| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Osnove matrične analize
Avtorji:ID Petek, Tatjana (Avtor)
ID Benkovič, Dominik (Recenzent)
ID Kuzma, Bojan (Recenzent)
ID Radić, Gordana (Lektor)
ID Petek, Tatjana (Tehnični urednik)
ID Perša, Jan (Tehnični urednik)
Datoteke:URL https://press.um.si/index.php/ump/catalog/book/916
 
.pdf RAZ_Petek_Tatjana_2024.pdf (6,12 MB)
MD5: 0ED0A875764C91BC7156E419BDCE0DBB
 
Jezik:Slovenski jezik
Vrsta gradiva:Neznano
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
UZUM - Univerzitetna založba Univerze v Mariboru
Opis:Uvodoma predstavimo matrični račun, sisteme linearnih enačb in determinanto. Nato spoznamo vektorski prostor kot algebrsko strukturo, predstavitev vektorjev z matričnimi stolpci glede na izbrano bazo, pojem vektorskega podprostora ter pomembne podprostore, povezane z matrikami. Nadalje se na kratko posvetimo linearnim preslikavam in njihovi matrični predstavitvi. Analiza značilnih podprostorov, ki so prirejeni matriki, omogoča obravnavo določenih lastnosti ustreznih linearnih preslikav. Vektorski prostor dodatno opremimo še s skalarnim produktom, kar omogoča vpeljavo pojma ortogonalnosti, ta pa pripelje do učinkovite optimizacijske metode, metode najmanjših kvadratov, ki je v inženirski praksi zelo pogosta in uporabna. Obravnavamo osrednji problem linearne algebre oziroma matrične analize, problem lastnih vrednosti. S tem je povezana diagonalizacija matrike, Jordanova normalna oblika in unitarna podobnost trikotni matriki. Slednja na enostaven način omogoči obravnavo hermitskih in simetričnih matrik, ki imajo v inženirski uporabi posebno mesto. Na koncu nanizamo še nekaj primerov uporabe teorije iz prejšnjih poglavij, ki se nanašajo na spektralne lastnosti matrik. Posebej izpostavimo razcep s singularnimi vrednostmi, ki ima zelo široke možnosti uporabe. Učbenik zaključimo s posplošenimi inverzi matrik.
Ključne besede:matrika, determinanta, sistem linearnih enačb, vektorski prostor, skalarni produkt, norma, lastni vektor, lastna vrednost, diagonalizacija, Jordanova normalna oblika, razcep s singularnimi vrednostmi, posplošen inverz
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:Univerza v Mariboru, Univerzitetna založba
Leto izida:2024
Leto izvedbe:2024
PID:20.500.12556/DKUM-91091 Novo okno
ISBN:978-961-286-911-3
UDK:004.422.632:004.422.632(0.034.2)
COBISS.SI-ID:212044803 Novo okno
DOI:10.18690/um.feri.7.2024 Novo okno
Datum objave v DKUM:21.10.2024
Število ogledov:0
Število prenosov:57
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.
Začetek licenciranja:21.10.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Fundamentals of Matrix Analysis
Opis:In the introduction, we present matrix calculus, systems of linear equations and the determinant. Next, we explore the vector space as an algebraic structure, representing vectors with matrix columns based on a chosen basis, the concept of a vector subspace, and important subspaces related to matrices. We then briefly focus on linear transformations and their matrix representation. Analyzing characteristic subspaces associated with a matrix allows us to examine certain properties of the corresponding linear transformations. We further equip the vector space with an inner product, which introduces the concept of orthogonality, leading to an effective optimization method, the least squares method, which is very common and useful in engineering practice. We address the central problem of linear algebra or matrix analysis, the eigenvalue problem. This includes matrix diagonalization, Jordan normal form and unitary similarity to a triangular matrix, which facilitates the treatment of Hermitian and symmetric matrices, which hold a special place in engineering applications. Finally, we list some examples of applying the theory from previous chapters, relating to the spectral properties of matrices. We particularly highlight the singular value decomposition, which has very broad applications. We close the textbook with generalized inverses of matrices.
Ključne besede:matrix, determinant, system of linear equations, vector space, inner product, norm, eigenvector, eigenvalue, diagonalization, Jordan normal form, singular value decomposition, generalized inverse


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici