Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- Lineáris leképezés
- Legyenek V1 és V2 ugyanazon T test feletti vektorterek, és tekintsük az f:V1 -> V2 függvényt.
- Az f függvényt additívnak nevezzük, ha minden x,y eleme V1 esetén f(x+y)=f(x)+f(y) teljesül.
- Az f függvényt homogénnek nevezzük, ha minden x,y eleme V1 és lambda eleme T esetén f(lambda*x)= lambda *f(x) teljesül.
- Ha f additív és homogén, akkor f-et lineáris leképezésnek nevezzük (a V1 és V2 vektorterek között)
- Például:
- 1, f:R négyzetből képezünk R-et, f(x,y)=x (projekció leképezés az x tengelyre)
- Additivitás
- f((a,b)+(c,d))=f(a+c,b+d)=a+c
- f(a,b)=a
- f(c,d)=c
- f(a,b)+f(c,d)=a+c => egyenlőek tehát additív
- Homogenitás
- f(lambda(a,b))=f(lambda*a,lambda*b)=lambda * a
- lambda*f(a,b)=lambda*a => egyenlőek tehát homogén így f lineáris leképezés
- Lineáris leképezések tulajdonságai:
- Legyenek V1 és V2 ugyanazon T test feletti vektorok.
- f:V1->V2 lineáris leképezés
- 1, f(0)=0 (nullvektor)
- biz: f(0)=f(0+0)=f(0)+f(0) /-f(0)
- 0=f(0)
- 2, minden a eleme V1 esetéb f(-a)=-f(a)
- 3, Ha L altere V1-nek, akkor altér f(L) altere V2-nek
- 4, Ha a1,a2,..., an és "a" a V1 vektortér vektorai és a=lambda1*a1+lambda2*a2+...lambdan*an valamelylambda1, lambda2,...,lambdan skalárok esetén, akkor f(a)=lambda*f(a1)+lambda2*f(a2)+...+lambdan*f(an)
- Ebből következik, hogy minden lineáris leképezés egyértelműen megadható úgy, hogy megadjuk a bázisvektorok képeit.
- Lineáris leképezések alaptétele: Legyenek a1,a2,...,an a V1 vektortér egy bázisa, b1,b2,...,bn pedig a V2 vektortér tetszőleges vektorai.Ekkor pontosan egy olyan f:V1->V2 lineáris leképezés létezik, melyre f(a1)=b1, f(a2)=b2,....,f(an)=bn teljesül
- Ez a lineáris leképezés a következőképp konstruálható meg
- Legyen a1 eleme V1 tetszőleges vektor. Ekkor létezik lambda1,lambda2,...,lambdan skalárok, hogy a=lambda1*a1+lambda2*a2+...+lambdan*an. Legyen ekkor f(a)=lambda1*b1+lambda2*b2+...."lambdan*bn, könnyű bebizonyítani, hogy ez így lineáris leképzeés ha "a" helyére a1-et írunk: a1=1*a1, f(a1)=1*b1 ...
- példa:
- bázisok: a1(0,1) a2=(1,0) f(a1)=b1=(2,4) f(a2)=b2=(4,5)
- f(5,5)= ?
- (5,5)=5*(1,0)+5*(0,1)
- f(5,5)=5*(4,5)+5*(2,4)=(20,25)+(10,20)=(30,45)
- f(5,5)=(30,45)
- 5, A V1 tér generátorrendszerének képe a generátorrendszer lesz a V2 térben.
- 6, Lineárisan függő vektorrendszer képe lineárisan függő vektorrendszer.
- 7, Ha L altere V1 térnek, akkor dim L >= dimf(L).
- Magtér
- Legyenek V1 és V2 ugyanazon T test feletti vektorterek, f:V1->V2 lineáris leképezés.
- A kerf={x eleme V1: f(x)=0} halmazt az f lineáris leképezés magjának nevezzük
- A mag a nullvektort biztosan tartalmazza.
- pl: f:R négyzetből képez R-et f(a,b)=a ker f ={(0,b): b eleme R}
- Tétel: A ker f altere a V1-nek
- Biz: Megmutatjuk, hogy ha a,b eleme ker f => a-b eleme ker f, és minden lambda skalár esetén lambda*ä eleme ker f
- f(a-b)=f(a)-f(b) = 0-0=0 tehát a-b eleme ker f
- f(lambda*a)=lambda*f(a)=lambda*0=0 tehát lambda*a eleme ker f
- Nullitás rangtétele:
- dim ker f + dimf(V) = dimV1 // a ker f a magtér, az f(V) a képtér és a V1 a leképezés alaptere
- Tétel: Egy lineáris leképezés pontosan akkor kölcsönösen egyértelmű, ha a magja csak a nullvektort tartalmazza.
- Biz: 1. Legyen f:V1->V2 kölcsönösen egyértelmű lineáris leképezés. Ekkor 0eleme ker f, és mivel különböző elemek képe különböző, így a nullvektoron kívül más vektor nem lehet a magban.
