Bilgisayar Mühendisli inde Matematik Uygulamalar Ders Notlar Prof.Dr. Adnan Kavak
|
|
- Aysel Kunter
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Bilgisayar Mühendisli inde Matematik Uygulamalar Ders Notlar Prof.Dr. Adnan Kavak
2
3 çindekiler Bölüm 5. Ortagonal Alt Uzaylar zdü³üm Matrisi(Projection Matrix) Vektör zdü³ümü Ev Ödevi Sorusu Gram-Schmidt Dikle³tirme Prosedürü Ev Ödevi Sorusu Örnek Range Space Of A Matrix(Bir Matrisin De er Uzay ) Bo³ Uzay(NULL Space) Baz Önemli Matris Ayr³trmalar A=mxm ise A->mxn matris ise m>n LU Matris ayr³trmas Cholesky Matris ayr³trmas QR ayr³trmas EigenValue Decomposition (EVD) Veya Singular Value Decomposition (SVD) LU Ayr³trmas Ve Denklem Sistemi Çözümü Bölüm LU Ayr³trmas Pivot Seçme le LU Ayr³trmas Bölüm 2. EigenValue Decomposition(Özde er Ayr³trmas) Özde er Ve ÖzVektör Nasl Bulunur? ÖzVektörlerin(EigenVectors)Lineer Ba mszl? Matrisin Ayr³trlmas Özde er Ve Özvektörlerden Matris Olu³turma Self-Adjoint Matrislerin Kö³egenle³tirilmesi
4 .5 EVD Uygulamalar Korelasyon Matrisi Özellikleri Bölüm4 4. QR Ayr³trmas Niçin QR? HouseHolder Dönü³ümü: QR Yöntemi le Denklem Sistemi Çözümü Matlab Örne i Bölüm Optimizasyon(En yileme) Ko³ullu (Constraint) Optimizasyon Ara Snav Çözümleri
5 Bölüm Bölüm. Ortagonal Alt Uzaylar ekil.: Ortagonal Alt Uzay X X = X 2 X S S = R V S V = W W = V 5
6 X ve W ortagonal altuzaylardr. X vektoru S'de bir vektordur. X v V altuzayinda X in izdü³üm vektörüdür. X w W altuzayinda X in izdü³üm vektörüdür... zdü³üm Matrisi(Projection Matrix) P, P 2, P P n V altuzayn tarayan ( span ) vektörleri olsun X v = C P + C 2 P 2 + C P + + C n P n A m n = [ P P 2 P P n ] P v = A m n (A H m na m n ) A H m n> izdü³üm matrisi..2 Vektör zdü³ümü [ ] a = x = 2 a x =? [ ] y = [ ] < a, x >= a T x = [ 2 ] [ ] =
7 [ ] a x = x = a y =? < a, y >= a T y = [ 2 ] [ ] = 2 [ ] a y = 2 y = 2 < a, x >= a x cos(θ) = a cos(θ) yandaki ifadede x = dir... Ev Ödevi Sorusu Ev ödevi sorusu a³a daki gibidir : ekil.2: Ev Ödevi Sorusu V A v = [ P P 2 ] P Av = W A w = [ P 2 P ] P Aw = X v = P Av X X w = P Aw X
8 .2 Gram-Schmidt Dikle³tirme Prosedürü a ve b'yi kullanarak birbirine dik vektörler nasl olu³turulur? q =, q 2 = - b nin q üzerindeki bile³eni 2- e b nin 'den fark vektörü - q 2 e 'in normalize edilmi³ hali Algoritma: T = P, P 2,, P n vektörleri için birbirine dik olan T = q, q 2,, q k k n < q i, q j >= q T i q j = δ ij δ ij = { i=j ise i j ) q = p p p = (p T p ) 2
9 2) 2 =< p 2, q > q 2 p 2nin q üzerindeki izdü³ümü e 2 = p 2 2 q 2 = e 2 e 2. k.admda e k = p k k i= < p k, q i > q i q k = e k e k.2. Ev Ödevi Sorusu 4 P = 2, P 2 = 4, P =, P 4 = P,P 2,P ve P 4 'ü kullanarak Gram-Schmidt yöntemiyle birbirine dik olan vektörleri bulunuz?
10 .2.2 Örnek < x(t), y(t) >= 2T x(t)y(t)dt x(t) = (< x(t), x(t) >) 2
11 . Range Space Of A Matrix(Bir Matrisin De- er Uzay ) A = [ P P 2 P m ] x x 2 A x = y x =. x m Rm y = x P + x 2 P x m P m x Örnek: A = x = x 2 x x A x = x + x 2 + x = = y x + x y vektörü, vektörlerinin lineer birle³imidir. R(A)= span{, },R(A) de er uzaydr.
12 .. Bo³ Uzay(NULL Space) = Ax = i³lemini sa layan x vektörüne A'nn bo³ uzay(null space) denir.n(a) ile gösterilir. Örnek: Yukardaki A matrisi için : x x 2 = x x =, x + x = x = x 2 herhangi bir α de eridir N(A) = span{ α }.4 Baz Önemli Matris Ayr³trmalar Ax = b denklem sistemi için.4. A=mxm ise Klasik yöntem:x = A b Baz durumlarda A almak oldukça zor ve karma³k bir i³lem. O(m ) polinom derecesi en fazla m olan sayda (+)ve (*) i³lemi gerekir..4.2 A->mxn matris ise m>n Ax = b (A H n m A m n )x n = A H n mb m x = (A H A) A H b (A H A) A H A : A'nn pseduo-inxers
13 .4. LU Matris ayr³trmas A:m m kare matris,a = L U x L = = Lower-Triangular(alt üçgensel) x.... x... x m m x x x x x x x U = = Upper-Triangular(üst üçgensel).... x... x m m Uygulamas:Ax = b denklem sistemi çözümünde kullanlr.(e er A:m*m ise).4.4 Cholesky Matris ayr³trmas A= simetrik, pozitif-denite bir matris ise A m m x T Ax > x R n vektör ise A pozitif denite bir matris < x, Ax >= x T Ax y = Ax x A = LDL H x,d kö³egen D = x Cholesky ayr³trmas a³a daki gibidir: { A = UDU H A = LDL H Uygulamas:Kestirim ve Kalman ltresi problemlerinin çözümünde.4.5 QR ayr³trmas A : m n kare olmayan bir matris ise A m n x n = b m A = QR Q unitary bir matris Q H Q = I = R = üst-üçgense bir matris ancak kö³egendeki de erler de il
14 Ax = b Q R x = b Q H Q } {{ } Rx = QH b }{{} I R x= c çözümü Ax = b ' ye göre daha kolay.5 EigenValue Decomposition (EVD) Veya Singular Value Decomposition (SVD) A : m m kare = EVD A : m n kare de il = SVD SVD: A = U V H Λ Λ 2 = Λ n n n Λ i : singular(tekil)de erler U = m n= unitary U H U = I n n V H = m n= unitary V V H = I n n Uygulama:Sinyal i³leme, haberle³me, kestirim vs
15 Kullanc yönü Q i i =, 2,, N.6 LU Ayr³trmas Ve Denklem Sistemi Çözümü A m m x m = b m A = L U LUx = b Ux = y Ly = b = y = x l y b l 2 l 22 y = b 2. l m l m2 l mm y m b m y = b l l = y = b l 2 y + l 22 y 2 = b 2 y 2 = b 2 l2 y = b 2 l2 y l 22 = l 22 ( y j = b j ) j i= l ji y i j = 2,, 4,, m forward substitution (ileri yerine koyma) Ux = y u u 2 u u m u 22 u 2 u 2m u u m u mm x m = y m u mm x m =. x x 2 x. x m = u m m (y m x m u m,m ) y y 2 y. y m
16 x j = ( y j ) m k=j+ u (u jk x k ) Backward substitution(geriye yerine jj koyma) O( m2 2 ) i³lem gerektirir ve x = A b yöntemine göre daha az i³lem yükü gerektirir. Zorluk: -) u ii 'lerin olmas 2-) u ii 'ler pivot olarak adlandrlr.
