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

Méret: px
Mutatás kezdődik a ... oldaltól:

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

Átírás

1 10. Előadás Megyesi László: Lineáris algebra, oldal.

2 Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás: Vegyük észre, hogy egy invertálható felső trianguláris mátrix főátlójában csupa 0-tól különböző elem van, különben a determinánsa 0 lenne. Ha az inverzét elemi bázistranszformációval számítjuk, akkor először kiválasztva a főátló első, majd második, stb. elemét, a főátló alatt minden elem 0 marad (ld.: a példát). Ugyanakkor ha elemi bázistranszformációk során minden generáló elemet a főátlóból választunk ki, akkor az indexek nem fognak összekeveredni, így nincs szükség sor- és oszlopcserékre. Tehát az inverz a táblázatban szereplő felső trianguláris mátrix lesz.

3 Gondolkodnivalók Mátrix inverze Például: v 1 v v 3 e e e e 1 v v 3 v e e tehát e 1 e x 3 v v e = e 1 e e 3 v v v ,

4 Az előző előadáson csak az AX = B alakú mátrixegyenletekről volt szó, CSAK azokra működik az az elemi bázistranszformációs megoldás. A transzponálás segítségével visszavezethető egy XA = B típusú mátrixegyenlet egy AX = B típusúra: (XA) T = B T A T X T = B T. Azonban fontos megjegyezni, hogy ekkor az elemi bázitranszformációval kapott mátrixot transzponlálni kell, ahhoz hogy megkapjuk X -et. Gondolkodnivalók Mátrix inverze. Gondolkodnivaló Hogyan oldanánk meg XA = B típusú mátrixegyenleteket? Oldjuk meg a következőt: ( ) X =

5 Gondolkodnivalók Mátrix inverze A feladatban szereplő példa: ( 0 X 1 3 ) 3 = Transzponáljuk: ( ) ( X T = ). x 1 x b 1 b b 3 e e x 1 b 1 b b 3 x e b 1 b b 3 x x 1 1 7

6 Gondolkodnivalók Mátrix inverze b 1 b b 3 x x Nem kaptunk ellentmondást, és nem maradt szabad ismeretlen, így pontosan egy megoldás van. Mivel x 1 és x fordított sorrendben szerepel a táblázatban, úgy kapjuk meg X T -at, ha megcseréljük a táblázat sorait: ( X T 1 7 = ). Az X T mátrixot transzponálva megkapjuk X -et: 1 X = A megoldásunk helyességét célszerű ellenőrizni.

7 Sajátérték, sajátvektor Definíció Az A n n-es mátrixnak sajátértéke a λ valós szám, ha van olyan v R n nem-zérusvektor, melyre A v T = λv T. Definíció Az A n n-es mátrixnak sajátvektora a v R n nem-zérusvektor, ha van olyan λ R valós szám, melyre A v T = λv T. Megjegyzés A definíciókban azért szerepel v T, mert R n elemeit sorvektorokként írjuk, de itt jobbról szorzunk a vektorral egy mátrixot, amit csak akkor tudunk elvégezni, ha oszlopvektorként szerepel.

8 Mátrix sajátértéke, sajátvektora Példa ( ) 1 Az A = mátrixnak sajátértéke a 3, és sajátvektora az (1, ), mert ( ) ( ) ( ) ( ) = = ( 3). 6

9 Sajátértékek meghatározása Az Ax T = λx T feltétel valójában egy homogén lineáris egyenletrendszerre vezet, ugyanis Ax T = λx T (A λe)x T = 0. Azt kell vizsgálni, hogy ennek a homogén lineáris egyenletrendszernek milyen feltételek mellett van nemtriviális megoldása (ugyanis definíció szerint x nem-zérusvektor). Ha A n n-es mátrix, akkor a fenti egyenletrendszer megoldásakor n r db szabad változó marad (ahol r az A λe mátrix rangja). Mivel homogén lineáris egyenletrendszernek pontosan akkor van nemtriviális megoldása, ha van szabad változója, így ez akkor teljesül, ha A λe rangja kisebb, mint n, vagyis ha az A λe mátrix determinánsa 0. Tétel Az A mátrixnak λ pontosan akkor sajátértéke, ha az A λe mátrix determinánsa 0.

10 Definíció Az A xe polinomot az A mátrix karakterisztikus polinomjának nevezzük. Tétel A λ valós szám pontosan akkor sajátértéke az A mátrixnak, ha λ gyöke A karakterisztikus polinomjának. Példa Határozzuk meg a ( ) mátrix sajátértékeit. A mátrix karakterisztikus polinomja: 3 x 1 x = x 3x +. Az x 3x + = 0 egyenlet megoldásai: 1,. Tehát a mátrix sajátértékei: 1,.

11 Példa Határozzuk meg a ( ) mátrix sajátértékeit. Karakterisztikus polinom: 3 x 1 4 x = x 3x + 4. Az x 3x + 4 = 0 egyenlet megoldásánál a diszkrimináns negatív (D = ( 3) = 5), így az x 3x + 4 polinomnak nincs valós gyöke, azaz a mátrixnak nincs valós sajátértéke.

12 Sajátaltér meghatározása Tétel Mátrix adott sajátértékhez tartozó sajátvektorai alteret alkotnak. Ezen altér neve: az adott sajátértékhez tartozó sajátaltér. Tétel Az A mátrix λ sajátértékéhez tartozó sajátalterének egy bázisa éppen az (A λe)x T = 0 homogén lineáris egyenletrendszer egy fundamentális rendszere. Példa Adjuk meg az A = mátrix sajátértékéhez tartozó sajátalterét.

13 Az (A E)x T = 0 homogén lineáris egyenletrendszer: x 1 x x 3 = 5x + 5x 3 x + x 3 x x 3 = Azaz 5x + 5x 3 = 0 x + x 3 = 0 x x 3 = 0. Ennek az egyenletrendszernek egy megoldása: x 1, x 3 szabad változó, és x = x 3. Így a sajátaltér egy bázisa: (1, 0, 0), (0, 1, 1).

14 Ellenőrzés: = = = = 1 0 0,

15 Definíció Kvadratikus alakok Kvadratikus alaknak hívjuk a homogén másodfokú többhatározatlanú polinomokat. Példa A következő polinomok: x 1, x 1 x 1 x + x, x 1 + x 3 x 1 x 3 kvadratikus alakok, hiszen bennük minden tag pontosan másodfokú, de az x 1 x, x 1 x x 3 nem kvadratikus alakok.

16 Kvadratikus alak mátrixa Bármely kvadratikus alak a következőképpen írható: xax T = n n a ij x i x j, i=1 j=1 azonban ha i j, akkor a fenti felírásban a ij x i x j és a ji x j x i is szerepel. Természetes feltenni, hogy a ij = a ji, vagyis a ij és a ji éppen az x i x j szorzat együtthatójának a fele. Ha ezt a feltevést tesszük, akkor a kvadratikus alak mátrixa: a 11 a 1... a 1n a 1 a... a n A = a 1n a n... a nn szimmetrikus mátrix.

17 Példa Az 5x1 3x 1x + 4x 1 x 3 x + 3x x 3 4x3 kvadratikus alak mátrixa: , 3 4 vagyis a mátrix főátlójába kerülnek a négyzetes tagok együtthatói, a többi elem pedig a megfelelelő vegyes tag együtthatójának a fele lesz: például az 1. sor 3. eleme éppen az x 1 x 3 együtthatójának, a 4-nek a fele, de ugyanúgy kerül az 1. oszlop 3. elemébe is. Az xax T a kvadratikus alakot adja vissza: 5 3 x 1 (x 1 x x 3 ) 3 3 x = 3 4 x 3 = 5x1 3x 1x + 4x 1 x 3 x + 3x x 3 4x3.

