2. Hogyan számíthatjuk ki két komplex szám szorzatát, ha azok a+bi alakban, illetve
RészletesebbenLineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )
Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor
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
Részletesebben