17 Bölüm 2 Bölüm2 2. LU Ayr³trmas A U L Gauss Elimination Satr i³lemlerini saklayarak (Birim Satr ³lemleri ) a T satr a T 2 satr2 A = =.. a T satrm m m m m m Birim Satr ³lemi(B.S. )= satr i α satr i +β satr j α, β R Örnek: A = 6 8 A = LU?, L =?, U =? 4 8 Amaç BS ile kö³egen altndaki de erleri sfrlamak )S 2 S 2 S = a 2 a A = 4 6 = 6 8 Orjinal A matrisi )S S 2S 2 = a a A 2 = 4 6 = 4 6 updated(bir önceki update edilmi³ A) 7
18 )S S 4S 2 4 = a 2 a A = 4 6 = U = 57 4 önceki update edilmi³ A) updated(bir 6 7 U matrisi olu³turuldu. L'yi bulmak için : U = E E 2 E A = A = E E2 E U E A = A E 2 E A = A 2 L = E E E =, E2 =, E 2 E E2 E = = L A = L U 2 E = Pivot Seçme le LU Ayr³trmas Amaç : Pivot(kö³egen) elemanlarnn o sütunda en büyük de er alacak ³ekilde satr yerlerinin de i³tirilmesi (pivoting) Örnek: )a max olacak ³ekilde S S 2 Bunun anlam orjinal A matrisini yer de i³tirme matrisi (P 2 ) ile soldan çarpmak demektir. P 2 = Yukardaki P 2 matrisi birim matristeki 2.satrn yer de i³tirilmi³ halidir.
19 I = P 2 = A = P 2 A = = ) a 2 'i sfrlamak için katsay = a 2 a E a 'i sfrlamak için katsay 2 = a a E 2 A 2 = A E 2 E P 2 A 6 8 A 2 = 4 6. sütundaki a in altndaki elemanlar sfrland. 4 ) 2.sütun için en son admda güncellenmi³ olan A 2 matrisinin a 22 eleman için pivot seçilir. 4 > 4 oldu undan S 2 S (A 2de) ya da S S 2 (A 2de) A 2yi göz önünealrsak : 6 8 P 2 = A = P 2 A 2 = 4 6 4
20 6 8 A = 4 a 2 'yi sfrlamak için katsay = ) A 4 = E A = E P 2 E 2 E P 2 A A = P 2 A A 2 = E 2 E P 2 A A = P 2 E 2 E P 2 A 4 4 = E A 4 = 4 = } {{ } - - E U U = E P 2 E 2 E P 2 A = A = P2 E E2 P2 E } {{ } U - V P 2 = = P2 = E = E = P2 E = E 2 = E2 = 2 2 E2 P2 E = = 2 2 E = E = E E2 P2 E = = 2 2
21 P 2 = = P2 P2 E E2 P2 E = = = V 2 2 A = P2 E E2 P2 E } {{ } U - V L = P 2 P 2 V = P 2 P 2 P2 E E2 P2 E - = P 2 P2 } {{ } E E2 P 2 P2 } {{ } E - I I - = E E2 E L = 2 Pivot seçme yönteminde A = V U P A = LU P 2 P 2 I birim matrisine e³ittir
22
23 Bölüm Bölüm. EigenValue Decomposition(Özde er Ayr³trmas) Fark denklemi (*): y (t + ) = y (t).5y 2 (t) y 2 (t + ) = [.5y (t) + ] y 2 (t) y (t + ) y 2 (t + ) = y(t) = y 2 (t [ + ) ].5 = y(t + ) =.5 [ ] y (t) =? y 2 (t) y(t) = y(t + ) = Ay(t) } {{ } - A Çözüm: y (t) = λ t x y 2 (t) = λ t x 2 λ t+ x = λ t x.5λ t x 2 λ t+ x 2 =.5λ t x + λ t x 2 [ ] [ ] x x = A = λ x 2 x 2 }{{} }{{} - x x = Ax = λx ( ) (**)denklem siteminin çözümü ayn zamanda (*) denklem sisteminin çözümüdür. x : eigenvector(özvektör) λ:eigenvalue(özde er) 2
24 .. Özde er Ve ÖzVektör Nasl Bulunur? Ax = λx Genel olarak : A : n n x : n λ : = Ax = λx (A λi)x = χ A (λ) = det(a λi) = A λi karakteristik polinom χ A (λ) = det(a λi) = çözümü λ de erlerini verir. Örnek: [ ].5 A =.5 [ ].5 A λi =.5 [ ] λ = λ [ λ ].5.5 λ χ A (λ) = det(a λi) = ( λ)( λ) (.5)(.5) λ 2.25 = (λ.5)(λ +.5) = λ =.5 λ 2 =.5 buldu umuz bu λ de erlerini (A λi)x = 'da yerine koyarsak :
25 [ ] λ.5 λ =.5 x.5 λ = } {{ } - B x vektörü [ ] B'nin null space'ini olu³turur [ ] α x = α = x α = x = α 2 + α 2 = 2α x = x x = 2 [ ] λ 2 =.5 (A λ 2 I)x 2 = x = } {{ } - C x 2 C'nin [ null-space'idir. ] α x 2 = x α 2 = 9α 2 + α 2 = α x 2 = Özde er ÖzVektör λ =.5 x = 2 2 λ 2 =.5 x 2 = Denklem sistemi çözümü : [ ] y (t) y (t) = = λ y 2 (t) t x = (.5) t 2 2 [ ] y (t) y 2 (t) = = λ y 2 (t) t 2x 2 = (.5) t Hem y (t) hem de y 2 (t) orjinal denklem sist. çözümünü sa lyor. Sistem linear bir sistem oldu undan toplam çözüm: y t (t) = C λ t x + C 2 λ t 2x 2
26 Denklem sisteminde ba³langç ko³ullar verilirse C ve C 2 bulunabilir...2 ÖzVektörlerin(EigenVectors)Lineer Ba mszl? x = 2 x 2 = 2 < x, x 2 >= x T x 2 = x x 2 = 4 2 = 4 [ 2 2 = ] 2 = 2 2 Lema: n n boyutlu A matrisinin tüm özde erleri birbirinden farkl ise A matrisinin özvektörleri brbirinden lineer ba mszdr. k x + k 2 x 2 = k Ax + k 2 Ax 2 = k λ x + k 2 λ 2 x 2 = (*) k λ 2 x + k 2 λ 2 x 2 = (**) ( ) ( ) k (λ λ 2 )x = λ λ 2, x k = olmal ayn ³ekilde λ λ 2 için k = olmal..2 Matrisin Ayr³trlmas A : n n Özvektörleri : x, x 2, x,, x n - Özde erleri : λ, λ 2,, λ n Ax [ i = λ i x n i =, 2, n Ax Ax 2 Ax Ax n ]n n = [ ] λ x λ 2 x 2 λ x λ n x n - λ [ A n n x x 2 x x n ]n n } {{ } = [ ] x x 2 x x n λ 2 n n } {{ } λ n n n } {{ } - S S λ AS = Sλ k x + k 2 x 2 = denklemi λ 2 ile çarplrak elde edildi n n
27 E er eigenvector'ler lineer ba msz iseler, S matrisi full rank ve tersi alnabilirler. A } SS{{ } = S S - I ASS = S S veya S AS = Eigenvalue Decomposition(EVD) A n nasl bulunur? ASS = S S A 2 = S S} {{ S} = S 2 S - I A = S 2 S} {{ S} = S S - I. A k = S k S λ = λ 2 λ n k = λ k λ k 2 λ k n e er eigenvector'ler lineer ba msz ise e At nasl bulunur? e x = i= e At = i= x i i! A i t i i!. Özde er Ve Özvektörlerden Matris Olu³turma λ i, x i i =, 2,, n x H i x j = olsun (i j) n = 2 ele alalm. x i = S = [ [ ] ] x x x 2 = x 2 S S = I
28 [ ] [ ] x H [x ] x x H x 2 x H 2 2 = x 2 x H 2 x x 2 2 = S = S H [ ] A = S S = S S H = [ ] [ ] [ ] λ x x x H 2 λ 2 x H = [ λ 2 x λ 2 x 2 ]2 2 [ x H ] x H 2 A = λ x x H + λ 2 x 2 x H 2 Genel olarak,özde erleri(λ i ) ve özvektörleri(x i ) verilen bir matris için, e er x H i x j = ise bu matris ³u ³ekilde olu³turulabilir: A = λ x x H + λ 2 x 2 x H λ n x n x H n = A = n i= λ ix i x H i P i = x i x H i Örnek: λ = λ 2 = λ = x =, x 2 = 2, x = 2 A matrisini olu³turunuz? Cevap: A = olmal. Örnek: λ = [ 5, λ] = [ ] 4 x = x 4 2 = 2 2 A =? [ ] [ ] 4 x H x 2 = = x 4 x 2 u = x [ ] [ ] 4 x = u = 5 [ ] [ ] [ ] P = u u H = 25 4 =
29 P 2 = u 2 u H 2 = 25 A = λ P + λ 2 P 2 = 5 [ ] = A = [ ] 4 [ 4 ] = 25 ] 25 [ Not:A simetrik bir matris. [ 6 ] [ Self-Adjoint Matrislerin Kö³egenle³tirilmesi Self adjoint matris < Ax, x >=< x, A H x > - - x H Ax = x H Ax ] * A matrisinin elemanlar reel de erler ise Self adjoint matrise simetrik matris denir ve A T = A * A matrisinin elemanlar kompleks de erler ise Self adjoint matrise hermitian matris denir ve A T = A Özellikleri: - Self adjoint matrisin (A H = A ise) eigenvalue'lar reel de erliklidir. ispat:< Ax, x >=< λx, x >= λ < x, x >= λx H x < x, A H x >= λ < x, x >= λ x H x λx H x = λ x H x λ = λ için λ reel de erlikli olmal. 2- Self adjoint(simetrik veya hermitian)matrisler için birbirinden farkl eigenvalue'lara kar³lk gelen eigenvektörler birbirine diktir. ispat:< Ax, x 2 >=< x, A H x 2 >=< x, λ 2 x 2 >= λ 2 < x, x 2 >= λ 2 x H x 2 ayn zamanda < Ax, x >=< λ x, x 2 >= λ x H x 2 (λ x H x 2 λ 2 x H x 2 ) = (λ λ 2 )(x H x 2 ) =
30 λ λ 2 ise x x 2 olmal. Teorem: n n boyutu A matrisi hermitian bir matris ise (A H = A ise) A matrisinin EVD açlm : A = U U H = n i= λ iu i U H i ³eklinde yazlr. Bu arada U matrisi U = [ ] U U 2 U U n unitary bir matristir..5 EVD Uygulamalar x = X X 2. X M a (Θ i ) a 2 (Θ i ) a(θ) =. = steering vector at θ i a M (Θ i ) x = a(θ )α S + a(θ 2 )α 2 S a(θ k )α k S k Korelasyon matrisi:r R = E{xx H } M>K R EV D λ i, U i
31 λ λ 2 λ =... λ r... Dominant eigenvalue says r, ortamda r adet kullanc vardr. EVD MUSIC,ESPRIT, vs high resolution algoritmalarla Q i 'ler bulunabilir..6 Korelasyon Matrisi Özellikleri ) R hermitian bir matris örnek: x(t) = e jwt kompleks sinusoid t =,,, M e jw x = e j2w. e j(m )w R = E{xx H } = N N i= x(i)xh (i) R = E{ e jw e j2w. e j(m )w [ e jw e j2w e j(m )w] }
32 e jw e j2w e j(m )w e jw e jw e j2w e j(m )w = E{ e j2w e jw e j(m )w e j(m )w e j(m )w R hermitian bir matris m m } 2) R'nin eigenvalue'lar reel ve pozitif de erlerden olu³ur. λ λ 2 λ m > ) R'nin eigenvektörleri biribirine diktir.(q i q j ) q, q 2,, q m q H i q j 4) R k matrisinin eigenvalue'lar λ k, λ k 2,, λ k m ispat? (ödev) λ λ 2 5) Q = [ ] q q 2 q m Q H RQ = λ =... λ r... λm Unitary similarity transformation 6) tr[r] = M i= λ i spat?
33 Bölüm 4 Bölüm4 4. QR Ayr³trmas A = QR Q:unitary matris R:üst üçgensel matris Unitary matris: Q H Q = I E er Q'nun sadece gerçek de erlikli elemanlar varsa Q'ya ortogonal matris denir. Lema: y = Qx y = x y R m, x R m Lema2: Y = QX, Y ve X birer matris Y F = X F Not: F matris Frobenius norm X F = ( m n i= j= X2 ij ) 2 = (tr(x H X)) 2 Örnek: [ ] [ ] a b a c X =, X c d H = [ ] [ ] b d [ ] a b a c a X H X = = 2 + c 2 ab + cd c d b d ab + cd b 2 + d 2 tr(x H X) = a 2 + b 2 + c 2 + d 2 = ( 2 2 i= j= X2 ij )
34 4.2 Niçin QR? A m n x n = b m çözümˆx = (A H A) A H } {{ } b - A :pseduo-inverse -bu çözüm Ax b 2 2 minimize eden bir çözümdür. -ayn zamanda least squares(en küçük kareler) çözümü olarakda adlandrlr. Ax b 2 = (Ax b) H (Ax b) = (x H A H b H )(Ax b) J(x) = x H A H Ax x H A H b b H Ax + b H b maliyet fonksiyonu vektörel türev J(x) x = AH Ax + A H Ax A H b A H b = 2A H Ax 2A H b = x = (A H A) A H b LS çözüm pucu: x (xh A) = A, x = Örnek: x x 2 x, c = (Ax) = AH x c c 2 c x H c = [ ] x c + x 2 c 2 + x c x H c = c, x x x = c = c 2 = c x 2 c x x 2 x H c = c 2, [ ] R A m n = Q m m R m n = Q m > n R : n n, : (m n) n x x H c = c A m n x n = b m ( )
35 QRx = b Q H Q } {{ } Rx = QH b I Rx = Q H b Q H m m b m = Rx [ = Q H b R ] x = [ ] c d [ ] c c : n d : (m n) d R n n x n = c n ( ) (*) ve (**) denklemlerinin çözümü ayn x vektörüdür. (**) kolaylkla çözülebilir çünkü R üst üçgensel bir matrisdir. not: m < n ise QR kullanlamaz! QR Ayr³trmas: Gram Scmidt algoritmas, Householder dönü³ümü veya Givens rotation yöntemlerinden birisi kullanlarak yaplabilir. 4. HouseHolder Dönü³ümü: x v : x vektörünün v vektörü üzerine izdü³ümü x v : (x x v ) yani x'in x v 'ye dik olan bile³eni H v x : x vektörünün x v 'ye göre yanstlm³(döndürülmü³ü)
36 P v = x v = P v x x v = V V H (V H V ) V V H (V H V ) x v v 2, V =. x v = P v x, P v = I = P v = I V V H x v = (I V V H v n (V H V ) )x = x x v (V H V ) H v = I 2 V V H (V H V ) Householder dönü³üm matrisi x'in yalnzca V vektörü üzerindeki bile³enin yönünü de i³tirir. H v = I V V H V V H (V H V ) (V H V ) } {{ } = Pv P v H v x = Pv x P v x = x v x v = x v + ( x v ) Hv 2 = I Hv H = H v Ödev: H v.h v = I oldu unu gösteriniz. V Nasl seçilir? X X 2 X =. X n n Amaç,bu X vektörünü öyle bir H v ile çarpmak ve sonuçta x 2 = x = = x n = yapmak. Amaç: α H v x = = α = αe.. n n
37 [ I 2 V V H (V H V ) ] x = αe x 2 (V H x)v (V H V ) = αe x αe = 2 (V H H x) (V x) V (2 = kabul edersek) (V H V ) (V H V ) (Not:H v x = αe H v x = αe H v :ünitary. x = α) x αe = V x ± x e = V V = x + sign(x ) x e x x x A = x x x x x x x x x Step α x x H A = x x x x x x H : 4 4 genel olarak A m n, m > n
38 H = Q = I 2 v v H v 2 v = x + sign(x ) x e 4 e = [] T V : 4 Step2 H 2 : H 2 = I 2 v 2v H 2 v 2 2 v 2 = y + sign(y ) y e V 2 : [ ] Q 2 = Step: H : 2 2 T T H α x x = Q 2 Q A = α 2 x H = I 2 v v H v 2 v = z + sign(z ) z e 2 V : 2 T Q = T H = [ ] Sonuçta : Q Q 2 Q A = R Q H Q } {{ } Q 2Q A = Q H R I Q H 2 Q 2 } {{ } Q A = Q H 2 Q H R I Q H Q } {{ } A = QH Q H 2 Q H R I A = Q H Q H 2 Q H } {{ } R - Q A = QR Q = Q H Q H 2 Q H, Q H = Q Q 2 Q Denklem sistemi Ax = b QRx = b x x α x x Q Q 2 Q A = α 2 x α = R
39 Rx = Q H b = [ ] c d Problem R X = C sistemi çözümüne indirgenmi³tir. R üst üçgensel bir matris oldu undan çözüm geri yerine koyma yöntemiyle kolaylkla bulunabilir. Not: 2. ve. admdaki Q 2 ve Q 'ler [ 2 Ṽ2] H Q = I 2Ṽ2Ṽ Ṽ 2 = Ṽ2 2 H Q 4 4 = I 2ṼṼ Ṽ = Ṽ 2 Ṽ 4 4
40 4.4 QR Yöntemi le Denklem Sistemi Çözümü Matlab Örne i A = [788; 862; 7; 7; 695] A = b = [ ] b = [m, n] = size(a) m = 5 n = function v = makehouse(x) % % Make the Householder vector v such that Hx has zeros in % all but the rst component % % function v= makehouse(x) % % x= vector to be transformed % % v= Householder vector % c 999 by Todd K. Moon v = x(:); nv = norm(v); if(abs(x()) == nv) v = v; else if(v())
41 v() = v() + sign(v()) nv; else v() = v() + nv; end end. >> v = makehouse(a(:, )); v = a = A(:, ) 7 8 a = 6 na = (a a).5 na = e = [] e = [] e = na e e = [ ] e = e e = v = a + e v =. 6. eye(5, 5)
42 ans = H = eye(5, 5) 2 v v /(v v) H = Q = H Q = A = Q A A = a = A (2 : 5, 2) a = v 2 = a (sqrt(a a )) [] v 2 = H 2 = eye(4, 4) 2 v 2 v 2/(v 2 v 2 ) H 2 = Q 2 = zeros(5, 5)
43 Q 2 = Q 2 = Q 2 (2 : 5, 2 : 5) = H Q 2 = A 2 = Q 2 A A 2 = a = v = a (sqrt(a a )) [ ] 6.96 v = H = eye(, ) 2 v v /(v v ) H = Q = zeros(5, 5) Q = Q( : 2, : 2) = eye(2, 2)
44 Q = Q( : 5, : 5) = H.. Q = A = Q A A = U = A ( :, :) U = Q h = Q Q 2 Q Q h = b b = Q h Q h = z = Q h b
45 z = c = m = ; x() = c()/u(, ) x = [.]... Geri yerine koyma Matlab kodu: m=; x(m)=c(m)/u(m,m); for j=m-:-:; tmp=; for k=j+:m; tmp=tmp+u(j,k)*x(k); end x(j)=(/u(j,j))*(c(j)-tmp); end... yukardaki kod kullanlabilir veya manual olarak tek tek ³u ³ekilde hesaplanabilir: >> x(2) = (/U(2, 2)) (c(2) U(2, ) x()) x = 2.. >> x() = (/U(, )) (c() [U(, 2) x(2) + U(, ) x()]) x =. 2..