18 Kanonikus alakra hozás Definíció Az olyan kvadratikus alakokat, melyekben nincs vegyes tag, kanonikus alakú kvadratikus alakoknak nevezzük. Példa Kanonikus alak: x 1 + x x 3 vagy x 1. Egy kvadratikus alak kanonikus alakra hozható a mátrixának felhasználásával is, ha kinullázzuk a kvadratikus alak mátrixának sorait és oszlopait is. Eltérés a Gauss-eliminációhoz képest, hogy itt az oszlopokat és a SOROKAT IS ki kell nullázni, és mindenképpen a mátrix főátlójába eső elemmel.

19 Megengedett lépés A kvadratikus alak mátrixán a következő átalakítás végezhető: a mátrix i. sorának c-szeresét hozzáadjuk a mátrix j. sorához, majd ezután a mátrix i. oszlopának c-szeresét hozzáadjuk a mátrix j. oszlopához. Példa Hozzuk kanonikus alakra az kvadratikus alakot. x 1 x 1 x + 4x 1 x 3 + x x x 3 + x 3 A kvadratikus alak mátrixa:

20 Először a főátló első elemével nullázzuk ki az oszlopát, majd a sorát A következő lépésben a főátló második eleme segítségével nullázzuk ki az oszlopát és a sorát: Tehát a kvadratikus alak (egyik) kanonikus alakja y 1 + y 4y 3. Megjegyzés A kanonikus alakra hozás során a változók száma csökkenhet. Például az x1 + x 1x + x kvadratikus alak (egyik) kanonikus alakja y1.

21 Egy trükk Mi van akkor, ha egy kvadratikus alak mátrixának a főátlójában nincs alkalmas nem-0 elem, amivel ki lehetne nullázni az oszlopát / sorát? Ekkor végre kell hajtani egy speciális átalakítást a mátrixon: keresni kell egy olyan sort, melyben a főátlóban lévő elem 0, viszont van 0-tól különböző elem a sorban, majd ezt a nem-0 elemet be kell vinni a főátlóba a következő példában leírt módon. Példa Határozzuk meg a x 1 + x x 3 kvadratikus alak kanonikus alakját. A mátrixa: Látható, hogy nincs alkalmas "nullázó elem" a főátló. helyén.

22 A következőképpen állíthatunk elő "nullázó elemet": adjuk hozzá a 3. sor felét a. sorhoz, és a 3. oszlop felét is a. oszlophoz: Most már van megfelelő "nullázó elem": Így az (egyik) kanonikus alak: y 1 + y y

23 Tehetetlenségi tétel FONTOS: a kanonikus alak nem egyértelműen meghatározott, valójában a változók "összekeveredhetnek", illetve az együtthatóik is megváltozhatnak (kivéve az előjelüket). Tehetetlenségi tétel Kvadratikus alak kanonikus alakjában a pozitív, illetve negatív együtthatójú négyzetes tagok száma meghatározott. Megjegyzés Ha egy kvadratikus alak (egyik) kanonikus alakja például x 1 + x, akkor nem lehet egy másik kanonikus alakja y 1 y + y 3. Vagyis a kvadratikus alak kanonikus alakjaiban szereplő pozitív, illetve negatív indexek száma a kvadratikus alak egy jellemzője.

24 Kvadratikus alakok osztályozása (értékkészletük szerint) Definíció Egy n változós q kvadratikus alakot pozitív definitnek nevezünk, ha bármely x 1,..., x n esetén q(x 1,..., x n ) 0, és q(x 1,..., x n ) = 0 csak akkor, ha x 1 =... = x n = 0, pozitív szemidefinitnek nevezünk, ha bármely x 1,..., x n esetén q(x 1,..., x n ) 0, és van olyan (x 1,..., x n ) 0, melyre q(x 1,..., x n ) = 0, negatív definitnek nevezünk, ha bármely x 1,..., x n esetén q(x 1,..., x n ) 0, és q(x 1,..., x n ) = 0 csak akkor, ha x 1 =... = x n = 0, negatív szemidefinitnek nevezünk, ha bármely x 1,..., x n esetén q(x 1,..., x n ) 0, és van olyan (x 1,..., x n ) 0, melyre q(x 1,..., x n ) = 0, indefinitnek nevezünk, ha felvesz pozitív és negatív értékeket is.

25 Példa A q = x1 + x kétváltozós kvadratikus alak pozitív definit, hiszen x1 + x 0, és x 1 + x = 0 x 1 = x = 0. Az q = x1 + x 1x + x kétváltozós kvadratikus alak pozitív szemidefinit, hiszen x1 + x 1x + x = (x 1 + x ) 0, ugyanakkor (x 1 + x ) = 0 teljesül, ha x 1 = x pl: q( 1, 1) = 0. A q = x1 3x 1x + x kétváltozós kvadratikus alak indefinit, hiszen q(1, 0) = 1 > 0 és q(1, 1) = 1 < 0.

26 Kvadratikus alakok osztályozása (kanonikus alakjuk szerint) Egy n változós kvadratikus alak pontosan akkor pozitív definit, ha kanonikus alakjában n db pozitív együtthatójú változó van, pozitív szemidefinit, ha kanonikus alakjában csak pozitív együtthatójú változó van, de n-nél kevesebb, negatív definit, ha kanonikus alakjában n db negatív együtthatójú változó van, negatív szemidefinit, ha kanonikus alakjában csak negatív együtthatójú változó van, de n-nél kevesebb, indefinit, ha kanonikus alakjában van pozitív és negatív együtthatójú változó is.

27 Példa Határozzuk meg az x1 + x 1x 3 + x + x x 3 + x3 osztályát. kvadratikus alak A kvadratikus alak mátrixát diagonális alakra hozzuk: Így a kanonikus alak: y1 + y. A kanonikus alakban csak pozitív együtthatók vannak, azonban a változószáma csökkent (3-ról -re), ezért pozitív szemidefinit a kvadratikus alak. Ellenőrzésképpen: ha x 1 = 1, x = 1, x 3 = 1, akkor a kvadratikus alak értéke tényleg 0.

28 Pozitív definit kvadratikus alakok A pozitív definit kvadratikus alakok máshogy is jellemezhetők. Először szükség van a főminor fogalmára: Definíció: Négyzetes mátrix k. főminorán az első k sor, illetve első k oszlop kiválasztásával adódó aldeterminánsát értjük. Példa mátrix főminorai: 1, =, és a teljes determináns, aminek értéke 4 (vegyük észre, hogy n n-es mátrix esetén az 1. főminor mindig a mátrix bal felső eleme, az n. főminor mindig éppen a mátrix determinánsa).

29 Pozitív definit kvadratikus alakok Tétel Egy kvadratikus alak pontosan akkor pozitív definit, ha minden főminora pozitív (azaz nem lehet 0 sem). Példa x 1 3 x 1x + 4x 1 x 3 + 3x + x x x 3 kvadratikus alak pozitív definit, hiszen mátrixa: , 40 melynek főminorai pozitívak:, 3 1 9,

30 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 tartozó sajátaltér egy bázisát. A = α 5 6 α.

31 Gondolkodnivalók Sajátérték, Kvadratikus alak. Gondolkodnivaló Vegyük észre, hogy egy q kvadratikus alak pontosan akkor negatív definit, ha q pozitív definit. Ezt felhasználva adjuk meg a negatív definit kvadratikus alakok jellemzését a mátrixuk főminorai segítségével.

11. Előadás. Megyesi László: Lineáris algebra, oldal. 11. előadás Kvadratikus alakok, Stratégiai viselkedés

11. 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

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

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

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

9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35

9. 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

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

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

11. 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

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

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus

Részletesebben

Lineáris algebra gyakorlat

Lineáris 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)

Részletesebben

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

5. 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

Részletesebben

Mátrixok 2017 Mátrixok

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

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

3. 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

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

Lineáris algebra Gyakorló feladatok

Lineáris 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

Részletesebben

Bázistranszformáció és alkalmazásai 2.

