Professional Documents
Culture Documents
Wettl Ferenc-Linearis Algebra PDF
Wettl Ferenc-Linearis Algebra PDF
L I N ER I S
A LG E B R A
azoknak, akik rteni is szeretnk
2011
Tartalomjegyzk
Plyzati tmogats
Gondoz
Copyright
Tmogats: Kszlt a TMOP 4.1.2. 08/2/A/KMR-2009-0028 szm plyzat Termszettudomnyos (matematika s fizika) kpzs a
muszaki
Tartalomjegyzk
Bevezets
17
I.
1
18
21
23
Vektorok
25
29
29
a 2- s 3-dimenzis trben 31
A lineris kombinci defincija 33 Lineris
fggetlensg 35 Specilis lineris kombincik 36
39
50
koordints
alakban megadott vektorokkal 51 A derkszgu
koordintarendszer 53 Az Rn halmaz 55 Rn vektorainak
sszeadsa s skalrral szorzsa 55 Lineris kombinci,
lineris fggetlensg, lineris sszefggosg 57 Skalris
szorzs Rn -ben 59 Tvolsg s szg Rn -ben 60 Korrelcis
egytthat 62 Bitvektorok 63 Kdvektorok, kdok 63
Vektormuveletek
Znm -ben 64
69
69
84
Megolds kikszblssel
95
Elemi sormuveletek
103 Szimultn
egyenletrendszerek 104 Kikszbls Z p -ben* 106
Megolds a gyakorlatban
109
A kikszbls muveletignye
121
121
135
147
Megoldsok
II.
155
161
Mtrixmuveletek
defincii
Tblzatok
165
165
Elemenknti mtrixmuveletek
170
172
Mtrixok lineris kombincii 173
Mtrixszorzs
175
Zm -ben* 185
Blokkmtrixok
185
Muveletek
Mtrixmuveletek
tulajdonsgai
195
Az alapmuveletek
algebrai tulajdonsgai
195
Mtrix inverze
201
Muveletek
specilis mtrixokkal
216
Az LU-felbonts
225
Megoldsok
235
Determinns
239
241
s determinns 246
Mikor 0 a determinns rtke 248
254
Megoldsok
273
Mtrixlekpezsek s geometrijuk
Mtrixlekpezs, lineris lekpezs
279
279
mtrixlekpezsek
kztt 280 Mtrixlekpezsek tulajdonsgai 281 A
mtrixlekpezs hatsnak szemlltetsei 282 Lineris
lekpezs 285 Lineris lekpezsek alaptulajdonsgai 288
Lineris lekpezs mtrixa klnbzo bzisokban 289
Hasonlsg 290 Tartomnyok kpe s mrtkk
vltozsa 292 Tbbvltozs fggvnyek differencilsa* 293
308
324
342
301
Megoldsok
III.
8
355
Mtrixok sajtsgai
Sajtrtk, diagonalizls
Sajtrtk, sajtvektor, sajtaltr
359
363
363
Hasonlsg, diagonalizlhatsg
377
Kvadratikus formk
388
Szingulris rtk
395
395
10
10 Jordan-fle normlalak
405
11 Nemnegatv mtrixok
423
Mtrixok sszehasonltsa
Pozitv mtrixok
424
Nemnegatv mtrixok
427
Irreducibilis mtrixok
431
Megoldsok
423
Fggelk
434
437
Lebegopontos szmbrzols
437
lebegopontos
szmokkal 439 Algoritmusok muveletignye:
Komplex szmok
442
Testek, gyur
uk
442
Prmelemu testek
445
Polinomok
447
451
453
449
Listk
Parallelogramma-mdszer . . . . . . . . . . . .
A vektormuveletek
tulajdonsgai . . . . . . . . .
Vektorral prhuzamos vektorok . . . . . . . . . .
Kt vektorral egy skba eso vektorok . . . . . . .
Trbeli vektorok . . . . . . . . . . . . . . . . . . .
Skbeli vektor felbontsa . . . . . . . . . . . . . .
Trbeli vektor felbontsa . . . . . . . . . . . . . .
Kt ponton tmeno egyenes jellemzse . . . . .
Intervallum pontjainak jellemzse . . . . . . . .
Mikor 0 a skalris szorzat? . . . . . . . . . . . . .
A skalris szorzs muveleti
tulajdonsgai . . . .
Pithagorsz-ttel . . . . . . . . . . . . . . . . . .
CauchyBunyakovszkijSchwarz-egyenlotlensg
Hromszg-egyenlotlensg . . . . . . . . . . . .
Egysgvektorral val szorzs geometriai jelentse
Vektor felbontsa meroleges sszetevokre . . . .
Mikor 0 a vektori szorzat? . . . . . . . . . . . . .
Vektori szorzat abszolt rtknek geometriai
jelentse . . . . . . . . . . . . . . . . . . . . . . .
Vektori szorzs muveleti
tulajdonsgai . . . . .
Ekvivalencia relci . . . . . . . . . . . . . . . . .
Vektormuveletek
koordints alakja . . . . . . .
Skalris szorzat ortonormlt koordintarendszerben . . . . . . . . . . . . . . . . . . . . . . . .
Vektori szorzat ortonormlt koordintarendszerben . . . . . . . . . . . . . . . . . . . . . . . .
Az sszeads s skalrral szorzs tulajdonsgai
Lineris fggetlensg . . . . . . . . . . . . . . . .
Lineris sszefggosg . . . . . . . . . . . . . . .
A skalris szorzs tulajdonsgai . . . . . . . . .
CauchyBunyakovszkijSchwarz-egyenlotlensg
Hromszg-egyenlotlensg Rn -ben . . . . . . . .
Skalris szorzat s abszolt rtk Rn -ben . . . .
Skbeli egyenes explicit vektoregyenlete . . . . .
32
33
34
34
35
36
36
36
37
39
40
40
41
41
42
42
46
46
46
49
52
53
54
56
57
59
59
61
61
62
71
. . . . . . . . . .
2.65. Elgsges felttel az itercik konvergencijra .
3.1. Foelemek oszlopai . . . . . . . . . . . . . . . . .
3.4. Kttt s szabad vltozk szma . . . . . . . . .
3.6. A megoldhatsg mtrixrangos felttele . . . . .
3.7. Homogn lineris egyenletrendszer megoldhatsga . . . . . . . . . . . . . . . . . . . . . . . . .
3.9. Megoldsok lineris kombincija . . . . . . . .
3.11. Alterek sszege . . . . . . . . . . . . . . . . . . .
3.13. Megoldsok altere . . . . . . . . . . . . . . . . .
3.16. A kifesztett altr altr . . . . . . . . . . . . . . .
3.18. Homogn s inhomogn egyenletrendszer megoldsai . . . . . . . . . . . . . . . . . . . . . . . .
3.20. Inhomogn egyenletrendszer megoldhatsga .
3.22. Lineris fggetlensg eldntse . . . . . . . . . .
3.24. Elemi sormuveletek
72
72
72
75
75
76
76
77
78
78
86
92
93
98
103
109
118
121
122
123
124
125
127
128
129
130
131
132
135
136
138
140
141
142
144
148
12
mtrixszorzssal . . . . . .
4.30. Muveletek
blokkmtrixokkal . . . . . . . . . . .
4.34. A szorzat oszlopai s sorai . . . . . . . . . . . . .
4.36. A megolds felrsa blokkmtrixokkal . . . . . .
4.37. A nulltr bzisa . . . . . . . . . . . . . . . . . . .
5.1. sszeads s skalrral szorzs tulajdonsgai . .
5.4. Mtrixszorzs algebrai tulajdonsgai . . . . . . .
5.5. Hatvnyozs azonossgai . . . . . . . . . . . . .
5.8. Transzponls tulajdonsgai . . . . . . . . . . . .
5.13. Sormuvelet
inverznek mtrixa . . . . . . . . . .
5.14. Az inverz egyrtelmusge
. . . . . . . . . . . . .
5.15. Az inverz ltezshez elg egy felttel . . . . . .
5.17. 2 2-es mtrix inverze . . . . . . . . . . . . . . .
5.18. Az inverz alaptulajdonsgai . . . . . . . . . . . .
5.20. Az invertlhatsg s az egyenletrendszerek . .
5.24. Invertlhatsg s bzis . . . . . . . . . . . . . .
5.25. Az ttrs mtrixnak inverze . . . . . . . . . . .
5.28. Muveletek
diagonlis mtrixokkal . . . . . . . .
5.32. Muveletek
permutcis mtrixokkal . . . . . . .
5.35. Muveletek
hromszgmtrixokkal . . . . . . . .
5.38. Muveletek
. .
6.2. Nullvektort tartalmaz determinns . . . . . . .
6.3. Elemi sormuveletek
determinnson . . . . . . .
6.4. Elemi mtrixok determinnsa . . . . . . . . . . .
6.5. Permutcis mtrix determinnsa . . . . . . . .
6.6. Hromszgmtrix determinnsa . . . . . . . . .
6.8. Determinnsok szorzsszablya . . . . . . . . .
6.10. Transzponlt determinnsa . . . . . . . . . . . .
6.12. Zrus rtku determinns . . . . . . . . . . . . .
6.14. Egyenletrendszer megoldhatsga s a determinns . . . . . . . . . . . . . . . . . . . . . . . . . .
6.15. Felbonts kgyk determinnsainak sszegre .
6.16. Permutcis mtrix determinnsa . . . . . . . .
6.18. Determinnsfggvny ltezse . . . . . . . . . .
6.21. Determinns rendjnek cskkentse . . . . . . .
6.23. Determinnsok kifejtsi ttele . . . . . . . . . . .
149
150
151
151
151
179
179
182
182
185
185
189
190
191
195
196
199
200
204
205
205
207
207
209
212
212
216
217
219
219
219
220
220
229
243
243
244
244
244
247
247
248
249
255
257
257
259
261
6.25. Cramer-szably . . . . . . . . . . . . . . . . . . .
6.27. Mtrix inverznek elemei . . . . . . . . . . . . .
6.29. Determinnsok szorzata blokkmtrixban . . . .
6.30. 2 2-es blokkmtrix determinnsa . . . . . . . .
6.33. Vandermonde-determinns rtke . . . . . . . .
7.2. Mtrixlekpezsek alapmuveletei
. . . . . . . . .
7.3. Inverz mtrixlekpezsek . . . . . . . . . . . . .
7.4. A lineris kombincit megorzo lekpezsek . .
7.9. Skbeli forgats, tkrzs, vetts . . . . . . . . .
7.10. Lineris lekpezs mtrixa . . . . . . . . . . . . .
7.12. Lineris lekpezsek alaptulajdonsgai . . . . .
7.13. Lineris lekpezs mtrixai kzti kapcsolat . . .
7.16. Hasonl mtrixok hatsa . . . . . . . . . . . . . .
7.17. Hasonlsgra invarins tulajdonsgok . . . . . .
7.18. Tartomny mrtknek vltozsa lineris
transzformciban . . . . . . . . . . . . . . . . .
7.20. Jacobi-mtrix . . . . . . . . . . . . . . . . . . . . .
7.23. Lncszably . . . . . . . . . . . . . . . . . . . . .
7.25. A forgats mtrixa . . . . . . . . . . . . . . . . .
7.28. Tengely krli forgats Rodrigues-formula . .
7.31. Egyenesre val meroleges vetts mtrixa . . . .
7.32. Skra val meroleges vetts mtrixa . . . . . . .
7.34. Skbeli tkrzs mtrixa . . . . . . . . . . . . . .
7.35. Skra val tkrzs mtrixa . . . . . . . . . . . .
7.37. Altrre val vetts mtrixa . . . . . . . . . . . .
7.39. Meroleges vetts mtrixai . . . . . . . . . . . . .
7.41. Legjobb kzelts ttele . . . . . . . . . . . . . . .
7.42. Vektor felbontsa sszetevokre . . . . . . . . . .
7.44. Egyenletrendszer optimlis megoldsa . . . . .
7.47. Pszeudoinverz ltezse s egyrtelmusge
. . .
7.48. A pszeudoinverz kiszmtsa . . . . . . . . . . .
7.50. Penrose-ttel . . . . . . . . . . . . . . . . . . . . .
7.51. A+ A s AA+ meroleges vetts . . . . . . . . . .
7.52. Optimlis megolds pszeudoinverzzel . . . . . .
7.55. Lineris regresszi . . . . . . . . . . . . . . . . .
7.56. Linearizlhat regresszis modellek . . . . . . .
7.58. Ortogonlis vektorok fggetlensge . . . . . . .
7.59. Legjobb kzelts ONB esetn . . . . . . . . . . .
7.63. Szemiortogonlis mtrixok ekvivalens defincii
7.64. Ortogonlis mtrixok ekvivalens defincii . . .
7.66. Ortogonlis mtrixhoz tartoz mtrixlekpezs
7.67. Ortogonlis mtrixok tulajdonsgai . . . . . . .
7.68. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.70. Egy vektor tkrzse egy msikba . . . . . . . .
7.72. GramSchmidt-ortogonalizci . . . . . . . . . .
7.75. QR-felbonts . . . . . . . . . . . . . . . . . . . . .
7.78. Legkisebb ngyzetek QR-felbontssal . . . . . .
7.82. Az adjunglt tulajdonsgai . . . . . . . . . . . .
7.83. A komplex skalris szorzs tulajdonsgai . . . .
7.85. Fourier-sszeg helyettestsi rtkei . . . . . . .
7.86. A Fourier-mtrixok tulajdonsgai . . . . . . . . .
263
264
266
267
269
280
281
281
286
286
288
290
291
291
293
294
297
301
302
304
305
306
306
308
309
311
311
312
315
315
317
318
318
321
321
324
325
327
327
328
329
329
332
333
336
339
343
343
345
347
13
. . . . . . . . . . .
10.13.Exponencilis fggvny kiszmtsa . . . . . . .
11.1. Perron-ttel: pozitv sajtrtk s sajtvektor . .
11.2. Perron-ttel: egyszeres s dominns sajtrtk .
11.3. PerronFrobenius-ttel gyenge vltozat . . . .
11.4. CollatzWielandt-ttel . . . . . . . . . . . . . . .
11.5. Nemnegatv mtrixok spektrlsugarnak becslse . . . . . . . . . . . . . . . . . . . . . . . . . .
11.8. PerronFrobenius-ttel eros vltozat . . . . . .
2.1. Mtrix rangja . . . . . . . . . . . . . . . . . . . .
2.2. Invertlhat ngyzetes mtrixok . . . . . . . . .
350
353
364
367
367
368
373
374
374
375
378
379
380
381
382
383
386
386
390
393
401
409
412
420
424
425
427
428
429
432
449
450
Defincik
.
.
.
.
.
1.1.
1.3.
1.4.
1.6.
1.10.
1.15.
.
1.26.
1.33.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
30
30
31
31
31
32
33
33
35
39
42
45
48
.
Vektor koordints alakja 2D-ben . . . . . . . . .
.
Vektor koordints alakja 3D-ben . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.43. Vektormuveletek
Rn -ben . . . . . . . . . . . . . .
1.49. Abszolt rtk, szg, merolegessg, tvolsg . .
.
Korrelcis egytthat . . . . . . . . . . . . . . .
1.54. Kd . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Alakzat (implicit) egyenletrendszere . . . . . . .
2.4. Alakzat (explicit) egyenletrendszere . . . . . . .
2.21. Lineris egyenlet . . . . . . . . . . . . . . . . . .
2.25. Lineris egyenletrendszer . . . . . . . . . . . . .
2.26. Lineris egyenletrendszer megoldsa . . . . . .
2.28. Ekvivalens egyenletrendszerek . . . . . . . . . .
2.37. Elemi sormuveletek
. . . . . . . . . . . . . . . . .
2.38. Lpcsos alak . . . . . . . . . . . . . . . . . . . . .
2.45. Reduklt lpcsos alak . . . . . . . . . . . . . . . .
.
rref fggvny . . . . . . . . . . . . . . . . . . . .
2.51. Szimultn egyenletrendszerek . . . . . . . . . . .
2.64. Soronknt dominns fotlj mtrix . . . . . . .
3.2. Mtrix rangja . . . . . . . . . . . . . . . . . . . .
3.10. Altr . . . . . . . . . . . . . . . . . . . . . . . . .
3.14. Nulltr . . . . . . . . . . . . . . . . . . . . . . . .
3.15. Kifesztett altr . . . . . . . . . . . . . . . . . . .
3.19. Sortr, oszloptr . . . . . . . . . . . . . . . . . . .
3.26. Bzis . . . . . . . . . . . . . . . . . . . . . . . . .
3.32. Dimenzi . . . . . . . . . . . . . . . . . . . . . . .
3.35. Vektorrendszer rangja . . . . . . . . . . . . . . .
.
Meroleges altr s meroleges kiegszto altr . .
.
Kiegszto altr . . . . . . . . . . . . . . . . . . .
4.1. Lineris helyettests . . . . . . . . . . . . . . . .
4.4. Mtrixok egyenlosge . . . . . . . . . . . . . . .
4.5. Adott tpus mtrixok tere . . . . . . . . . . . .
4.6. Mtrixok sszege, klnbsge . . . . . . . . . . .
4.8. Zrusmtrix . . . . . . . . . . . . . . . . . . . . .
4.9. Mtrix szorzsa skalrral . . . . . . . . . . . . . .
4.11. Mtrixok szorzsa . . . . . . . . . . . . . . . . . .
4.13. Diadikus szorzat . . . . . . . . . . . . . . . . . .
4.21. ttrs mtrixa . . . . . . . . . . . . . . . . . . .
4.25. Egysgmtrix . . . . . . . . . . . . . . . . . . . .
4.26. Elemi mtrixok . . . . . . . . . . . . . . . . . . .
5.9. Mtrix inverze . . . . . . . . . . . . . . . . . . . .
5.30. Permutcis mtrix, kgy . . . . . . . . . . . . .
5.34. Hromszgmtrix . . . . . . . . . . . . . . . . . .
5.36. Szimmetrikus s ferdn szimmetrikus mtrixok
5.45. LU-felbonts . . . . . . . . . . . . . . . . . . . . .
5.50. PLU-felbonts . . . . . . . . . . . . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1. Determinns . . . . . . . . . . . . . . . . . . . . .
6.19. Elojeles aldeterminns . . . . . . . . . . . . . . .
6.32. Vandermonde-determinns . . . . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
50
55
55
60
62
64
70
71
84
85
86
86
95
95
100
104
104
118
122
126
128
128
131
136
141
142
148
148
167
171
171
172
172
172
175
176
181
183
184
203
217
218
219
226
231
239
241
258
268
279
14
Lineris lekpezs . . . . . . . . . . . . . . . . . .
Hasonlsg . . . . . . . . . . . . . . . . . . . . .
Lineris lekpezs rangja . . . . . . . . . . . . .
Lineris lekpezs determinnsa . . . . . . . . .
Differencilhatsg . . . . . . . . . . . . . . . . .
Altrre val meroleges vetlet . . . . . . . . . . .
Optimlis megolds . . . . . . . . . . . . . . . .
Normlegyenlet-rendszer . . . . . . . . . . . . .
A MoorePenrose-fle pszeudoinverz . . . . . .
Regresszis egyenes . . . . . . . . . . . . . . . .
Ortogonlis s ortonormlt bzis . . . . . . . . .
Ortogonlis s szemiortogonlis mtrix . . . . .
Givens-forgats . . . . . . . . . . . . . . . . . . .
Householder-tkrzs . . . . . . . . . . . . . . .
QR-felbonts . . . . . . . . . . . . . . . . . . . . .
Komplex mtrix adjungltja . . . . . . . . . . . .
Komplex vektorok skalris szorzata . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Komplex vektorok hossza, tvolsga, szge, merolegessge . . . . . . . . . . . . . . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.87. Diszkrt Fourier-transzformci (DFT) . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2. Sajtrtk, sajtvektor . . . . . . . . . . . . . . . .
8.5. Sajtaltr . . . . . . . . . . . . . . . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.20. Lineris transzformci sajtrtke, sajtvektora
8.23. Diagonalizlhatsg . . . . . . . . . . . . . . . .
8.33. Ortogonlis diagonalizlhatsg . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.40. Kvadratikus formk s mtrixok definitsge . .
9.1. Szingulris rtk . . . . . . . . . . . . . . . . . .
.
Szingulris felbonts . . . . . . . . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.1. ltalnostott sajtvektor . . . . . . . . . . . . . .
10.3. Jordan-blokk . . . . . . . . . . . . . . . . . . . . .
10.12.Mtrix exponencilis fggvnye . . . . . . . . .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.6. Reducibilis s irreducibilis mtrixok . . . . . . .
1.1. Lebegopontos szmok . . . . . . . . . . . . . . .
1.6. Test . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10. Zm . . . . . . . . . . . . . . . . . . . . . . . . . .
7.7.
7.15.
.
.
7.19.
.
.
.
7.45.
.
.
7.61.
.
.
.
7.80.
7.81.
.
.
285
290
292
292
294
308
312
312
314
321
324
326
331
331
334
342
343
344
345
345
349
352
364
364
365
377
379
386
389
391
396
398
398
406
407
420
425
431
438
442
446
Kidolgozott pldk
1.16. Skalris szorzat kiszmtsa a definci alapjn
1.20. Skalris szorzat kiszmtsa . . . . . . . . . . .
1.25. Meroleges sszetevokre bonts . . . . . . . . .
1.27. Vektori szorzat meghatrozsa . . . . . . . . .
1.28. i, j, k vektori szorzata . . . . . . . . . . . . . .
1.32. Parallelepipedon trfogata . . . . . . . . . . . .
.
.
.
.
.
.
39
41
43
45
45
47
48
50
51
52
54
57
61
64
64
65
66
66
69
69
74
76
79
81
81
84
84
85
86
88
89
90
90
93
96
96
97
99
99
100
101
101
102
105
105
106
107
110
111
112
113
115
116
117
122
122
124
15
3.12. Altr . . . . . . . . . . . . . . . . . . . . . . . . .
3.17. Nulltr . . . . . . . . . . . . . . . . . . . . . . . .
3.21. Kifesztett altr vektorai . . . . . . . . . . . . . .
3.23. Vektorok lineris fggetlensgnek eldntse . .
3.27. Altr bzisnak meghatrozsa . . . . . . . . . .
3.28. Vektor felrsa a bzisvektorok lineris kombincijaknt . . . . . . . . . . . . . . . . . . . . . .
3.30. Vektor koordints alakja a B bzisban . . . . .
3.33. Mtrix transzponltja . . . . . . . . . . . . . . . .
3.36. Dimenzi kiszmtsa . . . . . . . . . . . . . . .
3.39. Egyenletrendszer megoldsa elemi bzistranszformcival . . . . . . . . . . . . . . . . . . . . .
3.40. Vektorokra meroleges altr . . . . . . . . . . . .
3.47. Lineris egyenletrendszer sortrbe eso megoldsa . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Lineris helyettestsek kompozcija . . . . . .
4.3. Mtrixok s elemeik . . . . . . . . . . . . . . . .
4.7. Mtrixok sszege, klnbsge . . . . . . . . . . .
4.10. Mtrixok lineris kombincija . . . . . . . . . .
4.12. Mtrixok szorzsa . . . . . . . . . . . . . . . . . .
4.14. Skalris s diadikus szorzat . . . . . . . . . . . .
4.15. Egyenletrendszer mtrixszorzatos alakja . . . . .
4.16. Szimultn egyenletrendszer mtrixszorzatos
alakja . . . . . . . . . . . . . . . . . . . . . . . . .
4.19. ttrs a standard bzisra . . . . . . . . . . . . .
4.20. Bziscsere . . . . . . . . . . . . . . . . . . . . . .
4.24. Bzisfelbonts . . . . . . . . . . . . . . . . . . . .
4.27. Elemi mtrixok . . . . . . . . . . . . . . . . . . .
4.28. Mtrix balrl szorzsa elemi mtrixszal . . . . .
4.31. Muveletek
blokkmtrixokkal . . . . . . . . . . .
4.32. 2 2-es blokkmtrixok . . . . . . . . . . . . . . .
4.33. Szorzat elolltsa didok sszegeknt . . . . . .
4.35. Nulltr bzisa . . . . . . . . . . . . . . . . . . . .
5.2. Egyszerusts
mtrixszal . . . . . . . . . . . . . .
5.3. Nulloszt . . . . . . . . . . . . . . . . . . . . . . .
5.6. Mtrix hatvnyozsa . . . . . . . . . . . . . . . .
5.7. Polinom helyettestsi rtke . . . . . . . . . . .
5.10. Mtrix inverze . . . . . . . . . . . . . . . . . . . .
5.11. Szingulris mtrix . . . . . . . . . . . . . . . . . .
5.12. I A inverze nilpotens A esetn . . . . . . . . .
5.16. Az inverz kiszmtsa . . . . . . . . . . . . . . .
5.19. Inverz tulajdonsgainak alkalmazsa . . . . . . .
5.21. Egyenletrendszer megoldsa mtrixinvertlssal
5.22. Mtrixegyenlet megoldsa mtrixinvertlssal .
5.23. Mtrix elemi mtrixok szorzatra bontsa . . . .
5.26. Az ttrs mtrixnak inverze . . . . . . . . . . .
5.27. Muveletek
diagonlis mtrixokkal . . . . . . . .
5.29. Sorok permutcija mtrixszorzssal . . . . . . .
5.31. Kgyk . . . . . . . . . . . . . . . . . . . . . . . .
5.33. Permutcis mtrix inverze . . . . . . . . . . . .
5.37. Szimmetrikus s ferdn szimmetrikus mtrixok
128
129
131
132
137
137
139
141
142
145
147
152
168
170
172
173
175
176
177
178
180
180
182
184
184
186
187
188
190
196
196
199
200
203
203
204
206
208
210
211
211
213
216
216
217
218
219
16
. . . . . 351
8.1. J bzis tkrzshez . . . . . . . . . . . . . . . . 363
8.3. Sajtrtk, sajtvektor . . . . . . . . . . . . . . . . 364
8.6. Sajtaltr bzisnak meghatrozsa . . . . . . . 365
8.7. Karakterisztikus polinom felrsa . . . . . . . . . 366
8.10. 2 2-es mtrixok sajtvektorainak brzolsa . 367
8.12. Az sszes sajtrtk s sajtvektor meghatrozsa 369
8.13. Magasabbfok karakterisztikus egyenlet . . . . 370
8.14. Komplex sajtrtkek s komplex elemu sajtvektorok . . . . . . . . . . . . . . . . . . . . . . . 371
8.15. Sajtrtk algebrai s geometriai multiplicitsa . 372
8.21. Lineris transzformci sajtrtke, sajtaltere . 377
8.25. Mtrix diagonalizlsa . . . . . . . . . . . . . . . 380
8.28. Diagonalizlhatsg megllaptsa . . . . . . . . 382
8.31. Lineris transzformci diagonalizlsa . . . . . 384
8.32. Mtrixok nagy kitevos hatvnyai . . . . . . . . . 385
8.36. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
8.37. Msodfok polinom mtrixszorzatos alakja . . . 389
8.39. Fotengely-transzformci . . . . . . . . . . . . . 391
8.41. Definitsg meghatrozsa a sajtrtkekbol . . . 392
lebegopontos szmokkal . .
1.5. Flop s flops . . . . . . . . . . . . . . . . . . .
1.7. Muveletek
paritsokka . . . . . . . . . . . . .
1.8. XOR s AND . . . . . . . . . . . . . . . . . .
1.9. Szmols az rn . . . . . . . . . . . . . . . .
1.11. Szmols Zm -ben . . . . . . . . . . . . . . . .
1.12. Muvelettbla
. . . . . . . . . . . . . . . . . . .
1.13. Oszts, reciprok . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
396
398
399
400
406
407
408
411
413
414
417
420
431
438
438
439
440
445
445
445
446
447
447
Bevezets
Kt motivl emlkem Nhny ve, az akkor legkivlbb mrnkhallgatmat megkrdeztem, hogy mi a vlemnye a szemeszter anyagrl.
Nhny vatos, tartzkod mondat utn egy vratlan, s akkor szmomra teljesen rthetetlen mondattal lepett meg A lineris algebrt
nem lehet rteni. Hiba prblkoztam azzal, hogy minden dolgozatt maximlis pontszmmal rta meg, mg a nehz, gondolkodtat,
bizonytst kro krdsekre is tudott vlaszolni. Semmi magyarzattal nem tudta feloldani ezt az ellentmondst, csak makacsul megismtelte lltst, s a vgn mg annyit tett hozz, az analzist lehet
rteni, az szp. Mire gondolhatott? Hamar n is gy gondoltam,
igaza lehet. Pldul a fggvny hatrrtknek vagy folytonossgnak Cauchy-fle defincija igen nehz sok dik szmra, pedig mr
kzpiskolban is tanultk. Nehz, de valami fogalma mgis minden
hallgatnak van rla. Akr tudja, akr nem a defincit, akr jk, akr
zavarosak az elkpzelsei, tbbnyire tudja mirol van sz. De nincs ez
gy pldul a determinnssal. Aki megtanulta azt, hogy vedd az elso sor elemeit, s mindegyiket szorozd meg a hozz tartoz elojeles
aldeterminnssal (egy rekurzv mdon definilt fogalom!), az ezzel
ellhet, megoldhat feladatokat, de gy rzi, nem rt ebbol semmit.
s mit gondol, ha azt ltja, hogy ezt az rthetetlen fogalmat hasznlva
egy rejtlyesnek tun
o szabllyal (Cramer-szably) meg tudja oldani azt
az egyenletrendszert, amit mr az ltalnos iskolban is meg tudott?
Csak akkor rtette is, hogy mit mirt csinl!
A msik trtnet 30 ves. Fiatal oktatknt krdore vontam az
egyik mrnki kar dknjt, hogy az oktatsi reformjban mirt cskkentette a matematikark szmt! Azt vlaszolta, hogy mert szksgnk van idore, hogy megtanthassuk a dikokat gondolkodni. Kzbevetsemre, hogy a matematika pp ezt teszi, rviden csak annyit
mondott, hogy a matematika csak kaptafkat ad nekik, gondolkodni
mi tantjuk o ket.
Kinek kszl ez a knyv s mirt Ez a knyv foiskolai s egyetemi BSc
s MSc szintu lineris algebra kurzusaihoz s rszben az azt megelozo flvek vektorgeometrit is tartalmaz kurzusaihoz kszlt. Szem-
18
lineris algebra
lletben eltr a Magyarorszgon megjelent hasonl tmj tanknyvektol. Megrst s a sok tekintetben jfajta megkzeltst az albbi
tnyek indukltk:
A felsooktats reformjnak hatsaknt a hallgatk mind hozott tudsukat, mind matematikai kpessgeiket tekintve heterognebbek,
mint korbban.
A felsofok oktats vltoz szemllete nagyobb hangslyt fektet az
alkalmazsokra, mind a tananyag sszelltsban, mind azoknak
a kpessgeknek a kifejlesztsben, amelyek a megszerzett tuds
alkalmazshoz szksgesek.
A matematika felsofok oktatsval foglalkoz nemzetkzi kutatsok eredmnyei, a szmtgp hasznlatnak elterjedse j oktatsi
szemllet kialaktst kvnjk.
a tananyag
minl hatkonyabb tanulhatsgnak elrse.
Modulris szerkeszts A knyv anyagt igyekeztnk modulrisan, apr egysgekre bontva megszerkeszteni, ezzel nem csak az ttekinthetosgt nvelni, de a tbbcl, klnbzo szintu,
klnbzo idotartam
kurzusokhoz val alkalmassgt is megknnyteni.
Alapfogalmak korai bevezetse Tapasztalataink szerint nem elg hatkonyak a lineris algebra alapfogalmainak megrtetsben azok a kurzusok, melyek a kurzus elejt az egyszeru mtrix- s determinnsszmtsi, egyenletrendszer-megoldsi, sajtrtk-szmtsi technikkkal tltik, majd a kurzus vgn a hallgatk nyakba ntik a lineris
fggetlensg, test feletti vektortr, altr, bzis, lineris lekpezs. . . fogalmakat. De nem jobb a hatsfoka a fordtott felptsu kurzusoknak sem, melyek az ltalnos fogalmakkal s eredmnyekkel kezdik,
melyekbol a vgn knnyedn kipottyan pl. az egyenletrendszerek
elmlete.
Az a hatrozott vlemnynk, hogy (az absztrakt gondolkodsban
kivlak szuk
csoportjt leszmtva) a hallgatk gyorsabban s mlyebb ismeretekhez jutnak, ha az absztakt fogalmakkal konkrt esetekben mr korbban megismerkednek, s az absztrakt fogalomalkots
valban absztrakci, s nem kinyilatkoztats tjn trtnik. A lineris algebra legtbb fontos, e knyvben trgyalt fogalmval az elso
TARTALOMJEGYZK
19
20
lineris algebra
TARTALOMJEGYZK
A knyv felptse
A knyv rszei A knyv elso rszt a lineris algebra kt fo forrsnak
tanulmnyozsra szntuk. E kt forrs jl jellemezheto egy-egy alapfogalommal: a vektorral s a lineris egyenletrendszerrel. Egyikk
geometriai, msikuk algebrai jellegu.
E fogalmakat az Olvas korbbi
tanulmnyaibl mr ismeri. E rszben ezekbol kiindulva, de a lineris
vektortr absztrakt fogalmnak ismerete s a mtrixmuveletek
21
22
6.
7.
8.
9.
10.
11.
12.
13.
14.
lineris algebra
pl, a
mtrixmuveletek
TARTALOMJEGYZK
Szoftverek
Lineris algebra kurzusokhoz tbbnyire ktfle szoftver valemelyikt
hasznljk: MATLAB-tpus vagy komputer algebra rendszert. Egy
kurzus alatt elegendo egyetlen szoftver hasznlata.
Mtrix alap nyelvek A lineris algebra a programnyelvek felol legtermszetesebb mdon valamely mtrix alap numerikus matematikai
szoftveren keresztl kzeltheto meg. A MATLAB-nak s a hozz hasonl nyelveknek e terleten meghatroz szerepk van, ezrt a tovbbiakban mtrix alap nyelveken csak ezeket rtjk. E nyelvek kzl ngyet emelnk ki. A mintaad s egyttal a legelterjedtebb kzttk a
MATLAB, mely egy msik, O-Matrix nevu programmal az zleti szoftverek kz tartozik. A tbb, foknt francia kutatintzet s egyetem
(pl. cole Polytechnique, cole Centrale Paris, INRIA) valamint cg
(pl. a nagy francia autgyrak) konzorciuma ltal tmogatott SciLab
s a GNU szoftverek kz tartoz Octave nylt forrskd ingyenes
szoftverek. E szoftverek mindegyike igen megbzhat, nagy tuds,
mindegyik komoly referencikat szerzett valdi muszaki,
pnzgyi s
tudomnyos szmtsok elvgzsvel, ezrt nyugodt szvvel ajnlhat oktatsi clokra is. Krltekinto mrlegels utn az Octave mellett
dntttnk, annak ingyenessge s a MATLAB-bal val nagyobb kompatibilitsa miatt, gy a knyvnkben szereplo mtrix alap nyelven rt
kdok ebben kszltek.
Komputer algebra rendszerek A komputer algebra rendszerek (Computer Algebra Systems, rvidtve CAS) oktatsban val hasznlhatsga
ma mr nem krds. Legismertebb ilyen rendszerek a Maple s a Mathematica. Mindkt rendszer igen nagy tuds, kpessgeik messze
fellmljk azt, amire egy lineris algebra kurzusnak szksge lehet.
Mivel e szoftverek beszerzse nem olcs, itt is rdemes az ingyen elrheto lehetosgeket keresni. Egy friss fejleszts a Sage nevu program.
Ennek egyik elonye, hogy sajt programnyelv helyett egy szles krben elterjedt s knnyen tanulhat nyelvre, a Pythontra pl. Tovbbi
jellemzoi: felhasznli felletnek egy web-es kereso, melyen keresztl
szmtalan egyb computer algebra program is elrheto. Mindez gyors
fejlodst s nagy lehetosgeket knl. A fent felsorolt szoftverek brmelyike ajnlhat lineris algebra kurzushoz. Knyvnk CAS-kdjai
a Sage-rendszert hasznljk. A tmogats oka a rendszer ingyenessge s nagy tudsa mellett az, hogy mivel webes keresokben futhat,
ezrt nem csak sajt gprol, hanem az Interneten keresztl valamely
szerverrol, gy akr netbookon, vagy okostelefonon is hasznlhat, s
ezzel igen rugalmas hozzfrst biztost.
23
24
lineris algebra
Jellsek
Kplet
projb a
ab
ab
(a, b)
(a, b)^
:=
i, i
e, e
C, R, Q, Z
Zm
Fp = Zp
|a|
kak
aij , ai,j
ai
a j , a j
(v)B , [v]B
[ L]B
A, A
oldal megjegyzs
42
39
45
31
44
446
447
31
31
170
170
170
139
I. rsz
27
1
Vektorok
ltalnosan elterjedt nzet szerint a termszeti jelensgek lersakor
sok sszefggst szmszeru adatokkal, n. skalrokkal vagy skalrmenynyisgekkel fejeznk ki, mg msok lershoz a szmadat mellett egy
irny megadsa is szksges, s ez utbbiakat nevezzk vektoroknak. A
valsg ennl sokkal sznesebb: a trido 4-dimenzis vektoraitl, a bitvektorokon, a gazdasgi szmtsok tbbszzezer-dimenzis, vagy az
internetkeresok ltal kezelt sokmilli-dimenzis vektorain t a matematika klnbzo terletein gymlcszo absztrakt vektorfogalomig
szles a skla.
Irnytott szakasz, kttt s szabad vektor Tekintsnk egy srknyreplot repls kzben. Szmtalan skalr- s vektormennyisg rja le llapott. A fldtol val tvolsg, a lgnyoms, a lgellenllsi egytthat
vagy az emelkeds szge skalrmennyisgek, mg vektormennyisgek
a sebessg- s gyorsulsvektor, a szrnyra hat felhajtero, a gravitcis ero, a szl ereje vagy az elmozdulst ler vektor.
A vektor fogalma kapcsolatban van az irnytott szakasz fogalmval. Irnytott szakaszon olyan szakaszt rtnk, melynek vgpontjain
megadunk egy sorrendet, azaz kijelljk, hogy melyik a kezdo- s melyik a vgpontja. Ms szhasznlatban az irnytott szakaszt szoks
kttt vektornak is nevezni. Az A kezdopont s B vgpont irnytott
szakaszt AB jelli.
Tbb jelensg lersra a kttt vektor alkalmas. Termszetes plda
az elmozdulsvektor, mely megadja, hogy egy trgy a tr mely pont-
Skalr, skalris: a lpcso, ltra jelentsu latin scalae (scalae) szbl ered. E sz
szrmazka a skla sz is, mely jl o rzi
az eredeti jelentst. A skalr vagy skalris szt a matematikban szm vagy
szmszeru rtelemben hasznljuk, pldul olyankor, amikor egy mennyisgrol azt akarjuk hangslyozni, hogy irny
nlkli, azaz nem vektor jellegu.
30
lineris algebra
definilja a vgpontja,
gy a vektorok megadshoz elg egyetlen pont, a vgpont megadsa.
Ezzel a sk vagy tr pontjai s vektorai kzt klcsnsen egyrtelmu
megfeleltetst ltesthetnk (1.4. bra). Az origbl egy P pontba h
zott irnytott OP szakaszt a ponthoz tartoz helyvektornak is szoks
nevezni. Vilgos, hogy minden vektor reprezentnsai kzt pontosan
egy helyvektor van.
A ksobbiekben gyakran fogunk egy ponthalmazt gy jellemezni,
hogy az origbl a ponthalmaz pontjaiba mutat vektorokat jellemezzk. Amikor vektorok vgpontjairl beszlnk, mindig a vektorokat
megad, az origbl indtott irnytott szakaszok vgpontjaira gondolunk.
Az olyan vektort, melynek kezdo s vgpontja egybeesik, zrusvektornak vagy nullvektornak nevezzk. A zrusvektort ltalban flkvr
zrussal, azaz 0-val jelljk. A pontok s vektorok kzti megfeleltetsben a zrusvektornak az orig felel meg.
(a)
(b)
Vektor: a hordoz, vivo, utaz jelentsu latin vector szbl szrmazik. A tudomny
ms terletein hordoz anyag, az lettanban vrushordoz rtelemben hasznljk.
fizikai
szvegek szedsnek tipogrfiai szablyait az ISO 31-11 szabvny rja le. Eszerint a vektorok flkvr betukkel
nem
hasznljk e szabvnyt, mondvn, kiderl a szvegbol, hogy vektort jellnek-e
a betuk
(x, u, v. . . ).
OP
O
1.4. bra: A sk pontjai s vektorai kzti klcsnsen egyrtelmu megfeleltets:
vektorok
Vektor megadsa hossz s irny segtsgvel Ha tudunk tvolsgot mrni, s irnyt meghatrozni, akkor a vektor megadhat hosszval s
irnyval is. Vektor hosszt, azaz kt vgpontjnak tvolsgt a vektor
abszolt rtknek is nevezzk. Az a vektor abszolt rtkt |a| jelli. Az abszolt rtk msik neve euklideszi norma, ugyanis specilis
esete egy ksobb rszletezendo fogalomnak, a normnak. Az a vektor
(euklideszi) normjnak jellse az abszolt rtkre emlkeztet: kak.
Az irny fogalmt az 1.20. feladatban definiljuk. Itt megelgsznk
annyival, hogy kt nemzrus vektort azonos irnynak vagy egyirnynak neveznk, ha a kezdopontjukbl indul, s a vgpontjukon
thalad flegyenesek prhuzamos eltolssal fedsbe hozhatk (1.5 (a)
bra). Kt nemzrus vektort kollinerisnak vagy prhuzamosnak neveznk, ha az o ket tartalmaz egyenesek prhuzamosak. Kt vektort,
amely prhuzamos, de nem egyirny, ellenkezo irnynak neveznk
(1.5 (b) bra). A zrusvektor irnyt tetszolegesnek tekintjk, gy az
brmely vektorral egyirny. Belthat, hogy a vektort egyrtelmuen
Vektormuveletek
az sszeads s a szmmal val szorzs defincija termszetes mdon addik, ha a vektorok legtipikusabb alkalmazsaira gondolunk. Pl. magtl rtetodo, hogy kt elmozduls sszegn az elmozgatsok egyms
utn val elvgzst, egy eltols ktszeresn egy azonos irny, de
ktszer olyan hossz eltolst rtsnk.
1.1. definci (Kt vektor sszege hromszgmdszer). Legyen
adva kt vektor, a s b. Vegynk fl egy tetszoleges O pontot. Indtsunk
belole egy a-val egyenlo OP vektort, ennek vgpontjbl pedig egy b-vel
definilhat e
mdszerrel (a bizonyts leolvashat az 1.8. brrl).
Egy msik mdszert is ismertetnk kt nem kollineris vektor sszegnek megszerkesztsre:
(a)
31
(b)
1.5. bra: (a) egyirny vektorok, (b) kollineris (prhuzamos) vektorok, vannak
kztk egyirnyak s ellenkezo irnyak
(a)
(b)
(c)
a
P
b
a
a+b
O
Q0
a+b
O0
P
a
a+b
b
Q
O
1.8. bra: Az sszeg fggetlen az O pont
megvlasztstl, ugyanis OQ = O0 Q0 .
32
lineris algebra
1.2. llts ( Parallelogramma-mdszer). A kzs kezdopontbl indtott a s b vektorok sszege megkaphat abbl a parallelogrammbl, melynek kt szomszdos oldala a s b, ekkor az sszeg a kzs kezdopontbl indtott, s a parallelogramma szemkzti cscsba fut vektor.
a
a+b
hogy a vgpontjn t egy b egyenesvel, b vgpontjn t egy a egyenesvel prhuzamos egyenest hzunk. A kzs kezdopontbl e kt
egyenes metszspontjba fut vektor lesz az sszeg (ld. 1.9. bra).
P
Q
O
(a)
A
(b)
1.10. bra: Az (a) brn a lbnyomok Obl P-be, majd onnan Q-ba vezetnek. Az
OP s a PQ elmozdulsvektorok sszege
b
a
a+b
b+c
a + (b + c) =
(a + b) + c =
a+b+c
mutativitsa s asszociativitsa.
ab
a
b+a
b
ab
b
1.12. bra: A klnbsgvektor meghatrozsa hromszg- s parallelogrammamdszerrel.
vektorok
legfontosabb
tulajdonsgait, melyek segtsgvel ksobb ltalnostani fogjuk a vektor fogalmt. Az eddig nem bizonytott tulajdonsgok igazolst az
olvasra hagyjuk.
33
ab
elltott
s e muveletre
zrt halmaz. Kommutatv csoport pldul a valsok az sszeadsra nzve, a vektorok az sszeadsra nzve, vagy Z12 az sszeadsra nzve
(ld. az 1.9.. pldt s az 1.10.. defincit). Legyen G egy kommutatv csoport,
s X egy nem res halmaz, melyen definilva van brmely kt elem klnbsge,
ami G-beli. Ekkor X-et G-torzornak nevezzk, ha brmely x0 , x1 , x2 X elem
esetn, ha x1 x0 = g1 s x2 x0 =
g2 , akkor x1 x2 = g1 g2 . Msknt fogalmazva, X o rzi G struktrjt
a zruselem nlkl gy, hogy brmely
elemt zruselemnek vlasztva azonnal
megkapjuk G-t.
1a
2a
(1)a
0a = 0
34
lineris algebra
1.7. ttel (Vektorral prhuzamos vektorok). Ha a nem zrusvektor, akkor brmely vele prhuzamos v vektor az a skalrszorosa, azaz van
olyan c vals szm, hogy v = ca, ms szval v eloll az a valamely lineris
kombincijaknt. Ez az elollts egyrtelmu.
1.15. bra: Egy nemzrus a vektor, s nhny lineris kombincija ktfle reprezentciban.
v2 a2
a2
a1
Bizonyts. A bizonytsnak a felbonts ltezst biztost rsze knynyen leolvashat az 1.16. brrl. A v vgpontjbl hzzunk az a1 s
az a2 vektorokkal prhuzamos egyeneseket. Az gy ltrejtt nem elfajul parallelogramma kt oldala az elozo ttel szerint a1 , illetve a2
konstansszorosa, melyek sszege a parallelogramma szably szerint
pp v. Elolltottuk teht v-t a1 s a2 lineris kombincijaknt. Meg
kell mg mutatnunk, hogy ez az elollts egyrtelmu.
Legyen
v = v 1 a 1 + v 2 a 2 = w1 a 1 + w2 a 2 .
a v vektor kt elolltsa. Ekkor trendezs utn (v1 w1 )a1 = (w2
v2 )a2 . Mivel a1 s a2 nem kollinerisak, konstansszorosaik csak akkor
egyezhetnek meg, ha mindketto a zrusvektor. Ugyanakkor a1 6= 0
s a2 6= 0, ezrt az elozo egyenlosg csak akkor ll fnn, ha (v1
w1 ) = (w2 v2 ) = 0, azaz ha v1 = w1 s v2 = w2 . Teht a felbonts
egyrtelmu.
2
Lthat teht, hogy kt nem prhuzamos vektor sszes lineris kombincijnak halmaza megegyezik a kt vektorral komplanris vektorok halmazval, egyszerubben
fogalmazva kt nem prhuzamos vektor sszes lineris kombincijnak vgpontja egy orign tmeno skot
ad.
v1 a1
eloll v =
v1 a1 + v2 a2 alakban, ha a1 s a2 nem prhuzamos.
vektorok
35
(1.1)
Ez az elollts egyrtelmu.
2
Lineris fggetlensg Az elozo kt ttelbol vilgos, hogy a tr hrom
vektora vagy egy skba esik, ekkor valamelyikk a msik ketto lineris
kombincija, vagy nem esik egy skba, s akkor egyikk sem ll elo
a msik ketto lineris kombincijaknt. Ekkor viszont a tr minden
vektora eloll az o lineris kombincijukknt. Ltjuk, alapveto, hogy
egy vektor kifejezheto-e ms vektorok lineris kombincijaknt.
1.10. definci (Vektorok fggetlensge). Azt mondjuk, hogy egy v
vektor linerisan fggetlen az a1 , a2 ,. . . an (n 1) vektoroktl, ha v nem
fejezheto ki e vektorok lineris kombincijaknt. Azt mondjuk, hogy az a1 ,
a2 ,. . . an (n 2) vektorok linerisan fggetlenek ha e vektorok egyike sem
fejezheto ki a tbbi lineris kombincijaknt. Ha legalbb egyikk kifejezheto
a tbbi lineris kombincijaknt, azaz legalbb egyikk linerisan fgg
a tbbitol, akkor e vektorokat linerisan sszefggoknek nevezzk. Az
egyetlen vektorbl ll vektorrendszert linerisan fggetlennek tekintjk, ha
a vektor nem a zrusvektor.
v3 a3
a3
a2
a1
v2 a2
v1 a1
36
lineris algebra
Pldul egy trbeli vektor, mely nem esik egy adott skba, fggetlen
a skba eso vektorok brmely rendszertol (??. bra). Egy kocka egy
cscsbl kiindul lvektorai linerisan fggetlenek (??. bra). ltalban: brmely kt nem kollineris vektor linerisan fggetlen, hasonlkpp, a tr brmely hrom nem komplanris, azaz nem egy skba eso
vektora linerisan fggetlen.
Az 1.8. ttel teht a kvetkezokpp fogalmazhat t:
1.11. ttel (Skbeli vektor felbontsa). Ha a1 s a2 egy sk kt linerisan fggetlen vektora, akkor a sk minden v vektora egyrtelmuen
eloll e
vektorok lineris kombincijaknt, azaz egyrtelmuen
lteznek olyan v1 s
v2 vals szmok, hogy
v = v1 a1 + v2 a2 .
Hasonlkpp az 1.9. ttel gy fogalmazhat t:
1.12. ttel (Trbeli vektor felbontsa). Ha a1 , a2 s a3 hrom linerisan fggetlen trbeli vektor, akkor a tr minden v vektora egyrtelmuen
A s B a sk vagy a tr hrom pontja. Az rOA + sOB alak lineris kombinci vgpontja pontosan akkor mutat az A s B ponton tmeno egyenes
egy pontjba, ha r + s = 1.
r (a b) (r R)
B
x
b
ab
O
a
A
vektorok
B
r (a b) (0 r 1)
b
X
B
O
a
A
0 s 1 kz eso r s s valsokra OX =
rOA + sOB, s r + s = 1.
O
A
r+s+t = 1
37
A
r + s + t = 1 s 0 r, s, t 1
Szemlletesen vilgos, pldul a mellkelt 1.21. brrl leolvashat, de nem bizonytjuk, hogy kt tetszoleges nem kollineris vektor
sszes olyan lineris kombincija, amelyben az egytthatk 0 s 1
kz esnek, egy parallelogrammt ad. Pontosabban fogalmazva egy
ra + sb alak vektor vgpontja pontosan akkor tartozik az a s b ltal
meghatrozott (kifesztett) parallelogrammhoz, ha 0 r, s 1.
Hasonl mondhat hrom, nem egy skba eso vektorrl: egy ra +
sb + tc alak vektor vgpontja pontosan akkor tartozik az a, b s c
ltal kifesztett parallelepipedonhoz, ha 0 r, s, t 1 (1.21. bra).
B
X
A
C
B
A
1.21. bra: A parallelogramma s a parallelepipedon olyan lineris kombincikkal
llthat elo, ahol az egytthatk nem
negatvak, s sszegk legfljebb 1.
38
lineris algebra
Feladatok
s a
Vektormuveletek
a 2- s 3-dimenzis trben
1.1. Adva van a skban kt tetszoleges vektor, a s b.
Szerkesszk meg a kvetkezo vektorokat: a) c = 2a + b,
b) d = 2a b, c) e = 23 a + 13 b, d) f = 25 a + 35 b.
sszeg?
AC, d) AB CB, e) AC + DB, f) AC DB, g) 2 AB + BD
1.4. Tekintsk az ABCD ngyzetet. Jellje a BC oldal felezopontjt E, a CD oldal felezopontjt F, a ngyzet k
zppontjt O. Fejezzk ki az egymsra meroleges a = AB
s d = AD vektorok segtsgvel az AE, AF, AO, EF, OF
vektorokat!
1.5. Tekintsk az ABCD tetradert! Hatrozzuk meg az
a) AB + BC + CD + DA,
b) AB CB + CD AD,
c) AD AC BD
vektorokat.
1.6. Tekintsk a szablyos ABCDEF hatszget, melynek
P1 P2 + P2 P3 + P3 P4 + . . . + Pn1 Pn
P1 P2 + P2 P3 + P3 P4 + . . . + Pn1 Pn + Pn P1
a + b c,
a b + c,
abc
OP =
m
n
OA +
OB.
m+n
m+n
OA + OB
2
vektor mutat.
Alkalmazs: geometriai bizonytsok vektorokkal
Alkalmazs: szv.....
vektorok
Skalris szorzs A fizikban az ero ltal vgzett munka az t hossznak s az ero elmozduls irnyba eso meroleges vetlete hossznak
szorzata. Vagyis kt vektorjellegu mennyisgbol egy skalrmennyisget kapunk eredmnyl. Ha F jelli az erovektort, s az elmozdulsvektort, Fs az eronek az elmozduls irnyba eso meroleges vetleti
vektort s az F s s vektorok hajlsszgt, akkor a munka rtke
|Fs ||s| = |F||s| cos . Ez vezet a kvetkezo defincihoz:
1.15. definci (Kt vektor skalris szorzata). Kt vektor skalris
szorzatn a vektorok abszolt rtknek s az ltaluk bezrt szg koszinusznak szorzatt rtjk. Az a s b vektorok skalris szorzatt a b jelli,
teht
a b = |a||b| cos(a, b) ,
ahol a kt vektor ltal bezrt szg (a, b) .
Ha a s b valamelyike zrusvektor, akkor a kt vektor szge, s gy
annak koszinusza sem hatrozhat meg egyrtelmuen,
1
2
= 1.
1.17. ttel (Mikor 0 a skalris szorzat?). Kt vektor skalris szorzata pontosan akkor 0, ha a kt vektor meroleges egymsra.
Bizonyts. (=) Ha a b, akkor (a, b) = /2, azaz cos(a, b) =
0, teht a b = 0.
(=) Ha a b = 0, azaz |a||b| cos(a, b) = 0, akkor |a| = 0, |b| = 0
vagy cos(a, b) = 0. Ha valamelyik vektor zrusvektor, akkor irnya
brmely vektorra merolegesnek tekintheto. Ha viszont a 6= 0 s b 6=
39
40
lineris algebra
a a.
ab
|a||b|
(1.2)
vektorok
41
Bizonyts.
| a + b |2 = ( a + b ) ( a + b )
= aa+ab+ba+bb
disztributivits
= a a + 2( a b ) + b b
kommutativits
= aa+bb
2
= |a| + |b| ,
Vilgos, hogy a ?-lel megjellt egyenlosg pontosan akkor teljesl, ha
a b = 0, azaz ha a s b merolegesek egymsra.
2
b
|a b| |a||b|.
A CauchyBunyakovszkijSchwarz-egyenlotlensg segtsgvel bizonytjuk a geometribl jl ismert hromszg-egyenlotlensget. Ennek az az rtelme, hogy e bizonyts vltoztats nlkl mukdni
fog
sokkal ltalnosabb krlmnyek kztt is.
a
1.22. bra: Kt vektor skalris szorzata
42
lineris algebra
ngyzetre emeljk.
| a + b |2 = ( a + b ) ( a + b )
= | a |2 + 2( a b ) + | b |2
| a |2 + 2| a b | + | b |2
|a|2 + 2|a||b| + |b|2
= (|a| + |b|)2 .
2
ab
a.
aa
(e b)e
(e b)e
b
b proja b
a
proja b
vektorok
43
Bizonyts. Az elso kplet az egysgvektorral szorzs geometriai jelentsrol szl 1.23. ttelbol kvetkezik. Legyen e = |aa| az a-irny
egysgvektor. Ekkor
a
1
a
ab
b
= 2 (a b)a =
a.
proje b = (e b)e =
|a|
|a|
aa
|a|
(Az utols egyenlosgnl kihasznltuk, hogy |a|2 = a a.) Mivel e s
a prhuzamosak, ezrt proja b = proje b, ami bizonytja elso lltsunkat. Az llts msodik fele abbl kvetkezik, hogy a kt sszetevo
sszege b.
2
b
b 43 a
Megolds. Br a megolds az 1.25 brrl is azonnal ltszik, kvessk vgig a szmtst: az 1.20. plda szerint a b = 12, |a| = 3, ezrt
proja b =
ab
12
4
a=
a = a,
aa
9
3
Merolegessg s orientci Legyenek a s b egymsra meroleges nemzrus vektorok a skban. Ekkor a s b is merolegesek, azaz (a, b) =
(a, b) = /2. Csak az a ismeretben meg tudjuk-e klnbztetni
a b s b vektorokat? Hasonl krds a trben is flmerl: ha c meroleges a nem kollineris a s b vektorok mindegyikre, akkor c is.
Vajon c s c megklnbztetheto-e egymstl csak a-hoz s b-hez
val viszonyukat tekintve?
A vlaszhoz az irnyts, ms szval orientci fogalma vezet. E fogalmat preczen ksobb definiljuk (ld. ???. szakasz), az alapgondolat
viszont egyszeru.
A skban a kt fggetlen vektorbl ll prokat kt
osztlyba sorolhatjuk aszerint, hogy a tenyrrel flfel fordtott jobb
vagy bal keznk elso kt ujjval szemlltethetoek (1.26. bra) (hvelyk
az elso, mutat a msodik vektor).
Hasonlkpp: a trben a fggetlen vektorokbl ll hrmasokat kt
osztlyba sorolhatjuk aszerint, hogy jobb vagy bal keznk elso hrom
ujjval szemlltethetoek (1.27. s 1.28. bra). Kzenfekvonek tunik
az
elso vektornak a hvelyk, a msodiknak a mutat, a harmadiknak a
kzpso ujjunkat megfeleltetni, de azokban a kultrkban, ahol a mutat s kzpso ujjal mutatjk a kettot, ott a mutat-kzpso-hvelyk
a sorrend. Aszerint, hogy egy vektorpr a skban, illetve egy vektorhrmas a trben melyik osztlyba esik, azt mondjuk, hogy jobbrendszert, illetve balrendszert alkot. Az 1.27. bra harmadik kpn lthat
md (az klbe szorul jobb kz mozgsa) azt is megmutatja, hogy
milyen egy egyenes krl val pozitv forgs irnya. A skban ezt
4
3a
44
lineris algebra
c
b
c
b
c
a
c
a
Vektori szorzs A fizikban tbb olyan jelensg is van, melyben kt trbeli vektorhoz keresnk egy mindkettore meroleges harmadikat. Legismertebb plda a forgatnyomatk.
Hasson egy F ero egy test P pontjban, s legyen a test rgztve
az O pontjban. A P ponton tmeno, F irny egyenesnek az O-tl
val tvolsgt az ero karjnak nevezzk. Az F hatsra a test O krl elfordul. Ennek jellemzsre tudnunk kell a forgs tengelyt, a
forgs nagysgt, s azt, hogy a tengely krli kt forgsirny kzl melyikrol van sz. Erre alkalmas lehet egy vektor ezt nevezzk
forgatnyomatknak , melynek irnya a forgstengellyel prhuzamos,
hossza a forgs nagysgt rja le, s a forgstengellyel prhuzamos
kt vektorirny a kt forgsirnyhoz tartozik. Hogyan definilhat
a forgatnyomatk-vektor, ha tudjuk, hogy abszolt rtke az erokar
hossznak s az ero abszolt rtknek szorzata?
1.27. bra: Az a, b s c vektorok ebben a sorrendben jobbrendszert alkotnak, ha irnyuk a jobb keznkkel mutathat a mellkelt hrom bra brmelyike
szerint: (1) hvelykmutatkzpso ujj,
(2) mutatkzpsohvelykujj, (3) a hvelyk mutatja a c vektort, klbe szorul
keznk ujjai pedig az a felol a b fel haladnak.
1.28. bra: Az a, b s c vektorok ebben a sorrendben balrendszert alkotnak, ha irnyuk a bal keznkkel mutathat a kvetkezok brmelyike szerint: (1) hvelykmutatkzpso ujj,
(2) mutatkzpsohvelykujj, (3) a hvelyk mutatja a c vektort, klbe szorul
keznk ujjai pedig az a felol a b fel haladnak.
vektorok
45
A forgs tengelye nyilvn meroleges F-re s OP-re is, csak abban kell
rtelmuen
definilja, ugyanis minden olyan esetben, amikor nem tudnnk eldnteni, hogy a vektorok jobbrendszert alkotnak-e, a szorzat a
nullvektor (gondoljuk meg!).
I Az a s b vektorok vektori szorzatt a b jelli, amit a kereszt bnek olvasunk. Kpletekkel megfogalmazva: a b egy vektor, melyre
|a b| = |a||b| sin(a, b) ,
ab
vektori szorzataikrl!
Megolds. Mivel (i, i) = 0, ezrt |i i| = 0, gy i i = 0. Hasonlan j j = 0 s k k = 0.
Mivel |i| = |j| = 1 s (i, j) = 90 , ezrt |i j| = 1, azaz i j is
egysgvektor. Radsul i j meroleges i-re s j-re, s i, j valamint i j
jobbrendszert alkotnak pp gy, mint i, j s k. Ebbol kvetkezik, hogy
i j = k. Hasonlkpp j k = i s k i = j. Ha i, j, k jobbrendszert alkot, akkor j, i s k balrendszert, gy j i = k. Mindezeket
sszefoglalva a kvetkezo muvelettblt
kapjuk.
b
a
1.29. bra: Az a, b s az a b vektorok
46
lineris algebra
i
j
k
i
0
k
j
j
k
0
i
k
j
i
0
j
k
a
1.30. bra: |a b| megegyezik a parallelogramma terletvel
vektorok
ki.
I E ttel a) pontja szerint a vektori szorzs nem kommutatv!
I Egy egyszeru
plda mutatja, hogy a vektori szorzs nem is asszoci-
( i j ) j 6 = i ( j j ),
ugyanis (i j) j = k j = i, msrszt i (j j) = i 0 = 0.
Parallelepipedon trfogata, s elojeles trfogata Az 1.30. ttelben megmutattuk, hogy a vektori szorzat abszolt rtke a kt vektor ltal kifesztett parallelogramma terlett adja. Hogy szmthat ki a parallelepipedon trfogata?
1.32. plda (Parallelepipedon trfogata). Hatrozzuk meg az a, b
s c vektorok ltal kifesztett parallelepipedon trfogatt!
Megolds. Az a s b ltal kifesztett parallelogramma terlete |a b|,
s mivel a b meroleges a parallelogramma skjra, ezrt a parallelepipedon magassga c-nek az a b egyenesre eso meroleges vetleti
hosszval egyenlo. Ez az a b irny egysgvektorral val skalris
szorzssal szmolhat. Az egysgvektor
e=
ab
,
|a b|
47
48
lineris algebra
( a b ) c = ( b c ) a = ( c a ) b = a ( b c ) = b ( c a ) = c ( a b ).
Az ellenkezo elojelu szorzatok:
( c b ) a = ( b a ) c = ( a c ) b = c ( b a ) = b ( a c ) = a ( c b ).
Ezeket a vegyes szorzatra hasznlt jellssel flrva:
abc = bca = cab = acb = cba = bac.
1.34. plda (Vegyes szorzat). Hatrozzuk meg egy egysglu kocka egy
cscsbl indul hrom laptl-vektornak vegyes szorzatt!
Megolds. Jellje a kocka egyik cscsbl indul hrom lvektort
i, j s k. E hrom vektor ebben a sorrendben alkosson jobbrendszert. Ekkor az elozo megjegyzs szerint ijk = jki = kij = 1,
kji = jik = ikj = 1. Mivel a vegyes szorzat egy parallelepipedon trfogatt, vagy annak ellentettjt adja, ezrt ha egy szorzatban egy vektor tbbszr is szerepel, akkor annak rtke 0. Pldul
iji = (i j) i = k i = 0. A hrom laptl-vektor: i + j, j + k, k + i.
Ezek vegyes szorzata
((i + j) (j + k)) (k + i) = ijk + iji + ikk + iki + jjk + jji + jkk + jki
= 1+0+0+0+0+0+0+1
= 2,
teht a hrom laptl-vektor vegyes szorzata 2.
vektorok
Feladatok
Skalris szorzs
1.11. Mutassuk meg, hogy |a + b + c|2 = |a|2 + |b|2 + |c|2
pontosan akkor ll fenn, ha a, b s c hrom egymsra pronknt meroleges vektor.
1.12.
Igazoljuk, hogy
( a b ) c 6 = a ( b c ).
Merolegessg s orientci: vektori szorzs Vektori szorzat
1.13. Tekintsnk egy egysglu kockt, melynek egyik
cscst jellje P. Szmtsuk ki a P-bol indul
a) valamelyik kt laptl-vektor,
b) egyik laptl- s a testtl-vektor
skalris szorzatt, valamint a P-bol indul
c) valamelyik lvektor s egy vele egy lapon lvo laptlvektor,
d) valamelyik lvektor s a vele nem egy lapon lvo
laptl-vektor
vektori szorzatt.
1.14. Mutassuk meg, hogy ha u meroleges a v s w vektorokra, akkor meroleges minden lineris kombincijukra
is.
1.15. Hrom linerisan fggetlen vektornak hny sorrendje
van? E sorrendek kzl hny alkot jobb- s hny balrendszert?
1.16. [Szgfelezo] Legyenek a s b nemzrus vektorok.
Mutassuk meg, hogy a |b|a + |a|b vektor felezi a s b szgt!
1.17. [Hromszg szgfelezoje] Az elozo feladat eredmnyt felhasznlva mutassuk meg, hogy a hromszg egyik
szgnek szgfelezoje a szemkzti oldalt a kt szomszdos
oldal hossznak arnyban osztja fel.
49
1.18. [Mit cserl fl a tkr?] Hogy lehet az, hogy a tkr flcserli a jobbat a ballal, de nem cserli fl a fntet a
lenttel?
Projekt: ekvivalencia relci
Egy X halmazon rtelmezett relcin (pontosabban binris relcin) az X elemprjainak egy R halmazt rtjk. Ha
egy ( a, b) pr benne van ebben a halmazban, azt mondjuk, hogy a az R relciban van b-vel, s gy jelljk, hogy
a R b. Pldul, ha X az sszes valaha lt ember halmaza, akkor az sszes olyan ( a, b) emberpr halmaza, ahol a
anyja b-nek, egy relci. Ez a kznyelvbol is ismert anyagyermek relci. Egy matematikai plda: ha X a valsok
halmaza, s R azokbl az ( a, b) prokbl ll, melyekre a
kisebb vagy egyenlo, mint b, akkor R egy relci, melyet
a valsok rendezsi relcijnak neveznk. E relci szoksos jele , gy ha ( a, b) R, akkor az a b jellst
hasznljuk.
Az X halmazon rtelmezett ekvivalencia relci egy olyan
relci, mely az X halmaz elemeinek egy osztlyozst rja
le. Ez azt jelenti, hogy ha az X halmazt pronknt kizr
rszhalmazok unijra bontjuk, azaz megadjuk az X elemeinek egy osztlyozst, vagy ms szval X egy particionlst, akkor ltezik egy relci, melyben az a, b X elemek pontosan akkor vannak relciban, ha egy osztlyba
(partciba) tartoznak. Az gy kapott relcinak van hrom
olyan tulajdonsga, melynek csak az ilyen mdon megkaphat relcik felelnek meg.
1.35. ttel (Ekvivalencia relci). ..............
Matematikn kvli hasonlattal lve: ha az irnytott
szakasz a hal, a szabad vektor a halraj, melyet mindegyik
hal ugyangy reprezentl (??. bra).
1.19. [Szabad vektor fogalma] Blabla
1.20. [Vektor irnya] Blabla
50
lineris algebra
koordintarendszer bzisa, az e1 s e2 vektorok a bzisvektorok vagy alapvektorok. Tetszoleges vektor koordintinak meghatrozshoz elg a bzisvektorokat ismerni.
e2
Megolds. A megolds knnyen leolvashat az 1.33. brrl. ttekinthetobb, ha az sszes vektort egyetlen pontbl indtjuk. Ezt mutatja
az 1.34. bra.
2
A koordintarendszer a 3-dimenzis trben is hasonl mdon ptheto fel. Az 1.12. ttel szerint a tr brmely v vektora felrhat hrom
adott linerisan fggetlen e1 , e2 s e3 vektor lineris kombincijaknt,
s e felrs egyrtelmu.
Ha e lineris kombinci v = v1 e1 + v2 e2 +
v3 e3 alak, akkor a v vektorhoz a (v1 , v2 , v3 ) szmhrmast rendeljk,
amit a v vektor koordints alakjnak neveznk, a v1 , v2 s v3 skalrokat pedig a v koordintinak nevezzk, a bzis pedig az {e1 , e2 , e3 }
vektorhrmas.
So t, a koordintzs az 1-dimenzis trben is megvalsthat: ha e
egy nemnulla vektor (teht linerisan fggetlen vektorrendszer!), akkor brmely vele prhuzamos v vektor egyrtelmuen
felrhat v = ve
(2, 0)
e2
(2, 1)
(2, 2)
e1
(1, 1)
vektorok
v = OP. Szoks a vektorok koordints alakjt gynevezett oszlopvektor alakba is rni, mi e knyvben ekkor kerek helyett szgletes zrjelet
hasznlunk, pldul:
" #
a
.
OP =
b
E jells elonyeivel hamarosan tallkozunk.
Lthat, hogy ha egy pont az elso tengelyen van, s azon az egyenesen x az 1-dimenzis koordintja, akkor skbeli koordints alakja
( x, 0) lesz. Hasonlkpp a msodik tengely minden pontjnak (0, y) a
koordints alakja. Az orig (0, 0) (ld. 1.37. bra). Az alapvektorok
koordints alakja e1 = (1, 0) s e2 = (0, 1).
Hasonlkpp a 3-dimenzis esetben a koordintatengelyekre eso
pontok 3-dimenzis koordints alakja ( x, 0, 0), (0, y, 0), illetve (0, 0, z)
attl fggoen, hogy melyik tengelyrol van sz. Az orign tmeno s 2
tengelyt tartalmaz skokat koordintaskoknak nevezzk. Ezekbol is hrom van. Knnyen lthat, hogy a koordintaskok pontjainak alakja
( x, y, 0), ( x, 0, z), illetve (0, y, z). Az orig (0, 0, 0), mg az alapvektorok e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) (ld. 1.38. bra).
Muveletek
koordints alakban megadott vektorokkal Legyen adva a trben egy koordintarendszer, s abban kt tetszoleges u = (u1 , u2 , u3 )
s v = (v1 , v2 , v3 ) vektor. E paragrafusban megkeressk a vektormu
veletek koordints alakjt. A krds teht az, hogy hogyan kaphat
meg u + v, u v, cu, u v, u v koordints alakja.
51
e2
(2, 0)
(2, 1)
e1
(1, 1)
(2, 2)
1.34. bra: A megolds helyvektorokkal
brzolva.
e2
e1
e2
(2, 0)
(2, 1)
(1, 1)
e1
(2, 2)
1.36. bra: Pontok s koordintik
y
(0, 1)
(0, y)
(0, 0)
(1, 0)
( x, 0)
x
1.37. bra: Pontok a koordintarendszer
tengelyein.
z
(0, y1 , z1 )
y
( x2 , 0, y2 )
( x0 , y0 , 0)
x
1.38. bra: Pontok a koordintaskokon
52
lineris algebra
Mindegyik muveletnl
= ( u1 e1 + u2 e2 + u3 e3 ) + ( v1 e1 + v2 e2 + v3 e3 )
= ( u1 + v1 ) e1 + ( u2 + v2 ) e2 + ( u3 + v3 ) e3
= ( u1 + v1 , u2 + v2 , u3 + v3 ).
Hasonl kplet addik a klnbsgre
u v = ( u1 , u2 , u3 ) ( v1 , v2 , v3 ) = ( u1 v1 , u2 v2 , u3 v3 ).
A skalrral val szorzs is a koordintnknt val vgrahajts lehetosgt mutatja:
cu = c(u1 , u2 , u3 ) = c(u1 e1 + u2 e2 + u3 e3 )
u1
v1
u1 v1
u v = u2 v2 = u2 v2 ,
u3
v3
u3 v3
u1
cu1
cu = c u2 = cu2 .
u3
cu3
A skbeli vektorokra hasonl lltsok igazak, csak kt koordintval. rdekesebb a helyzet a skalris szorzssal. Kezdjk kt skbeli
vektorral.
1.39. plda (Skalris szorzs koordintarendszerben). Tekintsnk egy olyan skbeli koordintarendszert, ahol az elso alapvektor hossza 1,
a msodik 2, s a kettojk kzti szg /3. Szmtsuk ki az a = (1, 1) s a
b = (5/2, 1) vektorok skalris szorzatt.
vektorok
Megolds. Az alapvektorok hosszt s szgt ismerve ki tudjuk szmtani az alapvektorok skalris szorzatait:
e1 e1 = 1,
e2 e2 = 22 = 4,
e1 e2 = 1 2 cos
= 1.
3
= u1 v1 e1 e1 + ( u1 v2 + u2 v1 ) e1 e2 + u2 v2 e2 e2
= u1 v1 + u1 v2 + u2 v1 + 4u2 v2 .
Ebbol lthat, hogy a skalris szorzat koordints alakja fgg a koordintarendszertol is.
2
A derkszgu koordintarendszer A termszeti trvnyek klns fontossgot adnak az egymsra meroleges irnyoknak, ezrt pldul igen
gyakran rdemes olyan koordintarendszert vlasztani, amelyben az
alapvektorok merolegesek, ms szval ortogonlisak egymsra. A bzisvektorok szge mellett azok hosszt is rdemes standardizlni, nevezetesen egysgnyi hossznak vlasztani, gy mindegyik koordinta
egyttal tvolsgot is jelent. Az egysgvektorokbl ll ortogonlis
bzist ortonormltnak nevezzk.
Az egysges trgyals rdekben a bzisvektorok krljrst is elorhatjuk: ltalnosan elterjedt szoks a jobbrendszert vlasztani. Az
gy konstrult bzis vektorait skban gyakran i, j, trben i, j s k jelli.
A kt s hromdimenzis trben a skalris szorzat egyszeru alakot
lt, ha a koordintarendszer alapvektorai ortonormltak.
1.40. llts (Skalris szorzat ortonormlt koordintarendszerben). A skbeli u = (u1 , u2 ) s v = (v1 , v2 ), illetve a trbeli
u = (u1 , u2 , u3 ) s v = (v1 , v2 , v3 ) vektorok skalris szorzata ortonormlt
koordintarendszerben
u v = u1 v1 + u2 v2 , illetve u v = u1 v1 + u2 v2 + u3 v3 .
53
54
lineris algebra
= u1 v1 i i + ( u1 v2 + u2 v1 ) i j + u2 v2 j j
= u1 v1 + u2 v2
A trbeli eset hasonlan bizonythat.
1.41. llts (Vektori szorzat ortonormlt koordintarendszerben). A trbeli a = ( a1 , a2 , a3 ) s b = (b1 , b2 , b3 ) vektorok vektori
szorzata derkszgu koordintarendszerben
a b = ( a2 b3 a3 b2 , a3 b1 a1 b3 , a1 b2 a2 b1 ).
= a2 b3 j k + a3 b2 k j + a3 b1 k i + a1 b3 i k + a1 b2 i j + a2 b1 j i
= a2 b3 i a3 b2 i + a3 b1 j a1 b3 j + a1 b2 k a2 b1 k
= ( a2 b3 a3 b2 , a3 b1 a1 b3 , a1 b2 a2 b1 ).
| ad bc|.
Mi a jelentse az ad bc elojelnek?
Megolds. Kt 3-dimenzis vektor ltal kifesztett parallelogramma
terlete a vektori szorzatuk abszolt rtke. gyazzuk be a megadott
kt vektort a tr egyik koordintaskjba, tekintsk pldul az ( a, b, 0)
s a (c, d, 0) vektorokat. Vektori szorzatuk
a1
a2
a3
a1
a2
b1
b2
b3
b1
b2
vektorok
55
Az Rn halmaz Lttuk, hogy 2-dimenzis, illetve 3-dimenzis vektorjellegu mennyisgek lerhatk egy rendezett szmprral, illetve szmhrmassal. Izgalmas a fordtott helyzet, amikor legalbb 4, de akr
tbb milli szorosan sszefggo adatbl kpzett, rendezett szm-nessel dolgozunk. Vajon rtelmes dolog-e e szm-n-eseket egy n-dimenzis tr vektorainak, vagy pontjainak tekinteni? s van-e rtelme a 2s 3-dimenzis trben hasznlt fogalmak ltalnostsnak n dimenzira? A vlasz mindegyik krdsre hatrozott igen, amit a fizika 4dimenzis tr-ido fogalma, szmtalan gazdasgi, vagy internettel kapcsolatos problma megoldsa fnyesen bizonyt.
Egy tetszoleges H halmaz elemeibol kpzett rendezett elem-n-esek
halmazt H n -nel jelljk.
Pldul ha H = {0, 1}, akkor H 3 a kvetkezo halmaz:
{(0, 0, 0), (0, 0, 1), (0, 1, 0), (1, 0, 0), (0, 1, 1), (1, 0, 1), (1, 1, 0), (1, 1, 1)},
hisz H 3 a H elemeibol kpzett rendezett elemhrmasok halmaza. Eszerint a sk pontjait s vektorait R2 , a trt R3 elemeivel koordintztuk.
A fenti jellsnek megfeleloen Rn a vals szmokbl kpzett rendezett
szm-n-esek halmazt jelli. gy pl. mondhatjuk azt, hogy az (1, 3, 0, 9, 5)
szmts eleme az R5 halmaznak. Ksobb Rn elemein vektormuve
leteket fogunk bevezetni, s Rn -rol, mint vektortrrol fogunk beszlni. Hasonlkpp fogjuk Rn -t geometriai vagy ponttrnek tekinteni, ha
elemeire, mint pontokra fogunk gondolni, s kztk geometriai mu
veleteket fogunk vgezni. E sokflesg sosem fog gondot okozni: Rn
szerept mindig az fogja meghatrozni, hogy mit tesznk elemeivel,
vagyis a szm-n-esekkel.
Az Rn megismersben az analgia fonaln haladunk, a 2- s 3dimenzis tr fogalmait fogjuk tvinni, ltalnostani n dimenzira.
Ez az analgia fog segteni abban, hogy magabiztosan rezzk magunkat n dimenziban is, akkor is, ha ott nem ltunk olyan jl, mint
3 dimenziban. Bevezeto pldaknt az analgira kpernyovdok
kedvenc tmjt egy 4-dimenzis kocka 2-dimenzis vetlett mutatjuk az 1.40. brn.
Rn vektorainak sszeadsa s skalrral szorzsa A 2- s 3-dimenzis vektorok muveleteinek
2D
3D
4D
56
lineris algebra
legfontosabb tulajdonsgait. Ezekre tbbszr is hivatkozni fogunk a ksobbiekben. Eloszr a lineris kombinciban szereplo muveleteit
vizsgljuk:
1.44. ttel (Az sszeads s skalrral szorzs tulajdonsgai).
Legyen u, v s w az Rn hrom tetszoleges vektora, s legyen c, d kt teszoleges vals, jellje 0 a (0, 0, . . . , 0) vektort s u a (u1 , u2 , . . . , un )
vektort. Ekkor
a)
b)
c)
d)
e)
u + v Rn
u+v = v+u
u + (v + w) = (v + u) + w
u+0 = u
u + (u) = 0
a + muvelet
flcserlheto (kommutatv)
csoportosthat (asszociatv)
zrusvektor
ellentett vektor
f)
g)
h)
i)
j)
cu Rn
c(du) = (cd)u
c(u + v) = cu + cv
(c + d)u = cu + du
1u = u
0u = 0
(1)u = u
u v = u + (v)
a skalr htra is rhat, azaz cu = uc s gy u/c = 1c u
= ( v1 + u1 , v2 + u2 , . . . , v n + u n )
= v + u.
I Az a)e) tulajdonsgok az sszeads, az f)j) tulajdonsgok a skalr-
vektorok
( v1 , v2 , . . . , v n ) = v1 e1 + v2 e2 + + v n e n .
Ezzel igazoltuk, hogy Rn minden vektora egyrtelmuen
ll elo az e1 ,
e2 ,. . . , en vektorok lineris kombincijaknt.
2
Lineris kombinci, lineris fggetlensg, lineris sszefggosg Hiba
definiltuk vektorok lineris fggetlensgnek fogalmt tetszoleges szm vektorbl ll vektorhalmazra, lttuk, hogy a 3-dimenzis trben
legfljebb csak 3 vektor lehet linerisan fggetlen. Viszont az Rn trben talltunk n linerisan fggetlen vektort is. Trjnk vissza e fogalom vizsglatra.
Az 1.10. definci szerint egy legalbb ktelemu vektorrendszer linerisan fggetlen, ha mindegyik vektor fggetlen a tbbitol, azaz egyik
sem fejezheto ki a tbbi lineris kombincijaknt, egyetlen vektor pedig linerisan fggetlen, ha nem a zrusvektor. Ez nehzkes felttel,
hisz mindegyik vektorra kln ellenorizni kell, ezrt egy knnyebben
ellenorizheto, de ekvivalens felttelt keresnk. A hromdimenzis trben lttuk, hogy ha hrom vektor fggetlen, akkor a tr brmely vektora egyrtelmuen
eloll lineris kombincijukknt. Ez igaz a nullvektorra is. A nullvektor egyflekpp biztosan eloll: a hrom vektor
nullkkal vett lineris kombincijaknt. Ezt nevezzk a nullvektor
trivilis elolltsnak. s a fentiek szerint ms elolltsa nincs is, ha
a hrom vektor linerisan fggetlen. Ez az alapja a kvetkezo ttelnek:
1.46. ttel (Lineris fggetlensg).
Tetszoleges Rn -beli V =
{ v1 , v2 , . . . , vk } vektorrendszerre az albbi kt llts ekvivalens:
1. V linerisan fggetlen, azaz k > 1 esetn egyik vektora sem fejezheto
57
58
lineris algebra
(1)v1 + d2 v2 + . . . + dk vk = 0.
Mivel v1 egytthatja nem 0, ezrt feltevsnkkel ellentmondsban
elolltottuk a nullvektort olyan lineris kombinciknt, melyben nem
minden egytthat 0. Ez az ellentmonds bizonytja az lltst.
(=) Megmutatjuk, hogy ha a vektorrendszer egyik vektora sem
ll elo a tbbi lineris kombincijaknt, akkor a egyedl csak a csupa
zrus egytthatj lineris kombincija lehet zrusvektor. Ismt indirekt mdon bizonytunk: tegyk fel, hogy van olyan nem csupa 0
egytthatj lineris kombinci, mely a nullvektorral egyenlo, azaz
c1 v1 + c2 v2 + . . . + ck vk = 0,
de valamelyik egytthat pldul a c1 nem 0. Ekkor v1 kifejezheto
a tbbi vektor lineris kombincijaknt:
v1 =
ami bizonytja az lltst.
c
c2
v2 . . . k v k ,
c1
c1
2
vektorok
Egy vektorrendszert linerisan sszefggonek neveznk, ha nem fggetlen, azaz egyelemu vektorrendszer esetn ha az a vektor a zrusvektor, tbbelemu vektorrendszer esetn pedig ha van olyan vektora, mely
kifejezheto a tbbi lineris kombincijaknt. Az elozo ttel szerint ez
azzal ekvivalens, hogy a vektorrendszernek van olyan zrusvektort
ad lineris kombincija, melyben nem mindegyik egytthat zrus.
A lineris sszefggosg defincija kicsit lestheto:
c1
c2
c t 1
v +
v2 + +
v t 1 ,
ct 1
ct
ct
ami bizonytja, hogy sszefggo vektorrendszerben ltezik ilyen vektor. Az llts msik fele definci szerint igaz, hisz ha ltezik ilyen vt
vektor, akkor ez valban lineris kombincija az sszes tbbi vektornak.
2
Skalris szorzs Rn -ben A skalris szorzs koordintkkal megadott
defincija (ld. 1.43.) segtsgvel eloszr csak azokat a legfontosabb
tulajdonsgait emltjk, melyek ksobb a fogalom tovbbi ltalnostsra is hasznlhatk lesznek.
1.48. ttel (A skalris szorzs tulajdonsgai). Legyen u, v s w
az Rn hrom tetszoleges vektora, s legyen c egy teszoleges vals. Ekkor
a)
b)
c)
d)
uv = vu
a muvelet
flcserlheto (kommutatv)
u (v + w) = u v + u w disztributv
(cu) v = c(u v)
a kt szorzs kompatibilis
u u 0 s u u = 0 pontosan akkor teljesl, ha u = 0.
59
60
lineris algebra
= v1 u1 + v2 u2 + + v n u n
2
= v u.
Tvolsg s szg Rn -ben Kt 2- vagy 3-dimenzis vektor (vgpontja) tvolsgnak, s szgnek a skalris szorzatukkal val kapcsolatt hasznljuk e fogalmaknak a magasabb dimenzis terekben val defincijhoz.
1.49. definci (Abszolt rtk, szg, merolegessg, tvolsg).
Legyen u s v az Rn tr kt tetszoleges vektora.
a) Az u vektor hosszn nmagval vett skalris szorzatnak gykt rtjk,
azaz
|u| = u u.
(1.3)
b) Az u s v vektorok (hajls)szgnek koszinusza az albbi trttel definilhat:
uv
cos(u, v) :=
(1.4)
|u||v|
c) Azt mondjuk, hogy az u s v vektorok merolegesek egymsra, ha
u v = 0.
(1.5)
(1.6)
rtket rtjk.
I A fenti defincikat rdemes megtekinteni koordints alakjukba
u1 v1 + u2 v2 + + u n v n
q
u21 + u22 + + u2n v21 + v22 + + v2n
vektorok
22
2 0 + 3 3 + 4 6 + 14 (2)
1
p
= . 2
2
2
2
2
2
2
2
21
+ 3 + 4 + 14 0 + 3 + 6 + (2)
|u v| |u||v|.
(1.7)
= | u |2 + | u e |2 2 | u e |2
= | u |2 + | u e |2
= | u |2
| u v |2
,
| v |2
Innen trendezssel azonnal megkapjuk a bizonytand lltst. Msrszt az is vilgos, hogy a meroleges sszetevo pontosan akkor egyenlo
a nullvektorral, ha u megegyezik a v egyenesre eso meroleges vetletvel, azaz ha u a v skalrszorosa, azaz ha a kt vektor linerisan
sszefggo.
2
Tetszoleges
61
62
lineris algebra
(1.8)
(1.9)
Korrelcis egytthat A kvetkezokben egy fontos alkalmazst mutatunk, melyben az n-dimenzis trben szerzett friss szemlletnk segt
a fogalom megrtsben.
Adva van kt adatsor: x1 , x2 ,. . . xn s y1 , y2 ,. . . yn . tlagukat jellje
illetve y,
azaz
x,
x =
x1 + x2 + . . . + x n
,
n
y =
y1 + y2 + . . . + y n
.
n
in=1 ( xi x )(yi y )
q
.
in=1 ( xi x )2 in=1 (yi y )2
ai = xi x,
bi = yi y
(i = 1, 2, . . . , n)
vektorok
63
ab
= q
|a||b|
= q
in=1 ai bi
q
in=1 a2i in=1 bi2
in=1 ( xi x )(yi y )
q
= r.
in=1 ( xi x )2 in=1 (yi y )2
vgezhetok.
Ezek attl is fggnek, hogy a bitvektorok milyen adatokat kdolnak.
E muveletek
64
lineris algebra
A kdolshoz mi a tovbbiakban mindig egy rgztett, vges kdbct hasznlunk, amelynek betui
ltalban a 0-tl n 1-ig terjedo
egszek lesznek. Az bc betuib
ol, azaz elemeibol kpzett vektorokat kdvektoroknak vagy kdszavaknak nevezzk. A bitvektorok is
kdvektorok, ahol a kdbc a ktelemu {0, 1} halmaz.
A kdvektorok koordintinak szmt, vagyis a kdvektor dimenzijt a kd hossznak nevezzk. Ez termszetesen nem analg fogalom
a vektor abszolt rtkvel.
A szemlyi szm egy olyan kdvektorra plda, melynek hossza
11, az bc pedig a 10-elemu {0, 1, . . . , 9} halmaz. Nem minden 11hossz decimlis kdvektor rvnyes szemlyi szm, vagyis a szemlyi szmok a 11-hossz kdvektorok halmaznak egy rszhalmazt
alkotjk. Az ilyen rszhalmazokat nevezzk kdnak.
1.54. definci (Kd). A kd azonos bcbol kpzett azonos hosszsg kdszavak egy halmaza. Kdols az a folyamat, amikor az zenethez
kdszavakat rendelnk, dekdols az ellenkezo irny folyamat.
Decimlis szmok egyik szoksos kdolsa a BCD (Binary Coded
Decimal), mely a szmok kdolsra a kettes szmrendszerbe val trs helyett a szmjegyenknt val kdolst vlasztja. Tbb vltozata is
van, a legegyszerubbikben
Vektormuveletek
Znm -ben A Zm -re vonatkoz ismereteket a fggelkben rszletezzk. A korbbiakban bevezetett jellsek szerint Znm a
Zm -beli n-hossz vektorokbl ll. E vektorok sszeadsa, skalrral
val szorzsa s skalris szorzsa a Zm -beli muveletekkel
az Rn -beli
vektormuveletekhez
vektorok
65
kt alkalmazst
mutatunk.
1.57. plda (One time pad a tkletes titkosts). Tegyk fel,
hogy az zenet kldse elott a kldo s a fogad megegyezett egy titkos
kulcsban, mely egy olyan hossz vletlen bitvektor, mint amilyen az zenet
legfljebb lehet. Legyen a kulcs k Z2m . Legyen a titkostand zenet
u Z2m . A titkosts egyszeruen
annyi, hogy kldo kiszmolja az u + k
vektort, s azt kldi a fogadnak, aki a titkostott zenethez maga is hozzadja a kulcsot, s mivel brmely x Z2m vektorra x + x = 0, ezrt
(u + k) + k = u + (k + k) = u, vagyis a fogad gy valban megfejti az zenetet. Pldaknt egy zenet, egy kulcs s a ketto sszege a tmr
bitvektor-jellssel:
u = 010101010000111111111111
k = 001011000101101001011010, ekkor
u + k = 011110010101010110100101
E titkosts htrnya, hogy a k kulcs csak egyszer hasznlhat fel,
mert kt klnbzo u1 + k s u2 + k zenetet elcspve s sszeadva az
(u1 + k) + (u2 + k) = u1 + u2 vektorban mr nem szerepel k, s ez
statisztikai mdszerekkel mr megfejtheto.
A kdelmlet egyik clja, hogy redundns informci hozzadsval elrje az elkldtt zenet megrkezst zajos, vesztesges csatornn keresztl is. Ennek kt gyakran alkalmazott tpusa a hibajelzo s a
hibajavt kd: az elobbi az tvitel sorn bekvetkezett bizonyos hibkat jelez a fogad szmra, mg az utbbi bizonyos hibk kijavtst is
xyz
0
1
0
0
1
1
0
1
0
0
1
0
1
0
1
1
0
0
0
1
0
1
1
1
xa + yb + zc
(0, 0, 0, 0, 0, 0)
(1, 0, 0, 1, 1, 0)
(0, 1, 0, 1, 0, 1)
(0, 0, 1, 0, 1, 1)
(1, 1, 0, 0, 1, 1)
(1, 0, 1, 1, 0, 1)
(0, 1, 1, 1, 1, 0)
(1, 1, 1, 0, 0, 0)
x y xu + yv
0
1
2
0
1
2
0
1
2
0
0
0
1
1
1
2
2
2
(0, 0, 0)
(1, 1, 0)
(2, 2, 0)
(0, 1, 1)
(1, 2, 1)
(2, 0, 1)
(0, 2, 2)
(1, 0, 2)
(2, 1, 2)
(a)
(b)
1.1. tblzat: Vektorok lineris kombincii (a) Z2 s (b) Z3 fltt.
66
lineris algebra
lehetov teszi. Az 1.56. pldban elolltott lineris kombincik hibajelzo kdok, egyikk hibajavt is. Az 1.21. feladat arra krdez, hogy
milyen hibt jeleznek, illetve javtanak.
Az elektronikus szmtgpek adatkezelsnek egyik elso tlete az
adattrols vagy tovbbts biztonsgosabb ttelre a paritsbit. Ha
egy n-hossz b bitvektorhoz mg egy bitet csatolunk, melynek rtke
1, ha b-ben pratlan sok bit egyenlo 1-gyel, egybknt 0, akkor olyan
(n + 1)-hossz vektort kapunk, melyben pros sok 1-esnek kell lenni.
Ha egy bit elromlik, pratlan sok 1-es lesz, teht ez az (n + 1)-edik bit
hibajelzo. Ezt nevezzk paritsbitnek.
1.58. plda (Paritsbit). rjuk fel a paritsbitet skalris szorzatknt, s
dntsk el, mely vektorokra igaz, hogy minden bitjk a vektor maradk rsznek paritsbitje.
Megolds. A paritsbit Z2 fltt 1 b alakba rhat, ahol 1 a b-vel
azonos hosszsg s csupa 1-esbol ll vektor.
Minden olyan vektor, amelyben pros sok 1-es van, eleget tesz a
feladatbeli felttelnek, a tbbi nem.
2
A paritsbit ltalnostsa az n. ellenorzo sszeg, melyre szmtalan
pldt tallunk a mindennapi letben.
A magyar szemlyi szm a szemlyre jellemzo 10 jegybol, s az azt
kveto e ellenorzo sszegbol ll. Az e kiszmtsi kplete
Z11 -ben szmolva: e = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10) u,
ISBN 978-963-545-398-6
2007 elott egy hasonl kplettel szmoltk a knyvek n. ISBN-10 kdjnak ellenorzo jegyt, ami ha 10 volt, X-et rtak (rmai 10-es).
A termkek EAN-kdja (European Article Number) egy 13-jegyu,
a
termk azonostsra szolgl kd, melyhez egy vonalkd is tartozik.
A 13-dik jegy az ellenorzo sszeg. Ha az EAN kdvektort v jelli,
akkor fnn kell llni
Z10 -ben szmolva az (1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1) v = 0
sszefggsnek. E kplet az ellenorzo sszeg meghatrozsra is hasznlhat. 2007 ta a knyvek ISBN-szma (ISBN-13) megegyezik EANkdjval (1.41. bra).
o sszeg). Csak az ellenorzo sszeget nz1.59. plda (Ellenorz
ve rvnyes szemlyi szm-e a 26012310018, s rvnyes EAN-kd-e a
9998887776665?
Megolds. Ez a szemlyi szm rvnyes, mert
(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) (2, 6, 0, 1, 2, 3, 1, 0, 0, 1) =
9 789635 453986
1.41. bra: Egy knyv ISBN kdja, ami
egyttal az EAN kdja is, a hozz tartoz vonalkddal
vektorok
1 2 + 2 6 + 3 0 + 4 1 + 5 2 + 6 3 + 7 1 + 8 0 + 9 0 + 10 1 mod 11 =
63 mod 11 = 8.
Ez az EAN-kd nem rvnyes, mert
(1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1) (9, 9, 9, 8, 8, 8, 7, 7, 7, 6, 6, 6, 5) =
(9 + 3 9 + 9 + 3 8 + 8 + 3 8 + 7 + 3 7 + 7 + 3 6 + 6 + 3 6 + 5) mod
10 = 183 mod 10 = 3 6= 0.
2
67
68
lineris algebra
Feladatok
vannak felsorolva.
2
Lineris egyenletrendszerek s megoldsuk
A lineris egyenletrendszerek geometriai megkzeltse utn megismerjk a megolds technikit, vgl a megoldsok halmaznak szerkezett!
Egyenes s sk egyenletei
A sk s tr pontjainak s vektorainak koordintit hasznlva lehetov vlik
geometriai alakzatok algebrai vizsglata, vagy algebrai problmk jobb megrtse geometriai szemlltetssel.
2.1. plda (Az x + y = 1 egyenlet). Egy tetszoleges skbeli koordintarendszerben brzoljunk nhny pontot, melynek koordinti kielgtik az
x + y = 1 egyenletet. Fogalmazzunk meg sejtst az egyenlet sszes megoldsnak megfelelo pontok halmazrl!
Alakzatok s egyenletek
Megolds. Az albbi brn kt klnbzo koordintarendszert brzolunk, s azokban a fenti egyenletet kielgto pontok kzl nhnyat.
Ennek alapjn azt sejthetjk, hogy az x + y = 1 egyenletet kielgto
pontok egy egyenesen vannak. Ezt az egyenest is berajzoltuk. A sejtst hamarosan bizonytjuk.
2
2.2. plda (Az x2 + y2 = 1 egyenlet). Egy tetszoleges skbeli koordintarendszerben brzoljunk nhny pontot, melynek koordinti kielgtik
az x2 + y2 = 1 egyenletet. Fogalmazzunk meg sejtst az egyenlet sszes
megoldsnak megfelelo pontok halmazrl!
Megolds. Az albbi brn nhny koordintarendszert brzoltunk,
az x2 + y2 = 1 egyenletet kielgto nhny ponttal. A ??? fejezetben
(1, 0)
(0, 1)
(1, 2)
(2, 1)
(1, 2)
(0, 1)
(1, 0)
(2, 1)
x
2.1. bra: Az x + y = 1 egyenletet kielgto nhny pont kt klnbzo koordintarendszerben.
70
lineris algebra
x
y
2.3. definci (Alakzat (implicit) egyenletrendszere). Egy geometriai alakzat egy adott koordintarendszerre vonatkoz (implicit) egyenletrendszern olyan egyenletrendszert rtnk, melynek egyszerre minden
egyenlett kielgtik a trnek az alakzathoz tartoz pontjai, de ms pontok
nem. Ha az egyenletrendszer egy egyenletbol ll, az alakzat egyenletrol
beszlnk. Az egyenletet vektoregyenletnek nevezzk, ha nem a pontok
koordintira, hanem a pontokba mutat vektorokra rjuk fel. Egy alakzat m egyenletbol ll egyenletrendszernek, illetve m vektoregyenletbol ll
egyenletrendszernek ltalnos alakja
F
(
x
,
x
,
.
.
.
,
x
)
=
0
n
2
1
1
F1 (r) = 0
F2 (r) = 0
F2 ( x1 , x2 , . . . , xn ) = 0
illetve
..
..
.
.
F (r) = 0
F (x , x , . . . , x ) = 0
m
71
x1 = f 1 ( t1 , t2 , . . . , t k )
x2 = f 2 ( t1 , t2 , . . . , t k )
..
.
x n = f n ( t1 , t2 , . . . , t k )
ahol t1 I1 , t2 I2 ,. . . , tn In , s I1 , . . . , In R. Az ilyen egyenletrendszer egyetlen vektoregyenlett foghat ssze:
r = f ( t1 , t2 , . . . , t k ),
ahol f egy Rk Rn fggvny. Az explicit egyenletrendszereket szoks
paramteres egyenletrendszernek is nevezni.
A kvetkezo paragrafusokban egyenes s sk klnbzo egyenleteit,
egyenletrendszereit fogjuk ttekinteni pldkat adva a fenti kt ltalnos defincira.
Skbeli egyenes egyenletei Tekintsk a sk egy tetszoleges e egyenest,
s jelljk ki a skban az O origt. Legyen a nemzrus v egy tetszoleges, az egyenessel prhuzamos vektor. Az ilyen vektorokat az
egyenes irnyvektornak nevezzk. Mutasson r0 az egyenes egy tetszoleges, kijellt pontjba. Vilgos, hogy az e egyenes brmely pontjba
mutat r vektor eloll r0 + tv alakban, ahol t vals szm. Msrszt
ha Q a sk egy tetszoleges, nem az e egyenesre eso pontja, akkor az
A sk
(2.1)
e
r
tv
v
r0
72
lineris algebra
O
n
r
r r0
r0
(2.2)
s vele ekvivalens
nr = C
(2.3)
alak vektoregyenlete, s minden ilyen alak egyenlet egy egyenes egyenlete, ahol n az egyenes egy normlvektora, r0 az egyenes egy tetszoleges, de
rgztett pontjba mutat vektor s C konstans.
A (2.2) alak egyenlet knnyen trhat (2.3) alakv a C = n r0
jellssel. Az talakts fordtott irnyban is egyszeru,
hisz ha n r =
C, akkor tallunk olyan r0 vektort, melyre n r0 = C. Ez azrt igaz,
mert ha tetszoleges n-re nem meroleges v vektorra n v = D, akkor
C
C
v) = C, gy az r0 = D
v megfelel.
n (D
Az r = ( x, y), r0 = ( x0 , y0 ) s v = ( a, b) jellseket hasznlva az
explicit vektoregyenlet azonnal egyenletrendszerr alakthat.
2.7. llts (Skbeli egyenes explicit egyenletrendszere). A sk
minden egyenesnek van
x = x0 + at
(2.4)
y = y0 + bt
alak egyenletrendszere, ahol ( a, b) az egyenes egy irnyvektora, s ( x0 , y0 )
az egyenes egy tetszoleges rgztett pontja.
A kvetkezokben megmutatjuk, hogy az explicit egyenletrendszerbol a t paramter kikszblheto, s gy egy implicit egyenletet kapunk.
2.8. llts (Skbeli egyenes (implicit) egyenlete). A sk minden
r r0
n
r0
2.5. bra: Skbeli egyenes (implicit) vektoregyenlete: n r = C. Ha n egysgvektor, akkor az n r = C geometriai jelentse az, hogy az egyenes brmely pontjba mutat vektornak az n egyenesre
eso meroleges vetlete C. Ez az bra is
ezt az esetet szemllteti.
egyenesnek van
Ax + By = C
(2.5)
alak egyenlete, s minden ilyen alak egyenlet egy egyenes egyenlete, ahol
A s B kzl nem mindketto nulla, s ( B, A) az egyenes egy irnyvektora.
A bizonyts elott rdemes megjegyezni, hogy az egyenes fenti implicit egyenlete az egyenes n (r r0 ) = 0 alak vektoregyenletbol
azonnal megkaphat, de ezt egyelore csak ortonormlt koordintarendszerben tudjuk knnyen igazolni. Legyen ( A, B) = (b, a). Ez az
egyenes egy normlvektora, hisz meroleges az ( a, b) irnyvektorra. Tovbb r r0 = ( x x0 , y y0 ), ezrt a vektoregyenlet
( A, B) ( x x0 , y y0 ) = 0
alak lesz, ami a skalris szorzst elvgezve az A( x x0 ) + B(y
y0 ) = 0 formult adja. Ha a koordintarendszer nem ortonormlt,
az ( A, B) vektor nem szksgkppen normlvektor, s a skalris szorzs kplete is ms, de azrt a (2.5) egyenletrol mondott llts igaz. A
??. fejezetben tanultak alapjn az egyenes egyenlett a vektoregyenletbol majd nem ortonormlt koordintarendszer esetn is le tudjuk
vezetni, most viszont egy olyan bizonytst adunk, mely az explicit
egyenletrendszerre pl.
Bizonyts. Ha a vagy b valamelyike 0, akkor a kt egyenlet egyike
felesleges, pldul ha a = 0, akkor az egyenletrendszer alakja
x = x0
y = y0 + bt
ami ekvivalens az x = x0 egyenlettel, hisz az y = y0 + bt semmi mst
nem mond, mint hogy y egy vals szm. Mivel ( a, b) 6= (0, 0), ezrt
csak az az eset marad, amikor a s b egyike sem 0. Ekkor mindkt
egyenletbol kifejezheto t, s a kt rtket egyenlov tve kapjuk, hogy
x x0
y y0
=
,
a
b
azaz
bx ay = bx0 ay0 , vagy b( x x0 ) a(y y0 ) = 0.
Legyen a tovbbiakban A = b s B = a. Ekkor a fenti egyenlet
Ax + By = Ax0 + By0 lesz. Az egyenlet jobb oldaln lvo konstanst
C-vel jellve az egyenes egyenlete Ax + By = C alakot lt. Msrszt knnyen lthat, hogy minden ilyen alak egyenlet egy egyenes
egyenlete, mert ekvivalens egy egyenes paramteres egyenletrendszervel. Nevezetesen az Ax + By = C egyenlet visszarhat Ax + By =
Ax0 + By0 alakba, hisz az Ax0 + By0 = C egyenletben A 6= 0 esetn
egy tetszoleges y0 -t vlasztva, egyrtelmuen
kifejezheto x0 . (A B 6= 0
eset analg.) Ennek alapjn felrhat a (2.4) egyenletrendszer.
2
73
74
lineris algebra
(2, 1) ( x 1, y 1) = 0
egyenletet kapjuk vektoregyenletknt, mely kiszmolva az elozo egyenletet adja.
2
Skbeli pont egyenletei Tekintsk a skbeli ( x0 , y0 ) pontot. Ennek explicit egyenletrendszere, illetve vektoregyenlete:
" # " #
x = x0
x
x
= 0 .
illetve
y
y0
y = y0
Ez annyira nyilvnval, semmitmond, hogy a gyakorlatban nem is
szoktunk pont egyenleteirol beszlni, e knyvbe is csak didaktikai
okokbl kerlt, ugyanis a matematikai fogalmak megrtsben gyakran nagy segtsgnkre van a szlso, extremlis esetek megrtse, vizsglata.
Mivel itt az alakzat csak egyetlen pontbl ll, nincs szksg paramterre, gy ez az alak egyttal implicitnek is tekintheto. Ekkor gy
tekintnk ugyanerre az egyenletrendszerre, mint kt egyenes egyenletre, melyek normlvektorai (1, 0) illetve (0, 1), s amelyek metszspontja a keresett pont:
x
= x0
y = y0
x + 0y = x0
0x + y = y0
Ez adja az tletet, egy pont implicit egyenletrendszernek tekinthetnnk kt egyenletet, melyek egymst az adott pontban metszo egy-egy
egyenes egyenletei. Teht mondhatjuk, hogy a pont implicit egyenletrendszernek ltalnos alakja:
A1 x + B1 y = C1
A2 x + B2 y = C2
Az azonban itt nem igaz, hogy minden ilyen alak egyenletrendszer
egy pont egyenletrendszere, mert kt egyenes metszheti egymst egyetlen pontban, de lehet, hogy nincs kzs pontjuk, s lehet vgtelen sok
kzs pontjuk is. pp ennek a krdsnek a rszletes vizsglata lesz
a 2. fejezet tmja.
A 3-dimenzis tr skjainak egyenletei Tudjuk, hogy kt linerisan fggetlen u s v vektor brmely lineris kombincija a kt vektor ltal
meghatrozott skban van, tovbb hogy e sk brmely vektora eloll
a megadott kt vektor lineris kombincijaknt (ld. 1.8.. s 1.11. ttelek). Ebbol azonnal addik, hogy a sk egy rgztett pontjba mutat r0
vektor segtsgvel a sk brmelyik pontjba mutat r vektor felrhat
r = r0 + su + tv alakban.
2.10. llts (Sk explicit vektoregyenlete). Brmely sknak van
r = r0 + su + tv
(2.6)
A hromdimenzis
n (r r0 ) = 0,
(2.7)
nr = C
(2.8)
s a vele ekvivalens
alak vektoregyenlete, s minden ilyen alak egyenlet egy sk egyenlete, ahol
n a sk egy normlvektora, r0 a sk egy tetszoleges, de rgztett pontjba
mutat vektor s C konstans.
75
76
lineris algebra
(2.9)
z = z0 + c1 s + c2 t
alak egyenletrendszere, ahol ( a1 , b1 , c1 ) s ( a2 , b2 , c2 ) a sk kt linerisan
fggetlen vektora, s ( x0 , y0 , z0 ) a sk egy tetszoleges rgztett pontja.
Az explicit egyenletrendszerbol kikszblheto a kt paramter, ha
pldul kt egyenletbol kifejezzk a paramtereket, s behelyettestjk
a harmadik egyenletbe. gy egy implicit egyenletet kapunk. A szmtsokat nem rszletezzk, az eredmny
( A, B, C ) = (b1 c2 b2 c1 , c1 a2 c2 a1 , a1 b2 a2 b1 ),
(2.11)
( A, B, C ) ( x x0 , y y0 , z z0 ) = 0.
2.14. plda (Sk egyenletei). rjuk fel annak a sknak az egyenleteit,
mely tmegy a (0, 1, 2), a (1, 0, 7) s a (2, 1, 4) pontokon.
1
2
1,
z
2
2
5
explicit egyenletrendszere
2s t
x=
y = 1 + 2s + t
z=
2 + 2s + 5t
Trbeli egyenes egyenletei Mindaz, amit a skbeli egyenes explicit vektoregyenletrol mondtunk a 71. oldalon, lnyegben vltoztats nlkl
megismtelheto. Jelljk ki a trben az origt, s tekintsk azt az e
egyenest, melynek irnyvektora v, s amely tmegy azon a ponton,
melybe az r0 vektor mutat. Vilgos, hogy az e egyenes brmely pontjba mutat r vektor eloll r0 + tv alakban, ahol t vals szm, s az e-re
nem illeszkedo pontokra ez nem ll. gy igaz a kvetkezo llts:
2.15. llts (Trbeli egyenes explicit vektoregyenlete). A hromdimenzis tr minden egyenesnek van
r = r0 + tv
(2.12)
alak vektoregyenlete, s minden ilyen alak egyenlet egy egyenes egyenlete, ahol v az egyenes egy irnyvektora, s r0 egy tetszoleges, de rgztett
pontjba mutat vektor.
77
78
lineris algebra
Itt nem tudjuk a paramtert egyetlen vektoregyenletben kikszblni, de az explicit egyenletrendszerr val trs megy, ha felvesznk
egy koordintarendszert, melyben r = ( x, y, z), r0 = ( x0 , y0 , z0 ) s
v = ( a, b, c):
2.16. llts (Trbeli egyenes explicit egyenletrendszere). A tr
minden egyenesnek van
x = x0 + at
(2.13)
y = y0 + bt
z = z0 + ct
x x0
y y0
z z0
=
=
.
a
b
c
x x0
z z0
=
,
a
c
y y0
z z0
=
.
b
c
Annak az egyenletnek nincs rtelme, amelyikben a nevezo 0, de a nevezokkel val bovts utn kapott
b ( x x0 ) = a ( y y0 ),
c ( x x0 ) = a ( z z0 ),
c ( y y0 ) = b ( z z0 )
egyenletek mindegyike korrekt akkor is, ha 0 valamelyik egytthat. E hrom egyenlet hrom sk egyenlete, melyek metszsvonala az
adott egyenes. Kivtel az az eset, amikor az egyik egyenlet 0 = 0 alak, ilyenkor a msik kt egyenlet egy-egy sk egyenlete. Egy egyenes
azonban megadhat kt sk metszsvonalaknt, gy addik a kvetkezo ttel, melynek bizonytst feladatknt tuzzk
ki:
A hrom skbl azonban mr ketto is meghatrozza az egyenest,
gy kt egyenletbol ll egyenletrendszerrel is megadhat az egyenes.
Bizonythat az albbi llts:
2.17. llts (Trbeli egyenes implicit egyenletrendszere). A tr
minden egyenesnek van kt egyenletbol ll egyenletrendszere. Ha az egyenes egy irnyvektora ( a, b, c), akkor a kt egyenlet az albbi hrom kzl
(2.14)
c ( y y0 ) = b ( z z0 )
bx ay
cx
= bx0 ay0
az = cx0
cy bz =
az0
(2.15)
cy0 bz0
Errol knnyen leolvashat, hogy ha pl. a 6= 0, akkor a msodik egyenlet b-szeresbol kivonva az elso egyenlet c-szerest, a harmadik egyenlet a-szorost kapjuk. Hamarosan ltni fogjuk, hogy eszerint a harmadik egyenlet elhagyhat, anlkl, hogy az egyenletrendszert kielgto
pontok halmaza megvltozna.
2.18. plda (Trbeli egyenes egyenletrendszerei). rjuk fel annak
az egyenesnek az explicit s implicit egyenletrendszert, mely tmegy az
A(1, 3, 4) s az a) B(3, 3, 1) b) B(5, 5, 2) ponton.
Megolds. a) A kt pontot sszekto vektor = (2, 0, 3). Innen az
egyenes explicit egyenletrendszere
x = 1 + 2t
y=3
z = 4 3t
msodik egyenlete y = 3 egy xz-skkal prhuzamos sk egyenlete. A
msik kt egyenlet mindegyikbol kifejezve t-t, majd egyenlov tve
o ket, egy msik sk egyenlett kapjuk. Az egyenes ennek a kt sknak
a metszsvonala. Az elso egyenletbol t = 21 ( x 1), a harmadikbl
t = 13 (z 4) hogy 3x + 2z = 11. gy az elozo egyeneshez a kvetkezo implicit (paramter nlkli) egyenletrendszer tartozik, mely kt sk
egyenletbol ll:
3x
+ 2z = 11
y
= 3
79
80
lineris algebra
z4
x1
=
,
6
4
y3
z4
=
.
2
6
trendezve
x 2y
= 5
+ 2z = 11
3x
3y + z = 13
E hrom sk kzl brmely ketto meghatrozza az adott egyenest, gy
e hrom egyenlet kzl brmely ketto az egyenes (implicit) egyenletrendszere.
2
Trbeli pont egyenletei Csak a teljessg s az analgik megrtse cljbl vizsgljuk meg a tr egy pontjnak lehetsges egyenleteit. A trbeli
( x0 , y0 , z0 ) pont explicit egyenletrendszere, illetve vektoregyenlete:
x = x0
y = y0
z = z0
illetve
x0
x
y = y0 .
z0
z
= x0
x
y
= y0
x + 0y + 0z = x0
vagy minden egytthatt kirva
z = z0
0x + y + 0z = y0
0x + 0y + z = z0
A skbeli esethez hasonlan egy pont implicit egyenletrendszernek tekinthetnnk hrom egyenletet, melyek egymst az adott pontban metszo egy-egy sk egyenletei. Teht mondhatjuk, hogy a pont implicit
egyenletrendszernek ltalnos alakja:
A1 x + B1 y + C1 z = D1
A2 x + B2 y + C2 z = D2
A3 x + B3 y + C3 z = D3
Itt is vatosnak kell lennnk, mert nem minden ilyen alak egyenletrendszer egy pont egyenletrendszere. Pldul hrom sk metszheti
egymst egy egyenesben, de prhuzamos skok esetn az is elofordulhat, hogy nincs kzs pontjuk. E krds vizsglatra visszatrnk
a 2. fejezetben.
Egyenletek Rn -ben Az egyenes s a sk explicit vektoregyenlete Rn ben is ugyanolyan alak, mint R3 -ben, azaz az egyenes explicit vektoregyenlete r = r0 + tv, a sk r = r0 + su + tv alak.
2.19. plda (Egyenes s sk explicit vektoregyenlete). rjuk
az A(1, 1, 1, 1), B(2, 3, 2, 4) pontokon tmeno egyenes, s az A, B
C (3, 2, 1, 0) pontokon tmeno sk explicit vektoregyenlett!
fel
s
se-
( x 1 x 2 ) + 2 ( y 1 y 2 ) + 3 ( z 1 z 2 ) + 6 ( w1 w2 ) = 0
egyenlethez jutunk, amely skalrszorzat alakban
(1, 2, 3, 6) ( x1 x2 , y1 y2 , z1 z2 , w1 w2 ) = 0,
ami pp azt jelenti, hogy a kt pontot sszekto vektor meroleges az
(1, 2, 3, 6) vektorra.
2
81
82
lineris algebra
A kvetkezo tblzat sszefoglalja geometriai alakzatoknak a tovbbiak szempontjbl legfontosabb egyenleteit. Az Rn -beli egyenletek
kzl tbbet mg nem ismernk, ezeket hrom krdojel jelzi, viszont
arra bztatjuk az Olvast, hogy az analgia fonaln haladva fogalmazza meg sejtseit.
Skban
Trben
Rn -ben
Explicit
vektoregyenlet
Implicit
egyenlet(rendszer)
egyenes
r = r0 + tv
Ax + By = C
pont
r = r0
A1 x + B1 y = C1
A2 x + B2 y = C2
sk
r = r0 + su + tv
Ax + By + Cz = D
egyenes
r = r0 + tv
A1 x + B1 y + C1 z = D1
A2 x + B2 y + C2 z = D2
pont
r = r0
A1 x + B1 y + C1 z = D1
A2 x + B2 y + C2 z = D2
A3 x + B3 y + C3 z = D3
hipersk
???
a1 x1 + a2 x2 + . . . + a n x n = b
sk
r = r0 + su + tv
???
egyenes
r = r0 + tv
???
pont
r = r0
???
Feladatok
83
84
lineris algebra
(2.16)
alakra hozhat egyenletet az x1 , x2 . . . xn ismeretlenekben lineris egyenletnek nevezzk, ahol a1 , a2 ,. . . s an , valamint b konstansok. Az a1 , a2 ,. . .
s an konstansokat az egyenlet egytthatinak b-t az egyenlet konstans
tagjnak nevezzk.
2.22. plda (Lineris egyenlet). Az albbi egyenletek linerisak:
x 2y = 1,
1
x1 2x2 + (5 ) x3 = 0,
2
x + 2y = 3z ,
x sin z + y cos z + y = z2 ,
viszont mindegyikk lineris az x s y ismeretlenekben, hisz ekkor z paramter, melynek brmely rtke mellett linerisak az egyenletek.
2.23. plda (Lineris egyenlet azonos talaktsa). Az
x = y,
x = 3 y + 2z
x + y 2z = 3.
x y
+ +2 = 0
z
z
nem lineris, mert a z-vel val beszorzs nem azonos talakts, teht a
lineris x + y + 2z = 0 egyenlettel nem ekvivalens.
Lineris egyenletek egy halmazt lineris egyenletrendszernek nevezzk. Az egyenletrendszer ismeretlenei mindazok az ismeretlenek, amelyek legalbb egy egyenletben szerepelnek. Ha egy ismeretlen egy
egyenletben nem szerepel, akkor gy tekintjk, hogy 0 az egytthatja. A jobb ttekinthetosg kedvrt az egyenletrendszereket gy rjuk
fel, hogy az ismeretlenek mindegyik egyenletben ugyanabban a sorrendben szerepeljenek. Egy egyenletrendszer egy egyenletbol is llhat.
2.24. plda (Lineris egyenletrendszerek). Lineris egyenletrendszerek pldul a kvetkezok:
3x y = 2
=3
x1
x + 2y = 6
=1
x2
x+ y =6
2x 3y + z w = 6.
(2.17)
x3 = 4
ax + y = 2a
x+y = 1
x + 2y = 6
1
x y = 0
a
0 = 2.
0=0
(2.18)
Paramterek hasznlatval felrhat az sszes olyan egyenletrendszer, mely adott szm egyenletbol ll s adott szm ismeretlent tartalmaz. Pldul az sszes 3-ismeretlenes, 2 egyenletbol ll egyenletrendszer a kvetkezo alak, illetve ilyenn alakthat:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
2.25. definci (Lineris egyenletrendszer). Lineris egyenletrendszeren ugyanazokban a vltozkban lineris egyenletek egy vges halmazt rtjk. ltalnos alakja m egyenlet s n ismeretlen esetn
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.
..
.
..
.
..
.
(2.19)
85
86
lineris algebra
( b 6 = 0)
x+y = 3
x + 2y = 4
y=1
=2
y=1
(2.20)
Ha egy egyenletrendszer tbb egyenletbol ll, mint ahny ismeretlene van, tlhatrozottnak nevezzk, mg ha kevesebb
egyenletbol ll, alulhatrozottnak. E fogalmak idonknt flrevezeto megfogalmazsokhoz s tves kvetkeztetsekre
vezetnek, ha az az elkpzels alakul ki,
hogy a tlhatrozottsg azt jelenti: az
egyenletek (a felttelek) mr tl sokan
vannak ahhoz, hogy akr csak egy szmn-es is kielgtse. Ksobb ltni fogjuk,
hogy ezzel ellenttben nem a tl sok
egyenlet, hanem az egymsnak ellentmond egyenletek okozzk az inkonzisztencit. Hasonlkpp az alulhatrozottsg nem jelenti azt, hogy szksgkppen tbb megolds is van. Alulhatrozott egyenletrendszer is lehet inkonzisztens. Egyedl annyi mondhat: alulhatrozott egyenletrendszernek nem lehet csak egyetlen megoldsa.
87
Mtrix: a latin mater (mater) (anya, szloanya, forrs) sz szrmazka a matrix (matrx), melynek jelentse az eurpai nyelvekben a kvetkezo vltozsokon ment t: anyallat, vemhes llat, anyamh, bezrt hely, ahonnan valami kifejlodik,
bezrt, krlzrt dolgok sokasga, tmbje.
Jelentse az lettanban mh, a geolgiban finomszemcss ko, melybe fosszilik, kristlyok, drgakvek vannak zrva, az anatmiban a krmt, fogat kialakt szvet.
88
lineris algebra
" #
1
,
2 , illetve
2
i
a11
a21
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
.
amn
a11
a21
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
.
amn
b1
b2
..
.
bm
A gyakorlatban nagy mretu egyenletrendszereket, s gy nagy mretu mtrixokat is kezelni kell. Ezekben az elemek nagy rsze ltalban 0. Az ilyen mtrixokat ritka mtrixoknak nevezzk. Szoks az ilyen
egytthatmtrix egyenletrendszereket is ritknak nevezni. A nem
ritka mtrixokat sur
unek
2 3 2
1
1 1
2 2 3
3
6
=1
z=0
89
1 1 1 3
2 3 2 7
2 2 3 6
Az elso sor ktszerest kivonjuk a msodik s harmadik sorbl (azaz az elso sor 2-szerest
hozzadjuk a msodik majd a
harmadik sorhoz).
1 1 1 3
0 1 0 1
0 0 1 0
Az egyenletrendszerrol azonnal leolvashat y s z rtke. Ezeket az elso egyenletbe helyettestve megkapjuk x rtkt is, nevezetesen x + y +
z = 3, azaz y = 1 s z = 0 behelyettestse utn: x + 1 + 0 = 3, vagyis
x = 2. Msik megoldsi mdszerhez jutunk, ha a visszahelyettests
helyett folytathatjuk az ekvivalens talaktsok sorozatt:
Kivonjuk a msodik, majd a harmadik egyenletet az elsobol:
=2
x
y
=1
z=0
1 0 0 2
0 1 0 1
0 0 1 0
gy olyan alakra hoztuk az egyenletrendszert, illetve a bovtett mtrixot, amibol azonnal leolvashat a megolds: ( x, y, z) = (2, 1, 0).
2
Sormodell: hiperskok metszete A lineris egyenletrendszerek szemlltetsre kt geometriai modellt mutatunk, melyek segteni fognak az
ltalnosabb fogalmak megrtsben, szemlltetsben.
Tekintsk a ktvltozs lineris ax + by = c egyenletet, ahol a, b s c
vals konstansok. Ha a s b legalbb egyike nem 0, akkor az egyenletet
kielgto pontok halmaza egy egyenes, vagyis a megoldshalmaz egy
egyenest alkot. (Ha a = b = c = 0, akkor az egyenlet alakja 0x +
0y = 0, azaz 0 = 0, ami minden ( x, y) szmprra fennll, vagyis az
egyenletet kielgto ( x, y) pontok halmaza az egsz sk. Ha pedig a =
b = 0, de c 6= 0, akkor az egyenletnek nincs megoldsa.)
2.31. plda (Sormodell kt ktismeretlenes egyenlettel). Oldjuk meg az
x+ y =3
x + 2y = 4
A sormodell lpsei jl nyomon kvetketok a SagePlayer sormodell cmu demonstrcijn. Ott sajt bovtett mtrixokkal is lehet ksrletezni.
90
lineris algebra
x+y = 3
y=1
=2
y=1
2.32. plda (Ha 0 lesz a bal oldal). Vizsgljuk meg az albbi egyenletrendszert a sormodellben!
x+y = 3
x+y = 2
Megolds. Lthat, hogy ez kt prhuzamos egyenes egyenlete, melyeknek nincs kzs pontjuk, gy az egyenletrendszer nem oldhat
meg. Ha az elso egyenletet kivonjuk a msodikbl, az ellentmond
0 = 1 egyenletet kapjuk, vagyis gy is arra jutottunk, hogy az egyenletrendszer nem oldhat meg. Az
x+y = 3
x+y = 3
, vagy az
x+ y =3
2x + 2y = 6
egyenletrendszerekben az elso egyenlettel a msodik 0 = 0 alakra hozhat, aminek minden szmpr megoldsa, gy elhagyhat. gy csak az
x + y = 3 egyenlet marad. Ennek sszes megoldsa paramteres alakba rva pldul ( x, y) = (3 t, t).
2
2.33. plda (Sormodell hrom hromismeretlenes egyenlettel). Vizsgljuk meg, hogy hrom hromismeretlenes egyenletbol ll
egyenletrendszer megoldsainak halmaza milyen geometriai alakzatot adhat!
2.7. bra: A megolds szemlltetse, ha
a kt egyenlet egyiknek bal oldala nullv teheto
(2.21)
91
3x + 2y + 3z = 8
egyenletrendszert. Ennek egy megoldsa ( x, y, z) = (2, 1, 0), ugyanakkor a hrom sk normlvektorai egy skba esnek, ugyanis
(2.22)
3x + 2y + 3z = 9
egyenletrendszer. Vegyk szre, hogy mg a (2.21) egyenletrendszerben a harmadik egyenletbol kivonva az elso kettot az elhagyhat 0 = 0
egyenletet kapjuk, addig a (2.22) egyenletrendszerben az ellentmond
0 = 1 egyenletre jutunk. gy ennek az egyenletrendszernek nincs megoldsa.
Vgl tekintsk az
x+ y+ z = 3
2x + 2y + 2z = 6
3x + 3y + 3z = 9
(2.23)
(c) Azonos skok: vgtelen sok megolds, a megoldsok egy skot alkotnak
2.8. bra: Megoldhat egyenletrendszerek brzolsa (a megoldshalmazt kk
szn jelzi)
92
lineris algebra
Ez a 2.8. (c) bra szerint eset. A 2.9. (a)-beli eseteknek megfelelo egyenletrendszerek felrst az olvasra hagyjuk.
2
Az elozo pldkban a 2- s 3-dimenzis trben szemlltettk a 2-,
illetve 3-ismeretlenes egyenletrendszer megoldsait. E geometriai modell lnyege a kvetkezokpp foglalhat ssze az n-ismeretlenes esetben:
2.34. llts (Sormodell). Ha egy n-ismeretlenes egyenlet bal oldaln nem minden egytthat 0, akkor az egyenletet kielgto pontok (azaz az
egyenlet megoldsai) egy hiperskot alkotnak Rn -ben. Ha egy n-ismeretlenes
egyenletrendszer m ilyen egyenletbol ll, akkor az egyenletrendszer megoldsa a nekik megfelelo m hipersk kzs rsze Rn -ben.
Az m egyenlet a skalris szorzs segtsgvel tmrebb alakban is
flrhat. Az m n-es A egytthatmtrix lineris egyenletrendszer
i-edik egyenletnek alakja
ai1 x1 + ai2 x2 + + ain xn = bi .
Ha ai jelli az A mtrix i-edik sort, ez az egyenlet vektorok skalris
szorzataknt is felrhat:
a i x = bi .
(2.24)
Ez klnsen akkor lesz rdekes, ha homogn lineris egyenletrendszereket fogunk vizsglni, mert ott mindegyik egyenlet ai x = 0 alakot lt, ami azt jelenti, hogy olyan x vektort keresnk, mely meroleges
az ai vektorok mindegyikre.
Oszlopmodell: vektor elolltsa lineris kombinciknt E modellben az
egyenletrendszerre gy tekintnk, mint egy olyan vektoregyenletre,
Az oszlopmodell lpsei jl nyomon kvetketok a SagePlayer oszlopmodell cmu demonstrcijn. Ott sajt bovtett
mtrixokkal is lehet ksrletezni.
93
amelyben egy vektort kell elolltani adott vektorok lineris kombincijaknt. Pldul a 2.31. pldabeli
x+ y =3
x + 2y = 4
egyenletrendszer ekvivalens az
" #
" #
" #
1
1
3
x+
y=
1
2
4
vektoregyenlettel. Itt az a feladat, hogy megkeressk az (1, 1) s (1, 2)
vektoroknak azt a lineris kombincijt, amely egyenlo a (3, 4) vektorral.
2.35. plda (A megolds lpsei az oszlopmodellben). Kvessk
vgig a fenti egyenletrendszer 2.31. pldban adott megoldsnak lpseit e
modellben is.
x+y = 3
y=1
=2
y=1
Vektoros alakban:
" #
" #
" #
" #
" #
" #
" #
" #
" #
2
0
1
3
1
1
3
1
1
.
y=
x+
y=
x+
y=
x+
1
1
0
1
1
0
4
2
1
a11
a12
a1n
b1
a21
a22
a2n
b2
. x1 + . x2 + . . . + . x n = .
.
.
.
.
.
.
.
.
am1
am2
amn
bm
94
lineris algebra
Feladatok
2.1. Melyek lineris egyenletek az x, y s z vltozkban
az albbiak kzl?
a) 3x (ln 2)y + e3 z = 0.4
b) a2 x b2 y = 0
c) xy yz zx = 0
d) (sin 1) x + y z = 0
y
z
1
1
1
x
f) + + = 1
e) + + = 1
a
b
c
x
y
z
Igazoljuk, hogy az albbi egyenletrendszerek ekvivalensek!
)
)
x + 3y = 5
x+y = 3
2.2.
y=1
x
=2
)
)
2x + 3y = 2
x+y = 2
2.3.
0x + 0y = 3
x+y = 7
x + y + 2z = 3
x + 2y + 4z = 3
x + 2y + 4z = 3
3x + 4y + 8z = 9
3x + 4y + 8z = 1
x+ y =3
x+ y =3
a) x + y = 4
b) x + 2y = 4
c) x + 2y = 3
x + 3y = 5
x + 3y = 5
x + 3y = 5
Oldjuk meg (fejben szmolva) az albbi lineris egyenletrendsze2.12. Igaz hamis Mely lltsok igazak, melyek hamisak
reket az a = 1, b = 2, c = 3 paramtervlaszts esetn!
)
az albbiak kzl?
(2a b) x + (3a c)y = 0
2.4.
a) Ha egy n-ismeretlenes egyenletrendszer olyan hipers(3b 2c) x + (b 2a)y = 0
kok egyenleteibol ll, melyek kzt van kt prhuzamos,
)
(b a) x + (3a c)y = 1
akkor az egyenletrendszer nem oldhat meg.
2.5.
b) Ha egy n-ismeretlenes egyenletrendszer nem oldhat
(3b 2c) x + (b 2a)y = 0
)
meg, akkor az egyenletek olyan hiperskok egyenletei,
(b a) x + (3a c)y = 1
melyek kzt van kt prhuzamos, de nem azonos hiper2.6.
(3b 2c) x + (b 2a)y = 1
sk.
)
c)
Ha egy n-ismeretlenes egyenletrendszer csak kt egyen(b a) x + (3a c)y = 1
2.7.
letbol ll, akkor az oszlopmodell szerint pontosan akkor
(3b 2c) x + (c b)y = 2
oldhat meg tetszoleges jobb oldal esetn, ha a vektor2.8. Egyenletrendszerek kzs megoldsa Tekintsk az
egyenlet bal oldaln szereplo vektorok kzt van ketto
azonos ismeretleneket tartalmaz E1 s E2 egyenletrendlinerisan fggetlen.
szereket. Legyen ezek megoldshalmaza M1 , illetve M2 .
2.13. Egsztsk ki az albbi lltsokat gy, hogy igazak
Mutassuk meg, hogy ha E az E1 s E2 egyenletrendszerek
legyenek!
egyestse, azaz E = E1 E2 , s M az E megoldshalmaza,
a) Egy kt egyenletbol ll hromismeretlenes egyenletakkor M az M1 s M2 kzs rsze, azaz M = M1 M2 .
rendszer sormodellje szerinti bra a(z) . . -dimenzis
Vizsgljuk meg ezt az lltst az albbi esetekben:
trben . . darab . . . . . . bl/bol ll, melyek ha
a) E1 = { x + y = 2}, E2 = { x y = 0 };
. . . . . . . . . . . . . . , akkor az egyenletrendszernek nincs
b) E1 = { x + y = 2, x y = 0}, E2 = { x y = 0 };
megoldsa, egybknt megoldsainak szma . . . .
c) E1 = { x + y = 2, x y = 0}, E2 = { x y = 1 };
Oszlopmodellje a(z) . . -dimenzis trben . . darab
d) E1 = { x + y = 2, x y = 0}, E2 = { 0x + 0y = 0 };
. . . . . . . bl/bol ll.
e) E1 tetszoleges egyenletrendszer, E2 = { 0 = 0 }.
b) Egy hrom egyenletbol ll ktismeretlenes egyenlet2.9. Sor s oszlopmodell Rajzoljuk fel a kvetkezo kt
rendszer sormodellje szerinti bra a(z) . . -dimenzis
egyenletrendszerhez tartoz sormodell s oszlopmodell
trben . . darab . . . . . . . . . . . bl/bol ll, mg az oszlopszerinti brt!
modellje a . . -dimenzis trben . . darab . . . . . . bl/bol.
2x + 3y = 7
2x + 4y = 3
c) Egy ngy egyenletbol ll tismeretlenes egyenletrenda)
b)
3x 2y = 4
3x + 6y = 4
szer sormodellje szerinti bra a(z) . . -dimenzis trben
2.10. Sor- s az oszlopmodell 3D-ben Vizsgljuk meg az
. . darab . . . . . . . . . . . bl/bol ll. Oszlopmodellje a(z)
albbi kt azonos egytthatmtrix egyenletrendszer
. . -dimenzis trben . . darab . . . . . . . -bl/bol ll.
95
Megolds kikszblssel
Elemi sormuveletek
A lineris egyenletrendszerek egyik megoldsi mdszernek lnyege, hogy ekvivalens talaktsokkal olyan alakra hozzuk
az egyenletrendszert, melybol visszahelyettestsek utn, vagy azok
nlkl azonnal leolvashat az eredmny. Az talaktsokat a bovtett mtrixon hajtjuk vgre gy, hogy a nekik megfelelo talaktsok
az egyenletrendszeren ekvivalens talaktsok legyenek. A 2.29. ttelben felsorolt elso hrom ekvivalens talakts nem vltoztatja meg
az egyenletrendszer egyenleteinek szmt sem. Az egyenletrendszer
bovtett mtrixn az ezeknek megfelelo talaktsokat elemi sormuve
leteknek nevezzk.2
elemi sormuveleteknek
nevezzk:
1. Sorcsere: kt sor cserje.
2. Beszorzs: egy sor beszorzsa egy nemnulla szmmal.
3. Hozzads: egy sorhoz egy msik sor konstansszorosnak hozzadsa.
Termszetesen egy sort el is oszthatunk egy nemnulla c szmmal,
hisz az az 1/c-vel val beszorzssal egyenrtku.
Hasonlkpp levonhatjuk egy sorbl egy msik sor c-szerest, hisz az a c-szeresnek
hozzadsval ekvivalens.
Az elemi talaktsokra a kvetkezo jellseket fogjuk hasznlni:
1. Si S j : az i-edik s a j-edik sorok cserje.
2. cSi : az i-edik sor beszorzsa c-vel.
3. Si + cS j : a j-edik sor c-szeresnek az i-edik sorhoz adsa.
Az elemi sormuveletek
az
Oi O j , cOi , Oi + cO j formulkat hasznljuk.
Lpcsos alak Az eddig megoldott egyenletrendszerekben igyekeztnk
tls, vagy legalbb tl alatt kinullzott alakra hozni az egyenletrendszert, mint azt pldul a 2.30. pldban tettk. Ez nem mindig sikerl,
mert nha nem kvnt elemek is kinullzdnak, de a kvetkezokben
definilt lpcsos alakhoz mindig el tudunk jutni.
alak). Egy mtrix lpcsos, vagy sorlpcsos
2.38. definci (Lpcsos
alak, ha kielgti a kvetkezo kt felttelt:
1. a csupa 0-bl ll sorok (ha egyltaln vannak) a mtrix utols sorai;
2. brmely kt egyms utn kvetkezo nem-0 sorban az als sor elejn tbb
0 van, mint a fltte lvo sor elejn.
A nemnulla sorok elso zrustl klnbzo elemt foelemnek, vezrelemnek vagy pivotelemnek hvjuk. Egy foelem oszlopnak fooszlop vagy
bzisoszlop a neve.
szereplo egyenletrendszerek, s tovbbi trtneti rszletek olvashatk a The MacTutor History of Mathematics archive cmu weboldalon.
2
96
lineris algebra
3
0
2
,
4
"
1
0
0
,
1
2 3 4
0 5 6 ,
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
1
0
0
1
0
1
0
0
1
.
1
0
lpcsos alakra hozzuk, s abbl visszahelyettestssel meghatrozzuk a megolds ltalnos alakjt. A Gauss-mdszer
knnyen algoritmizlhat, ha sorban haladunk az oszlopokon. A mdszerre lttunk mr pldt, ilyen volt a 2.30. plda elso megoldsa. Most
lssunk kt tovbbi pldt.
2.40. plda (Gauss-mdszer, egy megolds). Oldjuk meg az albbi
egyenletrendszert Gauss-mdszerrel:
x + y + 2z = 0
2x + 2y + 3z = 2
x + 3y + 3z = 4
x + 2y + z = 5
Megolds. rjuk fel az egyenletrendszer bovtett mtrixt, s oszloponknt haladva kszbljk ki nullzzuk ki a foelemek alatti elemeket!
2 0
1 1 2 0 S2 2S1 1 1
1 1
2 0
S1
2 2 3 2 SS3
1
1 4
4 S1 0 0 1 2 S2 S3 0 2
S4 2 S2
=
=
=
0 2
1 3 3 4
0 0 1 2
1 4
1 2 1 5
0 1 1 5
0 1 1 5
1
0
0
0
1
2
0
0
2
1
1
32
0
3
4
S4 2 S3
=
2
3
1 1
0 2
0 0
0 0
2
1
1
0
0
x + y + 2z = 0
4
2y + z = 4
=
2
z=2
0
1
1 2 1 2 1 1 S2 S1 1 2 1 2 1
S3 3S1
S3 2S2
1 2 3 3 1 0 = 0 0 2 1 0 1 =
3 6 7 8 3 1
0 0 4 2 0 2
1 2 1 2 1
1
x1 + 2x2 + x3 + 2x4 + x5 = 1
0 0 2 1 0 1 =
2x3 + x4
= 1
0 0 0 0 0
0
Az egyenletrendszer kttt vltozi a lpcsos alak fooszlopaihoz tartoz vltozk, azaz x1 s x3 . A szabad vltozk: x2 , x4 , x5 . A szabad
vltozknak tetszoleges rtkeket adhatunk, a ktttek rtke kifejezheto velk. Legyen pldul a szabad vltozk rtke x2 = s, x4 = t,
x5 = u. Ezek behelyettestse utn a fenti egyenletek kzl eloszr a
msodikbl kifejezzk x3 -at, majd azt behelyettestjk az elsobe, ahonnan kifejezzk az x1 -et, azaz a fenti egyenletekbol kifejezzk a kttt
vltozkat:
x1
3
2s
2
1
x3 =
3
tu
2
1
t
2
s
0
1
0
2
0
1
1
1
1
2 2t
x3 =
= 2 + s 0 + t 2 + u 0 .
x4
0
0
1
0
t
x5
u
0
0
0
1
Ksobb klnsen az utbbi vektorok lineris kombincijra bontssal val felrs lesz hasznos.
2
97
98
lineris algebra
Vilgos, hogy ha a szabad vltozknak tetszoleges rtket adhatunk, melybol a kttt vltozk egyrtelmuen
kifejezhetok, akkor a
fenti pldban mutatott mdszerrel az egyenletrendszer sszes megoldst lertuk. Az ilyen mdon megadott megoldst az egyenletrendszer ltalnos megoldsnak, a konkrt paramterrtkekhez tartoz
megoldsokat partikulris megoldsnak nevezzk. Pldul az elozo pldabeli egyenletrendszer egy partikulris megoldsa az s = 0, t = 1,
u = 2 rtkekhez tartoz
( x1 , x2 , x3 , x4 , x5 ) = (2, 0, 1, 1, 2).
Lnyeges e megoldsi mdban, hogy a bovtett mtrixot lpcsos
alakra tudtuk hozni. Ez vajon mindig sikerl?
alakra hozs). Brmely mtrix elemi sormuve2.42. ttel (Lpcsos
alatt nem
vltozik. Az egytthatmtrix lpcsos alakja ugyanazokkal a sormu
veletekkel megkaphat, mint a 2.41. plda megoldsban, azaz
1 2 1 2 1
1 2 1 2 1
1 2 3 3 1 = 0 0 2 1 0 =
3 6 7 8 3
0 0 0 0 0
x1 + 2x2 + x3 + 2x4 + x5 = 0
2x3 + x4
=0
2
2
1
x1
2s 32 t u
0
1
0
x
s
2
12 t
= s 0 + t 12 + u 0 .
x3 =
0
0
x4
t
0
1
x5
u
0
A homogn s inhomogn egyenletrendszerek e pldbl sejtheto kapcsolatra mg visszatrnk a 3.18. ttelben.
2
Vgl egy alkalmazs:
2.44. plda (Skok metszsvonalnak meghatrozsa). Hatrozzuk meg az albbi kt sk metszsvonalnak explicit (paramteres) alakjt!
x+ y+z = 1
3x + 4y
=2
99
100
lineris algebra
egyenletbol ll egyenletrendszert:
"
1 1 1
3 4 0
1
2
S2 3S1
"
1 1
0 1
1
3
#
x+y+ z = 1
1
=
1
y 3z = 1
1
0
0
,
0
"
0
0
1
,
0
0
0
2 0 4
0 1
6,
0 0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
1
0
1
1
.
1
0
1 3 0
1 1 2
2 2 4
mtrixot!
Megolds. Egy lehetsges megolds:
0 S2 S1 1
3 0
1
S3 2S1
2 S2
2 = 0 2 2 =
4
0 4 4
0
1 3
0
1 0
S3 +4S2
S1 3S2
1 = 0 1 1 = 0 1
4
0 0
0
0 0
1
2
0
0
3
1
4
3
1
2
1.
0
1
2
3
1
2
0
S1 S2
2 =
4
1 1
0 1
0 0
2
2 S2 S1 1 1
1
2 S2
S3 2S1
0 = 0 2 2 =
0 0
0
4
2
1 0
3
S1 3S2
1 = 0 1 1.
0
0 0
0
1
2
1
3
2
Gauss Jordan-mdszer A Gauss Jordan-mdszer, ms nven Gauss Jordankikszbls vagy Gauss Jordan-eliminci a lineris egyenletrendszerek
egy megoldsi mdszere. Lnyege, hogy a lineris egyenletrendszer
bovtett mtrixt elemi sormuveletekkel
reduklt lpcsos alakra hozzuk. Ebbol az alakbl azonnal leolvashat a megolds. Adjunk j
megoldst a Gauss-mdszernl bemutatott egyenletrendszerekre.
2.48. plda (Gauss Jordan-mdszer, egy megolds). Oldjuk meg
a 2.40. pldban felrt egyenletrendszert Gauss Jordan-mdszerrel!
Megolds. Felrjuk az egyenletrendszer bovtett mtrixt, s a 2.40. pl-
101
102
lineris algebra
1
2
1
1
1
2
3
2
1
0
0
0
2
3
3
1
1 1
0
2
0 2
= . . . =
0 0
4
5
0 0
3
0 2 2 S2 12 S3 1
3
2
1 12
S1 2 S3 0
=
0
0 1 2
0
0 0
0
2
1
1
0
0 0
1 0
0 1
0 0
1 1
0 1S
2 2
4 S3 0 1
=
0 0
2
0
0 0
1
x
3
y
=
2
0
2
1
2
1
0
0
2
S1 S2
=
2
0
z = 2
1/2S2
1 2 1 2 1 1
1 2 1 2 1 1
S1 S2
1 2 3 3 1 0 = . . . = 0 0 2 1 0 1 =
3 6 7 8 3 1
0 0 0 0 0 0
3
3
1 2 0 3/2 1 3/2
x1 + 2x2 + x4 + x5 =
2
2
0 0 1 1/2 0 1/2 =
1
1
=
x3 + x4
0
0 0 0
0
0
2
2
Vgezzk el az x2 = s, x4 = t, x5 = u helyettestst, az x1 s x3
vltozk azonnal kifejezhetok. gy a megolds:
3
1 1
3
( x1 , x2 , x3 , x4 , x5 ) = ( 2s t u, s, t, t, u),
2
2
2 2
vagy mtrixjellssel
3
3
3
3
x1
2
2
1
2 2s 2 t u
2
x
0
1
0
0
s
2
1
21 12 t
x3 =
= 2 + s 0 + t 12 + u 0 .
x4
0
0
0
1
t
x5
u
0
0
0
1
Termszetesen ugyanazt a megoldst kaptuk, mint a 2.41. pldban. 2
Bizonyts. Tegyk fel indirekt mdon, hogy van egy olyan mtrix,
mely elemi sormuveletekkel
egymsba alakthatak,
vagyis egymssal is ekvivalensek. Vlasszuk ki oszlopaik kzl azt
a balrl elso oszlopot, melyben klnbznek, valamint az sszes elot Teht
s S.
tk ll vezroszlopot. Az gy kapott mtrixokat jellje R
1 2 0 4 5
R = 0 0 1 2 3
0 0 0 0 0
4 5
9 3 ,
0 0
2
0
0
0
1
0
0
1
0
9 .
0
S = 0
0
akkor
R = 0
0
0
1
0
2
0
1
S =
0
0
0
.
.
.
R=
0
0
.
.
.
0
0
1
..
.
0
0
..
.
0
...
...
..
.
...
...
...
0
0
..
.
1
0
..
.
0
r1
r2
..
rk
..
.
0
vagy
1
0
.
.
.
R=
0
..
.
0
0
1
..
.
0
0
0
..
.
0
...
...
..
.
...
...
...
...
0
0
..
.
1
0
0
..
.
0
0
0
..
..
.
0
103
104
lineris algebra
0
.
.
.
S = 0
.
.
.
0
0
1
..
.
0
0
..
.
0
...
...
..
.
...
...
...
0
0
..
.
1
0
..
.
0
s1
s2
..
sk
..
.
0
vagy
1 0
0 1
. .
. .
. .
S = 0 0
0 0
0 0
.. ..
. .
0 0
...
...
..
.
...
...
...
...
0
0
..
.
1
0
0
..
.
0
0
0
..
..
.
0
muveletet
rref 0
1
0
1
1
"
0
1
0 =
0
0
0
1
0
0
Wolf Holzmann.
of reduced row
3
Uniqueness
echelon form.
http://www.cs.uleth.ca/~holzmann/
notes/reduceduniq.pdf, 2002
Oldjuk
x+ y+ z = 3
u+ v+ w = 3
r+ s+ t = 0
2x + 3y + 2z = 7
2u + 3v + 2w = 7
2r + 3s + 2t = 0
2x + 2y + 3z = 6
2u + 2v + 3w = 7
2r + 2s + 3t = 1
Megolds. Mivel e hrom egyenletrendszer egytthatmtrixa azonos, a bal oldal talaktst elg egyszer elvgezni, a jobb oldalak talaktst pedig vele egytt. Ehhez a szimultn egyenletrendszerre a
kvetkezo bovtett mtrixot rdemes kpezni:
1 1 1
2 3 2
2 2 3
3
7
6
3
7
7
0
1
1 1
2 3
2 2
1 0
0
1
0 0
1
2
3
3
7
6
3
7
7
0
0
1
2
1
0
1
1
1
S2 2S1
1 1 1
0
S3 2S1
0 = 0 1 0
1
0 0 1
0 ,
1
3
1
0
3
1
1
S1 S2
0
S1 S3
0 =
1
1
u
v = 1 ,
w
1
r
s =
t
1
0 .
1
Ha tudjuk, hogy tbb egyenletrendszerbol ll szimultn egyenletrendszerrol van sz, mindegyik egyenletrendszerben hasznlhatjuk
ugyanazokat a vltozkat.
105
106
lineris algebra
2 0
0 1
6
5
2
2
1S
2 1
"
1
0
0
1
3
5
1
2
1
5
0
2
S1 S2
#
.
c+d = 0
a+b+
d=1
0 1 1 1 1
1 0 1 1 0
1 0 1 1 0
S1 S2
S3 + S1
S3 + S2
1 0 1 1 0 = 0 1 1 1 1 = 0 1 1 1 1 =
1 1 0 1 1
1 1 0 1 1
0 1 1 0 1
1 0 1 1 0 S2 + S3 1 0 1 0 0
S1 + S3
0 1 1 1 1 = 0 1 1 0 1
0 0 0 1 0
0 0 0 1 0
Visszarva egyenletrendszerr:
a
+c
=0
b+c
=1
d=0
2x + 3y = 1
3x + 2y = 4
3x + 4y = 3
Megolds. A szmols megknnytsre vagy ksztsnk osztsi tblt, vagy hasznljuk a 447. oldalon tallhat A.8. bra szorzstbljt.
"
#
"
#
"
#
2 3 1 3S1 1 4 3 S2 3S1 1 4 3
=
=
,
3 2 4
3 2 4
0 0 0
azaz az egyenletrendszernek tbb megoldsa van. Itt ez nem azt jelenti, hogy vgtelen sok, hanem azt, hogy legalbb egy paramter
vgigfut Z5 sszes elemn. Szabad vltoz az y, legyen y = s, gy
x = 3 4s = 3 + s, teht ( x, y) = (3 + s, s), azaz a vektorok mtrixjellsvel:
" #
" # " #
3
1
x
+s
, s Z5
=
1
y
0
Mivel Z5 -nek t eleme van, ezrt s-nek is ennyi rtke lehet, azaz az elso egyenletrendszer sszes megoldsa (3, 0), (4, 1), (0, 2), (1, 3), (2, 4).
A msik egyenletrendszer megoldsa:
"
#
"
#
"
#
2 3 1 3S1 1 4 3 S2 3S1 1 4 3
,
=
=
3 4 3
3 4 3
0 2 4
amibol 2y = 4, azaz y = 2, x + 4 2 = 3, azaz x = 0. Teht a megolds
( x, y) = (0, 2).
2
107
108
lineris algebra
Feladatok
alak: igaz hamis Melyek igazak, melyek
2.14. Lpcsos
hamisak az albbi lltsok kzl?
a) Egy mtrix minden lpcsos alakjban ugyanannyi nemzrus sor van.
b) Egy mtrix minden lpcsos alakjban ugyanannyi fooszlop (bzisoszlop) van.
c) Minden vals mtrixnak van lpcsos alakja, ami egyrtelmu.
1 1 1 1 1
2.16. 2 3 2 3 4
1 2 1 2 3
1 1 1 1 1
2.17. 2 3 2 3 4
3 2 1 2 3
Ekvivalensek-e az albbi egyenletrendszerek?
3x
+
2y
2z
=
1
2x + 2y 2z = 0
2x + 3y 3z = 1
4x + 2y
=8
2x + 3y + 5z = 0
2.19.
3x + 2y + 2z = 3
5x
4z = 9
3x + 3y 2z = 3
5x 3y + 2z = 5
2.18.
x y 3z = 3
5x + 5y + 7z = 3
3 4
1 1
3 4 1 1
a) 7 8
b) 7 8 3 7
3 7
11 7 2 2
11 7 2 2
2.21. Sormuveletek
reverzibilitsa Mutassuk meg,
hogy minden elemi sormuvelettel
talaktott mtrixhoz
van egy olyan sormuvelet,
Megolds a gyakorlatban
Br e szakasz tartalma elsosorban nem a lineris algebra, hanem a numerikus analzis tmakrbe tartozik, ismerete elengedhetetlen annak, aki a gyakorlatban lineris algebrai eszkzket alkalmaz. Eloszr a Gauss- s Gauss
Jordan-kikszbls muveletignyt,
majd numerikus megbzhatsgnak krdst vizsgljuk. Ezutn az itercis mdszerek lnyegt vzoljuk, melyek
alkalmazsakor az egytthatmtrix nem vltozik, gy a szmtsi hibk sem
halmozdnak. Radsul e mdszerek a ritka mtrixokat sem rontjk el, mint
a Gauss-mdszer, mely sok zrust r fll.
A kikszbls muveletignye
Ahhoz, hogy a lineris egyenletrendszerek klnbzo megoldsi mdszereit ssze tudjuk hasonltani, azt is
tudnunk kell, mennyi a muveletignyk.
sszeads/kivons,
+ n2
szorzs/oszts.
3
2
6
3
3
azaz sszesen
2 3 3 2 7
n + n n flop,
3
2
6
n ( n + 1)
,
2
12 + 22 + . . . + n2 =
n(n + 1)(2n + 1)
.
6
109
110
lineris algebra
2104
.
1+104
1
1 104
2
2 104
szer numerikusan stabil, ami azt jelenti, hogy pldul 104 helybe 0-t
helyettestve, vagyis kicsit vltoztatva egy egytthatt, a kapott
#
"
0 1 2
1 1 0
egyenletrendszer megoldsa csak kicsit klnbzik az elozotol: x =
y = 2. Vgezzk most el a Gauss-kikszblst 3 rtkes jeggyel szmolva:
"
#
"
# "
#
104 1 2 S2 104 S1 104
1
2
104
1
2
=
,
1
1 0
0
1 104 2 104
0
104 2 104
ahol a kzeltsnl a fl(1 104 ) = 104 sszefggst hasznltuk. Az
gy kapott egyenletrendszernek viszont x = 0, y = 2 a megoldsa, ami
nagyon messze van az eredeti egyenletrendszer megoldstl! Most
vgezznk egy apr vltoztatst: eloszr cserljk fel a kt egyenletet!
"
#
"
# "
#
1
1 0 S2 104 S1 1
1
0
1 1 0
=
,
104 1 2
0 1 + 104 2
0 1 2
amelynek megoldsa x = y = 2, ami nagyon kzel van a pontos megoldshoz!
2
Mi az oka a kt megolds kzti klnbsgnek, s fel tudnnk-e
hasznlni minl jobb megolds megtallsban?
111
112
lineris algebra
Mindkt megoldsban az elso egyenlet konstansszorost hozzadtuk a msodik egyenlethez, de az elso esetben a kisebb, a msodikban az elso oszlop nagyobb elemt vlasztottuk foelemnek. Amikor
a kisebbet vlasztottuk, akkor az elso sort egy kis szmmal osztottuk,
vagyis repciprokval egy nagy szmmal szoroztuk, s ezt adtuk
a msodik sorhoz. A nagy szmmal val beszorzs kvetkeztben a
msodik egyenlet egytthatit elnyomtk e nagy szmok, nagyon
megvltoztatva az egyenletet, aminek kvetkeztben a megoldsok is
nagyon megvltoztak! A fl(1 104 ) = 104 kerekts hatsa, vagyis
a 1 eltntetse, ekvivalens azzal, mintha az eredeti egyenletrendszer helyett a kvetkezot kne megoldani:
"
104
1
1
0
#
2
.
0
is ez
az eljrs, ezrt ritkn alkalmazzk.
1.8
3.6
7.2
2.4
3.0
3.2
3.6
5.4
3.0
3.6
4.8
5.2
3.7
6.2
2.4
2.6
7.5
7.8
1.2
5.2
S
/4
3 1
7.2 3.6
7.2 3.6 4.8 2.4 1.2
S3 S2 /2
7.2 3.6
7.2 3.6 4.8 2.4 1.2
2
0.0 4.4 5.6
0.0 0.0 2.0
Sklzs A rszleges foelemkivlasztsban mindig az oszlop legnagyobb elemt vlasztottuk. Nem lehet egy elemet nagyobb tenni, s
ezzel az egsz mdszert elrontani gy, hogy egy sort egyszeruen
beszorozzuk?
2.60. plda (Sor szorzsa). A 2.58. pldban szorozzuk meg az elso
egyenletet 105 -nel, azaz a kisebb elembol csinljunk nagyot, s ezt az egyenletrendszert is oldjuk meg rszleges foelemkivlasztssal.
10x + 105 y = 2 105
x
y=
,
1 1
0
0 1 104 2 104
0
104 2 104
amibol x = 0 s y = 2.
113
114
lineris algebra
| f (b) f ( a)|
1
| f (b) f ( a)|
1
|b a|, azaz
.
2
|b a|
2
115
2x 5y = 8
egyenletrendszert, majd hozzuk x = f (x) alakra, s egy tetszoleges x0 vektorbl indulva vgezznk az xk+1 = f (xk ) formulval itercit. Szmoljunk
3 tizedes pontossggal. Hov tart az gy kapott vektorsorozat?
Megolds. Az egyenletrendszert kikszblssel megoldva kapjuk,
hogy x = (1, 2) az egyetlen megolds.
Hozzuk az egyenletrendszert x = f (x), azaz yx = f ( yx ) alakra.
Erre tbb lehetosg is addik. Ezek kzl taln az a legkzenfekvobb,
hogy az elso egyenletbol az x-et, a msodikbl y-t kifejezzk:
y+2
4
2x + 8
y=
5
x=
Vlasszunk egy x0 vektort tetszolegesen, legyen pl. x0 = (0, 0), azaz x = y = 0. A fenti kpletekbe helyettestve kapjuk, hogy x1 =
( 0+4 2 , 0+5 8 ) = (0.5, 1.6). A tovbbi rtkeket egy tblzatban adjuk meg:
x
y
x0
x1
x2
x3
x4
x5
x6
x7
x8
0
0
0.5
1.6
0.9
1.8
0.95
1.96
0.99
1.98
0.995
1.996
0.999
1.998
1.000
2.000
1.000
2.000
x0 b
x1 x2
x
116
lineris algebra
..
.
..
.
..
.
xn =
1
(bn an1 x1 an2 x2 . . . an,n1 xn1
ann
2x 5y = 8
egyenletrendszert Gauss Seidel-itercival.
Megolds. Itt is, mint a Jacobi-itercinl az
y+2
4
2x + 8
y=
5
x=
egyenleteket hasznljuk, de mg a Jacobi-itercinl x0 = (0, 0) kezdortk utn az x = 0+4 2 = 12 , y = 0+5 8 = 85 rtkek kvetkeztek, a
Gauss Seidel-itercinl a msodik egyenletben 0 helyett mr az elso
2 1 +8
x
y
x0
x1
x2
x3
x4
0
0
0.5
1.8
0.95
1.98
0.995
1.998
1.000
2.000
x
y
x0
x1
x2
x3
x4
x5
x6
x7
x8
0
0
2
-5
-3
-1
1
-11
-9
-3
-1
-23
-21
-7
-5
-47
-45
-15
gy tunik,
x
y
x0
x1
x2
0
0
1
-1
x3
-1
-3
-7
x4
-5
-15
-13
-31
117
118
lineris algebra
| a11 | >
| a12 | + . . . + | a1,n1 | +
| a1n |
+ . . . + | a2,n1 | +
.
| a2n |
..
.
+ | an1,n |
| a22 | >
..
.
| ann | >
| a21 |
..
| an1 | +
| an2 | + . . . + | an,n1 |
, 1
10 3 , 0 3 0 ,
.
.25 .25 1 .25
0 1
0 0 5
1 2 10
.25 .25 .25 1
Az albbi mtrixok nem soronknt dominns fotljak, de sorcserkkel azz tehetok:
, 10 1
2 , 0 0 5 ,
.
.25 .25 1 .25
2 1
2 0
0
1
10 3
.25 1 .25 .25
Az albbi egyenletrendszer egytthatmtrixa soronknt dominns fotlj:
4x y = 11
2x 5y = 17
2.65. ttel (Elgsges felttel az itercik konvergencijra).
Ha az n egyenletbol ll n-ismeretlenes egyenletrendszer egytthatmtrixa
soronknt dominns fotlj, akkor brmely indulvektor esetn a Jacobi- s
a Gauss Seidel-iterci is konvergens.
E ttelt nem bizonytjuk. Megjegyezzk, hogy a ttelbeli felttel
nem szksges, csak elgsges, azaz olyan egyenletrendszeren is konvergens lehet valamelyik iterci, melynek nem dominns fotlj az
egytthatmtrixa. Hasonl ttel igaz oszloponknt dominns fotlj
egytthatmtrixok esetn is.
A dominns fotlj mtrixokon a Gauss Seidel-iterci sosem lassabb, mint a Jacobi-iterci, sot, gyakran rezhetoen gyorsabb. Az
119
120
lineris algebra
Feladatok
Jacobi-iterci
2.22. Oldjuk meg a
4x y =
2x 5y = 5
egyenletrendszert Jacobi-itercival! Szmoljunk 3, majd 4
rtkes jegyre!
Vegyes feladatok
2.23. Jacobi-iterci
konvergl,
Gauss Seideliterci nem rjunk programot annak az lltsnak az
ellenorzsre, hogy a
+ z=0
x + 5/6y
x+
=0
2y 3z = 1
( x0 , y0 ) ( x1 , y1 ) ( x2 , y2 ) ( x3 , y3 )
x: tvolsg A-tl
y: tvolsg B-tol
0
0
40
80
48
96
49.6
99.2
x1
x: tvolsg A-tl
y: tvolsg B-tol 0
30
y1
x2
y2
46
80
x3 y3
49.2
96
99.2
3
Megoldhatsg s a megoldsok tere
E fejezetet az egyenletrendszer megoldsainak jellemzsre sznjuk.
Ennek sorn megismerkednk az altr fogalmval s a velk vgezheto legegyszerubb
muveletekkel.
brmely lpcsos
alak nemzrus
sorainak szma
a reduklt lpcsos
alak vezregyeseinek szma.
122
lineris algebra
"
2
0
3
,
0
"
3
0
2
0
1
,
4
1
1
1
1
1
1
1
1
1
1
1
1
1
1
,
1
1
0
1
1
0
1
0
0
1
1
0
0
1
0
1
.
1
0
1 0 0 1
1
1
1
1
0 1 1 0
0 2
0 2
, illetve
0 0 0 0
0
0 2
2
0 0 0 0
0
0
0 4
alakra hozhat, teht a rang 4, illetve 2.
3.4. llts (Kttt s szabad vltozk szma). Ha egy n-ismeretlenes egyenletrendszer megoldhat, s egytthatmtrixnak rangja r, akkor
a Gauss- vagy a GaussJordan-mdszerrel kapott megoldsban a kttt vltozk szma r, a szabad vltozk szma n r.
Fontos megjegyezni, hogy egyelore csak annyit tudunk bizonytani,
hogy ha az egytthatmtrix s a bovtett mtrix rangja r, akkor az
egyenletrendszernek van olyan megoldsa, amelyben a kttt vltozk
szma r, a szabad vltozk n r, s egy ilyen megolds megkaphat
a Gauss- vagy a GaussJordan-mdszerrel. Ez abbl kvetkezik, hogy
a rang megegyezik a foelemek szmval, az pedig a kttt vltozk
szmval. Mi trtnik azonban, ha ms mdszerrel keresnk megoldst, vagy ha pldul felcserljk az ismeretlenek sorrendjt? Arrl
mg nem tudunk semmit, hogy a mtrix rangja vajon megvltozike, ha flcserljk az oszlopait, a vltozk sorrendjnek cserje pedig
oszlopcsert okoz az egytthatmtrixon. A kvetkezo fejezetben be
fogjuk azt is ltni, hogy a kttt s szabad vltozk szma fggetlen a
vltozk sorrendjtol, sot a megolds mdszertol is.
3.5. plda (Kttt s szabad vltozk szma). Egy lineris egyen-
0.426
0.690
0.889
0.368
0.000
0.859
0.007
0.304
0.027
0.000
0.040
0.755
0.296 .
0.497
0.000
Lthat, hogy a mtrix rangja s gy kttt vltozinak szma 4, az egyenletrendszer ismeretleneinek szma 7, a szabad vltozk szma 3.
ha
egytthatmtrixnak s bovtett mtrixnak rangja megegyezik az ismeretlenek szmval, azaz
r(A) = r(A|b) = n.
Bizonyts. Az egyenletrendszer pontosan akkor oldhat meg, ha bovtett mtrixnak lpcsos alakjban nincs olyan sor, melynek csak az
utols eleme nem 0. Ez pp azt jelenti, hogy r(A) = r(A|b).
A msodik llts abbl kvetkezik, hogy az egyenletrendszer akkor
oldhat meg egyrtelmuen,
123
124
lineris algebra
Megoldsok szma
r( A ) < r( A | b )
r( A ) = r( A | b ) = n
r( A ) = r( A | b ) < n
0
1
kzben a bovtett mtrix utols oszlopban minden elem 0 marad, gy ebben az oszlopban biztosan nem
lesz foelem. Eszerint a homogn lineris egyenletrendszerek mindig
megoldhatk, hisz ekkor a r(A) = r(A|b) sszefggs mindig fnnll.
A megoldhatsg persze e felttel ellenorzse nlkl is ltszik, hisz
az x1 = x2 = = xn = 0 mindig megolds! Mivel r(A) megegyezik a reduklt lpcsos alak foelemeinek szmval, ezrt r(A) m s
r(A) n is fnnll, ahol m az egyenletek, n az ismeretlenek szma.
gy viszont m < n esetn r(A) = n nem llhat fnn, teht a homogn
lineris egyenletrendszernek van az x = 0 vektoron kvl is megoldsa. Ezzel bizonytottuk az albbi ttelt:
3.7. ttel (Homogn lineris egyenletrendszer megoldhatsga). Az A egytthatmtrix homogn lineris egyenletrendszer mindig
megoldhat, mert a nullvektor az n. trivilis megolds mindig megolds. Pontosan akkor van nemtrivilis, vagyis a 0-vektortl klnbzo
megoldsa is, ha
r(A) < n,
ahol n az ismeretlenek azaz A oszlopainak szmt jelli. Specilisan,
az m egyenletbol ll homogn lineris egyenletrendszernek m < n esetn
mindig van nemtrivilis megoldsa.
Vals egytthats homogn lineris egyenletrendszerekre az elozo
tblzat a kvetkezo alakot lti:
Felttel
r( A ) = n
r( A ) < n
Megoldsok szma
1
3.8. plda (Egyenletrendszer megoldsainak szma). Az a paramter mely rtkei mellett van az albbi egyenletrendszernek 0, 1, illetve
sok megoldsa?
x1 + x2 + ax3 = 1
x1 + ax2 + x3 = a
ax1 + x2 + x3 = a2
Megolds. Hozzuk a bovtett mtrixot lpcsos alakra:
1 1 a 1 S2 S1 1
1
a
1
S3 aS1
S3 + S2
a 1 =
1 a 1 a = 0 a 1 1 a
a 1 1 a2
0 1 a 1 a2 a2 a
1
1
a
1
1a
a1
0 a 1
0
0
( a 1)( a + 2) ( a + 1)( a 1)
Lthat, hogy a = 1 esetn az utols kt sorban minden elem 0, teht
az egytthatmtrix s a bovtett mtrix rangja is 1, gy az egyenletrendszer az x1 + x2 + x3 = 1 egyenlettel ekvivalens. Ennek megoldsa:
( x1 , x2 , x3 ) = (1 s t, s, t), azaz oszlopvektor alakba rva:
1
1
x1
1
x2 = 0 + s 1 + t 0
1
0
0
x3
Ha a = 2, akkor az egytthatmtrix rangja 2, a bovtett mtrix
rangja 3, teht az egyenletrendszer nem oldhat meg (az utols sor
egyenlett visszarva 0 = 3 alak). Minden egyb esetben, azaz ha
a 6= 1 s a 6= 2, akkor a kt rang 3, ami megegyezik az ismeretlenek
szmval, teht egyetlen megolds van. Ez ki is fejezheto:
x1 =
( a + 1)2
,
a+2
x2 =
1
,
a+2
x3 =
a+1
.
a+2
Homogn lineris egyenletrendszer megoldsai Tekintsnk egy tetszoleges homogn lineris egyenletrendszert. Mint a 3.7. ttelben lttuk, ez
biztosan megoldhat, s a megoldsok halmazban a nullvektor benne
van. Mit mondhatunk a megoldsok halmazrl, ha tbb megoldsa
is van a homogn egyenletrendszernek?
3.9. llts (Megoldsok lineris kombincija). Egy homogn
lineris egyenletrendszer megoldsainak brmely lineris kombincija is
megolds.
Bizonyts. Elg az lltst kt megoldsra bizonytani. Jellje a1 ,
a2 ,. . . ,an az egyenletrendszer egytthatmtrixnak oszlopvektorait.
125
126
lineris algebra
a)
b)
3.1. bra: a) Egy orign tmeno egyenes brmely vektornak konstansszorosa s brmely kt vektornak sszege az
egyenesbe esik, b) egy orign tmeno sk
brmely vektornak konstansszorosa s
brmely kt vektornak sszege a skba
esik.
127
lvo tve jelzi a nullvektort. Az altereket olyan kisebb levelek szemlltetik, melyek tve azaz a nullvektor kzs (ld. 3.2. bra). A levelek
felso cscsba a tr nevt vagy dimenzijt rhatjuk.
Felsoroljuk az alterek nhny egyszeruen
belthat tulajdonsgt:
U
V
0
3.2. bra: Egy W vektortr s annak U
s V alterei, valamint a mindannyiukban
kzs nullvektor
Z = {0}
3.3. bra: Egy W vektortr kt trivilis
altervel: az egyik maga W , a msik a
nullvektort tartalmaz Z tr
0
3.4. bra: Altr altere is altr
Ha U s V ugyanannak a vektortrnek az alterei, akkor az egyestsk ltal generlt alteret U + V -vel jelljk, s a kt altr sszegnek
nevezzk.
3.11. llts (Alterek sszege). Ha U s V a W altr kt altere, akkor
az egyestsk ltal generlt U + V altr pontosan azokbl a vektorokbl ll,
melyek egy U - s egy V -beli vektor sszegeknt elollnak.
Bizonyts. Ha x egy U + V -beli vektor, akkor eloll nhny U - s V beli vektor lineris kombincijaknt. De a lineris kombinci U -beli
vektorokat tartalmaz rsze egy U -beli u vektort ad, mg a tbbi egy
V -beli v vektort, gy x = u + v. Fordtva vilgos, minden u + v alak
vektor U - s V -beli vektorok lineris kombincija, teht benne van
U + V -ben.
2
Szemlltetsl: ha pldul W = R3 , s U s V egy-egy egymstl
klnbzo 1-dimenzis altere, akkor az egyestsk ltal generlt 2dimenzis altrbe pontosan azok a vektorok tartoznak, melyek egy
U -beli u s egy V -beli v vektor sszegei (ld. 3.7 bra).
128
lineris algebra
U +V
u+v
U
3.7. bra: U + V brmely vektora eloll
u + v alakban
alak lineris kombincijt a v1 , v2 ,. . . , vk vektorok ltal kifesztett altrnek nevezzk, s span(v1 , v2 , . . . , vk )-val jelljk. Kpletben:
span(v1 , v2 , . . . , vk ) = { c1 v1 + c2 v2 + . . . + ck vk : c1 , c2 . . . , ck R }.
1 2 1 2 1
1 2 3 3 1
3 6 7 8 3
mtrix nulltert. Keressnk vges sok olyan vektort, melyek kifesztik e teret!
Megolds. Az adott mtrix a 2.43. pldabeli homogn lineris egyenletrendszer egytthatmtrixa. A homogn lineris egyenletrendszer
megoldshalmaza pp a nulltr vektoraibl ll halmaz. A nulltr vektorai teht
3
x1
2s 32 t u
2
2
1
x
s
2
1
0
0
1
1
2t
x3 =
= s 0 + t 2 + u 0
x4
0
0
1
t
x5
u
0
0
1
alakba rhatk, amibol leolvashat, hogy e teret a megoldsban megadott hrom vektor feszti ki.
2
129
130
lineris algebra
Az inhomogn lineris egyenletrendszer megoldsai Az inhomogn lineris egyenletrendszer megoldsai nem alkotnak alteret. Legegyszerubben
ez onnan ltszik, hogy a zrusvektor minden altrnek eleme, viszont egyetlen inhomogn egyenletrendszernek sem megoldsa! Ugyanakkor az inhomogn lineris egyenletrendszer s a hozz
tartoz homogn egyenletrendszer megoldsai kzt egy igen fontos
kapcsolat van.
3.18. ttel (Homogn s inhomogn egyenletrendszer megoldsai). Az inhomogn lineris [A|b] mtrix egyenletrendszer ltalnos
megoldsa megkaphat gy, hogy egy partikulris megoldshoz hozzadjuk
a hozz tartoz homogn [A|0] mtrix egyenletrendszer ltalnos megoldst.
inhomogn
ltalnos
megoldsa
inhomogn egy
partikulris
megoldsa
homogn
ltalnos
megoldsa
a)
(i = 1, 2, . . . , m)
egyenleteknek. Ebbol
a i ( x + y ) = a i x + a i y = bi + 0 = bi .
b)
3.8. bra: a) Egy hromismeretlenes inhomogn lineris egyenletrendszer megoldshalmaza, ha az ltalnos megolds
egyparamteres; b) Egy hromismeretlenes inhomogn lineris egyenletrendszer megoldshalmaza, ha az ltalnos
megolds ktparamteres.
Rn
x0
131
x0 + N ( A )
N (A)
0
3.9. bra: Az A egytthatmtrix homogn egyenletrendszer megoldsa a
nulltr, azaz N (A), az inhomogn e tr
egy x0 + N (A) eltoltja, ahol x0 az inhomogn egyenletrendszer egy megoldsa.
Rn
Rm
S(A)
O(A)
Rm
N (A)
0
Rm
x
b
y
132
lineris algebra
kapjuk, hogy
1
0
1
2
1
2
2
1
1
1
1
1
1 1 1
1
0
2
1 0
0
3
0 1
6
0
0 0
1
2
2
0
1
2
3
4
0
1
0
1
1
1
0
1
0
1
0
0
0
1
0
0
1
1
,
2
0
133
134
lineris algebra
Feladatok
ha r(A) = n.
a) Ha egy 10-ismeretlenes egyenletrendszer csak 6 egyen
3.5. Inhomogn lineris egyenletrendszer megoldletbol ll, azaz alulhatrozott, akkor vgtelen sok megsai Egy ngyismeretlenes lineris egyenletrendszer megoldsa van.
oldst szmtgppel prblom ellenorizni, de ms jn ki.
b) Ha egy 10-ismeretlenes egyenletrendszer csak 6 egyenA sajt eredmnyem ez:
letbol ll, azaz alulhatrozott, akkor lehet, hogy vgte
len sok megoldsa van, de az is lehet, hogy csak egy.
x
1
1
0
y 1
0
1
c) Ha egy 10-ismeretlenes egyenletrendszer 20 egyenletbol
= + s + t ,
ll, azaz tlhatrozott, akkor biztosan nem oldhat meg!
z 1
2
3
d) Ha egy 10-ismeretlenes egyenletrendszer 20 egyenletbol
w
1
1
2
ll, azaz tlhatrozott, nem lehet vgtelen sok megoldsa.
a szmtgp ez:
3.2. Alterek tulajdonsgai: igaz hamis
a) Rn brmely hrom alternek metszete altr.
x
2
2
3
b) Ha az U altr altere a V s a W altrnek is, akkor altere
y 0
1
2
= + s + t .
metszetknek is.
z 2
1
0
c) Alterek egyestse altr.
w
2
0
1
d) Alterek sszege altr.
e) Minden altrnek eleme a zrusvektor.
Lehet-e mindkt eredmny j?
f) Minden altrnek van legalbb egy nemzrus vektora.
3.6. Megoldsok lineris kombincija Adjunk j bizo3.3. Alterek: igaz hamis
nytst a 3.9. ttelre a sormodellt hasznlva.
a) Egy lineris egyenletrendszer megoldsai alteret alkot3.7. Homogn s inhomogn egyenletrendszer megolnak.
b) Rgztett A mtrix mellett azok a b vektorok, melyekre dsai Adjunk az oszlopmodellben megfogalmazott j biaz [A|b] egyenletrendszer megoldhat, alteret alkotnak. zonytst a 3.18. ttelre.
c) Egy egyenletrendszer megoldsvektorainak klnbs- 3.8. F32 alterei Soroljuk fel F32 sszes altert (ehhez segtgeknt kapott vektorok halmaza alteret alkot.
sgl hvhatjuk az albbi brt, mely az F32 vektortr vekd)
torait szemllteti).
e)
(0, 1, 1)
(1, 1, 1)
3.4. Megoldhatsg: igaz hamis
a) Az [A|b] mtrix egyenletrendszer pontosan akkor oldhat meg, ha b eloll A oszlopainak lineris kombinci(0, 0, 1)
(1, 0, 1)
jaknt.
b) Az [A|b] mtrix egyenletrendszer brmely kt megoldsnak klnbsge megoldsa a homogn [A|0] egyen(0, 1, 0)
(1, 1, 0)
letrendszernek.
c) Az [A|b] mtrix egyenletrendszer brmely megoldsa eloll a homogn [A|0] mtrix egyenletrendszer kt
(0, 0, 0)
(1, 0, 0)
megoldsnak klnbsgeknt.
Sor- s oszloptr Az elozo feladatokban a homogn lineris egyenletrendszer egytthatmtrixt lpcsos alakra hoztuk. Ebbol az alakbl
azonban tbb minden leolvashat.
kzben a sortr nem vltozik, az oszlopvektorok pedig olyan vektorokba transzformldnak, melyek megorzik az eredeti
lineris kapcsolatokat.
Bizonyts. Megmutatjuk, hogy egy mtrix sortere nem vltozik az
elemi sormuveletek
ugyanezt tapasztaljuk: az ltalnossg megszortsa nlkl feltehetjk, hogy az elso sor d-szerest adjuk a msodik sorhoz. Ekkor az j sorteret kifeszto vektorok: v1 , v2 + dv1 ,. . . ,
vm . Az u vektor e trben is benne van, ugyanis egy egyszeru talakts
utn
u = (c1 c2 d)v1 + c2 (v2 + dv1 ) + . . . + cm vm .
Mivel minden sormuvelet
az inverz sormu
veletben sem cskken a sortr, ami csak gy lehet, ha a sortr az elemi
sormuveletek
kedvrt tegyk fel, hogy pldul cv1 + dv2 = 0. Mivel a skalrral val
szorzs s a vektorsszeads is koordintnknt vgezheto, knnyen
lthat, hogy sorcsere, egy koordinta nemnulla skalrral val szorzsa, vagy az i-edik koordinta konstansszorosnak a j-edikhez adsa
135
136
lineris algebra
utn is fnn fog llni a kt j vektor kzt a fenti sszefggs. Tetszoleges szm vektor lineris kombincijra az llts hasonlan addik.
2
alakjnak vektorai). Le3.25. kvetkezmny (Mtrix lpcsos
gyen B az A mtrix egy lpcsos alakja. Ekkor
1. A s B sortere megegyezik,
2. az A oszlopvektorai kztt lvo lineris kapcsolatok azonosak a B ugyanolyan sorszm oszlopai kzti lineris kapcsolatokkal,
3. B nemzrus sorvektorai linerisan fggetlenek,
4. a foelemek oszlopvektorai A-ban s B-ben is linerisan fggetlenek.
Bizonyts. Az elso kt llts kzvetlen kvetkezmnye az elozo ttelnek.
A harmadik llts bizonytshoz megmutatjuk, hogy egy lpcsos
alak egy nemzrus sorvektora nem fejezheto ki a tbbi sorvektor lineris kombincijaknt. Tekintsk a lpcsos alak k-adik sorvektort.
Foeleme legyen a j-edik oszlopban. E foelem nem llthat elo a k-nl
nagyobb indexu sorok lineris kombincijval, mert azokban a j-edik
koordinta 0. A k-nl kisebb indexu sorvektorok pedig nem szerepelhetnek a lineris kombinciban, mivel a legkisebb indexu vektor
foelemt a tbbi vektor nem eliminlhatja, pedig a k-adik sorban azon
a helyen 0 ll.
Annak bizonytsa, hogy a foelemek oszlopai B-ben linerisan fggetlenek, ugyangy megy, mint a sorvektorok esetn. Innen pedig az
elozo ttellel addik, hogy az ilyen indexu oszlopok A-ban is linerisan fggetlenek.
2
Fontos megjegyezni, hogy mg a lpcsos alak sortere megegyezik
az eredeti mtrix sortervel, addig az oszloptr az elemi sormuvele
tek alatt megvltozik, teht a mtrix s lpcsos alakjnak oszloptere
klnbzik!
Bzis Az elemi sormuveleteket
2. kifeszti az alteret.
Az e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0),. . . , en = (0, 0, . . . , 0, 1) vektorokbl ll halmazt Rn standard bzisnak nevezzk.
I Vilgos, hogy a zrustrnek nincs bzisa, hisz abban nincs egyetlen
1 1 0 2
1 1 0 2
1 1 0 2
0 1 3
0 1 3
2 3 3 2
2
2
0 0 0
0 1 3
1 2 3
0
2
0
0 0 0
0
0 2 6
4
1 3 6
2
A bzis vektorai (1, 1, 0, 2), (0, 1, 3, 2).
Msodik megolds: Ha a bzist az adott vektorokbl akarjuk kivlasztani, akkor kpezznk egy mtrixot e vektorokbl, mint oszlopvektorokbl. Lpcsos alakjban a foelemek oszlopai linerisan fggetlen
vektorok. A nekik megfelelo oszlopvektorok az eredeti mtrixban az
oszloptr bzist alkotjk (ld. a 3.24. ttelt s a 3.25. kvetkezmny 4.
pontjnak lltst).
1 2 1 1
1 2 1 1
1
2 1 1
0 1 1 2
0 1 1 2
1
3 2 3
0 0 0 0
0 3 3 6
0
3 3 6
0 0 0 0
2 2 0 2
0 2 2 4
Teht az adott ngy vektor kzl az elso ketto, azaz az (1, 1, 0, 2) s
(2, 3, 3, 2) vektorok bzist alkotnak.
Ha a megadott vektorokat ms sorrendben rjuk a mtrixba, msik
bzist kaphatunk.
2
3.28. plda (Vektor felrsa a bzisvektorok lineris kombincijaknt). Az elozo feladatban megadott ngy vektor mindegyikt fejezzk ki az ltaluk kifesztett altr bzisvektorainak lineris kombincijaknt!
Megolds. Az elozo feladat msodik megoldsban talltunk egy bzist a megadott vektorok kzl. Mivel az oszlopvektorokkal dolgoztunk, a vektorok kzti lineris kapcsolat leolvashat brmelyik lpcsos
137
138
lineris algebra
1
1
0
2
1
2 1 1
3 2 3
0
0
3 3 6
0
2 0 2
2
1
0
0
1
1
0
0
1 0
1
2
0 1
0 0
0
0 0
0
1 3
1
2
.
0
0
0
0
(3.1)
1
3
6
2
1
1
0
2
1
2 1
0
3 2
0
3 3
0
2 0
1
2
6
4
2
3
9
6
1
1
0
1
0
3
2
0
0
1
0
0
1
2
3
2
0
0
1
2
1
2
.
0
0
(3.2)
2
1
1
3
3 3 1
1
= + ,
2 6 2 0
3
2
2
2
1
1
1
2
3 1 1
1
= + .
2 6 2 0
3
0
2
2
3.29. llts (Bzis ekvivalens defincii).Legyen U az Rn egy tetszoleges altere, s legyen V = {v1 , v2 , . . . , vk } U vektorok vges halmaza. A kvetkezo lltsok ekvivalensek:
1. V linerisan fggetlen vektorokbl ll s kifeszti az U alteret, azaz V az
U altr bzisa;
2. V minimlis mretu halmaz, mely kifeszti U -t;
3. V maximlis mretu,
fggetlen vektorokbl ll halmaza U -nak.
Vektor egy bzisra vonatkoz koordints alakja A koordintarendszer
bevezetsnl ugyanazt tettk, mint itt az elozo pldban: minden
vektor elollthat egy bzis elemeinek lineris kombincijaknt, s e
vektor koordints alakja erre a bzisra vonatkozan a lineris kombinci konstansaibl ll.
Egy altrben tbb bzist is vizsglhatunk, s a vektorok koordints alakjai klnbzhetnek a klnbzo bzisokban. Flrertsek elkerlsre a bzis jelt a koordints alak indexben jelljk. Pldul
ha egy v vektor standard bzisbeli s B bzisbeli koordints alakjai
(4, 3), illetve (0, 5), akkor azt rjuk, hogy
" # " #
4
0
v = (4, 3) = (0, 5)B , vagy mtrixjellssel v =
=
.
3
5
B
hogy [v]B =
.
[v]B =
5
5
B
3.30. plda (Vektor koordints alakja a B bzisban). Tekintsk a 3.27. s a 3.28. pldkban is szereplo v1 = (1, 1, 0, 2), v2 =
(2, 3, 3, 2), v3 = (1, 2, 3, 0) s v4 = (1, 3, 6, 2) vektorok ltal kifesztett
alteret. Ennek A = { v1 , v2 } s B = { v4 , v1 } is bzisa. rjuk fel a ngy
vektornak a kt bzisra vonatkoz koordints alakjait!
Megolds. Az elozo pldban a (3.1) kpletbeli reduklt lpcsos alak
nemzrus soraibl ll
#
"
1 0 1 3
0 1
1
2
mtrix azt mutatja, hogy az A bzisban e ngy vektor koordinti
rendre
" #
" #
" #
" #
3
1
0
1
.
, v4 =
, v3 =
, v2 =
v1 =
2
1
1
0
A
Ez a 3.25. llts 2. pontjbl kvetkezik, mely szerint a reduklt lpcsos alak oszlopai kzti lineris kapcsolatok megegyeznek az eredeti mtrix oszlopai kzti lineris kapcsolatokkal. Hasonlkpp a (3.2)
kpletbeli reduklt lpcsos alak nemzrus soraibl ll
"
#
1 0 1/2 1/2
0 1 3/2 1/2
mtrixbl kiolvashat, hogy a fenti altrnek B = { v4 , v1 } is bzisa, s
ebben a bzisban a v4 , v1 , v2 , v3 koordints alakja rendre
" #
" #
" #
" #
1/2
1/2
1
0
v4 =
, v1 =
, v2 =
, v3 =
.
3/2
1/2
0
1
B
139
140
lineris algebra
(3.3)
(3.4)
..
.
..
.
h
D= 5
mtrixok transzponltja
A = 1
2 ,
"
0
B =
1
T
2
,
3
C T = 1
2
4 ,
5
" #
5
.
D =
6
T
141
142
lineris algebra
a sortr dimenzijt adja. Az oszloptrrol lttuk, hogy a foelemeknek megfelelo oszlopok az eredeti mtrixban linerisan fggetlenek
s kifesztik az oszlopteret, teht e tr dimenzija is a mtrix rangjval egyezik meg. Az utols llts abbl kvetkezik, hogy A sortere
megegyezik A T oszloptervel.
2
3.35. definci (Vektorrendszer rangja). Egy Rn -beli vektorokbl
ll vektorrendszer rangjn a vektorokbl kpzett mtrix rangjt, vagy ami
ezzel egyenlo, az ltaluk kifesztett altr dimenzijt rtjk.
3.36. plda (Dimenzi kiszmtsa). Hatrozzuk meg az A mtrix
sorternek s nullternek dimenzijt!
3
3
A=
3
3
3
4
2
3
3
5
1
3
3
3
3
3
3
4
2
3
1
0
A=
0
0
0
1
0
0
1
2
0
0
0 1
1 0
0 0
0 0
Bizonyts. A mtrix sorternek dimenzija megegyezik a mtrix rangjval, azaz az [A|0] mtrix egyenletrendszerben a kttt vltozk szmval. Megmutatjuk, hogy a nulltr dimenzija megegyezik a szabad
vltozk szmval, gy e kt szm sszege valban n, ami bizonytja
az lltst (ld. mg a 4.37. ttelben).
Elg teht megmutatnunk, hogy egy homogn lineris egyenletrendszer reduklt lpcsos alakkal elolltott megoldsban a szabad
vltozk szma megegyezik a nulltrbol kivlaszthat bzis elemsz-
mval. Eloszr lssunk egy ilyen megoldst konkrtan. Pldul a 2.43. pldabeli homogn lineris egyenletrendszer megoldsa
3
2
2s 23 t u
2
1
x1
0
1
0
x
s
2
12 t
x3 =
= s 0 + t 12 + u 0 ,
1
0
0
x4
t
x5
kedvrt a kt oszlop legyen az a s a b vektor, a bzis, melyben e vektorok meg vannak adva, legyen a standard bzis.
Tegyk fel, hogy ai 6= 0. Ekkor az ai pozcijt vlasztva, a kikszbls eredmnyeknt a kvetkezoket kapjuk.
0 b1 bai a1
a1 b1
i
b
a
0 b2 aii a2
2 b2
..
..
..
..
.
.
.
bi
1
a i bi
i
.
..
..
.
..
.
.
..
am
bm
bm
bi
ai a m
143
144
lineris algebra
bzisban lett felrva. Az a vektorra ez nyilvn igaz. Nzzk a b vektort! Fejezzk ki az ei vektort az a = a1 e1 + . . . + ai ei + . . . + am em
felrsbl:
ei =
1
1
1
1
a e a2 e2 . . . + a . . . a m e m .
ai 1 1 ai
ai
ai
bi
b
b
b
a )e + (b2 i a2 )e2 + . . . + i a + . . . + (bm i am )em .
ai 1 1
ai
ai
ai
e1
e2
..
.
ei
..
.
em
a
a1
a2
..
.
ai
..
.
am
b
b1
b2
..
.
bi
..
.
bm
e1
a
0
e2
..
.
a
..
.
em
0
..
.
1
..
.
0
b
b1 bai a1
i
b2 bai a2
i
..
.
bi
ai
..
.
bm bai am
i
ha ai -t vlasztjuk
foelemnek.
Az elemi bzistranszformci alkalmas arra, hogy a bzisok vltozsn keresztl egy ms nzopontbl vilgtsa meg a reduklt lpcsos
alakra hozssal megoldhat feladatokat. Pldaknt vizsgljuk meg, mi
trtnik egy egyenletrendszer megoldsakor. Megjegyezzk, hogy itt
nincs szksg sorcserre, mert egy oszlopbl szabadon vlaszthatunk
olyan sort, amelynek fejlcben mg az eredeti bzisvektor szerepel.
3.39. plda (Egyenletrendszer megoldsa elemi bzistranszformcival). Oldjuk meg a 2.40. s a 2.48. pldban megoldott egyenletrendszert elemi bzistranszformcival.
Megolds. A tblzatokat egybefuzzk,
a sorok fejlcein mindig jelezzk az aktulis bzist, az oszlopok fejlceit a jobb rthetosg vgett
mindig kirjuk, a kivlasztott foelemeket kln jelljk:
e1
e2
e3
a1
1
2
1
a2
1
2
3
a3
2
3
3
b
0
2
4
e4
a1
e2
e3
a1
1
0
0
a2
1
0
2
a3
2
1
1
b
0
2
4
e4
a1
e2
e3
a1
1
0
0
a2
0
0
0
a3
3
1
3
b
5
2
6
a2
a1
e2
a3
a1
1
0
0
a2
0
0
0
a3
0
0
1
b
1
0
2
a2
y
1
2
3
z
2
3
3
b
0
2
4
y
1
0
2
z
2
1
1
b
0
2
4
z
3
1
3
b
5
2
6
1
5
b
1
0
2
145
146
lineris algebra
Feladatok
3.9. Bzis: igaz hamis
a) A V altrben a {v1 , . . . , vk } vektorrendszer bzis, ha tetszoleges v V vektor egyrtelmuen
felrhat e vektorok
lineris kombincijaknt.
b) Van olyan altr, melynek brmely nemnulla vektora bzis.
c) Van olyan altr, melynek van ktelemu bzisa, s van
ettol klnbzo hrom linerisan fggetlen vektora.
v1 v1 v1 v2 . . . v1 v k
v v
2 1 v2 v2 . . . v2 v k
.
..
..
..
.
.
.
.
.
v k v1 v k v2 . . . v k v k
mtrix rangja k, ha v1 , v2 ,. . . , vk vektorok linerisan fggetlen Rn -beli vektorok (k n).
A sortr s a nulltr merolegessge Az A mtrix sorvektorai rdekes tulajdonsggal rendelkeznek. Egy homogn lineris egyenletrendszer
minden egyenletnek bal oldala az egytthatmtrix egy sorvektornak s a megoldsvektornak a skalris szorzata. Mivel e szorzat rtke
0, ezrt e kt vektor meroleges egymsra.
3.40. plda (Vektorokra meroleges altr). Hatrozzuk meg az
sszes olyan vektort R4 -ben, mely meroleges a v1 = (1, 0, 1, 2) s v2 =
(1, 2, 2, 1) vektorok mindegyikre!
Megolds. Olyan x vektort keresnk, melyre v1 x = 0 s v2 x = 0.
Ezt koordintkkal felrva kt egyenletet kapunk, melynek egytthatmtrixa s annak egy lpcsos alakja a kvetkezo:
"
1
1
0
2
#
"
1
1 2
0
2 1
0
2
#
1 2
,
1 3
2
1
3/2
1/2
x = s
.
+t
0
1
1
0
147
148
lineris algebra
V
a)
s x = ( c 1 a 1 + c 2 a 2 + + c m a m ) x
= c 1 a 1 x + c 2 a 2 x + + c m a m x
= c1 0 + c2 0 + + cm 0 = 0.
Ez az llts a kvetkezo defincikra vezet: egy vektortr kt altere meroleges, ha brhogy vlasztva egy vektort az egyik altrbol, s
egy msikat a msik altrbol, azok merolegesek egymsra. Eszerint
az elozo llts gy fogalmazhat meg, hogy brmely mtrix sortere
s nulltere meroleges. Ennl azonban tbb is igaz, a nulltr nem csak
meroleges a sortrre, de az sszes olyan vektort tartalmazza, mely meroleges a sortrre. Az Rn egy W alterre meroleges vektorok altert
a W meroleges kiegszto alternek nevezzk s W -pel jelljk (amit
olvashatunk W perp-nek).
A kt fogalom kzti klnbsget mutatja a 3.12. bra, melynek a)
rsze a 3-dimenzis tr kt, egymsra meroleges 1-dimenzis U s V
altert szemllteti, mg a b) rsz az U alteret, s annak 2-dimenzis
meroleges kiegszto U altert szemllteti.
Vegyk az A mtrix transzponltjt! Az A T egytthatmtrix
homogn lineris egyenletrendszer megoldsai merolegesek A T sorvektoraira, azaz az A oszlopvektoraira. E kt-kt altr merolegessgt szemllteti a 3.13. bra. E ngy altr igen fontos lesz a tovbbiakban is, ezrt ezeket a mtrixhoz tartoz ngy kitntetett altrnek
vagy ngy fundamentlis altrnek nevezzk. Ezek teht S(A), N (A),
O(A) = S(A T ), N (A T ).
A nulltr az sszes olyan vektort tartalmazza, mely meroleges a
sorvektorokra, azaz a sortrre. Vajon a nulltr minden vektorra meroleges vektorok egybeesnek a sortr vektoraival? Ms szval mi a
nulltr meroleges kiegszto altere?
Kiegszto altr Legyen V s W az Rn kt tetszoleges altere. Azt
mondjuk, hogy W a V kiegszto altere, vagy hogy egyms kiegszto alterei, ha
V W = { 0 } , V + W = Rn ,
azaz a kt altrnek a zrusvektoron kvl nincs kzs eleme, s Rn
minden vektora eloll V - s W -beli elemek sszegeknt!
E fogalom, mint ltni fogjuk, a sk koordintzsra emlkezteto
dolog: a skban az orign tmeno kt koordintatengely vektorai a kt
b)
3.12. bra: a) Kt meroleges altr U s
V ; b) Egy altr s meroleges kiegszto
altere: U s U .
Rn
Rm
S(A)
O(A) = S(A T )
N (A) N (A T )
0
3.13. bra: Az A mtrix sortere meroleges nullterre, oszloptere az A T nullterre. A berajzolt kt v az alterek merolegessgt jelli.
149
150
lineris algebra
Rn
S(A)
N (A)
A lineris egyenletrendszer megoldsainak jellemzse E fejezet vgn eljutottunk oda, hogy nagyon szp lerst tudjuk adni a lineris egyenletrendszerek megoldsainak.
3.46. ttel (Lineris egyenletrendszer megoldsai). Minden
megoldhat (konzisztens) lineris egyenletrendszerre igazak a kvetkezo lltsok:
a) egyetlen megoldsa esik az egytthatmtrix sorterbe;
b) a sortrbe eso megolds az sszes megolds kzl a legkisebb abszolt
rtku;
c) az sszes megolds eloll gy, hogy a sortrbe eso megoldshoz hozzadjuk a homogn rsz sszes megoldst.
Bizonyts. A ttel a homogn lineris egyenletrendszerekre semmitmond, hisz ekkor a megoldsok a nullteret adjk, s mivel annak
metszete a sortrrel csak a nullvektorbl ll, ezrt csak a nullvektor
esik a sortrbe, mely termszetesen a legkisebb abszolt rtku megolds. Radsul a nullvektort hozzadva a nulltrhez, valban a nullteret kapjuk, vagyis az sszes megoldsok tert. gy ezutn csak az
inhomogn esettel foglalkozunk.
a) Tegyk fel, hogy x1 s x2 kt megoldsa az [A|b] mtrix egyenletrendszernek, s mindketto a sortrbe esik. Az i-edik egyenlet alakja ai x = bi , gy ai x1 = bi s ai x2 = bi is fnnll minden
i = 1, 2, . . . m rtkre. A kt megolds klnbsge is a sortrbe esik,
hisz sortrbeli vektorok lineris kombincija a sortrbe esik. Ekkor
151
0
3.14. bra: A lineris algebra alapttele:
az A mtrix sortere s nulltere meroleges kiegszto alterek. Eszerint a sortr
brmely vektora meroleges a nulltr brmely vektorra, s Rn brmely vektora
egyrtelmuen
152
lineris algebra
Megolds. Eloszr oldjuk meg az egyenletrendszert! A bovtett mtrixbl annak reduklt lpcsos alakja knnyen addik:
1
1
2
2
1
2
3
3
1
1
1
2
3
5
8
8
2
2
3
4
4
1
= 0
7
0
9
0
1
0
0
0
1
1
2
0
1
0
1
1
2
gy a megolds:
x 2y
x
+u
z
=0
+w = 0
1
0
1
1
0
1
0
2
0
0
0
1
0
1
1
2
0
1
0
1
0
1
0
1
1
1
0
1
2 = 0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
4/17
5/17
19/17 ,
6/17
15/17
153
154
lineris algebra
Feladatok
x+ y+z = 3
2x + y z = 2
3x + 2y
=5
3.12. x + 4y + 8z + 12w = 15
3.13.
x+y+z+w = 3
x+yzw = 1
Bizonytsok
3.14. Mutassuk meg, hogy tetszoleges H Rn vektorhalmazra a kvetkezo kt llts ekvivalens:
1. brmely vges sok H-beli vektor brmely lineris kombincija H-ban van;
2. brmely H-beli vektor tetszoleges skalrszorosa, s brmely kt H-beli vektor sszege H-ban van.
3.15. Lineris fggetlensg egy szksges s elgsges
felttele A V vektorrendszer pontosan akkor linerisan
fggetlen, ha span(V ) brmely vektora csak egyflekpp
ll elo V lineris kombincijaknt.
egyenletrendszert. A megoldsa
3
2s 23 t u
2
x1
1
2
x
0
1
0
s
2
12 t
x3 =
= 0s + 21 t + 0u.
x4
0
0
1
t
x5
1
0
0
u
2x1 + x2
3x1
x1
=0
x3 + 2x4
=0
+ x5 = 0
Megoldsok
1.10. Ha | AP| : | PB| = m : n, akkor | AB| : | PB| =
n
(m + n) : n, amibol BP = m+
n BA. De OP = OB + BP
n
s BA = OA OB, gy OP = OB + m+
n (OA OB ), amibol azonnal kvetkezik a bizonytand formula. A felezopontot az m = n = 1 esetben kapjuk, s ekkor valban
OP = 21 OA + 12 OB.
1.12. Legyenek a s c fggetlen vektorok, b pedig tetszoleges. Ekkor az (a b)c szorzat prhuzamos a c vektorral, mg az a(b c) szorzat az a vektorral, teht (a b)c 6=
a ( b c ).
1.13. Jellje P szomszdait Q, R s S.
PQ PR + PQ PS + PR PR + PR PS =
PR PR = 1.
Kihasznltuk, hogy meroleges vektorok skalris szorzata 0.
b) Hasonlan kaphat meg egy laptl-vektor s a testtl
0 + PS = PS,
vagyis a szorzat a kt vektor lapjra meroleges lvektor.
155
b, c, a s a c, a, b vektorhrmasok is. A tovbbi hrom esetben, azaz a c, b, a, valamint a b, a, c s az a, c, b hrmasok esetn balrendszert kapunk. A bizonyts egyelore
a keznk hrom ujjrl val leolvasssal trtnik. Ksobb
matematikai bizonytst is adunk, lsd ???.
1.16. Egyik lehetosg a megoldsra: ||b|a| = ||a|b| =
|a||b|, ezrt a parallelogramma-mdszert egy rombuszra kell alkalmazni. Egy msik lehetosg: az a/|a| s
b/|b| kt egysgvektor, gy sszegk szgfelezo, mivel a
parallelogramma-mdszer rombuszt ad. E vektor |a||b|szerese ugyangy szgfelezo, s pp ez a feladatbeli vektor.
1.18. Milyen irnyokat cserl fl a tkr, s milyeneket
nem? Nem cserli fl a skkal prhuzamos irnyokat: minden, a tkr skjval prhuzamos vektor tkrkpe nmaga. Teht, ha a tkr elott llunk, s a tkr is fggoleges,
akkor a flfel irny a tk9rkpen sem vltozik. Viszont a tkr flcserli a tkrre meroleges irnyokat. Mielott megnzzk, hogy hogy cserlodik fel a jobb s a bal,
definilnunk kell mi az, hogy jobb s bal? ...........
1.22. Minden olyan vektor, amelyben pros sok 1-es van,
eleget tesz a feladatbeli felttelnek, a tbbi nem.
2.1. a) igen, b) igen, c) nem, d) igen, e) igen, f) nem.
2.2. Knnyen lthat, hogy mindkt egyenletrendszer
egyetlen megoldsa: x = 2, y = 1, teht a kt egyenletrendszer ekvivalens.
2.3. Az elso egyenletrendszer nem oldhat meg a 0 = 3
alak egyenlet miatt, de a msodik sem, hisz nincs olyan x
s y, melyre x + y = 2 s x + y = 7 lenne, hisz 2 6= 7.
2.4. Behelyettests utn mindkt egyenlet 0 = 0 alak,
amit tetszoleges x s y kielgt, gy az sszes ( x, y) szmpr
megoldsa az egyenletrendszernek.
2.5. x = 1, y tetszoleges, azaz az sszes (1, y) alak szmpr megolds.
2.6. A msodik egyenlet behelyettests utn 0 = 1 alak,
gy az egyenletrendszernek nincs megoldsa.
2.7. x = 1, y = 2, azaz ( x, y) = (1, 2) az egyetlen megolds.
2.9. a) A sormodellben kt metszo egyenest kell megrajzolni (y = 7/3x 2/3x, y = 2 + 3/2x), melyek a (2, 1)
pontban metszik egymst, mg az oszlopmodellben a (2, 3),
a (3, 2) vektorokat s azok lineris kombincijaknt elolltott (7, 4) = 2(2, 3) + (3, 2) vektort!
b) A sormodellben kt prhuzamos egyenest kell megrajzolni, mg az oszlopmodellben a (2, 3) s a (4, 6) vektorokat, melyek egy egyenesbe esnek, s semmilyen lineris
kombincijuk sem adja ki a (3, 4) vektort!
156
lineris algebra
2.10. A hrom sk kzl semelyik ketto nem prhuza- 2.12. a) hamis, az llts csak gy igaz, ha a prhuzamos
mos, msrszt a normlvektorai egy skba esnek, ugyan- hiperskok klnbzoek is (kt azonos hiperskot prhuis 2(1, 1, 2) + (1, 2, 4) = (3, 4, 8). Ez azt jelenti, hogy van zamosnak tekintnk), b) hamis, pldul a 2.9. (a) brn
olyan vektor, mely mindhrom skkal prhuzamos. Az el- lthat esetben nincsenek prhuzamos skok, s mgsincs
so esetben a hrom sk egy egyenesen megy t, mivel van megolds, c) igaz, mert akkor a jobb oldalon ll brmely
a skoknak kzs pontjuk, pl. a (3, 0, 0) pont, gy vgtelen vektor kifejezheto e kt ktdimenzis vektor lineris komsok megoldsa is van, mg a msodik esetben a skoknak bincijaknt, teht az egyenletrendszer megoldhat.
nincs kzs pontjuk.
2.13.
Az egyenletrendszerek ekvivalensek a kvetkezo vek- a) Egy kt egyenletbol ll hromismeretlenes egyenlettoregyenletekkel:
rendszer sormodellje szerinti bra a hromdimenzis
trben kt darab skbl ll, melyek ha prhuzamosak,
1
1
2
3
1
1
2
3
de nem azonosak, akkor az egyenletrendszernek nincs
1 x + 2 y + 4 z = 3, 1 x + 2 y + 4 z = 3. megoldsa, egybknt megoldsainak szma vgtelen.
3
4
8
9
3
4
8
1
Oszlopmodellje a ktdimenzis trben ngy darab vektorbl
ll (hrom lineris kombincija a negyedik).
Itt a kzs egytthatmtrix minden oszlopvektora benne
b)
Egy
hrom
egyenletbol ll ktismeretlenes egyenletvan a
rendszer
sormodellje
szerinti bra a ktdimenzis tr2x + y z = 0
ben hrom egyenesbol
ll, mg az oszlopmodellje a hegyenletu skban, (ez knnyen ellenorizheto a vektorok koromdimenzis trben hrom darab vektorbl.
ordintinak a sk egyenletbe val helyettestsvel), s ki c) Egy ngy egyenletbol ll tismeretlenes egyenletis fesztik a skot, mert a hrom vektor nem kollineris.
rendszer sormodellje szerinti bra az tdimenzis trMsrszt a (3, 3, 9) vektor is benne van e skban, a (3, 3, 1)
ben ngy darab hiperskbl ll. Oszlopmodellje a
vektor viszont nem. Teht az elso egyenletrendszer megngydimenzis trben hat darab vektorbl ll.
oldhat, a msodik nem.
2.14. a) Igaz, ez a szm megegyezik a foelemek szmval.
2.11. A sormodell szerinti bra az a) esetben 3 skbeli egyeb) Igaz, ez a szm megegyezik a foelemek szmval. c) Hanest tartalmaz, melyek kzt van kt prhuzamos, gy az
mis, van lpcsos alakja minden mtrixnak, de csak a reduegyenletrendszer nem oldhat meg. A b) esetben a hrom
klt lpcsos alak egyrtelmu.
d) Hamis. e) Igaz.
egyenes egy ponton megy t, ez a megolds: x = 2, y = 1.
A c) esetben ugyan nincsenek prhuzamos egyenesek, de 2.15. a) Igaz. b) Hamis, az egyenletrendszer megoldhatnincs kzs pontjuk sem, gy az egyenletrendszer nem old- sga nem fgg az egyenletek szmtl. Az ismeretlenek
szmnl akr kevesebb, akr tbb egyenletbol ll rendhat meg. Az oszlopmodell szerint az a)
szer akr ellentmondsos, akr konzisztens is lehet. c) Igaz.
x+ y =3
d) Igaz, a nullvektor mindig megolds.
x+ y =4
1 0 1 0 1
x + 2y = 4
2.16. 0 1 0 1
2
0 0 0 0
0
egyenletrendszer ekvivalens a kvetkezovel:
1 0 0 0
0
1
1
3
2.17. 0 1 0 1
2
1 x + 1 y = 4.
0 0 1 0 1
1
2
4
2.18. Igen, mindkettonek ( x, y, z) = (1, 2, 3) az egyetlen
Az (1, 1, 1) s az (1, 1, 2) vektorok benne fekszenek az x = y megoldsa, azaz megoldshalmazaik megegyeznek.
egyenletu skban, mivel elso kt koordintjuk megegye2.19. Igen, mindketto bovtett egytthatmtrixnak reduzik, ezrt minden lineris kombincijuk is ebbe a skba
klt lpcsos alakja a zrussor nlkl
esik. A (3, 4, 4) vektor viszont nem esik e skba, gy fggetlen az elobbi kettotol, teht nem ll elo azok lineris kom"
#
bincijaknt. Vagyis ez az egyenletrendszer nem oldhat
1 0 0.8
1.8
meg. A b) s c) egyenletrendszerekben a bal oldali kt vek0 1
2.2 1.2
tor, az (1, 1, 1) s az (1, 2, 3) az x 2y + z = 0 egyenletu
skban van, melyben a (3, 4, 5) vektor benne van, mg a
(3, 3, 5) vektor nincs benne, teht b) megoldhat, c) nem.
2.20. a)Igen. b)Nem.
2.21. Az Si S j muvelet
S
,
s
az
Si + cS j muvelett
Si cS j .
c i
2.22. Legyen x0 = (0, 0). Az iterci kpletei:
2x + 5
y+8
, y=
.
x=
4
5
Az iterci lpseinek tblzata 3 rtkes jeggyel szmolva:
x
y
x0
x1
x2
x3
x4
x5
x6
0
0
2
1
2.25
1.80
2.45
1.90
2.48
1.98
2.50
1.99
2.50
2.00
1 0 2
3
1
3
1
1
0 2
0
1 2 1
1 2 1
1
0 1
=
1
0
1
0
0
0
2 3
0 0
0
1
1
0
0
0
1 2
0 0
Az eredmnybol ltszik, hogy a kt megolds azonos.
x1
x2
x3
x4
x5
x6
x7
0
0
2
1
2.25
1.80
2.45
1.90
2.475
1.980
2.495
1.990
2.498
1.998
2.500
1.999
x
y
157
2.24.
2.25. A Jacobi-iterci szerinti mdon, a vonatok valamelyiknek s a lgynek a k-adik tallkozsbl kiszmtva
a k + 1-edik tallkozsra jellemzo tvolsgokat, az xk+1 =
ayk + b, yk+1 = cyk + d egyenletekre jutunk. Az elso tblzat adatait behelyettestve, s a, b, c s d rtkre megoldva
az
3.1. Mindegyik llts hamis.
3.2. 1. Igaz. 2. Igaz. 3. Hamis, csak akkor igaz, ha egyik
a msik altere. 4. Igaz. 5. Igaz. 6. Hamis, a zrustr az
egyetlen zrusvektorbl ll.
3.3. 1. Hamis, csak a homogn lineris egyenletrendszer
megoldsai alkotnak alteret, az inhomogn eltolt alteret.
2. Igaz. Ez pp az oszloptr, ugyanis csak az oszloptrbol
val b vektorokra oldhat meg az egyenletrendszer. 3. 4. 5.
3.4. 1. Igaz. 2. Igaz. 3. Hamis. 4. Igaz, ugyanis az lltsbeli r(A|b) r(A) felttel pontosan akkor teljesl, ha
r(A|b) = r(A), s ez pontosan akkor teljesl, ha az egyenletrendszer megoldhat. 5. Hamis, ha r(A) = n, s az
egyenletrendszer tbb, mint n egyenletbol ll, akkor elofordulhat, hogy r(A|b) = n + 1, s ekkor az egyenletrendszer
nem oldhat meg!
3.5. Elso rnzsre csak annyi ltszik, hogy mindkt megolds egy ktdimenzis altr eltoltja. Eloszr megvizsgljuk, hogy a kt altr vagyis az egyenletrendszer homogn
rszre adott kt megolds egybeesik-e. Elg megmutatni, hogy az egyik altrben benne van a msikat generl
kt vektor. Ha igen, a kt altr megegyezik. Ezesetben el
kell dnteni, hogy az inhomogn kt partikulris megoldsa az altrnek ugyanabban az eltoltjban van-e. Vagy egyszerubben,
3.6. Ha ai jelli az egytthatmtrix i-edik sort s x, illetve y a homogn egyenletrendszer egy-egy megoldst,
azaz ai x = 0, ai y = 0 (i = 1, 2, . . . , m), akkor
x8
2.5
teht a kt megoldsvektor brmely lineris kombinci2.0
ja is megolds. Msknt fogalmazva a homogn lineris
egyenletrendszerek megoldsainak brmely lineris kombincija is megolds, teht a megoldsok alteret alkotnak.
3.7. Legyen x = ( x1 , x2 , . . . , xn ) az inhomogn egy partikulris megoldsa, s jellje a1 , a2 ,. . . ,an az A oszlopvektorait,
H a homogn, I az inhomogn egyenletrendszer ltalnos
megoldst. Megmutatjuk, hogy x + H = I, ahol a bal
oldali sszeadst elemenknt rtjk.
x + H I: Meg kell mutatnunk, hogy ha x-hez adjuk a
H egy tetszoleges y = (y1 , y2 , . . . , yn ) H elemt, az inhomogn egyenletrendszer egy megoldst kapjuk. Valban,
x, illetve y eleget tesz az
a1 x1 + a2 x2 + . . . + an xn = b, illetve
a1 y1 + a2 y2 + . . . + a n y n = 0
egyenletnek. Ebbol
a1 ( x1 + y1 ) + a2 ( x2 + y1 ) + . . . + a n ( x n + y1 ) =
( a1 x1 + a2 x2 + . . . + a n x n ) + ( a1 y1 + a2 y2 + . . . + a n y n ) =
b + 0 = b,
teht x + y megoldsa az inhomogn egyenletrendszernek,
azaz x + y I.
x + H I: Meg kell mutatnunk, hogy ha z az inhomogn egy tetszoleges megoldsa, azaz z I, akkor tallhat
olyan y H, hogy z = x + y. Valban, az y = z x
megteszi, mert
a1 ( z1 x1 ) + a2 ( z2 x1 ) + . . . + a n ( z n x1 ) =
( a1 z1 + a2 z2 + . . . + a n z n ) ( a1 x1 + a2 x2 + . . . + a n x n ) =
b b = 0,
azaz z x H. Ezzel ksz a bizonyts.
3.8. sszesen 16 altere van F32 -nek. Van egy 0-dimenzis,
a Z = {0} tr. Az egydimenzis alterek a nullvektorbl s
egyetlen tole klnbzo tovbbi vektorbl llnak (7 ilyen
158
lineris algebra
altr van). A ktdimenzis alterek mindegyike a nullvektorbl, kt tovbbi egymstl is klnbzo vektorbl s
azok sszegbol ll. Ezeket felsoroljuk:
alakja:
0
2
0
1
3
2
3
1
1
1
4 = 0
0
0
0
1
0
0
0
1
1
1
12
8
x
1
4
0
0
y 4 1
= + t+ s+
u
0
1
z 8 0
1
0
w
12
0
= v i ( c1 v1 + c2 v2 + + c k v k ).
Teht azt kaptuk, hogy az x = c1 v1 + c2 v2 + + ck vk vektor olyan, hogy a v1 ,. . . , vk vektorok mindegyikvel vett
skalris szorzata 0, gy ezek brmelyik lineris kombincijval vett skalris szorzata is 0, teht pldul az x vektorral
vett szorzat is 0, azaz x x = 0. Ez viszont csak x = 0 esetn
llhat fnn, s mivel a vi vektorok linerisan fggetlenek,
csak a ci = 0 konstansokkal vett lineris kombincijuk
lehet 0, ahol i = 1, 2, . . . , k.
3.11. Az egyenletrendszer bovtett mtrixnak reduklt
lpcsos alakja
"
#
1 0 2 1
0 1
3
4
gy a megoldsa ( x, y, z) = (1, 4, 0) + (2, 3, 1)t. A nullteret a (2, 3, 1) vektor feszti ki, a sortrbe eso vektornak
erre merolegesnek kell lennie, teht fnn kell llnia a
2x 3y + z = 0
egyenletnek is. Ezt az egyenletet a reduklt lpcsos alakbl szrmaz egyenletrendszerhez (vagy akr az eredetihez) adva egy egyetlen megoldst ad egyenletrendszert
kapunk. Ennek bovtett mtrixa s annak reduklt lpcsos
az sszes megolds.
3.13. A bovtett mtrix s reduklt lpcsos alakja:
"
#
"
#
1 1
1
1 3
1 1 0 0 2
=
1 1 1 1 1
0 0 1 1 1
Az egyenletrendszer megoldsa:
0
1
2
2s
x
0
y s 0 1
= + s + t.
=
1
z 1 t 1 0
1
0
0
t
w
Teht a nullteret a (1, 1, 0, 0) s a (0, 0, 1, 1) vektork fesztik ki. A sortrbe eso megoldsvektor ezekre meroleges,
teht az eredeti egyenleteken kvl kielgti a kvetkezo kt
egyenletet is:
x + y
=0
z+w = 0
1 1
0 0 2
1 0 0 0
1
0 0
0 1 0 0
1 1 1
1
0 0 0
1 1
0 0 1 0 1/2
0 0 1 1 0
0 0 0 1 1/2
teht a sortrbe eso megolds (1, 1, 1/2, 1/2), az sszes
megolds
x
1
1
0
y 1 1
0
=
+ s + t.
z 1/2 0
1
w
1/2
0
1
3.16. Az j egyenletrendszer sortert az eredeti egyenletrendszer megoldsvektorai fesztik ki, ezrt ennek nulltere megegyezik az eredeti sortervel, melyet a sorvektorok
fesztenek ki. (Termszetesen elg a sorvektorok kzl a
159
II. rsz
Mtrixok algebrja s
geometrija
163
4
Mtrixmuveletek
defincii
A vals szmok kzti muveletek
vezet.
Tblzatok
termszetes mdon kiterjesztheto egyszerre tbbfle gymlccsel val szmolsra. Ha az asztalon kt gymlcskosrban piros
s zld alma s szolo van az albbi tblzatok szerint, akkor sszentsk utn szmukat az albbi tblzat adja meg:
piros
zld
alma
(db)
szolo
(frt)
3
2
2
1
+
piros
zld
alma
(db)
szolo
(frt)
2
0
2
1
=
piros
zld
alma
(db)
szolo
(frt)
5
2
4
2
Azonos mretu,
azonos fejlcu tblzatok sszeadsnak egy lehetsges mdja az, ha az azonos pozciiban lvo elemek sszeadsval
kpezzk az sszeget.
166
lineris algebra
Tblzat szorzsa szmmal Az asztalon 2 alma van. Ha szmukat meghromszorozzuk, sszeszorzunk egy mrtkegysg nlkli szmot (3)
egy mrtkegysggel rendelkezovel (2 darab), s az eredmny mrtkegysge is ez. Ezt megtehetjk egy kosr egsz tartalmval is:
3
piros
zld
alma
(db)
szolo
(frt)
3
2
2
1
=
piros
zld
alma
(db)
szolo
(frt)
9
6
6
3
kcal
= 150 kcal.
adag
Tbb gymlcsbol (alma, bann, narancs) tbbfle (A, B, C) gymlcssaltt ksztnk, s a sznhidrt- s energiatartalmukat szeretnnk
sszehasonltani. Kt tblzatot ksztnk, egyikbe a gymlcssaltk
sszettelt, a msikba az sszetevok sznhidrt- s energiatartalmt
rjuk. Mindkt tblzatban a sorokba kerlnek azok a ttelek, melyek
sszettelt/sszetevoit rszletezzk, az oszlopokba pedig az sszetevok.
A
B
C
Alma
(adag)
Bann
(adag)
Narancs
(adag)
5
4
4
1
4
2
4
2
4
Alma
Bann
Narancs
Sznhidrt
(g/adag)
Energia
(kcal/adag)
7
24
8
30
105
40
kcal
kcal
kcal
+ 1 adag 105
+ 4 adag 40
= 415 kcal,
adag
adag
adag
vagyis az elso tblzat egy sornak s a msodik tblzat egy oszlopnak kellett a skalris szorzatt venni. Vgezzk el e szmtsokat mindhrom gymlcssalta sznhidrt s energiatartalmra is, s
az eredmnyt ismt egy olyan tblzatba tegyk, melynek soraiba a
rszletezendo ttelek (A, B, C salta), oszlopaiba a tartalmi sszetevok
(sznhidrt-, energiatartalom) kerljenek.
mtrixm uveletek
defincii
Sznhidrt
(g)
Energia
(kcal)
91
140
108
415
620
490
A
B
C
Energia
(kcal/adag)
7
24
8
30
105
40
Alma
Bann
Narancs
A
B
C
Alma
(adag)
Bann
(adag)
Narancs
(adag)
5
4
4
1
4
2
4
2
4
Sznhidrt
(g)
Energia
(kcal)
91
140
108
415
620
490
A
B
C
v=
w=
9y + 2z s
3z
r=
0.25p 0.12q
s = 0.45p + 2.11q
t=
0.39q
167
168
lineris algebra
y = 24s + 105k
(4.1)
z = 8s + 40k
a
b
c
x
5
4
4
y
1
4
2
z
4
2
4
x
y
z
s
k
7 30
24 105
8 40
(4.2)
a
b
c
s
k
91 415
140 620
108 490
vagyis azt kaptuk, hogy a lineris helyettestsek kompozcijnak tblzataik szorzata felel meg.
2
x
y
z
a
b
c
x
5
4
4
y
1
4
2
z
4
2
4
7
24
8
30
105
40
a
b
c
k
91 415
140 620
108 490
mtrixm uveletek
defincii
Feladatok
4.1. Anti, Bori, Cili almt, bannt s citromot vesz a piacon, a hipermarketben vagy a csarnokban. Ha csak az r
szmt, melyikk hol vsroljon?
Anti
Bori
Cili
alma (kg)
bann (kg)
citrom (kg)
2
3
2
2
2
1
1
0.5
1
x = 2a + b + 6c
y = 4a + b + 7c
z = 3a + b + 6c
majd azt kvetoen a kvetkezo helyettestst:
a = s
alma
bann
citrom
169
csarnok
(Ft/kg)
hipermarket
(Ft/kg)
piac
(Ft/kg)
180
390
210
100
420
210
130
360
230
4s t
b = 3s 6t + 10u
c=
s + t 2u
170
lineris algebra
Elemenknti mtrixmuveletek
A tblzatok muveletei
utn a mtrixmuveletek
a11
a
21
A=
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
.
amn
i
9 .
A programnyelvekben ellenttben a
matematikval a kisbetuvel/nagybe
tuvel
mtrixm uveletek
defincii
1
3
# "
2
1
=
4
3
2
x
mert nem azonos tpusak, gy el kell dnteni, hogy e kt mtrix kzl melyik reprezentlja a (1, 2, 3) vektort. Mint emltettk, a modern
matematika legtbb terletn alaprtelmezsben az oszlopvektorokat
rendeljk a vektorokhoz. E knyvben mi is gy tesznk, kivve a kdelmleti alkalmazsokat, ahol a kdvektoroknak sorvektorokat feleltetnk meg.
Egy mtrix ngyzetes, ha sorainak s oszlopainak szma megegyezik. Az A mtrix fotljnak elemei a11 , a22 , a33 ,. . . . Ez nem csak
ngyzetes mtrixra rtelmezheto. Az olyan ngyzetes mtrixot, melynek fotln kvli elemei mind nullk, diagonlis mtrixnak nevezzk.
Az ilyen mtrixok egyszeru megadsra a diag fggvnyt hasznljuk,
melynek argumentumba a fotl elemei vannak felsorolva. Pldul
diag(1, 2, 3) = 0
0
0
2
0
OCTAVE a = [1 2 3
>
4 5 7]
a =
1
2
3
4
5
7
OCTAVE b = [1 2;3 4]
b =
1
2
3
4
OCTAVE
ans =
1
0
0
1
6
=
3
2 ,
3
i
0 .
3
171
OCTAVE
ans =
OCTAVE
ans =
4
0
0
3
a (2 ,3)
7
a (2 ,:)
5
OCTAVE a (: ,3)
ans =
3
7
OCTAVE v = [1 2 3]
v =
1
2
3
OCTAVE w = [1;2;3]
w =
1
2
3
OCTAVE size (v )
ans =
1
3
OCTAVE size (w )
ans =
3
1
4.1. bra: Mtrix megadsa, elemeinek,
sorainak s oszlopainak s azok szmnak lekrdezse mtrix alap nyelvekben.
172
lineris algebra
Elemenknti mtrixmuveletek
ismernk,
melyben a szmok kzt mr rtelmezett muveletet
gy ltalnostjuk
mtrixokra, hogy azt a mtrix vagy mtrixok minden elemn vgrehajtjuk. Ilyen pl. a mtrixok sszeadsa s skalrral val szorzsa.
4.6. definci (Mtrixok sszege, klnbsge). Az m n-es tpus
A = [ aij ] s B = [bij ] mtrixok sszegn azt az ugyancsak m n-es tpus,
s A + B-vel jellt mtrixot rtjk, melynek i-edik sorban a j-edik elem
aij + bij , ahol i = 1, . . . , m, j = 1, . . . , n. Kpletben:
A + B = [ aij ] + [bij ] := [ aij + bij ].
definilhat a
muveleti
A .* B
paranccsal kaphat meg. Eszerint az A
.+ B s A + B kdok az eredmnyt tekintve ekvivalensek.
#
" # " # " #
# "
# "
"
1
3
2
1 2 4
1 0 0
0 2 4
.
=
,
=
+
1
2
3
1 4 5
0 1 0
1 3 5
4.8. definci (Zrusmtrix). A csupa nullbl ll mtrixokat zrusmtrixoknak nevezzk. Az m n-es zrusmtrixot Omn , mg az n n-es
ngyzetes zrusmtrixot On jelli.
Tetszoleges A mtrixhoz egy azonos tpus zrusmtrixot adva A-t
kapunk, azaz A + O = O + A = A.
4.9. definci (Mtrix szorzsa skalrral). Az m n-es tpus
A = [ aij ] mtrix c szmmal kpzett szorzatn azt az ugyancsak m n-es
tpus, s cA-val jellt mtrixot rtjk, melyre
cA = c[ aij ] := [caij ].
definilhat, ezek azonban az alkalmazsokban s a matematikn bell is lnyegesen ritkbban fordulnak elo, ezrt nem definiljuk o ket s
nem vezetnk be rjuk jellst. rdekessgknt mutatunk egy pldt
egy ilyen muveletre.
A digitlis kpfeldolgozsban, ahol a kppontokra (pixelekre) bontott kp adatai mtrixokban vannak trolva, sok muvelet
elemenknt
mtrixmuvelettel
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
8
8
8
4
6
9
9
9
9
9
9
9
5
3
4
5
9
9
9
9
9
9
9
9
9
9
9
9
9
8
8
8
8
8
8
7
4
9
9
9
9
9
4
2
1
1
1
2
2
5
9
9
9
9
9
9
9
9
9
9
7
7
7
7
8
8
7
6
7
9
9
9
9
4
1
2
2
3
5
5
3
1
2
7
7
9
9
9
9
9
8
7
6
6
5
5
5
7
5
4
5
9
9
9
4
1
0
2
3
7
8
8
6
4
2
1
3
5
7
9
9
9
6
5
5
4
4
4
4
5
6
4
3
9
9
6
1
0
1
2
3
8
8
8
7
6
6
6
6
6
4
7
9
5
1
3
4
4
3
3
4
4
5
6
4
9
9
3
0
0
2
1
2
7
8
7
7
7
7
6
4
6
7
7
8
3
3
2
2
3
4
4
4
4
4
5
6
9
9
4
0
1
1
1
1
6
7
6
6
7
5
1
2
7
8
6
6
5
7
7
7
7
7
6
4
4
3
4
4
9
9
5
2
1
0
0
2
6
6
5
5
7
1
0
3
5
7
6
6
6
6
8
8
8
8
8
7
6
4
4
4
9
9
3
2
1
0
1
2
5
5
5
5
5
0
1
3
3
5
7
7
7
6
6
7
8
8
8
8
8
7
5
4
9
9
2
0
1
0
1
4
6
5
5
4
4
2
1
5
7
7
7
5
5
5
5
6
6
6
6
5
7
7
6
5
9
9
2
0
0
1
3
4
4
4
4
4
3
3
6
8
8
8
6
7
7
4
4
4
6
2
5
5
5
7
7
7
9
9
5
0
1
2
3
3
3
3
4
4
1
1
3
4
6
8
6
7
7
3
6
4
3
2
2
3
2
4
7
8
9
9
6
4
1
1
2
2
2
2
3
0
1
2
2
3
3
4
2
2
4
2
4
4
5
0
0
3
2
4
7
6
9
9
9
9
3
0
1
1
2
2
2
0
1
3
2
3
3
3
2
3
2
3
2
6
3
1
1
1
5
7
7
8
9
9
9
9
9
4
0
0
0
1
2
0
1
2
3
3
4
4
3
3
1
3
3
4
1
2
1
3
8
8
8
8
9
9
9
9
9
9
5
3
2
0
1
3
2
2
3
2
3
3
3
2
3
3
3
3
0
3
6
8
8
8
8
8
9
9
9
9
9
9
9
9
9
6
3
3
3
3
2
2
2
2
3
3
3
3
2
1
1
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
7
5
4
3
3
4
3
3
3
3
2
3
3
4
6
7
8
8
8
8
8
7
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
7
7
4
3
3
3
3
4
8
7
7
6
7
7
8
4
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
7
3
3
3
3
3
3
6
7
7
7
6
6
6
6
2
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
7
3
3
3
3
4
4
6
6
7
6
5
3
7
4
1
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
7
4
3
3
3
4
4
6
6
7
5
6
3
6
2
2
9
9
9
9
9
9
9
9
9
9
9
9
9
5
4
3
3
5
6
4
2
3
3
=
.
mtrixm uveletek
defincii
Mtrixok lineris kombincii A vektorokhoz hasonlan, a skalrral val szorzs s az sszeads muvelete
0
1
1
0
2 2
1 3 1 2 .
0 1
1
0
lineris kombincit!
Megolds. Eloszr a skalrral val szorzsokat vgezzk el:
3 0
1
0
0
2
0
1
2 2
2 , 3 1 2 = 3 6 ,
1 = 4
3 0
1
0
0 2
0 1
majd az sszeadst:
3
0
2
2 + 3
4
3
0 2
6 =
0
3
2
8 .
7
3 2
A muveletek
173
174
lineris algebra
Feladatok
A } B := [ aij } bij ]
mtrixmuvelet
mtrixm uveletek
defincii
175
Mtrixszorzs
A tblzatok szorzsnl ltott szablyt kvetjk a kvetkezo definciban:
4.11. definci (Mtrixok szorzsa). Egy m t-s A s egy t nes B mtrix szorzatn azt az AB-vel jellt m n-es C mtrixot rtjk,
amelynek i-edik sorban s j-edik oszlopban ll eleme
cij = ai1 b1j + ai2 b2j + . . . + aik bkj + . . . + ait btj .
cij =
aik bkj ,
k =1
ai1
ai2
...
ait
cij = ai b j .
Fontos kiemelni, hogy egy m s-es A s egy t n-es B mtrix csak
akkor szorozhat ssze, ha s = t, s ekkor a szorzat m n tpus.
Nyilvnval, hogy a szorzs sorrendje fontos. Lehet, hogy az AB
szorzs elvgezheto, de a BA nem, s lehet, hogy elvgezheto, de klnbzo eredmnyt kapunk.
4.12. plda (Mtrixok szorzsa). Legyen
#
"
"
0 1
0
0 1 2
, C=
A = 2 3 , B =
2
3 2 1
2 1
"
#
"
#
6
6
2 6
D=
, E=
.
2 1
2
5
A
ms
B
tn
feltve, hogy
s=t
AB tpusa
mn
1
,
1
"
#
"
#
3 2 1
6 5
3 2 1
AB = 9 8 7 , BA =
, CB =
,
6 10
3 4 5
3 4 5
"
#
"
#
"
#
2 1
12 12
0 6
CD =
, DC =
, DE = ED =
.
10 11
2 3
2 7
sszefoglalva: AB 6= BA, mert klnbzo tpusak, BC 6= CB, mert
az egyik oldal nincs rtelmezve, CD 6= DC, br mindkt oldal rtelmezve van s azonos tpus. Az elozoekkel ellenttben viszont fennll
b1j
b2j
..
.
btj
cij
176
lineris algebra
h
a T b = a1
a2
...
b1
i
b2
an .
= a1 b1 + a2 b2 + . . . + an bn = a b.
..
bn
u1
u1 v1 u1 v2 . . . u1 v n
h
i
u2
u2 v1 u2 v2 . . . u2 v n
T
uv = . v1 v2 . . . vn = .
..
..
..
.
.
..
..
.
.
um
u m v1 u m v2 . . . u m v n
Kt vektor diadikus szorzatt u v jelli.
4.14. plda (Skalris s diadikus szorzat). Legyen u = (1, 0, 2),
v = (3, 2, 1). rjuk fel mtrixszorzatos alakba skalris s diadikus szorzatukat, s szmtsuk ki!
mtrixm uveletek
defincii
Megolds.
i 3
u v = u T v = 1 0 2 2 = 5,
1
3
1 h
i
u v = uv T = 0 3 2 1 = 0
6
2
h
0
2
2
0
4
Lineris egyenletrendszer mtrixszorzatos alakja A mtrixszorzst felhasznlva a lineris egyenletrendszerek egyszeru alakba rhatk.
4.1 (Lineris egyenletrendszer mtrixszorzatos alakja). Ha A
jelli egy egyenletrendszer egytthatmtrixt, illetve b a konstans tagok s
x az ismeretlenek oszlopvektort, azaz
b1
x1
a11 a12 . . . a1n
b2
x2
a21 a22 . . . a2n
A=
..
..
..
..
, x = .. , s b = .. ,
.
.
.
.
.
am1
am2
...
bm
xn
amn
akkor az
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.
..
.
..
.
..
.
= u
ax
2x1 + 3x2 x3 = 5,
by
= v
alakja).
x + 2y = 1
s
y=1
cz = w
egyenletrendszerek mtrixszorzatos alakjai rendre:
a 0 0
x
u
h
i x1
2 3 1 x2 = 5, 0 b 0 y = v ,
x3
0 0 c
z
w
0=1
0
0
2 " #
1
x
= 1 .
1
y
0
1
177
178
lineris algebra
3x12 4x22 = 5
#
9
.
5
..
.
..
.
..
.
a11
a21
A=
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
,
.
amn
y1
y2
y=
.. ,
.
ym
x1
x2
x=
.. .
.
xn
mtrixm uveletek
defincii
4.18. llts (Mtrix elemeinek, sor- s oszlopvektorainak elolltsa). Legyen A egy m n-es mtrix, ei m-dimenzis, e j n-dimenzis
standard egysgvektor. Ekkor
eiT A = ai s Ae j = a j ,
tovbb
179
180
lineris algebra
0
0
.
.
.
..
h
i .
T
e j e i = 1 0 . . . 1 . . . 0 = 0
..
..
.
.
0
0
...
...
...
0
..
.
1
..
.
0
...
...
...
0
..
.
0 .
..
.
0
A bziscsere mtrixszorzatos alakja A 138. oldalon a vektor bzisra vonatkoz koordints alakjrl szl paragrafusban lttuk, hogy e koordints alak hogy hatrozhat meg. Krds, hogy egy vektornak egy
altr kt klnbzo bzisra vonatkoz koordints alakja kzt mi a
kapcsolat.
4.19. plda (ttrs a standard bzisra). Az R3 trnek B =
{ (1, 1, 1), (2, 3, 4), (6, 6, 7) } egy bzisa. Az e bzisban megadott [v] B vektornak rjuk fel a koordints alakjt a standard bzisban egyetlen mtrixszorzssal. Szmtsuk ki konkrtan a [v] B = (2, 3, 1) vektor standard
koordints alakjt.
Megolds. [v] B = (2, 3, 1) azt jelenti, hogy
2
6
2
1
v = 2 1 + 3 3 6 = 5,
7
7
4
1
ami mtrixszorzatos alakban
1 2
v = 1 3
1 4
6
2
2
6 3 = 5.
7
1
7
2
3
4
6
x
6 y .
7
z
mtrixm uveletek
defincii
Megolds. Egyik lehetosg, hogy meghatrozzuk v standard bzisbeli koordints alakjt az elozo feladat mintjra, majd az gy kapott
koordints alakbl a C bzisra vonatkoz alakot a 138. oldalon lertak
szerint.
A msik lehetosg egyszerubb,
s hatkonyabb, ha tbb vektor koordints alakjt kell meghatrozni. A B bzis vektorainak a [v] B koordintival vett lineris kombincija megadja a v vektort, gy ha
meghatrozzuk a B bzis vektorainak C bzisbeli alakjt, ezek lineris
kombincija a v vektor C-beli alakjt, azaz a [v]C alakot adja.
A B bzis egy vektornak C-beli koordints alakjhoz egy egyenletrendszert kell megoldani, a B sszes vektornak felrshoz teht
egy szimultn egyenletrendszert:
1 2 6
1 3 6
1 4 7
1
2
3
0
2
3
1 0 0
3
5 = 0 1 0
8
0 0 1
1
2 7
1
2
2
0 1
1
7
2
1
.
C = 1 , 2 , 2
1 B
0 B 1 B
Az ezekbol kpzett lineris kombincik mtrixszorzssal is elollthatk. gy egy v vektor B-beli koordints alakjnak C bzisba val
trst a
1
2 7
[ v ]C = 1
2
2 [ v ] B
0 1
1
kplet adja. Ha e mtrixot AC B jelli, akkor az elozo kplet a
[ v ]C = AC B [ v ] B
2
alakot lti.
E plda a kvetkezo defincihoz s lltshoz vezet:
181
182
lineris algebra
[ v ]C = AC B [ v ] B
sszefggs.
Bzisfelbonts* A 3.25. ttel msodik pontjnak az elozo feladatban is
szemlltetett egyenes kvetkezmnye, a kvetkezo llts.
4.23. llts (Bzisfelbonts). Jellje egy m n-es A mtrix reduklt lpcsos alakjnak nemzrus soraibl ll r n-es rszmtrixt R, az
R fooszlopainak megfelelo A-beli oszlopok alkotta m r-es rszmtrixot B,
ahol r = r(A). Ekkor az R mtrix j-edik oszlopa megegyezik az A mtrix
j-edik oszlopnak a B oszlopai alkotta bzisban felrt koordints alakjval.
Kpletben ez azt jelenti, hogy
A j = BR j ,
azaz
A = BR.
1 2 3 4
5
A = 2 4 8 6
2 .
1 2 7 0 11
Megolds. Az A mtrix reduklt lpcsos alakja:
1 2 3 4
5
1 2 0
7
=
A = 2 4 8 6
2
0 0 1 1
1 2 7 0 11
0 0 0
0
17
4 .
0
E mtrix elso kt sora alkotja az R mtrixot, az A mtrix elso s harmadik oszlopa a B mtrixot, gy a felbonts
#
1 2 3 4
5
1 3 "
7 17
1 2 0
A = 2 4 8 6
= BR.
2 = 2 8
0 0 1 1 4
1 2 7 0 11
1 7
Ellenorizzk, hogy az R oszlopai az A oszlopvektorainak koordints
alakjai a B oszlopai alkotta bzisban, azaz
[v] E = B[v] B ,
mtrixm uveletek
defincii
183
ahol az E indexszel a standard, B-vel a B mtrix oszlopai alkotta bzisbeli koordints alakjt jelltk ugyanannak a vektornak. Pldul
4
1
=
6 2
0
1
3 " #
7
,
8
1
7
azaz
" #
4
7
[ a4 ] E = 6, [ a4 ] B =
,
1
0
(4.3)
2
"
3
2
4
5
#"
2
1
#
# "
2 2
2
.
=
1 1
1
1 0
0 1
In := diag(1, 1, . . . , 1) =
.. ..
. .
0 0
...
...
..
.
...
0
..
.
1
184
lineris algebra
1 0 0
1 0 2 0
1 0 0 0
0 0 0 1
0 1 0
0 1 0 0
0 5 0 0
0 1 0 0
,
,
,
0 0 1
0 0 1 0
0 0 1 0
0 0 1 0
0 0 0
0 0 0 1
0 0 0 1
1 0 0 0
0
0
.
0
1
S1 S4 , 5S2 , S1 + 2S3 , 1S1 . Az utols mtrix az egysgmtrix, amely maga is elemi mtrix, mert pldul egy sornak 1-gyel val
szorzsval megkaphat.
4.28. plda (Mtrix balrl szorzsa elemi mtrixszal). Az elobbi
plda mtrixaival szorozzunk meg egy tetszoleges 4-soros mtrixot balrl.
Mit tapasztalunk?
Megolds. Legyen A egy 4- sorbl, s az egyszerusg
kedvrt csak
2 oszlopbl ll mtrix. Vgezzk el a fenti mtrixokkal val balrl
szorzst:
a11 a12
a41 a42
0 0 0 1
0 1 0 0 a
21 a22 a21 a22
=
,
1
0
0
0
0
5
0
0
0
0
1
0
a11
0
a
0
21
0 a31
1
a41
a11
a12
5a
a22
21
=
a32 a31
a42
a41
a12
5a22
,
a32
a42
1
0
0
0
0
1
0
0
2
0
1
0
0
a11
0 a21
0 a31
1
a41
a12
a11 + 2a31
a22
a21
=
a32
a31
a42
a41
a12 + 2a32
a22
a32
a42
mtrixm uveletek
defincii
185
s ezzel az
egyenletrendszerek megoldsnak algebraizlsa.
Mtrixmuveletek
Zm -ben*
A mtrixmuveletek
Blokkmtrixok
Muveletek
blokkmtrixokkal A lineris egyenletrendszerek bovtett mtrixt tekinthetjk gy, mint amelyet kt mtrixbl rakunk ssze. De
fordtva, mondhatjuk, hogy a bovtett mtrixot kt rszmtrixra bontjuk.
Ha egy mtrixot a rajta vgighalad vzszintes s fggoleges vonalakkal rszmtrixokra bontunk, azt mondjuk, hogy e mtrix a rszmtrixokbl ms nven blokkokbl alkotott blokkmtrix, ms nven
hipermtrix.
Pldul egy 6-ismeretlenes, 5 egyenletbol ll egyenletrendszer B
bovtett mtrixa lehet a kvetkezo, melynek blokkjait (rszmtrixait) a
mtrixokhoz hasonl indexelssel meg is jelljk:
1
0
0
0
0
1
0
0
0
0
0
1
0
0
1
2
1
0
0
2
0
0
0
0
4
"
3
B11
3 =
B21
1
B12
B22
#
B13
.
B23
A blokkmtrixokra a szakirodalomban a hipermtrix elnevezs is el van terjedve. Ekkor a blokksorokat hipersoroknak, a blokkoszlopokat hiperoszlopoknak nevezzk. Mi kerljk e szhasznlatot a hipermtrix msik tbbdimenzis tmb rtelmu jelentse miatt.
2
186
lineris algebra
C = AB szorzat kiszmthat a szorzsi szably blokkokra val alkalmazsval is, azaz C olyan blokkmtrix, melynek i-edik blokksorban s j-edik
blokkoszlopban ll blokk
t
Cij =
Aik Bkj .
k =1
kznsges mtrixmuveletekkel
s blokkmtrixknt
szmolva is, ha
2 4
0 2 0 1
1 0 1 0
1 5
A = 0 1 1 2 , B =
, C = 2 0 0 0 .
2 2
0 0 3 0
1 1 1 1
0 1
Megolds. Szmoljunk blokkmtrixknt kezelve a mtrixokat:
0 2 0 1
1 0 1 0
A + 3C = 0 1 1 2 + 3 2 0 0 0
0 0 3 0
1 1 1 1
" #
" # " #
# " #
#
"
"
1
0
0
1
0 2
1 0
+3
+3
+3
0
2
0
1
2
0
0
1
= h
i
h
i
3+31
0+31
0 0 +3 1 1
1 6 1 3
= 6 1 1 2
3 3 6 3
Ellenorizzk a szmtst kznsges mtrixmuveletekkel!
2 4
1 0 1 0
1 5
AB = 0 1 1 2
2 2
0 0 3 0
0 1
#"
# " #
" #
"
i
i
1 0 2 4
1 h
0 h
+
2 2 +
0 1
0 1 1 5
1
2
"
#
=
h
i 2 4
h
i
h
i
+3 2 2 +0 0 1
0 0
1 5
# "
# "
#
"
2 4
2 2
0 0
4 6
+
+
2 2
0 2
= 1 5
= 3 9
h
i h
i h
i
6 6
0 0 + 6 6 + 0 0
mtrixm uveletek
defincii
2
4.32. plda (2 2-es blokkmtrixok). Legyen A s B kt 2 2-es
blokkmtrix, azaz legyen
"
#
"
#
A11 A12
B11 B12
A=
, B=
.
A21 A22
B21 B22
rjuk fel szorzatukat a blokkok szorzatai segtsgvel.
Megolds. Az AB szorzat felrhat
"
#"
# "
A11 A12 B11 B12
A11 B11 + A12 B21
=
A21 A22 B21 B22
A21 B11 + A22 B21
alakban. A BA hasonlkpp rhat fel! Ellenorizzk, hogy a 4.30. llts felttele (minden k-ra az Aik blokk oszlopainak szma megegyezik
Bkj sorainak szmval) valban szksges, de elgsges is.
2
Vektorokra particionlt mtrixok Fontosak azok a blokkmtrixok, amelyekben vagy oszlopvektor vagy sorvektor minden blokk.
Bontsuk fel az Amt mtrixot sorvektoraira, s a Btn mtrixot oszlopvektoraira, azaz tekintsk a kvetkezo kt blokkmtrixot:
A=
a 1
a 2
..
.
am
B=
b 1
b 2
...
bn
a 1 b 1 a 1 b 2 . . . a 1 b n
a 2 b 1 a 2 b 2 . . . a 2 b n
AB = .
..
..
..
,
.
.
.
.
.
a m b 1 a m b 2 . . . a m b n
187
188
lineris algebra
B
C
A
b j
c j
Ezzel az esettel mr tallkoztunk a szimultn egyenletrendszerek mtrixszorzatos alakjnak flrsnl (4.16. plda). Ha a fenti sematikus
bra egy szimultn egyenletrendszer mtrixszorzatos alakjt reprezentlja, akkor a kkkel kiemelt rsz a szimultn egyenletrendszer egyetlen egyenletrendszernek felel meg.
A msik esetben a szorzatmtrixban sorvektorszor mtrixok szerepelnek:
a 1
a1 B
a
a B
2
2
C = AB = . B =
..
..
.
am
am B
Azaz itt a C = AB mtrix i-edik sora az A mtrix i-edik sornak
B-szerese. Msknt rva ci = ai B, sematikusan brzolva:
A
C
B
ai
ci
A mtrixszorzat egy felbontsa megkaphat a mtrixok msik partcijbl, azaz amikor A-t oszlopokra, B-t sorokra bontjuk, vagyis
b 1
b
h
i
2
A = a 1 a 2 . . . a t ,
B=
.
...
bt
Ekkor egyetlen blokksorbl ll mtrixot szorzunk egy blokkoszlopbl llval, vagyis egy skalris szorzatra emlkezteto sszeget kapunk:
AB = a1 b1 + a2 b2 + + at bt .
E felbontsban az AB mtrixot didok sszegre bontottuk! Mtrixok
didok sszegre bontsa olyan technika, amivel ksobb mg tallkozunk.
"
# 1 1
0 1 2
2 0
3 4 5
1 1
mtrixm uveletek
defincii
0
3
"
0
3
1
1 2
2
4 5
1
# "
0
2
+
3
8
#
" #
1
0 h
1
0 =
3
1
# "
#
0
2 2
+
=
0
5 5
" #
1 h
2
1 +
4
i
"
0
0
" #
2 h
1
0 +
5
i
i
1 =
#
2
.
8
Teht a szorzatot hrom did sszegre bontottuk, azonban kevesebbre is lehet. Pldul
"
# " #
i
0 2
2 h
=
0 1 ,
0 8
8
azaz a szorzat maga egy did (egy did sszege).
h
i
h
i
h
i h
i
h
i 1 1
0 1 2 2 0 = 0 1 1 + 1 2 0 + 2 1 1 = 0 2 .
1 1
Ez azt jelenti, hogy a szorzat, mely egy sorvektor, a B mtrix sorainak lineris kombincija. Hasonlkpp, ha B csak egyetlen oszlopbl
ll, a szorzat az A mtrix oszlopainak lineris kombincija. Pldul
az elozo pldabeli B mtrix msodik oszlopt megtartva a kvetkezo
felbontst kapjuk:
" # " #
" #
" #
# 1
"
2
2
1
0
0 1 2
.
=
+1
+0
0 = 1
8
5
4
3
3 4 5
1
sszefoglalva:
4.34. llts (A szorzat oszlopai s sorai). Az AB mtrix minden
oszlopa az A oszlopainak lineris kombincija, s minden sora a B sorainak
lineris kombincija.
Bizonyts. Az AB mtrix j-edik oszlopa
189
190
lineris algebra
1 2
2 3
0 1
4
7
1
11
1
1 2 3 4
5
1 2 3 4
5
1 0 1 2
7
2 3 5 7 11 0 1 1 1 1 0 1 1 1 1 .
0 1 1 1 1
0 0 0 0
0
0 0 0 0
0
A szabad vltozkhoz rendelt paramterek legyenek x3 = t1 , x4 = t2 ,
x5 = t3 , amibol x1 = t1 2t2 7t3 s x2 = t1 t2 + t3 . Innen
1 2 7
7
2
1
x1
1 1 1
1
1
x
1
t1
2
0
0 t2 ,
x3 = t1 1 + t2 0 + t3 0 = 1
0 0
1
0
x4
1
0 t3
0
0
1
1
0
0
x5
azaz a nullteret hrom vektor feszti ki. Vegyk szre, hogy a reduklt
lpcsos alak blokkszerkezete
"
#
I2 S
O O
s a megolds
"
#
S
x=
t
I3
alak, ahol t a paramterek vektora. Itt csak annyi a krds, hogy a
nullteret kifeszto hrom vektor fggetlen-e. Ez jl ltszik a hrom
vektorbl kpzett mtrixon, mivel annak als blokkja I3 , ami hrom
fggetlen oszlopvektorbl ll, s ezek akkor is fggetlenek maradnak,
ha eljk tovbbi koordintkat illesztnk.
2
4.36. ttel (A megolds felrsa blokkmtrixokkal). Az egyszerusg
mtrixm uveletek
defincii
4.37. ttel (A nulltr bzisa). Tegyk fel, hogy az r rang A mtrix elso r oszlopa linerisan fggetlen ez oszlopcserkkel mindig elrheto.
Legyen az A mtrix reduklt lpcsos alakja
#
"
Ir S
.
O O
Ekkor az Ax = 0 homogn lineris egyenletrendszer megoldsa
" #
S
x=
ts ,
Is
ahol s = n r a szabad vltozk szma, s a [ IsS ] mtrix oszlopvektorai a
nulltr bzist alkotjk.
Bizonyts. A bizonyts kzvetlen kvetkezmnye a 4.36. ttelnek,
csak azt kell beltni, hogy [ IsS ] oszlopvektorai a nulltr bzist alkotjk. Ez abbl kvetkezik, hogy egyrszt kifesztik a nullteret, msrszt
linerisan fggetlenek, hisz az als blokkban lvo Is mtrix oszlopai
linerisan fggetlenek.
2
191
192
lineris algebra
Feladatok
Igaz hamis
v = x + 2y
A kvetkezokben legyen
"
#
"
#
"
1 2
4 2
3
A=
,B =
,C =
4 2
4 5
2
"
2
2
,D =
1
1
1 4.27. x = 3a 2b + c
.
y = 2a c
1
4.11. AB BA + AC CA
4.12. (CD DC)(ABC)
4.13. A2 C2
4.14. (C)2 (D)2
4.15. (A)1 (B)2
4.16. A fenti jellsek mellett igazak-e a kvetkezo egyenlosgek?
(A + C)2 = A2 + 2AC + C2 .
(A + D)(A D) = A2 D2 .
mtrixszorzatos alakban!
4.18. a = (1, 2), b = (0, 1)
4.19. u = (1, 2, 0, 1), v = (0, 1, 2, 3)
4.20. a = (1, 2, 0), b = (0, 1, 2, 3)
Mtrixszorzatos alakok
rjuk fel az albbi egyenletrendszerek mtrixszorzatos alakjt!
4.21. x + y = 1
xz = 2
z=3
4.22. 3x 2y + 4z = 5
4.23.
2x + z = 1
xyw = 2
y+z+w = 2
0=3
4.26. x = 3a + b
2A 3B T
(C + D)(C D) = C2 D2 ,
z = b + 2c
z=b
#
(A + B)2 = A2 + 2AB + B2 ,
y = 2a c
y = 2a b
Mtrixmuveletek
4.10.
4.25. x = 3a 2b + c
Elemi mtrixok
Keressk meg azt az E mtrixot, mely megoldsa az albbi mtrixegyenletnek!
a b
a b
4.28. E c d = e f
e f
c d
a
b
a b
4.29. E c d = 3c 3d
e
f
e f
a b
a
b
4.30. E c d = c + 2e d + 2 f
e f
e
f
a b
ac bd
4.31. E c d = c
d
e f
e
f
Elemi sormuveletekkel,
mtrixszorzs
albbi mtrixszorzatok rtkt!
1
1 0 0
1 0 0
4.32. 2 1 0 0 2 0 0
0 0 1
0 0 1
2
1 0 0 0
1
0 0
0 1 0 2 0 2 0
4.33.
0 1
0 0 1 0 0
0 0 0 1
0
0 0
2
0 0
1 0 3
4
0 1
0
1 0
0
0 1
0 3 0
1
0 0
2
3
4
0
0
1
0
3
4
0
a
0
c
0 e
1
g
Blokkmtrixok
Szmtsuk ki az albbi feladatokban megadott mtrixszorzatokat
a kijellt blokkmtrixokat hasznlva!
2 3 1 1
1 0 1 1
0 1 1 1 4 5 1 1
4.34.
0 0 2 2 0 0 1 0
0 0 3 3
0 0 0 1
b
d
f
h
mtrixm uveletek
defincii
4.35. 4
0
3
5
0
1
1
1
1
1
0
1
0
1
0
1
1
2
3
0
1
0
0
4.36. 1
3
1
1
3
1
1
3
0
0
1
1
0
0
1
1
0
1
1
3
0
2
3
1
1
3
4
Vegyes feladatok
4.37. A sudoku egy olyan logikai jtk, melyben egy olyan
193
5
Mtrixmuveletek
tulajdonsgai
ttekintjk a mtrixmuveletek
tulajdonsgoktl.
Az alapmuveletek
algebrai tulajdonsgai
Az sszeads s a skalrral val szorzs tulajdonsgai Mivel a mtrixok
sszeadsa s skalrral val szorzsa elemenknt vgrehajthat muve
letek, ezrt muveleti
196
lineris algebra
zrusmtrixot kapjuk.
Bizonyts. Mintaknt bebizonytjuk az (a) lltst.
mint az
sszeadsi. So t, nem is teljeslnek mind, pl. a 4.12. pldban lttuk,
hogy a mtrixszorzs nem kommutatv. A kvetkezo pldk vatossgra intenek a mtrixkifejezsekkel val szmolsokban.
azaz akkor
b = c. Mtrixoknl az AB = AC egyszerusthet
#
# "
#
"
#
1 2 "
1 2 "
1 3
1 3
1 3
1 3
.
6=
, de
= 2 4
2 4
1 2
2 1
1 2
2 1
1 2
1 2
mtrixm uveletek
tulajdonsgai
szorzs nullmtrixszal
szorzs egysgmtrixszal
bizonythatak.
a) Vizsgljuk meg eloszr, hogy hrom tetszoleges mtrix milyen
felttelek mellett szorozhat ssze! Legyen Ams , Buv s Ctn hrom tetszoleges mtrix. Az (AB)C szorzatban AB csak s = u esetn
vgezheto el, s a szorzat tpusa m v lesz. Ez C-vel csak akkor szorozhat, ha v = t, s a szorzat m n-es. Teht e szorzat csak akkor
van rtelmezve, ha B tpusa s t. Hasonl rvelssel ugyanezt kapjuk
az A(BC) szorzatrl is.
Az indexek kezelsnek knnytsre elg lesz a bizonytst sorvektor alak A s oszlopvektor alak C mtrixokra elvgezni, ugyanis az
(AB)C szorzat i-edik sorban s j-edik oszlopban ll elem az AB
i-edik sornak, azaz az ai B sorvektornak s C j-edik oszlopnak szorzata, azaz (ai B)c j . Hasonlkpp az A(BC) szorzat i-edik sorban s
j-edik oszlopban ll elem ai (Bc j ).
Legyen teht
c1
b11 b12 . . . b1n
h
i
c2
b21 b22 . . . b2n
A = a1 a2 . . . a m , B =
..
..
..
, C = .. .
..
.
.
.
.
.
cn
bm1 bm2 . . . bmn
Ekkor a szorzat
1 1-es. Eloszr szmoljuk ki az iAB mtrixot, ami
h
m
m
1 m-es: k=1 ak bk1 m
k =1 ak bk2 . . . k =1 ak bkn . Innen szmolva
(AB)C-t:
c
# 1
"
m
m
m
n m
c2
ak bk1 ak bk2 . . . ak bkn .. = ak bkl cl .
. l =1 k =1
k =1
k =1
k =1
cn
Hasonlan, eloszr BC-t flrva, az A(BC) mtrixra kapjuk, hogy
n
l =1 b1l cl
!
h
i
m
n
m n
b2l cl
m
k
=
1
= ak bkl cl = ak bkl cl .
a1 a2 . . . a m
..
.
k =1
l =1
k =1 l =1
nk=1 bml cl
197
198
lineris algebra
dij =
k =1 l =1
mtrixm uveletek
tulajdonsgai
199
Mivel a mtrixszorzs asszociatv, mindegy, hogy milyen sorrendben vgezzk el a hatvnyozst. Ezzel igazolhat a kvetkezo kt
sszefggs is:
5.5. llts (Hatvnyozs azonossgai). Legyen A egy ngyzetes
mtrix! Ekkor
a) Ak Am = Ak+m ,
b) (Ak )m = Akm .
Ha ki akarjuk terjeszteni a hatvnyozst 0 kitevore is, kvessk a
precedencia-elvet1 , azaz olyan rtelmet adjunk A0 -nak, hogy a fenti
sszefggsek rvnyben maradjanak. Pldul tekintsk az a) azonossgot m = 0 esetn:
A k A 0 = A k +0 = A k .
Ez minden A mtrix esetn csak az egysgmtrixra igaz, teht
A0 = I n ,
ahol n a ngyzetes A mrete.
I A vals szmoknl tanult, klnbzo alap hatvnyokra rvnyes
azonossg itt a kommutativits hinya miatt nem rvnyes, azaz ltalban (AB)k 6= Ak Bk .
5.6. plda (Mtrix hatvnyozsa). Szmtsuk ki az
#
#
"
"
1 1
0 1
, s a B =
A=
0 1
1 0
mtrixok k-adik hatvnyait!
Megolds. Szmoljuk ki A hatvnyait!
# "
#"
"
1
0 1 0 1
2
=
A =
0
1 0 1 0
#
0
,
1
200
lineris algebra
1 2 3
C = 2 3 4 .
3 4 6
Mutassuk meg, hogy p(C) = O, ha p( x ) = x3 + 2x2 1.
Megolds. A p(C) = C3 + 2C2 I muveleteit
4
9
8 14
= 8 7 12 + 2 4
7
14 12 21
0 0 0
= 0 0 0 .
0 0 0
1 0 0
4 7
3 6 0 1 0
0 0 1
6 11
2
kapcsolatrl szl:
5.8. ttel (Transzponls tulajdonsgai). A s B legyenek azonos
tpus mtrixok, c tetszoleges skalr. Ekkor
a) (A T ) T = A,
b) (A + B) T = A T + B T ,
c) (cA) T = cA T ,
d) (AB) T = B T A T .
mtrixm uveletek
tulajdonsgai
201
= ( A ) j ( B ) i .
2
Teht (AB) T = B T A T .
AT
I A ttel (b) pontjnak indukcival knnyen bizonythat kvetkezmnye, hogy tbbtag sszeg transzponltja megegyezik a transzponltak sszegvel. A (c) pontot is figyelembe vve kapjuk, hogy mtrixok lineris kombincijnak transzponltja megegyezik a mtrixok
transzponltjainak azonos lineris kombincijval, azaz
T
( c1 A1 + c2 A2 + . . . + c k A k ) =
c1 A1T
+ c2 A2T
BT
(AB)T
+ . . . + ck AkT .
t az 5.1. brrl.
Mtrix inverze
Lehet-e mtrixszal osztani, s ha igen, meg tudjuk-e vele oldani az
Ax = b egyenletrendszert gy, ahogy az ax = b egyenletet megoldjuk
az a-val val osztssal?
Az inverz Korbbi tanulmnyainkban megtanultuk, hogy az sszeads s a szorzs invertlhat muveletek,
invertlhatak-e?
Egy H halmazon rtelmezett ktvltozs (ms szval binris) muve
leten olyan fggvnyt rtnk, mely H-beli elemprokhoz H-beli elemet
rendel. Pldul a vals szmok sszeadsa esetn e fggvny vals
szmprhoz vals szmot rendel, mondjuk a (1.2, 0.1) szmprhoz a
1.3-at. E fggvnyt a + jellel jelljk, de a fggvnyeknl szoksos
AB
202
lineris algebra
invertlhat, azt rtjk, hogy brmely a s b vals esetn tallunk olyan x valst, hogy a + x = b. A
szorzs is invertlhat, de csak a nemzrus valsok halmazn. Ez azt
jelenti, hogy brmely nemzrus vals a s b valshoz tallhat olyan x
vals szm, hogy ax = b.
Elemi ismeret, hogy az a + x = b egyenlet megoldshoz elg ismerni a ellentettjt, s azt adni b-hez, az ax = b egyenlet megoldshoz
elg ismerni a reciprokt, s azzal szorozni b-t. Az ellentett s a reciprok
defincijhoz mindkt esetben az adott muvelet
gynevezett semleges
eleme szksges. Az sszeads semleges eleme a 0, mert brmely a
elemhez adva a-t kapunk, hasonlkpp a szorzs semleges eleme az
1, mert brmely a elemet vele szorozva a-t kapunk. Az ellentetthez
az a + x = 0 egyenlet megoldsval jutunk, a reciprokhoz az ax = 1
megoldsval. Az ellentettet, illetve a reciprokot additv, illetve multiplikatv inverznek is nevezzk. Keressk teht a mtrixok additv,
illetve multiplikatv inverzt.
Vilgos, hogy a mtrixsszeads a szmok sszeadsnl tapasztaltakhoz hasonlan invertlhat: brmely azonos tpus (pldul Rmn beli) A s B mtrix esetn az A + X = B s az Y + A = B egyenlet megoldhat, s mindketto megoldsa B + (A), ahol A az A ellentettje
(additv inverze), vagyis az a mtrix, melyre A + (A) = O.
A mtrixok szorzsnak invertlhatsga, s mtrixok (multiplikatv) inverznek defincijhoz a kvetkezo szempontokat kell figyelembe venni:
A mtrixszorzs nem kommutatv ezrt a muvelet
is a szmok kzti
muveletek
(* (+ 3 4) 2)
kd, mg pldul a postfix jellst hasznl PostScript nyelvben a
3 4 add 2 mul
kd szmtja ki. (A PostScript nyelvvel
tallkozhatunk a PDF formtum fjlokban is.) Ugyanez a formula a komputer
algebra nyelvek kzl a Mapleben prefix
mdon
`*`(`+`(3,4),2)
a Mathematicban
Times[Plus[3,4],2]
alakot lt, mg a Sage a
prod([sum([3,4]),2])
s a
mul([add([3,4]),2])
mtrixm uveletek
tulajdonsgai
verze, s hogy a mtrix milyen tulajdonsga befolysolja invertlhatsgt. E krdsekre hamarosan vlaszt adunk.
5.10. plda (Mtrix inverze). Tekintsk az
"
#
"
2 1
3
A=
, s a B =
5 3
5
1
2
# "
1
1
=
0
3
#
0
= I2 .
1
2v + z = 0
6u + 3w = 0
6v + 3z = 1
203
204
lineris algebra
(I A)(I + A + A2 + . . . + Ak1 )
= I + A + A 2 + . . . + A k 1 A A 2 . . . A k 1 A k
= I Ak
=I
Az (I + A + A2 + . . . + Ak1 )(I A) = I sszefggs ugyangy bizonythat.
2
Elemi mtrixok inverze Minden R elemi sormuvelethez
hogy az R sormuvelettel
az R sormuvelet
s az inverz sormuvelet
mtrixainak szorzata az egysgmtrix. Az ltalnos bizonyts vgiggondolst az Olvasra hagyjuk, itt csak egy-egy konkrt esetet mutatunk meg, nevezetesen 3 3-as mtrixokon az S2 S3 , a 3S2
s az S1 + 4S3 sormuveletek
1 0 0
1 0 0
1 0 0
0 0 1 0 0 1 = 0 1 0 ,
0 1 0
0 1 0
0 0 1
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
0 3 0 0 31 0 = 0 31 0 0 3 0 = 0 1 0 ,
0 0 1
0 0 1
0 0 1
0 0 1
0 0 1
1 0 0
1 0 4
1 0 4
1 0 4
1 0 4
0 = 0 1
0 0 1 0 = 0 1 0 .
0 1 0 0 1
0 0 1
0 0 1
0 0
1
0 0
1
0 0 1
mtrixm uveletek
tulajdonsgai
Az inverz kiszmtsa A ngyzetes A mtrix inverznek kiszmtshoz meg kell oldani az AX = I mtrixegyenletet, ami egyttal egy
szimultn egyenletrendszer is, s az elemi sormuveletekkel
megoldhat.
Elobb azonban kt krdsre vlaszolnunk kell: (1) nem fordulhat-e
elo, hogy A-nak tbb inverze is van, s (2) nem fordulhat-e elo, hogy
az AX = I mtrixegyenlet megoldhat, de a megolds nem tesz eleget
az XA = I mtrixegyenletnek? Ngyzetes mtrixok esetn mindkt
krdsre nem a vlasz, ami azt jelenti, hogy mtrix invertlshoz elg
az AX = I mtrixegyenlet megoldsa!
[A|I] = [I|B]
talakts megvalsthat. Az talakts lpseinek inverzeit fordtott
205
206
lineris algebra
sorrendben elvgezve az
[I|B] = [A|I]
transzformcit kapjuk. Itt minden lpsben flcserlve a kt rszmtrixot a kvnt
[B|I] = [I|A]
talaktst kapjuk. Ez azt jelenti, hogy a BY = I mtrixegyenletetnek,
az Y = A megoldsa, azaz BA = I.
2
sszefoglalva:
1 0 0 0
1 2 3
2 1 0 0
A = 2 3 4 s a B =
3 2 1 0
3 4 6
4 3 2 1
mtrixok inverzt!
Megolds. A kikszblssel oszloponknt haladva:
1 2 3 1 0 0
1
2
3
1 0 0
2 3 4 0 1 0 0 1 2 2 1 0
3 4 6 0 0 1
0 2 3 3 0 1
2 0
1 0 0 2
0
1
1 0 1 3
2
2 1 0 0 1 0
0
3 2
0 1
0 0
1
1 2 1
0 0 1
1 2
1
Teht
A 1
AB
1
2
3
4
1
0
0
0
2
0
1
= 0
3 2.
1 2
1
0 0 0 1 0 0 0
1 0 0 0
1 0
1 0 0 0 1 0 0
0 1 0 0 2 1
0 2 1 0 3 0
2 1 0 0 0 1 0
3 2 1 0 0 0 1
0 3 2 1 4 0
0 0 0
1
0 0 0
1 0 0 0
1
1 0 0
1 0 0 2
0 1 0 0 2
0 0 1 0
0 1 0
1 2 1 0
1
0 2 1
2 3 0 1
0 0 0 1
0
0
0
1
0
0
0
0
1
0
1
2
1
0 0
0 0
1 0
2 1
mtrixm uveletek
tulajdonsgai
Teht
B 1
1
2
=
1
0
0
1
2
1
0 0
0 0
.
1 0
2 1
a
=
c
b
d
# 1
"
1
d
=
ad bc c
#
b
.
a
Bizonyts. Azt, hogy az A mtrixnak valban a fenti mtrix az inverze, egyszeru mtrixszorzssal ellenorizhetjk. Azt, hogy az ad
bc 6= 0 felttel az invertlhatsgnak elgsges felttele, a kplet bizonytja. A felttel szksgessgnek beltshoz vegyk szre, hogy
ad bc = 0, azaz ad = bc pontosan akkor ll fenn, ha A egyik sora a
msik skalrszorosa. Ekkor viszont az egyik sor kinullzhat, vagyis
az A mtrix nem alakthat elemi sormuveletekkel
egysgmtrixsz.2
Az inverz tulajdonsgai Megvizsgljuk a mtrixinvertls ms muve
letekkel val kapcsolatt.
5.18. ttel (Az inverz alaptulajdonsgai). Tegyk fel, hogy A s B
egyarnt n n-es invertlhat mtrixok, c 6= 0 skalr s k pozitv egsz.
Ekkor igazak a kvetkezok:
1
a) A1 invertlhat, s inverze A1
= A,
1 1
b) cA invertlhat, s inverze c A ,
c) AB invertlhat, s inverze B1 A1 ,
1
k
d) Ak invertlhat, s inverze Ak
= A1 , definci szerint ezt
rtjk Ak -n,
e) A T invertlhat, s A T
1
= A 1
T
207
208
lineris algebra
1
k
d) Az Ak
= A1 egyenlosg igaz volta a
AA . . . A A1 A1 . . . A1 = A1 A1 . . . A1 AA . . . A = I
| {z } |
{z
} |
{z
} | {z }
k tnyezo
k tnyezo
k tnyezo
k tnyezo
AA . . . (A A1 )A1 . . . A1 = AA . . . A A1 . . . A1 = = I.
| {z } |
| {z } |
{z
}
{z
}
k tnyezo
k tnyezo
k 1 tnyezo k1 tnyezo
A 1
T
B 1
B 1 A 1
AB
T
= IT = I
A T = A T A 1
A
T 1
A 1
mtrixm uveletek
tulajdonsgai
mtrixok inverzt!
6
9
6
9
12
12,
18
1
2
3
4
0
1
2
3
0
0
1
2
2
0
0
,
0
1
2
0
0
0
4
2
0
0
6
4
2
0
8
6
.
4
2
Megolds. A feladatban megadott mtrixok kifejezhetok az 5.16. pldban megadott A s B mtrixokkal. A hrom invertland mtrix:
3A, B2 , 2A T . Ezek inverzei az elozo ttel szerint rendre 13 A1 , (B1 )2 ,
1
1 T
2 ( B ) . Teht a hrom inverz:
(3A)1
( B 2 ) 1
(2A T )1
1
2
0
1
23
0
3
1
1
= A 1 = 0
3 2 = 0
1 23
3
3
1
2
1
1 2
1
3 3
3
1
0
0 0
1
0
0 0
4
2
1
0 0
1
0 0
= ( B 1 )2 =
=
6 4
1 2
1 0
1 0
4
6 4 1
0
1 2 1
T 1
1
1
0
0 0
0
2 1
2
0
1
1
1
1
1
0 0
2
2 1
2
= ( B 1 ) T =
2.
=
1
2
2 1 2
0
1 0
0
1
2
1
0
1 2 1
0
0
0
2
megoldhat;
c) az Ax = b egyenletrendszer brmely n dimenzis b vektorra egyrtelmuen
megoldhat;
d) a homogn lineris Ax = 0 egyenletrendszernek a trivilis x = 0 az
egyetlen megoldsa;
e) A reduklt lpcsos alakja I;
f) A eloll elemi mtrixok szorzataknt.
Bizonyts. Az lltsok ekvivalencijt az (a) (b) (c) (d)
(e) (f) (a), implikcik igazolsval bizonytjuk.
209
210
lineris algebra
(a) (b): Legyen teht A invertlhat s legyen B egy tetszoleges n t mretu mtrix. Ekkor az AX = B egyenlet mindkt oldalt A1 -gyel balrl szorozva kapjuk, hogy A1 AX = A1 B, azaz
X = A1 B. Ez azt mutatja, hogy egyrszt a mtrixegyenletnek van
megoldsa, msrszt hogy ms megoldsa nincs, mivel gy minden
megolds megkaphat, s A inverze egyrtelmu.
ha
egytthatmtrixnak reduklt lpcsos alakja In .
(e) (f): Ha A reduklt lpcsos alakja In , akkor ltezik elemi sormuveletek
mtrixm uveletek
tulajdonsgai
gy az ismeretlenek ( x, y) vektorra
" #
" # "
x
3
1 2
=A
=
y
3
5
1
2
#" # " #
2
3
=
.
3
4
"
#
1 2
3 5
" # S2 3S1
1
2
0 1
" # S2
1 2
0 1
" # S1 2S2
1 0
0 1
Elemi mtrixok
"
1
E1 =
3
"
1
E2 =
0
"
1
E3 =
0
0
1
0
1
2
1
"
E11
E21
0
1
"
0
1
1
=
0
"
E31
1
=
3
1
=
0
2
1
211
212
lineris algebra
[ v ]C = XC B [ v ] B ,
[ v ] B = Y BC [ v ]C .
[ v ] B = Y BC XC B [ v ] B ,
azaz Y BC XC B minden vektort nmagba visz, teht egyenlo az egysgmtrixszal, vagyis Y BC s XC B inverzei egymsnak.
5.25. ttel (Az ttrs mtrixnak inverze).
Ha B =
n
{ b1 , b2 , . . . , bn } s C = { c1 , c2 , . . . , cn } az R kt bzisa, akkor a B-rol
C-re val ttrs XC B mtrixa, valamint a C-rol B-re val ttrs Y BC
1
mtrixa is invertlhat, s egyms inverzei, azaz XC
B = Y BC vagy ms
alakban XC B Y BC = In .
mtrixm uveletek
tulajdonsgai
1 1 1
XBE = 1 2 3.
1 2 4
Ennek inverze a keresett mtrix:
1 1
1
YE B = X
=
1 2
BE
1 2
1
2
1
3 = 1
0
4
2
1
3 2.
1
1
213
214
lineris algebra
Feladatok
Igaz hamis
5.1. A ngyzetes A mtrix pontosan akkor invertlhat, ha
elemi sormuveletekkel
megkaphat az I mtrixbl.
5.2. Ha elemi sormuveletek
azonossgok
5.4. Egy algebrai kifejezsben vgrehajtjuk az albbi helyettestst:
u = 3x1 + 2x2 + 4x3
v = x1 3x2 + x3
w = 2x1 x2 3x3
rjuk fel e lineris helyettestst mtrixszorzatos alakban.
Legyen (u2 + v2 + w2 )(2u v w) az a kifejezs, melyben
a helyettestst elvgezzk. rjuk fel e kifejezst a helyettests elott s utn mtrixmuveletek
segtsgvel!
Szmtsi feladatok
Bontsuk fel a kvetkezo mtrixokat elemi mtrixok szorzatra!
"
#
1 3
5.5.
2 8
"
#
1
2
5.6.
2 1
"
#
1 1
5.7.
1
1
"
#
2 4
5.8.
3 8
2 0 4
5.9. 0 2 0
3 2 7
1 1 2
5.10. 1 2 2
2 4 5
5.11. Hatrozzuk meg az sszes olyan 2 2-es A mtrixot,
melyre A2 = O. Msknt fogalmazva hatrozzuk meg a
nullmtrix sszes ngyzetgykt!
5.12. Szmtsuk ki az
2 3 0 0 0
1 2 0 0 0
5.16. 0 0 7 3 3
0 0 8 1 2
0 0 4 4 3
2 3 1 1 1
1 2 1 1 1
5.17. 0 0 7 3 3
0 0 8 1 2
0 0 4 4 3
2 3 1 1 1
1 2 1 1 1
5.18. 1 1 1 0 0
1 1 0 1 0
1 1 0 0 1
Bizonytsok
5.19. Bizonytsuk be, hogy ha cA = O, akkor vagy c = 0,
vagy A = O.
5.20. Az Si S j sormuvelethez
"
A=
0
1
1
1
mtrixm uveletek
tulajdonsgai
215
Absztrakci
muvelet
kommutatv?
azaz egy H 2 H fggvny. Fogalmazzuk meg, mit rtnk azon, hogy } invertlhat egy
R H rszhalmazn. Hogyan vltozik a definci, ha a
semleges eleme?
2. Mit rtnk azon, hogy b H az a H elem inverze?
216
lineris algebra
Muveletek
specilis mtrixokkal
A gyakorlatban gyakran tallkozunk olyan specilis mtrixokkal, melyekkel a muveletek
egyszerubben
segtsgvel definilhatk.
Diagonlis mtrixok A mtrixmuveletek
defincii alapjn magtl rtetodo, hogy diagonlis mtrixokkal hogyan vgezhetok el a mtrixmuveletek.
ol.
5 0 0
5 0 0
1 0 0
AB = 0 2 0 0 4 0 = 0 8 0
0 0 9
0 0 3
0 0 3
1 0 0
1 0 0
A2 = 0 2 0 = 0 4 0
0 0 9
0 0 3
1
1 0 0
1 0 0
A1 = 0 2 0 = 0 12 0
0 0 3
0 0 13
1 0 0
1 0 0
mtrixm uveletek
tulajdonsgai
1
0
I4 =
0
0
0
0
PA =
0
1
0
1
0
0
0
0
1
0
1
0
0
0
0
0
1
0
0
0
S1 S2
=
0
1
a11
0
1
a21
0 a31
a41
0
0
0
S2 S4
=
0
1
a21 a22
a12
a22
a41 a42
=
a32 a31 a32
a11 a12
a42
0
1
0
0
1
0
0
0
0
0
1
0
0
0
0
1
1
0
0
0
0
0
1
0
0
1
=P
0
0
Azt tapasztaljuk, hogy a PA az A-bl a soroknak pp azzal a permutcijval kaphat, amely permutcival I-bol a P-t kaptuk.
2
5.30. definci (Permutcis mtrix, kgy). A diagonlis mtrixok sorainak permutcijval kapott mtrixot kgynak nevezzk, specilisan az egysgmtrixbl ugyangy kapott mtrixot permutcis mtrixnak
hvjuk.
I Knnyen lthat, hogy a permutcis mtrix olyan ngyzetes mt-
0
3
5
0
0
0
0
9 ,
0
0
0
0
0
0
0
0
0
0
0
0
,
0
0
0
0
1
1
0
0
0
0
0
1
0
0
1
1
, 0
0
0
0
0
1
0
0 .
1
217
218
lineris algebra
Bizonyts. Legyen A s B kt permutcis mtrix. Szorzatuk sorvektorai ai B alakak, ahol ai megegyezik valamelyik standard egysgvektorral, pl. ai = ek . Ekkor a szorzatvektornak csak az az eleme 1,
amelyik oszlop ek -val megegyezik, s ilyen oszlop pontosan egy van.
Teht a szorzatmtrix minden sorban pontosan egy elem 1, a tbbi 0.
Oszlopokra az llts hasonlan bizonythat. A szorzatra vonatkoz
llts termszetes kvetkezmnye a pozitv egsz kitevos hatvnyokra
vonatkoz llts. A negatv egsz kitevokre is igaz az llts. Ennek
igazolshoz elg az inverzre beltni.
Tekintsk a PP T szorzatot. A (PP T )ii elem a Pi vektornak s a
(P T )i = Pi vektornak a szorzata, vagyis 1, mg
0
0
PP T =
0
1
1
0
0
0
0
0
1
0
0
0
1
1
0 0
0
0
0
0
0
1
0
0
1
0
1
1
0
0
=
0 0
0
0
0
1
0
0
0
0
1
0
0
0
.
0
1
Hromszgmtrixok A Gauss-kikszbls vgrehajtsakor az egytthatmtrixot lpcsos alakra transzformltuk, melyben a fotl alatt
mindig csak nullk szerepelnek. Az ilyen mtrixok nem csak a Gausskikszblsnl fontosak.
5.34. definci (Hromszgmtrix). Azokat a mtrixokat, melyek fotlja alatt csak 0-elemek szerepelnek felso hromszgmtrixnak, azokat,
melyek fotlja fltt csak 0-elemek vannak als hromszgmtrixnak nevezzk. Ha egy hromszgmtrix fotljban csupa 1-es ll, egysg hromszgmtrixrl beszlnk.
A Gauss-kikszblsnl kapott felso hromszgmtrixhoz hasonlan azok az egyenletrendszerek is megoldhatk csak behelyettestsekkel, amelyek egytthatmtrixa als hromszgmtrix. A klnbsg kizrlag annyi, hogy ekkor az elso egyenlettel kezdjk, s az elso
vltozval. Pldul az
x
=3
2x + 3y
=3
2x + y + 2z = 3
mtrixm uveletek
tulajdonsgai
egyenletrendszer elso egyenletbol x = 3, a msodikba val behelyettests utn y = 1, vgl a harmadikba val behelyettests utn
z = 1.2
1
9 9
0
1 2
5 6 1
A = 6 2 0 , B = 1
2 9 .
0
3 , C = 9
9 9 3
2 3
0
1 0 3
219
220
lineris algebra
zetes mtrixra
A=
1
1
A + AT +
A AT .
|2
{z
} |2
{z
}
szimmetrikus
ferdn szimm.
A + AT
T
T
= AT + AT = AT + A = A + AT
A AT
T
T
= AT AT = AT A = A AT
AT
T
A + uv T
1
= A 1
A1 uv T A1
.
1 + v T A 1 u
A 1
A1 uv T A1
1 + v T A 1 u
A + uv T = I,
mtrixm uveletek
tulajdonsgai
invertlhat.
A1 uv T A1
1
A
(A + uv T )
1 + v T A 1 u
A1 uv T A1 A A1 uv T A1 uv T
1 + v T A 1 u
1 + v T A 1 u
1
T
A u v A 1 u v T
A1 u1v T
1
T
= I + A uv
1 + v T A 1 u
1 + v T A 1 u
1
T
1
A u 1 + v A u vT
1
T
= I + A uv
1 + v T A 1 u
= A1 A + A1 uv T
= I + A1 uv T A1 uv T
= I.
A -gal jelzett egyenlosgnl azt hasznltuk ki, hogy 1 1-es mtrixszal val szorzs egybeesik a skalrral val szorzssal, a skalr tnyezo
pedig egy mtrixszorzatban tteheto ms helyre, gy az adott trtkifejezsben egyszerusthettnk
vele.
2
A Sherman Morrison-formula sokhelytt hasznlhat, mi itt egyet
emelnk ki: megvizsgljuk, hogy hogyan vltozik egy mtrix inverze,
ha a mtrixnak csak egyetlen elemn vltoztatunk.
5.42. plda (Inverz vltozsa). Legyen A invertlhat mtrix, s vltoztassunk meg az aij elemet aij + -ra. Fejezzk ki az gy kapott mtrix
inverzt A1 segtsgvel.
Megolds. Elso lpsknt kifejezzk az j mtrixot A-bl mtrixmu
veletekkel. Legyen ei s e j az i-edik s j-edik standard egysgvektor.
Ekkor a mdostott mtrix
B = A + ei e Tj .
Erre alkalmazhat a Sherman Morrison-formula az u = ei s v = e j
vlasztssal.
1
B1 = A + ei e Tj
= A 1
A1 ei (e j ) T A1
= A 1
1 + e Tj A1 ei
( A 1 ) i ( A 1 ) j
1 + (A1 ) ji
1 2 3 4
0
2/5 3/5
0
2 0 0 3
2/5
7/5
8/5 3/5
A=
A 1 =
.
3 0 0 2
3/5 8/5, 7/5 2/5
4 3 2 1
0
3/5
2/5
0
221
222
lineris algebra
B 1 = A 1
1 ( A 1 ) 1 ( A 1 )1
1
10 1 + 10
(A1 )11
0
2/5 h
i
0 2/5 3/5 0
3/5
2/5 3/5
0
0
1
7/5 8/5 3/5
1
8/5 7/5 2/5 10
1 + 10
0
3/5 2/5
0
0
0
0
0
2/5 3/5
0
1
7/5 8/5 3/5
0 4/25 6/25 0
2/5
3/5
0
173/125 197/125 3/5
.
197/125 341/250 2/5
3/5
2/5
0
0
2/5
=
3/5
0
0
2/5
=
3/5
0
0
2/5
=
3/5
0
Tizedestrtekkel szmolva:
0.0 0.4
0.6
0.0
0.4
1.4 1.6
0.6
=
,
0.6 1.6
1.4 0.4
0.0
0.6 0.4
0.0
0.000 0.400
0.600
0.000
0.400
1.384 1.576
0.600
=
.
0.600 1.576
1.364 0.400
0.000
0.600 0.400
0.000
A 1
B 1
Gyorsszorzs* Kt 2 2-es mtrix szoksos mdon val sszeszorzshoz 8 szorzsra s 4 sszeadsra van szksg. Strassen 1969-ben egy
olyan mdszert tallt, mellyel e mtrixszorzst 7 szorzssal is el lehet
vgezni, igaz azon az ron, hogy az sszeadsok szma 16-ra no.
mtrixm uveletek
tulajdonsgai
c11 = d1 + d4 d5 + d7
c21 = d2 + d4
c12 = d3 + d5
c22 = d1 + d3 d2 + d6
2n3 n2
(ebbol n3 szorzs s n3 n2 sszeads gondoljunk utna!), a Strassenformulkkal val szorzs pedig n = 2k esetn legfljebb 7 7k 6 4k ).
Ez n = 210 esetn mr kevesebb muveletet
ad. Az ltalnosts lnyege, hogy a Strassen-formulk 2 2-es blokkmtrixokra is hasznlhatk, mert a szorzs kommutativitst nem hasznljk, gy ha
M (n) jelli kt n n-es mtrix sszeszorzshoz szksges szorzsok, s S(n) a szksges sszeadsok szmt, akkor M (2n) 7M (n)
s S(2n) 18n2 + 7S(n). Az M (1) = 1, S(1) = 0 kezdeti feltteleket
is hasznlva megmutathat, hogy M (2k ) 7k , S(2k ) 6(7k 4k ). E
kpletekbol a felso egszrsz jelt hasznlva s a k = dlog2 ne jellssel
az muveletek
223
224
lineris algebra
Feladatok
Dntsk el, igazak-e az albbi lltsok? Vlaszunkat
indokoljuk!
5.24. Szimmetrikus mtrixok sszege s skalrszorosa is
szimmetrikus, gy szimmetrikus mtrixok tetszoleges lineris kombincija is szimmetrikus.
5.25. Ferdn szimmetrikus mtrixok sszege s skalrszorosa is ferdn szimmetrikus, gy ferdn szimmetrikus mtrixok tetszoleges lineris kombincija is ferdn szimmetrikus.
5.26. Szmtsuk ki az albbi mtrixok inverzeit, ngyzett
s kbt!
0 2 0 0
0 2 0
0 0 2
0 0 0 5
.
0 0 4 , 0 4 0 ,
0 0 3 0
3 0 0
3 0 0
4 0 0 0
5.27. Hogyan oldannk meg a kvetkezo egyenletrendszert
a leheto legkevesebb lpsben?
x + 4y + 3z + 5w = 3
legfljebb cn2.81 .
1
c1 = a11
b12 = c3 c6
b21 = c6 c2
6x + 3y
=3
c2 = a21 c1
2x + 3y + 2z
=3
c3 = c1 a12
c7 = c3 b21
2x + 4y + 3z + 5w = 4
c4 = a21 c3
b11 = c1 c7
c5 = c4 a22
b22 = c6
Bizonytsok
5.28. Mutassuk meg, hogy minden permutcis mtrix
c6 =
c51
mtrixm uveletek
tulajdonsgai
Az LU-felbonts
Mtrixok szorzatalakba rsval (faktorizcijval) mr tallkoztunk,
amikor a Gauss Jordan-kikszblst hasznlva bizonytottuk, hogy
minden invertlhat mtrix eloll elemi mtrixok szorzataknt. E szakaszban a Gauss-kikszblsbol indulva megmutatjuk, hogy egy mtrix felbonthat egy als s egy felso hromszgmtrix szorzatra. E
mtrixfaktorizci lineris algebrai feladatok szmtgpes megoldsnak igen gyakran hasznlt eszkze, sokszor elonysebb, mint maga
a Gauss-kikszbls.
5.44. plda (Gauss-kikszbls mtrixszorzssal). Elemi sormu
veletekkel hozzuk az
4 1 2
A = 2 4 1
1 2 4
mtrixot lpcsos alakra (azaz felso hromszgmtrix alakra), amit jelljn U.
Az elemi sormuveleteket
E1 A
E2 E1 A
E3 E2 E1 A
= 2
1
= 0
1
= 0
0
= 0
0
2
S2 1/2S1
1 =
4
1
2
S3 1/4S1
7/2 0 =
2
4
1
2
S3 1/2S2
7/2
0 =
7/4 7/2
1
2
7/2
0 = U.
0
7/2
1
4
2
1
0
E1 = 1/2 1
0
0
1
0
E
=
0
1
2
1/4 0
1
0
1
E3 = 0
0 1/2
0
1
0
1
0
1
225
226
lineris algebra
xval egyenlo:
L = 1/2
0
0 0
1
0 0
1
1 0 0
1 0 0
0 1
1/4 0 1
0
0
1
1/2
0
1
0 = 1/2
1
1/4
0
1
1/2
0.
1
Meglepo mdon ezeknek az elemi mtrixoknak a szorzata a fotl alatti szmok tmsolsval megkaphat. Az eredmny egy als egysg
hromszgmtrix.
2
5.45. definci (LU-felbonts). Azt mondjuk, hogy a ngyzetes A
mtrix egy A = LU alak tnyezokre bontsa LU-felbonts (LUfaktorizci vagy LU-dekompozci), ha L als, U felso hromszgmtrix.
Az 5.44. pldban konstrult felbonts LU-felbonts: 3
2
1
1
4
2
1
2
1 = 1/2
1/4
4
0
0
4
1
0 0
0
1/2 1
1
7/2
0
0 .
7/2
Az LU-felbontsban az L s U betuk
az
als s felso jelentsu angol lower s upper
szavak kezdobetui.
(5.1)
LU-felbontssal).
4x1 + x2 + 2x3 = 8
2x1 + 4x2 + x3 = 4
x1 + 2x2 + 4x3 = 9
mtrixm uveletek
tulajdonsgai
az Ly = b egyenletrendszert:
1
0
0
y1
8
1
0 y2 = 4
1/2
1/4 1/2 1
y3
9
Ebbol y1 = 8, ezt a msodik egyenletbe helyettestve kapjuk, hogy
y2 = 0, majd ezeket a harmadikba helyettestve kapjuk, hogy y3 = 7.
Ezutn megoldjuk az Ux = y egyenletrendszert, aminek alakja
4
1
2
x1
8
0 x2 = 0 .
0 7/2
0
0
7/2
x3
7
Ismt egyszeru behelyettestsekkel kapjuk, hogy x3 = 2, x2 = 0 s
x1 = 1. A megolds x = (1, 0, 2).
2
Mtrix invertlsa LU-felbontssal Mtrix invertlshoz elg megoldanunk az AX = I egyenletrendszert. Ha A = LU egy LU-felbontsa
A-nak, akkor az LUX = I megoldsa a vele ekvivalens kt mtrixegyenlet megoldsval megkaphat:
AX = I LY = I, UX = Y.
E kt utbbi egyenletrendszer viszont megoldhat kizrlag helyettestsekkel is!
5.47. plda (Mtrix invertlsa LU-felbontssal).
az 5.44. pldban megadott A mtrixot!
Invertljuk
Megolds. Megadtuk az adott mtrix LU-felbontst az (5.1) egyenletben. Ezt hasznlva eloszr megoldjuk az LY = I mtrixegyenletet:
1 0 0
y11 y12 y13
1
0
0
1
0 y21 y22 y23 = 0 1 0
1/2
1/4 1/2 1
y31 y32 y33
0 0 1
Az L elso sorval val szorzsbl: [y11 y12 y13 ] = [1 0 0]. A msodik
sorral val szorzsbl 12 [y11 y12 y13 ] + [y21 y22 y23 ] = [0 1 0]. Behelyettests utn [y21 y22 y23 ] = [ 12 1 0]. Vgl a harmadik sorral val
szorzsbl:
i 1h
i h
i h
i
1h
y11 y12 y13 +
y21 y22 y23 + y31 y32 y33 = 0 0 1 ,
4
2
amibol behelyettests utn kifejezve Y harmadik sort kapjuk, hogy
[y31 y32 y33 ] = [0 12 1]. Azaz
1
0
0
Y = 1/2
1
0 .
0
1/2 1
227
228
lineris algebra
0
0
1
7/2
0
2
x11
0 x21
7/2
x31
x12
x22
x32
x13
1
x23 = 1/2
x33
0
0
0
1
0
1/2 1
2
1
X = 1
7
0
0
2
1
0 .
2
felso
hromszg alakra hozhat, azaz a kikszbls sorn a fotlba sosem kerl 0.
Ekkor a kvetkezo lpsekkel lltsunk elo egy U s egy L mtrixot.
1. A Gauss-kikszblst az elso oszloppal kezdjk, s az elso sor konstansszorosainak kivonsval, azaz az S2 l21 S1 , S3 l31 S1 ,. . . Sn ln1 S1
sormuveletekkel
l21
L=
..
.
ln1
0
1
..
.
...
...
..
.
ln2
...
0
..
.
.
1
(5.2)
mtrixm uveletek
tulajdonsgai
0 0
4
1 0 2
1
1
1
4
2
1
4
4.00
2.00
1.00
0 0
4
1 0 0
1
1
1
2
7/2 0
2
4
4.00
0.50
1.00
0 0
4
1 0 0
1
0
1
7/2
7/4
0
7/2
4.00
0.50
0.25
1/2
1/4
1.00 2.00
3.50 0.00
2.00 4.00
1/2
1/4
2.00
1.00
4.00
1/2
1.00
4.00
2.00
1.00 2.00
3.50 0.00
1.75 3.50
4
0 0
1 0 0
0
1/2 1
1
2
7/2
0
0
7/2
4.00
0.50
0.25
1.00
3.50
0.50
2.00
0.00
3.50
Vegyk szre, hogy az A mtrixon folytatott elemi talaktsok eredmnye s az L mr kiszmolt elemei egyetlen mtrixban is elfrnek,
ugyanis L-ben pp akkor s oda kerl egy elem, amikor s ahova Aban 0. Ezt a szmtgpprogramok kihasznljk, ha igen nagy mretu A mtrixot kell felbontani, s az L s U mtrixot is az A helyben
konstruljk meg. A fenti szmtsok jobb hasbjban ezt a szmtgpes technikt alkalmazzuk. Sznes httrrel jelljk az L-beli elemeket.
A szmtgpes jelleg erostsre tizedestrt alakot hasznlunk.
Igazolnunk kell mg, hogy a fenti algoritmus valban LU-felbontst
ad.
Bizonyts. (a) Eloszr beltjuk, hogy az 5.48. algoritmusban megkonstrult L s U mtrixok LU-felbontst adnak. Ehhez elg beltni,
hogy A = LU. Az algoritmus szerint Si lij S j (i > j) alak elemi
muveletekkel
229
230
lineris algebra
azaz
1
.
.
.
.
Lij = ..
.
.
.
0
...
..
.
...
...
...
0
..
.
1
..
.
lij
..
.
0
...
...
..
.
...
...
0
..
.
0
..
.
1
..
.
0
...
...
...
..
.
...
0
0
.
..
.
.
.
0
0
..
..
=
I
+
l
. [0 . . . 1 . . . 0 . . . 0].
ij
.
1
0
.
..
.
.
.
0
1
Mivel A = L21 L31 . . . Ln1 L32 . . . Ln2 . . . Ln1,n , ezrt az Lij = I + lij ei e Tj
helyettestsek utn csak azt kell beltni, hogy az (5.2)-beli L mtrixra
L = (I + l21 e2 e1T )(I + l31 e3 e1T ) . . . (I + ln1 en e1T ) . . . (I + ln1,n en1 enT ).
Azt kell bizonytanunk, hogy
L = I + l21 e2 e1T + l31 e3 e1T + . . . + ln1 en e1T + . . . + ln1,n en1 enT ,
vagyis elg beltni, hogy a fenti szorzatban a zrjelek felbontsa utn
keletkezo
lij ei e Tj )(lst es etT = lij lst ei e Tj es etT
alak szorzatok mindegyike nullmtrix. Egyrszt j < i, t < s, msrszt mivel az eliminci oszloponknt balrl jobbra, oszlopon bell
fentrol lefel haladt, ezrt vagy j < t vagy j = t s akkor i < s. E
felttelek esetn viszont j 6= s, teht e Tj es = 0, vagyis ei e Tj es etT = O,
amit bizonytani akartunk.
(b) Tegyk fel, hogy ltezik A-nak kt LU-felbontsa is, azaz A =
L1 U1 = L2 U2 . Mivel A invertlhat, ezrt a ?? ttel szerint L1 , U1 , L2
s U2 is. Balrl L1 , jobbrl U2 inverzvel szorozva kapjuk, hogy
U1 U21 = L11 L2 .
A bal oldalon kt felso hromszgmtrix szorzataknt egy felso hromszgmtrix van, mg a jobb oldalon kt als hromszgmtrix
szorzata, ami als hromszgmtrix (?? feladat). Radsul a jobb oldal
egysg fotlj (?? feladat). Ez csak akkor llhat fnn, ha U1 U21 =
L11 L2 = I, azaz ha L1 = L2 s U1 = U2 .
2
PLU-felbonts
Vilgos, hogy az
A = 1
0
0
1
1
1
1
mtrixm uveletek
tulajdonsgai
A = 0
0
1
0
1
1
1
mtrixnak hasonl okok miatt ugyancsak nincs LU-felbontsa: ez levezetheto az a22 = 0 sszefggsbol (ld. 5.47. feladat). A msodik s
harmadik sorok felcserlse utn viszont mr van LU-felbonts. Jellje
P a fenti sorcserket megvalst permutcis mtrixot. Ekkor
PA = 0
1
1
0
0
0
0
1 1
0
0
0
1
1
1
1
1 = 0
1
0
1
1
0
1
1
1 = 0
1
0
0
1
0
0
1
0 0
1
0
1
1
0
1 ,
1
231
232
lineris algebra
0
1
A=
1
1
0
1
1
1
1
0
1
2
1
1
2
1
2
0
2
4
kedvrt kis tbbletmunkt vllalva eloszr csak azrt hajtjuk vgre a felso hromszg-alakra hozs lpseit,
hogy megllaptsuk, melyik lpsben melyik sorban lesz a pivotelem.
Ezutn elolltjuk e sorpermutcinak megfelelo P permutcis mtrixot, s vgrehajtjuk az LU-felbontst a PA mtrixon.
S1 S2
S3 S1
S4 S1
1
0
A =
0
0
1
0
0
0
0
1
1
2
1
1
1
0
0
2
2
4
1
0
0
0
S3 S4
S4 1/2S3
1
0
0
0
0
1
2
0
0
2
4
0
1
1
0
1
0
1
P=
0
0
1
0
0
0
0
0
0
1
0
0
1
0
1
0
L=
1
1
0
1
0
0
0
0
1
1
2
0
0
0
1
1
0
U=
0
0
1
0
0
0
0
1
2
0
0
2
4
0
1
1
.
0
1
mtrixm uveletek
tulajdonsgai
megegyezik a Gauss-kikszblsvel, azaz nagysgrendileg 2n3 /3 (utbbiban a kikszblst a jobb oldallal is meg kell csinlni, az LU-felbontsnl viszont az als hromszgmtrixhoz tartoz egyenletrendszert
is meg kell oldani: mindketto n(n 1)/2 sszeads/kivons s ugyanennyi szorzs/oszts). Az LU-felbontsnak viszont tbb olyan elonys
tulajdonsga van, ami miatt hasznlata meghatroz az egyenletrendszerek megoldsban s amellett tbb ms feladatban is. Nhny a
legfontosabbak kzl:
1. Mivel az egyenletrendszer egytthatmtrixnak LU-felbontshoz nincs szksg a jobb oldalra, ezrt hasznlhat olyan esetekben,
amikor a jobb oldal mg nem ismeretes, vagy tbb klnbzo jobb
oldallal is dolgozni kell.
2. Az LU-felbonts ismeretben tbb mtrixokkal kapcsolatos szmts gyorsabban elvgezheto mint egybknt, pl. ilyen a mtrix inverznek, vagy a ksobb tanuland determinnsnak meghatrozsa.
3. Korbban emltettk, hogy az LU-felbonts igen memriatakarkos, radsul vannak olyan specilis mtrixosztlyok (pl. a szalagmtrixok), melyekre ltezik a kikszblsnl gyorsabb algoritmus az
LU-felbontsra.
233
234
lineris algebra
Feladatok
Adjuk meg az albbi mtrixok egy LU-felbontst!
4 4 4
5.32. 2 5 5
1 2 4
4 8 4
5.33. 2 7 8
1 3 4
5
4 2
5.34. 4
5 5
3 1 4
3 1 3
0
2 4
3 4
5.35.
3
0
1 3
3 0 3 1
1
0
2 2
0
2 2 1
5.36.
0
3
2 2
1
0
2
1
0
4 4 4
5.38. 2 5 5 x = 3
5
1 2 4
0
4 8 4
5.39. 2 7 8 x = 3
2
1 3 4
5
4 2
3
5.40. 4
5 5 x = 1
3 1 4
7
4 4 4
5.42. A = 2 5 5
1 2 4
4 8 4
5.43. 2 7 8
1 3 4
Adjuk meg az albbi mtrixok egy PLU-felbontst! Alkalmazzunk rszleges foelemkivlasztst!
1 1 2
5.44. 3 3 3
2 2 3
1 2 3 4 5
5.45. 2 2 3 3 4
3 4 6 7 9
A = 1
0
0
1
1
1
1
mtrixm uveletek
tulajdonsgai
Megoldsok
felrst hasznlva:
-re
tv1
tv2
Anti
Bori
Cili
csarnok
hipermarket
piac
1350
1425
960
1250
1245
830
1210
1225
850
x
y
a
2
3
b
1 a
1
b
s
3
4
t
1 = x
1
y
s
2
5
t
1
2
4.3. A kt helyettests kompozcija a kt helyettests tblzatnak szorzatval megkaphat. E szorzatbl az olvashat le, hogy a kompozcival kapott helyettests: x = s,
y = t, z = u. Ez azt jelenti, hogy a kt helyettests valamilyen rtelemben egyms inverze.
4.4.
1. Ktflekpp adhatjuk meg a tblzatot, ha az elso sor
s oszlop a tv1-:
-re
tv1
tv2
235
tv1
1/2
1/2
tv2
1/4
3/4
-rol
tv1
tv2
tv1
1/2
1/4
tv2
1/2
3/4
arny
tv1
1/2
1/2
tv2
1/4 tv1
3/4
tv2
tv1
1/2
arny
1/2 = tv1
1/2
tv2
tv1
1/2
1/4
-rol
tv2
tv1
1/2
tv2
arny
3/8
5/8
tv2
1/2 =
arny
3/4
tv1
3/8
tv2
5/8
tv1
1/2
1/2
tv2
-re
1/4 tv1
3/4
tv2
tv1
1/2
1/2
tv2
-re
1/4 = tv1
3/4
tv2
tv1
3/8
5/8
-rol
tv1
tv2
tv1
1/2
1/4
-rol
tv2
1/2 tv1
3/4
tv2
tv1
1/2
1/4
-rol
tv2
1/2 = tv1
3/4
tv2
tv1
3/8
5/16
tv2
5/16
11/16
tv2
5/8
11/16
a}b =
jak
j a k
b+ 1
a.
k
k
gy e muvelettel
arny
1/2
1/2
arny
tv1
1/2
tv2
1/2
3. Eloszr vlaszoljuk meg a krdst a tv1-re: a sajt nzoinek fele marad ( 21 21 ), ehhez jn a tv2 nzoinek negyede
( 12 14 ), ez sszesen 12 21 + 21 14 = 83 . A tv2-re a szmts:
1 1
5
1 3
ozo 2-2
2 4 + 2 2 = 8 . Ez tblzatok szorzsval az el
"
a+b+c
aA + bB + cC =
a
a+c
b+c
alak. Ha egy tetszoleges [ wu vz ] mtrixrl el akarjuk dnteni, hogy a fenti alak-e, azaz fnnll-e valamely a, b, c
ismeretlenekre az
"
# "
#
a+b+c a+c
u v
=
a
b+c
w z
236
lineris algebra
egyenlosg, akkor meg kell oldani a mtrixok ngy elemre vonatkoz ngy egyenletbol ll 3-ismeretlenes egyenletrendszert:
4.28. E =
a+b+c = u
a
a
+c = v
4.29. E =
=w
b+c = z
4.30. E =
0
0
0
0
0
0
0
0
0
0
1
0
3
0
0
1
0
1
0
0
1
2
1
megoldva a kvetkezot
4.31. E =
1
0
kapjuk:
0
1
1 1 1 u
1 0 0
1 0 0
w
w
1 0 1 v
0 1 1 u w
0 1 1
uw
2 3 2 2
4 . 5 2 2
=
=
v4.34.
w
1 0 0 w
0 0 1 v w
0 0 1
0
0
2
2
z
0 1 1 z
0 1 1
0 0 0 w+zu
0 0 3 3
A lpcsos alakbl leolvashat, hogy ez az egyenletrendszer
5
6
c = 1.
" #
7
4.36. 6
h
i 0
4.18. a b = a T b = 1 2
= 2, a b = ab T =
12 12
1
" #
"
#
4.37. Jellje j a csupa 1-esbol ll 9-dimenzis vektort, j456
i
1 h
0 1
.
0 1 =
azt,
amelynek 4, 5, 6 indexu eleme 1-es, a tbbi 0. Ekkor
2
0 2
a minden sorsszeg 45 s a minden oszlopsszeg 45
felttelek ekvivalensek az Aj = 45j, j TA = 45j T egyen0
h
i 1
letekkel, mg pl. az elso blokkoszlop, msodik blokksor
4.19. u v = u T v = 1 2 0 1 = 5,
metszetben ll blokk elemeinek sszege 45 felttelnek a
2
T Aj
j456
3
123 = 45 egyenlet felel meg.
0 1 2 3
1
4.38. Z222 -be 24 = 16 mtrix tartozik:
2 h
i 0 2 4 6
T
u v = uv = 0 1 2 3 =
.
0 0 0 0
0
Z222 = [ 10 00 ], [ 00 10 ], [ 01 00 ], [ 00 01 ], [ 10 10 ], [ 11 00 ], . . . , [ 11 11 ] .
1
0 1 2 3
4.20. A skalris szorzat nem vgezheto el, a diadikus szorzat
1 h
0 1 2 3
i
a b = ab T = 2 0 1 2 3 = 0 2 4 6.
0
0 0 0 0
0
x
1
1 y = 2
1
z
3
" # "
# a
x
3 2
1
4.27.
=
b
y
2
0 1
c
4.21. 1
0
1
0
0
i
1 u.
i
1 Ax,
ahol
x1
u1
3
x = x2 , u = u2 , A = 1
x3
u3
2
2
3
1
1 .
3
mtrixm uveletek
tulajdonsgai
"
237
# "
#"
#"
#
2 3
0
0
0
3
1 0 1 0 1 3
=
1
2
0
0
0
8
2 1 0 2 0 1
5.16. 0
0
5
3
3
"
# "
#"
#"
#
0
1
2
1 0 1 0 1 2
0 16
9
10
5.6.
=
2 1
2 1 0 3 0 1
0
0
28 16 17
"
# "
#"
#"
#
2 3
7
4
4
1 1
1 0 1 0 1 1
1
5.7.
=
2
7
4
4
1
1
1 1 0 2 0
1
5.17. 0
0
5
3
3
"
# "
#"
#"
#"
#
0
0 16
9
10
2 4
2 0 1 0 1 0 1 2
5.8.
=
0
0
28 16 17
3 8
0 1 3 1 0 2 0 1
1
1
1
2 0 4
2 0 0
1 0 0
1 0 0
1 0 0
11 0 20
2 1 1 1 1
0 1 0
5.9. 0 2 0 = 0 1 0 0 1 0 0 2 0 0 1 0
5.18.
1
1
1
0
0
3 2 7
0 0 1
3 0 1
0 0 1
0 2 1 0 0 1
1
1
0
1
0
1 1 2
1 0 0
1 0 0
1 0 0
1 0 2 11 1 10
0
0
1
5.10. 1 2 2 = 1 1 0 0 1 0 0 1 0 0 1 0 0 1 0
5.21. A flcserlhetosgre vonatkoz AB = BA egyenletet
2 4 5
0 0 1
2 0 1
0 2 1
0 0 1
0 0 1
szorozzuk meg mindkt oldalrl B1 -gyel:
5.5.
1
2
a
c
b
d
#"
a
c
"
b
a2 + bc
=
d
c( a + d)
"
b( a + d)
0
=
bc + d2
0
B1 (AB)B1 = B1 (BA)B1 .
#
0
.
0
fn
f n +1
#
.
Az asszociativitst hasznlva
invertlhat a H egy
R rszhalmazn, ha brmely a, b, c R elem esetn az
a } x = b,
y}a = c
nzve a inverze b, ha a } b = b } a = e.
5.27. Az elso egyenletet kivonjuk az utolsbl, innen x = 1,
ezutn visszahelyettests a msodik, harmadik, majd az
elso egyenletbe.
1
0
0
4 4 4
5.32. L = 1/2
1
0, U = 0 3 3.
1/4 1/3 1
0 0 2
1
0
0
4 8 4
5.33. L = 1/2
1
0 , U = 0 3 6
1/4 1/3 1
0 0 1
238
lineris algebra
5.34.
5.35.
5.36.
5.37.
L = 4/5
3/5
1
0
2
1
3
1
1
3
3
1 10
1
0
0
1
1
1
2
2
12 12
1.00 0.00
0.25 1.00
0.50 1.00
0
5
4
2
0, U = 0 9/5 17/5.
1
0
0 23/9
0 0 3
1 3
0
0 0
5
4
0 10
3
1 0 0
0 3
4
2
0
0
0 10
12 1
0 0 2 2
0
3
0 0
2 2 1
0
1 0 0
0
3 3
1
0
0
0
3
1
3
Y = 1/2
1/12
0
1
1/3
0,
1
5/12
1/3
0
X = 1/8
1/2
1/2.
1/24 1/6 1/2
1
0
0
1/3
5/3 3
5.43. Y = 1/2
1
0, X = 0
1
2.
1/12 1/3 1
1/12 1/3 1
3 3 3
1 0 0
0 1 0
5.44. L = 23 1 0, U = 0 0 1 , P = 0 0 1.
1
1
1
1 0 0
1
0 0 2
3
2
1
0 0
3 4 6 7 9
5.45. L = 13
1 0, U = 0 23 1 35 2, P =
2
0 0 0 0 0
1 1
3
0 0 1
1 0 0.
0 1 0
1.0
0.0 0.0
0.5 2.0 2.0
5.46. L = 0.0
1.0 0.0, U = 0.0
2.0 2.0,
0.0 0.5 1.0
0.0
0.0 2.5
0 1 0
P = 0 0 1.
1 0 0
6
Determinns
Egy vals ngyzetes mtrix sorvektorai ltal kifesztett parallelepipedon trfogata j jellemezoje lehet a mtrixnak. Ehhez kzel ll a determinns fogalma, mely egy ngyzetes mtrixokon rtelmezett skalrrtku fggvny. E skalr knnyen kiszmolhat az elemi sormuvele
tekkel. A determinns fontos tulajdonsgainak egyike, hogy pontosan
akkor nulla, ha a sorvektorok linerisan sszefggok.
A determinns a mtrix egy igen fontos, s sokhelytt hasznlt jellemzoje. Fogalmt egy egyszeru s szemlletes fogalommal, a parallelepipedon elojeles trfogatnak segtsgvel fogjuk bevezetni.
Parallelogramma elojeles terlete A parallelogramma terletrol szl
pldban lttuk, hogy az ( a, b) s a (c, d) vektorok ltal kifesztett parallelogramma terlete | ad bc|, s hogy ad bc pontosan akkor pozitv, ha az ( a, b) s a (c, d) vektorok jobbrendszert alkotnak, s pontosan
akkor negatv, ha az ( a, b) s a (c, d) vektorok balrendszert alkotnak. Ez
vezet a kvetkezo defincihoz: Kt skbeli vektor ltal kifesztett parallelogramma elojeles terletn a terlett rtjk, ha a kt vektor jobbrendszert alkot, s a terlet 1-szerest, ha a kt vektor balrendszert
alkot.
Az elozoek szerint az u = ( a, b) s a v = (c, d) vektorok ltal kifesztett parallelogramma elojeles terlete ad bc. Az elojeles terlet teht
egy vektorprokon rtelmezett vals rtku fggvny jellje most f
, mely eleget tesz a kvetkezo tulajdonsgoknak.
1. f (u, v) = f (v, u). Ez nyilvnval, hisz a kt vektor sorrendjt
megcserlve megvltozik a parallelogramma irnytsa (6.1. bra).
cv
v
v+w
240
lineris algebra
v + cu
v
u + cv
u
v
u
determinns
241
ngydimenzis tr egy parallelepipedonjnak elojeles trfogatt akarjuk kiszmolni, akkor egy hromdimenzis parallelepipedon trfogatt szorozzuk a negyedik vektor vgpontjnak a msik hrom tertol
val elojeles tvolsgval. Ezutn bebizonythatnnk, hogy az gy definilt elojeles trfogat is rendelkezik a korbban felsorolt tulajdonsgok
ngydimenzis megfeleloivel. E helyett egy ms, egyszerubb
s szebb
utat vlasztunk.
csak az azt
kifeszto vektorokat, illetve az azokbl kpzett mtrixot fogjuk hasznlni. Az elojeles trfogat helyett olyan fogalmat fogunk definilni,
mely specilis esetknt ezt is tartalmazza. Ez lesz a determinns. A
definciban csak az elojeles trfogat vizsglatban megismert fggvnytulajdonsgokat hasznljuk, azok kzl is csak annyit, amennyi
mr egyrtelmuen
definilja azt.
6.1. definci (Determinns). A determinns a ngyzetes mtrixokon
rtelmezett s det-tel jellt olyan skalr rtku fggvny, mely eleget tesz az
albbi tulajdonsgoknak:
D1. lineris a mtrix minden sorra nzve,
D2. kt azonos sort tartalmaz mtrixhoz 0-t,
D3. az egysgmtrixhoz 1-et rendel.
Az A = [ aij ]n mtrix determinnst det(A), |A| vagy | aij |n jelli.
I Az n n-es mtrixok determinnst szoks n-edrendu determinns-
nak is nevezni.
I Rszletezve az ltalnos jellst az A mtrixra s determinnsra:
a11
a21
A=
..
.
an1
a12
a22
..
.
an2
...
...
..
.
...
a1n
a2n
..
,
.
ann
a11
a21
det(A) = .
..
an1
a12
a22
..
.
an2
...
...
..
.
...
a1n
a2n
.. .
.
ann
E jellsnek megfeleloen a det(A) determinns sorain, oszlopain, elemein az A mtrix sorait, oszlopait, elemeit rtjk.
I Az 1 1-es [ a] mtrix determinnsa det([ a]) = a, ugyanis a determinns defincija szerint det([1]) = 1, s det([ a]) = det([ a 1]) =
a det([1]) = a. Ez a fggvny pedig additv is, gy a definci minden felttelt kielgti. A jellsbeli zavarok elkerlsre az 1 1-es [ a]
mtrix determinnsra csak a det([ a]) vagy det( a) jellst hasznljuk,
mert | a| az a abszolt rtkt jelli!
242
lineris algebra
a mtrix minden sorban, teht ha kt determinns sorvektorai megegyeznek, kivve esetleg az i-ediket (1 i n), akkor tetszoleges c s
d skalrokkal
a 1
a 1
a 1
.
.
.
..
..
..
c xi + d yi = cxi + dyi .
..
..
..
.
.
.
an
an
an
Azonos sorokat tartalmaz determinns rtke 0, azaz ha valamely
i 6= j esetn ai = a j = b, akkor
..
.
b
.
. = 0.
.
b
..
.
Vgl az egysgmtrix determinnsa 1, azaz
1 0 . . . 0
0 1 . . . 0
. .
. = 1.
. . ..
. ..
. .
0 0 . . . 1
I Hamarosan igazolni fogjuk, hogy a fejezet elejn emltett
a
c
b
= ad bc
d
determinns
243
..
.
a
i
.
= .
.
a j
..
.
..
.
a
i
.
+ .
.
cai
..
.
..
.
a
i
.
= .
.
a j
..
.
+c
..
.
ai
..
.
ai
..
.
..
.
a
i
.
= .
.
a j
..
.
..
.
ai
..
=
.
a j ai
..
.
..
.
a j
..
=
.
a j ai
..
.
..
.
a
j
.
= .
.
ai
..
.
..
.
a
j
D2 .
= .
.
ai
..
.
244
lineris algebra
kapott elemi mtrix determinnsa 1, a sorcservel kapott 1, egy sor c-vel val sorzsval kapott c.
b) Egy E elemi mtrix s egy tetszoleges ngyzetes A mtrix szorzatnak
determinnsa megegyezik determinnsaik szorzatval, azaz
det(EA) = det(E) det(A).
Bizonyts. Az (a) llts abbl kvetkezik, hogy az elemi mtrixok
az 1 determinns egysgmtrixbl kaphatk egyetlen sormuvelettel.
kaphat A-bl.
2
Pldul:
1
0
0
0
0
1
0
4
0
0
1
0
0
0
= 1,
0
1
1
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
0
0
1
0 = 1,
0
0
1
0
0
0
1
0
0
0 = 3.
3
Permutcis
Bizonyts. Mivel a permutcis mtrix csak elemi sorcserkkel megkaphat az egysgmtrixbl, s a sorcsere csak a determinns elojelt
vltoztatja meg, ezrt permutcis mtrix determinnsa 1, ha pros
sok sorcserre volt szksg, 1, ha pratlan sokra. Pldul az albbi
determinnsok kzl az elso determinns kt sorcservel, a msodik
hrom sorcservel kaphat meg az egysgmtrixbl, teht
0 1 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 1 0 0
1 0 0 0 0 = 1, 1 0 0 0 0 = 1.
0 0 0 1 0
0 0 0 0 1
0 0 0 0 1
0 0 0 1 0
2
6.6. ttel (Hromszgmtrix determinnsa). Az als vagy felso hromszgmtrix, s gy a diagonlis mtrix determinnsa megegyezik a fotlbeli elemek szorzatval.
Bizonyts. Ha egy hromszgmtrix fotljban van 0, akkor a reduklt lpcsos alakra hozs utn a foelemek szma kevesebb lesz, mint
determinns
a sorok szma, azaz a mtrixban lesz egy zrussor, gy determinnsnak rtke 0. Ha nincs 0-elem a fotlban, mind az als, mind a
felso hromszgmtrix csak a hozzads sormuveletvel
0
a22
..
.
?
...
...
..
.
...
0 a11
0 0
.. = ..
. .
ann 0
?
a22
..
.
0
...
...
..
.
...
a11
0
= .
.
.
ann 0
?
?
..
.
0
a22
..
.
0
...
...
..
.
...
0
0
..
.
ann
Egy diagonlis mtrix determinnsban minden sorbl kiemelve a fotlban szereplo szmot kapjuk, hogy
a11
0
.
.
.
0
0
a22
..
.
0
...
...
..
.
...
1 0
0
0
0 1
.. = a11 a22 . . . ann .. ..
. .
.
0 0
ann
...
...
..
.
...
0
0
.. = a11 a22 . . . ann ,
.
1
0
0
0
2
3
0
0
2
0
3
0
2
0
0
3
3
0
3
0
0 = 3
3
0
3
3
0
2
0
0
3
0
0
2
0
3
0
0
0
2
3
0
0
0 = 3 2 2 2 3 = 72
0
3
kapjuk, hogy
2
2
4
2
2
5
3
4
6
S2 S1
S3 2S1
2
0
0
2
0
1
3 S2 S3 2 2 3
1 = 0 1
0 = (2) = 2.
0 0 1
0
245
246
lineris algebra
nem is jelezzk.
1
1
1
1
1
2
3
4
1 1 1
3 4 0
=
6 10 0
10 20 0
1
1
2
3
1
2
5
9
1 1
3 0
=
9 0
19 0
1
1
0
0
1
2
1
3
1 1
3 0
=
3 0
10 0
1
1
0
0
1
2
1
0
1
3
= 1.
3
1
1
2
3
4
1
3
6
10
1
1
1
1
1
2
3
4
1
1
4 S4 S3 1
=
1
10
0
20
1 S4 S3 1
3 S3 S2 0
=
0
6
0
10
1
2
3
1
1
3
6
4
1
1
0
0
1
2
1
1
1
1
4 S3 S2 1
=
0
10
0
10
1
1
3 S4 S3 0
=
0
3
0
4
1
2
1
1
1
1
0
0
1
3
3
4
1
2
1
0
1
4
6
10
1
3
= 1.
3
1
2
Mtrixmuveletek
determinns
247
4 7
9
1
0
0
0 0 1
0 1 2
2
1
0 0 1
3 5 6 = 1 0 0 0
0 0 1/4
3/4 1/4 1
0 1 0
4 7 9
Megolds. Egy PLU-felbontsban szereplo mindegyik mtrix determinnsa knnyen meghatrozhat. P kt sorcservel egysgmtrixsz
vlik, teht det P = 1. L s U hromszgmtrixok, amelyek determinnsa a fotlbeli elemek szorzata, ami L esetn mindig 1. A megadott
konkrt esetben teht det A = 4 1 (1/4) = 1.
2
Mtrix determinnsa s transzponltjnak determinnsa megegyezik. Ez lehetov teszi, hogy a determinns kiszmtshoz nem csak
az elemi sor-, de az elemi oszlopmuveleteket
a transzponlt sormuvelete.
nem mukdik,
ezrt
gyur
ut
vltunk s dupla pontossg lebegopontos szmokkal szmolunk
(RDF).
248
lineris algebra
Bizonyts. Az A mtrix reduklt lpcsos alakra hozsnak mtrixszorzatos alakja legyen A = E1 E2 . . . Ek R, ahol Ei elemi mtrix, R az A
reduklt lpcsos alakja. A transzponlt determinnsa
Teht |A T | = |A|.
6.11. plda (Determinns kiszmtsa elemi oszlopmuveletekkel). Az albbi determinnst elemi sor- s oszlopmuveletek
alkalmazsval
2 lpsben is kiszmthatjuk:
1
2
1
1
1
0
2
1
1
1
0
1
1
1
1
1
3
1
2
2
1
0
1
1
S2 S5
0 = 1
1
0
1
1
0
1
1
1
1
0
0
1
1
1
1
1
1
2
2
1
0
1
0
O4 O1
0 = 1
1
0
1
1
0
1
1
1
1
0
0
1
1
1
0
0
0
1
1
0
0
0 = 1
0
1
Mikor 0 a determinns rtke Gyakran vzvlaszt, hogy egy determinns rtke zrus-e. A determinns defincija s a 6.2. llts alapjn
eddig annyit tudunk, hogy a determinns 0, ha van kt azonos sora,
vagy egy zrussora. Most szksges s elgsges feltteleket adunk.
6.12. ttel (Zrus rtku determinns). Legyen A ngyzetes mtrix.
A kvetkezo lltsok ekvivalensek:
1. det(A) = 0,
2. A sorvektorai linerisan sszefggok.
3. A szingulris,
4. a homogn lineris Ax = 0 egyenletrendszernek van nemtrivilis megoldsa.
Bizonyts. A ??? ttelben lttuk, hogy ngyzetes mtrix sorvektorai
pontosan akkor linerisan sszefggok, ha a mtrix szingulris, azaz
ha a lpcsos alakra hozs sorn keletkezik egy 0-sor, ez pedig azzal ekvivalens, hogy a determinns rtke 0. Az utols llts ekvivalencija
determinns
eseteket leszmtva a sorvektorok lineris sszefggosge rnzsre nem lthat, de az sszefggosget bizonyt
skalrok ha szksgnk van r megkaphatk az A T x = 0 egyenletrendszer nemtrivilis megoldsaibl.
2
Az elozo ttel, valamit az 5.20. ttel fontos kvetkezmnye a determinnsnak az egyenletrendszerek megoldhatsgval val kapcsolatrl szl:
6.14. ttel (Egyenletrendszer megoldhatsga s a determinns). Legyen A ngyzetes mtrix. Ekkor az albbi lltsok ekvivalensek:
1. det A 6= 0,
2. az Ax = b egyenletrendszer egyrtelmuen
megoldhat,
3. az Ax = 0 egyenletrendszernek csak trivilis megoldsa van.
A gyakorlatban pldul mrt adatok esetn az, hogy egy determinns nulla-e, nehezen dntheto el! Fontos tudni, hogy az, hogy
a determinns rtke kzel van a nullhoz, nem jelenti azt, hogy a
determinns kzel szingulris. Pldul az
1 0 . . . 0
2
1 0
0 21 . . . 0
1
n
= 1, s az . . .
.. = 2n
.
.
.
0 n
. .
. .
0 0 . . . 1
2
249
250
lineris algebra
A determinns minden sorban (sorvektorban) lineris, ami lehetov teszi a determinns elolltst determinnsok lineris kombincijaknt. Kt ilyen mdszert ismertetnk a kvetkezo szakaszban.
Ezek igen fontosak, gyakran ezek segtsgvel definiljk a determinns fogalmt.
determinns
Feladatok
6.1. Melyek igazak az albbi lltsok kzl? (Az A itt
mindig ngyzetes mtrixot jell.)
1. Ha egy determinns rtke 0, akkor van kt azonos sora.
2. Ha egy determinns rtke nem 0, akkor oszlopvektorai
linerisan fggetlenek.
3. Ha az Ax = 0 egyenletrendszernek van nemtrivilis
megoldsa, akkor |A| 6= 0.
4. |A| 6= 0 pontosan akkor igaz, ha az Ax = b egyenletrendszer nem oldhat meg.
5. |A| = 0 pontosan akkor igaz, ha az Ax = b egyenletrendszer egyrtelmuen
megoldhat.
6.2. Szmtsuk ki az albbi
determinnsok
rtkt fejben!
0 0 0
1 2 3
1 2
a)
b) 1 2 3
c) 1 2 3
3 4
4 5 6
1 2 3
1 2 3
1 1 0
1 0 0
d) 2 4 6
e) 0 1 1
f) 2 2 0
3 6 9
0 0 1
3 3 3
1 2 1
2
4
3
4 1
g)
5
1
5
4
6
5
6
0
6.3. Mutassuk meg lineris sszefggosget keresve a
sorok
rtke0.
kzt ,
hogy az albbi determinnsok
2 1 0
1 1 1
1 2
3
a) 2 3 5
b) 2
4 6 c) 3 2 1
3 4 6
5 3 1
3
6
9
1
1 2 3
1 2 3
1 2
f) 1 2
e) 4 5 6
d) 2 3 4
1
2
7 8 9
3 4 5
1
1
sin cos sin( + ) ln 10 ln 4 ln 40
g) sin cos sin( + ) h) ln 5 ln 4 ln 20
sin cos sin( + ) ln 2
0
ln 2
6.4. Flhasznlva, hogy
a
d
g
b
e
h
c
f = 2.
i
szmtsuk
ki az albbi determinnsok
rtkt:
a
a b c
b
c
b) 2d 2e 2 f
a) g h i
g
d e f
h
i
a
a d g
b
c
c) a + d b + e c + f
d) b e h
g
c f i
h
i
a 3b c
e) d 3e f
g 3h i
2a 3b c + a
g) 2d 3e f + d
2g 3h i + g
a b c + a
f) d e f + d
g h i + g
2a
2b
h) 3d
3e
g + 4a h + 4b
251
2c
3f
i + 4c
1
d) det(A )
e) det(5A )
f) det((5A)1 )
1
T
g) det(AB )
h) det(A B)
i) |A1 ||B1 A||B|
6.6. Csak sorcserk segtsgvel hozzuk egyszerubb
alakra (pldul hromszgalakra) az albbi determinnsokat,
s gy szmtsuk ki rtkket:
0 1 0 0 0
0 2 0
0 0 2 0 0
b) 0 0 0 0 3
a) 0 0 3
0 0 0 4 0
1 0 0
5 0 0 0 0
0 0 0 1
0 1 0 0 1 0 0 1 0
c)
, 0 1 0,
1 0
0 1 0 0
1 0 0
1 0 0 0
1 1 1 1
0 0 0 1
2 2 2 0
0 0 2 5
e)
d)
3 3 0 0
0 3 6 8
4 0 0 0
4 7 9 2
0 0 . . . 0 1
0 0 . . . 0 1
0 0 . . . 1 1
0 0 . . . 1 0
. .
. .
.. ..
.. ..
. .
g)
f) .. ..
. .
. .
. .
0 1 . . . 1 1
0 1 . . . 0 0
1 1 . . . 1 1
1 0 . . . 0 0
6.7. Szmtsuk ki elemi sormuveletekkel
minnsokat!
1 1 1
1 2 3
1 2 3
a) 1 3 5
b)
1 3 5
1 3 6
1 4 7
1 2 3
3 8
6 3
2 0 0
1 2
0
1
d) 3 0 1
c)
1 1 1 2
4 0 0
2 5
1 5
5 4 3
az albbi deter
1
4
7
10
4 5
0 4
0 3
0 2
2 1
252
lineris algebra
1 + x1 y1 1 + x1 y2 . . . 1 + x1 y n
1 + x y
1 + x2 y2 . . . 1 + x2 yn
2 1
a)
..
..
..
..
.
.
.
.
1 + x n y1 1 + x n y2 . . . 1 + x n y n
1
a
a2 . . . an1
a n 1
1
a . . . an2
a n 2 a n 1 1 . . . a n 3
b)
..
..
..
..
.
.
.
.
a
a2
a3 . . .
1
a b b . . . b
a b b
b a b . . . b
c a b
b b a . . . b
c c a
c)
d)
. . .
..
.. .. .. . .
. . .
. . .
. . .
. .
b b b . . . a
c c c
6.16. Mutassuk meg, hogy egy legalbb 3-adrendu determinns rtke 0, ha minden sora szmtani sorozat, pldul
1 2 3
1 4 7 = 0.
1 3 5
...
...
...
..
.
...
b
b
b
..
.
a
Szmtsuk ki az
0
( )
0
(1)
i+j2
0
.
=
.
j1
.
nn
n 1
(
)
0
(11)
(21)
..
.
(n1 )
...
...
..
.
...
1
(nn
1 )
n
(n
1)
..
.
2
(2n
n 1 )
determinns rtkt! (tmutats: az utols sorral kezdve mindegyik sorbl vonjuk ki az elozot, majd mindegyik
oszlopbl az elozot!)
6.15. Mutassuk meg, hogy egy legalbb 3-adrendu determinns rtke 0, ha elemei sorfolytonosan olvasva szmtani sorozatot adnak. Pldul
1
4
7
2
5
8
3
6 = 0.
9
6.17. Mutassuk meg, hogy ha egy determinns elemei sorfolytonosan olvasva mrtani sorozatot alkotnak, akkor rtke 0. Pldul
1
1
1
8
2
4
4 = 0.
1 2
8 16 32
6.18. Mutassuk meg, hogy tetszoleges a, b, c s d valsokra
a2 ( a + 1)2 ( a + 2)2 ( a + 3)2
b2 ( b + 1)2 ( b + 2)2 ( b + 3)2
2
= 0.
c
( c + 1)2 ( c + 2)2 ( c + 3)2
2
d
( d + 1)2 ( d + 2)2 ( d + 3)2
6.19. Mutassuk meg, hogy ha C invertlhat, akkor
det(CAC1 ) = det(A) tetszoleges azonos mretu A mtrixra fennll.
6.20. Vektorok determinnsa msik bzisban Igazoljuk,
hogy ha ACB az ttrs mtrixa, akkor a v1 , v2 ,. . . , vn
vektorok B - s C -beli koordints alakjaibl kpzett VB s
VC mtrixok determinnsra |VC | = |ACB ||VB |.
6.21. Igazoljuk, hogy pratlan rendu ferdn szimmetrikus
mtrix determinnsa 0.
6.22. Mtrix ngyzetnek determinnsa Igazoljuk,
hogy brmely ngyzetes A mtrixra |A2 | = |AA T |.
6.23. A determinns ngyzetnek kiszmtsval (6.22. feladat) s a determinnsok szorzsttelnek alkalmazsval
szmtsuk ki az albbi determinnsok rtkt:
a
b
c
d
a b
b
a d
c
,
,
b a
c
d
a b
d c
b
a
a
b
c
d
e
f
g
h
b a d
c
f e
h g
c
d
b
g
e
f
d c
b a
h
g f e
.
e f g h a
b
c
d
f
e
h g b a
d c
g h
e
f c d a
b
h
g f
e d
c b a
6.24. Mutassuk meg, hogy az ( x12 + x22 )(y21 + y22 ) szorzat
elollthat kt szm ngyzetnek sszegeknt, azaz
determinns
ahol z1 s z2 mindegyike kln az xi s kln az yi vltozknak is lineris kifejezse (i = 1, 2). (Hasonl sszefggsek bizonythatak ngy illetve nyolc ngyzetszm
sszegrol is. Pldul a ngy szm ngyzetsszegre vo-
253
natkoz kplet
( x12 + x22 + x32 + x42 )(y21 + y22 + y23 + y24 ) = (z21 + z22 + z23 + z24 ),
ahol zi az xi s az yi (i = 1, 2, 3, 4) vltozkban lineris. A
megoldshoz hasznljuk fel az elozo feladat lltst.)
254
lineris algebra
( a, b, c) = ( a, 0, 0) + (0, b, 0) + (0, 0, c)
felbontst flhasznlva bontsuk fel a
nns sszegre:
a + 0 + 0 0 + b + 0 0 + 0 + c a
d
e
f
= d
g
g
h
i
0
e
h
0 0
f + d
i g
b
e
h
0 0
f + d
i g
0
e
h
c
f
i
Ezutn folytassuk e felbontst a msodik sorvektorral, gy mr az eredeti determinnst 9 determinns sszegre bontottuk. Vgl tegyk
6.6. bra: Egy 3 3-as determinns felbontsa 33 determinns sszegre, melyek kzl 3! = 6 darabot kivve mindegyikben van egy zrusoszlop ezek sematikus brjt szrke szn jelli.
determinns
a
c
b a
=
d 0
0 0
+
d c
b
= ad bc,
0
255
256
lineris algebra
+
(a) ad bc
a
b
e
+ + +
(b)
sorn hasznlhatunk, nincs szksg. Eszerint egsz szmokbl ll determinns rtke egsz szm.
I Egy fggvnyanalzis krbe tartoz kvetkezmny: a determinns
rtke folytonos, sot differencilhat fggvnye elemeinek. Eszerint
brmely kis pozitv -hoz van olyan > 0 szm, hogy ha a determinns brmely eleme legfljebb rtkkel megvltozik, akkor a determinns rtke legfljebb -nyit vltozik.
Permutcis mtrix determinnsa* Kgy determinnsnak kiszmtsban egyetlen bizonytalan pont maradt, a hozz tartoz permutcis
mtrix rtknek kiszmtsa. Vajon nem fordulhat-e elo, hogy pros
s pratlan sok sorcservel is eljuthatunk egy permutcis mtrixbl
az identikusba.
Azt mondjuk, hogy egy permutcis mtrix kt sora inverziban ll,
ha az elobb ll sorbeli 1-es htrbb van, mint a msik sorbeli. Pldul
a
0 0 1 0
0 1 0 0
0 0 0 1
1 0 0 0
mtrix inverziinak szma 4, mert az elso-msodik, elso-negyedik,
msodik-negyedik, harmadik-negyedik sorprok inverziban vannak.
szorzatait.
determinns
Bizonyts. Mivel minden determinns egyenlo a belole kivlaszthat kgyk determinnsainak sszegvel, s minden kgy determinnsa egyrtelmuen
257
258
lineris algebra
Elojeles aldeterminns
determinns
2
2
1
4
2 = 1 (6) = 6.
0
a12
a22
..
.
0
..
.
an2
...
...
...
...
a1j
a2j
..
.
aij
..
.
anj
...
...
...
...
aij
a
1j
= (1)i1 (1) j1 a2j
..
.
a
nj
a1j
a1n
a
a2n
2j
.
..
.
.
j 1 .
= (1)
aij
0
..
..
.
.
a
ann
nj
0
a11
a21
..
.
an1
0
a12
a22
..
.
an2
...
...
...
...
0
a1n
a2n
..
.
ann
a11
a21
..
.
0
..
.
an1
a12
a22
..
.
0
..
.
an2
...
...
...
...
a1n
a2n
..
.
0
..
.
ann
259
260
lineris algebra
1
0
0
a
1j a11 a12
i+ j
= (1) aij a2j a21 a22
..
..
..
.
.
.
a
nj an1 an2
a11 a12 . . .
a21 a22 . . .
i+ j
= (1) aij .
..
..
.
an1 an2 . . .
...
...
...
...
0
a1n
a2n
..
.
ann
a1n
a2n
..
.
ann
= aij Aij .
2
2
0
9
4
0
0
0
8
0
3
8
7
7
3
4
4
0 .
6
2
Megolds. Minden lpsben esetleg egy apr talakts utn tallunk egy sort vagy oszlopot, melyben csak egy nemnulla szm ll, gy
determinns
261
4
1
4
1
4+3
8
0 = (1)
6
6
5
2
1 2 3
0 0 5
(S2 S1 ) = (8)
6 0 7
5 4 3
2
2
0
9
4
0
0
0
8
0
3
8
7
7
3
2
2
0
4
3
8
7
3
4
4
0
2
4
0
0
2
1
2+3
= (8) (1)
5 6
5
2 4
0 0
4 2
2
= (8) (5) (1)2+1 6
4
4
2
|A| =
aik Aik ,
k =1
|A| =
akj Akj .
k =1
Bizonyts. Hasonlan a korbbiakban ltottakhoz, az i-edik sorvektor felbontsval a determinnst n olyan determinns sszegre bontjuk, amelyek i-edik sorban csak egy elem szrmazik az eredeti determinnsbl, a tbbi 0. Az egyszerusg
262
lineris algebra
a13
a23
a33
a2k A2k .
k =1
ak3 Ak3 .
k =1
6.24. plda (Kifejtsi ttel). Szmtsuk ki az albbi determinns rtkt a kifejtsi ttelt hasznlva!
3 2 1 2
2 1 0 1
.
1 1 0 1
0 1 1 2
Megolds. rdemes e determinnst a harmadik oszlopa szerint kifejteni, mert ott kt 0 is van, gy a velk megszorzott aldeterminnsokat
le sem kell rni.
3 2 1 2
2 1 1
3 2 2
2 1 0 1
2
= 1 1 1 1 1 2 1 1 = 1 0 = 1.
1 1 0 1
0 1 2
1 1 1
0 1 1 2
Cramer-szably s a mtrix inverze Eddig akr az Ax = b egyenletrendszer megoldsra, akr az A mtrix inverznek kiszmtsra olyan
mdszert hasznltunk, mely az elemi sormuveletek
hasznlatval csak
egy algoritmust ad a szmtsokra, de nem adja meg a kapcsolatot
(kpletet) az adatok s a kiszmtandk kzt. E paragrafusban ezt
ptoljuk!
Jellje Ai,b azt a mtrixot, melyet akkor kapunk, ha az A mtrix
i-edik oszlopnak helyre a b vektort rjuk. Kifejtve
Ai,b = [a1 . . . a,i1 b a,i+1 . . . an ].
determinns
263
ha
det A 6= 0. Ekkor a megolds eloll
det Ai,b
,
det A
xi =
(i = 1, 2, . . . , n)
alakban.
Bizonyts. Az llts elso felt mr bizonytottuk a 6.14. ttelben. Ebbol felhasznljuk, hogy mivel az egyenletrendszer megoldhat, det A 6=
0. Kihasznlva, hogy Ax = b, tovbb hogy Aei = ai , kapjuk, hogy
AIi,x = A[e1 . . . e,i1 x e,i+1 . . . en ]
det Ii,x
1 0
0 1
. .
.. ..
=
0 0
.. ..
. .
0 0
...
...
..
.
...
...
x1
x2
..
.
xi
..
.
xn
...
...
...
..
.
...
0
0
..
.
= (1)i+i xi = xi .
0
..
.
1
5
= 19,
3
18
19
18
19 ,
A1,b
y=
4
=
6
8
19
8
19 .
5
= 18,
3
A2,b
2
=
5
4
= 8.
6
2
Gabriel Cramer (17041752) genfi szletsu svjci matematikus, akinek az algebrai grbkrol szl Introduction
lanalyse des lignes courbes algbraique cmu,
1750-ben publiklt munkjban szerepelt a ma Cramer-szably nven ismert ttel. A szablyt korbban
mr msok is ismertk.
264
lineris algebra
Ha egyenletrendszert meg tudunk oldani, akkor szimultn egyenletrendszert is, s gy pl. az AX = I megoldsval a mtrix inverzt is
ki tudjuk szmtani. Az xij elem kiszmtshoz az Ax j = e j egyenletrendszert kell megoldani. A megolds i-edik koordintja az xij elem.
A Cramer-szably szerint
xij =
det Ai,e j
det A
Mivel az Ai,e j mtrix i-edik oszlopban csak egy elem nem 0, a kifejtsi
ttel szerint
det Ai,e j
a11
a
21
.
..
=
a j1
..
.
a
n1
a12
a22
..
.
a j2
..
.
an2
...
...
..
.
...
..
.
...
0
0
..
.
1
..
.
0
...
...
...
...
a1n
a2n
..
.
= A ji ,
a jn
..
.
ann
(6.1)
[A1 ]ij =
A ji
.
det A
gy az inverz mtrix az
A 1 =
alakba rhat.
1
1
[ Aij ] T =
adj A.
det A
det A
(6.2)
determinns
gltja
"
d
b
c
a
#T
"
d
=
c
#
b
,
a
gy inverze
"
A 1
a
=
c
b
d
# 1
"
1
1
d
=
adj A =
det A
ad bc c
#
b
.
a
6.28. plda (Mtrix inverze). Szmtsuk ki a szemlltets cljbl csupa klnbzo elemet tartalmaz
0 1 2
A = 3 5 6
4 7 9
mtrix inverzt!
Megolds. Az adj A determinnst olyan alakba rjuk fl, ahonnan ltszik minden elem kiszmtsnak mdja. Szrke sznnel szedjk az
265
266
lineris algebra
elhagyand elemeket:
0 1 2
+ 3 5 6
4 7 9
0 1 2
adj A = 3 5 6
4 7 9
0 1 2
+ 3 5 6
4 7 9
= 5
4
0
+ 3
4
0
3
4
0
+ 3
4
3
+
4
0
4
0
+
3
T
5
7
1
7
1
5
6
9
2
9
2
6
3
4
0
+
4
0
3
6
9
2
9
2
6
5
+
7
1
= 7
1
+
5
0 1 2
3 5 6
4 7 9
0 1 2
+ 3 5 6
4 7 9
0 1 2
3 5 6
4 7 9
1
5
7
1
5
7
1
5
7
T
2
6
2
6
2
6
9
T
3
1
8
4
6 3
A 1
3
1
=
adj A = 5
det A
4
T
3 5
4
3
1
8 6
8
4 = 3
1 4
3
6 3
Mr ezekbol az egyszeru pldkbl is ltszik, hogy mtrix invertlsa e mdszerrel igen muveletignyes.
Valban, gyakorlati szmtsokhoz nem hasznljuk, elmleti okfejtsekben vesszk nagy hasznt.
B
Blokkmtrixok determinnsa* Az M = [ A
C D ] mtrix ltalban mg ngyzetes rszmtrixok esetn sem szmthat az AD BC kplettel (ld. a ??
feladatban)! Eloszr egy specilis, de fontos esettel kezdjk.
determinns
elg megmutatni, hogy ha egy kgynak van eleme a B, illetve a C mtrixbl, akkor az O-bl is. Valban, ha pl. B egy eleme benne van egy
kgyban, akkor oszlopban nincs elem D-ben, gy D-ben marad egy
sor is resen, amelyet csak egy O-beli elem foghat le. Ellenorizni kell
mg, hogy az A- s D-beli kgyk elojeleinek szorzata megegyezik-e az
egyestskkel kapott kgy elojelvel. Ez nyilvn igaz, hisz egy A-t s
egy D-t metszo sor nem lehet inverziban, gy az egyestett kgy inverziinak szma megegyezik a kt kgy inverziinak sszegvel, az
elojelet pedig a 1-nek az inverzik szmra emelt hatvnya adja. 2
6.30. ttel (2 2-es blokkmtrix determinnsa). Legyen
"
#
A B
M=
,
C D
ahol A s D ngyzetes mtrixok.
1. Ha |A| 6= 0, akkor |M| = |A||D CA1 B|.
2. Ha |D| 6= 0, akkor |M| = |A BD1 C||D|.
Bizonyts. Ha A invertlhat, akkor M albbi als s felso blokkhromszgmtrix szorzatra val bontsa segt:
"
A
M=
C
#
#"
I A 1 B
O
I
D CA1 B O
#"
#"
I
O
I
O A
=
O D CA1 B O
CA1 I
# "
A
B
=
C
D
"
A 1 B
I
I
M=
O
BD1
I
#"
A BD1 C
O
O
D
#"
I
D 1 C
O
I
Vandermonde-determinns Bemutatunk egy fontos determinnst. Szmtalan alkalmazsa van, melyek egyike a polinominterpolci.
6.31. plda (Interpolci msodfok polinomokra). Legyen x, y
s z hrom klnbzo vals, a, b s c hrom tetszoleges vals. Mutassuk
meg, hogy egyetlen olyan legfljebb msodfok f polinom ltezik, melyre
f ( x ) = a, f (y) = b s f (z) = c.
Megolds. Legyen f : x 7 p + qx + rx2 , ahol p, q s r a polinom ismeretlen egytthati. Az f ( x ) = a, f (y) = b s f (z) = c egyenlosgek
267
268
lineris algebra
1
1
x
y
z
x2
p
a
y2 q = b
z2
r
c
kezdjk az talaktst:
1
1 x
1 x x 2
0
0
0
O2 xO1
O3 xO2
1 y y2 = 1 y y2 xy = 1 y x y2 xy
1 z x z2 xz
1 z z2 xz
1 z z2
1
1
y x y2 xy
y
=
(
y
x
)(
z
x
)
=
(
y
x
)
=
1
z x z2 xz
z x z2 xz
y
z
megoldhat, vagyis
egyetlen olyan polinom ltezik, mely a feltteleket teljesti.
2
E problma, s a benne szereplo determinns ltalnostsa a kvetkezo defincihoz vezet:
6.32. definci (Vandermonde-determinns). Az x1 , x2 ,. . . xn szmokhoz tartoz Vandermonde-determinnson a
1
1
...
1
x2
...
xn
x1
(6.3)
Vn ( x1 , x2 , . . . , xn ) = .
..
..
..
.
.
n 1
x
x2n1 . . . xnn1
1
determinnst vagy ennek
1
1
.
.
.
1
transzponltjt rtjk.
mtrixnak nevezzk.
x1
x2
..
.
xn
x12
x22
..
.
xn2
...
...
...
x1n1
x2n1
..
.
n
x n 1
Mivel egy determinns rtke megegyezik transzponltjnak rtkvel, ezrt a defincibeli kt determinns rtke is azonos, gy mindegy melyik alakot hasznljuk.
determinns
( x j x i ).
i< j
Bizonyts. A determinns utols oszlopval kezdve minden oszlopbl vonjuk ki az elozo oszlop x1 -szerest.
1 x 1 x 2 . . . x n 1
1
1
1 x2 x22 . . . x2n1
Vn ( x1 , x2 , . . . , xn ) = .
..
..
..
..
.
.
.
1 xn xn2 . . . xnn1
1
0
0
...
0
n
1
n
2
1 x2 x1 x22 x1 x2 . . . x2 x1 x2
= .
..
..
..
..
.
.
.
1 xn x1 xn2 x1 x2 . . . xnn1 x1 xnn2
ami az elso sora szerinti kifejts, majd minden sorbl kiemelve az elso
oszlopbeli elemet, a kvetkezo alakra vezet:
x2n1 x1 x2n2
..
.
n
1
n
2
. . . x n x1 x n
1 x2 x 2
2
1 x3 x32
= ( x2 x1 )( x3 x1 ) . . . ( xn x1 ) . .
..
..
..
.
1 xn xn2
x x
1
2
= ...
x n x1
x22 x1 x2
..
.
2
x n x1 x2
...
...
...
...
x2n2
x3n2
..
.
n
x n 2
= ( x2 x1 )( x3 x1 ) . . . ( xn x1 )Vn1 ( x2 , . . . , xn )
= ( x j x1 ) Vn1 ( x2 , . . . , xn ).
j >1
Eredmnyl egy rekurzv kpletet kaptunk, melyet nmagba helyettestve, s a V2 ( xn1 , xn ) = xn xn1 kpletet is flhasznlva a ttelbeli
sszefggsre jutunk.
2
269
270
lineris algebra
Feladatok
6.25. Melyek igazak az albbi lltsok kzl? (Az A itt
mindig ngyzetes mtrixot jell.)
1. A determinns folytonos fggvnye minden elemnek.
2. A determinns differencilhat fggvnye minden elemnek.
3. Ha egy determinns minden eleme racionlis szm, akkor rtke is racionlis.
4. Ha egy determinns minden sorban s minden oszlopban pontosan egy elem nem 0, akkor a determinns
rtke nem 0.
5. Ha egy mtrix kt kgy sszege, akkor determinnsa is
kt kgy determinnsnak sszege.
6. Ha i + j pratlan szm, akkor az elojeles Aij aldeterminns negatv.
7. Ha egy determinns minden eleme pozitv, akkor rtke
nem lehet negatv.
8. Mtrix inverze folytonos fggvnye minden elemnek.
0 1 0
a) 2 3 4
5 0 6
1 0 0 2
0 1 2 0
b)
0 2 1 0
2 0 0 1
1 0 2 0 0
0 2 0 0 1
c) 0 1 0 2 0
2 0 0 1 0
0 0 1 0 2
6.27. A determinns rtknek kiszmtsa nlkl mutassuk meg, hogy oszthat 30-cal:
igazoljuk, hogy
12
21
10
24
18
25
34
40
36
24
28
54
52
53
28
44
68
69
56
58
56
80
72 6= 0.
84
87
6.29. A 4-edrendu determinnsok 4! = 24 kgy determinnsnak sszegre bonthatk. Soroljuk fel kzlk azt a
12 darabot, melyet elemei szorzata utn 1-gyel kell szorozni! (A Sarrus-szably 4-edrendu determinnsra csak 8
kgybl llna, ezrt nem hasznlhat!)
Kifejtsi ttel
6.30. Tudjuk, hogy 504, 747 s 855 egyarnt oszthatk 9cel. Ezt flhasznlva, a determinns rtknek kiszmtsa
nlkl mutassuk meg, hogy az albbi determinns oszthat 9-cel:
5 0 4
7 4 7 .
8 5 5
6.31. Konstruljunk olyan nemnulla rtku determinnst,
melynek van olyan eleme, amelyet tetszolegesen vltoztatva a determinns rtke nem vltozik.
Blokkdeterminnsok
6.32. Szmtsuk ki az albbi determinnsok rtkt kihasznlva
blokkstruktrjukat!
1 2 3 4 5
1 2 3 4 5
0 4 0 0 0
5 4 3 2 1
b) 0 3 3 0 0
a) 0 0 1 0 0
0 2 2 2 0
0 0 2 2 0
0 0 3 3 3
0 1 1 1 1
6.33.
Szmtsuk ki az albbi determinnsok rtkt!
1
1
1 1
2 1 2 1
24 40 68
a)
4
1
4 1
27 15 31
8 1 8 1
51 55 53
1 3 9 27 81
1
2 4
8 16
b) 1
1 1
1
1
6.28. Az albbi lotttippekbol ll determinns ele1 2 4
8 16
1 1 1
meinek csak a paritst vizsglva minden szmols nlkl
1
1
determinns
1
1
c)
1
1
a
b
c
d+e
a2
b2
c2
2
d + e2
a3
b3
c3
d3 + e3
0
1
1
1
0
0
1
1
0
0
0
0
...
...
...
...
..
.
...
...
0
0
0
0
..
.
1
1
0
0
0
0
..
.
1
1
6.36. Legyen
an
1
0
Pn = 0
..
.
0
0
1
a n 1
1
0
..
.
0
0
0
1
a n 2
1
0
0
1
1
0
0
0
0
...
...
...
...
..
.
...
...
0
0
0
0
..
.
a2
1
0
0
0
0
..
.
1
a1
akj Akv = 0.
k =1
1
1
1
0
..
.
0
0
aik Auk = 0,
1
1
0
an = 0
..
.
0
0
271
a k 1 +
a k 2 +
1
..
a2 +
1
a1
Vegyes feladatok
6.37. Elrheto-e egyetlen elem megvltoztatsval, hogy
egy tetszoleges n n-es nem szingulris mtrix determinnsa 0-v vljon?
k =1
3x + 4y 2z = 11
3x 2y + 4z = 11
d) x + y
=1
x + 2y + z
=2
y + 2z + w = 3
z + 2w = 4
1 2 5 7
1 4 7
0 1 3 6
a) 2 4 6, a23 =?
b)
a =?
0 0 1 4 24
3 2 3
0 0 0 1
6.44. Hatrozzuk meg a megadott mtrixok inverzt a
klasszikus
adjunglt
kiszmolsval:
3 1 4
1 2 3
a) 7 2 7
b) 2 0 2
2 1 4
3 2 1
1 1 1 1
0 2 0 0
0 1 2 3
2 0 2 0
c)
d)
0 0 1 3
0 2 0 2
0 0 0 1
0 0 2 0
272
e) 0
0
0
0
g)
0
4
lineris algebra
0
b
0
1
0
0
0
0 (abc 6= 0)
c
0 0
0 2
3 0
0 0
"
1+i
i
2
1
0
0
f)
1
0
h)
0
0
i
i
sszefggst 2 2-es vagy 4 4-es formlis determinnsokra rjuk fl, vagyis mit ad eredmnyl az
3
2
1
0
4
3
2
1
Szmtsuk ki az albbi a
megadott
test
fltt
rtelmezett
mtrixok determinnst!
1 0 1 1
0 1 1 0
a)
, F2 , F3 , F5
1 1 0 0
1 1 1 1
3 2 3
b) 5 7 6, F11
2 7 2
6.47. Vletlen bitmtrix determinnsa Szmtsuk ki F2
fltti vletlen mtrixok determinnst! Egy F525 -beli
mtrix determinnsa mekkora valsznusggel
tulajdonsgokat, hanem az
eredmnynek a vektorokra val merolegessgt tarja meg.
1. Fogalmazzuk meg, hogy mit kapunk eredmnyl, ha a
vektori szorzsra vonatkoz formlis
i
j
k
a b = a1 a2 a3
b1 b2 b3
i
a1
j
a2
s az
e
1
a
1
b1
c1
e2
a2
b2
c2
e3
a3
b3
c3
e4
a4
b4
c4
kifejezs?
2. Igazoljuk, hogy az n-dimenzis
a1 = ( a11 , a12 , . . . , a1n ),
a2 = ( a21 , a22 , . . . , a2n ),
..
.
an1 = ( an1,1 , an1,2 , . . . , an1,n )
vektorok ltal kifesztett n 1-dimenzis paralelepipedon trfogata megegyezik az
e1
a
11
.
.
.
an1,1
e2
a12
..
.
an1,2
...
...
..
.
...
an1,n
en
a1n
..
.
determinns
Megoldsok
0
2 0
0 3 = 1
0
0 0
1. s 2., azutn
2
0
0
az
0 1 0 0
0 = 0 2 0 = 6
3 0 0 3
1. s 3., vgl az 1. s 5. sorokat
felcserlve:
0
0
0
0
5
0 0 0
0 1 0
0 0 2
0 0 0
5 0 0
1
0
0
0
0
0
0
0
4
0
0
0
3 =
0
0
5
3
0
0
=
0
0
0
0
0
0
0
2
0
0
0
0
0
0
4
0
0
0
0
0
5
0
1
0
0
0
0
0
2
0
0
0
1
0
0
0
0
0
0
4
0
2
0
0
0
0
0
0
0
4
0
273
0
0
3 =
0
0
0
0
0 = 120.
0
3
1, 1, 1.
24.
24.
Az elso sort cserljk fel az utolsval, a msodikat az
utols elottivel, . . . , gy b n2 c sorcsert hajtottunk vgre, teht a determinns rtke (1)bn/2c (itt b.c az
egszrsz-fggvnyt jelli). Ennek rtke 1, ha n = 4k
vagy n = 4k + 1, s 1, ha n = 4k + 2 vagy n = 4k + 3
valamilyen k termszetes szmra. Ms alakban kapjuk
meg az eredmnyt, ha csak szomszdos sorokat cserlnk: eloszr az elso sort visszk (szomszdos sorok
cserjvel) az utolsba, majd az eredeti determinns msodik sort az utols elottibe, . . . , azaz az albbi sorprok cserjt hajtjuk vgre:
(1, 2), (2, 3), (3, 4),. . . , (n 1, n),
(1, 2), (2, 3),. . . , (n 2, n 1),
...
(1, 2), (2, 3),
(1, 2).
n ( n 1)
Ez sszesen (n 1) + (n 2) + + 2 + 1 =
2
sorcsere. Minden sorcservel (1)-szeresre vltozik a
determinns rtke, gy a vgeredmny (1)n(n1)/2 .
Termszetesen e hatvny rtke is akkor 1, ha n = 4k
vagy 4k + 1, s akkor 1, ha n = 4k + 2 vagy 4k + 3.
(Ugyanilyen gondolatmenettel kimutathat, hogy ha
egy determinns mellktlja felett csupa 0 ll, akkor
a determinns rtke a mellktlbeli elemek szorzatnak (1)bn/2c -szerese vagy ms alakban (1)n(n1)/2 szerese.)
g) ld. az elozo pontot.
6.7.
a) Az elso sort kivonjuk a msodikbl
majd a msodikat a harmadikbl:
1 2 3 1 2 3 1
1 3 5 = 0 1 2 = 0
1 3 6 0 1 3 0
s a harmadikbl,
2
1
0
3
2 = 1.
1
274
lineris algebra
1
1
2
3
1
2
4
6
1 1
3 0
=
6 0
9 0
1
1
0
3
1
2
0
6
1
3
= 0.
0
9
kt azonos sora.
1
1
...
1
1 + x y
1 + x2 y2 . . . 1 + x2 yn
2 1
..
..
..
..
.
.
.
.
1 + x n y1 1 + x n y2 . . . 1 + x n y n
x1 y1
x1 y2
...
x1 yn
1 + x y
1 + x2 y2 . . . 1 + x2 yn
2 1
+
..
..
..
..
.
.
.
.
1 + x n y1 1 + x n y2 . . . 1 + x n y n
1
1
...
1
x y
2 1 x2 y2 . . . x2 y n
= .
..
..
..
.
..
.
.
x n y1 x n y2 . . . x n y n
x1 y1 x1 y2 . . . x1 y n
1
1
...
1
+ .
..
..
..
.
..
.
.
1
1
...
1
1 2
3
0 1
1
6 3
3 8
=
=
1 1 1 2
2
2 5
5
1 5
1
1
2
0 1
2
0 1
0
0
2
6 0
1
3 0
= 2
=
0 1 1 1
0 1 1 1
0
0
1
1 3
1
1 3
1 2 0 1
1 2
0 1
0 1 3 0
0 1
3 0
2
= 2
= 16. Rszle0 0 2 1
0 0
2 1
0 0 0 4
0 0 2 3
tezzk a megolds lpseit:
= 0.
1. lps: Cserljk ki az elso s msodik sort, hogy az
elso sor elso eleme 1 legyen, s gy ne kelljen trtekkel b) (1 an )n1 . Vonjuk ki az elso sor an1 -szerest a mszmolni. A determinns rtke (1)-szeresre vltosodik sorbl, an2 -szerest a harmadik sorbl, . . . , azik.
szorost az utols sorbl: gy a fotl alatt csak nullk
2. lps: Az elso sor (3)-, (1)- ill. (2)-szerest adjuk
lesznek, a determinns rtke.
a msodik, harmadik ill. negyedik sorhoz.
c) ( a + (n 1)b)( a b)n1 . Elso megolds: adjunk minden
3. lps: Hogy a msodik sor msodik eleme is 1 legyen,
sort az elsohz, emeljk ki a kzs a + (n 1)b rtemeljnk ki 2-t a msodik sorbl.
ket, majd e sor b-szerest vonjuk ki minden sorbl. M4. lps: A msodik sort ill. (1)-szerest adjuk a harsik megolds: az utols sorral kezdve mindegyik sorbl
madik ill. negyedik sorhoz.
vonjuk ki a fltte lvot, majd jobbrl kezdve mindegyik
5. lps: Adjuk a harmadik sort a negyedikhez. A deoszlopot adjuk a megelozohz.
terminns rtke 16.
6.9. Az eredmny 48. Megolds Sage-ben:
d) 144.
g = graphs.PetersenGraph()
6.8.
G = matrix(g)
a) n = 1 esetn 1 + x1 y1 , n = 2 esetn x1 y1 + x2 y2 x1 y2
G.det()
x2 y1 a determinns rtke. Ha n 3, akkor a deter6.12. Az A eloll PLU alakban, ahol P permutcis mtminns rtke 0. Ezt gy bizonytjuk, hogy eloszr a
rix, L als, U felso hromszgmtrix. Az L s az U hdeterminnst kt determinns sszegre bontjuk, majd
romszgmtrixok, gy determinnsuk megegyezik transzmindkettorl beltjuk, hogy rtkk 0. Az elso deterponltjuk determinnsval, hisz a fotlbeli elemek helyminns csupa 1-esbol ll elso sort kivonjuk az sszes
ben maradnak a transzponls sorn. A P permutcitbbi sorbl, az gy kapott determinns rtke pedig vas mtrix determinnsa 1 vagy 1, transzponltja pelban 0, hisz ha x2 = 0, akkor a msodik sor csupa
dig megegyezik inverzvel, gy det(I) = det(PP T ) =
0-bl ll, ha pedig x2 6= 0, akkor a msodik sornak
det(P) det(P T ) = 1, azaz P s P1 egyszerre 1 vagy
x3 /x2 -szerese egyenlo a harmadik sorral. A msodik
1, teht megegyeznek. Vgl det(A) = det(PLU) =
determinns rtke is 0, hiszen ha x1 = 0, akkor az elso
det(P) det(L) det(U), s det(A T ) = det((PLU) T ) =
sor csupa 0-bl ll, ha pedig x1 6= 0, akkor az elso sor
det(U T L T P T ) = det(U) det(L) det(P) sszevetse bizoxi /x1 -szerest kivonva az i-edik sorbl egy olyan denytja az lltst.
terminnst kapunk, amelyben a msodik sortl kezdve
minden sor 1-esekbol ll, teht a determinnsnak van 6.13. det(ESi +cSj ) = 1, det(ESi Sj ) = 1, det(EcSi ) = c.
8
2
1
5
6
0
1
1
determinns
n 1
1
6.14. Felhasznlva, hogy (nk) (n
k ) = ( k1 ), elvgezve az
ajnlott sor-, majd oszlopmuveleteket,
1
1
D = 1
..
.
1
1
0
= 0
..
.
0
0
(10)
(21)
..
.
n 1
( 0 )
(n1 )
..
.
n
2n3
(n
)
(
2
n 2 )
0
...
0
1
n 2
... ( 0 )
(0)
1
2
. . . (n
(1)
1 )
..
..
..
.
.
.
1
2n4
.
.
.
(nn
)
(
2
n 2 )
0 ...
0
0 ...
0
1 ...
0 = 1.
.. . .
..
.
.
.
0 . . . (0)
0
(20)
(31)
..
.
1
(nn
2)
0
(00)
(11)
..
.
2
(nn
2)
1
0
= = 0
..
.
0
0
1
0
..
.
0
...
...
...
..
.
...
275
( x12
x22 )(y21
+ y22 )
x
x2 y1
y2
1
=
x2 x1 y2 y1
x y x y
x1 y2 + x2 y1
1 1
2 2
=
x2 y1 x1 y2 x2 y2 + x1 y1
= ( x1 y1 x2 y2 )2 + ( x1 y2 + x2 y1 )2 .
A ngy illetve a nyolc ngyzet sszegre vonatkoz analg
sszefggsek hasonlan bizonythatak. (Hurwitz bebizonytotta, hogy ha n ngyzetszm sszegre igaz a feladatbelivel analg sszefggs, akkor n = 1, 2, 4 vagy 8.)
6.25. 1. Igaz. 2. Igaz. 3. Igaz. 4. Igaz. 5. Hamis. Mtrixok
sszegnek determinnsa ltalban nem egyenlo determinnsaik sszegvel (ld. a 6.26. feladatot). 6. Hamis. Egy
aldeterminns rtke brmilyen elojelu lehet, az elojeles aldeterminnst belole gy kapjuk, hogy pratlan i + j esetn
megszorozzuk 1-gyel. 7. Hamis. 8. Hamis. Csak azokon
a helyeken folytonos fggvnye a mtrix elemeinek, ahol a
determinnsa nem 0.
6.26.
0 1 0
0 1 0
0 1 0
a) 2 3 4 = 0 0 4 + 2 0 0 = 8
5 0 6
5 0 0
0 0 6
0 0 0 2
1 0 0 0
1 0 0 2
0 0 2 0
0 1 0 0
0 1 2 0
b)
+
=
+
0 2 0 0
0 2 1 0
0 0 1 0
2 0 0 0
2 0 0 1
0 0 0 1
1 0 0 0 0 0 0 2
0 0 2 0 0 1 0 0
= 1 + 16 4 4 = 9
+
0 2 0 0 0 0 1 0
0 0 0 1 2 0 0 0
276
1
0
c) 0
2
0
lineris algebra
0 1
1 0
0 = 0
0 0
2 0
0 0
1 0
0 + 0
0 2
0 0
0 6.32.
0 a) 6 6 = 36, mert a blokkmtrixok determinnsra vo
0
natkoz ttel szerint a bal felso 2 2-es s a jobb als
0
3
3-as determinnsok szorzata adja az eredmnyt.
2 b) 24, mert a bal felso 1 1-es s a jobb als 4 4-es determinnsok rtke 1, illetve 24, s ezek szorzata 24. Msik
6.27. Az elso sor minden eleme pros, az elso oszlop minmegoldshoz jutunk, ha a determinnst az elso oszlopa,
den eleme oszthat 3-mal, a msodik oszlop minden eleme
az egyetlen kiszmtand aldeterminnst az elso sora. . .
oszthat 5-tel, teht minden kgy oszthat 2 3 5 = 30-cal,
szerint fejtjk ki.
gy az sszegk is.
0
2
1
0
0
2
0
0
0
1
0
0
2
1
0
0
0
1
0
0
0
0
0
0
1
0
0
0
1
0
0
2
0
0
0
2
0
0
0
0
0
0
2
0
0
6.33.
a) A determinns a 2, 1, 2, 1 szmokbl kpezett
Vandermonde-determinns, gy rtke: (1 2)(2
2)(1 2)(2 (1))(1 (1))(1 (2)) = 72.
b) Vandermonde-determinns; rtke 2880.
6.29. Megadjuk, hogy melyik sorban hnyadik elem lesz a
c) A determinns kt Vandermonde-determinns sszegkgyba vlasztva. A 12 kgy: 1243, 1324, 1432, 2134, 2341,
re bomlik:
2413, 3142, 3214, 3421, 4123, 4231, 4312. Ezek alapjn a 12
1 a a2 a3 1 a a2 a3
determinns a kgy elemeit ngyzettel jellve:
1 b b2 b3 1 b b2 b3
0 0 0 0 0 0 0 0 0
+
1 c c2 c3 1 c c2 c3
0
0
0
0
0
0
0
0
0
1 d d2 d3 1 e e2 e3
0 0 0 0 0 0 0 0 0
= (b a)(c a)(c b)
0 0 0 0 0 0 0 0 0
[(d a)(d b)(d c) + (e a)(e b)(e c)] .
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
6.34. Ha pqrs 6= 0, akkor szorozzuk be az elso sort p 0 0 0 0 0 0 0 0 0
vel, a msodikat q-val, a harmadikat r-rel, a negyediket
0 0 0 0 0 0 0 0 0
s-sel, majd a negyedik oszlopbl emeljnk ki pqrs-t; gy
0 0 0 0 0 0 0 0 0
egy
Vandermonde-determinnst kapunk:
0 0 0 0 0 0 0 0 0
p3 p2 p 1
0 0 0 0 0 0 0 0 0
pqrs q3 q2 q 1
0 0 0 0 0 0 0 0 0
D=
pqrs r3 r2 r 1
0 0 0 0 0 0 0 0 0
3
2
s
s
s 1
0 0 0 0 0 0 0 0 0
= (q p)(r p)(s p)(r q)(s q)(s r ).
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
Ha pqrs = 0, pldul s = 0, akkor az eredeti determinns
6.28. Csak egyetlen kgy ll csupa pratlan szmbl, gy
a kgyk sszegre bontsnl csak annak determinnsa pratlan, a tbbi pros, sszegk teht pratlan, vagyis nem
lehet 0.
determinns
277
1 1 1
A32 = (1)3+2 0 2 3 = 2.
0 0 1
Hasonlan kiszmolva a tbbit is kapjuk, hogy
1
1
A 1 =
1
1
0
1
2
3
0
0
1
3
T
0
1
0
0
=
0
0
1
0
1
1
0
0
1
2
1
0
1
3
3
1
1 8 0 0
0 12 0 0
0
6.44.
A 1 =
=
1.
8 0 0 0
16 0 0 0
a) Az elojeles aldeterminnsok mtrixnak transzponltja:
2
8 0 8
0
12 0 21
0
7 7
7 2 T
2 7
1 4
2 4
2 1
1
0
1
3 4
3 1
1 4
e) Az inverz
=
4 49
1 4
42
2 4
2
1
3
3
1
4
1
11 1
13
1 4
0
0
bc 0
0
a
2 7
7 7 7 2
1
0
0 ac 0 = 0 1b
abc
1
Mivel a mtrix determinnsa 1, ezrt inverze megegye0
0 ab
0 0 c ],
zik az elojeles aldeterminnsok elobb kiszmolt mtriha abc 6= 0. Az abc = 0 esetben a mtrix nem invertlxval.
hat.
b) Az elojeles aldeterminnsok mtrixnak transzponltja:
"
#
1
1
T
f)
.
2 2
0 2
2 0
1 1 i
3 2
4 4
4
3 1
2 1
1 3
1 2
2 3
=
0
0
0
1/4
8 4 .
2 1
4
3 1
3
2
1
1 3
1 2
0
0
0
4
4
4
2 3
g) Az inverz
0 2
2 0
2 2
0
1/3
0
0
0 1/2
0
0
Mivel a mtrix determinnsa 16, ezrt az inverz mtrix
1 2
1
0
1
1
1
0
1 2
1
1
h)
1 .
1 2
0
1 2
0
4
1
1 1
0
0
0
1
n
akj Akv =
det A,
ha j = v,
278
lineris algebra
ha az egszek fltt szmolunk, s annak maradkait tekintjk. Valban, az egszek fltt 1 a determinns, s 1 mod 2 = 1, 1 mod 3 = 2, 1 mod 5 = 4.
b) 5. Legegyszerubb,
lesz 0.
6.48. 3.
Ha a megadott n 1 darab vektort a1 =
( a11 , a12 , . . . , a1n ),. . . , an1 = ( an1,1 , an1,2 , . . . , an1,n ) jelli, akkor az a formula, amiben van 1-hatvny, az eddigiek alapjn a kvetkezo:
e1
e2
...
en
a
a12
...
a1n
11
(1)n1 .
..
..
..
.
..
.
.
an1,1 an1,2 . . . an1,n
Ennek knnyu olyan vltozatt kitallni, melyben eltunik
7
Mtrixlekpezsek s geometrijuk
Minden A mtrixhoz tartozik egy x 7 Ax lekpezs. E lekpezsek pp egybeesnek a lineris kombincit megtart lekpezsekkel,
melyeket lineris lekpezseknek neveznk. Lineris lekpezs vgtelen dimenzis terek kztt is rtelmezheto, gy e fogalom a mtrix
ltalnostsnak is tekintheto. A legfontosabb lineris lekpezsek
vetts, forgats szemlletes, geometriai megkzeltst knlnak.
mtrixlekpezsen az x 7 Ax lekpezst rtjk, ahol A egy mtrix. Pldul egy m n-es A Rmn
mtrixhoz gy egy Rn Rm lekpezs tartozik, ugyanis ha x Rn s
y = Ax, akkor y Rm . A mtrixok jellsre flkvr betuket
Ker( A) = N (A).
280
lineris algebra
7.1. plda (Vektori szorzssal definilt mtrixlekpezs). Legyen a = ( a1 , a2 , a3 ) egy adott R3 -beli vektor. Legyen A az a transzformci, mely a tr tetszoleges x vektorhoz az a x vektort rendeli. Teht
A : R3 R3 : x 7 a x.
Mutassuk meg, hogy az A fggvny egy mtrixlekpezs, azaz ltezik egy
olyan A mtrix, hogy A(x) = Ax.
Megolds. Az a x vektori szorzat koordints alakban:
a1
x1
a2 x3 a3 x2
y = a x = a2 x2 = a3 x1 a1 x3 .
a3
x3
a1 x2 a2 x1
Az eredmnybol azonnal ltszik, hogy e transzformci mtrixlekpezs, hisz y minden koordintja x koordintinak lineris kifejezse. A
szorzatot x koordinti szerint rendezzk, ahonnan azonnal leolvashat a transzformci mtrixa, amit a tovbbiakban [a] jell. Segtsgvel flrhat a transzformci mtrixszorzatos alakja:
x1
0 a3
a2
a3 x2 + a2 x3
a x = a3 x1
0 a1 x2 .
a1 x3 = a3
x3
a2
a1
0
a2 x1 + a1 x2
Teht
[ a ] = a3
a2
a3
a2
0 a1 .
a1
0
(7.1)
2
Muveletek
s a mtrixmuveletek
kztt! Pldul ha
az A s B mtrixhoz tartoz lekpezs A s B (azaz A : x 7 Ax s
B : x 7 Bx), akkor igaz-e, hogy ( A + B)(x) = (A + B)x, azaz hogy
A + B-hez az A + B lekpezs tartozik.
mtrixlekpezsek s geometrijuk
tulajdonsgaibl kvetkeznek. Ott, ahol valamelyik mtrixazonossgot hasznljuk, az ekvivalencit kimond nyl fl M-betut
runk, ahol pedig a fggvnyek
kzti muveleti
(A + B)x = Cx.
F
cAx = Cx
M
281
282
lineris algebra
(7.2)
h
i
x2
= Ax
Teht valban ltezik olyan A mtrix, hogy Ax = Ax. Radsul ilyen
mtrix csak ez az egy van, mert brmely ei bzisvektorra s brmely
A mtrixra Aei = Ai , teht az Ai oszlopvektor csak Aei lehet.
2
I A c) pont csak kt vektor lineris kombincijrl szl, de ebbol
mtrixlekpezsek s geometrijuk
szemlltetshez elg
csak az egysgngyzet kpnek megrajzolsa, amint azt a 7.2 bra mutatja. A kp mindig egy parallelogramma (esetleg elfajul), melynek
krljrst is jellni kell valahogy. Ezt az brn az oldalak klnbzo
sznezse megteszi. A parallelogramma terlete a determinns abszolt rtkt adja. Segti az brzolst, ha nem csak az egysgngyzetet,
hanem az egysgngyzetrcs egy rsznek kpe is meg van rajzolva.
Ez egy parallelogrammarcs. Ennek segtsgvel egy tetszoleges vektor kpnek megszerkesztse egyszeru,
hisz a lineris lekpezs megtartja a lineris kombincit (ld. 7.2 bra).
283
a)
b)
c)
4
4 ,
4
4 .
A = 43 45 , B = 45 43 , C =
D=
34 54
54 34
4
4
4
4
A rcs kpt hasznlva brzoljuk az (1, 2) vektor kpt mind a ngy esetben
s hatrozzuk meg a determinns elojelt.
Megolds. Vilgos, hogy itt ngy klnbzo mtrixrl, gy ngy klnbzo mtrixlekpezsrol van sz, a rcsok mgis azonosak, hisz
mindegyiket az ( 54 , 34 ) s a ( 34 , 45 ) vektor (vagy 1-szerese) feszti ki. A
klnbsg abban van, hogy az egysgngyzet kpe s annak krljrsa nem azonos. Az albbi brrl leolvashatk a klnbsgek.
Az egysgngyzet krljrsbl leolvashat a determinns elojele
is. Mivel a determinnsok abszolt rtke mindegyik esetben 1, gy az
elojel ismeretben a determinns is megadhat: det(A) = det(D) = 1,
det(B) = det(C) = 1.
2
Egy msik brzolsi lehetosg mg fontosabb lehet ennl. Mivel a
284
lineris algebra
Ax
Bx
Cx
Dx
mtrixlekpezs homogn, azaz egy vektor c-szereshez a vektor kpnek c-szerest rendeli, ezrt elg minden irnybl egyetlen vektor, pldul az egysgvektor kpnek megszerkesztse. Hogy a kp ttekintheto legyen, helyvektorok helyett csak az o ket reprezentl pontokat
tekintjk, s az egysgkr sszes pontja helyett csak nhnyat (pl. 50
100-at). Mivel a kr lineris lekpezs ltali kpe mindig egy ellipszis
(esetleg elfajul), ezrt a lekpezs szemlltetshez elg sszektni az
egysgkrn kivlasztott pontot a kpvel ahhoz, hogy nagyjbl a sk
brmelyik vektornak lssuk, hogy mi a kpe. Az gy kialakul bra
sokat elmond a lekpezsrol. Ezt mutatja a 7.4 bra, ahol a 65 -os
irnyhoz tartoz x egysgvektort s Ax kpt kln berajzoltuk, s azt
is megmutattuk, hogy pl. hogyan kaphat meg 2x kpe.
Ax
x
2Ax
2x
3/4
7.4. bra: Az A = [ 5/4
3/4 5/4 ] mtrix hatst szemllteti oly mdon, hogy az egysgkr nhny pontjt sszekti a kpkkel. Az brn egy egysgnyi x vektort s Ax kpt, valamint a 2x vektort s
kpt a A(2x) = 2Ax vektort kiemeltk.
5
4
3
4
3
4
5
4
"
#
B=
3
4
5
4
5
4
3
4
"
45
C=
43
3
4
5
4
"
43
D=
54
5
4
3
4
Megolds. A megolds leolvashat a 7.6 brrl. Az bra elso sorban lthat kpeken az (1, 0) s (0, 1) vektorok vgpontjbl indul s
a lekpezs ltali kpkbe vezeto vonalak kiemelsvel jeleztk az elso
krdsre adand vlaszt.
A msodik krdsben olyan vonalakat keresnk, melyek a kr kzppontja fel mutatnak (mirt?). Ide tartozik az az eset is, amikor
egy egysgvektor kpe nmaga, mert az sajt maga 1-szerese. Ekkor
azonban a kt pontot sszekto vonal nem ltszik. Hogy a msodik
krdsre adand vlasz vilgos legyen, a vektorokat is berajzoltuk, az
mtrixlekpezsek s geometrijuk
285
Rn
Rm
lekpezst szeretnnk szemlltetni. Ehhez a levldiagramot hvjuk segtsgl. Itt elsoknt a kpteret s a magteret tudjuk szemlltetni, amint azt a 7.7. bra
mutatja.
Rn
Rm
(homogn), s
(additv).
Im( A)
Ker( A)
0
286
lineris algebra
7.8. plda (A derivls s az integrls lineris lekpezs). Legyen H1 az egyvltozs vals, s minden vals helyen differencilhat fggvnyek halmaza, H2 pedig az egyvltozs vals fggvnyek halmaza. Vilgos, hogy H1 s H2 is olyan halmaz, melynek elemei kzt rtelmezve
van az sszeads s a skalrral val szorzs muvelete.
A derivls, azaz
a D : H1 H2 : f 7 D ( f ) = f 0 lekpezs lineris. Fogalmazzunk meg
hasonl lltst az integrlra is.
Megolds. Tetszoleges c R skalrra s f , g H1 fggvnyre
D (c f ) = (c f )0 = c f 0 = cD ( f ), s
D ( f + g ) = ( f + g ) 0 = f 0 + g 0 = D ( f ) + D ( g ).
Hasonl sszefggsek llnak fnn az integrlokra is, pldul legyen
H1 a [0, 1] intervallumon Riemann-integrlhat fggvnyek halmaza,
R1
s legyen H2 = R. Ekkor az f 7 0 f lekpezs lineris, ugyanis
tetszoleges c R skalrra s tetszoleges f , g H1 fggvnyre
Z 1
0
cf = c
Z 1
0
f , s
Z 1
0
( f + g) =
Z 1
0
f+
Z 1
0
a+b
g.
2
2a
7.9. llts (Skbeli forgats, tkrzs, vetts). A skbeli vektorok egy rgztett O pont krli forgatsa, egy egyenesre val tkrzse s
meroleges vettse lineris lekpezs.
Bizonyts. A precz bizonytsokat mellozk, csak a tnyt szemlltetjk. A skbeli vektorok pont krli forgatsa lineris lekpezs,
ugyanis knnyen lthat, hogy egy vektor c-szeresnek (c R) elforgatottja megegyezik a vektor elforgatottjnak c-szeresvel, valamint
hogy kt vektor sszegnek elforgatottja megegyezik a vektorok elforgatottjainak sszegvel (ld. 7.8. bra).
Hasonlan egyszeruen
a
7.8. bra: A pont krli elforgats lineris lekpezs
a+b
2a
a
Most visszatrnk a a 7.4. ttelhez, melynek bizonytsban megkonstrultuk egy lineris Rn Rm lekpezs mtrixt.
7.10. kvetkezmny (Lineris lekpezs mtrixa). Jellje L az L :
Rn Rm lekpezs standard bzisbeli mtrixt. Ekkor
L = [ Le1 | Le2 | . . . | Len ],
ahol e1 , e2 ,. . . , en a standard bzis vektorai. Eszerint egy tetszoleges x
Rn vektorra L(x) = Lx.
2a
a
mtrixlekpezsek s geometrijuk
" #
xy
1
1
1 1 " #
x
x
L
= 2x + y = x 2 + y 1 = 2
,
1
y
y
x
1
0
1
0
ami igazolja, hogy L mtrixlekpezs, s mtrixa
1 1
L= 2
1 .
1
0
287
288
lineris algebra
= cL( x, y).
L additv, ugyanis
L(( x1 , y1 ) + ( x2 , y2 )) = L( x1 + x2 , y1 + y2 )
= ( x1 + x2 y1 y2 , 2x1 + 2x2 + y1 + y2 , x1 x2 )
= ( x1 y1 , 2x1 + y1 , x1 ) + ( x2 y2 , 2x2 + y2 , x2 )
= L ( x1 , y1 ) + L ( x2 , y2 )
Az L mtrixa pedig felrhat a bzisvektorok kpe segtsgvel:
L(1, 0) = (1, 2, 1),
1 1
L= 2
1 .
1
0
Az L(x) = Lx ellenorzse:
Lx = 2
1
xy
1 " #
x
= 2x + y .
1
y
x
0
Lineris lekpezsek alaptulajdonsgai A lineris lekpezsek legfontosabb tulajdonsga, hogy alteret altrbe visz, gy specilisan a zrusvektort a zrusvektorba.
7.12. ttel (Lineris lekpezsek alaptulajdonsgai). Legyen A :
Rn Rm egy tetszoleges lineris lekpezs. Ekkor
a) A0 = 0,
b) tetszoleges altr kpe altr,
c) tetszoleges eltolt altr kpe eltolt altr.
Bizonyts. A bizonytsokat a lineris lekpezs defincijbl vezetjk le. a) igaz, mert brmely x vektorra A0 = A(0x) = 0A(x) = 0.
b) abbl kvetkezik, hogy ha b1 ,. . . , bk egy U altr bzisa, akkor ezek
sszes lineris kombincijnak, vagyis az altr vektorainak kpe
A ( c1 b1 + . . . + c k b k ) = c1 A ( b1 ) + . . . + c k A ( b k ).
mtrixlekpezsek s geometrijuk
289
Vilgos, hogy e vektorok kiadjk az Ab1 ,. . . , Abk vektorok ltal kifesztett altr minden vektort, teht A(U ) altr. Hasonlan c)-ben, ha
u Rn egy tetszoleges vektor s U a fenti altr, akkor
A ( u + U ) = A ( u + c1 b1 + . . . + c k b k )
= A ( u ) + c1 A ( b1 ) + . . . + c k A ( b k )
= A(u) + A(U )
[x]B
LB
[ Lx]B
CBA
[x]A
CBA
LA
[ Lx]A
[x]B
LB
[ Lx]B
LB [x]B = [ Lx]B .
A bizonyts s ltalban e mtrixok kzti sszefggs egy diagrammon is szemlltetheto. A diagramm cscsaiban az x s az Lx
vektorok szerepelnek. A fggoleges nyilak az A bzisrl a B -re val
ttrs irnyt mutatjk. Ebbe az irnyba lpve az eredmny a CBA
mtrixszal val szorzssal kaphat meg. A vzszintes nyilak az L lekpezs hatst mutatjk. Ezirnyba lpve az LA , illetve LB mtrixszal
val szorzs adja meg az eredmnyt. A bal als sarokban lvo [x]A
vektorbl a jobb felsoben lvo [ Lx]B vektorba ktflekpp juthatunk:
vagy eloszr hat az L lekpezs, aztn ttrnk a B bzisra, vagy elobb
ttrnk a B bzisra, s azutn hat L. Teht
CBA
[x]A
CAB =
LA
1
C
BA
[ Lx]A
290
lineris algebra
kocka egy lapon lvo 3 cscst ciklikusan flcserli egymssal (a jobb felsot
sarokban lvot a bal sarokba, azt a kzpsobe viszi), az sszes tbbit helyben
hagyja. Mit tegynk ha 3 nem egy lapon
lvo cscsot kell ciklikusan flcserlni?
LB =
1
C
E B LE CE B
2 3
=
1 2
# 1 "
1 6
2 6
#"
# "
#
2 3
2 0
=
.
1 2
0 3
7.15. definci (Hasonlsg). Azt mondjuk, hogy az n n-es A mtrix hasonl a B mtrixhoz, ha ltezik olyan invertlhat C mtrix, hogy
B = C1 AC.
(7.3)
Jells: A B.
I Ha A hasonl B-hez, akkor B is hasonl A-hoz. Legyen ugyanis
C 1
= C1 . Akkor
C
1 BC.
mtrixlekpezsek s geometrijuk
291
64
I Pldul [ 00 10 ] [
9 6 ], ugyanis
"
# "
#"
#"
#
6 4
2 1 0 1 2
1
=
,
9 6
3 2 0 0
3 2
"
2
1
C=
3 2
#!
.
amit mg egyszerubb
A latin eredetu invarins sz jelentse: talakuls kzben vltozatlanul marad. Matematikban valamilyen muvelet,
292
lineris algebra
a
c
b
d
#"
"
p
q
p+x
q
ap + bq
cp + dq
p
q+y
#
p+x
=
q+y
ap + ax + bq
cp + cx + dq
ap + bq + by
cp + dq + dy
ap + ax + bq + by
cp + cx + dq + dy
Az R 2 tartomnyai terletnek
definilsra a matematika tbb megkzeltst is ismer. Kettot vzolunk.
Mindketto kzs kiindulsi pontja, hogy
az [ a, b ] [ c, d ] tglalap terlete ( b
a )( d c ) , s mindkt esetben csak a tengelyekkel prhuzamos helyzetu tglalapokat hasznlunk.
Egy skbeli T halmazhoz vegynk
vges sok kzs belso pont nlkli tglalapot, melyek egyestse lefedi T-t. E
fedo tglalaprendszer terlete legyen a
tglalapok terleteinek sszege. Azt
mondjuk, hogy T klso Jordan-mrtke
a tartomnyt lefedo tglalaprendszerek
terleteinek infimuma. Hasonlan, a Tbe rt kzs belso pont nlkli tglalaprendszerek terleteinek szuprmumt T
belso Jordan-mrtknek nevezzk. T
Jordan-mrheto, ha belso s klso Jordanmrtke megegyezik, s e kzs rtk T
Jordan-mrtke.
A Lebesgue-mrtk definilshoz olyan fedo tglalaprendszereket vesznk, melyek megszmllhat (teht
akr vgtelen) elemszmak, s ezekhez
a tglalapjaik terletsszegt rendeljk.
A T halmazt fedo sszes tglalaprendszerhez ilyen mdon rendelt szmok infimumt a T klso mrtknek nevezzk
s ( T ) -vel jelljk. A T-t Lebesguemrhetonek nevezzk, ha brmely skbeli
H halmazra
( H ) = ( H T ) + ( H \ T ).
Egy Jordan-mrheto T tartomny
Lebesgue-mrheto is, s e kt mrtk
ekkor megegyezik. Viszont pldul az
egysgngyzet racionlis koordintj
pontjainak halmaza nem Jordanmrheto, mert belso mrtke 0, klso
mrtke 1, viszont Lebesgue-mrheto,
mrtke 0.
mtrixlekpezsek s geometrijuk
293
7.18. ttel (Tartomny mrtknek vltozsa lineris transzformciban). Ha T Rn egy tartomny, melynek m( T ) a mrtke,
s L : Rn Rn egy lineris lekpezs, akkor az L( T ) tartomnynak van
mrtke, s az m( T ) det( L).
Tbbvltozs fggvnyek differencilsa* Az Rn -bol Rm -be kpzo lineris lekpezsek egy igen fontos alkalmazsa a vektor-vektor fggvnyek differencilhatsgnak fogalma.
A differencilhatsg szoksos defincija a kvetkezo: azt mondjuk, hogy az f : R R fggvny differencilhat az x helyen, ha ltezik
a
D = lim
h 0
f ( x + h) f ( x )
h
(7.4)
a megfogalmazst, a differencilhatsg azt jelenti, hogy a fggvny jl kzeltheto egy R R lineris lekpezssel, hisz a dx 7 Ddx lekpezs
ilyen (ld. a 7.10. ttel utni megjegyzst az R R lineris transzformcikrl).
A jl kzelts szemlletesen azt jelenti, hogy az f grafikonjra
zoomolva, azaz azt folyamatosan nagytva a grafikon kiegyenesedni
ltszik. Ez az az egyenes, melyet a grafikon rintojnek neveznk, s
amelynek dy = Ddx az egyenlete az j koordintarendszerben.
Ez a definci ekvivalens mdon tfogalmazhat: azt mondjuk, hogy
az f : R R fggvny differencilhat az x helyen, ha van olyan D
szm, hogy
f ( x + h) f ( x ) Dh
lim
= 0.
(7.5)
h
h 0
Ez utbbi alak azzal az elonnyel is jr, hogy knnyen ltalnosthat.
Az ltalnosts legfobb nehzsge az, hogy a vektorral val oszts
nem definilhat megfeleloen, ezrt e formuln mg egy apr, de mg
mindig ekvivalens vltoztatst tesznk: nem h-val, hanem annak abszolt rtkvel osztunk.
lim
h 0
f ( x + h) f ( x ) Dh
= 0.
|h|
y
dy
dy
y
dx
x
x + dx
7.15. bra: A dx s dy koordintatengelyeket s a dy = Ddx fggvny grafikonjt sznezssel kiemeltk. Az bra egyttal a y dy kapcsolatot is szemllteti.
294
lineris algebra
h0
f1
f1
1
x1 ( x )
x2 ( x ) . . .
xn ( x )
f2
Df,x =
(x) = .
..
..
..
..
( x1 , x2 , . . . , x n )
.
.
.
fm
fm
fm
(
x
)
(
x
)
.
.
.
(
x
)
x
x
xn
1
Bizonyts. Ha f differencilhat, akkor a defincibeli hatrrtk akkor is fnnll, ha h specilis mdon tart a nullvektorhoz, pldul ha
h = te j , s t 0. Ekkor
lim
t 0
f i (x + te j ) f i (x)
f
= ei0 Df,x e j , azaz ei0 Df,x e j = i (x).
t
x j
Ez bizonytja lltsunkat.
mtrixlekpezsek s geometrijuk
295
lrrtku fggvnyek esetn az egyetlen sorbl ll Jacobi-mtrix helyett annak vektoralakjt hasznljk, melyet gradiensvektornak neveznek, s f -fel jellnek.
I Hasonlkpp, mivel az R Rn fggvnyek Jacobi-mtrixa egyetlen oszlopbl ll, gyakran hasznljk annak vektoralakjt. Ha pldul
egy r : R R3 ; t 7 r(t) fggvny a trben mozg trgy mozgst az
ido fggvnyben rja le, e vektor pp a mozgs sebessgvektora.
I Ha az f : Rn Rn fggvny differencilhat, a derivltlekpezs
lineris transzformci, melynek van determinnsa. A det( Df,x ) determinns egyik fontos s a tbbvltozs integrlok helyettestsben
kihasznlt jelentse az, hogy az x hely kis krnyezetben egy kicsiny mrtku T tartomny kpnek mrtke kzeltoleg det( Df,x )szerese a T mrtknek. A det( Df,x ) determinnst, illetve mtrixnak,
a Jacobi-mtrixnak determinnst Jacobi-determinnsnak nevezzk.
(1, 1)
7.21. plda (Jacobi-mtrix kiszmtsa). Hatrozzuk meg az albbi fggvnyek egy ltalnos ponthoz s a megadott ponthoz tartoz Jacobimtrixt, s ahol lehet, a Jacobi-determinnst!
a) f ( x, y) = x2 y xy3 + 1, ( x, y) = (0, 1).
b) f( x, y) = ( x3 /2 + y3 /8, x + y), ( x, y) = (1, 1).
c) r(t) = (t3 , t2 , t), t = 2.
d) f( x1 , x2 , x3 ) = (2x1 + 3x2 , x1 x2 x3 ), ( x1 , x2 , x3 ) = (1, 2, 0).
f ( x, y) = (2xy y3 , x2 3xy2 ).
Ennek rtke a (0, 1) helyen f (0, 1) = (1, 0), illetve a Jacobi-mtrix
e helyen [1 0]. E mtrix nem ngyzetes, gy a Jacobi-determinns
nincs rtelmezve.
b) Az f( x, y) = ( x3 /2 + y3 /8, x + y) fggvny Jacobi-mtrixa s
annak rtke a megadott ( x, y) = (1, 1) pontban
#
"
#
"
32 x2 83 y2
32 38
, illetve
.
1
1
1
1
dx = dy = 0.2
296
lineris algebra
mtrixlekpezsek s geometrijuk
(7.6)
#
0.05
= 1.05,
0.1
mtrixjellssel
illetve
( f 1 , f 2 , . . . , f m )
( g1 , g2 , . . . , g k )
( f 1 , f 2 , . . . , f m )
(x) =
(g(x))
(x)
( x1 , x2 , . . . , x n )
( u1 , u2 , . . . , u k )
( x1 , x2 , . . . , x n )
297
298
lineris algebra
a) f : ( x, y) 7 x2 y, g : u 7 (u2 + u, u 1), u = 1.
b) f : R R2 ; x 7 ( x2 , x 1), g : R2 R; (u, v) 7 x = u2 v,
(u, v) = (1, 2).
c) f( x, y) = ( xy2 1, x y), g(u, v) = (u + 1, u v), (u, v) = (0, 1).
Megolds. Az a) esetben az f -hez, illetve g-hez tartoz lncszably
ltalnos alakja
h
df
= xf
du
f
y
"
dg1
du
dg2
du
f dg2
f dg1
+
,
x du
y du
"
i
g(1)=(2,0)
2u + 1
1
#
,
u =1
" #
i 3
= 11.
1
1
Ugyanezt az eredmnyt kapjuk, ha a derivls elott elvgezzk a helyettestst: ( f g)(u) = (u2 + u)2 (u 1) = u4 + 2u3 + u2 u + 1,
ennek u szerinti derivltja 4u3 + 6u2 + 2u 1, s ennek rtke az u = 1
helyen 11.
A b) esetben f : R R2 , g : R2 R, gy f g : R2 R2 , s
"
f1
u
f2
u
f1
v
f2
v
"
d f1
dx
d f2
dx
g
u
g
v
"
d f1
dx
d f2
dx
d f1
dx
d f2
dx
g
u
g
u
g
v
g
v
2x
1
u2
2uv
x = g(1,2)=2
i
u=1,v=2
" #
4 h
=
4
1
"
16 4
1 =
4 1
i
Behelyettests utn a fggvny (u, v) 7 (u4 v2 , u2 v 1), aminek derivltja az (u, v) = (1, 2) helyen
"
4u3 v2
2uv
2u4 v
u2
"
(1,2)
16
=
4
#
4
,
1
f1
u
f2
u
f1
v
f2
v
"f
x
f2
x
f 1 # " g1
y
u
f2
g2
y
u
g1
v
g2
v
#
.
mtrixlekpezsek s geometrijuk
2
1
0
1
u
v
=
=
=
f2
f2
1
1
1
1
1
1
1
1
0
u
v
(0,1)
(1,1)
(0,1)
Itt flhasznltuk, hogy g(0, 1) = (1, 1). Ha a derivls elott elvgezzk a fggvnyek kompozcijt, akkor ugyanerre az eredmnyre
jutunk, ugyanis
(f(g(u, v)) = (u + 1)(u v)2 1, v + 1) ,
aminek a derivltmtrixa
"
(u v)2 + 2(u + 1)(u v)
0
2(u + 1)(u v)
1
"
(0,1)
#
1 2
=
.
0 1
#
2
.
1
299
300
lineris algebra
Feladatok
Lineris lekpezsek
Dntsk el, hogy az albbi lekpezsek lineris lekpezsek-e!
Mtrixlekpezsek
Dntsk el, hogy az albbi lekpezsek mtrixlekpezsek-e! Amelyik igen, annak rjuk fel a mtrixt! Legyen a = ( a1 , a2 , a3 ) egy
tetszoleges vektor.
7.1. A : x 7 a x,
7.2. A : x 7 a + x,
7.3. A : x 7 21 (a x),
7.4. A : x 7 a(a x).
mtrixlekpezsek s geometrijuk
301
A = Ai
"
sin
cos
cos
Aj =
sin
i
sin
Teht egy x vektor szggel val elforgatottja Ax = [ cos
sin cos ] x.
cos 3
sin 3
sin 3
cos 3
#" # "
1
2
= 23
2
2
3
2
1
2
#" # "
#
2
1 3
=
1+ 3
2
( sin , cos )
(cos , sin )
x
7.18. bra: Az i s j vektorok szggel
val elforgatottjai
302
lineris algebra
# " # "
#
1 3
2
3 3
+
=
1+ 3
1
2+ 3
cos
sin ,
0
0
1 7
0
sin
cos ,
0
0
0 7
1
0
0.
1
cos
sin
0
sin 0
cos 0
0
1
0
0
0
cos
sin
sin ,
cos
cos
0
sin
0 sin
1
0 .
0 cos
(7.7)
(7.8)
mtrixlekpezsek s geometrijuk
303
xe
Rx = Rxu + Rx1
x2
1 (1, 0, 2)
5
0
1
[ e ] = 1
5
0
egysgvektorral
1 0
0 2 ,
2
0
1 0
2
1
[e]2 = 0 5 0
5
2
0 4
Rx1
x1
304
lineris algebra
14/15 1/3
2/15
14
1
1
2
2
= /3
/3 /3 =
5
15
2/15
2/3
11/15
2
5
2
10 10
10
11
cos
sin
sin
cos
# 1
"
cos
=
sin
#
sin
.
cos
Egy msik megolds arra pl, hogy a 7.3. llts szerint kt mtrix
pontosan akkor inverze egymsnak, ha a hozzjuk tartoz lineris lekpezsek is inverzei egymsnak. Az szggel val elforgatsnak,
mint lekpezsnek az inverze nyilvnvalan a szggel val elforgats, teht mtrixaik is egyms inverzei. Eszerint
"
cos
sin
sin
cos
# 1
"
cos()
=
sin()
#
# "
cos
sin
sin()
.2
=
sin cos
cos()
1
bb0 .
b0 b
(7.9)
(7.10)
mtrixlekpezsek s geometrijuk
305
Bizonyts. A 7.9. llts szerint a meroleges vetts lineris lekpezs, van teht mtrixa. Az 1.24. ttel szerint ha x egy tetszoleges vektor s e egy egysgvektor, akkor x-nek a e egyenesre eso meroleges
vetlete
proje x = (x e) e.
Ennek mtrixszorzssal val trsa:
projn x
S
projS x
1 0 0
2 h
5 2 4
i
1
P = I3 nn0 = 0 1 0 1 2 1 2 = 2
8 2.
9
9
0 0 1
2
4
2 5
306
lineris algebra
5 2 4
2
0
1
8 2 1 = 2 .
2
9
4
2 5
3
1
a j vektor Aj = [ sin
o tengellyel /2
cos ]. gy a sk vektorait az els
cos
2
szget bezr egyenesre tkrzo lekpezs mtrixa [ sin sin
cos ].
A trben egy skra val tkrzs feladata a skra val vettshez
hasonlan addik:
(cos , sin )
(sin , cos )
7.20. bra: Az i s j vektorok egy egyenesre val tkrkpe
n
x
projn x
x 2(nn0 )x
7.21. bra: Vektor tkrkpe egy skra
mtrixlekpezsek s geometrijuk
egyenletu sk sszes vektora lesz. E teret megkapjuk a sk egyenletbol, ha azt mint egyenletrendszert megoldjuk. A megolds (s
2t, s, t), azaz e tr egy bzisa a (1, 1, 0), s a (2, 0, 1) vektorokbl
ll. Knnyen lthat az is, hogy a nulltrbe pontosan azok a vektorok
tartoznak, amelyek prhuzamosak a vetto vektorral, azaz az (1, 2, 1)
vektorral. A vetts P mtrixa teht eleget kell hogy tegyen az albbi
feltteleknek:
1
1
2
2
1
0
P 1 = 1 , P 0 = 0 , P 2 = 0.
0
0
1
1
1
0
E hrom felttel egyetlen mtrixszorzsba foglalhat:
1 2
1
1 2 0
0
P 1
0 2 = 1
0 0, ahonnan P = 2
0
1
1
0
1 0
1
1 2
.
3
42
1 1
gsnek. Ez szemlletesen vilgos is, hisz ha P jelli a lineris transzformcit, akkor arra is igaz, hogy P2 = P. Ez abbl kvetkezik, hogy
a P vetts az x + y + 2z = 0 egyenletu sk minden vektort helyben
hagyja, msrsz brmely x vektor esetn Px ebben a skban van, gy a
msodik vetts mr minden vektort helyben hagy.
Eltols Az eltols nem lineris lekpezs, hisz minden vektorhoz egy
konstans vektort ad, teht a nullvektort nem a nullvektorba kpzi. Egy
szellemes tlettel mgis megvalsthat lineris lekpezssel.
El szeretnnk tolni a skot egy ( a, b) vektorral. Az tlet az, hogy
begyazzuk a skot a trbe, s ott keresnk egy olyan trbeli lineris lekpezst, amely ezt a skot eltolja (hogy msutt meg mit csinl,
nem is rdekes). Legyen teht a vizsglt sk a z = 1 egyenletu sk, s
keressk azt a lineris T lekpezst, melyre
x+a
x
T y = y + b .
1
1
Ez ugyan mg mindig nem tunik
x
x + az
T y = y + bz
z
z
lekpezs mr minden tekintetben megfelel. E lekpezs mtrixa
1 0 a
h
i
T = T i j k = 0 1 b .
0 0 1
307
308
lineris algebra
1
0
T=
0
0
0
1
0
0
0
0
1
0
a
b
,
c
1
1 0
x
y 0 1
T =
z 0 0
0 0
1
0
0
1
0
x+a
x
a
b
y y + b
.
=
c z z + c
1
1
1
Meroleges vetts Rn egy alterre Azt mondjuk, hogy Rn egy v vektornak a W altrre eso meroleges vetlete a w vektor, ha w W , s v w
meroleges a W altrre, azaz v w W . A v w vektort a v vektor
A altrre meroleges sszetevojnek nevezzk.
Krds, hogy ltezik-e minden vektornak egy altrre eso meroleges
vetlete, s hogy egyrtelmu-e.
felbomlik
egy W -beli w s egy W -beli w vektor sszegre. Ez azt jelenti,
hogy e w vektor pp a v vektor W altrre eso meroleges vetlete. Ezt
az egyrtelmuen
ltezo vektort sszhangban korbbi jellsnkkel
jellje projW v.
7.37. ttel (Altrre val vetts mtrixa). Ha W az Rn egy altere,
s az A mtrix oszlopvektorai a W egy bzist alkotjk (teht A teljes oszloprang), akkor a W altrre val meroleges vetts, azaz a projW lekpezs
mtrixa
A ( A 0 A ) 1 A 0 .
Bizonyts. Legyen a v Rn vektor W -re eso meroleges vetlete
w. Mivel A defincija szerint A oszloptere W , ezrt ltezik olyan x
vektor, hogy Ax = w. Msrszt W = O(A) miatt W = N (A0 ), gy
v w benne van A0 nullterben, mivel a meroleges vetlet defincija
szerint v w meroleges W -re. Eszerint A0 (v w) = 0, azaz A0 (v
Ax) = 0. trendezve kapjuk, hogy
A0 Ax = A0 v.
Az A mtrix teljes oszloprang, gy a ?? ttel szerint A0 A invertlhat,
mtrixlekpezsek s geometrijuk
1 1
5 2 4
1
A = 0
2 , amibol A(A0 A)1 A0 = 2
8 2 .
9
1
0
4
2 5
gy a (2, 1, 3) vektor meroleges vetlete
0
2
5 2 4
1
8 2 1 = 2 .
2
9
1
3
4
2 5
Ez a feladat megegyezik a 7.33. pldabelivel, mivel ennek a sknak is
2x + y 2z = 0 az egyenlete, ugyanis (1, 0, 1) (1, 2, 0) = (2, 1, 2).2
Melyik mtrix meroleges vetts mtrixa? Olyan knnyen ellenorizheto feltteleket keresnk egy lineris lekpezs mtrixra, melyek segtsgvel azonnal megllapthat, hogy a mtrixlekpezs meroleges
vetts-e.
7.39. ttel (Meroleges vetts mtrixai). Egy P mtrix pontosan
akkor meroleges vetts mtrixa, ha P = P0 = P2 .
Bizonyts. A P = P2 felttel szksgessge szemlletesen vilgos,
hisz minden P lineris lekpezs, mely az egsz Rn teret egy altrre
nevezetesen Im P-re vetti, az altr vektorait helyben hagyja. Teht
P2 x = Px minden x-re fennll, gy ennek az sszefggsnek P minden
mtrixra is igaznak kell lennie.
(=) Tegyk fel, hogy P egy P meroleges vetts mtrixa Rn standard bzisban. Tekintsk Im( P) = O(P) egy tetszoleges bzist, s
legyen A az a mtrix, melynek e bzis elemei az oszlopai. A 7.37. ttel
szerint ekkor P = A(A0 A)1 A0 . Erre viszont knnyen ellenorizheto, a
ttelbeli felttel.
2
P 2 = A ( A 0 A ) 1 A 0 = A ( A 0 A ) 1 A 0 A ( A 0 A ) 1 A 0
= A(A0 A)1 A0 = P,
309
310
lineris algebra
msrszt
0
0
P 0 = A ( A 0 A ) 1 A 0 = A ( A 0 A ) 1 A 0
= A(A0 A)1 A0 = P.
(=) Tegyk fel, hogy P = P0 = P2 . Megmutatjuk, hogy P az
O(P)-re val meroleges vetts mtrixa. Ehhez elg megmutatnunk,
hogy az x Px vektor meroleges O(P)-re brmely x vektor esetn.
A P2 = P felttel miatt P(x Px) = Px P2 x = 0, teht x Px
N (P), de P = P0 , gy x Px N (P0 ). Ez pp azt jelenti, hogy x Px
meroleges O(P)-re, s ezt akartuk beltni.
2
I A P = P0 sszefggs azt jelenti, hogy P szimmetrikus. A P2 =
1
0
0
0
0
1
0
0
0
0
0
0
0
0
,
0
0
1
1
0
2 0
1
0
1
1
0
0
1
1
0
1
0
,
0
1
3
1
1
4 1
1
1 1 1
3 1 1
1
3 1
1 1
3
mtrixlekpezsek s geometrijuk
is bizonytja.
2
I E ttel egyik kvetkezmnye, hogy Rn minden vektora felbonthat
311
312
lineris algebra
8
8
1
0
0
0
1
0
1
1
0 1/2 1/2 0 4 1
W=
= .
, amibol Px =
0 1/2 1/2 0 2 1
1 1
0
1
0
0
0
0
0
0
gy projW x = Px = (8, 1, 1, 0) s x projW x = (0, 3, 3, 1). Egyszeru
szmtssal ellenorizheto, hogy a (8, 1, 1, 0) W s hogy (0, 3, 3, 1)
W , azaz meroleges a W -t kifeszto bzisvektorok mindegyikre.
2
Egyenletrendszer optimlis megoldsa Az altrre val meroleges vetts
s a legjobb kzelts fogalmval olyan eszkzhz jutottunk, amellyel
a lineris egyenletrendszerek elmlete e szinten teljess teheto. A gyakorlatban rendkvl gyakran elofordul, hogy az ismeretlen mennyisgek meghatrozsra mrseket vgznk, de az elkerlhetetlen mrsi
hibk ellenmond egyenletrendszerre vezetnek. Hogyan hatrozhat
meg ekkor a valsgban bizonyosan ltezo megolds, egy ellentmondsos, teht nem megoldhat egyenletrendszerbol?
Tudjuk, hogy az Ax = b egyenletrendszer pontosan akkor oldhat meg, ha b benne van az oszloptrben, azaz O(A)-ban. Termszetes tlet, hogy b helyett az azt legjobban kzelto oszloptrbeli
b = projO(A) b vektorral oldjuk meg az egyenletrendszert. Ez mr
biztosan megoldhat lesz, s olyan megoldsokat szolgltat, melyekre
Ax ugyan nem lesz egyenlo b-vel, de attl a leheto legkisebb tvolsgra van. Az ilyen megoldsokat az Ax = b egyenletrendszer optimlis
megoldsainak vagy a legkisebb ngyzetek elve szerinti megoldsainak nevezzk. Vilgos, hogy ha egy egyenletrendszer konzisztens, akkor
optimlis megoldsai megegyeznek a megoldsaival. E defincibl
azt is ltjuk, mit tegynk, ha egy egyenletrendszer ellentmondsos
(azaz inkonzisztens): hatrozzuk meg a b = projO(A) b vektort, s az
Ax = b egyenletrendszer helyett oldjuk meg az Ax = b egyenletrendszert. Ez kiindulsul j, de addik egy egyszerubb
mdszer is.
7.44. ttel (Egyenletrendszer optimlis megoldsa). Az Ax = b
egyenletrendszer optimlis megoldsai megegyeznek az
A0 Ax = A0 b
(7.12)
eloismeretet ignylo
GaussMarkov-ttel adja meg, melyet a
feladatok kzt ismertetnk.
mtrixlekpezsek s geometrijuk
313
314
lineris algebra
+
1
0 ... 0
a11 0 . . . 0
a11
1
0 a
... 0
0
22 . . .
a22
.
.
..
..
..
..
..
.
.
.
=
.
.
.
.
.
O
O
.
.
.
1
0
0 . . . arr
0
.
.
.
arr
O
O mn
O
O nm
Megolds. a) Ha A egy n n-es mretu invertlhat mtrix, akkor
sortere s oszloptere is a teljes n-dimenzis tr, s tetszoleges x vektorra A1 y = x pontosan akkor ll fenn, ha Ax = y, azaz A+ = A1 .
b) Zrusmtrix oszloptere a zrusvektorbl ll, gy pszeudoinverze
annak meroleges kiegszto altert, vagyis az egsz teret a nullvektorba
viszi, teht O+
mn = Onm .
c) Az elozo kt eredmnybol azonnal kvetkezik.
d) Ha x S(A) s y = Ax, akkor A+ y = x, s mivel y O(A) =
S(A+ ), ezrt (A+ )+ x = y. Ha pedig z O(A+ ), akkor (A+ )+ z = 0,
azaz az A s az (A+ )+ mtrixokhoz tartoz lekpezsek megegyeznek
az S(A) s az N (A) altereken, gy az ltaluk kifesztett tren, azaz Rn en is. Teht A = (A+ )+ .
e) Jellje Rn standard bzisnak elemeit ei (i = 1, 2, . . . , n), Rm
standard bzisnak elemeit fi (i = 1, 2, . . . , m). Ha aii 6= 0, akkor
Aei = aii fi , s ei a sortrben, fi az oszloptrben van. Ha aii = 0, akkor
Aei = 0. gy A+ fi = 1/aii ei ha aii 6= 0 s A+ fi = 0 egybknt. Ennek
E plda a) pontja mutatja, hogy a pszeudoinverz nv nem igazn j, hisz itt nem
linverzrol, nem hamis inverzrol van sz,
hanem az inverz ltalnostsrl, teht
az ltalnostott inverz helyesebb kifejezs. Szoks ezt is hasznlni, de a Moore
Penrose pszeudoinverz kifejezs sokkal
elterjedtebb (angol nyelvu muvekben
is
leginkbb a pseudoinverse szt hasznljk).
mtrixlekpezsek s geometrijuk
is igazoltuk. 2
7.48. ttel (A pszeudoinverz kiszmtsa). Legyen A egy vals mtrix. Ekkor
A+ = R0 (RR0 )1 (B0 B)1 B0
0
0 1 0
= R (B AR )
(7.13)
(7.14)
(7.15)
315
316
lineris algebra
(7.16)
Bizonyts. Az A+ elolltst az elozo ttel bizonytsban megadtuk. A kifejezs msik alakja a szorzat inverzre vonatkoz (XY)1 =
Y1 X1 kpletbol addik, mivel
ki e paragrafus elejn.
I A (7.13) kplet nagyon bonyolultnak nz ki, de a (7.15) s a (7.16)
kpletek knnyen megjegyezhetov teszik. Ha A = BR a bzisfelbonts, akkor B teljes oszloprang, R teljes sorrang, gy a (7.15) s
a (7.16) kpletek szerint R+ = R0 (RR0 )1 , B+ = (B0 B)1 B0 , teht
A+ = R+ B+ . ltalban nem igaz a pszeudoinverzre az (XY)+ =
Y+ X+ sszefggs, de ha X teljes oszloprang, s Y teljes sorrang,
akkor igen (ld. a 7.24. feladatot).
I A bizonytsban a bzisfelbontsbl csak annyit hasznltunk, hogy
B teljes oszloprang, R teljes sorrang. Valban, a ttel tetszoleges
olyan felbontsra igaz, mely e felttelt teljesti (ld. a 7.18.7.21. feladatokat).
0 1 1
0 1
A = 1 1 2 s a C = 1 1
1 0 1
1 0
mtrixok pszeudoinverzt.
Megolds. Az A mtrix pszeudoinverze a 7.48. ttel a) pontja szerinti
kplettel szmolhat. Mivel R = rref(A) = [ 01 11 10 ], s B az A elso kt
mtrixlekpezsek s geometrijuk
"
# 0
1 0
0 1 1
= 0 1
1
1 1 0
1 1
1
4 1
5
1
= 5 1 4
9
1 2
1
1
1
0
1
1
2 0
1
1
1
"
0
0
1
1
1
1
1
1
0
A pszeudoinverz tulajdonsgai* Az A mtrix inverzt az AX = I egyenlosggel definiltuk. Hasonl egyenlosgeket keresnk a pszeudoinverhez is. Kzben azt a fontos tnyt is flfedezzk, hogy A+ A s AA+
is egy-egy meroleges vetts mtrixa.
Azt nem tudjuk garantlni, hogy az AA+ s az A+ A mtrixok az
egysgmtrixszal legyenek egyenlok, de legalbb szimmetrikusak, s
az A-val, illetve az A+ -szal val szorzsra nzve egysgmtrixknt
viselkednek, azaz AA+ A = A s A+ AA+ = A+ . E felttelek mr
elegendok lesznek a pszeudoinverz algebrai lershoz.
7.50. ttel (Penrose-ttel). A vals A mtrixnak X pontosan akkor
pszeudoinverze, ha az albbi ngy felttel mindegyike fennll:
a) AXA = A,
b) XAX = X,
c) (AX)0 = AX,
d) (XA)0 = XA.
Bizonyts. Azt, hogy A pszeudoinverze teljesti e ngy felttelt, egyszeru behelyettestssel ellenorizhetjk.
AA+ A = AR0 (RR0 )1 (B0 B)1 B0 A
az A+ A s AA+ kifejezseket:
A+ A = (R0 (RR0 )1 (B0 B)1 B0 )(BR) = R0 (RR0 )1 R,
+
0 1
AA = (BR)(R (RR )
(B B)
1 0
B ) = B(B B)
1 0
B.
(7.17)
(7.18)
317
318
lineris algebra
c)
c)
= X0 (AYA)0 = X0 A0 = (AX)0 = AX
a)
(7.19)
d)
d)
= (AYA)0 X0 = A0 X0 = (XA)0 = XA
b)
(7.19)
(7.20)
(7.20)
b)
AA+ = projO(A) .
mtrixlekpezsek s geometrijuk
megoldhat, ha
azonban a mrsi hibkat kikszblendo tbb mrst vgznk, az
egyenletrendszer mr ellentmondsoss vlik. Ilyen esetet mutat a kvetkezo plda.
7.53. plda (Egyenletrendszer optimlis megoldsa). Az albbi
hromismeretlenes egyenletrendszer ngy egyenletbol ll:
x + 3y + 6z = 8
x y + 2z = 2
x + 3y + 2z = 2
x y 2z = 0
Brmelyik hrom egyrtelmuen
megoldhat egyenletrendszert ad, de a ngy
egytt ellentmondsos. Hatrozzuk meg az optimlis megoldst!
Megolds. A 7.52. ttel szerint az optimlis megolds A+ b, ahol
1
1
A=
1
1
3
1
3
1
6
2
2
2
8
2
b=
2
0
1/4
1/4
1/2
1
0
+
+
0
1 0
1
1
A = (A A) A = 0 /4
/4
0 A b = 0
1/8
1/8
1
1/8 1/8
gy az egyenletrendszer optimlis megoldsa (1, 0, 1).
A kvetkezo plda olyan egyenletrendszert vizsgl, melyben az egytthatmtrix rangja kisebb mind az egyenletek, mind az ismeretlenek
szmnl.
319
320
lineris algebra
Oldjuk
y+ z = 3
x + y + 2z = 2
x+y
=2
0 1 1 3
1 0 1
1 1 2 2 0 1 1
1 1 0 2
0 0 0
0
1
Az egytthatmtrix pszeudoinverzt meghatroztuk a 7.49. pldban. Ezt felhasznlva a minimlis abszolt rtku optimlis megolds
3
4 1
5
0
1
+
x = A b = 5 1 4 2 = 1 .
9
1
2
1 2
1
2
Lineris s polinomilis regresszi Az egyenletrendszerek optimlis megoldsainak egyik fontos alkalmazsa a lineris regresszi. Tegyk fel,
hogy kt vltoz mennyisg, az x s az y kztt az y = a + bx kapcsolat
van. Mrseket vgznk, melyek eredmnye az ( xi , yi ) (i = 1, 2, . . . n)
prok sorozata. Keressk az a s b rtkt, mely kielgti az yi =
a + bxi (i = 1, 2, . . . n) egyenletek mindegyikt! Ez egy ktismeretlenes
lineris egyenletrendszer, melynek mtrixalakja:
y1
1 x1
" #
y2
1 x2 a
.
..
b = .. .
.
.
.
.
yn
1 xn
A hozz tartoz normlegyenlet-rendszer
1 x1
"
#
" # "
1 x2 a
1 1 ... 1
1
.
..
b = x
.
x1 x2 . . . x n
1
.
.
1 xn
1
x2
...
...
y1
#
y2
1
. ,
xn ..
yn
amely a mtrixmuveletek
mtrixlekpezsek s geometrijuk
x12 + + xn2
,
n
az
s
az
2
Fggvnykapcsolat
hatvnyfggvny
exponencilis
logaritmikus
y = cx b
y = cebx
y = a + b ln x
Helyettests
X = ln x
X=x
X = ln x
Y = ln y
Y = ln y
Y=y
a = ln c
a = ln c
321
322
lineris algebra
..
.
..
.
..
.
a0 + a1 xn + . . . + ak xnk = yn
egyenletrendszer megoldsa az
alakja
1 x1 . . .
1 x2 . . .
.
.. . .
.
.
.
.
1
xn
...
a0 , a1 ,. . . , am ismeretlenekre. Mtrix
y1
a0
x1k
x2k a1 y2
..
. = . .
. .. ..
yn
ak
xnk
ha az xi rtkek
klnbzoek, s n = k + 1, ekkor ugyanis az egytthatmtrix ngyzetes, determinnsa Vandermonde-determinns, melynek rtke nem
0. Egyb esetekben a normlegyenlet-rendszert kell felrni, melynek
mtrixszorzatos alakja
X0 Xa = X0 y.
Ez egyrtelmuen
megoldhat, ha X teljes oszloprang, mert akkor X0 X
invertlhat, gy a megolds
a = (X0 X)1 X0 y.
Ez pontosan akkor ll fenn, ha van legalbb k + 1 klnbzo xi rtk, ekkor ugyanis X-ben van egy (k + 1) (k + 1)-es nemnulla determinns rszmtrix, nevezetesen a klnbzo xi rtkekhez tartoz
sorokbl ll Vandermonde-mtrix.
2
mtrixlekpezsek s geometrijuk
Feladatok
7.8. Igazoljuk a skbeli egyenesre merolegesen vetto mtrix (7.11) kplett az i s j vektorok vetletnek meghatrozsval! Ktflekpp is szmolhatunk, a) legyen az egyenes
hajlsszge az x-tengellyel , b) legyen az egyenes irnyvektora (b1 , b2 ). Vessk ssze a kt eredmnyt, s igazoljuk
azonossgukat.
Pszeudoinverz
Szmtsuk ki az albbi mtrixok pszeudoinverzt!
"
#
1 1
7.9.
0 0
"
#
1 1
7.10.
1 1
"
#
1 1
7.11.
2 2
"
#
0 2
7.12.
0 2
"
#
1 1 0
7.13.
0 1 1
1 1
7.14. 2 2
0 0
1 0
7.15. 2 2
0 1
h
i
7.16. 1 1 1 1
1
2
7.17.
3
4
0 1 0
= Y (X AY )
7.23. Mutassuk meg, hogy ha A Rmn s A teljes oszloprang, akkor A+ A = Im , ha pedig A teljes sorrang,
akkor AA+ = In .
7.24. Tegyk fel, hogy A teljes oszloprang, C teljes sorrang. Mutassuk meg, hogy ekkor (AC)+ = C+ A+ .
7.25. 1-rang mtrixok pszeudoinverze Mutassuk meg,
hogy ha r(A) = 1, akkor
A+ =
1
A0 ,
trace(A0 A)
(7.21)
A1
O
.
.
.
O
O
A2
..
.
O
...
...
..
.
...
+ +
O
A1
O
O
..
= ..
.
.
Ak
O
O
A2+
..
.
O
(7.22)
1 0 "
#
0 1 0 0 1
7.19. A =
0 0 1 0 0
1 1
#
1 0 "
0 0 1 1
7.20. A = 0 1
1 1 1 0
1 1
1 0 "
#
0 1 1 2 3
7.21. A =
1 1 3 2 1
2 2
7.22. Mutassuk meg, hogy ha A egy meroleges vetts
mtrixa, azaz A0 = A = A2 , akkor A+ = A. Igaz-e az
llts megfordtsa?
323
7.27. Szmtsuk ki a
1
0
0
0
1
0
0
0
mtrix pszeudoinverzt!
1
0
0
0
0
1
1
0
0
0
0
1
0
0
0
1
...
...
..
.
...
O
O
..
.
.
A+
k
324
lineris algebra
Ortogonlis s ortonormlt bzis Segti az alterek vizsglatt, ha a bzisvektorok pronknt merolegesek egymsra, ekkor ugyanis a klnbzo bzisvektorok skalris szorzata 0. Tovbbi knnytst jelenthet,
ha a bzisvektorok egysgvektorok, mert ekkor egy vektor velk vett
skalris szorzata a meroleges vetlet hosszt adja.
Pronknt meroleges vektorok egy rendszert ortogonlis rendszernek
nevezzk. Ortogonlis rendszernek lehetnek 0-vektor tagjai. Pronknt meroleges egysgvektorok egy rendszert ortonormlt rendszernek
nevezzk. Ortonormlt rendszerben nincsenek 0-vektorok. A kvetkezo ttelbol azonnal addik, hogy zrusvektort nem tartalmaz ortogonlis rendszer vagy egy tetszoleges ortonormlt rendszer mindig
bzisa az ltala kifesztett altrnek. Ezt az altr ortogonlis bzisnak
(rvidtve OB), illetve ortonormlt bzisnak (rvidtve ONB) nevezzk.
Ortogonlis bzisbl mindig kaphatunk egy ortonormltat, ha az OB
minden bzisvektort elosztjuk a hosszval. Ezt a vektor normlsnak
nevezzk.
7.58. ttel (Ortogonlis vektorok fggetlensge). Ha a nullvektortl klnbzo a1 , a2 ,. . . , ak vektorok pronknt ortogonlisak, akkor fggetlenek is.
Bizonyts. Tekintsk a c1 a1 + + ck ak = 0 egyenletet. Be kell ltnunk, hogy ez csak a c1 = = ck = 0 esetben ll fnn. Szorozzuk be
az egyenlosg mindkt oldalt az ai vektorral (i = 1, 2, . . . , k). Ekkor a
jobb oldal 0, a bal oldalon pedig egy tag kivtelvel mindegyik 0 lesz:
( c1 a1 + c2 a2 + + c k a k ) a i = 0 a i
ci ai ai = 0.
Mivel ai ai 6= 0, ezrt ci = 0, s ez igaz minden i-re.
y = v j,
z = v k.
mtrixlekpezsek s geometrijuk
v = ( x, y, 0), azaz
v = (v i)i + (v j)j
Azt is tudjuk, hogy a v-hez legkzelebbi pont pp v-nek a skra val
meroleges vetlete.
A fenti nyilvnval sszefggsek tetszoleges ONB esetn is hasznlhatk, gy igen rtkesek.
7.59. ttel (Legjobb kzelts ONB esetn). Adva van az Rn trben
egy {e1 , e2 , . . . , ek } ortonormlt rendszer ltal kifesztett A altr, valamint
egy v vektor. Ekkor a
v = (v e1 )e1 + (v e2 )e2 + + (v ek )ek
(7.23)
v ( v ei ) ei
(v v ) =
!2
i =1
k
i =1
i =1
= v2 2 ( v e i )2 + ( v e i )2
k
= v2 ( v e i )2 .
i =1
(v u) =
v ci ei
!2
i =1
k
i =1
i =1
= v2 2 ci (v ei ) + c2i .
Ha az utbbibl kivonva az elobbit pozitv rtket kapunk, ez azt jelenti, hogy valban v van v-hez legkzelebb:
(v u)2 (v v )2
k
i =1
i =1
i =1
i =1
i =1
v2 2 ci (v ei ) + c2i
=
=
v2 ( v e i )2
i =1
c2i 2 ci (v ei ) + (v ei )2
k
(ci v ei )2 0.
i =1
325
326
lineris algebra
7.60. plda (Egy pont skra val meroleges vetlete). Hatrozzuk meg a (3, 1, 2) pontnak az egymsra meroleges a = 17 (2, 3, 6) s
b = 17 (3, 6, 2) vektorok ltal kifesztett skra val meroleges vetlett!
Megolds. Mivel a s b ortonormlt bzisa az ltaluk kifesztett altrnek, ezrt a v = (3, 1, 2) vektornak e skra eso meroleges vetlete
v = (v a)a + (v b)b
= (3, 1, 2) ( 27 , 73 , 67 ) ( 27 , 37 , 67 )) + (3, 1, 2) ( 73 , 76 , 27 ) ( 37 , 76 , 27 )
= 3( 27 , 73 , 67 ) + 1( 37 , 76 , 27 )
= ( 97 , 37 , 20
7 ).
sszehasonltsul: a standard elemi mdszer az a b irnyvektor,
(3, 1, 2) ponton tmeno egyenes s a sk metszspontjnak meghatrozsa lenne.
2
Ortogonlis mtrixok Egy ortonormlt vektorrendszerbol kpzett mtrixnak gynyru algebrai s geometriai tulajdonsgai vannak.
7.61. definci (Ortogonlis s szemiortogonlis mtrix). Egy
vals ngyzetes mtrixot ortogonlisnak neveznk, ha oszlopvektorai ortonormlt rendszert alkotnak. Ha nem ktjk ki, hogy a mtrix ngyzetes
legyen, szemiortogonlis mtrixrl beszlnk.
I Ha egy n k mretu
Q mtrix szemiortogonlis, akkor k n,
ugyanis Q oszlopai ortonormlt rendszert alkotnak, ezrt linerisan
fggetlenek, azaz Q teljes oszloprang, gy Q rangja k, teht k n.
I Nagyon szerencstlen az ortogonlis mtrix elnevezs, de annyira
el van terjedve, hogy nem lehet eltrni tole. Nyilvn jobb lenne az
ortonormlt mtrix elnevezs. A szemiortogonlis az ortogonlisbl
szrmaztatott nv.
0
0
A=
0
1
1
0
0
0
0
0
1
0
0
cos
1
sin
, B =
0
0
0
0
sin
2
3
6
1
cos
2 3.
, C = 6
7
0
3 6
2
0
mtrixlekpezsek s geometrijuk
mtrix esetn az oszlopvektorok skalris szorzatainak elvgzsvel ellenorizhetjk ortonormalitsukat). A hrom mtrix kzl csak A s C
ngyzetes, gy csak ezek a mtrixok ortogonlisak.
2
I E plda alapjn knnyen lthat, hogy minden permutcimtrix,
327
328
lineris algebra
0 0 0 1
2
6
3
1 0 0 0
1
A 1 =
2
2 6.
, C 1 = 3
7
0 0 1 0
6 3
2
0 1 0 0
Ortogonlis mtrixok geometrija Ortogonlis mtrixhoz tartoz mtrixlekpezs ONB-t ONB-ba visz gy, ahogy a skban vagy trben a
forgats s a tkrzs.
7.66. ttel (Ortogonlis mtrixhoz tartoz mtrixlekpezs).
Legyen Q Rnn . Az albbi lltsok ekvivalensek:
a) Q ortogonlis.
b) |Qx| = |x| minden x Rn vektorra.
c) Qx Qy = x y minden x, y Rn vektorra.
Bizonyts. a) b): Ha Q ortogonlis, akkor Q0 Q = I, gy tetszoleges x Rn vektorra
0, ha i 6= j,
qi q j = Qei Qe j = ei e j =
1, ha i = j.
Teht Q oszlopvektorai ortonormlt rendszert alkotnak, azaz Q ortogonlis.
2
mtrixlekpezsek s geometrijuk
329
330
lineris algebra
alakba rhat. Ha a determinnsa 1, akkor egy szgu forgats, ha determinnsa 1, akkor egy /2 szgu egyenesre val tkrzs mtrixa
(ld. a 7.29. s a 7.34. pontokat).
2
A 3-dimenzis eset kiss bonyolultabb. Szmtalan klasszikus mu
szaki alkalmazsban mindenek elott a merev testek mozgsnak lersban fontos szerepet jtszanak SO(3) elemei, azaz az 1 determinns ortogonlis mtrixok. Ezek itt s nagyobb dimenzi esetn
is a forgsok mtrixai. A forgs azonban csak a 3-dimenziban rhat le gy, mint egy tengely krl szggel val elforduls. E ttelt
csak a sajtvektorok elmletnek ismeretben fogjuk tudni bizonytani
(ld. ?? ttel).
7.69. plda (Forgats tengelye s szge). Az 1 determinns ortogonlis
14 5
2
1
5 10 10
15
2 10
11
mtrix milyen tengely krli s mekkora szggel val forgats mtrixa?
Megolds. Ha A egy 0-tl klnbzo szggel val forgats mtrixa,
s v a tengely egy irnyvektora, akkor csak v skalrszorosai fogjk
kielgteni az Ax = x egyenletet. Ez ekvivalens a homogn lineris
(A I)x = 0
egyenletrendszerrel, melynek alakja s megoldsa esetnkben
2
x
0
x
1 5
2
1
=
t
,
=
y
0
y
5
10
0 .
15
1
z
0
z
2 10
4
Teht a forgstengely egy irnyvektora a v = (2, 0, 1) vektor. A forgsszg, illetve a forgsszg koszinusznak meghatrozshoz elg egy
olyan w vektort tallni, mely a tengelyre meroleges skban van. Ilyen
pldul a w = (0, 1, 0) vektor. Ennek kpe a forgatsnl
14 5
2
0
1/3
1
5 10 10 1 = 2/3 .
15
2/3
2 10
11
0
A forgsszg megegyezik e kt vektor szgvel, teht
cos =
2/3
w Aw
2
=
= .
|w||Aw|
11
3
mtrixlekpezsek s geometrijuk
1 ...
0
...
0
... 0
. .
..
..
..
.
..
.
.
.
.
0 . . . cos . . . sin . . . 0
.
..
..
..
..
G = ..
.
.
.
.
0 . . . sin . . . cos . . . 0
.
..
..
..
..
.
. .
.
.
.
0 ...
0
...
0
... 1
amit gy kapunk meg, hogy az egysgmtrix i-edik s j-edik sornak
s oszlopnak metszetben lvo ngy helyre az szgu forgats mtrixt tesszk.
E forgatssal elrheto pldul, hogy egy x vektort egy olyan vektorba forgassunk, melynek j-edik koordintja 0. Csak az i-edik s j-edik
sorokat s oszlopokat kiemelve
#" # " #
"
r
cos sin a
.
=
0
b
sin
cos
Ebbol lthat, hogy az
r=
a2 + b2
cos = a/r
(7.24)
sin = b/r
egyenletek segtsgvel flrhat a forgatmtrix az a s b ismeretben. Ez hasznlhat mtrix hromszgalakra hozsban, pldul a
QR-felbonts Givens-forgatsok segtsgvel is elvgezheto. Ennek
elonyei a ritka mtrixok esetn mutatkoznak, s a szmtsok prhuzamosthatak is.
Egy adott a 6= 0 vektorra, vagy az e = a/|a| egysgvektorra meroleges hiperskra val tkrzst Householder-tkrzsnek nevezzk. Mtrixa
2
H = I 0 aa0
aa
Feladatknt az Olvasra hagyjuk annak bizonytst, hogy e transzformci valban helyben hagyja az e tr sszes vektort s e-be
331
332
lineris algebra
2
(a b)(a b)0 .
(a b)0 (a b)
Ha = a
= a (a b) = b.
Mivel H1 = H, ezrt Hb = H1 b = a.
7.71. plda (Householder-tkrzs). Hatrozzuk meg azt a H mtrixot, mely az (1, 1, 1, 1) vektort olyan vektorba viszi, melynek az elsot
kivve minden koordintja 0.
Megolds. |(1, 1, 1, 1)| = 2, ezrt a kpvektor csak a (2, 0, 0, 0)
vektorok valamelyike lehet. Vlasszuk a pozitv koordintjt. Az
(1, 1, 1, 1) (2, 0, 0, 0) = (1, 1, 1, 1) vektorra meroleges hiperskra val tkrzs mtrixa
1 0 0 0
1
h
i
2
0 1 0 0 1 1
H = I 0 aa0 =
1 1 1 1
aa
0 0 1 0 2 1
0 0 0 1
1
1 0 0 0
1
1
1 1
1 1 1 1
0 1 0 0 1 1
1
1
1 1
1 1 1
=
=
2 1 1
0 0 1 0 2 1
1
1 1
1 1
0 0 0 1
1 1 1
1
1
1
1 1
Fejben szmolva is knnyen ellenorizhetjk, hogy H (1, 1, 1, 1) =
(2, 0, 0, 0).
2
mtrixlekpezsek s geometrijuk
a i +1 v 1
a
v2
a
v
v i +1
v 2 i +1 i v i
v1 v1 1
v2 v2
vi vi
333
334
lineris algebra
7.73. plda (GramSchmidt-ortogonalizci). Keressnk ortonormlt bzist az (1, 1, 1, 1), (3, 1, 3, 1), (6, 2, 2, 2) vektorok ltal kifesztett altrben.
Megolds. Eloszr keressnk egy ortogonlis bzist:
v1 = (1, 1, 1, 1)
(3, 1, 3, 1) (1, 1, 1, 1)
(1, 1, 1, 1) = (2, 2, 2, 2)
(1, 1, 1, 1) (1, 1, 1, 1)
(6, 2, 2, 2) (1, 1, 1, 1)
(1, 1, 1, 1)
v3 = (6, 2, 2, 2)
(1, 1, 1, 1) (1, 1, 1, 1)
(6, 2, 2, 2) (2, 2, 2, 2)
(2, 2, 2, 2) = (2, 2, 2, 2)
(2, 2, 2, 2) (2, 2, 2, 2)
v2 = (3, 1, 3, 1)
dik nem fggetlen vektorokbl ll vektorrendszerre is, annyi vltozssal, hogy pontosan akkor lesz vi = 0, ha ai nem fggetlen a kisebb
indexu vektoroktl, azaz ai benne van a span(a1 , a2 , . . . , ai1 ) altrben.
A QR-felbonts* Ahogyan egy mtrix elemi sormuveletekkel
(7.26)
mtrixlekpezsek s geometrijuk
h
i h
i
0 r22 . . . r2k
A = a1 a2 . . . a k = q1 q2 . . . q k .
..
..
..
= QR.
.
..
.
.
0
0 . . . rkk
Ezzel bizonytottuk a QR-felbonts ltezst. A Gram-Schmidt-eljrsbl
megkaphatjuk a Q mtrixot, azonban krds, hogy az R hogyan szmthat ki egyszeruen.
1
1
A=
1
1
3
1
3
1
6
2
2
2
mtrix QR-felbontst.
Megolds. A 7.73. pldban pp az A mtrix oszlopvektoraibl ll vektorrendszert ortogonalizltuk. Mivel a hrom vektor linerisan
fggetlen, ezrt A teljes oszloprang. A 7.73. plda megoldsa alapjn
az A oszlopvektorainak ortogonalizlsval kapott vektorokkal flrhat a Q mtrix:
1
1
1
1
1
1 1
Q=
2 1
1 1
1 1 1
Innen
1
1
0
R = Q A = 1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
3
1
3
1
6
2
2
= 0
2
0
2
2
4
0
4
4
Valban,
1
1
1
1
3
1
3
1
6
1
1
1
2
=
2 1
2
2
1
1
1
1
1
1
2
1
0
1
0
1
2
4
0
4.
4
335
336
lineris algebra
bizonytshoz elg beltni, hogy a (7.26) egyenletek mindegyikbol elojel erejig egyrtelmuen
meghatrozhatk
az ismeretlen egytthatk s az ismeretlen q-vektor, gy az rii > 0 vlaszts mellett az mr egyrtelmu lesz. Ez abbl kvetkezik, hogy egyrszt az elso egyenletbol r11 = |a1 |, ami nagyobb 0-nl s q1 = a1 /r11
s ezek egyrtelmuek.
4
5
8
A = 3 10
6
0 12 13
Hatrozzuk
4/5
3/5 0
5 10 10
Q1 = 3/5 4/5 0
Q1 A = 0 5 0 .
0
0 1
0 12 13
Kvetkezo lpsben a Q1 A mtrix harmadik sornak msodik elemt
mtrixlekpezsek s geometrijuk
337
eliminljuk:
Q2 = 0
0
0
5/13
12/13
12/13 .
5/13
R = Q2 Q1 A = 0
0
10
13
0
10
12 .
5
s innen
Q = ( Q 2 Q 1 ) 1
36/65
3/13
4/13 48/65 ,
= Q10 Q20 = 3/5
5/13
0 12/13
4/5
A=
0
Q1 A =
0
Q1 = H1
0
Q2 Q1 A =
0
1 0 0
0
Q2 =
0
H2
0
0
0
0
Q3 Q2 Q1 A =
0
1 0 0 0
0 1 0 0
Q3 =
0 0
H3
0 0
0
0
338
lineris algebra
1 0
1
A = 2 2 3
2 5 7
mtrix QR-felbontst Hauseholder-mdszerrel!
Megolds. Az (1, 2, 2) 7 (3, 0, 0) transzformcihoz az
a = (1, 2, 2) (3, 0, 0) = (2, 2, 2)
vektorral Hauseholder-tkrzst vgznk:
1 0 0
4 4
4
2
Q1 = I3 0 aa0 = 0 1 0 4
4 4
aa
6
0 0 1
4 4
4
1 2 2
1
= 2 1
2
3
2 2
1
3 2
3
1 0
1
1 2 2
1
Q1 A = 2 1
4 5
2 2 2 3 = 0
3
0
3 5
2 5 7
2 2
1
Ezutn a Q1 A mtrixbl kpzeletben elhagyva az elso sort s oszlopot
a (4, 3) 7 (5, 0) transzformcihoz kell az a = (4, 3) (5, 0) = (1, 3)
vektorral Hauseholder-tkrzst vgezni:
#
#
#
"
"
"
2
1
1 4
1 0
1 3
3
0
H2 = I2 0 aa =
=
aa
5 3
5 3 4
0 1
9
1 0
0
3 2
3
Q2 = 0 4/5 3/5 ,
R = Q2 Q1 A = 0
5 7
0
0
1
0 3/5 4/5
5 2 14
1
1
0 0
Q = ( Q2 Q1 ) = Q1 Q2 =
10 10 5 .
15
10 11
2
Az A = QR egyenlosg fennllsnak ellenorzst az Olvasra hagyjuk.
2
Egyenletrendszer optimlis megoldsa QR-felbontssal* Ha egy egyenletrendszer ellentmondsos, az optimlis megolds megtallshoz flrt normlegyenlet gyakran rosszul kondicionlt, ezrt rdemes olyan
megoldsi technikt keresni, mely hatkonyabb a szmtsi hibk kezelsben. Egy ilyen technikt ismertetnk.
mtrixlekpezsek s geometrijuk
A = QR behelyettestse utn
0
Q0 Q = I
balrl szorzs az (R0 )1 mtrixszal
Rx = Q0 b.
Az utols egyenlet visszahelyettestsekkel is megoldhat, mivel R
felso hromszgmtrix. Mivel R fotljban nincsenek zruselemek,
ezrt R invertlhat (ezt kihasznltuk, amikor (R0 )1 -gyel szoroztunk),
teht az egyenletbol x kifejezheto: x = R1 Q0 b.
2
7.79. plda (Egyenletrendszer optimlis megoldsa). Az albbi
hromismeretlenes egyenletrendszert megoldottuk a 7.53. pldban:
x + 3y + 6z = 8
x y + 2z = 2
x + 3y + 2z = 2
x y 2z = 0
Adjunk r j, a QR-felbontst hasznl megoldst!
Megolds. Az egyenletrendszer egytthatmtrixnak QR-felbontst
meghatroztuk a 7.74. pldban. Eszerint
1
3
6
1
1
1
2 2 4
1 1
1 1 1
1
2
A=
0 4 4.
=
2 1
1
1 1
3
2
0 0 4
1 1 1
1 1 2
Egyik lehetosg, hogy flrjuk az Rx = Q0 b mtrixegyenletet:
1
1
1
1
6
2 2 4
x1
1
2
1 1 = 4
0 4 4 x2 = 1 1
2
2
1
1 1 1
4
0 0 4
x3
0
339
340
lineris algebra
Ezt az egyenletrendszert fejben is meg tudjuk oldani visszahelyettestssel: ( x1 , x2 , x3 ) = (1, 0, 1). Termszetesen ha mr kiszmoltuk az
R1 mtrixot, akkor segtsgvel is megkaphat az optimlis megolds:
8
1
2 1 1
1
1
1
1
1
1
2
1 0
x = R Q b = 0
1 1 1 1
1 1 = 0.
4
2
2
1
0
0
1
1
1 1 1
0
2
mtrixlekpezsek s geometrijuk
Feladatok
7.28. Igazoljuk, hogy ha e az Rn egy egysgvektora, ak-
341
342
lineris algebra
(1, i) (1, i) = 1 1 = 0
?
(i, i) (i, i) = 1 1 = 2
Ez azt mutatja, hogy ha a komplex vektorok abszolt rtkt (hosszt),
a valsban hasznlt skalris szorzattal definilnnk, az abszolt rtk
legfontosabb tulajdonsgai nem maradnnak igazak! Krds, kiterjesztheto-e a vals vektorok skalris szorzatnak defincija a komplex
vektorokra gy, hogy a fontosabb tulajdonsgok rvnyben maradjanak? Az tletet a komplex szmok mint egydimenzis vektorok
abszolt rtke adja. A z = a + ib szm abszolt rtknek ngyze s nem z2 ! Eszerint az egydimenzis z vektor nmagval vett
te zz,
vagy zz-t
mtrixlekpezsek s geometrijuk
i i
i
Pldul [ i i 1+
2 ] = [ 1i 2 ], mg [1 i i] =
1+i
i
343
344
lineris algebra
hogy
ellentmond neki. Pldul valsban a skalris szorzs kommutatv, itt
nem, de a most kimondott vltozat rvnyes vals vektorokra is, hisz
vals vektor konjugltja megegyezik nmagval. Hasonl llthat a
c) tulajdonsgrl is.
I A c)-beli kt tulajdonsg brmelyike kvetkezik a msikbl az a)
alkalmazsval. Ha a skalris szorzatot az u v = v u kplettel
definiltuk volna, akkor a termszetesebbnek hat (cu) v = c(u v)
sszefggs volna igaz.
I d)-ben az is az llts rsze, hogy egy komplex vektor nmagval
vett skalris szorzata egyltaln vals szm.
I A d) gy is megfogalmazhat, hogy u u 0, s u u = 0 pontosan
akkor ll fnn, ha u = 0.
Bizonyts. A bizonyts a skalris szorzs mtrixszorzatos alakjbl,
s a konjuglt tulajdonsgaibl azonnal addik. Pldaknt megmutatjuk az a) bizonytst:
v u = v u = v0 u = v0 u = u0 v = u v
= uv
A tbbi llts hasonlan bizonythat.
(7.27)
mtrixlekpezsek s geometrijuk
"
#
"
#
1
i
1+i
1 2
i
1+i
,
,
2
2 3i ,
i
2 3
1i
1
1 i 2 + 3i
3
"
1
1+i
1+i
2
alkalmazsokban. E mtrix alaptulajdonsgainak megismershez a Fourier-sszegek egytthati s helyettestsi rtkei kzti kapcsolaton keresztl kzeltnk.
A Fourier-sorok komplex
n=
cn enit
alakja, s ezek
N 1
(7.28)
n =0
2i mn
N
] (0 m, n <
345
346
lineris algebra
y1 = c0 + c1 e
4i
3
y2 = c0 + c1 e
+ c2 e
+ c2 e
4i
3
= c0 + c1 + c2 2
8i
3
= c0 + c1 2 + c2 4
2i
1
c0
2 c1
4
c2
2
3
2i
4
1
2
4
6
#" # "
c0
1
=
c1
1
1
1
#" #
c0
,
c1
1
i
1
i
1
1
1
1
= i, teht
c0
1
1
3
c1 1
=
6 c2 1
1
9
c3
c0
1
i
c1
.
1 c2
i
c3
2i
N
4i
N
+ c2 e
+ c2 e
4i
N
8i
N
+ + c N 1 e
+ + c N 1 e
2( N 1)i
N
4( N 1)i
N
..
.
y N 1 = c 0 + c 1 e
2i( N 1)
N
+ c2 e
4i( N 1)
N
+ + c N 1 e
2i( N 1)2
N
mtrixlekpezsek s geometrijuk
1
1
1
1
1
y0
2
3
2
4
6
y1
. =
3
6
9
1
.
.
..
..
..
..
..
.
.
.
.
.
y N 1
1
N 1
2( N 1)
3( N 1)
N 1
c0
c1
..
.
2( N 1)
3( N 1)
..
.
c
N 1
2
( N 1)
1
1
...
1
1
...
N 1
2
N 1
(7.29)
N, = V N (1, , , . . . ,
) = .
..
..
..
.
.
.
.
.
2
1 N 1 . . . ( N 1)
1
1
...
1
1
...
N 1
(7.30)
N, = V N (1, , . . . , N 1 ) =
..
..
..
..
.
.
.
.
2
1 N 1 . . . ( N 1)
Az elozo pldban a Fourier-egytthatk ismeretben meghatroztuk a fggvny helyettestsi rtkeit. A gyakorlati alkalmazsokban
foknt a fordtott sorrend rdekes, vannak yk mrt adataink, s keressk a ck egytthatkat. Ehhez nyjt alapismereteket a kvetkezo ttel.
7.86. ttel (A Fourier-mtrixok tulajdonsgai). Legyen N pozitv
egsz szm, = e2i/N , = = e2i/N . Az N, s N, Fourier-mtrixok a kvetkezo tulajdonsgokkal rendelkeznek:
a) Brmelyik Fourier-mtrix k-adik s N k-adik sora egyms konjugltja,
pros N esetn pedig az N/2-edik sorvektor (1, 1, 1, 1, . . . ).
b) A kt Fourier-mtrix egyms konjugltja s egyttal egyms adjungltja
is, azaz N, = N, = N, s N, = N, = N,
c) N, N, = NI N , gy N, s N, invertlhat,
1
N, =
tovbb
1 N,
N
1
1
1
N, ,
= N, ,
N,
N
N
1 N,
N
unitr.
Bizonyts. a) Az N, mtrix k-adik, illetve N k-adik sornak nedik eleme kn , illetve ( N k)n . Ez utbbit talaktva kapjuk, hogy
( N k)n = Nn kn = (1 )kn = kn .
347
348
lineris algebra
km mn =
m =0
N 1
m(kn) =
m =0
N 1
(kn )m
m =0
1 N,
N
unitr.
1
N
N 1
cn enit
n =0
mtrixlekpezsek s geometrijuk
Xk =
xn e
n =0
2i kn
N
N 1
xn kn
( = e
2i
N
).
(7.31)
n =0
1
X0
1
X1
7 . = .
FN :
. .
. .
X N 1
x N 1
1
x0
x1
..
.
..
.
...
...
..
.
N 1
...
x0
x1
..
.
N 1
..
2
x N 1
( N 1)
1
1
1
1
"
#
1 i 1
1
1
i
F1 = [1], F2 =
, F4 =
,
1 1
1 1
1 1
1
i 1 i
1
1
1
1
1
1
1
1
1+i
i 1i 1 1+i
i
1 12i
2
2
2
1
i 1
i
1
i 1
i
i
1
i
1
+
i
+i
i
1
i
1
2
2
2
2
F8 =
1
1
1
1
1
1
1 1
1+i
1i
1 1i
i
1 1+i i
2
2
2
2
1
i
1
i
1
i
1
i
1+i
1
+
i
i
1
i
1
i
1
i
2
349
350
lineris algebra
7.88. ttel (A DFT tulajdonsgai). Tekintsk a diszkrt FN Fouriertranszformcit, s legyen az x = ( x0 , x1 , . . . , x N 1 ) vektor kpe X =
( X0 , X1 , . . . , X N 1 ). Ekkor a kvetkezok igazak:
a) Konstans vektor kpe inpulzusvektor (melynek a nulladikat kivve mindegyik koordintja 0), s fordtva, konkrtan
FN (c, c, . . . , c) = ( Nc, 0, . . . , 0),
1
N, X,
N
xk =
1
N
N 1
Xn kn =
n =0
1
N
N 1
Xn e
2i kn
N
n =0
Bizonyts. a) Az llts elso rsznek bizonytsa kzvetlenl leolvashat az N, (c N, ) = cNI N szorzat elso oszlopbl, msodik
rsze a c N, mtrix elso oszlopbl. De a 7.86. ttel bizonytsban
is hasznlt ?? lltsra hivatkozva kzvetlenl is azonnal addik.
b) A (7.31) kpletet hasznlva
N 1
X N k =
xn ( N k)n =
n =0
N 1
N 1
xn kn
n =0
xn kn =
N 1
xn kn = X k
n =0
n =0
2
N, = N N, kpletnek.
7.89. plda (DFT kiszmtsa). Hatrozzuk meg az x = (1, i, i, 2) vektor diszkrt Fourier-transzformltjt!
Megolds. N = 4, gy
1
1
X = F4 x = F4 x =
1
1
1
i
1
i
1
1
1
1
1
1
3 + 2i
i
i 2 + i
=
.
1 i 1
i 2
3i
Muszaki
alkalmazsokban gyakran elofordul, hogy egy periodikus fggvnnyel lerhat jelhez magasabb
frekvencij zaj addik, amit utlag ki szeretnnk szurni.
Ez egy
DFT-IDFT prral knnyen elvgezheto.
mtrixlekpezsek s geometrijuk
A szurs
DFT
szurs
IDFT
A muszaki
gyakorlatban szursen
esettel
foglalkozunk, X bizonyos koordintinak elhagysval (kiszursvel).
0
4
1 1
1
1
1
1
2
4
5
1 9
1 1
1 2 4 1 2 4 2 3
X = F6 x = F6, x =
1 1 1 1 1 1 2 = 0
4 2
4 2 2
1
3
9
1
1 5 4 1 2
ahol kihasznltuk, hogy 6 = 1, + 5 = 1, 2 + 4 = 1. Pldul
X2 = [F6, ]2 x = 4 + 2 2 4 2 2 2 + 4 = 2 2 4 = 3.
Mivel x vals, ezrt a 7.88. ttel b) pontja szerint X N k = X k , amit
azonnal ellenorizhetnk is. Az x vektor mgtt lvo p szerint periodikus fggvny e modellben
x (t) =
1 5
1 i 2p t
ni 2 t
2i 2 t
4i 2 t
5i 2 t
Xn e p =
9e
+ 3e p + 3e p + 9e p
6 n =0
6
p
pn
6
= (ei 6 )n = n
2
6
)n + (ei 6 )n = (ei
2 pn
= 2 cos n = 2 cos
3
p 6
2n
6
) + (ei
2n
6
351
352
lineris algebra
sszefggs, gy
1
2
2
2
2
x (t) =
18 cos
t + 6 cos 2 t = 3 cos
t + cos 2 t.
6
p
p
p
p
2
2
A fggvny teht 3 cos 2
p t, a zaj cos 2 p t.
elvgzsnek idejt tekintsnk azonosnak. A DFT kiszmtsra, azaz a Fourier-mtrixszal val szorzshoz minden sorban N
szorzs, N 1 sszeads kell, s N sor van, gy a szksges muveletek
Xk =
xn e
2i kn
N
N 1
n =0
xn kn
N
n =0
N/21
x2n
2i
e N 2nk
x2n
2i
e N/2 nk
N/21
+e
2i k
N
N/21
n =0
N/21
2i (2n +1)k
N
n =0
n =0
N/21
x2n+1 e
2i
x2n+1 e N/2 nk
n =0
k
x2n nk
N/2 + N
n =0
N/21
x2n+1 nk
N/2
n =0
= Ek + kN Ok .
Hogy klnbsget tegynk az N s N/2 dimenzis vektorok transzformcii kzt, az N-edik s N/2-edik egysggykt jellje
N = e
2i
N ,
2i
s N/2 = e N/2 .
Ok+ N/2 = Ok ,
mtrixlekpezsek s geometrijuk
353
s az kN egytthat is jrahasznosthat:
kN+ N/2 = e
2i (k + N/2)
N
=e
2i (k ) 2i N
N
e N 2
= e
2i (k )
N
= kN .
megkaphatk.
Ezutn rekurzv mdon Ek s Ok kiszmtst is ugyangy vgezzk:
mivel fele akkora a vektor, de ketto van belole, itt is 3N/2 muveletre
lesz szksg. Mivel N kettohatvny, pldul N = 2s , gy s = log2 Nszer kell megismtelnnk ezt a lpst, vagyis a teljes transzformci
3
muveletignye
24 = 16
28 = 256
210 = 1024
216 = 65536
496
96
>5
130816
3072
> 42
2096128
15360
> 136
8589869056
1572864
> 5461
A muveletigny
fenti szmtsban nem vettk figyelembe kN kiszmtsnak kltsgeit. Ha e hatvny kiszmtsa C aritmetikai muvelet
C +3
tel egyenrtku,
akkor is csak 2 N log2 N muveletre
van szksgnk.
Ezzel teht bizonytottuk a kvetkezo ttelt:
7.91. ttel (Gyors Fourier-transzformci). Ltezik olyan algoritmus, mely egy N-dimenzis vektor diszkrt Fourier-transzformltjt legfljebb O( N log2 N ) aritmetikai muvelet
elvgzsvel kiszmolja.
A fenti bizonytsban szereplo algoritmus pszeudokdja:
Mivel e transzformci is lineris lekpezsekbol ll, a gyors Fouriertranszformci mtrixszorzat-alakba is flrhat:
"
FN = N
F N/2
O
O
F N/2
#
N ,
354
lineris algebra
function FFT(x)
N dim(x)
X legyen N-dimenzis vektor
if N = 1 then
X0 x 0
else
y x pros indexu elemei
z x pratlan indexu elemei
Y FFT(y)
Z FFT(z)
for k 0 to N/2 1 do
E Yk
2i
O e N k Zk
Xk E + O
Xk+ N/2 E O
return X
pldnyai:
0
0
1
0
0
1
0
1
1
0
4 =
0
0
1
0
4 =
1
0
1 0 0
0 0 1
0 0
0 0 0
0 0 0
1 0
8 =
0 1 0
0 0
0 1
0 0 0
0 0 0
0 0 0
1
0
"
#
I2 D2
0 i
=
1 0
I2 D2
0
i
0
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
"
I
8 = 4
I4
0
0
0
1
0
0
0
0
0
0
0
1
D4
D4
"
# F2 O O O "
#
4 O
O F2 O O 4 O
= 8
8 .
O 4 O O F2 O O 4
O O O F2
Ltjuk, hogy a rekurzi kvetkeztben a transzformland vektort elo-
mtrixlekpezsek s geometrijuk
355
"
4
O
1
0
0
#
0
O
8 x =
0
4
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
x0
x0
0
x x
0
1 4
0 x2 x2
0
x3 = x6 .
0
x4 x1
0 x5 x5
0 x6 x3
x7
x7
1
de valjban
egy igen egyszeruen
lerhat transzformcit kapunk: a transzformland x vektor k-adik koordintjt (k = 0, 1, . . . , N 1) a j-edik helybe viszi, ha j binris alakja ppen fordtottja k binris alakjnak. Pldul ha N = 8, s k = 6, akkor x6 a harmadik koordinta helyre kerl
a permutci sorn, mivel 6 = 1102 , s ennek fordtottja 0112 = 3.
Ennek igazolsa rendkvl egyszeru,
ha szrevesszk, hogy az i-edik
-mtrixszal val szorzs pp jobbrl az elso i koordinta szerinti lexikografikus sorrendbe rendezi az elemeket. Ennek szemlltetsre elg
az a ?? brn bemutatott N = 8 eset vizsglata.
Vektorok konvolcija Vektorok konvolcija igen sok helyen felmerl:
a polinomok szorzstl kezdve az olyan transzformcikig, ahol egy
koordintt szomszdainak egy rgztett lineris kombincijval kell
helyettesteni. A gyors Fourier-transzformcival hatkonyan szmolhat.
Megoldsok
h
7.1. Igen, A : R3 R, mtrixa A = a1
a2
i
a3 .
a2
1
A = a(a x) = a(a x) = (aa )x = a2 a1
a1 a3
0
a1 a2
a22
a2 a3
#
sin cos
.
sin2
a1 a3
a2 a3
a23
356
lineris algebra
h
7.16. 1
1
0
1
0
#+
"
7.10.
"
1
1
1
1
1
1
#+
" #
1
=
1
# " #
1
1 h
=
1
1
1
" #
1
=
1
#+
"
"
i 1
0
0
1
0
1
1
i+
1
/4
=
1/4
1/4
= A0 (AA0 )1 .
#
sin cos
,
sin2
1
2 0 1
1
# " #!1
h
1
1
1
"
0 =
1
2
1
2
0
0
#
7.20. Az elozo feladathoz hasonlan a 7.18. feladat szerint
4
5 1
1
5 1
4
0 3
15 3
7 5 2
i
1 , gy a (7.14) kplet szerint
"
i 1
1
1
7.18. A bizonyts lnyegben megegyezik a 7.48. ttel bizonytsval, csak most az utols kplet is knnyen igazolhatv vlik, hisz ha A teljes sorrang, akkor e feladat
szerinti egyik felbontsa A = Ir A, gy
ugyanis ha q
a b vektor x-tengellyel q
bezrt szge , akkor
cos = b1 / b12 + b22 , s sin = b2 / b12 + b22 .
"
# " #
i
1 1
1 h
7.9.
=
1 1 , gy a (7.14) kplet szerint
0 0
0
"
+
1
2
h
7.17. = 1/30 1
3
4
1/4
# " #!1
h
1
1
1
1 =
"
1
4
1
4
1
4
1
4
#
7.21. A 7.18. feladat szerint
"
7.11.
"
7.12.
"
7.13.
1
2
1
2
0
0
2
2
1
0
1
1
7.14. 2
0
7.15. 2
0
=
#+
1/10
2/10
1/10
2/10
32
1
A+ = Y0 (YY0 )1 (X0 X)1 X0 =
1
132
34
#
0
0
=
1/4 1/4
#+
2/3 1/3
0
1/3
= 1/3
1
2/3
1/3
34
1
32
2
2
2
4
4
"
+
"
1
1/10 2/10
=
2
1/10 2/10
0
+
"
0
5/9
2/9
2 =
4
/9 2/9
1
0
0
4/9
5/9
mtrixlekpezsek s geometrijuk
7.23. Az elso llts azonnal kvetkezik a (7.15) egyenlosgbol, ugyanis ha A teljes oszloprang, akkor
A + A = ( A 0 A ) 1 A 0 A
= ( A 0 A ) 1 A 0 A = I
A msik llts hasonlan addik a (7.16) kpletbol.
7.24. A felttelekbol kvetkezik, hogy A+ A = I, CC+ = I
Ellenorizzk a 7.50. ttel feltteleit:
ACC+ A+ AC = AC,
C+ A+ ACC+ A+ = C+ A+ ,
ACC+ A+ = AA+ , amiszimmetrikus,
C+ A+ AC = C+ C, amiszimmetrikus.
A felttelek teljeslnek, teht AC inverze valban C+ A+ .
7.25. Ha r(A) = 1, akkor ltezik olyan a s b vektor, hogy
A = ab0 . Ekkor a pszeudoinverz kiszmtsrl szl
7.18. feladat (7.21) kplete szerint
A + = b ( b 0 b ) 1 ( a 0 a ) 1 a 0
1
ba0
(a0 ab0 b)1
1
A0 .
=
trace(A0 A)
357
1/3
0
0
0
+
1/3
0
0
0
1 1 1 0 0 0
1/3
0 0 0 1 0 0
0
0
0
1/2 1/2
0
0
0 0 0 1 0 0
0
1/2
0 0 0 0 1 1
0
0
0
7.28. ....
1/2
III. rsz
Mtrixok sajtsgai
361
o msik diagonalizl technika a szingulris rtkekhez kapcsoldik. Ennek trgyalst a diagonalizlhatsghoz kapcsold krdsek tisztzsa, a majdnem diagonlis alak, a
Jordan-fle normlalak lersa kveti, vgl e rszt az alkalmazsokban klnsen fontos nemnegatv mtrixok vizsglata zrja.
8
Sajtrtk, diagonalizls
Egy mtrix jellemzsnek klnsen hatkony eszkze azoknak a nullvektortl klnbzo x vektoroknak a meghatrozsa, amelyeket a mtrixszal val szorzs nmagukkal prhuzamos vektorba visz, azaz amelyekre Ax = x. E vektorok ismerete olyan bzis megtallshoz is
hozzsegt, amelyben e mtrix lnyegesen egyszerubb
0
0
0
1
0
0 .
1
364
lineris algebra
Megolds. Valban,
"
#" # " #
2 2 2
2
,
=
2 3 1
1
"
azaz
2 2
2 3
" #
#" #
2
2
.
= (1)
1
1
2 2
2 3
#" # " #
1
2
,
=
2
4
"
azaz
2 2
2 3
" #
#" #
1
1
.
= (2)
2
2
sajtrtk, diagonalizls
365
3 6 1
A = 1 8 1
1 6 3
mtrix 2-hz, mint sajtrtkhez tartoz sajtaltert gy, hogy megadjuk egy
bzist! Tegyk meg ugyanezt a 10-hez tartoz sajtaltrrel is.
Megolds. Eloszr ellenorizzk, hogy a 2 sajtrtk! Ehhez meg kell
mutatni, hogy az (A 2I)x = 0 egyenletrendszernek van nemtrivilis
megoldsa. Hozzuk az egytthatmtrixot reduklt lpcsos alakra:
1 6 1
1 6 1
A 2I = 1 6 1 = 0 0 0.
1 6 1
0 0 0
Mivel r(A 2I) = 1, ezrt az (A 2I)x = 0 egyenletrendszer szabad
vltozinak szma 2, s megoldsa
6s t
6
1
x = s = s 1 + t 0 .
t
0
1
Teht a sajtaltr egy bzisa a (6, 1, 0) s (1, 0, 1) vektorokbl ll.
A 10 is sajtrtk, mivel az (A 10I)x = 0 egyenletrendszernek van
nemtrivilis megoldsa, ugyanis
1 0 1
7
6
1
A 2I = 1 2
1 = 0 1 1,
0 0 0
1
6 7
(1, 0, 1)
(1, 1, 1)
(6, 0, 1)
teht a megolds
1
t
x = t = t 1.
t
1
gy a sajtalteret az (1, 1, 1) vektor feszti ki.
A kt sajtaltr egyike 2-, msika 1-dimenzis altr. Ezt szemllteti
a 8.1. bra.
2
Karakterisztikus polinom Lttuk, hogy az Ax = x egyenletnek pontosan akkor van a zrusvektortl klnbzo megoldsa, ha a homogn
lineris (A I)x = 0 egyenletrendszernek van nemtrivilis megoldsa. Ez a 6.12. ttel szerint pontosan akkor igaz, ha
det(A I) = 0.
(8.1)
8.1. bra: A 8.6. feladatbeli A mtrix sajtalterei: a 2-hz tartoz 2-dimenzis altr, melyet a (6, 1, 0) s (1, 0, 1) vektorok fesztenek ki, s a 10-hez tartoz
1-dimenzis altr, melyet a (1, 1, 1) vektor feszt ki.
366
lineris algebra
"
#
1 a b
a b c
a b
A=
, B = 0 1 c , C = 1 0 0.
c d
0 0 1
0 1 0
mtrixok karakterisztikus polinomjt s ahol lehet, prbljunk meg ltalnosabb rvnyu lltsokat megsejteni az eredmny alapjn!
Megolds. Ki kell szmtanunk a det(A I) determinns rtkt:
a
det(A I) =
c
b
= ( a )(d ) bc
d
= 2 ( a + d) + ( ad bc)
= 2 trace(A) + det A.
(8.2)
Kimondhat a kvetkeztets: 2 2-es mtrixok karakterisztikus polinomjt a mtrix nyomval s determinnsval is ki tudjuk fejezni.
A B mtrix karakterisztikus polinomja
1
det(B I) = 0
0
a
1
0
b
c = (1 )3 .
1
Ebbol leolvashat, hogy a hromszgmtrixok karakterisztikus polinomjnak alakjt nem befolysoljk a fotln kvli elemek (ld. a 8.8.
ttelt).
A C mtrix karakterisztikus polinomja
a
det(C I) = 1
0
c
0
= ( a )2 + c + b
= 3 + a2 + b + c.
Ez azt sejteti, hogy minden polinomhoz knnyen konstrulhat olyan
mtrix, melynek az a karakterisztikus polinomja (ld. a ?? feladatot). 2
Az elozo feladat tanulsgait kln lltsokban is megfogalmazzuk:
A karakterisztikus polinomot a
det(I A)
determinnssal is szoks definilni. Elonye, hogy ekkor a polinom foegytthatja mindig 1, mg az ltalunk hasznlt
definci szerint a pratlan rendu mtrixok karakterisztikus polinomjnak 1
a foegytthatja. Htrnya viszont az,
hogy a konstans tag nem mindig a determinns, msrszt a kzzel val szmols is nehzkesebb, ezrt az elemi feladatok egyszerubb
sajtrtk, diagonalizls
8.8. llts (Hromszgmtrixok sajtrtkei). A hromszgmtrixok s gy a diagonlis mtrixok sajtrtkei megegyeznek a fotl elemeivel.
Bizonyts. Ha A hromszgmtrix, akkor A I is, s egy hromszgmtrix determinnsa megegyezik fotlbeli elemeinek szorzatval. Eszerint az A = [ aij ] mtrix karakterisztikus egyenlete
ki.
2
A vals 2 2-es mtrixok sajtaltereinek jellemzse Olyan eredmnyekkel
fogunk megismerkedni e paragrafusban, melyek ltalnosthatk lesznek magasabb dimenzira, de 2-dimenzi esetn egyszerubb
a szemlltetsk.
Lttuk, hogy ha x sajtvektor, akkor brmely konstansszorosa is az.
gy egy egyenessel prhuzamos vektorok kzl elg csak egy vektor
kpt vizsglni, mondjuk az egysgvektort. Hasznos lesz teht a lineris lekpezsek korbban megismert egysgkr-brzolsa (ld. 7.4
bra).
8.10. plda (2 2-es mtrixok sajtvektorainak brzolsa).
Hatrozzuk meg a 7.5. s a 7.6. pldkban is szereplo
"
#
"
#
"
#
"
#
5
3
3
5
54 34
43 54
4
4
4
4
, D=
.
A= 3 5 , B= 5 3 , C=
34 54
45 34
4
4
4
4
mtrixok sajtrtkeit s sajtvektorait. Szemlltessk ezeket az egysgkrbrkban.
367
368
lineris algebra
Megolds. Egyszeru szmolssal meghatrozhat mind a ngy mtrix karakterisztikus egyenlete, sajtrtkei s sajtvektorai, br a D
mtrix esetn ezek komplex szmokat is tartalmaznak. A karakterisztikus polinomot jellje p, indexben a mtrix jelvel. Ezutn megadjuk
a sajtrtkeket, majd a sajtvektorokat:
5
pA () = + 1,
2
1
1 = 2, 2 = ,
2
x1 =
3
pB () = 2 1,
2
1
1 = 2, 2 = ,
2
x1 =
pC () = 2 1,
1 = 1, 2 = 1,
x1 =
pD () = 2 + 1,
1 = i, 2 = i,
x1 =
=2
" #
" #
1
1
, x2 =
.
1
1
" #
" #
1
1
, x2 =
.
1
1
" #
" #
1
3
, x2 =
.
3
1
#
"
#
"
4
3
3
3
i
+
i
5
5 , x = 5
4 .
2
1
1
i
+
i
4
4
5
2 = i :
=
amibol x2 = 5 5 .
34 + i
0
0
1
54
A ngy mtrixhoz tartoz egysgkrbra a 8.2 brn lthat.
= 0.5
=2
= 0.5
=1
= 1
ki.
2
sajtrtk, diagonalizls
0 1 1
0 2 0
0 0 2
mtrix sajtrtkeit s sajtvektorait!
Megolds. Az elso lps a karakterisztikus egyenletet felrsa s megoldsa. A kiszmtand determinns hromszgalak, gy rtke a
fotlbeli elemek szorzata:
0
1
1
det(A I) = 0
2
0 = (2 )2
0
0
2
A karakterisztikus egyenlet gykei, s gy az A mtrix sajtrtkei
1 = 0, 2 = 3 = 2.
Tekintsk eloszr a 1 = 0 esetet. A 1 I nullternek meghatrozshoz reduklt lpcsos alakra hozzuk az A 1 I mtrixot:
0
0
1
2
0
0
1
0 = 0
0
2
1
0
0
0
x2 = 0
1 =
x3 = 0
0
2 1 1
2 1 1
0
0 = 2x1 x2 x3 = 0
0 0 0 = 0
0 0 0
0
0
0
369
370
lineris algebra
(s + t)/2
1/2
1/2
= s 1 +t 0
t
0
1
Teht a 2 = 3 = 2 sajtrtkhez tartoz sajtaltr az ( 21 , 1, 0) s az
( 21 , 0, 1) vektorok ltal kifesztett altr.
2
Az n n-es mtrixok karakterisztikus egyenlete n-edfok. Egy ilyen
egyenlet megoldsra n 4 esetn van megoldkplet, ezrt ezeket az
egyenleteket pldul egy komputer algebra program segtsgvel
meg tudjuk oldani. Egybknt vagy szerencsnk van, s az egyenlet
olyan alak, amilyenhez vannak gyors megoldsi lehetosgek, vagy
csak kzelto megolds megtallsra van esly.
8.13. plda (Magasabbfok karakterisztikus egyenlet). Hatrozzuk meg az
1 2 2
A = 2 1 2
3 3 2
mtrix sajtrtkeit s sajtvektorait!
Megolds. A karakterisztikus egyenlet:
1
2
2
A I = 2
1
2
3
3
2
= (1 )2 (2 ) + 24 12(1 ) 4(2 )
= (3 42 11 6)
E harmadfok egyenlet megoldsra hasznlhatunk szmtgpet, vagy
pldul a fggelkben megtallhat Rolle-fle gykttelt. Eszerint a
karakterisztikus egyenlet ( + 1)2 ( 6) = 0, gy gykei 1 = 2 =
1 s 3 = 6.
A 1 = 2 = 1 esetben
2 2 2
1 1 1
A + I = 2 2 2 = 0 0 0 = x1 + x2 + x3 = 0.
3 3 3
0 0 0
Ennek megoldsa
s t
1
1
s = s 1 + t 0,
t
0
1
sajtrtk, diagonalizls
2
5
2
2
1 0 2/3
x1
x3 = 0
3
A 6I = 2 5
2 = 0 1 2/3 =
2
x2 x3 = 0.
3
3 4
0 0
0
3
Ennek megoldsa a trtek alkalmazst elkerlo x3 = 3t paramtervlasztssal
2t
2
2t = t2.
3t
3
Teht a 3 = 6 sajtrtkhez tartoz sajtalteret a (2, 2, 3) vektor feszti
ki.
2
A karakterisztikus egyenlet komplex gykei Ha valselemu mtrixot vizsglunk, megeshet, hogy a karakterisztikus egyenletnek vannak komplex gykei. Mivel a vals szmok egyttal komplexek is, a vals elemu
mtrixot tekinthetjk komplex elemunek
is, ekkor viszont a karakterisztikus egyenlet komplex gykeit is sajtrtknek tekinthetjk. Ebben az esetben a komplex sajtrtkhez komplex elemu sajtvektor fog
tartozni.
8.14. plda (Komplex sajtrtkek s komplex elemu sajtvektorok). Hatrozzuk meg a komplex elemu
#
"
3
1
2
A = 23
1
2
2
1
23
+
=
1
2
2
A 2 + 1 = 0 egyenlet gykei
1
2
!2
3
= 2 + 1.
2
3
2 i.
i
0
= x iy = 0.
371
372
lineris algebra
2
2
i I = 3
=
= x + iy = 0.
A
3
2
2
0 0
2
2 i
Ennek az egyenlet(rendszer)nek a megoldsa az y = t paramtervlasztssal
" # "
#
" #
x
it
i
=
=t
y
t
1
Teht a 12
feszti ki.
3
2 i
A karakterisztikus egyenlet tbbszrs gykei: az algebrai s a geometriai multiplicits Ha a karakterisztikus egyenlet k-szoros gyke, vagy ms
szval multiplicitsa vagy algebrai multiplicitsa k, akkor a -hoz tartoz sajtaltr d dimenzijra 1 d k. Ezt az lltst ksobb bebizonytjuk. A sajtaltr dimenzijt szoktk a geometriai multiplicitsnak
nevezni. A 8.12. s a 8.13. pldk olyan eseteket mutattak, amikor a
sajtrtkek algebrai s geometriai multiplicitsa azonos, azaz minden
sajtaltr pp annyi dimenzis, amennyi a gyk (algebrai) multiplicitsa. A kvetkezo feladat azt mutatja, hogy a sajtaltr dimenzija
kisebb is lehet.
8.15. plda (Sajtrtk algebrai s geometriai multiplicitsa).
Hatrozzuk meg az
A = 0
0
1
4
0
1
0
0
1 s a B =
0
4
0
0
1
0
0
0
0
2
0
0
0
1
2
0 1 0
A 4I = 0 0 1
0 0 0
ezrt az (A 4I)x = 0 egyenletrendszer az y = 0, z = 0 alakot lti,
aminek megoldsa
x
t
1
y = 0 = t 0 .
z
0
0
sajtrtk, diagonalizls
0
0
B I = B I =
0
0
0
0
0
0
0
0
1
0
0
0
.
1
1
1 0
0 1
B I = B 2I =
0
0
0
0
0 0
0 0
,
0 1
0 0
373
374
lineris algebra
Bizonyts. a), b) rjuk fel a sajtpr elemeit komplex algebrai alakban, azaz legyen = a + bi a vals A mtrix sajtrtke, s legyen
x = y + zi a hozz tartoz sajtvektor. Teht Ax = A(y + zi) =
( a + bi)(y + zi). Ha ennek mindkt oldalt balrl beszorozzuk az x
konjugltjnak transzponltjval, azaz az x T = (y zi) T vektorral, akkor kapjuk, hogy
x T Ax = (y zi) T ( a + bi)(y + zi) = ( a + bi)(|y|2 + |z|2 ).
Itt kihasznltuk, hogy y T y = |y|2 s z T z = |z|2 . Vve mindkt oldal
konjugltjt s kihasznlva hogy A vals, teht A = A, kapjuk, hogy
x T Ax = ( a bi)(|y|2 + |z|2 ).
Ezutn vegyk mindkt oldal transzponltjt. A jobb oldal nem vltozik, hisz ott egy szm, azaz egy 1 1-es mtrix ll:
x T A T x = ( a bi)(|y|2 + |z|2 ).
Ezt sszevetve a (115) egyenlosg kt oldaln ll kifejezssel, s kihasznlva, hogy x 6= 0 miatt |y|2 + |z|2 6= 0, kapjuk, hogy
a bi,
ha A szimmetrikus,
a + bi =
2
a + bi, ha A ferdn szimmetrikus.
Eszerint b = 0, ha A szimmetrikus, s a = 0, ha A ferdn szimmetrikus, ami bizonytja az elso kt lltst.
c) Legyen A ortogonlis, ekkor A T A = I.
Sajtrtkek s a mtrix hatvnyai A mtrixok fggvnyeinek szmolsa szoros kapcsolatban van a sajtrtkekkel. E tmban elso lps
a mtrixokhatvnyok sajtrtkeinek s sajtvektoranak meghatrozsa.
8.17. ttel (Mtrix invertlhatsga s a 0 sajtrtk). Az A
mtrix pontosan akkor invertlhat, ha a 0 nem sajtrtke.
Bizonyts. A pontosan akkor invertlhat, ha det(A) 6= 0, de ez
ekvivalens azzal, hogy det(A 0I) 6= 0, azaz 0 nem sajtrtke Anak.
2
8.18. ttel (Mtrix hatvnyainak sajtrtkei s sajtvektorai). Ha az A mtrix egy sajtrtke s x egy hozz tartoz sajtvektor,
akkor brmely egsz n esetn n sajtrtke az An mtrixnak s x egy hozz
tartoz sajtvektor, amennyiben n s An is rtelmezve van.
Bizonyts. n = 0 esetn 0 = 1 s A0 = I, s ekkor minden vektor
sajtvektor, teht ekkor az llts igaz.
sajtrtk, diagonalizls
1
x = A1 x, azaz 1 x = A1 x.
= c1 A m x1 + c2 A m x2 + . . . + c k A m x k
= c1 1m x1 + c2 2m x2 + . . . + ck m
k xk
sajtvektort, amelyek lineris kombincijaknt minden vektor felrhat, gy e ttel csak a sajtvektorok lineris kombincijaknt eloll
vektorokrl szl! E ttel azt mutatja, fontos krds annak eldntse,
hogy egy mtrix sajtvektoraibl mikor alkothat bzis.
375
376
lineris algebra
Feladatok
8.1. Igazoljuk a ?? ttel c) lltst, mely szerint ha egy
2 2-es szimmetrikus vals mtrixnak kt klnbzo sa-
sajtrtk, diagonalizls
Hasonlsg, diagonalizlhatsg
Egy lineris transzformci sajtrtkei s karakterisztikus polinomja mego rzodnek a klnfle bzisokban flrt mtrixaira is. Olyan bzist keresnk,
melyben mtrixa a legegyszerubb
alak.
377
378
lineris algebra
sajtaltr az egyenessel prhuzamos vektorokbl, a 0-hoz tartoz sajtaltere a r meroleges vektorokbl ll.
c) A tr egsz szm tbbszrstol klnbzo szggel val elforgatsa egy egyenes krl a forgstengellyel prhuzamos vektorokat
nmagukba viszi, s semelyik msikat sem viszi a sajt skalrszorosba, gy az egyetlen sajtrtk az 1, amelyhez tartoz sajtaltr a forgstengellyes prhuzamos vektorokbl ll.
d) A tr vektorainak meroleges vettse egy skra helyben hagyja
a sk sszes vektort, mg a skra meroleges vektorokat a 0 vektorba
viszi, teht a kt sajtrtk 1 s 0. Az 1-hez tartoz sajtaltr a sk
vektoraibl, a 0-hoz tartoz sajtaltr a r meroleges vektorokbl ll.
e) E feladatot megoldottuk a 8.1. pldban. A kt sajtrtk 1 s 1,
az 1 sajtrtkhez tartoz sajtaltr a sk vektoraibl, a 1-hoz tartoz
sajtaltr a r meroleges vektorokbl ll.
2
Egy lineris lekpezshez bzisonknt ms-ms mtrix tartozhat, de
a sajtrtkeik mgis ugyanazok, hisz ha egy lekpezs egy vektort a
-szorosba viszi, akkor azt -szorosba viszi minden bzisban.
Hasonl mtrixok sajtrtkei A 7.16. s a 7.17. ttelekbol tudjuk, hogy
egy lineris lekpezshez klnbzo bzisokban tartoz mtrixok hasonlak, msrszt tudjuk azt is, hogy fontos mtrixtulajdonsgok invarinsak a hasonlsgra. E paragrafusban e tulajdonsgok krt fogjuk
bovteni.
8.22. ttel (Sajtrkhez kapcsold invarinsok). Ha A B,
akkor A s B karakterisztikus polinomja azonos, gy sajtrtkei, azok algebrai s geometriai multiplicitsai is megegyeznek.
Bizonyts. A bizonyts sorn fltesszk, hogy valamely invertlhat C mtrixszal A = C1 BC. Ekkor
A I = C1 BC C1 IC)
= C1 (BC IC)
= C1 (B I)C,
azaz A I s B I is hasonlak. A 7.17. ttel szerint hasonl mtrixok determinnsa megegyezik, gy det(A I) = det(B I), azaz
megegyeznek A s B karakterisztikus polinomjai is. Ez maga utn vonja, hogy megegyeznek sajtrtkeik, s azok (algebrai) multiplicitsai.
A geometriai multiplicitsok egyenlosghez elg beltni, hogy A I
s B I nullternek dimenzija megegyezik, azt viszont ugyancsak
a 7.17. ttelben igazoltuk.
2
I E ttel egyik kvetkezmnye, hogy hasonl mtrixok determinnsa
sajtrtk, diagonalizls
8.24. ttel (Diagonalizlhatsg szksges s elgsges felttele). Az n n-es A mtrix pontosan akkor diagonalizlhat, ha van n
linerisan fggetlen sajtvektora. Ekkor a diagonlis mtrix az A sajtrtkeibol, C a sajtvektoraibl ll.
Bizonyts. Ha A hasonl egy diagonlis mtrixhoz, azaz van olyan
C mtrix, hogy = C1 AC diagonlis, akkor C-vel balrl szorozva
a C = AC egyenlosget kapjuk. Ha C = [c1 c2 . . . cn ] s =
diag(1 , 2 , . . . , n ), akkor
0
[ c1 c2 . . . c n ]
..
.
0
0
2
..
.
0
...
...
..
.
...
0
..
= A [ c1 c2 . . . c n ],
.
n
(8.3)
s itt a bal oldali mtrix i-edik oszlopa i ci , a jobb oldali mtrix Aci ,
amik megegyeznek, azaz Aci = i ci , teht ci a i sajtrtkhez tartoz
sajtvektor. Mivel C invertlhat, ezrt oszlopvektorai fggetlenek,
ami bizonytja az lltsunk egyik felt. Tegyk most fel, hogy van
A-nak n fggetlen sajtvektora. Kpezznk a sajtrtkekbol egy
diagonlis mtrixot, a sajtvektorokbl pedig egy C mtrixot gy, hogy
a i-edik oszlopba kerlo i sajtrtkhez tartoz sajtvektor a C
mtrix i-edik oszlopba kerljn. Mivel i ci = Aci , ezrt fnnll a (8.3)
sszefggs, azaz hasonl A-hoz.
2
379
380
lineris algebra
0 1 1
A = 0 2 0
0 0 2
mtrix?
Megolds. Az A mtrix sajtrtkeit s sajtvektorait meghatroztuk
a 8.12. pldban. Mivel 1 = 0, 2 = 3 = 2, a hozzjuk tartoz sajtvektorok (1, 0, 0), (1/2, 1, 0) s (1/2, 0, 1), s ezek a vektorok linerisan
fggetlenek, ezrt A hasonl a diagonlis mtrixhoz, ahol
0 0 0
1 21 12
= 0 2 0, s C = 0 1 0.
0 0 2
0 0 1
Ez knnyen igazolhat a
1 21 12
0
0 1 0 0
0 0 1 0
C = AC sszefggs ellenorzsvel:
1 12 12
0 0
0 1 1
2 0 = 0 2 0 0 1 0.
0 2
0 0 2
0 0 1
(8.5)
(8.6)
sajtrtk, diagonalizls
381
382
lineris algebra
0
0
1
0
0
1
0
0
0
"
1
1
, B=
0
4
1
4
, C = 0
1
0
#
1
2 3
0
4 5, D =
0
0 6
0
0
1
0
0
0
0
2
0
0
0
.
0
2
Megolds. Az A mtrix nilpotens, mert A2 = O, gy nem diagonalizlhat. A B mtrixnak vannak komplex sajtrtkei, gy a valsok
fltt nem diagonalizlhat, de a komplexek fltt igen, mert kt klnbzo sajtrtke van. A C mtrixnak klnbzoek a sajtrtkei, s
mind valsak (1, 4, 6), gy diagonalizlhat. A D mtrix csak a figyelmet ellenorzo krds, e mtrix diagonlis, teht diagonalizlva van,
azaz biztosan diagonalizlhat.
2
Sajtrtkek multiplicitsa s a diagonalizlhatsg* A sajtrtkek algebrai s geometriai multiplicitsa, valamint a diagonalizlhatsg kzt
egyszeru,
de fontos sszefggs van. Nevezetesen a geometriai multiplicits sosem nagyobb az algebrainl, msrszt a diagonalizlhatsg ekvivalens azzal, hogy a geometriai s algebrai multiplicitsok
minden sajtrtk esetn megegyeznek.
8.29. ttel (Algebrai s geometriai multiplicits kapcsolata).
Egy mtrix valamely sajtrtknek geometriai multiplicitsa nem lehet nagyobb az algebrai multiplicitsnl.
Bizonyts. Az A mtrix egy sajtrtknek geometriai multiplicitst jellje g. Ez azt jelenti, hogy A I nullternek van g vektorbl
ll bzisa. Legyen ez x1 , x2 ,. . . , x g . Egsztsk ki e bzist az egsz tr
bzisv a x g+1 ,. . . , xn vektorokkal. E fggetlen vektorokbl kpzett
C = [x1 . . . x g |x g+1 . . . xn ] mtrix invertlhat. rjuk C-t blokkmtrix
alakba: X legyen az elso g oszlopbl ll blokk, azaz C = [X|Y]. Mivel X oszlopai a -hz tartoz sajtvektorok, ezrt AX = X. A C1
sajtrtk, diagonalizls
383
384
lineris algebra
1
0
#
0
.
0
c) E lekpezsnek nincs vals diagonlis mtrixa, mert csak egyetlen vals sajteltere van, s az csak 1-dimenzis: ez a tengely irnyvektora ltal kifesztett altr. A forgstengelyre meroleges sk ugyan
nem sajtaltr, de a forgats nmagba viszi (az ilyet nevezik invarins
altrnek), gy ennek bzisval egy diagonlishoz kzeli alakot kaphatunk. Ha a forgs tengelynek egy irnyvektora a, a r meroleges
sk egy ortonormlt bzisa {b, c}, ahol a b vektor /2 radinnal val
elforgatottja pp c, akkor az {a, b, c} bzisban a forgat F lekpezs
mtrixa
1
0
0
0 cos sin ,
0 sin
cos
sajtrtk, diagonalizls
1 0 0
0 1 0.
0 0 0
e) A sk, melyre tkrznk az 1 sajtrtkhez tartozik. Ha ebben
vlasztva egy {a, b} bzist, s c egy a skra meroleges nemzrus vektor,
akkor Ta = a, Tb = b, Tc = c, gy T mtrixa
1 0
0
0.
0 1
0 0 1
2
Mtrixok hatvnyai s egyb fggvnyei Ha egy folyamat egy xk llapott a kvetkezovel egy lineris xk+1 = Axk kapcsolat fuzi
ssze, akkor
k
az xk = A x0 sszefggs miatt a folyamatot az A mtrix hatvnyai
jellemzik. Krds lehet pldul a mtrixhatvnyok aszimptotikus viselkedse, vagy a nagy kitevoju hatvnyok gyors kiszmtsnak mdja.
Diagonlis mtrix hatvnyai igen knnyen szmolhatk, csak a fotl elemeit kell hatvnyozni. Msrszt (C1 MC)k = C1 Mk C, ezrt
a diagonalizlhat mtrixok igen knnyen hatvnyozhatk.
hatvnyai). Tekintsk az albbi
8.32. plda (Mtrixok nagy kitevos
kt majdnem egyenlo mtrixot:
"
#
"
#
0.3 1.8
0.3 1.8
A=
, B=
0.6 1.8
0.5 1.8
Vizsgljuk meg hatvnyaik hatrrtkt, ha a kitevo tart a vgtelenhez!
Megolds. Mindkt mtrixot diagonalizljuk:
"
#
" 2
0.6 0.0
1
1 = C AC =
, ahol C = 15
0.0 0.9
5
3
13
2
13
valamint
"
2 = D
1.2
BD =
0.0
#
"
0.0
1
, ahol D = 5
0.3
6
1
1
3
"
, D
#
0.0 1
C
0.9k
23
5
3
#
2
.
2
385
386
lineris algebra
1.2
B =D
0.0
k
0.0
0.3
#k
"
1.2k
=D
0.0
#
0.0 1
D ,
0.3k
1 elemeinek el
0
ami arra vezet, hogy 2k [
ojelt is
0 0 ] s a D s a D
k
figyelembe vve gy A [ ], ha k .
2
sajtrtk, diagonalizls
gy A = QQ T . Ekkor
A T = (QQ T ) T = (Q T ) T T Q T = QQ T = A.
Teht A szimmetrikus.
() Tegyk fel, hogy A szimmetrikus, azaz A T = A. Ekkor minden sajtrtke vals, sajtrtkei algebrai multiplicitsnak sszege
teht n. Eloszr megmutatjuk, hogy minden sajtrtk geometriai multiplicitsa megegyezik algebrai multiplicitsval, teht a mtrix diagonalizlhat. Legyen egy tetszoleges sajtrtk, geometriai multiplicitsa legyen g. Ekkor sajtalterbol kivlaszthatunk egy b1 ,. . . , b g
bzist, amelyet kiegsztnk a teljes tr b1 ,. . . , b g ,. . . , bn bzisv. Az
e vektorokbl kpzett B mtrixra teht igaz az
"
I g
AB = B
O
X
Y
( )I g
det(A I) =
O
#
X
= ( ) g det(Y I),
Y I
ezrt algebrai multiplicitsa is g, amivel bizonytottuk, hogy A diagonalizlhat. Mr csak annak bizonytsa maradt, hogy a sajtvektorokbl ortonormlt bzis is kivlaszthat, ez viszont abbl kvetkezik,
hogy szimmetrikus mtrix sajtalterei merolegesek egymsra, gy ha
minden sajtaltrbol kivlasztunk egy ortonormlt bzist, akkor azok
egyestse az egsz tr ortonormlt bzisa lesz (ld. mg errol a 8.26.
ttelt s az azt kveto msodik megjegyzst).
2
8.36. plda. Diagonalizljuk az albbi mtrixot ortogonlisan!
3 1 1
1 3 1.
1 1 3
Hatrozzuk meg az ttrs mtrixt a standardrl arra a bzisra, melyben e
mtrix diagonlis alakot vesz fel!
Megolds. A karakterisztikus polinom:
3
1
1
1
3
1
1
1 = 3 + 92 24 + 20,
3
387
388
lineris algebra
1 1 1
1 1 1
1 1 1 = 0 0 0,
1 1 1
0 0 0
az x + y + z = 0 egyenletrendszer megoldsa pedig ( x, y, z) = (1, 1, 0)s +
(1, 0, 1)t. Ennek az altrnek egy bzisa teht a (1, 1, 0) s a (1, 0, 1)
vektorokbl ll. A = 5 esetn:
2
1
1
1 2
1
1 = 0
1 1,
1 2
1
1 2
0
0
0
amely egyenletrendszer megoldsa ( x, y, z) = (1, 1, 1)t. A kt klnbzo sajtaltrbol val vektorok merolegesek egymsra, de a = 2hz tartoz sajtaltr kt sajtvektora nem alkot ortogonlis rendszert,
ezrt az ltaluk kifesztett trben j bzist keresnk, egy ortonorml
tat. Legyen az a = (1, 1, 0)/ 2 vektor az egyik, ekkor
(1, 1, 0) (1, 1, 0)
1 1
(1, 0, 1) (1, 0, 1)
= , ,1 .
2 2
2
2
6
6
3
1 (1, 1, 1). A
3
1
1
6
3
12
1 .
1
3
2
6
2
1
0
3
Ennek inverze lesz a standard bzisrl val ttrs mtrixa, mely ortogonlis mtrixrl lvn sz, a transzponltja, azaz
1
0
2
2
1
2 .
1
6
6
3
1
3
1
3
1
3
Kvadratikus formk
A csupa msodfok tagot tartalmaz tbbvltozs polinomok mtrixok sajtrtkeinek s sajtvektorainak ismeretben egyszerubb
alakra hozhatk, gy
knnyebben vizsglhatk. E tmnak szmtalan lineris algebrn kvli matematikai s matematikn kvli alkalmazsa is van.
sajtrtk, diagonalizls
"
i a
y
b
b
c
#" #
x
.
y
x
h
i a b c
= x y z b d e y
z
c e f
8.37. plda (Msodfok polinom mtrixszorzatos alakja). rjuk
fel az x12 + 2x22 + 2x32 5x1 x2 3x2 x1 + 5x1 x3 x3 x1 kifejezst mtrixszorzatos alakban!
Megolds. A vegyes tagokat eloszr sszevonva, majd kt egyenlo
egytthatj rszre bontva kapjuk, hogy
x12 + 2x22 + 2x32 8x1 x2 + 4x1 x3
x1
h
i 1 4 2
= x1 x2 x3 4 2 0 x2 .
2
2
0 2
x3
A fentieket kvetve az x = ( x1 , x2 , . . . , xn ) vektor koordintitl fggo homogn msodfok polinomok mindegyike
x T Ax
389
390
lineris algebra
alakra hozhat, ahol A szimmetrikus mtrix. Ezt nevezzk kvadratikus alaknak, vagy kvadratikus formnak. Tipikus alkalmazsokban
a mtrix vals elemu.
Ennek megfeleloen e szakaszban a tovbbiakban kvadratikus formn mindig vals kvadratikus formt rtnk, teht
kvadratikus formnak nevezzk azt az
Rn R; x 7 x T Ax
fggvnyt, ahol A szimmetrikus mtrix.
Fotengelyttel Egy kvadratikus formhoz tartoz szimmetrikus mtrix
diagonalizlsval a kvadratikus forma is egyszeru alakra hozhat.
A spektrlttel szerint minden vals szimmetrikus mtrix ortogonlisan diagonalizlhat, azaz ltezik egy olyan ortogonlis Q mtrix,
s egy diagonlis mtrix, melyre Q T AQ = . Tudjuk, hogy az
x 7 Ax mtrixlekpezs mtrixa a Q oszlopvektorai alkotta Q ortonormlt bzisban . Ha egy tetszoleges x vektor alakja e bzisban y,
akkor x = Qy. E helyettestst elvgezve ugyanennek a fggvnynek
a Q bzisban flrt alakjt kapjuk:
x T Ax = (Qy) T A(Qy) = y T Q T AQy = y T y.
Eszerint, a kvadratikus forma e bzisban nagyon egyszeruv
vlik,
csak ngyzetes tagokat tartalmaz: 1 y21 + 2 y22 + + n y2n , ahol =
diag(1 , 2 , . . . , n ). Ezzel bizonytottuk az albbi ttelt:
(8.7)
sajtrtk, diagonalizls
formcinak nevezzk.
1 4 2
x
h
i
x y z 4
2 0 y .
2
0 2
z
Mtrixnak karakterisztikus polinomja 3 + 52 + 12 36, ennek
gykei, azaz a sajtrtkek 6, 3, 2, a hozzjuk tartoz sajtvektorok
rendre (2, 2, 1), (5, 4, 2), (0, 1, 2). gy a keresett kvadratikus forma
0 0
h
i 6
0 3 0 = 6 2 3 2 + 2 2 .
0
0 2
A sajtvektorokat normlva megkapjuk az ortonormlt bzist, melynek vektoraibl kpzett determinns
2/9 5/35
0
2/9 4/3 5 1/ 5 = 1,
1/9
2/3 5 2/ 5
teht egy megfelelo ortonormlt bzis: ( 92 , 29 , 19 ), (
(0, 1 , 2 ).
5
5
4
2
,
,
),
3 5 3 5
3 5
Kvadratikus formk s mtrixok definitsge A fotengelyttel knnyen ttekinthetov teszi a kvadratikus forma ltal flvett rtkek lehetsges
elojelt. Ez lehetov teszi a kvadratikus formk egy fontos osztlyozst.
8.40. definci (Kvadratikus formk s mtrixok definitsge).
Azt mondjuk, hogy az f (x) = x T Ax kvadratikus forma
a) pozitv definit, ha f (x) > 0,
b) pozitv szemidefinit, ha f (x) 0,
c) negatv definit, ha f (x) < 0,
d) negatv szemidefinit, ha f (x) 0
brmely x 6= 0 vektor esetn, s azt mondjuk, hogy f
391
392
lineris algebra
a szemidefinisgre is.
I Ha A = [ a], azaz A 1 1-es, akkor A pontosan akkor pozitv definit,
ha a > 0.
I ...............................
I Vilgos, hogy ha egy kvadratikus formban csak ngyzetes tagok
szerepelnek, akkor azonnal leolvashat definitsgnek tpusa. Pldul az f ( x, y) = x2 + 2y2 , g( x, y) = x2 2y2 , h( x, y) = x2 2y2 ,
k( x, y, z) = x2 + 2y2 formkrl lthat, hogy f pozitv definit, hisz az
( x, y) 6= (0, 0) esetn rtke mindig pozitv, g indefinit, h negatv definit, s k pozitv szemidefinit, hisz rtke ( x, y, z) 6= (0, 0, 0) esetn
is lehet 0 (ha x = y = 0, de z 6= 0). Miutn a fotengelyttel szerint
minden kvadratikus forma egyenlo vltozk ngyzeteinek a sajtrtkekkel vett lineris kombincijval, ezrt a definitsg tpusa pusztn
csak a sajtrtkek elojeleinek ismeretben eldntheto.
2 1 1
0 1 1
2
1
1
A = 1 2 1
B = 1 0 1
C = 1 2
1
1 1 2
1 1 0
1
1 2
mtrixok definitsgnek tpust!
Megolds. Az A mtrix sajtrtkei 1, 1 s 4. gy a fotengely-transzformci utn kapott
h
i 2
z 1
1
1
2
1
1
x
h
1 y =
2
z
i 1
0
0
0
1
0
0 h
0
4
i
= 2 + 2 + 4 2
sajtrtk, diagonalizls
393
9
Szingulris rtk
A szimmetrikus mtrix ortogonlis diagonalizlst fogjuk ltalnostani tetszoleges mtrixra, egy helyett kt ortonormlt bzis megkeressvel. Az egyik bzis a mtrixlekpezs rtemezsi tartomnynak, a
msik az rtkkszletnek lesz bzisa. Ebben az ltalnostsban a sajtrtkek szerept a szingulris rtkek veszik t, a spektrlfelbontst
a szingulris rtk szerinti felbonts (SVD). Az alkalmazsok kzl
kiemelkednek az informcitmrtssel kapcsolatosak, de az egyenletrendszerek megoldshoz hasznlt leghatkonyabbak kz tartoz
algoritmusok is ide sorolhatk.
Szingulris rtk Az, hogy az n n-es A mtrix ortogonlisan diagonalizlhat, azt jelenti, hogy ltezik egy olyan {v1 , v2 . . . , vn } ortonormlt bzis, s lteznek olyan i (i = 1, 2, . . . , n) szmok, hogy
Avi = i vi minden i indexre. Ha a mtrix tglalapalak, pldul
m n-es, azaz az rtelmezsi tartomny s az rtkkszlet klnbzo
tr is lehet, akkor mindkettoben vlasztanunk kell egy bzist. Legyen
{v1 , v2 . . . , vn } az rtelmezsi tartomny ONB-a, az rtkkszlet pedig {u1 , u2 , . . . , um }. Az analgia Avi = i ui alak felttelek kiktst
kvnja. Az m > n s m < n esetek nehzsgeit lekzdendo szortkozzunk a sortrre, azt ugyanis tudjuk, hogy az A : x 7 Ax lekpezs
klcsnsen egyrtelmu a sortr s az oszloptr kztt. gy eloszr
csak e kt altrben keressnk megfelelo bzist. Kzs dimenzijuk a
ranggal egyenlo, jellje ezt r.
396
lineris algebra
i = 1, . . . , r.
ezrt |Avi | = i .
I A szingulris rtkekre adhat olyan definci is, melyben a kt
4/13
6
A=
111/13 4
6
4
#"
3/5
4/5
"
=5
12/13
#
,
5/13
Egyelore nem tudjuk sem azt, hogy egy tetszoleges vals vagy komplex mtrixnak vannak-e szingulris rtkei, s ha igen, egyrtelmuek-e,
1 0 . . . 0
0 2 . . . 0
1 = diag(1 , . . . , r ) =
.. . .
.
..
. ..
.
.
0
...
A szingulris rtk fogalmt Erhard Schmidt vezette be 1907-ben, de o mg sajtrtknek nevezte. Mai nevt 1937-ben
kapta, mert klnsen akkor tunt
hasznos eszkznek pldul az egyenletrendszerek megoldsban , amikor az
egytthatmtrix szingulris.
szingulris rtk
(9.1)
azaz az
h
A v1
v2
...
i h
vr = u1
u2
...
1
i
0
ur
..
.
0
0
2
..
.
0
0
..
.
r
...
...
..
.
...
(9.2)
alakot ltik. Egsztsk ki a {v1 , . . . , vr } vektorrendszert a teljes ndimenzis tr ONB-v, s jelljk a belolk kpzett n n-es ortogonlis mtrixot V-vel,h n > r esetn az
i j vektorokbl kpzett mtrixot
V2 -vel, azaz V2 = vr+1 . . . vn . Mivel V2 oszlopvektorai merolegesek a sortrre, ezrt a nulltrben vannak, teht r < i n esetn
Avi = 0.
Hasonlkpp az elozokhz egsztsk ki az {u1 , . . . , ur } vektorrendszert a teljes m-dimenzis tr ONB-v, s jelljk e vektorokbl
h kpzett m i m-es mtrixot U-val, s m > r esetn legyen U2 =
1 0 . . . 0 0 . . . 0
0 2 . . . 0 0 . . . 0
.
.
.. . .
. .
.
. .. .. . . . ..
.
.
h
i
= u 1 . . . u r | u r +1 . . . u m
0 0 . . . r 0 . . . 0
0 0 . . . 0 0 . . . 0
.
..
..
.. ..
.
. . . . . . . . . .
.
0
...
...
= U
A mtrixok mreteit is kirva Amn Vnn = Umm mn , blokkmtrix
alakba trva
"
#
h
i h
i O
1
A V1 V2 = U1 U2
O O
Ha r = n, illetve r = m, akkor V2 , illetve U2 resek, azaz 0 szm
oszlopbl llnak, ami rtelemszeruen
397
398
lineris algebra
A = U1
"
i
1
U2
O
O
O
#"
V1T
V2T
= U1 1 V1T .
2/3 2/3
1/3 2/3 2/3
6 0 0
0 2
2
2
1/3
1
2
=
/
3
/
3
/
3
0
3
0
2
3
2
/3
1
2
2
2
1
0 0 0
/3
/3
/3
/3 /3
4 2
0
1/3
2/3
2/3
felbonts szingulris felbonts. Ennek alapjn rjuk fel az egyenlosg bal oldaln ll mtrix reduklt szingulris felbontst, s a szingulris felbonts
diadikus alakjt!
Megolds. Eloszr ellenoriznnk kell, hogy valban egy A = UV T
alak egyenlosgrol van sz, azaz hogy
a) az egyenlosg fennll,
b) az U s V mtrixok ortogonlisak, diagonlis.
Knnyen ellenorizheto, hogy igen. Ebbol mr kvetkezik, hogy az
U elso kt oszlopt u1 -gyel, illetve u2 -vel, a V T elso kt sort v1T -vel,
illetve v2T -vel jellve fennllnak az Av1 = 6u1 s az Av2 = 3u2 egyenlosgek. Mivel -rl lthat, hogy r(A) = 2, ezrt U elso 2 oszlopt, V T
elso 2 sort, bal felso 2 2-es blokkjt megtartva a reduklt alakot
kapjuk:
2
4
#"
#
1/3 2/3 "
2
2
1/3
6 0 2/3 2/3
2
1/3
3 2 = /3
1/3 2/3
0 3 2/3
2
2/3
2
0
/3
szingulris rtk
2
4
1
2
2
32 h
i
i
3 h
2 2
3 2 = 6 3 3 32 13 + 3 13 23 13 23
2
2
2
0
3
3
4/3 4/3
2/3
4
4/3
/3 2/3
0 2
2
A = 2
3 2
4 2
0
mtrix szingulris rtkeit, s rjuk fel szingulris felbontst!
Megolds. A szingulris rtkek megegyeznek A T A nemnulla sajtrtkeinek gykeivel.
20
A T A = 14
4
14
4
17 10
10
8
2 = 9
3 = 0
399
400
lineris algebra
1 2 2
6 0 0
2 2
1
1
A = 2
1 2 0 3 0 2
1 2 ,
3
3
2
2 1
0 0 0
1
2
2
#
#
"
"
1 2
1
1
6 0 1 2 2
A = 2
1
3
0 3 3 2
1 2
2
2
A felrsban az U s V mtrixbl is kiemeltnk 13 -ot, de ez is a mtrixhoz tartozik egybknt nem lenne ortogonlis.
2
Az U mtrix meghatrozsra egy tovbbi mdszer is addik. Az
helyett vizsgljuk meg az AA T mtrixot.
AT A
AA T = UV T (UV T ) T = UV T V T U T = U2 U T .
Eszerint a szingulris rtkek az AA T mtrixbl is meghatrozhatk.
Ennek sajtvektorai az U mtrix elso r oszlopt adjk. Mivel az A T A
mtrix i2 rtkhez tartoz sajtvektora vi , ezrt A T Avi = i2 vi , msrszt Avi = i ui , gy e kt sszefggst sszevetve kapjuk, hogy A T Avi =
A T (i ui ) = i2 vi , azaz
A T ui = i vi , azaz vi =
A T ui
.
i
0 1
A = 1 1
1 0
mtrix szingulris rtk szerinti felbontst!
szingulris rtk
"
3 0
#
1/ 2 1/ 2
V=
,
= 0 1 .
1/ 2
1/ 2
0 0
Az ui = Avi /i sszefggs alapjn u1 = 1 (1, 2, 1), u2 = 1 (1, 0, 1).
6
2
Az elozo pldhoz hasonlan u3 kiszmthat az u3 = u1 u2 kplettel is, de most inkbb szmoljunk gy, hogy keressk A T nullternek
bzist. A nulltr meghatrozshoz meg kell oldani a A T = [ 01 11 10 ]
egytthatmtrix homogn lineris egyenletrendszert. Innen is az
addik, hogy u3 = 1 (1, 1, 1). Itt vlaszthatjuk e vektor ellentettjt
3
1/ 2 1/ 3
1/ 6
1/ 3 .
U = 2/ 6
0
1/ 6 1/ 2 1/ 3
Teht a szingulris felbonts
1/ 6
1/ 2 1/ 3
3 0 "
1/ 2
2
1
6
0
/
3
0
1
/
1/ 2
1/ 6 1/ 2 1/ 3
0 0
1/ 2
1/ 2
#
.
2
Bizonyts. A bizonytst vals esetre rjuk le, komplexre lnyegben azonos. Az A T A mtrix szimmetrikus (A H A nadjunglt), mert
(A T A)T = A T (A T )T = A T A. Ennek kvetkeztben minden sajtrtke vals, s ortogonlisan diagonalizlhat. Msrszt minden sajtrtke nemnegatv, ugyanis
401
402
lineris algebra
szingulris rtk
Feladatok
403
#
"
# "
1/ 2 1/ 2 0
#"
"
#
1/ 2
1/ 2 2 0 0 1 1
1 1 0
=
1 0 1
/ 2 / 2 0
1/ 2
1/ 2
B=
1 1 0
0 0 0
1 1 0
0
0 1
"
# " #
h
i
1/ 2
1 1 0
=
[2] 1/ 2 1/ 2 0
1/ 2
1 1 0
mtrix szingulris rtk szerinti felbontst!
10
Jordan-fle normlalak
Mind bizonyos problmk megrtsben, mind a gyakorlati alkalmazsokban fontos lehet, hogy egy lineris lekpezs mtrixt milyen
bzisban rjuk fel. Lttuk milyen sokat segt, ha a bzis sajtvektorokbl ll, sot, ha mg ortonormlt is. Ekkor a mtrix diagonlis alakot
lt. Krds azonban, milyen mtrixok diagonalizlhatk, s amelyek
nem, azokkal mit tudunk kezdeni.
Schur-felbonts
ltalnostott sajtvektorok s a Jordan-blokk Tekintsk a 8.15.. pldban
szereplo
4 1 0
A = 0 4 1
0 0 4
mtrix hatst a standard bzis vektorain:
Ae1 = 4e1
Ae2 = e1 + 4e2
Ae3 = e2 + 4e3
trendezs utn kapjuk, hogy:
(A 4I)e1 = 0
(A 4I)e2 = e1
(A 4I)e3 = e2
Az A 4I mtrix fenti hatst a kvetkezo diagrammal fogjuk szemlltetni:
0
A4I
e1
A4I
e2
A4I
e3
406
lineris algebra
fggs addik:
(A 4I)2 e2 = 0
(A 4I)3 e3 = 0.
Az ilyen vektorokra kln elnevezst fogunk alkalmazni:
10.1. definci (ltalnostott sajtvektor). Az x 6= 0 vektort
a ngyzetes A mtrix sajtrtkhez tartoz ltalnostott sajtvektornak nevezzk, ha valamilyen k termszetes szmra (A I)k x = 0.
k = 1 esetn x sajtvektor. Az ltalnostott sajtvektorokbl ll xi (i =
1, 2, . . . , k) sorozatot Jordan-lncnak nevezzk, ha (A I)xi = xi1 s
(A I)x1 = 0.
Az elozoekben vizsglt konkrt pldban teht a trnek sajtvektorokbl ll bzisa nincs, hisz a sajtaltr csak 1-dimenzis, de ltalnostott sajtvektorokbl ll bzisa van.
10.2. plda (Jordan-lnc konstrukcija). Keressnk az albbi mtrixok minden sajtaltrnek minden bzisvektorhoz egy abban vgzodo
Jordan-lncot:
3 0 1
6 1 3
A = 1
5
2 s a B = 0 4 0
1 0 5
2 1
1
Megolds. A karakterisztikus polinom mindkt mtrix esetn 3 +
122 48 + 64 = (4 )3 , ezrt = 4 hromszoros algebrai multiplicits sajtrtk.
Az A mtrix esetn a sajtaltr 1-dimenzis, melyet az x1 = (1, 1, 1)
vektor feszt ki.
Mivel (A 4I)3 = O, ezrt legfljebb hrom hossz sorozatra szmthatunk: olyan x2 s x3 vektort keresnk, melyre (A 4I)x2 = x1
s (A 4I)x3 = x2 . Ez kt egyenletrendszer megoldst jelenti. Elg a
megoldsok kzl egyet kivlasztani:
2 1 3
0
1
A 4I = 1
,
egy-egy
megolds:
x
=
,
x
=
1
2
1 3 2.
2
2 1 3
0
0
Ezek a kvetkezo lncot adjk:
A4I
A4I
A4I
jordan-fle normlalak
B4I
0 x1 = (1, 0, 1) x2 = (1, 0, 0)
B4I
0 y1 = (0, 1, 0)
Az egyik lnc ketto hossz, a msik egy hossz.
1 0 ... 0 0
0 1 ... 0 0
0 0 ... 0 0
(10.1)
J = . . . .
. . ... ...
.. .. ..
0 0 0 ... 1
0 0 0 ... 0
Jordan-blokknak nevezzk.
A fentiek mintjra knnyen lthat, hogy az ilyen mtrixoknak
a standard bzis minden vektora ltalnostott sajtvektora, teht kimondhat a kvetkezo megllapts: minden Jordan-blokknak van ltalnostott sajtvektorokbl ll bzisa.
10.4. plda (Jordan-lnchoz tartoz Jordan-blokk). rjuk fel
a 10.2.. pldban szereplo A mtrixot az ott konstrult Jordan-lnc vektoraibl ll bzisban!
Megolds. Mivel Ax3 = 4x3 + x2 , Ax2 = 4x2 + x1 s Ax1 = 4x1 , ezrt
az {x1 , x2 , x3 } bzisban a lekpezs mtrixa
4 1 0
J = 0 4 1
0 0 4
Ezt az eredmnyt az ttrs C = [x1 x2 x3 ] mtrixval val kzvetlen
szmolssal is megkaphatjuk, ha elvgezzk az albbi mtrixszorzsokat:
2 3 0
6 1 3
1 3 0
J = C1 AC = 1 1 0 1
5
2 1
2 0
1
0 1
2 1
1
1 3 1
2
407
408
lineris algebra
2
0
A=
1
1
1
0
0
2
2
1
1
1
0
1
1
2
0
0
0
0
1
1
2
3
1
1
0
0
0
0
1
5
1
0
1
1
1
1
1
4
0
1
1
1
1
0
1
1 , C =
0
0
1
0
0
0
4
1
1
1
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
1
0
0
0
.
0
1
1
0
0
A 2I =
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2
2
2
0
0
0
0
1
3
3
2
0
0
0
0
1
3
3
2
2
0
0
2
0
0
0 A 4I =
0
0
0
0
2
0
2
1
0 0 0 0 0
1 2 0 0 0 0
2 2 0 1 0 0
0 2 0 1 1 0
0
0 0 1 1 0
0
0 0 0 1 0
0
0 0 0 0 0
c1
c3
c4
c7
A2I
c2
A2I
A4I
A4I
c5
A4I
c6
A4I
jordan-fle normlalak
2 1 0 0 0
0 2 0 0 0
0 0 2 0 0
J = C1 AC =
0 0 0 4 1
0 0 0 0 4
0 0 0 0 0
0 0 0 0 0
0
0
0
0
1
4
0
0
0
0
4
J1 O . . . O
O J2 . . . O
(10.2)
J=.
.. . .
.
. ..
..
.
O O . . . Jk
ahol k az A fggetlen sajtvektorainak maximlis szma, s Ji az i-edik
sajtvektorhoz tartoz Jordan-blokk.
I A ttelbeli (10.2) mtrixot az A mtrix Jordan-fle normlalakjnak
nevezzk.
I A klnbzo Jordan-blokkok klnbzo sajtvektorokhoz tartoznak, de mivel tbb sajtvektor is tartozhat ugyanahhoz a sajtrtkhez,
ezrt egy sajtrtk tbb Jordan-blokkban is szerepelhet.
409
410
lineris algebra
Mivel r > 0, ezrt a dimenzittel miatt (A I) oszlopternek dimenzija n r < n. Jellje az oszlopteret O . Az O invarins altere
A-nak, azaz A(O ) O , ugyanis O elemei (A I)v alakak, ahol
v tetszoleges, s A(A I)v = (A2 A)v = (A I)(Av) ugyancsak eleme O -nak. Az A mtrixlekpezst szuktsk
le O -ra, jellje
ennek mtrixt A.
mtrix n r mretu,
Az A
ezrt az indukcis feltevs szerint van
Jordan-lncokbl ll bzisa. A kvetkezo diagram e lncokat szem I hogy hat rajtuk. Mivel azonban e halmazon
llteti, s azt, hogy A
ez megegyezik A I hatsval, a nyilak fl is ezt rjuk:
A I
0
..
.
x1
A I
A I
x11
x21
..
.
A p I
A I
A p I
A I
...
...
..
.
x2s2
..
.
A p I
x1s1
A I
. . . xs p
0
..
.
0
..
.
AI
A q +1 I
x1
q +1
x1
..
.
A p I
0
..
.
AI
AI
AI
x11
..
.
x1
AI
AI
y1
..
.
yq
...
x sq
A q +1 I
q +1
A q +1 I
AI
AI
x1s1
..
.
...
..
.
AI
. . . xsq+1
..
..
.
.
A p I
...
A p I
xs p
z1
..
.
zr q
(10.3)
Az x-vektorok szma n r, az y-vektorok szma q, a z-vektorok
szma r q, ezek sszege pedig (n r ) + q + (r q) = n, teht van
elg vektor egy bzishoz. Mr csak a fggetlensgket kell beltni.
A konstrukci olyan volt, hogy az x- s z-vektorok mind fggetlenek
jordan-fle normlalak
egymstl, csak az y-vektorok tolk val fggetlensgt kell bizonytani. Tegyk fel, hogy
j,k xk + t yt + r zr = 0,
j
j,k
mennek, msrszt (A I)yt = xtst , ezrt olyan sszefggshez jutunk, amelyben mr csak x-vektorok lesznek, de nem minden
egytthat nulla, hisz van nemnulla egytthat, s ez ellentmonds.
2
10.7. plda (Normlalakok). Soroljuk fel az sszes lehetsges Jordan normlalakjt annak a mtrixnak, melyrol csak annyit tudunk, hogy
(1 )4 a karakterisztikus polinomja. Ne tekintsnk klnbzonek kt normlalkot, ha azok csak a Jordan-blokkok sorrendjben klnbznek egymstl!
Megolds. A karakterisztikus polinom negyedfok, gy a mtrix 4
4-es. Mivel minden sajtrtk 1, ezrt a Jordan-alak fotljban csupa
1-es szerepel. A lehetsges t alak elemi leszmllssal megkaphat:
1
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
1
1
0
0
0
1
1
0
0
0
,
0
1
0
0
,
0
1
1
0
0
0
1
0
0
0
1
1
0
0
0
0
1
0
1
1
0
0
0
1
1
0
0
0
,
0
1
0
0
1
1
1
0
0
0
1
1
0
0
0
0
1
0
0
0
,
1
1
1 0 0 0
0 1 1 0
0 0 1 1
0 0 0 1
mtrix a negyedik alakbl a kt blokk cserjvel megkaphat.
A Jordan-alak egyrtelmusge
A Cnn -beli mtrixok a Jordan normlalakjuk szerint osztlyokba sorolhatk. Egy osztlyba azok a mtrixok
kerlnek, melyek normlalakja azonos. Egy ilyen osztlyozs azonban
csak akkor ltezik, ha minden mtrixnak csak egyetlen normlalakja
van, azaz a normlalak egyrtelmu.
Ezt biztostja a kvetkezo ttel.
411
412
lineris algebra
kedvrt eloszr tegyk fel, hogy A minden sajtrtke azonos, jellje . A tovbbiak knnyebb megrtsre lssunk
egy konkrt pldt. Legyen az A mtrix karakterisztikus polinomja
( x )13 , s tegyk fel, hogy Jordan-bzisa a kvetkezokpp nz ki:
AI
AI
AI
AI
x11
x12
x13
x14
x21
x22
x23
x24
x31
x32
x33
AI
AI
AI
AI
AI
AI
AI
AI
AI
(10.4)
x41
x51
A leghosszabb blokk mrete 4, ami A I ismeretben gy kaphat meg, hogy 4 az a legkisebb s kitevo, melyre (A I)s = O. ltalban is igaz, a legnagyobb blokk mrete az a legkisebb s, melyre
(A I)s = O. A mtrix hatvnynak zrus volta is invarins, gy
hasonl mtrixokra a leghosszab lnc hossza is azonos.
Legyen a sajtrtkhez tartoz i-hossz Jordan-lncok szma mi .
A 10.4. diagramon m1 = 2, m2 = 0, m3 = 1, m4 = 2. Lthat, hogy
(A I) hatvnyainak rangjbl megmondhat, hogy vektor nem futott mg a nullvektorba, innen pedig az mi rtkek is kiszmolhatk.
Esetnkben
m4 = r (A I)3 = 2
m3 + 2m4 = r (A I)2 = 5
m2 + 2m3 + 3m4 = r (A I) = 8
m1 + m2 + m3 + m4 = n r(A I) = 13 8 = 5
jordan-fle normlalak
s ez az egyenletrendszer egyrtelmuen
megoldhat. ltalban
ms = r (A I)s1
ms1 + 2ms = r (A I)s2
ms2 + 2ms1 + 3ms = r (A I)s2
..
.
m2 + 2m3 + + (s 1)ms = r(A I)
m1 + m2 + m3 + + ms1 + ms = n r(A I)
Ennek az egyenletrendszernek a jobb oldaln a hasonlsgra nzve
invarins rtkek vannak, az egytthatmtrix hromszg alak, gy
egyszeru visszahelyettestssel megoldhat, fotljban csupa egyes
van, melynek kvetkeztben a megolds egyrtelmu,
msrszt a megoldsok mindegyike egsz szm.
Ha a mtrixnak nem csak egy sajtrtke van, akkor sajtrtkenknt egy ilyen egyenletrendszert kapunk, mely annyiban vltozik az
elozohz kpest, hogy ha multiplicitsa m(), akkor A I hatvnyainak rangjhoz az sszes -tl klnbzo sor eggyel hozzjrul,
gy az egyenletrendszerek jobb oldalbl (n m()-t ki kell vonni. A
legnagyobb blokk mrete ekkor A I-nek az a legkisebb s hatvnya,
melynek rangja eloszr ri el n m()-t. gy az sszes esetre ltalnosan rvnyes egyenletrendszer:
ms = m() n + r (A I)s1
ms1 + 2ms = m() n + r (A I)s2
ms2 + 2ms1 + 3ms = m() n + r (A I)s2
..
.
m2 + 2m3 + + (s 1)ms = m() n + r(A I)
m1 + m2 + m3 + + ms1 + ms = n r(A I)
Ennek egyrtelmu megoldhatsga bizonytja lltsunkat.
413
414
lineris algebra
m4 = 1
m4 = 1
m3 + 2m4 = 2
m3 = 0
m2 + 2m3 + 3m4 = 5
m1 + m2 + m3 + m4 = 5
m2 = 2
J=
1
1
1
m1 = 2
m4 = 5 14 + 10 = 1
m4 = 1
m3 + 2m4 = 5 14 + 11 = 2
m3 = 0
m2 + 2m3 + 3m4 = 5 14 + 12 = 3
m2 = 0
m1 + m2 + m3 + m4 = 14 12 = 2
m1 = 1
m3 = 5 14 + 10 = 1
m2 + 2m3 = 5 14 + 12 = 3
m1 + m2 + m3 = 14 12 = 2
m2 = 4 14 + 11 = 1
m1 + m2 = 14 11 = 3
m3 = 1
m2 = 1
m1 = 0
m2 = 1
m1 = 2
jordan-fle normlalak
415
sszefoglalva:
J=
3 1
3 1
3 1
3
2 1
2 1
2
2 1
2
1 1
1
1
1
A Jordan-bzis konstrukcija A Jordan-ttel bizonytsban megkonstrult bzist kis mtrixokra kzzel is ki lehet szmolni. Az itt ismertetendo egyszeru nav algoritmus nem szmtgpes megvalstsra
val, ennl hatkonyabb is ltezik.
Pldaknt tekintsnk egy 18-adrendu A mtrixot, melynek 18szoros sajtrtke, s amelyre a Jordan-lncok hossza rendre m5 = 2,
m4 = 1, m3 = 0, m2 = 1, m1 = 2. Ennek alapjn az A I hatsa
a Jordan-bzison meghatrozhat, amit a 10.1. bra szemllt. Jellje
(A I)k nulltert Nk . N5 a -hoz tartoz teljes ltalnostott sajtaltr e pldban C18 . A nulltr meghatrozsa egy homogn lineris
egyenletrendszer megoldst jelenti, ami nem okoz nehzsget, de az
mr nem teljesen mindegy, hogy a bzist hogy vlasztjuk benne.
10.1. bra: Az A I hatvnyainak nullterei, s hatsa az A mtrix Jordanbzisn
N1
N2
N3
N4
N5
416
lineris algebra
[ K1 | K2 | K3 | K4 | U1 | U2 | U3 | U4 | U5 ] .
Vgl a Jordan-bzis elemeit gy rendezzk, hogy a lncokat egyms utn, minden lncot a sajtvektorbl indulva felsorolunk.
K1
K4
K3
K2
U5
U4
U2
U1
N1
N2
N3
N4
N5
Ezek utn lssunk egy konkrt pldt, majd az algoritmust ltalnosan. A szmols kivitelezshez kt megjegyzs:
jordan-fle normlalak
[ u1 . . . u m | v1 . . . v n ]
mtrixba. Ennek lpcsos alakjban vezregyesek lesznek az elso m
oszlopban, s n m tovbbi oszlopban. A nekik megfelelo vektorok
az eredeti bzisokban (teht V sszes vektora s U -nak n m vektora)
adjk az j bzist.
I Emlkeztetnk r, hogy ha egy mtrix reduklt lpcsos alakja [I|S]
alak, akkor [ IS ] vagy [ SI ] oszlopvektorai a mtrix nulltere bzist
adjk. Vigyzzunk, ha I nem az elso oszlopokban van, akkor [ IS ]
sorait megfeleloen permutlni kell.
0
3
A= 4
4
1
1
3
5
5
1
2
1 1
6 2
4
9 3
5
8 2
5
1
0
0
1
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
1
3
4
0
1
3
4
4
1
1 0 0
0 1 0
rref(A I) = 0 0 1
0 0 0
0 0 0
0
1
1
0
0
0
1
0
0
0
1
N1 = 1
1
0
0
1
0
1
417
418
lineris algebra
(A 1 I)2 nulltert gyorsabb gy szmolni, ha nem A I-t szorozzuk nmagval, hanem lpcsos alakjt jobbrl, s annak a szorzatnak
vesszk a lpcsos alakjt. A lpcsos alak kiszmolsa ugyanis csak
elemi mtrixokkal val balrl szorzst jelent, gy
(rref(A I))(A I) = E(A I)(A I) = E(A I)2
vagyis a szorzat az (A I)2 -en vgrehajtott elemi sormuveletek
a 0-sorok nlkl
0 0 1 1
0
0
0 1 1 0
ahonnan a bzis vektorai:
1
1
N2 = 0
0
0
1 1
0
0
1
0
1
0
0
1
1
1
N3 = 0
0
0
1
0
1
0
0
0
0
0
1
0
1
0
0
1
Ezutn hatrozzuk meg U3 vektorait, vagyis azokat, amelyek N2 bzist (N2 -t) N3 bzisv egsztik ki. Ehhez az [N2 |N3 ] mtrixot kell
reduklt lpcsos alakra hozni, U3 elemei a N3 azon oszlopai lesznek,
melyek fggetlenek N2 -tol, azaz melyek reduklt lpcsos alakjban vezregyes van.
1
1
[ N2 | N3 ] = 0
0
0
1 1 1 1 0 1
1 0
0 1
0
0 1
0 0
0
1
0 0
1 0
0 0 0
0 0
1
0 0
0 1
0
0
1 0
0 0
1
0 0
0
0
1
0
0
1
0
0
0
0
0
0
0
1
0
0 0
1 0
0 1
1 0
0 0
jordan-fle normlalak
0
1
P = 0
0
1
0
1
1
1
0
1 1
3
0
4
1
4
0
0
0
1
3
4
1
1
0
J = 0
0
0
0
1
0
0
0
0
1
1
0
0
0
0
1
1
0
0
0
0
0
Az algoritmus ltalnosan:
Input: A, p( x ) karakterisztikus polinom lineris tnyezokre bontva,
Minden sajtrtkre
Hatrozzuk meg a leghosszabb lnc s hosszt, s (A I)i nulltert (Ni , i = 1, 2, . . . , s). Legyen Us+1 = Ks+1 = N0 = {0}, azaz
e terek bzisa az reshalmaz.
Minden i-re s-tol 1-ig haladva:
* Legyen Ki = (A I)[Ki+1 |Ui+1 ].
* Hatrozzuk meg Ui -t gy, hogy [Ni1 |Ki |Ui ] bzisa legyen
Ni -nek. Ehhez az [Ni1 |Ki |Ni ] mtrix reduklt lpcsos alakja
alapjn vlasszuk a vezroszlopokat Ni -bol az Ui -be.
Tegyk a Jordan-lncok vektorait balrl jobbra egyms mell minden lncot a sajtvektorral kezdve, az gy kapott P mtrixszal J =
P1 AP.
419
420
lineris algebra
10.12. definci (Mtrix exponencilis fggvnye). Az A ngyzetes mtrix exponencilis fggvnyt a kvetkezo sor definilja:
eA = I + A +
A2
An
++
+...
2!
n!
Ha J =
eA = PeJ P1 ,
ahol eJ blokkonknt szmolhat, s
0
..
.
0
0
J =
..
.
0
0
1
..
.
0
...
...
...
..
.
...
1 1
0
0 1
0
0 esetn eJ = e
0 0
..
.. ..
.
. .
0 0
1
2!
...
...
1
..
.
0
...
..
.
...
1
( n 1) !
1
( n 2) !
1
( n 3) !
..
.
1
f
..
.
0
..
.
0
1
..
.
...
...
..
.
...
f ()
0
0!
0 0
..
=
. ...
f 0 ()
1!
f ()
0!
f 00 ()
2!
f 0 ()
1!
..
.
..
.
...
..
.
...
...
3
2
1
1
1 2
1 2 5
Hatrozzuk meg az eA mtrixot!
f ( n 1) ( )
( n 1) !
f ( n 2) ( )
( n 2) ! .
..
.
f ()
0!
jordan-fle normlalak
gy
2
0
0
J = 0 4
0 ,
0
0 4
2
eA = PeJ P1
1 e +1
2 e4)
1 e2 1
2 e4
2
12 e e4 1
P= 1
1
e2 1
e4
e2
e2 1
e4
1
0
1
1 ,
2
1 e2 1
2 e4
1 e2 1
2 e4
2
12 e e4 3
421
11
Nemnegatv mtrixok
Klnsen sok alkalmazsa van azoknak a mtrixoknak, melyek elemei nem negatv szmok. Ilyen mtrixok pldul azok, melyek elemei
mrsi eredmnyek, gazdasgi adatok, valsznusgek,.
..
Mtrixok sszehasonltsa
Mtrixok elemenknti sszehasonltsra a szoksos relcijeleket fogjuk hasznlni. A > B azt jelenti, hogy mindkt mtrix azonos mretu,
s aij > bij . Hasonlan A B, ha aij bij . Egy A mtrixot pozitvnak (nemnegatvnak) neveznk, ha A > O (A O), azaz ha aij > 0
(aij 0). Itt O a nullmtrixot jelli. E fogalmakat s jellseket vektorokra is hasznljuk: az x vektor pozitv, azaz x > 0, ha x minden
koordintja pozitv.
Nhny knnyen igazolhat szrevtel:
A O Ax 0 minden x 0 vektorra,
(11.1)
(11.2)
A O, s x y 0 Ax Ay,
(11.3)
A > O, B O AB > O.
(11.4)
Ksobb fontos szerepet kapnak a kvetkezo mtrixok is: egy mtrix primitv, ha nemnegatv, de valamely pozitv egszkitevos hatvnya pozitv. Pldul a [ 21 11 ] mtrix pozitv, gy primitv is, hisz elso hatvnya pozitv, az [ 11 10 ] mtrix nemnegatv, de primitv, mert
2
424
lineris algebra
Pozitv mtrixok
E szakaszban csak pozitv mtrixokat vizsglunk. Az itt ismertetendo
elmlet Perrontl szrmazik, melyet kt ttelbe foglalunk ssze.
11.1. ttel (Perron-ttel: pozitv sajtrtk s sajtvektor). Ha
A pozitv mtrix, s r = $(A) jelli a spektrlsugart, akkor
1. r > 0,
2. r sajtrtk egy pozitv sajtvektorral,
3. A-nak e pozitv sajtvektor skalrszorosain kvl nincs ms nemnegatv
sajtvektora.
Bizonyts.
1. Ha r = 0, akkor A minden sajtrtke 0, azaz A
nilpotens a ?? ttel szerint. Ez viszont pozitv mtrixra lehetetlen, hisz
annak minden hatvnya pozitv, teht semelyik sem O.
2. Legyen C egyike a legnagyobb abszolt rtku sajtrtkeknek, azaz || = r, s legyen az x sajtvektorral Ax = x. Legyen p az x koordintinak abszolt rtkbol ll vektor, azaz p =
(| x1 |, | x2 |, . . . , | xn |). rjuk fel az Ax = x mindkt oldalnak i-edik
koordintjt, majd vegyk annak abszolt rtkt:
n
aij x j = ||| xi |.
j =1
Ebbol, a hromszg-egyenlotlensget flhasznlva kapjuk, hogy
n
n
rpi = ||| xi | = aij x j aij p j , azaz rp Ap.
j =1
j =1
Ha itt egyenlosg ll, ksz vagyunk, hisz rp = Ap esetn r valban
sajtrtk. Ha nem, akkor az u = Ap rp vektorra u 0 s u
legalbb egyik koordintja hatrozottan pozitv. A (11.2) szerint ekkor Au > 0, azaz A(Ap) rAp > 0. A v = Ap jellssel eszerint
Av > rv, ahol v > 0. Megmutatjuk, hogy ez ellentmondsra vezet,
azaz megmutatjuk, hogy nincs olyan v vektor, hogy Av > rv. Legyen > 0 egy olyan szm, melyre mg fennll az Av (r + )v
1
egyenlotlensg. A B = r+
A mtrixra teht egyrszt Bv v, msrszt
1
r
$(B) = $( r+ A) = r+ < 1, azaz B spektrlsugara 1-nl kisebb. Ez azt
jelenti, hogy limk Bk = O. gy a v < Bv < B2 v < < Bk v vektorsorozat a 0 vektorhoz tart, vagyis v < 0, ami ellentmond korbbi
feltevsnknek. Ezzel bizonytottuk, hogy Ap = rp.
Mg meg kell mutatnunk, hogy p > 0. Tudjuk, hogy p 0, gy a (11.2)
sszefggs miatt Ap > 0, de Ap = rp, teht rp > 0, azaz p > 0.
3. Indirekt feltevs szerint legyen (, x) egy sajtpr, azaz Ax = x
s ahol x 0, s 6= r, legyen tovbb q > 0 az ugyancsak pozitv, s
azonos spektrum A T mtrix r-hez tartoz pozitv sajtvektora, azaz
nemnegatv mtrixok
425
q T A = rq T . Ekkor
rq T x = (q T A)x = q T (Ax) = q T x,
amibol q T x > 0 miatt r = addik, ellentmonds.
Az alkalmazsokban gyakori szerepe indokolja a kvetkezo kitnteto elnevezst. Pozitv mtrix spektrlsugarhoz, mint sajtrtkhez
tartoz pozitv p sajtvektort Perron-vektornak nevezzk, ha koordintinak sszege 1. A hasonl mdon definilt bal sajtvektort bal
Perron-vektornak nevezzk. Ez megegyezik az A T Perron-vektorval.
sszefoglalva: a p Perron-vektort s a q bal Perron-vektort a
n
Ap = rp,
i =1
pi = 1,
q T A = rq T ,
qi = 1
i =1
kpletek definiljk.
11.2. ttel (Perron-ttel: egyszeres s dominns sajtrtk).Ha
A pozitv mtrix, s r = $(A), akkor
1. r egyszeres sajtrtke A-nak,
2. r dominns, azaz minden tovbbi sajtrtkre || < r.
Bizonyts.
1. Megmutatjuk, hogy r egyszeres sajtrtk. Tegyk
fel eloszr, hogy van r-hez tartoz, de p-tol fggetlen s sajtvektor.
Ekkor megfelelo c konstanssal elrheto, hogy a p + cs 0 vektornak
legyen 0 koordintja. Errol azonban az imnt lttuk be, hogy ellentmondsra vezet, teht minden r-hez tartoz sajtvektor p tbbszrse.
Be kell mg ltnunk, hogy nincs olyan v > 0 ltalnostott sajtvektor,
hogy (A rI)v = p, azaz Av = rv + p legyen. Ha ugyanis volna, akkor Av = rv + p rv lenne, ami az elozo pontban bizonytottak szerint ellentmondsra vezet. Tegyk fel teht, hogy ltezik Knnyen elrheto a p egy megfeleloen nagy d konstansszorosnak hozzadsval,
hogy v > 0 legyen, ugyanis (A rI)(v + dp) = p + d(A rI)p = p
miatt ha v ltalnostott sajtvektor, akkor v + dp is.
2. Beltjuk, hogy ha az A egy sajtrtke, akkor || < r. Indirekt
mdon legyen || = r. E bizonyts 2. pontjban lertakat ismtelve
a komplex szmok sszegre vonatkoz hromszgegyenlotlensget
alkalmazva kapjuk, hogy
n
n
(11.5)
aij |x j | aij x j = |||xi |.
j =1
j =1
Mint azt belttuk, ekkor (| x1 |, | x2 |, . . . , | xn |) sajtvektor, a hozz tartoz sajtrtk r = ||, s a (11.5) egyenlotlensgben egyenlosgnek kell
llnia. A komplex szmokra vonatkoz |z1 + + zk | = |z1 | + +
|zk | egyenlosg csak akkor ll fenn, ha mindegyik komplex szm azonos argumentum. Ez esetnkben azt jelenti, hogy van olyan szg,
hogy minden i-re xi = ei | xi |. Eszerint x = ei p, teht = r.
2
426
lineris algebra
Feladatok
11.1. Legyen
A = 5
6
1
6
4
1
4
11.2. Egy pozitv elemu 4-edrendu mtrix hrom sajtrtke 1, 2i, 2i. A 3, 2, 3, 4i, 4 szmok kzl vlasszuk ki
mindegyik olyat, amelyik a negyedik sajtrtk lehet!
11.3. Mutassuk meg, hogy ha az A > O mtrix minden
oszlopban vagy minden sorban c az elemek sszege, akkor c a spektrlsugr.
nemnegatv mtrixok
Nemnegatv mtrixok
A pozitv mtrixok Perron tteleiben kimondott tulajdonsgai kzl
vltoztats nlkl egyik sem marad rvnyben nemnegatv mtrixokra. Pldul
a [ 00 10 ] mtrix nemnegatv, de mivel mindkt sajtrtke 0, ezrt
spektrlsugara is 0,
az [ 10 01 ] mtrix spektrlsugara 1, de az 1 ktszeres sajtrtk, s tbb
linerisan fggetlen pozitv sajtvektor is tartozik hozz,
a [ 01 10 ] mtrix sajtrtkei 1 s 1, gy spektrlsugara ugyancsak 1,
de a spektrlkrn tbb klnbzo sajtrtke is van,
az [ 11 01 ] mtrixnak nincs pozitv sajtvektora.
Ugyanakkor az sem mondhat, hogy ha egy nemnegatv mtrixnak
vannak 0 elemei, akkor nem teljeslnek a Perron-ttelek lltsai. Pldul
az [ 12 10 ] mtrix nemnegatv, sajtrtkei 2, 1, spektrlsugara teht
2, ami egyszeres sajtrtk, s a spektrlkrn az egyetlen sajtrtk, a hozz tartoz (1, 1) sajtvektor pozitv.
A Perron-ttelek lltsaibl nmi gyengts utn, de mg az sszes
nemnegatv mtrixra rvnyes mdon a kvetkezo marad:
11.3. ttel (PerronFrobenius-ttel gyenge vltozat).Ha A
nemnegatv mtrix, akkor az r = $(A) spektrlsugr sajtrtke A-nak,
melyhez tartozik nemnegatv sajtvektor.
Bizonyts. A bizonyts alaptlete, hogy az A nemnegatv mtrixot
pozitv mtrixokkal kzeltjk, melyekre hasznlhatk Perron-ttelei.
Legyen
1 1 ... 1
1 1 1 . . . 1
Ak = A +
. . ..
.
, k N.
k
. ..
.. ..
1
...
Jellje Ak spektrlsugart rk , Perron-vektort pk , az A mtrix spektrlsugart r. A pk vektorok korltos halmazt alkotnak Rn -ben, mivel
mindegyik koordintjuk 0 s 1 kz esik, gy benne vannak az egysgkockban. A BolzanoWeierstrass-ttel szerint kivlaszthat kzlk
egy konvergens pkm rszsorozat. A hatrrtket jellje p. Megmutatjuk, hogy p az A-nak r-hez tartoz sajtvektora s hogy p 0, de
p 6= 0. Mivel pk > 0, ezrt a hatrrtkrol azt tudjuk, hogy p 0.
Tekintsk a folytonos f (x) = in=1 xi fggvnyt. Mivel f (pkm ) = 1,
ezrt f (p) = 1 is fennll, gy p 6= 0.
Tekintsk ezutn az rk sorozatot. A ?? ttel szerint, A1 > A2 >
. . . Ak > > A, gy r1 r2 rk r, azaz az rk sorozat
monoton cskkeno, s alulrl korltos, teht konvergens. Hatrrtkt
427
428
lineris algebra
Msknt megfogalmazva:
r = max max c
(11.7)
x
cxAx
06=x0
cq T x q T Ax = rq T x
c r.
c rk r.
nemnegatv mtrixok
11.5. ttel (Nemnegatv mtrixok spektrlsugarnak becslse). Ha A O, akkor a spektrlsugr a sorsszegek minimuma s maximuma, illetve az oszlopsszegek minimuma s maximuma kz esik, azaz
(
)
(
)
n
aij
i =1
aij
$(A) max
i
j =1
(
min
aij
min
j =1
$(A) max
j
aij
i =1
j =1
j =1
aij |x j | aij .
429
430
lineris algebra
Feladatok
(tlet: ha D = diag( x1 , . . . , xn ), akkor B = D1 AD hasonl A-hoz, gy $(B) = $(A). Alkalmazzuk a 11.5. ttelt.)
n
n
xj
xj
min aij
$(A) max aij
xi
xi
i j =1
i j =1
)
(
)
(
n
n
xi
xi
$(A) max aij
min aij
xj
xj
j
j
i =1
i =1
11.6. Az elozo
meg az
1
6
3 ,
2
s a
6
1
3
2
1
2
2
nemnegatv mtrixok
Irreducibilis mtrixok
Az elozo szakaszban lttuk, hogy Perron ttelei nem maradnak rvnyben ltalban, de vannak mtrixok, amelyekre igen. Frobenius
tallt r arra a knnyen ellenorizhato felttelre, mely alapjn eldntheto, hogy egy nemnegatv mtrix melyik csoportba tartozik.
11.6. definci (Reducibilis s irreducibilis mtrixok). Az R mtrixot reducibilisnek nevezzk, ha a sorok s oszlopok azonos permutcijval
"
#
A B
O C
alakra hozhat, ahol A s C ngyzetes mtrixok. Azaz ltezik olyan P permutcimtrix, hogy PRP T a fenti alak. Az olyan mtrixot, amely nem
hozhat ilyen alakra, irreducibilisnek nevezzk.
11.7. plda. Dntsk el, hogy az albbi mtrixok kzl melyik reducibilis,
melyik irreducibilis! (Segtsgl a nemnulla mtrixelemekrol leolvashat a
sor- s oszlopindex.)
11
21
A = 31
41
51
0
22
0
0
52
13
23
33
43
53
14
24
34
44
54
0
25
0 ,
0
55
0 12 0 0 0
0 0 0 24 25
B = 31 0 0 0 0 .
0 0 43 0 0
0 52 0 54 0
55 52 53 54 51
0 0 0 0 1
25 22 23 24 21
0 1 0 0 0
T
P = 0 0 1 0 0 , PAP = 0 0 33 34 31 .
0 0 43 44 41
0 0 0 1 0
1 0 0 0 0
0 0 13 14 11
Nem ez az egyetlen permutci, pl. az 1 3
is megteszi:
22
0 1 0 0 0
0 0 0 0 1
52
P = 1 0 0 0 0 , PAP T = 0
0 0 1 0 0
0
0 0 0 1 0
0
4 5 2 1 csere
25
55
0
0
0
21
51
11
31
41
23
53
13
33
43
24
54
14 .
34
44
A msodik mtrixban tbb 0 van, azt hinnnk, ez inkbb lesz reducibilis, mgsem tallunk megfelelo P permutcimtrixot. De az hogy
431
432
lineris algebra
igazolhat, hogy nincs? Segt a kvetkezo tlet. Tekintsk azt az ncscs grfot, amelyben az i-edik cscsbl a j-edikbe pontosan akkor
fut irnytott l, ha aij 6= 0.
A mtrix sorain s oszlopain vgrehajtott azonos permutci gy
megfelel a grf cscsai tszmozsnak. Pldul a fenti A mtrixhoz
rendelt grf a 11.1. brn lthat. Vegyk szre, hogy a {2, 5} ponthalmazbl nem fut ki l. Ez azt jelenti, hogy ha a cscsokat tszmozzuk
az 5-s s 1-es sorszm flcserlsvel, akkor az {1, 2} halmazbl nem
fut l a {3, 4, 5} halmazba. Ez pp azt jelenti, hogy brmely mtrixban,
melynek ez a grfja, a bal als 3 2-es rszmtrixa zrusmtrix. Teht
a mtrix reducibilis. ltalnosan megfogalmazva: egy mtrix pontosan akkor reducibilis, ha grfjnak cscsaibl kivlaszthat egy olyan
rszhalmaz, melybol nem indul ki l a komplementer cscshalmazba.
Ebbol az is kvetkezik, hogy egy mtrix pontosan akkor irreducibilis,
ha ilyen rszhalmaz nincs, azaz brmely cscsbl brmely cscs elrheto irnytott ton. Az ilyen grfot erosen sszefggonek nevezzk. A
B mtrix grfja pldul ilyen, hisz az 1-2-5-4-3-1 tvonalon brmely
pontbl brmely msik elrheto. Teht B irreducibilis.
2
I Fontos megjegyezni, hogy a 11.6. definci a sorok s oszlopok azonos
az
oszlopokra
is alC
kalmazni kell. Pldul a
0 0 1
1 0 0
0 1 0
mtrix irreducibilis, hisz egy 3-hossz irnytott kr szomszdsgi
mtrixa, de az elso kt sor cserje a kvnt alakra hozza. Az elso kt
A B ] alakot kapjuk!
oszlopot is kicserlve viszont mr nem az [ O
C
Frobenius vette szre s bizonytotta, hogy az irreducibilits az a
felttel, melynek fennllsa esetn a nemnegatv mtrixokra is kiterjeszthetok a 11.1. ttel lltsai.
11.8. ttel (PerronFrobenius-ttel eros vltozat).Ha az A
nemnegatv mtrix irreducibilis, s r = $(A) jelli a spektrlsugart, akkor
1. r > 0,
2. r sajtrtke A-nak, melyhez tartozik pozitv sajtvektor,
3. A-nak e pozitv sajtvektor skalrszorosain kvl nincs ms nemnegatv
sajtvektora,
4. r egyszeres sajtrtk.
Bizonyts.
1
5
nemnegatv mtrixok
Feladatok
1 0 0 1
1 0 1 1
1
1 1 1 1
1 1 1 1
0
A=
B=
C=
1 1 1 1
1 0 1 1
1
1 0 0 1
1 0 1 1
1
433
1 1 1
11.7. Melyik irreducibilis az albbi mtrixok kzl? AmeA B
1 0 0
0 1 0 0 0 0
0 0 0 0 1 0 mtrixok mindegyikhez, mely bizonytja reducibilitsu0 0 1 0 0 0
0 0 0 1 0 0
0 0 0 1 0 0
0 0 1 0 0 0 kat!
R1 =
, R2 =
.
0 0 0 0 1 0
0 1 0 0 0 0
0 0 0 0 0 1
1 0 0 0 0 0
1 0 0 0 0 0
0 0 0 0 0 1
434
lineris algebra
Megoldsok
9.1. Ellenoriznnk kell, hogy
a) az egyenlosg fennll,
b) az U s V ortogonlis mtrixok, diagonlis,
"
#
# "
0 1/ 2 1/ 2
1/ 2 1/ 2
3 0 0
1/ 6 1/ 6
B=
2/ 6
1/ 2
1/ 2
0
1 0
1/ 3 1/ 3
1/ 3
a B mtrix szingulris felbontsa.
11.1. Sajtrtkek: 10, 3, 3, jobb sajtvektor: u = (5, 9, 11),
bal sajtvektor: v = (4, 2, 1), a kt Perron-vektor: p =
1
1
25 (5, 9, 11), bal sajtvektor: v = 7 (4, 2, 1).
11.2. A spektrlsugr mg nincs a sajtrtkek kzt, gy
Perron ttele miatt csak a 3 s a 4 lehet sajtrtk.
11.3. Ha A minden sorsszege c, akkor az 1 vektor sajtvektor, c sajtrtkkel. Mivel 1 > 0, ezrt ez csak a Perronvektor n-szerese lehet, s akkor c a hozz tartoz sajtrtk,
gy c a spektrlsugr. Hasonlkpp a bal Perron-vektor a
msik lltst is igazolja.
11.4. Mivel a min{5/4, 6/6, 7/5} = 1, ezrt a Collatz
Wielandt-ttel szerint spektrlsugara is legalbb ennyi.
(Vagy a ttelbeli msik kplettel: mivel a c(4, 6, 5) A
(4, 6, 5) = (5, 6, 7) egyenlotlensgben c lehetsges maximuma 1, ezrt a spektrlsugr legalbb 1.)
D 1
11.5. Mivel
= diag(1/x1 , . . . , 1/xn ), ezrt kvetve az
tletben lertakat, a 11.5. ttel elso kplete a feladat elso
kplett adja. A DAD1 mtrixbl a msodik kpletet kapjuk.
R1 irreducibilis, mert a grf erosen sszefggo, azaz brmely cscsbl brmely msikba el lehet jutni irnytott
ton. R2 reducibilis, hisz pldul nem indul irnytott l
a kvetkezo halmazokbl a komplementerkbe: {6}, {3},
{1, 5}, {2, 4}, {1, 5, 6}, {2, 3, 4},. . . . gy igen sok olyan P
permutcis mtrix van, amelyik R2 -t a kvnt alakba viszi. Kzlk legegyszerubb
0 0 0 0 1 0
0 0 0 1 0 0
0 0 1 0 0 0
T
IR2 I = R2 =
.
0 1 0 0 0 0
1 0 0 0 0 0
0 0 0 0 0 1
Az R1 mtrixnak nyilvnvalan sajtvektora a p =
(1, 1, 1, 1, 1, 1) vektor az 1 sajtrtkkel. Mivel R1 nemnegatv s irreducibilis, ezrt a FrobeniusPerron-ttel szerint
a spektrlsugrhoz, mint sajtrtkhez tartoz sajtvektor
az egyetlen sajtvektor, mely pozitv elemu.
Ebbol kvetkezik, hogy a spektrlsugr 1.
Msik megolds a feladat msodik rszre:
0
0
det(R1 I) =
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
= 6 1
0
1
A karakterisztikus polinom gykei a hatodik egysggykk, melyek az 1-sugar krn vannak, teht 1 a spektrlsugr. A spektrlsugr valban sajtrtk, s a = 1-hez
tartoz sajtvektor p = (1, 1, 1, 1, 1, 1).
11.8. A hrom mtrixhoz az albbi grfok tartoznak:
nemnegatv mtrixok
0
0
1
0
0
1
0
0
1
0
0
0
0
1
0
1
0 1
1
1
0
1
1
0
0
1
1
0
1
0
1
0
1 1
1
0
0
1
0
0
1
0
0
0
1
0
0
1
=
0 0
1
0
1
1
0
0
1
1
1
1
435
1 1 1
0 1 0 0
1 0 1 1
0 1 0 0
1 0 0 0 1 1 1 1 1 0 0 0
0 1 1
=
0 0 1 0 1 0 1 1 0 0 1 0 0 1 1
0 0 0 1
1 0 1 1
0 0 0 1
0 1 1
Vgl a harmadik mtrixnl j az 1-4-3-2 sorrend, gy a 2
elem van htul, amit az ( 11 24 33 42 ) permutci megvalst:
1 1 1
1 0 0 0
1 1 1 1
1 0 0 0
0 0 0 1 0 1 0 0 0 0 0 1 1 1 1
=
0 0 1 0 1 1 1 1 0 0 1 0 1 1 1
0 1 0 0
1 1 1 1
0 1 0 0
0 0 0
A
1 balrl szorz permutcimtrix az egysgmtrixbl a
megadott
permutci sorokra val alkalmazsval, mg a
1
jobbrl
szorz
mtrix az oszlopokra val alkalmazsval
1
lett
meghatrozva.
1
1
1
1
1
1
1
A
Fggelk
Lebegopontos szmbrzols
A lebegopontos szmbrzols Tudjuk, hogy minden vals szm flrhat tizedestrt alakban. Ha a szm racionlis, azaz flrhat kt egsz
szm hnyadosaknt, akkor a tizedes trt alak vges vagy vgtelen periodikus. Az irracionlis szmok tizedes trt alakja mindig vgtelen
sok szmjegybol ll. Vges tizedes trt alakkal mrpedig a szmtgpek csak ilyenek kezelsre kpesek a vgtelen tizedestrteket
csak kzelteni tudjuk. A lebegopontos szmbrzols alaptlete az,
hogy egy tzhatvnnyal val szorzssal minden szm rtkes jegyeit a tizedes ponthoz kpest azonos helyre toljuk (odalebegtetjk).
A szmok tudomnyos vagy exponencilis jellsnek normlt alakjban ez a hely az elso rtkes (nem nulla) szm utn van. Pldul 0.123 = 1.23 101 , 0.000321 = 3.21 104 , 123000 = 1.23 105 ,
.321 104 = 3.21 103 .
A szmrendszer alapja nem csak 10 lehet. Legyen b egy 1-nl nagyobb egsz. Megmutathat, hogy minden vals c szm felrhat b
alap szmrendszerben, azaz
a0 a1 . . . ak .ak+1 . . . an . . .
alakban, ahol ai egsz, a0 6= 0 s 0 ai b 1. Ha b = 2, akkor ai
lehetsges rtkei 0 s 1, ha b = 10, akkor ai csak a 0, 1, . . . , 9 jegyek
valamelyike lehet. A flrerts elkerlsre a szmrendszer alapjt a
szm utn als indexbe lehet rni. Pl. 1011012 egy kettes, mg 1011013
egy hrmas szmrendszerbeli szmot jell. A c szm b alap fenti
felrsa azt jelenti, hogy
1
1
c = a 0 b k + a 1 b k 1 + + a k b 0 + a k +1 + + a k + n n + . . .
b
b
Pldul a kettes szmrendszerbeli 1001.1012 szm rtke
1001.1012 = 1 23 + 1 + 1
1
1
1 1
5
+ 1 3 = 8 + 1 + + = 9 = 9.625.
2
2 8
8
2
438
lineris algebra
e =0
e =1
A lebegopontos s a vals szmok kztt az fl fggvny ltest kapcsolatot (fl a floating point kifejezsbol). Legyen x = a0 .a1 a2 . . . a p1 a p . . .
10e egy tetszoleges pozitv vals szm. Az x szm p rtkes jegyre val
kzeltse
e
a0 .a a2 . . . a
ha 0 a p < 5,
1
p1 10
fl( x ) =
1
a0 .a1 a2 . . . a p1 + p1 10e ha 5 a p 9,
10
fggelk
439
Amikor a szmtgp kirja a szmokat tzes szmrendszerbeli kerektst vgez, ha viszont kettes szmrendszerben szmol, az eredmnyt
kettes szmrendszerben kerekti. Erre mutatunk egy leegyszerustett
pldt.
kerektheto az eredmnye a 78 43 = 21
2 muveleteknek,
32 = .65625
5
3 7
.625 = 8 , vagy 2 : 4 = 32 47 = 67 .85714 .875 = 78 . A kerektseket
gy vgezzk, hogy mindig a legkzelebb eso lebegopontos szmra
kerektnk. Tlcsordul pldul a 72 + 52 = 6 s a 72 52 = 35
4 muvelet,
1 1
1
mg alulcsordul a 2 2 = 4 muvelet.
pontos
alulcsorduls
kerektheto
tlcsorduls
440
lineris algebra
jelent (+, , vagy /). A processzorok sebessgt gyakran az egy msodperc alatt elvgzett flopok szmval flops-ban mrik (itt a flops a floating point operation per second
rvidtse). Mivel a szorzs (oszts) processzorideje bizonyos gpeken hosszabb lehet az sszeadsnl (kivonsnl), ezrt szoks kln
szmolni e muveletek
szmt.
Ha egy algoritmus muveletignye
a feladat mretnek egy polinomja, ltalban elg a legmagasabb fok tagot figyelni, ugyanis egy algoritmus muveletignye
nk + p(n)
= 1.
nk
n mretu
bemenet esetn n3 + 1000n, egy msik n3 100n2 flop. Milyen gyorsan
futnak le e programok egy 10 gigaflops sebessgu gpen, ha n = 10000?
Megolds. 10gigaflops = 10 109 flops, n3 + 1000n = (104 )3 + 1000(104 ) =
1012 + 107 , n3 100n2 = (104 )3 100(104 )2 = 1012 1010 , vagyis a kt
futsi ido (1012 + 107 )/1010 = 100.001, illetve (1012 1010 )/1010 = 99
msodperc.
2
fggelk
Feladatok
1.1. Fogalmazzuk meg a 2-es szmrendszerre vonatkoz
kerektsi szablyt! Szmtsuk ki az 1.4.. plda megoldsban szereplo muveleteket
a kettes szmrendszerben s
kerektsk az eredmnyeket e szably szerint.
1.2. Az albbi kt interaktv programkd kiszmtja a
1
o sorrendben, de a kt
9999
n=1 n2 +n sszeget kt klnbz
eredmny klnbzik, s csak a msodik j. Vajon mirt?
(Elemi fggvnytanbl tudjuk, hogy a fenti sszeg n. teleszkpsszeg, mert talakts utn a szlsotagokat kiv
ve minden tag kiesik: 9999
n =1
1
1
10000 .)
1
n2 + n
= 9999
n =1
1
n
1
n +1
441
442
lineris algebra
Komplex szmok
Testek, gyur
uk
tulajdonsgokat hasznlunk, akkor az llts minden olyan struktrban is igaz lesz, amely rendelkezik e muveleti
2. az sszeads kommutatv, asszociatv, ltezik nullelem s minden elemnek ltezik ellentettje (additv inverze),
3. a szorzs kommutatv, asszociatv, ltezik egysgelem s a nullelemen
kvl minden elemnek ltezik multiplikatv inverze (reciproka),
4. az sszeads a szorzsra nzve disztributv.
Formalizlva a fenti defincit, egy test a kvetkezo tulajdonsgokkal rendelkezik:
a) Brmely a, b T elemre a + b T (T zrt az sszeadsra).
b) Brmely a, b T elemre a + b = b + a (kommutatv).
c) Brmely a, b, c T elemre ( a + b) + c = a + (b + c) (asszociatv).
d) Van olyan T-beli elem, jellje 0, hogy brmely a T-re 0 + a = a
(zruselem).
e) Brmely a T elemhez van olyan b T, hogy a + b = 0 (additv
inverz).
f) Brmely a, b T elemre ab T (T zrt az szorzsra).
g) Brmely a, b T elemre ab = ba (kommutatv).
h) Brmely a, b, c T elemre ( ab)c = a(bc) (asszociatv).
i) Van olyan T-beli elem, jellje 1, hogy brmely a T elemre 1a = a
(egysgelem).
j) Brmely a T \ {0} (teht brmely nem nulla) elemhez van olyan
b T, hogy ab = 1 (multiplikatv inverz).
k) Brmely a, b, c T elemre ( a + b)c = ac + bc (disztributivits).
Az sszeads tulajdonsgai az a)-e), a szorzsi az f)-j) pontban vannak, k) a kt muvelet
kzs tulajdonsga.
Nhny megjegyzs s nhny plda:
I Meg lehet mutatni, hogy a nullelem s az egysgelem szksgkp-
fggelk
kapunk.
I Minden gyur
uben
alkotnak.
I Az R R fggvnyek egysgelemes kommutatv gyur
ut
alkotnak.
Ugyangy egysgelemes kommutatv gyur
ut
alkotnak a [0, 1] intervallumon rtelmezett fggvnyek, vagy a [0, 1] intervallumon rtelmezett
s folytonos fggvnyek. A muveletek
443
444
lineris algebra
Feladatok
Testek, gyur
uk
1.3. Plda egy testre Jellje Q( 2) az sszes a + b 2 alak szmok halmazt, ahol a s b racionlis szmok, azaz
testet alkot.
uje
Mutassuk meg, hogy
1.4.? Ngyzetes mtrixok gyur
ha T test, akkor Tnn elemei, azaz a T fltti n n-es mtrixok a szoksos mtrixmuveletekkel
egysgelemes gyur
ut
alkotnak.
fggelk
445
Prmelemu testek
Aritmetika vges halmazon Olyan muveleteket
keresnk a vges bc
elemei kzt, melyek eredmnye is az bcbe esik. Tbb ilyen pldt
is ismertetnk:
a)
b)
muvelettblit
kapjuk.
A szmok paritsa gy is kifejezheto, hogy egy egsz szm pros,
ha 2-vel val osztsi maradka 0, s pratlan, ha osztsi maradka
1, vagyis amikor paritsokkal szmolunk, mondhatjuk, hogy a 2-vel
val osztsi maradkokkal szmolunk. A maradkokkal val hasonl
szmolssal a htkznapokban msutt is tallkozunk, pl. az idopont
kiszmtsakor, de ott nem 2-vel, hanem 12-vel, 24-gyel vagy 60-nal
kell osztani.
1.9. plda (Szmols az rn). Ha most 10 ra van, 5 ra mlva 3
ra lesz, azaz 10-hez 5-t adva 3-at kapunk, ha rkban szmolunk. Hasonlkpp 21 rhoz 4-et adva 1-et kapunk. Ha a percmutat most 48 percet
prs
prs
ptl
XOR
h
i
ptl
ptl
prs
h i
h i
i h
prs
ptl
prs
prs
prs
AND
h
i
ptl
prs
ptl
h i
h h
h i
+ 0 1
0 1
0
0
1
0
0
0
1
1
0
1
0
1
A.4. bra: Muveletek
paritsa
(prs = pros, ptl = pratlan), b) a logikai AND s XOR muveletek
(h = hamis,
i = igaz), c) e muveletek
a {0, 1} bcn.
c)
kapunk kt logikai
muvelettel
+
prs
ptl
446
lineris algebra
11
12
10
+5
3
4
8
7
55
50
10
+35
45
15
40
20
35
30
25
definilunk. Ha a, b Zm ,
akkor jellje a + b, illetve ab azt a Zm -beli elemet, melyet a s b egsz szmknt val sszegnek, illetve szorzatnak m-mel val osztsi maradkaknt
kapunk.
Mivel sem az sszeads sem a szorzs muveletn,
sem a szmokon
nem ltszik, hogy egsz szmok kzti muveletr
csak gy egyrtelmuek,
+ 0 1
0
0
1
1
2
1
2
2
0
A.6. bra: Z3
2
0
0
1
1
2
muvelettbli
0
0
0
0
1
0
1
2
2
0
2
1
fggelk
4
a Z5 - s a Z6 beli szorzshoz!
Megolds. A muvelettblk
elksztse az 5-tel, illetve 6-tal vett maradkokkal szmolva knnyen megkaphat. Pl. 3 4 mod 5 = 12 mod
5 = 2, teht 3 4 = 2 a Z5 -ben.
2
A kt muvelettbla
a 0 elemet elhagyva
invertlhat, azaz brmely kt a, b Z5 \ 0 elemre az ax = b egyenlet megoldhat. Ms szval Z5 -ben van oszts, s minden nemzrus
elemnek van reciproka, azaz multiplikatv inverze. pp gy, mint Rben. Az is lthat, hogy Z6 -ban kt nemzrus rtk szorzata lehet 0
is.
1.13. plda (Oszts, reciprok). Oldjuk meg a 3 x = 2 egyenletet s
hatrozzuk meg a 3 reciprokt Z5 -ben s Z6 -ban!
Megolds. Mivel Z5 -ben 3 4 = 2, s 3 2 = 1, ezrt az egyenlet megoldsa x = 2, s 3 reciproka 2, azaz 1/3 = 2. Z6 -ban az egyenletnek
nincs megoldsa, s 3-nak nincs reciproka.
2
Megmutathat, hogy Zm -ben a szorzs pontosan akkor invertlhat, ha m prm. Ezesetben Zm -et Fm -mel is szoks jellni annak kihangslyozsra, hogy itt az oszts muvelete
is elvgezheto.
A valsok R, a racionlisok Q s az imnt trgyalt F p (p prm)
struktrk a kvetkezo algebrai tulajdonsgokkal rendelkeznek: Az
sszeads s a szorzs is kommutatv, asszociatv muvelet,
a
szorzs invertlhat a 0 elhagysa mellett, s vgl a szorzs disztributv az sszeadsra nzve. Az ilyen algebrai struktrkat (algebrai)
testnek nevezik. Vannak egyb testek is, de ebben a knyvben a fent
felsoroltakon kvl csak a komplex szmok C-vel jellt testvel fogunk
foglalkozni.
Polinomok
+3
447
0 1 2 3 4
0
0 30
0
0 20
1
0
1
2
3
4
0
2
4
1
3
2
3 bra:
0
3ra
1 a 4Z -beli
2 szmolshoz
A.7.
5
4
0
4
3
2
1
0 1
0
0
0
1
0
1
2
0
2
3
0
3
0
4
4
5
0
5
A.8. bra: Z5
2
3
4
5
0
0
0
0
2
3
4
5
4
0
2
4
0
3
0
3
2
0
4
2
4
3
2
1
s Z6 szorzstblja
B
Lineris algebra dihjban
Ebben a fejezetben egybe gyujtnk
450
lineris algebra
megoldhat.
g) Az Ax = 0 egyenletrendszernek a trivilis az egyetlen megoldsa.
h) A sorvektorai linerisan fggetlenek.
i) A oszlopvektorai linerisan fggetlenek.
j) A sorvektorai kifesztik Rn -et.
k) A oszlopvektorai kifesztik Rn -et.
l) A sorvektorai Rn bzist alkotjk.
m) A oszlopvektorai Rn bzist alkotjk.
n) Az A mtrix invertlhat.
o) det(A) 6= 0.
p) A 0 nem sajtrtke A-nak.
q) A 0 nem szingulris rtke A-nak.
r) Az A legkevesebb tagbl ll diadikus felbontsnak n tagja van.
s) Az A lineris lekpezs kptere Rn .
t) Az A lineris lekpezs magtere {0}.
u) Az A lekpezs klcsnsen egyrtelmu.
v) Az A lekpezs invertlhat.
Irodalomjegyzk
Wolf Holzmann. Uniqueness of reduced row echelon form. http:
//www.cs.uleth.ca/~holzmann/notes/reduceduniq.pdf, 2002.
Trgymutat
nadjunglt, 344
ltalnos megolds, 98
ltalnostott sajtvektor, 406
adjunglt, 264, 342
affin altr, 131
alakzat egyenletrendszere, 70
alapvektorok, 50
algebrai multiplicitsa, 372
als hromszgmtrix, 218
altr, 126
affin, 131
invarins, 384
kiegszto, 148
meroleges kiegszto, 148
altr eltoltja, 130
alterek merolegessge, 148
alulcsorduls, 439
alulhatrozott, 86
bzis, 50
altr, 136
standard, 137
bzisfelbonts, 182
bzisoszlop, 95
bzisvektorok, 50
bovtett mtrix, 88
balrendszer, 43
BCD-kd, 64
binris relci, 49
bitvektor, 63
blokkmtrix, 185
csoport, 33
derivltlekpezs, 294
determinns, 241
lineris transzformci, 292
rendje, 241
DFT, 349
did, 176
diadikus felbonts
szingulris rtk szerinti, 398
diadikus szorzat, 176
diagonalizlhatsg, 379
differencilhatsg, 293
dimenzi, 141
direkt sszeg, 150
diszkrt Fourier-sszeg, 345
diszkrt Fourier-transzformci, 349
egytthatmtrix, 88
egyenletrendszer
numerikusan instabil, 110
egysgmtrix, 183
egysgvektor, 42
Einstein-konvenci, 198
ekvivalencia relci, 49
ekvivalens
talaktsok, 86
lineris egyenletrendszerek, 86
elojeles terlet, 239
elojeles aldeterminns, 258
elemi mtrix, 184
elemi sormuveletek,
95
ellenorzo sszeg, 66
erosen sszefggo, 432
euklideszi norma, 31
explicit, 71
fotl, 87
foelem, 95
fooszlop, 95
fejlc, 165
felso hromszgmtrix, 218
ferdn szimmetrikus, 219
FFT, 352
flop, 440
forgatnyomatk, 44
Fourier-sszeg, 345
Fourier-mtrix, 347
Gauss-mdszer, 96
Gauss Seidel-iterci, 116
Gauss Jordan-mdszer, 101
geometriai multiplicits, 372
Givens-forgats, 331
gradiens, 295
gyur
u,
443
gyors Fourier-transzformci, 352
hromszgmdszer, 31
hajlsszg, 60
Hamming-kd, 107
hasonl mtrixok, 290
Hauseholder-mdszer, 337
Hermite mtrix, 344
Hermite, Charles, 342
hipermtrix, 185
hipersk, 81
homogn lineris egyenletrendszer
inhomognhez tartoz, 98
Householder-tkrzs, 331
idempotens, 310
implicit, 70
inkonzisztens, 86
invarins altr, 384
invertlhat, 203
invertlhat muvelet,
202
inverz
elem, 202
irnytott szg, 44
irnytott szakasz, 29
irnyvektor, 71
irreducibilis, 431
ISO 31-11, 30
454
lineris algebra
jl kondicionlt, 110
Jacobi-determinns, 295
Jacobi-iterci, 116
Jacobi-mtrix, 294
jobbrendszer, 43
Jordan normlalak, 409
Jordan-blokk, 407
Jordan-lnc, 406
Jordan-mrtk, 292
kttt vltoz, 97
kttt vektor, 29
kgy, 217
kptr, 279
kd
hossza, 64
kdsz, 64
kdvektor, 64
karakterisztikus egyenlet, 366
karakterisztikus polinom, 366
kerekts, 439
kernel, 279
kiegszto altr, 148
kifesztett altr, 129
kitntetett altr, 148
klasszikus adjunglt, 264
kollineris vektor, 31
komplanris, 32
kompozci
lineris helyettestsek, 168
konjuglt, 291
konstans tag, 84
konzisztens, 86
koordinta, 50
koordintarendszer, 50
korrelcis egytthat, 62
kvadratikus forma, 390
lpcsos alak, 95
lebegopontos szmok, 438
Lebesgue-mrtk, 292
legjobb kzelts, 310
legkisebb ngyzetek elve, 312
levldiagram, 126
lineris
egyenlet, 84
egyenletrendszer, 85
kombinci, 33
lineris egyenletrendszer
konzisztens, 86
lineris egyenletrendszerek
homogn, 86
megoldsa, 86
lineris transzformci
karakterisztikus polinomja, 379
sajtrtke, 377
sajtrtkei, 379
lineris egyenletrendszer
alulhatrozott, 86
tlhatrozott, 86
lineris egyenletrendszerek
ekvivalens, 86
inhomogn, 86
lineris helyettests, 167
mtrixa, 179
lineris lekpezs, 285
kptere, 279
magtere, 279
lineris transzformci, 285
linerisan sszefggo, 35
linerisan fggetlen, 35, 57
LU-felbonts, 226
msodfok tag, 389
mtrix, 87, 170
nadjunglt, 344
diagonlis, 171
elemi, 184
ellentettje, 172
ferdn szimmetrikus, 219
ngyzetes, 171
nemnegatv, 423
ortogonlis, 326
pozitv, 423
primitv, 423
rangja, 122
ritka, 88
sur
u,
88
soronknt dominns fotlj, 118
szemiortogonlis, 326
szimmetrikus, 219
szingulris, 203
mtrix alap nyelvek, 23
mtrixlekpezs, 279
mtrixok tere, 171
mtrixszorzat
didok sszegre bontsa, 188
magtr, 279
maradkosztly, 446
megolds
ltalnos, 98
partikulris, 98
trivilis, 124
megoldsvektor, 86
megoldhat, 86
meroleges sszetevo, 308
meroleges vetlet
altrre eso, 308
modulus, 443
MoorePenrose-fle pszeudoinverz,
314
ngy kitntetett altr, 148
negatv (szemi)definit, 391
nilpotens, 204
normls, 324
normlegyenlet, 312
normlegyenlet-rendszer, 312
norma
euklideszi, 31
nulloszt, 196
nulltr, 128
nullvektor, 30
numerikusan instabil, 110
numerikusan stabil, 110
optimlis megolds, 312
orig, 30
ortogonlis, 53
ortogonlis diagonalizls, 386
ortogonlis mtrix, 326
ortogonlis bzis (OB), 324
ortonormlt bzis, 53
ortonormlt bzis (ONB), 324
oszlopmtrix, 87
oszloptr, 131
oszlopvektor, 51, 87
osztlyozs, 49
osztsi maradk, 446
prhuzamos vektor, 31
parallelepipedon, 37
parallelogramma, 37
elojeles terlete, 239
paritsbit, 66
particionls, 49
partikulris megolds, 98
permutcis mtrix, 217
Perron-vektor, 425
pivotelem, 95
PLU-felbonts, 231
polinom
homogn msodfok, 389
trgymutat
sormtrix, 87
soronknt dominns fotl, 118
sortr, 131
sorvektor, 87
spektrlsugr, 423
standard bzis, 137
sudoku, 193
szg, 60
szabad vltoz, 97
szabad vektor, 30
szemiortogonlis mtrix, 326
szimmetrikus mtrix, 219
szimultn egyenletrendszer, 104
szingulris, 203
szingulris felbonts, 398
szingulris rtk, 396
szingulris felbonts
diadikus alak, 398
tvolsg, 40
altrtol, 310
tlcsorduls, 439
tlhatrozott, 86
test, 442
test (algebrai), 447
tizedespont, 24
tizedesvesszo, 24
torzor, 33
transzponlt, 141
Hermite-fle, 342
trivilis megolds, 124
Vandermonde-determinns, 268
Vandermonde-mtrix, 268
vegyes szorzat, 48
vektor, 30
sszeg, 31
abszolt rtke, 31, 345
azonos irny, 31
egyirny, 31
ellenkezo irny, 31
hossza, 31, 40, 345
jellse, 30, 88
kollineris, 31
koordintinak elvlasztsa, 88
koordints alakja, 50
mtrix alakja, 87
normlsa, 324
prhuzamos, 31
vektoregyenlet, 70
vektori szorzat, 45
vektorok
merolegessge, 60, 345
szge, 40, 60, 345
tvolsga, 60, 345
zrustr, 127
zrusvektor, 30
455