46
47 Bölüm 5 Bölüm5 5. Optimizasyon(En yileme) Tanm kümesi Ω : {x : x } x :kesin lokal minimum x 2 : maksimum x : lokal minimum f(x) x x=x =, f(x) x x=x 2 =, f(x) x x=x = 2 f(x) x 2 x=x >, 2 f(x) x 2 x=x2 <, 2 f(x) x 2 x=x > Tanm: f : R n R ε > ve x R x x < ε için f(x) f(x ) sa layan x R noktasna lokal minimum noktas denir. E er f(x) > f(x ) x için x noktasna kesin lokal minimum denir. 47
48 Tüm x R kümesi içinde f(x) f(x ) sa layan x R noktasna global minimum denir. Gradyan Operatörü: ( x ) x x 2 x =. x n x f(x) = f(x) x f(x) x 2. f(x) x n n f(x) : R n R Hessian Matrisi(H) 2 f x x 2 f H = x f(x) = x 2 x. 2 f x n x Minumum çin Gerekli Ko³ul: 2 f x x 2 2 f x 2 x f x n x 2 2 f x x n 2 f x 2 x n. 2 f x n x n. E er x f fonksiyonun Ω tanm kümesinde lokal minimum noktas ise, n n [ f(x )] T d d, x noktasndaki uygulanabilir yön vektörü. 2. f(x ) = o. Verilen x noktas için Hessian matrisi pozitif semidenite bir matris olmal < 2 f(x ) } {{ } d, d >= dt 2 f(x )d - H Örnek: x = [x x 2 ] T
49 f(x) = x 2 + 2x x 2 + x 2 2x + 4x 2 x x 2 için minimum noktas? f = 6x + 2x 2 2 x f f(x) = x f = x] 2 f x 2 = 2x + 6x [ ] 6x + 2x 2 2 = 2x + 6x [ ] [ [ ] x Çözüm: x = 4 x = 2 2 f(x ) = f(4, 2) = 44 x ko³ulunu sa lamyor. x x 2 snrlandrmalar(constraint) [ ] [ gözönüne alrsak : x ] minimum nokta x = 2 fonksiyonun ] lokal minimumu f(, ) =, ] ] x = [ [ 6. için f(x ) = = [ 2 o:global minimum x:snrlandrlm³(constraint)minimum
50 d dx (f(g(x))) = f (g(x))g (x) Örnek: f(x, y) = x 2 y g(x, y) = y 2 x h(x, y) = x 2y F (x, y) = f(g(x, y), h(x, y)) = (y 2 x) 2 (x 2y) F =? x F =? y v = g(x, y),w = h(x, y) u = f(v, w) = v 2 w F = u = u v + u w = x x v x w x u x = 2vw = 2g(x, y).h(x, y) = 2(y2 x)(x 2y) = 6x 2 y 2 2xy v x = y2 u w = v2 = (y 2 x) 2 = 9x 2 y 4 w = x F = x (6x2 y 2 2xy )y 2 + 9x 2 y 4 = 8x 2 y 4 6xy 5 + 9x 2 y 4 = 27x 2 y 4 6xy 5 Genel olarak x, x 2,, x n ba msz de i³kenler g (x, x 2,, x n ), g 2 (x, x 2,, x n ),, g m (x, x 2,, x n ) F (x, x 2,, x n ) = f(g, g 2,, g n ) F x j = m i= D ifg i D i : i. argümann türevi = f g g x j + f g 2 g 2 x j + + f g m gm x j Örnek: f(x, x 2 ) = x x 2 2x 2 x x f :? H =? x =, x 2 = f x 6x x 2 4x x 2 2 x f = = x =,x 2 = = 9x 2 x 2 2 2x 7 f x 2
51 Hessian matrisi H = Örnek: x x f x 2 x f x x 2 f x 2 x 2 f 6x 2 4x 2 8x x 2 2 4x = 8x x 2 2 4x 8x 2 x 2 x =,x 2 = 2 4 = 4 8 Ölçüm de erleri : (x, y ), (x 2, y 2 ),, (x n, y n ) y = ax + b a =?, b =? least squares çözümü a ve b'yi verir? model:y = ax + b ölçüm x i, y i.ölçüm:e = y y = (ax + b) y 2.ölçüm:e 2 = y y 2 = (ax 2 + b) y 2. n.ölçüm:e n = y y n = (ax n + b) y n Amaç: hatalarn karelerinin ortalamasn minimize eden a ve b de erlerini bulmak. J(a, b) = n n i= e2 i hatalarn karelerinin ortalamas(mean squared error- MSE) J = J a J b = [ ] MSE'yi minimum yapan de er Minimum Mean Squ- ared Error(MMSE) -Least Squares(LS)
52 Ödev: y = ax + b J(a, b) y = ax 2 + bx + c J(a, b, c) 5.2 Ko³ullu (Constraint) Optimizasyon Problem tanm:minf(x) Ko³ul h (x) = h 2 (x) = e³itlik ko³ullar. h m (x) = h = (h, h 2,, h m ) g (x) g 2 (x). g p (x) e³itsizlik ko³ullar ḡ = (g, g 2,, g p ) x Ω, Ω R n Yukardaki problem tekrar yazlrsa minf( x) h( x) = ḡ( x) x R n
53 E³itlik ko³ulu: Teorem: (E³itlik snrlamas için gerekli ko³ul) x noktas f fonksiyonunun h( x) = ko³ulu altnda lokal ekstremum noktas için a³a daki ko³ulu sa lamas gerekir. f( x ) + h( x ).Λ = Λ R m says lagrange çarpan olarak adlandrlr. f( x ) + m i= h i( x ).Λ i = Lagrange fonksiyonu: L( x, Λ) = f( x) + h( x) T. Λ x L( x, Λ) = Λ L( x, Λ) min veya max oldu unu bulmak için 2.derece ko³ullar: F n n ( x, Λ) = m k= 2 hk ( x) x i x j x k H matrisinin (i,j). eleman H n n ( x) = 2 f( x) x i x j F matrisinin (i,j). eleman L( x ) = H( x ) + F ( x, Λ) L( x ) pozitif semidenite bir matris ise bulunan x noktas minimum noktasdr. Örnek: f(x, x 2 ) = x 2 + 4x x x 2 8x 2 6x Snrlama:h (x, x 2 ) = x + x 2 9 =
54 verilen ko³ulda f'yi minimize eden de eri(x =?, x 2 =?) çözüm: x = [x x 2 ] T, Lagrange çarpan Λ L( x Λ ) = f( x) + Λ h ( x) x L = [ L x L x 2 ] L( x, Λ ) = (x 2 + 4x x x 2 8x 2 6x ) + Λ (x + x 2 9) L x = 6x + 6x Λ ( ) L x 2 = 8x 2 + 6x 8 + Λ ( ) bilinmeyenli denklem. L Λ = x + x 2 9( ) ( ) ( ) 2x 2 2 = x 2 = ( ) x = 8 (*)'de x ve x 2 yerine yazlrsa Λ = 48 [ ] [ ] x x = 8 = x 2 Örnek: Bir önceki örnekte h ( x) = x 2 + x = verilirse x, x 2 =? Örnek: üstteki örnekte h (x, x 2 ) = x 2 + x = h (x, x 2 ) = 2x x 2 4 = L( x, Λ) = f( x) + Λ h ( x) + Λ 2 h 2 ( x) } x =? x 2 =?