Bázistranszformáció 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

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

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

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

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

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

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

8. 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

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

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

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

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

Részletesebben

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

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

Részletesebben

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

XI 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

Részletesebben

y + a y + b y = r(x),

y + a y + b y = r(x), Definíció 1 A másodrendű, állandó együtthatós, lineáris differenciálegyenletek általános alakja y + a y + b y = r(x), ( ) ahol a és b valós számok, r(x) pedig adott függvény. Ha az r(x) függvény az azonosan

Részletesebben

Matematika elméleti összefoglaló

Matematika elméleti összefoglaló 1 Matematika elméleti összefoglaló 2 Tartalomjegyzék Tartalomjegyzék... 2 1. Sorozatok jellemzése, határértéke... 3 2. Függvények határértéke és folytonossága... 5 3. Deriválás... 6 4. Függvényvizsgálat...

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

7. gyakorlat megoldásai

7. gyakorlat megoldásai 7. gyakorlat megoldásai Komple számok, sajátértékek, sajátvektorok F1. Legyen z 1 = + i és z = 1 i. Számoljuk ki az alábbiakat: z 1 z 1 + z, z 1 z, z 1 z,, z 1, z 1. z M1. A szorzásnál használjuk, hogy

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

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

Gazdasági matematika II.

Gazdasági matematika II. Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2007/8 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2007/8 tanév, II. félév 1 / 186 Félévközi

Részletesebben

Lineáris algebra mérnököknek

Lineáris 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

Részletesebben

1. Homogén lineáris egyenletrendszer megoldástere

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

Részletesebben

Gazdasági matematika II.

Gazdasági matematika II. Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar 2014. február 16. Losonczi László, Pap Gyula (DE, KTK) Gazdasági matematika II. 2014. február

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

Lineáris algebra mérnököknek

Lineáris 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

Részletesebben

i=1 λ iv i = 0 előállítása, melynél valamelyik λ i

i=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,

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

7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció

7. 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

Részletesebben

Gazdasági matematika II.

Gazdasági matematika II. Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2009/10 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/10 tanév, II. félév 1 / 187 Félévközi

Részletesebben

1. Mátrixösszeadás és skalárral szorzás

1. 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

Részletesebben

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Első 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

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

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

11. DETERMINÁNSOK. 11.1 Mátrix fogalma, műveletek mátrixokkal

11. 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

Részletesebben

LINEÁRIS 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 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

Részletesebben

Mátrixok, mátrixműveletek

Mátrixok, 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

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben

Lineáris algebra. (közgazdászoknak)

Lineáris 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

Részletesebben

1. A kétszer kettes determináns

1. A kétszer kettes determináns 1. A kétszer kettes determináns 2 2-es mátrix inverze Tétel [ ] [ ] a c 1 d c Ha ad bc 0, akkor M= inverze. b d ad bc b a Ha ad bc = 0, akkor M-nek nincs inverze. A főátló két elemét megcseréljük, a mellékátló

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

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

12. 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

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

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

Lineáris 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

Részletesebben

1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:

1. 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

Részletesebben

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij.. Biológia alapszak Matematika I A GY 6/7 félév III MÁTRIXOK SAJÁTÉRTÉK-FELADAT III Mátrixok Definíció Számok téglalap alakú táblázatban való elrendezését mátrix nak nevezzük Ha a táblázat m sorból és n

Részletesebben

1. zárthelyi,

1. 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

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

(1) Vektorok koordinátavektora. 1/3. R A {b 1,b 2,b 3 } vektorhalmaz bázis a V R n altérben.