- 2. Legyen f:V1->V2 olyan lineáris leképezés, hogy ker f={0}. Legyenek a,b eleme V1, és TFM f(a)=f(b)
- f(a-b)=f(a)-f(b)=0 ekkor a-b eleme ker f tehát a-b=0 vagy is a=b
- Bijektív: injektív és szürjektív.
- f:V1->V2 f injektív, ha különböző vektorok képei és különböznek (f injektív akkor és csak akkor ha ker f ={0})
- f szürjektív, ha V2 minden vektora hozzá van rendelve valamely V1-beli vektorhoz az f által f(v1)=V2
- pl: f:R négyzetből képek R-t, f(x,y)=x szürjektív, de nem injektív... pl: f(1,0)=1 vagy f(1,13)=1
- Izomorfizmus:
- Ha egy lineáris leképezés bijektív, akkor azt izomorfizmusnak hívjuk. A V1 és V2 vektortereket izomorf vektortereknek nevezzük, ha létezik f:V1->V2 izomorfizmus.
- Izomorf vektorterek között algebrai különbség nincs (tulajdonságokat bármelyben lehet vizsgálni)
- pl: dimenzióik egyenlők
- A vektorterek között az izomorfizmus ekvivalencia reláció.
- -Reflexív: minden V vektortér izomorf önmagával (identikus leképezés)
- -Szimetrikus: ha V1 izomorf V2-vel => V2 is izomorf V1-el
- -Tranzitív: ha V1 izomorf V2-vel és V2 izomorf V3-al akkor V1 izomorf V3-al
- Egy lineáris leképezés lineárisan független vektorrendszert nem feltétlenül lineárisan független vektorrendszerbe viszi át.
- Pl: f:v1->V2, f(x)=0 (a{0} önmagába lineárisan függő rendszer)
- Izomorfizmus lineárisan független vektorrendszert lineárisan függetlenbe visz át.
- Biz: Legyenek V1 és V2 ugyanazon T test feletti vektorterek, és legyen f:V1->V2 izomorfizmus.
- Legyenek a1,...,an lineárisan független vektorai a V1-nek
- Megmutatjuk, hogy f(a1),..,f(an) lineárisan független vektorai V2-nek.
- lambda1*f(a1)+lambda2*f(a2)+...+lambdan*f(an)=0 (minden lambda i =0; i=1,..,n)
- f(lambda1*a1)+f(lambda2*a2)+....+f(lambda n*an)=0 (mivel f lineáris leképezés)
- f(lambda1*a1+lambda2*a2+..."lambda n *an)=0 akkor lambda1*a1+....+lambda n *an eleme ker f
- Mivel az izomorfizmus injektív akkor lambda1*a1+lambda2*a2+....+lambda n*an = 0
- Mivel a1,a2,...,an független vektorai V1-nek, így ez az egyenlőség csak akkor teljesül, ha lambda1=lambda2=...=lambda n=0
- Izomorf vektorterek dimeziója megegyezik (véges dimenziós vektorterek esetén igaz).
- Biz: V1 éa V2 izomorf vektorterek akkor létezik f:V1->V2 izomorfizmus ha dimV1=n akkor van V1-ben n darab vektorból álló bázis. Ennek az n darab vektornak a képe az előbb bizonyítottak szerint szintén lineárisan független generátorrendszer, azaz bázisa lesz a V2-nek akkor dim V2 = n .
- Ha 2 végesdimenziós vektortér dimenziója megegyezik akkor a 2 vektortér izomorf.
- Biz: Legyen V1 egy n dimenziós vektortér a T test felett. Rögzítsünk benne egy bázist:a1,a2,...,an
- Ekkor minden a eleme V1 vektorhoz létezik lambda1,lambda2,...,lambda n skalárok, hogy az "a" egyértelműen felírható a=lambda1*a1+lambda2*a2+..."lambda n*an alakban.
- Legyen f:V1->T az n-diken , f(a)=(lambda1,lambda2,...,lambda n) a T az n-diken a rendezett elem n.esek, a végén a zárójelben lévő lambdék az "a" vektor a1,a2,..,an bázisra vonatkozó koordinátái
- Ez a leképezés lineáris és bijektív => izomorfizmus. Beláttuk, hogy minden n dimenziós T test feletti vektortér izomorf T n-dikkel. Mivel az izomorfizmus tranzitív, a T test feletti n dimenziós vektor terek izomorfak.
- Lineáris transzformáció
- Legyen V egy vektortér. Az f:V->V lineáris leképezést V-n ható lineáris transzformásiónak nevezzük.
- pl: f:R négyzet képez R négyzetbe, f(x,y)=(x,-y) ez injektív és szürjektív is
- g: R nlgyzet képez R négyeztbe, g(x,y)=(0,0) ez nem injektív és nem is szürjektív
- Egy lineáris transzformáció pontosan akkor injektív, ha szürjektív.
- Biz: ha f:V->V injektív lineáris leképezés akkor ker f ={0}
- Nullitás rangtétel -> dim ker f + dim f(V)= dimV
- -f(V) vagy maga a V, vagy annak egy altere
- -ha alterével megegyező dimenziójú, akkor egyenlők
- Annak a bizonyítása, hogy szürjektív lineáris leképezés injektív, pontosan így van, csak fordítva.