55 5. Ara Snav Çözümleri
56 b)matlab A(2 :, : 2 : 4) = c)b(,:)*a(:,) d)b(2,:)*a(:,) [ 9 ] 5 2 α 2) x = x 2 = 2 a) < x, x 2 >= x T. x 2 = [α 2] = α = α = b) x x 2 oldu undan ē ve ē 2 'yi bulurken normlarna bölmemiz yeterli x = x 2 T. x = [ 2] = 4 2 ē = x x 4 2 x 2 = x 2 T 2. x 2 = [ ] = ē 2 = x 2 x 2 c) ȳ = 2 ȳ ȳ 2 =? 4 < ȳ, ē >= [ 2 ] = 5 4
57 < ȳ, ē 2 >= [ 2 ] = 6 = ) A = ȳ = 5 4 ē + 2 ē 2 a) without pivoting L =? a 2 = a, = 2 2 a a A = A = 5 a 2 2 = = 25 a A 2 = A = 5 L = b) pivoting E 2 =? a > a S S P = 2 A = P A = a = 2 E 2 = 2 a
18.702 Cebir II 2008 Bahar
MIT Açk Ders Malzemeleri http://ocw.mit.edu 18.702 Cebir II 2008 Bahar Bu materyallerden alnt yapmak veya Kullanm artlar hakknda bilgi almak için http://ocw.mit.edu/terms ve http://tuba.acikders.org.tr
DetaylıPOL NOMLAR. Polinomlar
POL NOMLAR ÜN TE 1. ÜN TE 1. ÜN TE 1. ÜN TE 1. ÜN T POL NOMLAR Polinomlar 1. Kazan m: Gerçek kat say l ve tek de i kenli polinom kavram n örneklerle aç klar, polinomun derecesini, ba kat say s n, sabit
DetaylıBir özvektörün sıfırdan farklı herhangi bri sabitle çarpımı yine bir özvektördür.
ÖZDEĞER VE ÖZVEKTÖRLER A n n tipinde bir matris olsun. AX = λx (1.1) olmak üzere n 1 tipinde bileşenleri sıfırdan farklı bir X matrisi için λ sayıları için bu denklemi sağlayan bileşenleri sıfırdan farklı
DetaylıÖZDEĞERLER- ÖZVEKTÖRLER
ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler
DetaylıBÖLÜM 1. Matematiksel ndüksiyon Prensibi
BÖLÜM 1 Matematiksel ndüksiyon Prensibi Matematiksel indüksiyon prensibini kullanarak a³a daki e³it(siz)liklerin her n N için gerçeklendi ini ispatlaynz. 1. 1 2 + 2 2 + 3 2 + + n 2 = n(n+1)(2n+1) 6 2.
DetaylıLineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar
Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Bir Matrisin Rankı A m n matrisinin determinantı sıfırdan farklı olan alt kare matrislerinin boyutlarının en büyüğüne A matrisinin rankı denir. rank(a)
DetaylıNÜMER IK ANAL IZ. Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ. Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 2012
NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 0 Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 6 7! L INEER S ISTEMLER IN ÇÖZÜMÜ / 9 . LU ve Cholesky
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıÇ NDEK LER II. C LT KONULAR Sayfa Öz De er Öz Vektör.. 2. Lineer Cebir ve Sistem Analizi...
ÇNDEKLER II. CLT KONULAR 1. Öz Deer Öz Vektör.. 1 Kare Matrisin Öz Deeri ve Öz Vektörleri... 21 Matrisin Karakteristik Denklemi : Cayley Hamilton Teoremi.. 26 Öz Deer - Öz Vektör ve Lineer Transformasyon
DetaylıÇalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x
Çalışma Soruları. Aşağıdaki denklemleri çözünüz: a) 7x = 4x + b) x 7x = x 4 c) x 4 x + = 0. Aşağıdaki eşitsizliklerin çözüm kümelerini belirleyiniz ve aralıklar cinsinden ifade ediniz: a) 4x > 9 b) x 4
DetaylıGEO182 Lineer Cebir. Matrisler. Matrisler. Dersi Veren: Dr. İlke Deniz Derse Devam: %70. Vize Sayısı: 1
GEO182 Lineer Cebir Dersi Veren: Dr. İlke Deniz 2018 GEO182 Lineer Cebir Derse Devam: %70 Vize Sayısı: 1 Başarı Notu: Yıl içi Başarı Notu %40 + Final Sınavı Notu %60 GEO182 Lineer Cebir GEO182 Lineer Cebir
Detaylı1 Vektör Uzayları 2. Lineer Cebir. David Pierce. Matematik Bölümü, MSGSÜ mat.msgsu.edu.tr/~dpierce/
Vektör Uzayları Lineer Cebir David Pierce 5 Mayıs 2017 Matematik Bölümü, MSGSÜ dpierce@msgsu.edu.tr mat.msgsu.edu.tr/~dpierce/ Bu notlarda, alıştırma olarak her teorem, sonuç, ve örnek kanıtlanabilir;
DetaylıŞimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak
10.Konu İç çarpım uzayları ve özellikleri 10.1. ve üzerinde uzunluk de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor teoreminden dir. 1.Ö.: [ ] ise ( ) ( ) ve ( ) noktaları gözönüne alalım.
Detaylıf( F) f(f) K = K F f 1 f( F) f 1 (K) = F F f 1 (S ) = [f 1 (S)] f(x) S V
Bölüm 6 SÜREKL FONKS YONLAR 6.1 YEREL SÜREKL L K Tanm 6.1.1. (X, T ) ve (Y, S) topolojik uzaylar ile f : X Y fonksiyonu verilsin. E er f(x 0 ) ö esinin her V kom³ulu una kar³lk f(u) V olacak ³ekilde x
Detaylı6 Devirli Kodlar. 6.1 Temel Tan mlar
6 Devirli Kodlar 6.1 Temel Tan mlar Tan m S F n q için e¼ger (a 0 ; a 1 ; : : : ; a n 1 ) 2 S iken (a n 1 ; a 1 ; : : : ; a n 2 ) 2 S oluyorsa S kümesine devirli denir. E¼ger bir C do¼grusal kodu devirli
Detaylı4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ
4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ Doğrusal Denklem Sistemi x 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; a x a x a x b 11 1 12 2 1n n 1 a x a x a x b 21 1 22 2 2n n
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıŞayet bir lineer sistemin en az bir çözümü varsa tutarlı denir.
GAZI UNIVERSITY ENGINEERING FACULTY INDUSTRIAL ENGINEERING DEPARTMENT ENM 205 LINEAR ALGEBRA COURSE ENGLISH-TURKISH GLOSSARY Linear equation: a 1, a 2, a 3,.,a n ; b sabitler ve x 1, x 2,...x n ler değişkenler
DetaylıARA SINAV II. (1) (x k ) k N, R n içinde yaknsak ve limiti x olan bir dizi olsun. {x} = oldu unu gösteriniz.
MC 411/ANAL Z IV ARA SINAV II ÇÖZÜMLER 1 x k k N, R n içinde yaknsak iti x olan bir dizi olsun. {x} = {x m m k} k=1 Çözüm. Her k N için A k := {x m m k} olsun. x k k N dizisinin iti x oldu undan, A k =
DetaylıVEKTÖR UZAYLARI 1.GİRİŞ
1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.
DetaylıNÜMER IK ANAL IZ. Nuri ÖZALP FONKS IYONLARA YAKLAŞIM. Bilimsel Hesaplama Matemati¼gi
NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi Nuri ÖZALP FONKS IYONLARA YAKLAŞIM Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 4 7! FONKS IYONLARA YAKLAŞIM 1 / 21 1 Polinom Interpolasyonu Newton Formu
DetaylıBÖLÜM 1. stanbul Kültür Üniversitesi. Fonksiyonlar - Özellikleri ve Limit Kavram. ³eklinde tanmlanan fonksiyona Dirichlet fonksiyonu ad verilir.
BÖLÜM 1 0, Q 1. f() = 1, R/Q, Fonksiyonlar - Özellikleri ve Limit Kavram ³eklinde tanmlanan fonksiyona Dirichlet fonksiyonu ad verilir. Buna göre a³a da verilen tanm bölgeleri altnda görüntü cümlelerini
DetaylıKübik Spline lar/cubic Splines
Kübik spline lar önceki metodların aksine bütün data noktalarına tek bir fonksiyon/eğri uydurmaz. Bunun yerine her çift nokta için ayrı ayrı üçüncü dereceden polinomlar uydurur. x i noktasından geçen soldaki
Detaylı13. Karakteristik kökler ve özvektörler
13. Karakteristik kökler ve özvektörler 13.1 Karakteristik kökler 1.Tanım: A nxn tipinde matris olmak üzere parametrisinin n.dereceden bir polinomu olan şeklinde gösterilen polinomuna A matrisin karakteristik
DetaylıEigenvalue-Eigenvector Problemleri
Bir sistemin özvektörü sistem tarafından temel olarak değiştirilmeyen vektördür. Sadece genliği değişir, genliğin değişme miktarına da özdeğer denir. Yani sistemimizi Amatrisi ile ifade edersek; x A λ
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıXIV. Ulusal Antalya Matematk Olmpyat Brnc A³ama Snav Sorular -2009
XIV. Ulusal ntalya Matematk Olmpyat rnc ³ama Snav Sorular -009 c www.sbelian.wordpress.com sbelianwordpress@gmail.com Soru 1. dar açl üçgeninde m() = 45 'dir. 'dan 'ye indirilmi³ dikmenin aya E ve 'den
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
Detaylı. [ ] vektörünü S deki vektörlerin bir lineer
11.Gram-Schmidt metodu 11.1. Ortonormal baz 11.1.Teorem: { }, V Öklid uzayı için bir ortonormal baz olsun. Bu durumda olmak üzere. 1.Ö.: { }, de bir ortonormal baz olsun. Burada. vektörünü S deki vektörlerin
DetaylıBu kısımda işlem adı verilen özel bir fonksiyon çeşidini ve işlemlerin önemli özelliklerini inceleyeceğiz.
Bölüm 3 Gruplar Bu bölümde ilk olarak bir küme üzerinde tanımlı işlem kavramını ele alıp işlemlerin bazı özelliklerini inceleyeceğiz. Daha sonra kümeler ve üzerinde tanımlı işlemlerden oluşan cebirsel
DetaylıB A. A = B [(A B) (B A)] (2)
Bölüm 5 KÜMELER CEB R Do a olaylarnn ya da sosyal olaylarn açklanmas için, bazan, matematiksel modelleme yaplr. Bunu yapmak demek, incelenecek olaya etki eden etmenleri içine alan matematiksel formülleri
DetaylıDoğrusal Denklemler Sis./Sys. of Linear Equations
Doğrusal Denklemler Sis./Sys. of Linear Equations Uygulama alanı: Lineer olan her sistem Notation: Ax 1 = b Augmented [A l b] Uniqueness A = 0, A nxa Bu şekilde yazılan sistemler Overdetermined (denklem
DetaylıKUADRATİK FORM. Tanım: Kuadratik Form. Bir q(x 1,x 2,,x n ) fonksiyonu
KUADRATİK FORMLAR KUADRATİK FORM Tanım: Kuadratik Form Bir q(x,x,,x n ) fonksiyonu q x : n şeklinde tanımlı ve x i x j bileşenlerinin doğrusal kombinasyonu olan bir fonksiyon ise bir kuadratik formdur.
DetaylıÖzdeğer ve Özvektörler
Özdeğer ve Özvektörler Yazar Öğr.Grv.Dr.Nevin ORHUN ÜNİTE 9 Amaçlar Bu üniteyi çalıştıktan sonra; bir lineer dönüşümün ve bir matrisin özdeğer ve özvektör kavramlarını anlayacak, bir dönüşüm matrisinin
Detaylıf 1 (H ) T f 1 (H ) = T
Bölüm 15 TIKIZLIK 15.1 TIKIZ UZAYLAR 15.1.1 Problemler 1. Her sonlu topolojik uzay tkzdr. 2. Ayrk bir topolojik uzayn tkz olmas için gerekli ve yeterli ko³ul sonlu olmasdr. 3. Ayn bir küme üzerinde S T
Detaylı(i) (0,2], (ii) (0,1], (iii) [1,2), (iv) (1,2]
Bölüm 5 KOM ULUKLAR 5.1 KOM ULUKLAR Tanm 5.1.1. (X, T ) bir topolojik uzay ve A ile N kümeleri X uzaynn iki alt-kümesi olsun. E er A T N olacak ³ekilde her hangi bir T T varsa, N kümesine A nn bir kom³ulu
DetaylıÇalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x
Çalışma Soruları. Aşağıdaki denklemleri çözünüz: 7x = 4x + b) x 7x = x 4 c) x 4 x + = 0. Aşağıdaki eşitsizliklerin çözüm kümelerini belirleyiniz ve aralıklar cinsinden ifade ediniz: 4x > 9 b) x 4 < - c)
Detaylıİç-Çarpım Uzayları ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv. Dr. Nevin ORHUN
İç-Çarpım Uzayları Yazar Öğr. Grv. Dr. Nevin ORHUN ÜNİTE Amaçlar Bu üniteyi çalıştıktan sonra; R n, P n (R), M nxn vektör uzaylarında iç çarpım kavramını tanıyacak ve özelliklerini görmüş olacaksınız.
DetaylıTemel Kavramlar. (r) Sıfırdan farklı kompleks sayılar kümesi: C. (i) Rasyonel sayılar kümesi: Q = { a b
Bölüm 1 Temel Kavramlar Bu bölümde bağıntı ve fonksiyon gibi bazı temel kavramlar üzerinde durulacak, tamsayıların bazı özellikleri ele alınacaktır. Bu çalışma boyunca kullanılacak bazı kümelerin gösterimleri
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Ders Adı : Bilgisayar Mühendisliğinde Matematik Uygulamaları
DetaylıMatematik I: Analiz und Lineer Cebir I Sömestr Ders Saati D 2 U 2 L 1 AKTS 6 Lisans/ Yüksek Lisans Lisans Dersin Kodu MAT 106 Sömestr 2
Dersin Adı Matematik I: Analiz und Lineer Cebir I Sömestr Ders Saati D 2 U 2 L 1 AKTS 6 Lisans/ Yüksek Lisans Lisans Dersin Kodu MAT 106 Sömestr 2 Dersin Dili Almanca Dersi Veren(ler) Yrd. Doç. Dr. Adnan
DetaylıLineer Dönüşümler ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv.Dr. Nevin ORHUN
Lineer Dönüşümler Yazar Öğr. Grv.Dr. Nevin ORHUN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; Vektör uzayları arasında tanımlanan belli fonksiyonları tanıyacak, özelliklerini öğrenecek, Bir dönüşümün,
DetaylıPERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR
2013-2014 PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 12 32173 Üslü İfadeler 2 13 42016 Rasyonel ifade kavramını örneklerle açıklar ve
DetaylıMATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI
MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI Konu Başlıkları Lineer Denklem Sistemlerinin Çözümü İntegral ve Türev İntegral (Alan) Türev (Sayısal Fark ) Diferansiyel Denklem çözümleri Denetim Sistemlerinin
DetaylıÇarpm ve Bölüm Uzaylar
1 Ksm I Çarpm ve Bölüm Uzaylar ÇARPIM UZAYLARI 1 ÇARPIM TOPOLOJ S 2 KARMA P R O B E M L E R 1. A ile B, srasyla, (X, T )X ile (Y, S ) topolojik uzaylarnn birer alt-kümesi olsunlar. (a) (A B) = A B (b)
DetaylıKAMU PERSONEL SEÇME SINAVI ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ORTAÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ TG 4 ÖABT ORTAÖĞRETİM MATEMATİK Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının
DetaylıMatlab - Giriş (İleri Yapı Statiği II. Kısım)
- Giriş (İleri Yapı Statiği II. Kısım) Doç. Dr. Özgür Özçelik Dokuz Eylül Üniversitesi, Müh. Fak., İnşaat Müh. Böl. Matrisler Hakkında Alman amatör matematikçi Albrecht Dürer in (1471-1528) Rönesans Gravürü
Detaylıx 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu;
4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ Doğrusal Denklem Sistemi x,x,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; a x + a x + L + a x = b n n a x + a x + L + a x = b n n a x + a
Detaylı28/04/2014 tarihli LYS-1 Matematik-Geometri Testi konu analizi SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 1 / 31
SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 11 32159 Rasyonel sayı kavramını açıklar. 2 12 32151 İki ya da daha çok doğal sayının en büyük ortak bölenini ve en küçük ortak katını bulur.
DetaylıNÜMER IK ANAL IZ. Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ. Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 2012
NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 0 Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 6! L INEER S ISTEMLER IN ÇÖZÜMÜ / . Pivotlama ve
DetaylıBahar Yarıyılı D_IFERANS_IYEL DENKLEMLER II ARA SINAV 6 Nisan 2011 Süre: 90 dakika CEVAP ANAHTARI. y = c n x n+r. (n + r) c n x n+r 1 +
DÜZCE ÜN_IVERS_ITES_I FEN-EDEB_IYAT FAKÜLTES_I MATEMAT_IK BÖLÜMÜ 010-011 Bahar Yarıyılı D_IFERANS_IYEL DENKLEMLER II ARA SINAV 6 Nisan 011 Süre: 90 dakika CEVAP ANAHTARI 1. 0p x d y + dy + xy = 0 diferansiyel
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -I-
DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan
DetaylıCebir 1. MIT Açık Ders Malzemeleri
MIT Açık Ders Malzemeleri http://ocw.mit.edu 18.701 Cebir 1 2007 Güz Bu malzemeden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için http://ocw.mit.edu/terms ve http://tuba.acikders.org.tr
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıCebir Notları. Gökhan DEMĐR, ÖRNEK : A ve A x A nın bir alt kümesinden A ya her fonksiyona
, 2006 MC Cebir Notları Gökhan DEMĐR, gdemir23@yahoo.com.tr Đşlem ĐŞLEM A ve A x A nın bir alt kümesinden A ya her fonksiyona ikili işlem denir. Örneğin toplama, çıkarma, çarpma birer işlemdir. Đşlemler
Detaylındrgemel Dzler Ders Notlar
ndrgemel Dzler Ders Notlar c wwww.sbelian.wordpress.com Bu ders notunda diziler konusunun bir alt konusu olan First Order Recursions ve Second Order Recursions konular anlatlm³ ve bu konularla alakal örnekler
Detaylı8.Konu Vektör uzayları, Alt Uzaylar
8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye
Detaylıkili ve Çoklu Kar³la³trmalar
kili ve Çoklu Kar³la³trmalar Birdal eno lu ükrü Acta³ çindekiler 1 Giri³ 2 3 4 5 6 7 Bu bölümde, (2.1) modelinde, H 0 : µ 1 = µ 2 = = µ a = µ (1) ³eklinde ifade edilen sfr hipotezinin reddedilmesi durumunda,
DetaylıİKİNCİ DERECEDEN DENKLEMLER
İKİNCİ DERECEDEN DENKLEMLER İkinci Dereceden Denklemler a, b ve c reel sayı, a ¹ 0 olmak üzere ax + bx + c = 0 şeklinde yazılan denklemlere ikinci dereceden bir bilinmeyenli denklem denir. Aşağıdaki denklemlerden
DetaylıÖrnek...6 : Yandaki bölme işleminde A ve n birer doğal sayıdır. A nın alabileceği en küçük ve en bü yük değerleri bulunu z.
MODÜLER ARİTMETİK ( BÖLME BÖLÜNEBİLME KURALLARI ÖKLİT ALGORİTMASI DEĞERLENDİRME ) BÖLME İŞLEMİ VE ÖZELLİKLERİ A, B, C, K doğal sayılar ve B olmak üzere, BÖLÜNEN A B C BÖLEN BÖLÜM Örnek...5 : A, B, C birbirinden
DetaylıÖRNEKLER-VEKTÖR UZAYLARI 1. Çözüm: w=k 1 u+k 2 v olmalıdır.
ÖRNEKLER-VEKTÖR UZAYLARI. vektör uzayında yer alan w=(9 7) vektörünün, u=( -), v=(6 ) vektörlerinin doğrusal bir kombinasyonu olduğunu ve z=( - 8) vektörünün ise bu vektörlerin doğrusal bir kombinasyonu
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
Detaylı30 NİSAN-14 MAYIS ZEYNEP KAYAR. 1) L : R 3 R 2, L(x 1, x 2, x 3 ) = ( 3x 1 + 2x 3 4x 2, 2x 1 + x 2 3x 3 )
3 NİSAN-4 MAYIS ZEYNEP KAYAR MATEMATİK BÖLÜMÜ LİNEER CEBİR-II DERSİ ÖDEV 4 Soru I: Aşağıda verilen dönüşümlerin lineer olup olmadığını gösteriniz. ) L : R 3 R, L(x, x, x 3 ) = ( 3x + x 3 4x 4, x + x 3x
Detaylı[ 1 i 6 2i. [ a b. Örnek...3 : Örnek...4 : 0 0 0. Örnek...5 : 1 3 2. Örnek...6 : i sanal sayı birimi olmak üzere, i. Örnek...1 : 3 4 2 8 =?
A=[a i j] r x r bir kare matris ise bu kare matrisi reel bir sayıya eşleyen fonksiyona determinant denir. Örnek...3 : i sanal sayı birimi olmak üzere, [ 1 i 6 2i 3+i 2+2i] matrisinin determinantı kaça
Detaylı2) Bir mağazada, bir ürüne satış fiyatı üzerinden %7 indirim yapılmış. Eğer yeni fiyatı 372 TL ise, kaç liralık indirim yapılmıştır?
MATE 106 SOSYAL BİLİMLER İÇİN TEMEL ANALİZ Ad-Soyad No Uygun cevabı bulunuz. 1)A = πr2 formülü r yarıçaplı çemberin A alanını vermektedir. Bir masa örtüsü A alanına sahipse, yarıçapını A'nın bir fonksiyonu
DetaylıMETASEZGİSEL YÖNTEMLER
METASEZGİSEL YÖNTEMLER Ara sınav - 30% Ödev (Haftalık) - 20% Final (Proje Sunumu) - 50% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn: Zaman çizelgeleme, en kısa yol bulunması,
DetaylıMatrisler ve matris işlemleri
2.Konu Matrisler ve matris işlemleri Kaynaklar: 1.Uygulamalı lineer cebir. 7.baskıdan çeviri.bernhard Kollman, David R.Hill/çev.Ed. Ömer Akın, Palma Yayıncılık, 2002 2.Lineer Cebir. Feyzi Başar.Surat Universite
Detaylı2.3. MATRİSLER Matris Tanımlama
2.3. MATRİSLER 2.3.1. Matris Tanımlama Matrisler girilirken köşeli parantez kullanılarak ( [ ] ) ve aşağıdaki yollardan biri kullanılarak girilir: 1. Elemanları bir tam liste olarak girmek Buna göre matris
Detaylı7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;
İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit
DetaylıÇok değişkenli fonksiyonlar. Maksimum- Minimum
66 Bölüm 6 Ders 06 Çok değişkenli fonksiyonlar. Maksimum- Minimum 6.1 Çözümler:Alıştırmalar 06 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay Ön Bilgi: z = f (x, y) fonksiyonu 3-boyutlu uzayda bir yüzeyin denklemidir.
DetaylıÇ NDEK LER I. C LT KONULAR Sayfa 1. Lineer Cebire Giri... 2. Lineer Denklem Sistemlerinin Elemanter lemlerle Çözümü
ÇNDEKLER I. CLT KONULAR 1. Lineer Cebire Giri... 1 Lineer Modeller... 3 Lineer Olmayan Modeller... 3 Dorunun Analitik Analizi.. 5 Uzayda Geometrik Büyüklükler. 7 Lineer Cebir ve Lineerite 10 Lineer Denklem
DetaylıMatrisler Matris Tanımı m satır ve n sütundan oluşan tablosuna matris adı verilir.
MATRIS Matrisler Matris Tanımı m satır ve n sütundan oluşan tablosuna matris adı verilir. Matristeki her bir sayıya eleman denir. Yukarıdaki matriste m n tane eleman vardır. Matrisin yatay bir doğru boyunca
Detaylı9.Konu Lineer bağımsızlık, taban, boyut Germe. 9.1.Tanım: V vektör uzayının her bir elemanı
9.Konu Lineer bağımsızlık, taban, boyut 9.1. Germe 9.1.Tanım: V vektör uzayının her bir elemanı vektörlerin lineer birleşimi olarak ifade ediliyorsa vektörleri V yi geriyor ya da V yi gerer denir. Üstelik,
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıHOMOGEN OLMAYAN DENKLEMLER
n. mertebeden homogen olmayan lineer bir diferansiyel denklemin y (n) + p 1 (x)y (n 1) + + p n 1 (x)y + p n (x)y = f(x) (1) şeklinde olduğunu ve bununla ilgili olan n. mertebeden lineer homogen denlemin
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI 1-TÜREVİN TANIMI VE GÖSTERİLİŞİ a,b R olmak üzere, f:[a,b] R fonksiyonu verilmiş olsun. x 0 (a,b) için lim x X0 f(x)-f( x 0 ) limiti bir gerçel sayı ise bu limit değerine f fonksiyonunun
DetaylıDers 9: Bézout teoremi
Ders 9: Bézout teoremi Konikler doğrularla en fazla iki noktada kesişir. Şimdi iki koniğin kaç noktada kesiştiğini saptayalım. Bunu, çok kolay gözlemlerle başlayıp temel ve ünlü Bézout teoremini kanıtlayarak
DetaylıA = i IA i = i I A = A = i IA i = {x α((α I) (x A α ))} (7.7) A = (α,β I) (α β) A α A β = (7.8) A A
Bölüm 7 KÜME A LELER 7.1 DAMGALANMI KÜMELER E er inceledi imiz kümelerin says, alfabenin harerinden daha çok de ilse, onlara,b,...,w gibi harerle temsil edebiliriz. E er elimizde albenin harerinden daha
Detaylı1. GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G (e ye birim eleman denir) vardır.
1. GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir., ) cebirsel 1) a b cg,, için a( bc) ( ab) c (Birleşme özelliği)
DetaylıLYS MATEMATİK DENEME - 1
LYS MATEMATİK DENEME - BU SORULAR FİNAL EĞİTİM KURUMLARI TARAFINDAN SAĞLANMIŞTIR. İZİNSİZ KOPYALANMASI VE ÇOĞALTILMASI YASAKTIR, YAPILDIĞI TAKDİRDE CEZAİ İŞLEM UYGULANACAKTIR. LYS MATEMATİK TESTİ. Bu testte
Detaylı(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM
EŞİTSİZLİKLER A. TANIM f(x)>0, f(x) - eşitsizliğinin
DetaylıTANIM : a, a, a, a,..., a R ve n N olmak üzere,
MATEMAT K TANIM : a, a, a, a,..., a R ve n N olmak üzere, 0 1 2 3 n P(x) = a x n a x n 1... a x 3 a x 2 a x n n 1 3 2 1 a ifadesine reel katsay l POL NOM denir. 0 a, a, a,..., a say lar na KATSAYILAR,
Detaylı6. Ders. Mahir Bilen Can. Mayıs 16, 2016
6. Ders Mahir Bilen Can Mayıs 16, 2016 Bu derste lineer cebirdeki bazı fikirleri gözden geçirip Lie teorisine uygulamalarını inceleyeceğiz. Bütün Lie cebirlerinin cebirsel olarak kapalı ve karakteristiği
DetaylıÇ NDEK LER. Bölüm 4: Üslü Say lar...44 Üslü fadeler...44 Al t rmalar...47 Test Sorular...49
Ç NDEK LER Bölüm1: Say Sistemleri...1 Say Sistemi...2 Desimal (Onluk) Say Sistemi...2 Say Basamaklar ve Taban...4 Binary ( kilik) Say Sistemi...4 Oktal (Sekizlik) Say Sistemi...7 Heksadesimal (Onalt l
DetaylıSalim. Yüce LİNEER CEBİR
Prof. Dr. Salim Yüce LİNEER CEBİR Prof. Dr. Salim Yüce LİNEER CEBİR ISBN 978-605-318-030-2 Kitapta yer alan bölümlerin tüm sorumluluğu yazarına aittir. 2015, Pegem Akademi Bu kitabın basım, yayın ve satış
DetaylıBİR SAYININ ÖZÜ VE DÖRT İŞLEM
ÖZEL EGE LİSESİ BİR SAYININ ÖZÜ VE DÖRT İŞLEM HAZIRLAYAN ÖĞRENCİ: Sıla Avar DANIŞMAN ÖĞRETMEN: Gizem Günel İZMİR 2012 İÇİNDEKİLER 1. PROJENİN AMACI.. 3 2. GİRİŞ... 3 3. YÖNTEM. 3 4. ÖN BİLGİLER... 3 5.
DetaylıÖABT Lineer Cebir KONU TESTİ Matris Cebiri
ÖB Lineer Cebir KONU ESİ Matris Cebiri. i, j,, i için j i j a j i j a. j i j a. i için j i j a 4 6 j i j a 4 j i j a. 6. 0 0 0 4 0 0 0. 4 6 n 0 0 n 6 Cevap: D Cevap:. I. I I I 0 I 0 0 0..I I I 00 0 0 0
Detaylı( ) v = 3i -4j vektörünün boyu kaç birimdir? r r r r A) 5 B) 4 C) 3 D) 2 E ) 1. Çözüm: v = 3i -4j Vektörün boyu ω olsun.
. r r r v i j vektörünün oyu kaç irimdir? 5 B) C) D) E ) r r r v i j Vektörün oyu ω olsun. ω ( ) ω 5r. Aşağıdaki fonksiyonlardan hangisinin tersi ir fonksiyon değildir? y x B) yx C) yx D) yx E ) yx Seçenekler
Detaylı10.Konu Tam sayıların inşası
10.Konu Tam sayıların inşası 1. Tam sayılar kümesi 2. Tam sayılar kümesinde toplama ve çarpma 3. Pozitif ve negatif tam sayılar 4. Tam sayılar kümesinde çıkarma 5. Tam sayılar kümesinde sıralama 6. Bir
DetaylıLineer Denklem Sistemleri
Lineer Denklem Sistemleri Yazar Yrd. Doç.Dr. Nezahat ÇETİN ÜNİTE 3 Amaçlar Bu üniteyi çalıştıktan sonra; Lineer Denklem ve Lineer Denklem Sistemleri kavramlarını öğrenecek, Lineer Denklem Sistemlerinin
DetaylıSayılar Kuramına Giriş Özet
Eğer bir b noktası bir a noktasının sağındaysa, o zaman a, b den küçük ve b, a dan büyük olarak sayılır, ve Sayılar Kuramına Giriş Özet David Pierce a < b, b > a yazılır. Tanıma göre a a, a < b a b, a
Detaylıİkinci Mertebeden Lineer Diferansiyel Denklemler
A(x)y + B(x)y + C(x)y = F (x) (5) Denklem (5) in sağ tarafında bulunan F (x) fonksiyonu, I aralığı üzerinde sıfıra özdeş ise, (5) denklemine lineer homogen; aksi taktirde lineer homogen olmayan denklem
Detaylıx 0 = A(t)x + B(t) (2.1.2)
ÖLÜM 2 LİNEER SİSTEMLER Genel durumda diferansiyel denklemlerin çözümlerini açık olarak elde etmek veya çözümlerin bazı önemli özelliklerini araştırmak için genel yöntemler yoktur, çoğu zaman denkleme
DetaylıS = {T Y, X S T T, S S} (9.1)
Bölüm 9 ÇARPIM UZAYLARI 9.1 ÇARPIM TOPOLOJ S Bo³ olmayan kümelerden olu³an bo³ olmayan bir ailenin kartezyen çarpmnn da bo³ olmad n, Seçme Aksiyomu [13],[20], [8] ile kabul ediyoruz. imdi verilen aileye
DetaylıIçindekiler. Karşk Örnekler 87. TÜBITAK SORULARI (Fonksiyonlar) 55 ULUSAL ANTALYA MATEMATIK OLIMPIYATI SORULARI 64
Içindekiler BIRINCI BÖLÜM Fonksiyonlar Bagnt Fonksiyon 2 Fonksiyonel Denklemlere Giriş 4 Fonksiyonun Gragi 7 Fonksiyon Çeşitleri 8 Bir Fonksiyonun Tersi 20 Bileşke Fonksiyon 23 Tek ve Çift Fonksiyon 25
Detaylı7. Ders. Mahir Bilen Can. Mayıs 17, 2016
7. Ders Mahir Bilen Can Mayıs 17, 2016 Bu derste bütün Lie cebirlerinin cebirsel olarak kapalı ve karakteristiği sıfır olan k cismi üzerine tanımlı olduğunu varsayıyoruz. 1 Tekrar Gözden Geçirme: Basitlik,
DetaylıElemanter fonksiyonlarla yaklaşım ve hata
Elemanter fonksiyonlarla yaklaşım ve hata Prof. Dr. Erhan Coşkun Karadeniz Teknik Üniversitesi, Fen Fakültesi Matematik Bölümü Kasım, 2018 e 5 Kasım, 2018 1 / 48 Elemanter fonksiyonlarla yaklaşım ve hata
DetaylıJeodezide Yaklaşım Yöntemleri: Enterpolasyon ve Kollokasyon
Jeodezide Yöntemleri: ve Lisansüstü Ders Notları Yrd. Doç. Dr. Aydın ÜSTÜN Selçuk Üniversitesi Fen Bilimleri Enstitüsü e-posta: austun@selcuk.edu.tr Konya, 2007 A. Üstün yöntemleri 1 / 28 Bir soruyu ya
DetaylıÖğrenci Seçme Sınavı (Öss) / 18 Haziran Matematik II Soruları ve Çözümleri. = 1 olur.
Öğrenci Seçme Sınavı (Öss) / 8 Haziran 6 Matematik II Soruları ve Çözümleri x, x. f(x) x ise fonksiyonu için,, x olduğuna göre, a b kaçtır? lim + x f ( x) a ve lim x f ( x) b A) B) C) D) E) Çözüm x x için
Detaylı