Lineáris algebra (10A103)

Hasonló dokumentumok
Lineáris algebra (10A103)

Lineáris algebra (10A103)

Mátrixok, mátrixműveletek

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

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz

1. Mátrixösszeadás és skalárral szorzás

I. VEKTOROK, MÁTRIXOK

Lineáris algebra. (közgazdászoknak) T C T = ( 1 ) ; , D T D =

2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma

Irodalom. (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

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

Lineáris egyenletrendszerek

Mátrixok 2017 Mátrixok

Valasek Gábor

Mátrixok február Feladat: Legyen A = ( ( B =

Vektorok, mátrixok, lineáris egyenletrendszerek

1. Geometria a komplex számsíkon

1. A kétszer kettes determináns

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

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

11. DETERMINÁNSOK Mátrix fogalma, műveletek mátrixokkal

Gauss-eliminációval, Cholesky felbontás, QR felbontás

Matematika A1a Analízis

Hadamard-mátrixok Előadó: Hajnal Péter február 23.

1. A polinom fogalma. Számolás formális kifejezésekkel. Feladat Oldjuk meg az x2 + x + 1 x + 1. = x egyenletet.

KOVÁCS BÉLA, MATEMATIKA I.

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

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

Vektorterek. =a gyakorlatokon megoldásra ajánlott

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

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

DISZKRÉT MATEMATIKA: STRUKTÚRÁK Előadáson mutatott példa: Bércesné Novák Ágnes


3. el adás: Determinánsok

1. fogalom. Add meg az összeadásban szereplő számok elnevezéseit! Milyen tulajdonságai vannak az összeadásnak? Hogyan ellenőrizzük az összeadást?

1. Interpoláció. Egyértelműség Ha f és g ilyen polinomok, akkor n helyen megegyeznek, így a polinomok azonossági tétele miatt egyenlők.

Bevezetés az algebrába 1

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

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

9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz

1. zárthelyi,

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

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga

Budapesti Műszaki Főiskola, Neumann János Informatikai Kar. Vektorok. Fodor János

Bevezetés az algebrába 1

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja

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

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

Diszkrét matematika I. gyakorlat

1. Az euklideszi terek geometriája

A parciális törtekre bontás?

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

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


MATLAB alapjainak áttekintése

DETERMINÁNSSZÁMÍTÁS. Határozzuk meg a 1 értékét! Ez most is az egyetlen elemmel egyezik meg, tehát az értéke 1.

Lineáris egyenletrendszerek Műveletek vektorokkal Geometriai transzformációk megadása mátrixokkal Determinánsok és alkalmazásaik

OpenGL és a mátrixok

1. előadás: Halmazelmélet, számfogalom, teljes

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

Szöveges feladatok a mátrixaritmetika alkalmazására

1. Algebrai alapok: Melyek műveletek az alábbiak közül?

4. feladatsor Mátrixok

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

Meghirdetés féléve 2 Kreditpont Összóraszám (elm+gyak) 2+0

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

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

Gazdasági matematika II. tanmenet

2. gyakorlat. A polárkoordináta-rendszer

1. ábra ábra

Matematikai statisztika 1.

Bodó Bea, Somonné Szabó Klára Matematika 2. közgazdászoknak

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Logaritmus

Lineáris algebra. Közgazdász szakos hallgatóknak a Matematika A2a Vektorfüggvények tantárgyhoz tavaszi félév

Halmazelmélet. 1. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Halmazelmélet p. 1/1

Összeállította: dr. Leitold Adrien egyetemi docens

1. Algebra Elemek Műveletek. Tenzor algebra és analízis Einstein-féle konvencióval

Diszkrét matematika II., 8. előadás. Vektorterek

Matematika elméleti összefoglaló

Typotex Kiadó. Bevezetés

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Vektorok II.

1. Transzformációk mátrixa

összeadjuk 0-t kapunk. Képletben:

2010/2011 es tanév II. féléves tematika

Nagy Gábor compalg.inf.elte.hu/ nagy

17. előadás: Vektorok a térben

A mátrix típusát sorainak és oszlopainak száma határozza meg. Tehát pl. egy 4 sorból és 3 oszlopból álló mátrix 4 3- as típusú.

5. előadás. Skaláris szorzás

6. előadás. Vektoriális szorzás Vegyesszorzat

Matematika (mesterképzés)

2014/2015-ös tanév II. féléves tematika

Összeállította: dr. Leitold Adrien egyetemi docens

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.

Bevezetés a számításelméletbe (MS1 BS)

Numerikus módszerek 1.