- Még egy példa a lineáris transzformációra: legyen V egy n dienziós vektortér a T test felett, és legyen A egy adott nxn tipusú mátrix T test felette. Ekkor tekintsük a T az nediken vektorteret.
- Ekkor az f:T az nedikent képezzük T az ndikbe, f(x)=a*x lineáris transzformáció. Meg fogjuk mutatni, hogy minden T az nediken ható lineáris transzformáció megoldható így.
- Kérdés: hogyan találjuk meg ezt az A matrixot?
- Veszünk a T az nediken térben egy bázist: a1,a2,..,an
- Az f(a1),f(a2),...,f(an) vektorok szintén a T az nediken elemei, így ezek is előállíthatók az a1,a2,..,an vektor lineáris kombinációjaként.
- Az A matrix pontosan az a mátrix , melynek i. oszlopában az f(ai) vektor a1,a2,..,an bázisra vonatkozó koordinátái állnak.
- Ezt a mátrixot nevezzük az f lineáris transzformáció a1,a2,..,an bázisra vonatkozó mátrixának.
- Kérdés: hogyan változik egy lineáris transzformáció mátrixa, ha megváltoztatom a bázist?
- Bázis és koordinátatranszformáció:
- Ha egy vektornak ismerjük a koordinátáit egy adott bázisra vonatkozóan, akkor hogyan kaphatjuk meg ugyanezen vektor koordinátáit egy másik bázisra vonatkozóan?
- Ha több vektornak is szeretnénk tudni a koordinátáit az L bázisra vonatkozóan, akkor célszerű a lineáris egyenletrendszer mátrixos alakjával foglalkozni, ugyanis a megoldandó lineáris egyenletrendszer mátrixa nem fog változni, ha megváltoztatjuk az "a" vektort, mert ez az M mátrix csak attól a bázistól függ, melyre át akarunk térni. A szübanforgó vektor új koordinátáit megkapjuk úgy, hogy ezeket a koordinátákat tartalmazó 2x1 es mátrixot balról megszorozzuk a lineáris egyenletrendszer alapmátrixának inverzével. Ezt az M mátrixot nevezzük az e bázisról az L bázisra való átmenet mátrixának (báziscsere mátrix).
- Legyen V egy n dimenziós tetszőleges vektortét T test felett, és legyen e1,e2,...,en és l1,l2,...,ln egy-egy bázisa V-nek. Ekkor azt az nxn tipúsú mátrixot, melynek i. oszlopában az Li vektor e bázisra vonatkozó koordinátái állnak, az e bázisról az L bázisra való báziscsere mátrixának hívjuk.
- Legyen S az e-ről L-re való bázissere mátrixa. Ekkor S-nek létezik inverze, és S a -1ediken az L-ről e-re való báziscsere mátrixa.
- Legyen x és y a b eleme V vektor koordinátáit tartalmazó nx1 tipusú mátrix az e, illetve L bázisra vonatkozóan. Ekkor Y=S a -1 ediken * X.
- Legyen V egy tetszőleges vektortér T test felett, és legyenek e és L egy-egy bázisa V-nek. Legyen továbbá f:V->V lineáris transzformáció , melynek mátrixa az e bázisra vonatkozóan A, az L bázisra vonatkozóan pedig B.
- Ekkor B=S a -1 ediken*A*S ahol S az e-ről L-re való báziscsere mátrixa
- Legyenek f és g lineáris transzformációk a V T test feletti vektortérben. Ekkor az f+g, fkörg és lambda*f(lambda eleme T) függvények is lineáris transzformációi a V vektortérnek.
- Megj: (f+g)(x)=f(x)+g(x) //mátrixok összege
- (f kör g)(x)=f(g(x)) // mátrixok szorzata
- (lambda * f)(x)=lambda*f(x) //mátrix lambda-szorosa
- Ha egy adott bázisra vonatkozóan az f és g mátrixai A és B, akkor: f+g mátrixa A+B, f kör g mátrixa A*B, lambda * f mátrixa lambda*A mátrix lesz
- Jelölje End(V) az összes V-n ható lineáris transzformáció halmazár. Ez vektortér lesz T test felett a fent definiált összeadással és skalárral való szorzással.
- Tekintsük a T test feletti nxn tipúsú mátrixokat: gecinagy M nxm (T)
- TFH V egy n dimenziós vektortér, és rögzítsük egy bázisát. Legyen fí az a leképezés, amely V minden lineáris leképezéséhez hozzárendeli a megadott bázisra vonatkozó mátrixát.
- fí:End(V) ->nagy M nxm (T) fí injektív és szürjektív is
- Ha az előbbiek szerint ez lineáris leképezés, továbbá kölcsönösen egyértelmű. Theát fí izomorfizmus.
- Ennek jelentése az, hogy a V vektortér lineáris transzformációi helyett elegendő a T test feletti nxn tipusú mátrixokat tanulmányozni.