(1) Vektorok koordinátavektora. 1/3. R A {b 1,b 2,b 3 } vektorhalmaz bázis a V R n altérben. Az informatikus lineáris algebra dolgozat A részének főbb témái, pár mintafeladata Az alábbiakban tájékoztató jelleggel fölsoroljuk a vizsgadolgozat A részében szereplő főbb témaköröket néhány mintafeladattal,

Részletesebben

Lineáris egyenletrendszerek

Lineáris 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

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

9. 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 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:

Részletesebben

Gazdasági matematika II.

Gazdasági matematika II. Gazdasági matematika II. Losonczi László, Pap Gyula Debreceni Egyetem Debrecen, 2009/2010 tanév, II. félév Losonczi László, Pap Gyula (DE) Gazdasági matematika II. 2009/2010 tanév, II. félév 1 / 180 Félévközi

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

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

Részletesebben

3. előadás Stabilitás

3. előadás Stabilitás Stabilitás 3. előadás 2011. 09. 19. Alapfogalmak Tekintsük dx dt = f (t, x), x(t 0) = x 0 t (, ), (1) Jelölje t x(t; t 0, x 0 ) vagy x(.; t 0, x 0 ) a KÉF megoldását. Kívánalom: kezdeti állapot kis megváltozása

Részletesebben

9. AZ R k VEKTORTÉR. 9.1 Az R k vektortér fogalma

9. AZ R k VEKTORTÉR. 9.1 Az R k vektortér fogalma 9 AZ R k VEKTORTÉR 91 Az R k vektortér fogalma Definíció A k-dimenziós vektortér nek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x 2,, x k ) sorozatok halmazát, azaz 1 R k

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

Lineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság

Lineáris leképezések, mátrixuk, bázistranszformáció. Képtér, magtér, dimenziótétel, rang, invertálhatóság 1. Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció

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

alakú számot normalizált lebegőpontos számnak nevezik, ha ,, és. ( : mantissza, : mantissza hossza, : karakterisztika) Jelölés: Gépi számhalmaz:

alakú számot normalizált lebegőpontos számnak nevezik, ha ,, és. ( : mantissza, : mantissza hossza, : karakterisztika) Jelölés: Gépi számhalmaz: 1. A lebegőpontos számábrázolás egy modellje. A normalizált lebegőpontos szám fogalma, a legnagyobb, legkisebb pozitív szám, a relatív pontosság az M(t,-k,+k) gépi számhalmazban. Az input függvény (fl)

Részletesebben

Lineáris algebra numerikus módszerei

Lineáris algebra numerikus módszerei Bevezetés Szükségünk van a komplex elemű mátrixok és vektorok bevezetésére. A komplex elemű n-dimenziós oszlopvektorok halmazát C n -el jelöljük. Hasonlóképpen az m n méretű komplex elemű mátrixok halmazát

Részletesebben

Lineáris algebra. Wettl Ferenc, BME , 0.2 változat. Tartalomjegyzék. Geometriai szemléltetés. (tömör bevezetés) Az egyenletek szemléltetése

Lineáris algebra. Wettl Ferenc, BME , 0.2 változat. Tartalomjegyzék. Geometriai szemléltetés. (tömör bevezetés) Az egyenletek szemléltetése Lineáris algebra (tömör bevezetés) Wettl Ferenc, BME 2007-03-24, 02 változat Tartalomjegyzék Geometriai szemléltetés 1 Az egyenletek szemléltetése 1 Az egyenletrendszer vektoregyenlet alakja 2 Egyenletrendszerek

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

Lineáris Algebra. Tartalomjegyzék. Pejó Balázs. 1. Peano-axiomák

Lineáris 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....................................................

Részletesebben

1. Geometria a komplex számsíkon

1. 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

Részletesebben

Lineáris egyenletrendszerek

Lineáris 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,

Részletesebben

3. el adás: Determinánsok

3. 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

Részletesebben

Lineáris algebra gyakorlat

Lineáris 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

Részletesebben

I. VEKTOROK, MÁTRIXOK

I. 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

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

λx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j)

λx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j) Matematika A3 gyakorlat Energetika és Mechatronika BSc szakok, 016/17 ősz 10 feladatsor: Magasabbrendű lineáris differenciálegyenletek (megoldás) 1 Határozzuk meg az e λx, xe λx, x e λx,, x k 1 e λx függvények

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

Matematika III. harmadik előadás

Matematika III. harmadik előadás Matematika III. harmadik előadás Kézi Csaba Debreceni Egyetem, Műszaki Kar Debrecen, 2013/14 tanév, I. félév Kézi Csaba (DE) Matematika III. harmadik előadás 2013/14 tanév, I. félév 1 / 13 tétel Az y (x)

Részletesebben

Diszkrét Matematika II.

Diszkrét Matematika II. Orosz Ágota Kaiser Zoltán Diszkrét Matematika II. példatár mobidiák könyvtár Orosz Ágota Kaiser Zoltán Diszkrét Matematika II. példatár mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Orosz Ágota Kaiser

Részletesebben

A gyakorlati jegy

A gyakorlati jegy . Bevezetés A félév anyaga: lineáris algebra Vektorterek, alterek Függés, függetlenség, bázis, dimenzió Skaláris szorzat R n -ben, vektorok hossza és szöge Lineáris leképezések, mátrixuk, bázistranszformáció

Részletesebben

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

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

Részletesebben

Diszkrét Matematika II.

Diszkrét Matematika II. Bácsó Sándor Diszkrét Matematika II. mobidiák könyvtár Bácsó Sándor Diszkrét Matematika II. mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Bácsó Sándor Diszkrét Matematika II. egyetemi jegyzet mobidiák

Részletesebben

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz

Műveletek 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

Részletesebben

Lineáris algebra (10A103)

Lineáris 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

Részletesebben

Alkalmazott algebra - SVD

Alkalmazott algebra - SVD Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés

Részletesebben

differenciálegyenletek

differenciálegyenletek Állandó együtthatójú lineáris homogén differenciálegyenletek L[y] = y (n) + a 1y (n 1) + + a ny = 0 a i R (1) a valós, állandó együtthatójú lineáris homogén n-ed rendű differenciálegyenlet Megoldását y

Részletesebben

Matematika MSc Építőmérnököknek. Szerző: Simon Károly

Matematika MSc Építőmérnököknek. Szerző: Simon Károly Matematika MSc Építőmérnököknek Szerző: Simon Károly Matematika MSc Építőmérnököknek A jegyzet nagyobb részét Dr. Simon Bakos Erzsébet gépelte Latex szövegszerkesztőben. Tartalomjegyzék 1. Az A-ben tanult

Részletesebben

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Vektorterek. 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

Részletesebben

Gazdasági matematika 2 előadás

Gazdasági matematika 2 előadás Gazdasági matematika 2 előadás Aradi Bernadett 2017/18 tavasz A kurzushoz tartozó oktatási anyagok: https://arato.inf.unideb.hu/aradi.bernadett Aradi Bernadett Gazdasági matematika 2 2017/18 tavasz 1 /

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

Diszkrét matematika I. gyakorlat

Diszkrét matematika I. gyakorlat Vizsgafeladatok megoldása 2012. december 5. Tartalom Teljes feladatsor #1 1 Teljes feladatsor #1 2 Teljes feladatsor #2 3 Teljes feladatsor #3 4 Teljes feladatsor #4 5 Válogatott feladatok 6 Végső bölcsesség

Részletesebben

Lineáris algebra. négyzetes mátrix: n x n-es mátrix oszlop mátrix, oszlop vektor: egyetlen oszlopból áll

Lineáris algebra. négyzetes mátrix: n x n-es mátrix oszlop mátrix, oszlop vektor: egyetlen oszlopból áll Lineáris algebra Def: Def: Mátrix: egy téglalap alakú számtáblázat, minden helyén valós, vagy komplex szám áll A = [a i j n x m n: A sorainak száma, m: A oszlopainak száma négyzetes mátrix: n x n-es mátrix

Részletesebben