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

λ 1 u 1 + λ 2 v 1 + λ 3 w 1 = 0 λ 1 u 2 + λ 2 v 2 + λ 3 w 2 = 0 λ 1 u 3 + λ 2 v 3 + λ 3 w 3 = 0

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

LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév

Programozási módszertan. Dinamikus programozás: szerelőszalag ütemezése Mátrixok véges sorozatainak szorzása

Átírás:

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 teljesítése.

1. Előadás Megyesi László: Lineáris algebra, 42. 46. oldal.

Mátrixok, mátrixműveletek n m-es mátrix: táblázat n sorral és m oszloppal. KEREK zárójelek között. Elemei VALÓS számok. Példa 3 1 0.5 2 0 2 1 1 1 0 0 0 4 3

Jelölés A mátrixokat általában az ABC elejéről vett nagybetűkkel jelöljük (A, B, C... A R 5 6 : 5 sorból és 6 oszlopból álló valós számokat tartalmazó mátrix. A mátrix elemeire általában kisbetűkkel hivatkozunk, például a B mátrix 3. sorának 4. eleme b 34. Az elemeket az oszlopokban fentről lefelé, míg sorokban balról jobbra számozzuk.

Példa Sütöde "termelési" és "árfolyam" mátrixa liszt víz só energia kenyér 0.8 0.3 1.1 2.4 kifli 0.3 0.1 0.4 1.1 zsömle 0.5 0.2 0.6 1.9 dec. 1. dec. 2. dec. 3. liszt 15 13 12 víz 10 11 14 só 23 12 17 energia 9 11 13

Mennyibe került 1 kenyér előállítása dec. 1-én? Egy kenyér előállítása liszt víz só energia kenyér 0.8 0.3 1.1 2.4 kifli 0.3 0.1 0.4 1.1 zsömle 0.5 0.2 0.6 1.9 dec. 1. dec. 2. dec. 3. liszt 15 13 12 víz 10 11 14 só 23 12 17 energia 9 11 13 0.8 15 + 0.3 10 + 1.1 23 + 2.4 9 = 61.9 Ft-ba került. Hasonlóképpen kiszámítható a következő táblázat minden eleme.

liszt víz só energia kenyér 0.8 0.3 1.1 2.4 kifli 0.3 0.1 0.4 1.1 zsömle 0.5 0.2 0.6 1.9 dec. 1. dec. 2. dec. 3. liszt 15 13 12 víz 10 11 14 só 23 12 17 energia 9 11 13 dec. 1. dec. 2. dec. 3. kenyér 61.9 53.3 63.7 kifli 24.6 21.9 26.1 zsömle 40.4 36.8 43.7

Mátrixszorzás Létezés Ha A n m-es, B pedig m k-as mátrix, akkor létezik a szorzatuk, A B, amely n k-as mátrix. Más esetben a szorzat nem létezik. Kiszámítás Ha létezik az A B szorzatmátrix, akkor az i. sorának j. elemét a következőképpen kapjuk: összeszorozzuk A i. sorának elemeit B j. oszlopának megfelelő elemeivel (a szorzótényezők mérete miatt mindkettőnek ugyanannyi, m db eleme van, majd az így kapott számokat összeadjuk.

Példa ( 0 1 2 1 2 3 1 2 0 1 2 3 = ( c11 c 12 c 21 c 22 c 11 = 0 1 + 1 0 + 2 ( 2 = 4 c 12 = 0 2 + 1 ( 1 + 2 3 = 5 c 21 = ( 1 1 + 2 0 + 3 ( 2 = 7 c 22 = ( 1 2 + 2 ( 1 + 3 3 = 5

Példa ( 0 1 2 1 2 3 1 2 0 1 2 3 = ( 4 5 7 5 c 11 = 0 1 + 1 0 + 2 ( 2 = 4 c 12 = 0 2 + 1 ( 1 + 2 3 = 5 c 21 = ( 1 1 + 2 0 + 3 ( 2 = 7 c 22 = ( 1 2 + 2 ( 1 + 3 3 = 5

Mátrixszorzás definíciója Legyen A n m-es, B pedig m k-as mátrix: a 11 a 12... a 1m b 11... b 1k a 21 a 22... a 2m A =......, B = b 21... b 2k..... a n1 a n2... a nm b m1... b mk. Ekkor az A B mátrix n k-as és i. sorának j. eleme: m (A B ij = a it b tj. t=1

Összeadás Létezés Ha A n m-es és B is n m-es mátrix, akkor összeadhatók, és az összegük is n m-es lesz, azaz csak azonos méretű mátrixok adhatók össze. Kiszámítás Az összegmátrix i. sorának j. eleme A i. sora j. elemének és B i. sora j. elemének az összege, azaz a mátrixokat elemenként adunk össze. (A + B ij = a ij + b ij.

Példa 1 2 3 4 2 1 + 2 1 0 1 2 4 = c 11 c 12 c 21 c 22 c 31 c 32 c 11 = 1 + 2 c 12 = ( 2 + ( 1 c 21 = 3 + 0 c 22 = 4 + 1 c 31 = 2 + 2 c 32 = 1 + 4

Példa 1 2 3 4 2 1 + 2 1 0 1 2 4 = 3 3 3 5 4 5 c 11 = 1 + 2 c 12 = ( 2 + ( 1 c 21 = 3 + 0 c 22 = 4 + 1 c 31 = 2 + 2 c 32 = 1 + 4

Mátrix szorzása skalárral Skalár=szám... Létezés Mindig létezik. Kiszámítás Mátrixot úgy szorzunk λ skalárral, hogy minden elemét megszorozzuk λ-val. (λa ij = λa ij.

Példa ( 1 2 3 3 1 0 1 = ( 3 6 9 3 0 3

Példa ( 1 2 3 3 1 0 1 = ( 3 6 9 3 0 3 0.3 2 e 2 0 3 2 2 + 3 1 0 0 = 0 0 0 0 0 0 0 0 0

Transzponálás Létezés Mátrix transzponáltja mindig létezik. Egy n m-es mátrix transzponáltja m n-es. Kiszámítás Az eredeti mátrix sorait beírjuk az oszlopokba. Példa 1 1 2 1 0 0 1 1 1 2 3 4 T = 1 1 1 2 1 0 1 3 2 0 1 4

Műveleti tulajdonságok Az összeadás kommutatív: A + B = B + A. Valamint asszociatív: (A + B + C = A + (B + C. Mit értünk a fentiek alatt? Azt, hogy valahányszor az adott egyenlőség egyik oldala értelmezett, mindannyiszor a másik oldal is, és ekkor a kapott két mátrix megegyezik.

Műveleti tulajdonságok A szorzás asszociatív: (A B C = A (B C. A szorzás disztributív az összeadásra nézve, mindkét oldalról: A (B + C = A B + A C (B + C A = B A + C A.

A SZORZÁS NEM KOMMUTATÍV!!! 1. eset Előfordulhat, hogy A B létezik, de B A nem. Példa ( 1 1 ( 1 0 1 1 = ( 2 1, de ( 1 0 1 1 ( 1 1 NEM LÉTEZIK

A SZORZÁS NEM KOMMUTATÍV!!! 2. eset Előfordulhat, hogy A B és B A is létezik, de különböző méretűek. Példa de ( 1 2 ( 1 2 ( 1 2 = 2 4 ( 1 2 ( 1 2 = ( 3,

A SZORZÁS NEM KOMMUTATÍV!!! 3. eset Ha A B és B A is létezik, és ráadásul egyforma méretűek, akkor sem biztos, hogy egyenlők. Példa ( 1 1 2 1 ( 1 2 1 1 = ( 2 1 1 5, de ( 1 2 1 1 ( 1 1 2 1 = ( 3 3 3 0.

Műveleti tulajdonságok alkalmazása Tetszőleges A, B n n-es mátrixokra: (A + B 2 = (A + B (A + B = (A + B A + (A + B B = = A 2 + B A + A B + B 2. De a szorzás nem kommutatív, így A 2 + B A + A B + B 2 A 2 + 2 A B + B 2.

Azonosságok Hatványozás azonosságai A szorzás asszociativitása miatt a következők érvényesek tetszőleges A n n-es mátrixokra: A n A m = A n+m, (A n m = A nm. Transzponálás azonosságai Tetszőleges A n k-as és B k m-es mátrixra érvényesek: (A T T = A, (A B T = B T A T.

Szimmetrikus mátrix Definíció Egy mátrix szimmetrikus, ha megegyezik a transzponáltjával. A T = A. Példa 1 1 2 1 0 4 2 4 3 Természetesen minden szimmetrikus mátrix négyzetes, azaz n n-es.

Trianguláris mátrix Definíció Egy n n-es mátrixot triangulárisnak nevezünk, ha a főátlója alatt (vagy felett minden elem 0. Példa Felső trianguláris mátrix 1 2 3 0 0 3 2 3 0 0 2 3 0 0 0 4

Trianguláris mátrix Definíció Egy n n-es mátrixot triangulárisnak nevezünk, ha a főátlója alatt (vagy felett minden elem 0. Példa Alsó trianguláris mátrix 1 0 0 0 2 3 0 0 4 0 2 0 0 1 2 4

Diagonális mátrix Definíció Egy n n-es mátrixot diagonálisnak nevezünk, ha csak a főátlójában lehetnek 0-tól különböző elemek. Példa 1 0 0 0 0 3 0 0 0 0 2 0 0 0 0 4

Diagonális mátrix Definíció Egy n n-es mátrixot diagonálisnak nevezünk, ha csak a főátlójában lehetnek 0-tól különböző elemek. Példa2 1 0 0 0 0 0 0 0 0 0 2 0 0 0 0 4

Egységmátrix Definíció Az n n-es egységmátrix az a mátrix, amelynek főátlójában végig 1-esek, mindenhol máshol 0-k vannak. Jele: E n. Példa E 3 = 1 0 0 0 1 0 0 0 1 Az egységmátrix a szorzásra nézve úgy viselkedik, mint az 1 a valós számok szorzására nézve: bármely A n n-es mátrix esetén E n A = AE n = A.

Zérómátrix Definíció Az n n-es zérómátrix az a mátrix, amely csak 0-kat tartalmaz. Jele: Z n. Példa Z 3 = 0 0 0 0 0 0 0 0 0 A zérómátrix a szorzásra nézve úgy viselkedik, mint a 0 a valós számok szorzására nézve: bármely A n n-es mátrix esetén Z n A = AZ n = Z n.

Mátrixok blokkokra bontása Egy mátrix felfogható úgy is, mintha több kisebb mátrixból állna, azaz a mátrixok blokkokra bonthatók. Példa A = 2 3 1 1 1 0 2 3 2 1 1 4 1 2 2 1 1 0 0 1 2 3 4 5

Mátrixok blokkokra bontása Az előző mátrix négy blokkja négy kisebb mátrix: 2 3 1 1 1 0 A 11 = 2 3 2 1 A 12 = 1 4 1 2 2 1 1 0 A 21 = ( 0 1 2 3 A 22 = ( 4 5 Az előző mátrix így is írható a kis mátrixok segítségével: ( A11 A 12. A 21 A 22

Mátrixok blokkokra bontása Blokkokra bontott mátrixokat is a szokásos módon szorzunk össze. Ha A és B a következőképpen bomlanak blokkokra: ( ( A11 A A = 12 B11 B, B = 12, A 21 A 22 B 21 B 22 akkor a szorzatuk: ( A11 B A B = 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22. Természetesen ekkor az eredményt is blokkokra bontott alakban kapjuk.

Mátrixok blokkokra bontása ( A11 B A B = 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22. Mivel A 11, B 11, A 12, B 12,... nem valós számok, hanem mátrixok, így nem mindig szorozhatók össze. Azaz nem mindegy, hogy A és B felbontásában a blokkokat milyen méretűre választjuk. Rossz felbontás esetén előfordulhat, hogy a két mátrixot nem lehet blokkosan összeszorozni.

Mátrixok blokkokra bontása Példa Szorozzuk össze a mátrixokat blokkosan 2 1 3 1 4 1 2 0 0 0 0 5 0 1 1 0 2 3 0 4 1 2 0 1. Jelöljük a mátrixok blokkjait: 2 1 3 1 4 1 2 0 0 0 0 5 = ( A11 A 12 A 21 A 22, 0 1 1 0 2 3 0 4 1 2 0 1 = ( B11 B 12 B 21 B 22

Ekkor a szorzat: ( A11 B 11 + A 12 B 21 A 11 B 12 + A 12 B 22 A 21 B 11 + A 22 B 21 A 21 B 12 + A 22 B 22, azaz = 2 1 3 1 4 1 2 0 0 0 0 5 0 1 1 0 2 3 0 4 1 2 0 1 = ( ( ( ( 0 2 12 2 0 1 + + ( 0 ( 0 14 ( 1 ( 0 0 0 + 10 0 0 + 0 5 = 2 12 1 0 14 1 10 0 5. =

Gondolkodnivalók Mátrixok 1. Gondolkodnivaló Legyen A tetszőleges n k méretű mátrix. Adjunk meg olyan P, illetve Q mátrixokat, melyekre a PAQ szorzat egy olyan 1 1-es mátrix, mely az A mátrix i. sorának j. elemét tartalmazza.

Gondolkodnivalók Mátrixok 2. Gondolkodnivaló Adjuk meg azokat az A R 2 2 mátrixokat, amelyekre A 2 = 0, ahol a 0 a 2 2-es zérómátrixot jelöli.

Gondolkodnivalók Mátrixok 3. Gondolkodnivaló Elemezzük az (AB 3 = A 3 B 3 egyenlőséget értelmezhetőség szempontjából, azaz: Előfordulhat-e, hogy a bal oldal létezik, de a jobb nem? Előfordulhat-e, hogy a jobb oldal létezik, de a bal nem? Előfordulhat-e, hogy mindkét oldal létezik, de különböző méretűek?

Gondolkodnivalók Mátrixok 4. Gondolkodnivaló Számítsuk ki az alábbi mátrixot: ( n 1 1, ahol n N. 0 1