- Lineáris transzformációk spektrál elmélete
- Legyen V egy T test feletti vektortér, és f egy lineáris transzformáció V-n. Ha valamely lambda eleme T skalárra és a eleme V vektorra teljesül, hogy f(a) = lambda*a, akkor a lambda-t az f sajátértékének, az "a" vektort pedig f lambda-hoz tartozó sajátvektorának nevezzük
- Egy adott lambda sajátértékhez tartozó sajátvektorok alteret alkotnak V-ben.
- Megj: Tehát ugyanahhoz a sajátértékhez több sajátvektor is tartozhat, de egy sajátvektor csak egyetlen sajátértékhez tartozik.
- Megj: AZ Llambda={x eleme V: f(x)=lambda*x} halmazt az f lineáris transzformáció lambda sajátértékéhez tartozó sajátalterének nevezzük.
- Legyen az f lineáris transzformáció mátrixa egy adott bázisra vonatkozóan A, és lambda pedig egy sajátértéke f-nek. Ha "a" egy lambda-hoz tartozó sajátvektora f-nek és Xo az "a" adott bátisra vonatkozó koordinátaoszlopa, akkor:
- f(a)=lambda*a
- A*Xo=lambda*Xo
- A*Xo-lambda*Xo=0
- (A-lambda*E)*Xo=0
- Tehát f lambda-hoz tartozó sajátvektorainak koordinátáit az (A-lambda*E)*Xo=0 homogén lineáris egyenletrendszer megoldásaiként kapjuk.
- Legyen A egy T test feletti nxm tipusú mátrix. Ekkor a det(A-X*E) kifejezés tulajdonképpen egy pilonom, melyet az A mátrix karakterisztikus polinomjának nevezzük.
- Belátható, hogy egy lineáris transzformáció különböző bázisra vonatkozó mátrixának karakterisztikus polinomja ugyanazok. Ezt a "közös" polinomot nevezzük a lineáris transzformáció karakterisztikus polinomján. A V T test feletti vektortér egy lineáris transzformációjának sajátértékei pontosan, a karakterisztikus polinom T-be eső gyökei lesznek.
- Ha lambda1,lambda2,...,lambda n páronként különböző sajátértékei az f lineáris transzformációnak , és a1,a2,..,ak egy-egy hozzájuk tartozó sajátvektor, akkor a1,a2,..,ak lineárisan független vektorrendszer. Ennek következménye, hogy különböző sajátértékhez tartozó sajátaltereknek csak a nullvektor lehet közös eleme.
- Skaláris szorzat(belső szorzat)
- A V valós vektorteret Euklideszi térnek nevezzük, ha értelmezve van egy <.,.>: VxV->R függvény az alábbi tulajdonságokkal:
- 1, <x,y>>=0 és <x,x>=a akkor és csak akkor ha x= 0
- 2,<x,y> = <y,x> (szimmetrikus)
- 3, a, <x1 + x2> = <x1,y> + <x2,y>
- b, <lambda*x,y> = lambda<x,y>
- (a 2. tulajdonság garantálja, hogy a 3.ban a második helyen is állhatnak ezek)
- Ezesetben a <.,.> függvényt skaláris (vagy belső) szorzatnak nevezzük.
- Pl: 1, R az nediken Euklideszi tér az alábbi belső szrozattal:
- x=(x1,x2,...,xn) y=(y1,y2,..,yn)
- <x,y>=x1y1+x2y2+...+xn*yn
- 2, a sír szabadvektorainak vektorterében: <a,b>=|a|*|b|*cosalfa(a,b)
- Legyen E egy Euklideszi tér. Az x eleme E vektor hosszán(normáján) az ||x||=gyökjel alatt <x,y> számot értjük.
- Cauchy-Bunyakovszkij-Schwartz egyenlőtlenség
- |<x,y>| <= ||x||*||y|| teljesül minden Euklideszi tér minden x,y vektoraira. Egyenlőtlenség pontosan akkor teljesül, ha a 2 vektor lineárisan függő.
- Biz: Legyen lambda tetszőleges valós szám
- <x+lambda*y, x+lambda*y> >= 0
- <x,x>+<x,lambda*y>+<lambda*y,x>+<lambda*y,lambda*y> >= 0
- <x,x>+lambda<x,y>+lambda<y,x>+lambdanégyzet<y,y> >= 0
- <y,y>*lambdanégyzet+2*<x,y>*lmabda+<x,x> >= 0 A bal oldalon egy valós együtthatós másodfokú polinom van, melynek változója lambda. /f(lambda)/. Mivel a polinom helyettesítési értéke minden lambda eseteéb >= 0 akkor a D <= 0 (polinom diszkriminánsa)
- Ha itt az egyenlőség teljesül akkor D=0, tehát létezik lambda eleme R, melyre f(lambda)=0
- Erre a lambdára az <x+lambda*y,x+lambda*y>=0 akkor x+lambda*y=0 tehát x=-lambda*y
- (tehát egyik vektor skalárszorosa a másiknak)
- Az x és y vektorok szögén azt a 0 fok és 180 fok közötti szöget értjük, melynek cosinusa <x,y> / ||x||*||y||
- pl: x=(1,2) eleme R négyeztnek y=(4,5) eleme R négyzetnek
- <x,y> = 1*2+2*5=14
- ||x||= gyökjel alatt 1 a nagyézeten + 2 a négyzeten = gyökjel alatt 5
- ||y||=gyökjek alatt 4 a négyzeten + 5 a négyzeten = gyökjel alatt 41
- cos alfa= 14 / gyökjel alatt 5 * gyökjel alatt 41 = 14 / gyökjel alatt 205 alfa= 12,09 fok
- Minkowski - egyenlőtlesnég
- ||x+y|| <= ||x||+||y|| teljesül minden Euklideszi tér minden x,y vektoraira. Egyenlőség pontosak akkor teljesül, ha egyik a másiknak a nemnegatív számszorosa.
- Biz:
- ||a|| = gyökjel alatt <a,a> ebből adódóan ||a|| a négyzeten = <a,a>
- ||x+y|| a négyzeten = <x+y, x+y>
- ||x+y|| a négyzeten = <x,x>+<x,y>+<y,x>+<y,y>
- ||x+y|| a négyzeten = ||x|| a négyzeten + 2*<x,y>+ ||y|| a négyzeten <= ||x|| a négyzeten + ||y|| a négyzeten + 2*|<x,y>| <= ||x|| a négyzeten + ||y|| a négyzeten + 2*||x||*||y|| = (||x||+||y||) a négyzeten
- ||x+y|| a négyzeten <= (||x||+||y||) a négyzeten tehát ||x+y|| <= ||x||+||y||
- A második becslésnél a CBS-t használzuk, ott akkor írhatnánk egyenlőséget, ha egyik vektor a másiknak a skalárszorosa lenne.
- <x,lambda*x> <= |<x,lambda*x>|
- Ha a lambda nem negaítv akkor az egyenlőség teljesül
- Ortogonalitás
- Az a,b eleme E (a,b nem egyenlő 0) vektorok szögén azt az alfa szöget értjük, melyre cos alfa = (a,b) / ||a|| * ||b||
- Síkgeometriában a merőlegesség azt jelenti, hogy a 2 vektor 90 fokos szöget zár be: cos90fok = 0 tehát (a,b) = 0
- Azt mondjuk, hogy az a,b eleme E vektorok ortogonálisak , ha (a,b) = 0 (belső szorzat)
- Pit. tétel: ||c|| a négyzeten = ||a|| a négyzeten +||b|| a négyzeten
- Az a,b eleme E vektorok pontosan akkor ortogonálisak, ha ||a|| a négyzeten + ||b|| a négyzeten = ||a+b|| a négyzeten (tetszőleges dimenzióban)
- Biz: ||a+b|| a négyzeten = (a+b,a+b)= (a,a)+(a,b)+(b,a)+(b,b)= ||a|| a négyzeten + 2*(a,b) + ||b|| a négyzeten = ||a|| a négyzeten + ||b|| a négyzeten
- Egy vektorrendszert ortogonális vektorrendszernek nevezünk, ha minden 2 különböző vektorra ortogonális.
- Egy "a" vektor egységvektor, ha ||a|| = 1.Egy vektorrendszert ortonomált vektorrendszernek nevezünk, ha ortogonális vektorrendszer és minden vektorra egységvektor.
- Áll: Egy nullvektort nem tartalmazó ortogonális vektorrendszer lineárisan független.
- Gram - Schmidt - féle ortogonalizálási eljárás
- Az E Euklideszi tér minden b1,b2,...,bn bázisához található olyan e1,e2,..,en ortonomált bázis, hogy b1,b2,...,bn és e1,e2,...,ek vektorrendszerek ugyanazt a k dimenziós alteret generálják Vk = 1,2,...,n esetén.
- 1. lépés: e1= b1 / ||b1||
- 2. lépés: e2' = b2 - (b2,e1)*e1
- e2 = e2' / ||e2'|| ha e2'=0 lenne akkor b2=(b2,e1)*e1 lenne tehát b2 b1 nek skalárszorosa lenne, vagy is nem lenne létező bázis
- e2 és e1 ortogonálisak akkor és csak akkor ha e2' és e1 ortogonálisak
- 3. lépés: e3'=b3 - (b3,e2)*e2-(b3,e1)*e1
- e3= e3' / ||e3|| stb stb....
- n. lépés: en' = bn - (bn, en-1)*en-1 -....-(bn,e1)*e1
- Pl: alkalmazzuk a Gram-shmidt féle ortogonalizálási eljárást az a1, a2, a3 vektorokra!
- a1=(0,1,0,1) a2=(-2,3,0,1) a3=(1,1,1,5)
- e1= a1/ ||a|| => ||a|| = gyökjel alatt 0 a négyzeten + 1 a négyzeten + 0 a négyzeten + 1 a négyzeten = gyökjel alatt 2
- e1=(0, 1/gyök2, 0, 1/gyök2)
- e2' = a2-(a2,e1)*e1
- (a2,e21) = -2*+3*1/gyök2+0*0+1*1/gyök2 = 3/gyök2+1/gyök2= 4/gyök2
- e2'= (-2,3,0,1)- 4/gyök2*(0,1/gyök2,0,1/gyök2) = (-2,3,0,1) - (0,2,0,2)= (-2,1,0,-1)
- ||e2'|| = gyökjel alatt 4 + 1 + 1 = gyök6
- e2 = e2' / ||e2'|| = (-2/gyök6, 1/gyök6,0,-1/gyök6)
- e3'=.... és így tovább
- Miért jó az ortonomált bázis?
- Ortonomált bázisra vonatkozó koordináták kiszámíthatók a belső szorzat segítségével. Legyen e1,e2,...,en egy ortonomált bázisa az E Euklediszi térnek, és legyen x eleme E tetszőleges vektor. Ekkor x = alfa1*e1 + alfa2*e2+....+alfan*en alakba írható valamely alfa1,alfa2,...,alfan valós számokkal.
- alfa - k hogyan kapható meg? alfa i = (x,ei)
- Gráfelméleti alapok:
- Königsbergi hidak problémája
- rajz....
- Probléma: lehetséges-e, hogyha elindulunk egy szárazföldi pontról, és minden hidat pontosan egyszer használunk, akkor vissza érhetünk a kiindulási pontra?
- rajz...
- Irányított gráf:
- Legyenes E és C nem egyenlő 0 adott halmazok, és legyen fí:E -> CxC adott függvény. Ekkor a G=(E,fí,C) rendezett hármast irányított gráfnak nevezz
- ük.
- Iránytalan gráf:
- Legyenes E és C nem egyenlő 0 adott halmazok, és legyen fí:E -> CxC adott függvény, ahol CxC a C halmas elemeiből képezett elempárok halmazát jelöli ( 2 C-beli elem, de a sorrendjük nem számít). Ekkor a G(E,fí,C)-t íránytalan gráfnak nevezzük.
- Példára visszatalva
- C={c1,c2,c3,c4} E={e1,e2,...,e7}
- fí(e1)={c1,c2}
- fí(e2)={c1,c2}
- fí(e3)={c1,c3}
- ....
- fí(e7)={c2,c3}
- Megj: (...) -> rendezett, számít a sorrend, irányított gráfoknál
- {...} -> sorrend nem számít, iránytalan gráfoknál
- Üres gráf: Azokat a gráfokat, ahol E üres, üres gráfoknak nevezzük.
- Véges gráf: Ha E is és C is véges halmazok, véges gráfról beszélünk.
- Kezdőpontok, végpontok:
- Irányított gráfban, ha fí(ei) = (Ck,Cl) /k és l lehetnek egyenlőek / akkor azt mondjuk, hogy az ei-nek a Ck a kezdőpontja, a Ce pedig a végpontja.
- Iránytalan gráfban, ha fí(ei)={Ck,Cl} akkor azt mondjuk, hogy az ei végpontjai Ck és Cl.
- Részgráf:
- A G' = (E',fí',C') gráf a G =(E,fí,C) gráf részgráfja, ha E' részhalmaza E, C' részhalmaza C és fí'(x) = f(x) minden x eleme E' esetén
- A részgráfot az eredeti gráfból élek és csúcsok törlésével kaphatjuk meg úgy, hogy csúcs törlése esetén az összes ráilleszkedő élt is töröljük.
- Hurokél:
- A G(E,fí,C) gráfban az ei élt hurokélnek nevezzük, ha van olyam Ck, hogy fí(ei) = (Ck,Ck) (irányított gráf) és fí(ei) = {Ck,Ck} (iránytalan gráf)
- Párhuzamos élek:
- A G=(E,fí,C) irányított gráfban az ei és ej éleket szigorúan párhuzamos éleknek nevezzük, ha van olyan Ck,Ce eleme C, hogy fí(ei) = (Ck,Ce) és fí(ej)=(Ck,Ce). Ha pedig fí(ei)=(Ck,Ce) és fí(ej)=(Ce,Ck) akkor ei és ej éleket párhuzamos éleknek nevezzük.
- Irányítatlan gráfban ez a 2 fogalom egybeesik: ott, ha 2 élnek ugyanazok a végpontjai, akkor azokat az éleket többszörös éleknek nevezzük.
- Egyszerű gráf:
- Egy gráfot egyszerű gráfnak nevezzük, ha nincs benne se hurokél, se többszörös él.
- Fokszám:
- Egy gráf egy adott csúcsűnak fokszámán a gráf arra a csúcsra illeszkedő éleinek számát értjük. A hurokél 2-vel növeli a fokszámot. Véges gráfban a csúcsok fokszámainak összege az élek számának kétszeresével egyenlő. Véges gráfban a páratlan fokszámú csúcsok száma páros.
- Biz: Legyen G=(E,fí,C) véges gráf, és jelölje a Ci csúcs fokszámát delta(ci)
- |E|: élek halmazának a számossága (élek száma)
- 2*|E| = szumma dalta(c) = szumma delta(c) + szumma delta(c) => páros, ami csak úgy lehet, hogy az összeadandók száma páros (páratlan számok)
- Vonal:
- Legyen G=(E,fí,C) egy adott gráf. Vonalnak nevezzük a csúcsoknak és éleknek egy olyan C1,e1,c2,e2,c3,e3....,cn,en, Cn+1 sorozatát, ahol az ei él a Ci és Ci+1 csúcsokat köti össze.
- Út:
- Útnak nevezzük az olyan vonalat, melyben minden csúcs csak egyszer szerepel.
- Megj: nem a gráf összes csúcsa!! c1,e1,c2,e2,c3,e3,....,cn,en,Cn+1, ahol ci-k különböznek
- Kör:
- Egy vonalat körnek nevezünk, ha a C1,C2,...,Cn külöbözőek, és Cn+1 = C1
- Út hossza:
- Út hossza alatt az útban szereplő élek számát értjül.
- pl: C4,e5,c1,e2,c2 => 2 hosszúságú út C4-ből C2-be
- Távolság:
- 2 csúcs távolságán az őket összekötő utak hosszának a minimumát értjük. Ha a 2 csúcsot nem köt össze út, akkor távolságuk végtelen.
- Átmérő:
- A gráf átmérője a gráf csúcsai közötti távolság maximuma.
- Összefüggő gráf:
- Egy gráfot összefüggőnek nevezünk, ha minden csúcsából minden csúcsába vezet út.
- Komponens:
- Egy gráf maximális összefüggő részgráfjait a gráf komponenseinek nevezzük, azaz a G=(E,fí,C) gráfnak a G'=(E',fí',C') gráf komponense, ha G' összefüggő részgráfja G-nek, és G-ben nem létezik olyan G'' összefüggő részgráf, melynek G' valódi részgráfja. (nem egyenlő vele)
- Fa,erdő:
- Egy gráfot fának nevezünk, ha egyszerű, összefüggő és körmentes.
- Egy fagráfnak mindenképpen van legalább 2 elsőfokú csúcsa.
- Egy fagráfban: |C|=|E|+1
- Egy gráfot erődnek hívunk, ha komponensei fák.
- Izomorfia:
- A G=(E,fí,C) és G'=(E',fí',C') gráfokat izomorf gráfoknak nevezzül, ha:
- - létezik f:C->C kölcsönösen egyértelmű leképezés
- - létezik g:E->E kölcsönösen egyértelmű leképezés
- - ha fí(e)=(ci,cj), akkor fí'(g(e))=(f(Ci),f(cj))
- Feszítőfa:
- Egy gráf feszítőfája alatt olyan fagráfot értünk, amely tartalmazza az eredeti gráf minden csúcsát, és az élei is az eredeti gráf élei özül kerülnek ki.
- Teljes gráf:
- Egy egyszerű gráfot n-szögpontú teljes gráfnak nevezünk, ha n csúcsa van, és bármely 2 csúcsot él köti össze.
- n=1
- n=2....
- n-szögpontú teljes gráf éleinek száma: n*(n-1) / 2
- Komplementgráf:
- Egy n csúcsú egyszerű gráf komplementergráfján azt a gráfot értjük, mely az eredetit az n-szögpontú teljes gráffá egészíti ki.
- Euler-vonal, Euler-kör, Hamilton-kör:
- Egy gráf Euler-vonalán egy olyan vonalat értünk, amely a gráf minden élét pontosan egyszer tartalmazza (csúcs ismétlődhet)
- Ha a kezdő és végpontja ugyan az: Euler-kör (zárt Euler-vonal)
- Egy gráfot Euler-gráfnak nevezünk, ha van zárt Euler-vonala.
- Egy gráf pontosan akkor Euler-gráf, ha összefüggő, és minden csúcsának a foka páros.
- A gráf egy útját Hamilton-útnak nevezzük, ha az út a gráf minden csúcsát pontosan egyszer tartalmazza. Ha ez az út kör, akkor Hamilton-körnek nevezzük.
- Ore-tétel:
- ha egy gráf csúcsainak száma nagyobb mint 2, és bármely 2 nem szomszédos csúcs fokszámának összege nagyobb egyenlő mint a gráf csúcsainak száma, akkor a gráfnak van Hamilton-köre
- Dirac-Tétel:
- Ha egy n=2*k csúcspontú gráf minden csúcsának a foka legalább k, akkor a gráfnak van Hamilton-köre.
- Gráfok csúcsmátrixa:
- Legyen adott a G=(E,fí,C) irányított gráf, ahol a |c|=n. Azt az nxm tipusú mátrixot, melynek Aij eleme a Ci csúcsból a Cj-be menő élek száma, a G gráf csúcsmátrixának nevezzük. A csúcsmátrix L_edik hatványának i. sor j. oszlopában lévő elem megadja a Ci csúcsból Cj-be vezető l hosszúságú vonalak számát.
- A Ci csúcsból a Cj csúcsba akkor vezet R hosszúságú legrvidebb út, ha a k-nál kisebb kitevőjű hatványában a csúcsmátrixnak az i. sor j. oszlopeleme 0, a k. hatványában viszont már nem 0.
- Kódelmélet
- Adó-csatorna-vevő
- Kimeneti ábécé: véges sok jellből álló halmaz A={a1,a2,...,an}
- Információ továbbításának folyamata:
- - olyan csatornát veszünk alapul, ami csak kétféle jel továbbítására képes (0,1)
- - az adó által közölt információt át kell alakítani 0 1 sorozatú => kódolás
- - a 0 1 sorozat átalakítása valamilyen csatornán továbbítható fizikai jelekké => moduláció
- - fizikai jelek küldése a csatornán
- - a fizikai jelek felfogása a vevői oldalon
- - a fogadott fizikai jelek visszaállítása 0 1 sorozattá => demodulálás
- - a 0 1 sorozatból vissza kell állítani az eredeti közlést => dekódolás
- Betű szerinti kódolás:
- Az ábécé minden egyes betűjéhez hozzárendelünk egy bináris sorozatot. Az ai jelhez rendelt bináris sorozatot jelöle alfa i. Ilyen módon kapunk egy K = {alfa1,alfa2,...,alfa n} halmazt, melyet kódnak, míg a K halmaz elemeit kódszavaknak nevezzük.
- Pl. A={a,b,c,d} K={00,01,101,110}
- dac = 11000101
- Ha L egy véges halmaz, akkor legyen L csillag az L-ből leképezhető véges sorozatok halmaza. Kódoláskor tulajdonképpen egy M: A a csilladikon -> {0,1}a csilladikon függvényt adunk meg. Ha ez a függvény invertálható, és ismerjük az inverzét, akkor a dekódolás elvégezhető.
- PL: K1={00,01,11,0001}
- ab -> 0001
- d -> 0001
- ez a függvény nem invertálható tehát nem dekódolható egyértelműen a kódolt információ.
- Itt megadott A->{0,1}a csilladikonra képező függvény még invertálható, de az általa generált A a csilladikon ->{0,1}csilladikon függvény már nem.
- Felbontható kódok:
- A K={alfa1,alfa2,...,alfan} kódot felbonthatónak nevezzük, ha bármely bináris sorozat egyértelműen felbontható K-beli kódszavak sorozatára. Ha minden egyes betűhöz ugyan olyan hosszúságú kódszót rendelünk, akkor az felbontható kódot eredményez.
- PL: K2={00,01,10,11}
- Prefix kód:
- Egy kódot akkor nevezünk prefix kódnak, ha egyik kódszó sem kezdőszelete semelyik másik kódszónak.
- Pl:K,K2
- A prefix kódok mind felbonthatók.
- Van olyan felbontható kód, ami nem prefix.
- Pl: K3={10,100,1000,10000}
- McMillan-egyenlőtlenség:
- Jelölje l1,l2,...,ln rendre az alfa1,alfa2,...,alfan kódszavak hosszát. Ha a K={alfa1,alfa2,..,alfan} kód felbontható, akkor szumma i=1 tart n-ig 2 a -li-ediken <= 1
- Ez csak szükséges, de nem elégséges feltétel
- PL: K1={00,01,11,0001}
- 2 a -2diken + 2 a -2diken + 2 a -2diken + 2 a -4diken = 1/4 +1/4 +1/4+1/16 = 13/16 <= 1
- 2 kódot akkor nevezünk ekvivalensnek, ha a kódszavak száma ugyanannyi, és a 2 küdban a kódszavak összepárosíthatók úgy, hogy a párok komponenseinek ugyanannyi a hossza. Azaz az egyik kódról a másikra létezik kölcsönösen egyértelmű leképezés, amely egy adott hosszúságú kódszóhoz ugyanolyan hosszúságú kódszót rendel. Minden felbontható kódhoz van vele ekvivalens prefix kód.
- Optimális kódok
- Adott egy F forrás, melynek kimenő ábécéje A={a1,a2,...,an} és tudjuk, hogy az F az A jeleit véletlenszerűen, egymástól függetlenül rendre P1,P2,...,Pn valószínűséggel bocsájtja ki. Ekkor szumma i=1től n-ig Pi=1
- Egy F által kibácsájtott M jelből álló közlésben az ai jel várhatóan M*Pi-szer fog szerepelni.
- Legyen K={alfa1,alfa2,...,alfa n} egy felbontható kód, melyben a kódszavak hossza l1,l2,..,ln. Ekkor az M jelből álló kölésekhez tartozó kód átlagos hossza:
- l1*pi*M+l2*Pi*M+...+ln*pi*M = M*(l1*P1+l2*P2+...+li*Pi)=M*szumma i=1 tart n-ig li*Pi
- A K0 felbontható kódot az F forrás feletti K felbontható kód esetén L(K0) <= L(K)
- Bármely forráshoz található optimális prefix kód.
- Az F forrsához tartozó entrópia alatt a M(F) = szumma i=1 tart n-ig Pi* 2esalapúlogaritmus 1/Pi valós számot értjük.
- H(F)= - szummha i=1 tart n-ig Pi*log2Pi
- Shanon-tétel
- Bármely F melletti K felbontható kód esetén H(F) <=L(K)
- Ha K0 optimális felbontható kód az F forrásra nézve, akkor L(K0) <= M(F)+1
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement