Wettl Ferenc-Linearis Algebra PDF

WETTL FERENC
L I N ER I S
A LG E B R A
azoknak, akik rteni is szeretnk
2011
Tartalomjegyzk
Plyzati tmogats
Gondoz
Copyright
Kulcsszavak: Lineris algebra, vektorok, lineris egyenletrendszerek, mtrixok, lineris lekpezsek.

Rvid ismertets: A knyv a szerzo mrnkhallgatk szmra
tartott eloadsainak tapasztalataira ptve a lineris algebra tbb
tmjt jszeru mdon trgyalja. A fogalmakhoz s ttelekhez
a szoksos helyett igyekszik motivlhatbb, termszetesebb utakat tallni, s ezzel rthetobb tenni az Olvas szmra. Klnsen azokra a tmkra koncentrl, melyek ismerete a modern
mrnki, termszettudomnyos s kzgazdasgi alkalmazsok
megrtshez szksges.
A knyv jelen vltozata az elso oktatsi eredmnyek nyomn
folyamatosan vltozik.
Tmogats: Kszlt a TMOP 4.1.2. 08/2/A/KMR-2009-0028 szm plyzat Termszettudomnyos (matematika s fizika) kpzs a
muszaki
s informatikai felsooktatsban cmu projekt keretben.

Kszlt: a BME TTK Matematika Intzet gondozsban
Szakmai felelos vezeto: dr. Ferenczi Mikls
Projektmenedzser: dr. dm Katalin
A projekt webcme: http://tankonyvtar.ttk.bme.hu
Cmlap grafikai terve: Cspny Gergely Lszl, Tth Norbert
Copyright: Wettl Ferenc, BME TTK, 2011

E mu a Creative Commons (CC BY-NC-ND 3.0) Nevezd meg! Ne
add el! Ne vltoztasd! 3.0 Magyarorszg Licenc szerint hasznlhat.
A copyright terminusai:
kizrlag a Budapesti Muszaki
Egyetem Termszettudomnyi Karnak s a Szerzo nevnek feltntetsvel idzheto,

kizrlag szerzodskts nyomn hasznlhat kereskedelmi clra,
nem mdosthat s nem ksztheto belole tdolgozs.
Tartalomjegyzk
Bevezets
17
A knyvben kvetett elvek

A knyv felptse
Szoftverek
I.
1
18
21
23
A lineris algebra forrsai
Vektorok
25
29
Vektorok a 2- s 3-dimenzis trben
29
Irnytott szakasz, kttt s szabad vektor 29 Vektor magadsa

egy irnytott szakasszal 30 Vektor megadsa hossz s irny
segtsgvel 31 Vektormuveletek
a 2- s 3-dimenzis trben 31
A lineris kombinci defincija 33 Lineris
fggetlensg 35 Specilis lineris kombincik 36
Tvolsg, szg, orientci
39
Skalris szorzs 39 Hosszsg s szg 40

Pithagorsz-ttel 40 Kt fontos egyenlotlensg 41
Egysgvektorral val szorzs s a meroleges vetts 42
Merolegessg s orientci 43 Vektori szorzs 44
Parallelepipedon trfogata, s elojeles trfogata 47 Vegyes
szorzat 47
Vektorok koordints alakban
50
Descartes-fle koordintarendszer 50 Muveletek
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
Lineris egyenletrendszerek s megoldsuk

Egyenes s sk egyenletei
69
69
Alakzatok s egyenletek 69 Skbeli egyenes egyenletei 71

Skbeli pont egyenletei 74 A 3-dimenzis tr skjainak
egyenletei 75 Trbeli egyenes egyenletei 77 Trbeli pont
egyenletei 80 Egyenletek Rn -ben 81
A lineris egyenletrendszer s kt modellje
84
Lineris egyenlet s egyenletrendszer 84 Ekvivalens lineris

egyenletrendszerek 86 Mtrixok 87 Egyenletrendszer
mtrixa s bovtett mtrixa 88 Sormodell: hiperskok
metszete 89 Oszlopmodell: vektor elolltsa lineris
kombinciknt 92
Megolds kikszblssel
95
Elemi sormuveletek
95 Lpcsos alak 95 Gauss-mdszer 96

Reduklt lpcsos alak 100 Gauss Jordan-mdszer 101
A reduklt lpcsos alak egyrtelmusge
103 Szimultn
egyenletrendszerek 104 Kikszbls Z p -ben* 106
Megolds a gyakorlatban
109
A kikszbls muveletignye
109 Numerikusan instabil

egyenletrendszerek 109 Rszleges foelemkivlaszts 111
Sklzs 113 Iteratv mdszerek 114 Jacobi-iterci 115
Gauss Seidel-iterci 116 Az itercik konvergencija 117
Megoldhatsg s a megoldsok tere
121
Homogn s inhomogn egyenletrendszerek megoldsai
121
Kttt vltozk szma, mtrix rangja 121 Egyenletrendszer

megoldhatsgnak felttele 123 Homogn lineris
egyenletrendszer megoldsai 125 Altr 126 Kifesztett
altr 128 Az inhomogn lineris egyenletrendszer
megoldsai 130 Lineris fggetlensg s sszefggosg 132
Alterek tulajdonsgai s az egyenletrendszerek
135
Sor- s oszloptr 135 Bzis 136 Vektor egy bzisra

vonatkoz koordints alakja 138 Dimenzi s rang 140
Elemi bzistranszformci* 143
A lineris algebra alapttele
147
A sortr s a nulltr merolegessge 147 Kiegszto altr 148

A lineris egyenletrendszer megoldsainak jellemzse 151
Megoldsok
II.
155
Mtrixok algebrja s geometrija
161
Mtrixmuveletek
defincii
Tblzatok
165
165
Tblzatok sszeadsa 165 Tblzat szorzsa szmmal 166

Tblzatok szorzsa 166 Lineris helyettests 167
Elemenknti mtrixmuveletek
170
Alapfogalmak, jellsek 170 Elemenknti mtrixmuveletek
172
Mtrixok lineris kombincii 173
Mtrixszorzs
175
Skalris szorzat s diadikus szorzat mtrixszorzatos alakja 176

Lineris egyenletrendszer mtrixszorzatos alakja 177
Lineris helyettests mtrixszorzatos alakja 178 Szorzs
vektorral 179 Szorzs standard egysgvektorral 179 A
bziscsere mtrixszorzatos alakja 180 Bzisfelbonts* 182
Egysgmtrix, elemi mtrixok 183 Mtrixmuveletek
Zm -ben* 185
Blokkmtrixok
185
Muveletek
blokkmtrixokkal 185 Vektorokra particionlt

mtrixok 187 Lineris egyenletrendszer megoldsnak
blokkmtrix alakja* 190
Mtrixmuveletek
tulajdonsgai
195
Az alapmuveletek
algebrai tulajdonsgai
195
Az sszeads s a skalrral val szorzs tulajdonsgai 195 A

szorzs tulajdonsgai 196 Mtrix hatvnyozsa 198 A
transzponls tulajdonsgai 200
Mtrix inverze
201
Az inverz 201 Elemi mtrixok inverze 204 Az inverz

kiszmtsa 205 Az inverz tulajdonsgai 207 Az
invertlhatsg s az egyenletrendszerek megoldhatsga 209
Invertlhatsg, bzis, bziscsere 212
Muveletek
specilis mtrixokkal
216
Diagonlis mtrixok 216 Permutcis mtrixok s kgyk 216

Hromszgmtrixok 218 Szimmetrikus s ferdn
szimmetrikus mtrixok 219 Mtrix s did sszegnek
inverze* 220 Gyorsszorzs* 222
Az LU-felbonts
225
Az LU-felbonts hasznlata egyenletrendszer megoldsra 226

Mtrix invertlsa LU-felbontssal 227 Az LU-felbonts
kiszmtsa 228 PLU-felbonts 230 Az LU-felbonts a
gyakorlatban 233
Megoldsok
235
Determinns
239
Parallelogramma elojeles terlete 239 Parallelepipedon elojeles

trfogata 240
A determinns, mint sorvektorainak fggvnye
241
A determinns defincija 241 A determinns rtknek

kiszmtsa 243 Mtrixmuveletek
s determinns 246
Mikor 0 a determinns rtke 248
A determinns, mint elemeinek fggvnye
254
Kgyk determinnsa 254 Permutcis mtrix

determinnsa* 256 Elojeles aldeterminns 258 Determinns
kifejtse 261 Cramer-szably s a mtrix inverze 262
Blokkmtrixok determinnsa* 266
Vandermonde-determinns 267
Megoldsok
273
Mtrixlekpezsek s geometrijuk
Mtrixlekpezs, lineris lekpezs
279
279
A mtrixlekpezs fogalma 279 Muveletek
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
2- s 3-dimenzis geometriai transzformcik mtrixa

Forgats 301 Meroleges vetts 304 Tkrzs 306
Vetts 306 Eltols 307
Meroleges vetts s a legjobb kzelts
308
Meroleges vetts Rn egy alterre 308 Melyik mtrix

meroleges vetts mtrixa? 309 Altrtol val tvolsg 310
Egyenletrendszer optimlis megoldsa 312 A pszeudoinverz
fogalma* 313 A pszeudoinverz tulajdonsgai* 317 A
pszeudoinverz s a minimlis abszolt rtku optimlis
megolds* 318 Lineris s polinomilis regresszi 320
Ortonormlt bzis, ortogonlis mtrixok
324
Ortogonlis s ortonormlt bzis 324 Ortogonlis

mtrixok 326 Ortogonlis mtrixok geometrija 328 A 2- s
3-dimenzis tr ortogonlis transzformcii 329
Givens-forgats, Householder-tkrzs* 331
GramSchmidt-ortogonalizci* 333 A QR-felbonts* 334
Egyenletrendszer optimlis megoldsa QR-felbontssal* 338
Komplex s vges test feletti terek*
342
301
Komplex vektorok skalris szorzata 342 nadjunglt

mtrixok 344 Tvolsg s a meroleges vetts komplex
terekben 345 Unitr mtrixok 345 Fourier-mtrixok 345
Diszkrt Fourier-transzformci 348 Periodikus sszetevok
szurse
350 Gyors Fourier-transzformci 352 Vektorok

konvolcija 355
Megoldsok
III.
8
355
Mtrixok sajtsgai
Sajtrtk, diagonalizls
Sajtrtk, sajtvektor, sajtaltr
359
363
363
A sajtrtk s a sajtvektor fogalma 363 Karakterisztikus

polinom 365 A vals 2 2-es mtrixok sajtaltereinek
jellemzse 367 Mtrix sszes sajtrtknek s sajtvektornak
meghatrozsa 368 A karakterisztikus egyenlet komplex
gykei 371 A karakterisztikus egyenlet tbbszrs gykei: az
algebrai s a geometriai multiplicits 372 Specilis mtrixok
sajtrtkei 373 Sajtrtkek s a mtrix hatvnyai 374
Hasonlsg, diagonalizlhatsg
377
Lineris transzformcik sajtrtkei 377 Hasonl mtrixok

sajtrtkei 378 Mtrixok diagonalizlsa 379 Sajtrtkek
multiplicitsa s a diagonalizlhatsg* 382 Mtrixok
hatvnyai s egyb fggvnyei 385 Mtrixok ortogonlis
diagonalizlsa 386
Kvadratikus formk
388
Homogn msodfok polinomok mtrixszorzatos alakja 389

Fotengelyttel 390 Kvadratikus formk s mtrixok
definitsge 391 Kpszeletek osztlyozsa 393 Definitsg s
sajtrtkek 393 Szlsortk 393 Szlsortk az
egysggmbn 393
Szingulris rtk
395
Szingulris rtk, szingulris vektor, SVD
395
Szingulris rtk 395 Szingulris felbonts 396 A

szingulris rtkek s a szingulris felbonts meghatrozsa 399
Szingulris rtk szerinti felbonts ltezse 401 Bal s jobb
szingulris vektorok 402 Szimmetrikus s nadjunglt
mtrixok szingulris felbontsa 402 Polrfelbonts 402
Pszeudoinverz 402 Informcitmrts 402
10
10 Jordan-fle normlalak
405
Schur-felbonts 405 ltalnostott sajtvektorok s a

Jordan-blokk 405 Jordan normlalak 409 A Jordan-alak
egyrtelmusge
411 A Jordan-bzis konstrukcija 415

Mtrixfggvnyek 420 A Jordan normlalak hasznlata a
differencilegyenletrendszerek megoldsban 421
11 Nemnegatv mtrixok
423
Mtrixok sszehasonltsa
Pozitv mtrixok
424
Nemnegatv mtrixok
427
Irreducibilis mtrixok
431
Megoldsok
423
Fggelk
434
437
Lebegopontos szmbrzols
437
A lebegopontos szmbrzols 437 Muveletek
lebegopontos
szmokkal 439 Algoritmusok muveletignye:
flop s flops 440
Komplex szmok
442
Testek, gyur
uk
442
Prmelemu testek
445
Aritmetika vges halmazon 445
Polinomok
447
Lineris algebra dihjban

Irodalomjegyzk
Trgymutat
451
453
449
Listk
Ttelek, lltsok, kvetkezmnyek

1.2.
1.5.
1.7.
1.8.
1.9.
1.11.
1.12.
1.13.
1.14.
1.17.
1.18.
1.19.
1.21.
1.22.
1.23.
1.24.
1.29.
1.30.
1.31.
1.35.
1.38.
1.40.
1.41.
1.44.
1.46.
1.47.
1.48.
1.51.
1.52.
1.53.
2.5.
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
2.6. Skbeli egyenes implicit vektoregyenlete . . . . .

2.7. Skbeli egyenes explicit egyenletrendszere . . . .
2.8. Skbeli egyenes (implicit) egyenlete . . . . . . . .
2.10. Sk explicit vektoregyenlete . . . . . . . . . . . .
2.11. Sk implicit vektoregyenlete . . . . . . . . . . . .
2.12. Sk explicit egyenletrendszere . . . . . . . . . . .
2.13. Sk implicit egyenlete . . . . . . . . . . . . . . . .
2.15. Trbeli egyenes explicit vektoregyenlete . . . . .
2.16. Trbeli egyenes explicit egyenletrendszere . . .
2.17. Trbeli egyenes implicit egyenletrendszere . . .
2.29. Ekvivalens talaktsok . . . . . . . . . . . . . . .
2.34. Sormodell . . . . . . . . . . . . . . . . . . . . . .
2.36. Oszlopmodell . . . . . . . . . . . . . . . . . . . .
2.42. Lpcsos alakra hozs . . . . . . . . . . . . . . . .
2.50. A reduklt lpcsos alak egyrtelmu . . . . . . .
2.56. A kikszbls muveletignye
. . . . . . . . . .
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
hatsa a sor- s oszlopvektorokra . . . . . . . . . . . . . . . . . . . . . . . .

3.25. Mtrix lpcsos alakjnak vektorai . . . . . . . . .
3.29. Bzis ekvivalens defincii . . . . . . . . . . . . .
3.31. Bzis-ttel . . . . . . . . . . . . . . . . . . . . . .
3.34. Dimenzi = rang . . . . . . . . . . . . . . . . . .
3.37. Dimenzittel . . . . . . . . . . . . . . . . . . . .
3.38. Elemi bzistranszformci . . . . . . . . . . . . .
3.41. A sortr s a nulltr merolegessge . . . . . . . .
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
3.42. Kiegszto alterek tulajdonsgai . . . . . . . . . .

3.43. A meroleges kiegszto altr tulajdonsgai . . .
3.44. A lineris algebra alapttele . . . . . . . . . . . .
3.45. A ngy kitntetett altr . . . . . . . . . . . . . . .
3.46. Lineris egyenletrendszer megoldsai . . . . . .
4.17. Mtrixszorzs s lineris kombinci . . . . . .
4.18. Mtrix elemeinek, sor- s oszlopvektorainak elolltsa . . . . . . . . . . . . . . . . . . . . . . . .
4.22. Koordintk vltozsa a bzis cserjnl . . . . .
4.23. Bzisfelbonts . . . . . . . . . . . . . . . . . . . .
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
(ferdn) szimmetrikus mtrixokkal .

5.39. Felbonts szimmetrikus s ferdn szimmetrikus
mtrix sszegre . . . . . . . . . . . . . . . . . .
5.40. A T A s AA T szimmetrikus . . . . . . . . . . . .
5.41. Sherman Morrison-formula . . . . . . . . . . .
5.49. Az LU-felbonts ltezse s egyrtelmusge
. .
6.2. Nullvektort tartalmaz determinns . . . . . . .
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
7.88. A DFT tulajdonsgai . . . . . . . . . . . . . . . .

7.91. Gyors Fourier-transzformci . . . . . . . . . . .
8.4. A sajtvektorok alterei . . . . . . . . . . . . . . .
8.8. Hromszgmtrixok sajtrtkei . . . . . . . . .
8.9. Determinns, nyom s a sajtrtkek . . . . . . .
8.11. 2 2-es szimmetrikus mtrixok sajtalterei . . .
8.16. Specilis mtrixok sajtrtke . . . . . . . . . . .
8.17. Mtrix invertlhatsga s a 0 sajtrtk . . . . .
8.18. Mtrix hatvnyainak sajtrtkei s sajtvektorai
8.19. Mtrix hatvnyainak hatsa . . . . . . . . . . . .
8.22. Sajtrkhez kapcsold invarinsok . . . . . . .
8.24. Diagonalizlhatsg szksges s elgsges felttele . . . . . . . . . . . . . . . . . . . . . . . . .
8.26. Klnbzo sajtrtkek sajtvektorai . . . . . . .
8.27. Klnbzo sajtrtkek s diagonalizlhatsg .
8.29. Algebrai s geometriai multiplicits kapcsolata .
8.30. Diagonalizlhatsg s a geometriai multiplicits
8.34. Szimmetrikus mtrix sajtalterei . . . . . . . . .
8.35. Vals spektrlttel . . . . . . . . . . . . . . . . . .
8.38. Fotengelyttel . . . . . . . . . . . . . . . . . . . .
8.42. Definitsg meghatrozsa a sajtrtkekbol . . .
9.6. A szingulris rtkek tulajdonsgai . . . . . . .
10.6. Jordan normlalak . . . . . . . . . . . . . . . . .
10.8. A Jordan-alak egyrtelmusge
. . . . . . . . . . .
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.
Irnytott szakasz, kttt vektor . . . . . .

Vektor . . . . . . . . . . . . . . . . . . . . .
Zrusvektor . . . . . . . . . . . . . . . . .
Vektor hossza . . . . . . . . . . . . . . . .
Vektorok szge . . . . . . . . . . . . . . .
Kt vektor sszege hromszgmdszer
Vektorok klnbsge . . . . . . . . . . . .
Vektor szorzsa skalrral . . . . . . . . .
Lineris kombinci . . . . . . . . . . . .
Vektorok fggetlensge . . . . . . . . . . .
Kt vektor skalris szorzata . . . . . . . .
Egysgvektor . . . . . . . . . . . . . . . .
Vektori szorzat . . . . . . . . . . . . . . . .
Vegyes szorzat . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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 . . . . . . . . . .
. . . . . . . . . . . . . . . . .
2.38. 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
1.34. Vegyes szorzat . . . . . . . . . . . . . . . . . . . .

1.36. Vektorok koordinti . . . . . . . . . . . . . . . .
1.37. Pontok koordinti . . . . . . . . . . . . . . . . .
1.39. Skalris szorzs koordintarendszerben . . . . .
1.42. Parallelogramma terlete . . . . . . . . . . . . .
1.45. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.50. Vektorok szge s tvolsga . . . . . . . . . . . .
1.55. BCD-kd . . . . . . . . . . . . . . . . . . . . . . .
1.56. Lineris kombinci Znm -ben . . . . . . . . . . .
1.57. One time pad a tkletes titkosts . . . . . . .
1.58. Paritsbit . . . . . . . . . . . . . . . . . . . . . . .
1.59. Ellenorzo sszeg . . . . . . . . . . . . . . . . . .
2.1. Az x + y = 1 egyenlet . . . . . . . . . . . . . . .
2.2. Az x2 + y2 = 1 egyenlet . . . . . . . . . . . . . .
2.9. Skbeli egyenes egyenletei . . . . . . . . . . . . .
2.14. Sk egyenletei . . . . . . . . . . . . . . . . . . . .
2.18. Trbeli egyenes egyenletrendszerei . . . . . . . .
2.19. Egyenes s sk explicit vektoregyenlete . . . . .
2.20. Hipersk egyenlete . . . . . . . . . . . . . . . . .
2.22. Lineris egyenlet . . . . . . . . . . . . . . . . . .
2.23. Lineris egyenlet azonos talaktsa . . . . . . .
2.24. Lineris egyenletrendszerek . . . . . . . . . . . .
2.27. Egyenletrendszer egy megoldsa . . . . . . . . .
2.30. Mtrix hasznlata a megoldshoz . . . . . . . .
2.31. Sormodell kt ktismeretlenes egyenlettel . . . .
2.32. Ha 0 lesz a bal oldal . . . . . . . . . . . . . . . .
2.33. Sormodell hrom hromismeretlenes egyenlettel
2.35. A megolds lpsei az oszlopmodellben . . . . .
2.39. Lpcsos alak . . . . . . . . . . . . . . . . . . . . .
2.40. Gauss-mdszer, egy megolds . . . . . . . . . .
2.41. Gauss-mdszer, vgtelen sok megolds . . . . .
2.43. Homogn lineris egyenletrendszer megoldsa .
2.44. Skok metszsvonalnak meghatrozsa . . . . .
2.46. Reduklt lpcsos alak . . . . . . . . . . . . . . . .
2.47. Reduklt lpcsos alakra hozs . . . . . . . . . . .
2.48. Gauss Jordan-mdszer, egy megolds . . . . .
2.49. Gauss Jordan-mdszer, vgtelen sok megolds
2.52. Szimultn egyenletrendszer megoldsa . . . . .
2.53. Szimultn egyenletrendszer bovtett mtrixa . .
2.54. Egyenletrendszer Z2 fltt . . . . . . . . . . . . .
2.55. Egyenletrendszer Z5 fltt . . . . . . . . . . . . .
2.57. Instabil egyenletrendszer . . . . . . . . . . . . . .
2.58. Gauss-mdszer lebegopontos szmokkal . . . .
2.59. Rszleges foelemkivlaszts . . . . . . . . . . . .
2.60. Sor szorzsa . . . . . . . . . . . . . . . . . . . . .
2.61. Jacobi-iterci . . . . . . . . . . . . . . . . . . . .
2.62. Gauss Seidel-iterci . . . . . . . . . . . . . . .
2.63. Divergens iterci . . . . . . . . . . . . . . . . . .
3.3. Mtrix rangjnak kiszmtsa . . . . . . . . . . .
3.5. Kttt s szabad vltozk szma . . . . . . . . .
3.8. Egyenletrendszer megoldsainak szma . . . . .
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
5.42. Inverz vltozsa . . . . . . . . . . . . . . . . . . . 221

5.43. Inverz vltozsa szmpldn . . . . . . . . . . . 221
5.44. Gauss-kikszbls mtrixszorzssal . . . . . . 225
5.46. Egyenletrendszer megoldsa LU-felbontssal . . 226
5.47. Mtrix invertlsa LU-felbontssal . . . . . . . . 227
5.51. PLU-felbonts elolltsa . . . . . . . . . . . . . . 232
6.7. Determinns kiszmtsa hromszg alakra hozssal . . . . . . . . . . . . . . . . . . . . . . . . . 245
6.9. Determinns kiszmolsa PLU-felbontsbl . . 247
6.11. Determinns kiszmtsa elemi oszlopmuvele
tekkel . . . . . . . . . . . . . . . . . . . . . . . . . 248
6.13. Zrus rtku determinnsok . . . . . . . . . . . . 249
6.17. Inverzik szma s a determinns . . . . . . . . 257
6.20. Elojeles aldeterminns . . . . . . . . . . . . . . . 258
6.22. Determinns rendjnek cskkentse . . . . . . . 260
6.24. Kifejtsi ttel . . . . . . . . . . . . . . . . . . . . . 262
6.26. Cramer-szably . . . . . . . . . . . . . . . . . . . 263
6.28. Mtrix inverze . . . . . . . . . . . . . . . . . . . . 265
6.31. Interpolci msodfok polinomokra . . . . . . 267
7.1. Vektori szorzssal definilt mtrixlekpezs . . 280
7.5. Mtrixlekpezs brzolsa az egysgrcs kpvel 283
7.6. Mtrixlekpezs brzolsa az egysgkr kpvel 284
7.8. A derivls s az integrls lineris lekpezs . 286
7.11. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
7.14. Lineris lekpezs mtrixa msik bzisban . . . 290
7.21. Jacobi-mtrix kiszmtsa . . . . . . . . . . . . . 295
7.22. Fggvnyrtk becslse Jacobi-mtrixszal . . . . 296
7.24. Lncszably . . . . . . . . . . . . . . . . . . . . . 297
7.26. Forgats egy tetszoleges pont krl . . . . . . . 301
7.27. Koordintatengely krli forgats a trben . . . 302
7.29. Forgats mtrixa . . . . . . . . . . . . . . . . . . 303
7.30. A forgats mtrixnak inverze . . . . . . . . . . 304
7.33. Skra eso meroleges vetlet kiszmtsa . . . . . 305
7.36. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
7.38. Meroleges vetlet kiszmtsa . . . . . . . . . . . 309
7.40. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
7.43. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
7.46. Nhny pszeudoinverz . . . . . . . . . . . . . . . 314
7.49. A pszeudoinverz kiszmtsa . . . . . . . . . . . 316
7.53. Egyenletrendszer optimlis megoldsa . . . . . 319
7.57. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
7.60. Egy pont skra val meroleges vetlete . . . . . 326
7.62. Ortogonlis mtrixok . . . . . . . . . . . . . . . . 326
7.65. Ortogonlis mtrixok inverze . . . . . . . . . . . 328
7.69. Forgats tengelye s szge . . . . . . . . . . . . . 330
7.71. Householder-tkrzs . . . . . . . . . . . . . . . 332
7.73. GramSchmidt-ortogonalizci . . . . . . . . . . 334
7.74. QR-felbonts kiszmtsa . . . . . . . . . . . . . 335
7.76. QR-felbonts Givens-forgatsokkal . . . . . . . . 336
7.77. QR-felbonts Hauseholder-tkrzssel . . . . . . 338
16

7.84. nadjunglt mtrixok . . . . . . . . . . . . . . . 345
7.89. DFT kiszmtsa . . . . . . . . . . . . . . . . . . . 350
7.90. Magas frekvencij sszetevok szurse
. . . . . 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
9.2. Szingulris rtkek . . . . . . . . . . . . . . .

9.3. Szingulris felbontsok . . . . . . . . . . . . .
9.4. Szingulris rtkek meghatrozsa . . . . . .
9.5. Szingulris felbonts . . . . . . . . . . . . . .
10.2. Jordan-lnc konstrukcija . . . . . . . . . . .
10.4. Jordan-lnchoz tartoz Jordan-blokk . . . . .
10.5. Jordan-lncok s Jordan-blokkok kapcsolata
10.7. Normlalakok . . . . . . . . . . . . . . . . . .
10.9. Jordan-blokkok mrete . . . . . . . . . . . . .
10.10.Jordan-blokkok mrete . . . . . . . . . . . . .
10.11.Jordan-bzis elolltsa . . . . . . . . . . . . .
10.14.Mtrix exponencilis fggvnye . . . . . . .
11.7. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Lebegopontos szmok rtke . . . . . . . . .
1.3. Lebegopontos szmok halmaza . . . . . . . .
1.4. Alapmuveletek
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 knyvben kvetett elvek

Didaktikai clszerusg
A knyv megrsakor fo clunk az volt, hogy

a lineris algebra absztrakt fogalmait a leheto legegyszerubben,
legrthetobben vezessk be. Sosem a legltalnosabb megfogalmazs, a

legaxiomatikusabb felpts, a matematikailag legtmrebb trgyalsmd megtallsa volt a cl, hanem a didaktikai clszerusg,
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
fejezetekben tallkozik az olvas, az ltalnos fogalomalkots csak ezt

kveti.
Fokozatossg A knyv egszen elemi az elso fejezetekben kzpiskols szintig visszanyl trgyalsmddal kezdodik, melyet egyre
sszetettebb, nehezebb anyagrszek, s fokozatosan egyre tmrebb
trgyalsmd kvet.
Tbbirny megkzelts A lineris algebrai ismeretek, hasonlan egyb
ismeretekhez, tbb klnbzo mdon is feldolgozhatk. Br e knyv
semmikpp sem sorolhat a formlis definci-ttel-bizonyts ciklusokra plo tanknyvek kz, gerinct a klasszikus megkzelts adja,
mely a defincik s ttelek, valamint a kztk lvo sszefggsek precz megfogalmazsra, az algoritmikus ismeretek mintapldkon val
bemutatsra, s a tudsnak feladatok megoldsn val elmlytsre
pl. Emellett tbb jkeletu technikt is segtsgl hvunk. Ezek egy rsznek felsofok matematika tanknyvben val alkalmazsa haznkban nem gyakori.
Fogalmi s procedurlis gondolkods Elsoknt az absztrakt sszefggsek
megrtst segto elemi, konkretizl, szemllteto pldk hasznlatt emltjk. Ezek elso sorban a procedurlis gondolkodsban erosebb,
a valami fajta kzzelfoghatsgot ignylo hallgatknak kszltek. Az
absztrakt, fogalmi gondolkodsban otthonos olvas szmra ezek tbbnyire egyszeru trivialitsok, az elobb jelzett hallgatk szmra viszont
a megrts elso lpst jelenthetik.
Vizulis, geometriai megkzelts A msodik technika a mrnkhallgatk kzt rthetoen eros, de korunk kultrjra egybknt is jellemzo
vizulis gondolkodsra, s ennek matematikai megfelelojre, a geometriai intucira pt. Szerencsre erre egy lineris algebra knyv klnsen alkalmas a tma szmtalan geometriai kapcsolata okn. Knyvnk a geometriai tartalom megismertetse mellett a vizualizci egyb
lehetosgeit is ignybe veszi (sszefggsek absztrakt brzolsa, dinamikus geometriai programok a knyvet ksro weboldalon,. . . ).
Algoritmikus megkzelts Rszben a szmtgpes kultra elterjedtsge, rszben az alkalmazsokban val fontossga miatt knyvnk fontos szerepet szn egyes tmk algoritmikus megkzeltsnek.
Alkalmazsok A harmadik technika az alkalmazsok bemutatshoz kapcsoldik, ami nem csak matematikn kvli alkalmazst jelent. A
knyvben szereplo alkalmazsok nem csak a megtanult anyag felhasznlsi lehetosgeit tekinti t, ami a lineris algebra tanulsnak moti-
19
20
lineris algebra
vl tnyezoje is lehet, de sok helytt a megrtst a matematikai

fogalmak megrtst segti, sot a matematikai fogalomalkotsban, s
az absztrakcis kszsg mlytsben is szerepet jtszik.
Szmtgp hasznlata A negyedik eszkz a szmtgp bevonsa az oktatsba. Az letszerubb
problmkkal val foglalkozshoz, valsgos

alkalmazsok megrtshez ma mr nlklzhetetlen a szmtgpes
eszkzk hasznlata. Ezek radsul oktatsi segdeszkzknt is hasznlhatk (pl. szemlltets, vizualizci), s tbb numerikus plda vizsglatt is lehetov teszik. A dikok szmra knlt szoftverek kivlasztsban fontos szempont volt a szabad elrhetosg s az ingyenessg.
Br a szmtgp hasznos segdeszkz, a knyv szmtgpet nem
hasznl kurzusokhoz is teljes rtku.
Kitekintsek Egy ismeret elsajttst nagyban segti, ha tbb szlon

kapcsoldik mr korbban megszerzett ismeretekhez. A matematika
sokak szmra idegen terlet, mely elvontsga miatt nehezen kapcsoldik brmi mshoz. A knyv szvegt a margn apr kitekinto megjegyzsek ksrik, melyek a kzvetlen alkalmazsokon tli egyb kapcsolatokat igyekeznek ltrehozni. Ilyenek pldul a trtneti megjegyzsek, letrajzok, a lineris algebra fogalmaira vonatkoz etimolgiai
magyarzatok, lineris algebrai szmtgpes programokhoz kapcsold ismeretek, programkdok, de ide tartoznak a tovbbi tanulmnyokat motivl, a matematika ms terleteire kitekinto megjegyzsek
is. E kitekintseket nhol internetes linkek erostik.
Feladatok Didaktikai clbl a knyv sok kidolgozott mintapldt tartalmaz. A feladatokat a knyv tbbcl felhasznlsa rdekben nehzsg s tartalom szerint osztlyoztuk. A feladat sorszmt a felso indexbe tett az A beture
emlkezteto hromszg jelzi, ha alkalmazsi feladatrl van sz (pl. 2.11N ), s a szmtgp monitorra emlkezteto ngyzet jelzi a szmtgppel megoldhat feladatokat
(pl. 2.12 ). A fontosnak tlt feladatokat egy dszpont (pl. 2.13 ), a nehz,
tbb idot s nmi matematikai kpessget ignylo feladatokat csillag
jelzi (pl. 2.15? ). Vgl az elemi rutinfeladatokat, egszen egyszeru nha
a kpletbehelyettests szintjn lvo alapfeladatokat, amelyek megoldsa minden hallgattl elvrhat, egy bztatsnak sznt karakter jelzi
(pl. 2.19 ). Remnyeink szerint ezek a matematika irnt kevesebb fogkonysgot mutat hallgatkat is sikerlmnyhez juttathatjk.
Angol sztr Mra a legtbb szakterleten val elorelps felttele az
angol szakkifejezsek ismerete. A tovbbi tanulmnyokhoz szmtalan forrs rheto el angol nyelven, ezrt fontosnak tartottuk, hogy e
knyvben hasznlt fontosabb szakszavakat angolul is megadjuk.
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
bevezetse nlkl kzel jutunk a lineris algebra mlyebb fogalmaihoz.

A knyv msodik rsze a Mtrixok algebrja s geometrija cmet viseli. Megszvlelve a Linear Algebra Curriculum Study Group ajnlsait 1 , e rsz az elso lineris algebra kurzus kzppontjba helyezi a
mtrix fogalmt, de a legtbb knyvvel ellenttben a mtrixok algebrja mell helyezi a mtrixok hatsnak geometriai vizsglatt is. Ez
nhny ksobbi fogalom szemlletesebb ttelben is segt, de fontos
tbb modern alkalmazs miatt is (pl. komputer grafika). E rszben
vezetjk be a determinns fogalmt is, mivel annak egyrtelmuen
geometriai motivcit adunk.
A knyv harmadik rsznek kulcsfogalma a sajtrtk, amit a cm a mtrix sajtsgai szjtkkal jelez. E rszben nem csak a mtrixok diagonalizlsa, vagy Jordan-fle normlalakja szerepel, de ide vettk a szingulris rtket is, melynek fontossga az alkalmazsokban rohamosan
nvekszik.
A szoksostl eltro tartalmi megoldsok Kiemelnk nhny tmt, melynek trgyalsban eltrnk a bevezeto lineris algebra knyvek tbbsgtol.
1. A vektorok geometriai-fizikai bevezetst fontosnak tartottuk szemben az egyszerubb,
de a kevsb motivlt koordints bevezetssel.

2. Az egyenes s sk egyenletei/egyenletrendszerei osztlyozsban
a szoksosak helyett (paramteres, norml) az implicit s explicit
elnevezseket hasznljuk, ami sokkal szorosabb teszi e geometriai
alakzatok s a lineris egyenletrendszerek s azok megoldsai kzti
kapcsolatot. Nevezetesen termszetess vlik az egyenletrendszer
implicit alak, egyenletrendszer megoldsaexplicit alak prosts.
3. Az Rn alternek fogalmt sokkal elobb bevezetjk, mint a vektortr fogalmt. Fontosnak tartjuk annak megmutatst egszen elemi
szinten, hogy egy homogn lineris egyenletrendszer megoldsai
alteret alkotnak, s hogy az inhomogn egyenletrendszer megoldsait ennek eltolsa adja.
4. Egszen elemi szinten olyan fogalmakat is trgyalunk, mint az alterek merolegessge s direkt sszege, hogy megrtsk az egyenletrendszer megoldsainak szerkezett.
5. Az elso rsz vgn eljutunk a lineris algebra alapttelnek kimon-
21
22
6.
7.
8.
9.
10.
11.
12.
13.
14.
lineris algebra
dsig (a mtrix sortere s nulltere meroleges kiegszto alterei egymsnak).

Az alterek szemlltetsre egy teljesen j mdszert, a levldiagrammokat hasznljuk.
A mtrixok szorzst motivlt mdon vezetjk be, gy, mint ami a
valsok kzti szorzs szmtblzatokra val termszetes ltalnostsbl addik.
Csak a magyar nyelvu tanknyvirodalomban jszeru,
hogy miutn
az egyenletrendszerek megoldsa az elemi sormuveletekre
pl, a
mtrixmuveletek
trgyalsban fontos szerep jut az elemi mtrixoknak, s az elemi sormuveletek
bizonyos sorozatt magban o rzo

LU-felbontsnak.
A determinnsok trgyalsban is fontosnak tekintettk, hogy e fogalomnak ne valami rthetetlen, gbol pottyant defincijt adjuk.
A parallelepipedon elojeles trfogatn keresztl val szemlletes
bevezets e cl elrsre kivl, radsul szerencss mdon a felsobb matematika modern defincijhoz vezet.
A determinnsok trgyalsban j a fejezet kt alfejeztre osztsa.
Az elso a determinnst, mint sorvektorainak fggvnyt trgyalja.
Itt szerepel a determinns defincija, s kiszmtsnak a gyakorlatban is hasznlt elemi technikja. A msik alfejezet a determinnst, mint elemeinek fggvnyt vizsglja. Ez a kifejtsi ttelt s
az n. elemi szorzatok sszegeknt val elolltst az ltalunk ismert knyveknl egyszerubb
mdon teszi rthetov s emszthetov.
A mtrixlekpezsek geometrija tartalmas fejezet, melyben a forgats s vetts transzformciibl messzire jutunk (legkisebb ngyzetek mdszere, GramSchmidt-eljrs, ortogonlis mtrixok). E
fejezet igen sok rsze opcionlis, egy elso kurzusbl kihagyhat.
Ebben a fejezetben trgyaljuk a pszeudoinverz fogalmt, amelynek
egszen elemi, egyszeru s szemlletes defincijt adjuk, mellyel
msutt nem tallkoztunk.
A sajtrtk-sajtvektor fogalmnak trgyalsa nem tr el a hagyomnyostl, de mindjrt az elso pillanattl nagy hangslyt helyeznk a sajtaltr fogalmra is, melynek megrtse nlkl nem lehet
e tmban sokra jutni.
Br egy elso lineris algebra kurzusba nem fr el, de kiemelten
fontos helyet kap a szingulris rtk s az SVD is. E fogalmakat
is egszen elemi s termszetes mdon, kt olyan ortonormlt bzis meghatrozsval vezetjk be, melyek egyiknek kpe a msik
elemeinek skalrszorosaibl ll. Ez a sajtrtk fogalmnak termszetes ltalnostsa.
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
a vektor b-re eso vetlete

a s b skalris szorzata
a s b vektori szorzata
a s b szge
a s b irnytott szge
definil egyenlosg
imaginrius egysg, s az i vltoz
az e szm, s az e vltoz
komplex, vals, racionlis, illetve egsz szmok
modulo m vett maradkosztlyok
a modulo p (p prm) vett maradkosztlyok, a prmelemu test
az a vektor abszolt rtke
az a vektor normja
az A mtrix i-edik sornak, j-edik oszlopnak eleme
az A mtrix i-edik sorvektora
az A mtrix j-edik oszlopvektora
a v vektor B bzisra vonatkoz koordints alakja
az L lineris lekpezs B bzisra vonatkoz mtrixa
az A lineris lekpezs s annak A mtrixa a standard bzisban
A jellsek kivlasztsnl azt az elvet kvettk, hogy a fontosabb

jellsek esetn a nemzetkzi angol nyelvu matematikai szakirodalomban elterjedt jellsek valamelyikt kvettk. Ez a lebegopontos
szmok rsra is vonatkozik, teht nem a magyar irodai szabvnyt
kvetjk, gy nem tizedesvesszot, hanem tizedespontot hasznlunk.
I. rsz
A lineris algebra forrsai
27
A lineris algebra kt fo forrsnak egyike a geometria, msika az

algebra vidkrol ered. Mindkt forrs jl jellemezheto egy-egy elemi
fogalommal: az egyik a vektor, a msik a lineris egyenletrendszer.
E knyv elso rsze e kt fogalmat vizsglja egszen elemi, kzpiskolai szintrol indulva. A lineris algebra mlyebb fogalmai mr itt
flbukkannak, de csak nagyon egyszeru s a legkevsb absztrakt formjukban. Az elso rsz vgre ltni fogjuk, hogy e kt forrs mr ezen
a bevezeto szinten sztvlaszthatatlanul egyetlen folyamm vlik.
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.
Vektorok a 2- s 3-dimenzis trben

E szakaszban a vektor szemlletes, geometriai fogalmval ismerkednk. A
vektorok sszeadsn s skalrral val szorzsn keresztl kt kulcsfogalomig
a lineris kombinci s a lineris fggetlensg fogalmig jutunk.
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
jbl melyik pontjba jutott. Msik plda kttt vektorra a rugalmas

testen alakvltozst okoz erot ler vektor (1.1. bra).
Alkalmazsokban gyakran elofordul, hogy egy jelensg klnbzo
irnytott szakaszokkal is ugyangy lerhat. Pldul ha egy trgy
mozgst egy olyan irnytott szakasszal jellemezzk, melynek hossza
az idoegysg alatt megtett t hosszval egyenlo, irnya pedig a mozgs irnyt jelzi, akkor mindegy hogy a tr melyik pontjbl indtjuk
e szakaszt, a mozgst ugyangy lerja (1.2. bra). Ekkor teht nem a
kt pont, hanem azok viszonya a krds, vagyis pldul hogy az egyik
pont a msiktl milyen tvolsgra, s milyen irnyban van. Az, hogy a
kt pont pontosan hol van, nem lnyeges. Ekkor brmely kt irnytott
szakasz, mely prhuzamosan egymsba tolhat, ugyanazt a viszonyt
fejezi ki. Az gy kapott fogalmat a fizikban szabad vektornak nevezik.
Ez a fogalom a lineris algebra vektor-fogalmnak egyik forrsa. A
vektor fogalma az irnytott szakaszbl szrmaztathat, annak a felttelnek a hozzadsval, hogy kt irnytott szakasz pontosan akkor
reprezentlja ugyanazt a vektort, ha prhuzamosan egymsba tolhatk
(ld. 1.3 bra).
Vektorok jellsre flkvr kisbetuket
hasznlunk, pl. x, u, v, stb. A

muszaki
s fizikai szakirodalomban a flkvr nagy betu is elofordul,

pl. az F ero, a B indukci is vektormennyisgek.
Vektor magadsa egy irnytott szakasszal Egy vektor megadhat egy
irnytott szakasszal, azaz kt pont s a kztk lvo sorrend kijellsvel. Valjban ennyi adat felesleges, hisz egy irnytott szakasz nmagval prhuzamosan eltolva ugyanazt a vektort adja meg, ezrt pldul kiktheto, hogy a kezdopont a sk (tr) egy elore kijellt rgztett
pontja legyen. Ezt a kzs kezdopontot nevezzk orignak. Egy origbl indul irnytott szakaszt egyrtelmuen
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)
1.1. bra: Kttt vektorok: (a) elmozdulsvektor (lbnyomokkal), (b) rugalmas

testen alakvltozst okoz ero vektora
1.2. bra: Plda szabad vektorra
Vektor: a hordoz, vivo, utaz jelentsu latin vector szbl szrmazik. A tudomny
ms terletein hordoz anyag, az lettanban vrushordoz rtelemben hasznljk.
1.3. bra: Ugyanazt a vektort reprezentl irnytott szakaszok
Vektorok jellse: Muszaki,
fizikai
szvegek szedsnek tipogrfiai szablyait az ISO 31-11 szabvny rja le. Eszerint a vektorok flkvr betukkel
szedendok. Kzrsban alhzssal, vagy fl

rt nyllal szoks jelezni a vektort (pl. x,
u, ~v. . . ), de krltekinto jellsrendszer
s jegyzetels esetn elhagyhatk a jelzsek. Felsobb matematikai muvek
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:
egy P pontnak az OP vektor felel meg,

az orignak a nullvektor.
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
meghatrozza hossza s irnya.

Vektor irnynak meghatrozsakor gyakran hvjuk segtsgl a szg
fogalmt. Kt vektor szgn azt a szget rtjk, melyet a sk vagy tr
egy tetszoleges pontjbl kiindul s az adott vektorokkal egyirny
flegyenesek zrnak be (1.6. bra). Az a s b vektorok szgt (a, b)
jelli. Kt vektor szge teht mindig 0 s 180 radinban mrve 0
s kz esik, belertve a hatrokat is. Egyirny vektorok szge 0,
ellenkezo irnyak .
Vektormuveletek
a 2- s 3-dimenzis trben A 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
egyenlo PQ vektort. Az OQ vektort az a s b vektorok sszegnek nevezzk

s a + b-vel jelljk (ld. 1.7. bra).
Knnyen belthat, hogy az eredmny fggetlen az O pont megvlasztstl, teht vektorok sszeadsnak muvelete
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)
1.6. bra: Kt vektor szge (0 , ,

). Az bra felso feln a kt adott vektor,
alatta szgk meghatrozsnak mdja
szerepel.
a
P
b
a
a+b
O
1.7. bra: Az a s b vektor sszege

P0
b
a
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
I Ha a s b nem kollinerisak, akkor sszegk pl. megkaphat gy,
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).
1.9. bra: Parallelogramma-mdszer
Az alkalmazsokban hol a hromszg-, hol a parallelogramma-mdszer tunik
kzenfekvobbnek (ld. 1.10).

C
P
Q
O
(a)
A
(b)
Ha a s b kt trbeli vektor, akkor a hromszgmdszerben s a

parallelogramma-mdszerben is az a, b s a + b vektorokat reprezentl irnytott szakaszok egy skba esnek. ltalban azt mondjuk,
hogy nhny trbeli vektor egy skba esik, ms szval komplanris, ha
van olyan sk, hogy mindegyik vektort reprezentl irnytott szakasz
prhuzamosan betolhat e skba. Eszerint teht az a, b s a + b vektorok mindig komplanrisak.
A vektorsszeads kt fontos tulajdonsga, kommutativitsa (a +
b = b + a) s asszociativitsa (a + (b + c) = (a + b) + c) knnyen
leolvashat az 1.11. brrl. Az asszociativits kvetkeztben tbb tag
sszeadsnl elhagyhat a zrjel, pldul az brabeli hrom vektor
sszegre a + b + c rhat.
Az a s b vektorokat kzs kezdopontbl indtva a hromszgmdszerrel azonnal lthat, hogy csak egyetlen olyan x vektor ltezik, melyre a = b + x (ld. 1.12 (a) bra). Ennek felhasznlsval
definilhat vektorok klnbsge.
1.10. bra: Az (a) brn a lbnyomok Obl P-be, majd onnan Q-ba vezetnek. Az
OP s a PQ elmozdulsvektorok sszege
OQ (hromszgmdszer). A (b) brn a
csnak az OB irnyba evez, de a foly
OA irnyba folyik. A kt sebessg ere

doje, azaz sszege OC (parallelogramma
mdszer).
b
a
a+b
b
a
a+b
b+c
a + (b + c) =
(a + b) + c =
a+b+c
1.11. bra: A vektorsszeads kom-
mutativitsa s asszociativitsa.
ab
a
1.3. definci (Vektorok klnbsge). Adva van az a s b vektor.

Azt az egyrtelmuen
ltezo x vektort, melyre a = b + x, az a s b klnbsgnek nevezzk s a b-vel jelljk.
Knnyen fejben tarthat a klnbsgvektor megszerkesztse akr
a hromszg-, akr a parallelogrammamdszerrel (ld. 1.12. bra), ha
arra gondolunk, hogy a b az a vektor, melyet b-hez adva a-t kapunk,
azaz
a = b + ( a b ).
b+a
b
ab
b
1.12. bra: A klnbsgvektor meghatrozsa hromszg- s parallelogrammamdszerrel.
vektorok
Az 1.13. brrl az is leolvashat, hogy ha a b vektorral egyenlo

hosszsg, de ellenkezo irny vektort b jelli, akkor fnnll az
a b = a + (b) sszefggs, s gy az is igaz, hogy b + (b) = 0.
rdekes megjegyezni, hogy ha P s Q kt tetszoleges pont, akkor az

OQ OP vektort akkor is ismerjk, ha az O pontot nem, hisz az a PQ

vektor. Sok hasonl jelensg vezetett a torzor fogalmhoz, melyet egy
rvid szljegyzetben ismertetnk.
1.4. definci ( Vektor szorzsa skalrral). Legyen k vals szm.
Az a vektor k-szorosn azt a vektort rtjk, melynek hossza az a hossznak
|k|-szorosa, irnya
tetszoleges, ha k = 0 vagy a = 0,
megegyezik a irnyval, ha k > 0, s
ellenttes, ha k < 0 (ld. 1.14. bra).
A skalrral val szorzs defincijbl azonnal ltszik, hogy minden
a vektorra 1a = a, 0a = 0 s (1)a = a.
E paragrafus vgn sszefoglaljuk a vektormuveletek
legfontosabb
tulajdonsgait, melyek segtsgvel ksobb ltalnostani fogjuk a vektor fogalmt. Az eddig nem bizonytott tulajdonsgok igazolst az
olvasra hagyjuk.
1.5. ttel (A vektormuveletek

tulajdonsgai). Ha a, b s c a 2vagy 3-dimenzis tr tetszoleges vektorai, 0 a zrusvektor s r, s kt tetszoleges vals szm, akkor fnnllnak az albbi azonossgok:
a) a + b = b + a
e) r (sa) = (rs)a
b) (a + b) + c = a + (b + c) f) r (a + b) = ra + rb
c) a + 0 = a
g) (r + s)a = ra + sa
d) a + (a) = 0
h) 1a = a s 0a = 0
A lineris kombinci defincija Ha vektorokra a skalrral val szorzs
s az sszeads muvelett
alkalmazzuk, akkor e vektorok egy lineris

kombincijt kapjuk. Pontosabban:
1.6. definci (Lineris kombinci). Az a1 , a2 ,. . . ak vektorok lineris kombincijn egy
c1 a1 + c2 a2 + . . . + c k a k
alak vektort rtnk, ahol c1 , c2 , . . . , ck vals szmok. Azt mondjuk, hogy
a v vektor eloll az a1 , a2 ,. . . , ak vektorok lineris kombincijaknt, ha
vannak olyan c1 , c2 , . . . , ck vals szmok, hogy v = c1 a1 + . . . + ck ak .
Ha egy vektort egy skalrral beszorzunk, az elozo definci szerint
egy lineris kombincijt kapjuk, mely vele prhuzamos, azaz kollineris. gy egy nemzrus vektor sszes lineris kombincija csupa
vele prhuzamos vektor (ld. 1.15. brt). Ennl tbb is igaz:
33
ab
1.13. bra: Az a b = a + (b) szemlltetse.

Torzor: a modern matematika fogalma. Nhny plda, mielott definilnnk:
(1) Az energit a newtoni fizikban nem
tudjuk mrni, csak az energiaklnbsget. Ha viszont megllapodunk abban,
hogy egy adott rendszernek melyik llapota tartozik a 0 energiaszinthez, beszlhetnk a rendszer energijrl is. (2) A
pontba mutat vektor fogalmnak nincs
rtelme, amg nincs kijellve az orig, viszont kt pontba mutat vektor klnbsgt az origtl fggetlenl is meg tudjuk hatrozni. (3) Egy f fggvny I intervallumon vett hatrozatlan integrlja
F + C alak, ahol C konstans. Nincs rtelme megkrdezni, hogy f egy konkrt
primitv fggvnyben mennyi a C rtke, de kt primitv fggvny klnbsge
mindig egy konstans. (4) Egy hasonl jelensg a zenbol: brmely kt hang kzti tvolsg meghatrozhat, de azt nem
mondhatjuk egy hangra, hogy az a f,
amg nem rgztjk, melyik a d.
A torzort egy kommutatv csoport nevu algebrai struktrval definilhatjuk,
mely egy kommutatv, asszociatv, nullelemes, invertlhat muvelettel
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
1.14. bra: Vektor skalrszorosai
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.
Bizonyts. Ha a kt vektor egyirny, az elolltsban szereplo c

konstans egyszeruen
a v s a vektorok abszolt rtknek hnyadosa, ha ellenkezo irnyak, e hnyados (1)-szerese.

2
1.15. bra: Egy nemzrus a vektor, s nhny lineris kombincija ktfle reprezentciban.
E ttel kvetkezmnye, hogy ha a nem zrusvektor, akkor az a

sszes lineris kombincijnak halmaza s az a-val prhuzamos vektorok halmaza megegyezik. Msknt fogalmazva: egy nemzrus vektor sszes lineris kombincijnak vgpontja egy orign tmeno egyenest ad.
A hromszgmdszerbol jl ltszik, hogy tetszoleges kt vektor brmely lineris kombincija velk komplanris vektor lesz. Az llts
megfordtsa is igaz:
1.8. ttel (Kt vektorral egy skba eso vektorok). Ha a1 s a2
nem prhuzamos vektorok, akkor brmely velk egy skba eso v vektor eloll
az a1 s a2 valamely lineris kombincijaknt, azaz van olyan v1 s v2
konstans, hogy v = v1 a1 + v2 a2 . Ez az elollts egyrtelmu.
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
1.16. bra: A v egyrtelmuen
eloll v =
v1 a1 + v2 a2 alakban, ha a1 s a2 nem prhuzamos.
vektorok
35
Abban nincs semmi meglepo, hogy a tr hrom nem egy skba

eso vektornak brmely lineris kombincija trbeli vektor, az llts
megfordtsa viszont igen fontos:
1.9. ttel (Trbeli vektorok). Ha a1 , a2 s a3 nem egy skba eso vektorok, akkor a tr brmely v vektora eloll az a1 , a2 s a3 valamely lineris
kombincijaknt, azaz van olyan v1 , v2 s v3 konstans, hogy
v = v1 a1 + v2 a2 + v3 a3 .
(1.1)
Ez az elollts egyrtelmu.
Bizonyts. A bizonyts alaptlete az, hogy a v vektor V vgpontjn

t prhuzamos egyenest hzunk az a3 vektorral, mely az a1 s a2 vek
torok skjt egy C pontban metszi. Az OC vektor az elozo ttel szerint
egyrtelmuen
eloll a1 s a2 lineris kombincijaknt (1.17. bra), az

az OC = v1 a1 + v2 a2 . Msrszt v = OV = OC + CV, ahol CV k a3 , gy
CV = v3 a3 valamely v3 valsra. Teht v = v1 a1 + v2 a2 + v3 a3 .

Be kell mg ltnunk az elollts egyrtelmusgt!
Tegyk fel, hogy

v = v 1 a 1 + v 2 a 2 + v 3 a 3 = w1 a 1 + w2 a 2 + w3 a 3
a v kt felbontsa. Ekkor (v1 w1 )a1 + (v2 w2 )a2 + (v3 w3 )a3 = 0.
gy ha v1 6= w1 , akkor a1 kifejezheto a2 s a3 lineris kombincijaknt:
v 2 w2
v 3 w3
a2
a3 .
a1 =
v 1 w1
v 1 w1
Ez ellentmond annak, hogy a1 , a2 s a3 nem esnek egy skba. gy teht
v1 = w1 . Hasonlan kapjuk, hogy v2 = w2 s v3 = w3 , azaz az (1.1)
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
1.17. bra: A trbeli v vektor elolltsa

hrom nem egy skba eso vektor lineris
kombincijaknt.
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
eloll e vektorok lineris kombincijaknt, azaz egyrtelmuen

lteznek olyan
v1 , v2 s v3 vals szmok, hogy
v = v1 a1 + v2 a2 + v3 a3 .
A koordintkrl szl szakaszban e kt ttel lesz alapja a koordintarendszer bevezetsnek.
X
Specilis lineris kombincik A sk s a tr bizonyos konfigurcii jl

jellemezhetok lineris kombincikkal, ha a kombincis egytthatkra bizonyos feltteleket ktnk ki.
1.13. llts (Kt ponton tmeno egyenes jellemzse). Legyen O,
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.
Bizonyts. Legyen a = OA, b = OB, s x mutasson az AB egyenes
valamely X pontjra, azaz legyen x = OB + r BA valamilyen r vals

szmra, teht
x = b + r (a b), azaz x = ra + (1 r )b.
A fenti gondolatmenet lpsein visszafel haladva lthat, hogy minden vals r szmra az ra + (1 r )b vektor vgpontja az AB egyenesen
van. Fogalmazhatunk gy is, hogy az a s b vektorok vgpontjn tmeno egyenes sszes pontjt pontosan azok az ra + sb alak lineris
kombincik adjk, amelyeknl r + s = 1.
2
r (a b) (r R)
B
x
b
ab
O
a
A
1.18. bra: Az X pont pontosan akkor

van az AB egyenesen, ha valamely r s s
valsokra OX = rOA + sOB, s r + s =

1.
vektorok
1.14. llts (Intervallum pontjainak jellemzse). Legyen O, A
s B a sk vagy a tr hrom pontja. Az rOA + sOB vektor pontosan akkor

mutat az A s B pontot sszekto szakasz valamely pontjba, ha r + s = 1
s 0 r, s 1.
B
r (a b) (0 r 1)
b
Bizonyts. Megismteljk az elozo feladat megoldst azzal a k
lnbsggel, hogy itt a BX = r BA sszefggs csak 0 s 1 kz eso r

rtkekre igaz. Teht x = ra + (1 r )b, ahol 0 r 1. Msknt fogalmazva az a s b vektorok vgpontjait sszekto szakasz sszes pontjt
pontosan azok a ra + sb alak lineris kombincik adjk, amelyekben
r + s = 1 s 0 r, s 1.
2
Hasonl sszefggs igaz hrom vektor esetn is, azaz megmutathat, hogy a nem kollineris a, b s c vektorok vgpontjaira fektetett
sk pontjaiba pontosan azok a vektorok mutatnak, melyeket ra + sb +
tc alakba rva r + s + t = 1. Ha mg azt is kiktjk e hrom szmrl,
hogy legyen 0 r, s, t 1, akkor az ra + sb + tc alak vektorok a
hrom vektor vgpontja ltal meghatrozott hromszg pontjaiba mutatnak (ld. az 1.20. brt s a ?? feladatot).
X
X
B
O
a
A

van az AB intervallumban, ha valamely
0 s 1 kz eso r s s valsokra OX =
rOA + sOB, s r + s = 1.
O
A
r+s+t = 1

esik az A, B s C pontokon tmeno
skba, ha OX = rOA + sOB + tOC s

r + s + t = 1. Az X az ABC hromszgbe pedig pontosan akkor esik, ha ezen
kvl mg 0 r, s, t 1 is fnnll.
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?
1.2. Legyen u = a + b, v = a b. Fejezzk ki az a s

b vektor segtsgvel a kvetkezo vektorokat: a) 2u + 2v,
b) 3u 3v, c) 3u v, d) 2u 21 v.
1.3. Tekintsk az ABCD ngyzetet. Hatrozzuk meg a k

vetkezo sszegeket! a) AB + CD, b) AB + BC + CD, c) AB

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
geometriai kzppontjt jellje O. Fejezzk ki az a = OA
s b = OB vektorok segtsgvel az a) OC, b) OE, c) OF,
d) AC, e) BD, f) BF, g) AB + CD + EF vektorokat!

1.7. Adva van n tetszoleges, nem felttlenl klnbzo P1 ,
P2 ,. . . ,Pn pont a trben. Mivel egyenlo a
P1 P2 + P2 P3 + P3 P4 + . . . + Pn1 Pn

P1 P2 + P2 P3 + P3 P4 + . . . + Pn1 Pn + Pn P1
1.8. Mutassuk meg, hogy az a, b s c vektorok pontosan

akkor lehetnek (egy esetleg szakassz vagy pontt elfajul)
hromszg oldalvektorai, ha az
a + b + c,
a + b c,
a b + c,
abc
vektorok legalbb egyike zrus. Msknt fogalmazva: ha a

hrom vektor sszege 0, vagy valamelyik vektor egyenlo a
msik ketto sszegvel.
1.9. Legyen a s b kt tetszoleges vektor. Mutassuk meg,
hogy van olyan (esetleg elfajul) hromszg, melynek oldalvektorai 2a b, a + 2b s 3a + b.
Lineris kombinci, lineris fggetlensg
Specilis lineris kombincik
1.10. Szakaszt m : n arnyban oszt pont Ha az AB
szakaszt a P pont gy bontja kett, hogy | AP| : | PB| = m :
n, akkor brmely O pontra igaz, hogy
OP =
m
n
OA +
OB.
m+n
m+n
Specilisan, az AB szakasz felezopontjba az

OA + OB
2
vektor mutat.
Alkalmazs: geometriai bizonytsok vektorokkal
Alkalmazs: szv.....
vektorok
Tvolsg, szg, orientci

A cmben jelzett hrom alapfogalomhoz hrom vektorok kzti szorzsmuvelet
visz kzelebb. Mindegyik muvelet
igen szokatlan tulajdonsgokkal

rendelkezik: az egyik eredmnyl nem vektort, hanem skalrt ad, a msik nem
felcserlheto, s ktvltozs (binris) muveletknt
csak a 3-dimenzis trben

definilhat, a harmadik pedig nem kt- hanem hromvltozs muvelet.
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,
a skalris szorzat viszont ekkor is egyrtelmu,

spedig 0, hisz a zrusvektor abszolt
rtke 0, s 0 brmivel vett szorzata 0.
Szoks a s b skalris szorzatt ab-vel is jellni, de ezt egy ksobb
bevezetendo muvelettel
(a mtrixszorzssal) val sszekevers elkerlse rdekben e knyvben nem fogjuk hasznlni.

1.16. plda (Skalris szorzat kiszmtsa a definci alapjn).
Mennyi a skalris szorzata egy 1 s egy 2 egysg hossz, s egymssal 60 -os
szget bezr kt vektornak?
Megolds. A szorzat 1 2 cos 60 = 1 2
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
0, akkor cos(a, b) = 0, a cos fggvnynek a [0, ] intervallumban csak

/2-ben van zrushelye, teht a kt vektor meroleges egymsra.
2
1.18. ttel (A skalris szorzs muveleti

tulajdonsgai). Ha a,
b s c tetszoleges trbeli (skbeli) vektorok s r tetszoleges vals szm, akkor
igazak az albbi sszefggsek:
a) a b = b a
(kommutativits)
b) (a + b) c = a c + b c
(disztributivits)
c) r (a b) = (ra) b = a (rb)
d) a a > 0, ha a 6= 0, s a a = 0, ha a = 0.
A bizonytst az olvasra hagyjuk.
Mivel kt vektor skalris szorzata skalr, ezrt az asszociativits
(csoportosthatsg) krdse fl sem vetheto, hisz az (a b)c szorzatban kt klnbzo szorzsmuvelet
szerepel. Mindezzel egyt (a

b)c 6= a(b c) (ld. az 1.12. feladatot).
Hosszsg s szg Egy vektor hossza, s ezzel kt pont tvolsga, valamint kt vektor hajlsszge kifejezheto a skalris szorzat segtsgvel.
Egy tetszoleges a vektorra a a = |a||a| cos 0 = |a||a|, teht
|a|2 = a a, azaz |a| =
a a.
E kplet szerint teht egy vektor hossza megegyezik az nmagval vett

skalris szorzat gykvel. Ebbol az is addik, hogy kt pont tvolsga
megegyezik az o ket sszekto vektor nmagval vett skalris szorzatnak ngyzetgykvel.
Kt pontot sszekto vektor egyenlo az oda mutat helyvektorok
klnbsgvel, gy ha a kt pontba mutat helyvektor a s b, akkor a
pontok tvolsga s ezt fogjuk a vektorok tvolsgnak is tekinteni
d(a, b) = |a b|.
Kt vektor skalris szorzatnak s a vektorok hossznak ismeretben a szgk meghatrozhat:
cos(a, b) =
ab
|a||b|
(1.2)
Pithagorsz-ttel A tvolsgot vagy hosszsgot skalris szorzattal is

ki tudjuk fejezni, gy segtsgvel a r vonatkoz sszefggsek is vizsglhatk.
1.19. ttel (Pithagorsz-ttel). Az a s b vektorokra pontosan akkor
teljesl az
| a + b |2 = | a |2 + | b |2
sszefggs, ha a s b merolegesek egymsra.
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
1.20. plda (Skalris szorzat kiszmtsa). Szmtsuk ki az brn

lthat kt vektor skalris szorzatt (a szomszdos rcsvonalak tvolsga 1
egysg).
Megolds. Az a vektor hossza 3, a b vektor hossza a Pithagorsz
ttellel kiszmolhat: 42 + 32 = 5, a vektorok ltal kzbezrt szg
koszinusza cos = 45 , gy a skalris szorzat a b = 3 5 45 = 12.
2
Kt fontos egyenlotlensg Mivel a koszinusz fggvny rtke abszolt
rtkben sosem nagyobb 1-nl, ezrt a skalris szorzat defincijbl
azonnal ltszik, hogy
|a b| = |a||b|| cos(a, b) |a||b|.

Ezzel bizonytottuk a kvetkezo ttelt:
1.21. ttel (CauchyBunyakovszkijSchwarz-egyenlotlensg).

Kt vektor skalris szorzatnak abszolt rtke sosem nagyobb abszolt
rtkeik szorzatnl, azaz
|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.
1.22. ttel (Hromszg-egyenlotlensg).

Brmely kt a s b vektorra
| a + b | | a | + | b |.
Bizonyts. Mivel az egyenlotlensg mindkt oldaln nemnegatv szm

ll, ezrt vele ekvivalens egyenlotlensghez jutunk, ha mindkt oldalt
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
ld. az 1.19. ttel bizonytst
| a |2 + 2| a b | + | b |2
|a|2 + 2|a||b| + |b|2
= (|a| + |b|)2 .
2
s ezt akartuk bizonytani.
Egysgvektorral val szorzs s a meroleges vetts Minden olyan vektort,

melynek abszolt rtke 1, egysgvektornak neveznk.
Ha a egy tetszoleges nemzrus vektor, akkor a/|a| egysgvektor,
ugyanis abszolt rtke 1:

a
= 1 |a| = 1.
|a|
|a|
1.23. ttel (Egysgvektorral val szorzs geometriai jelentse). Ha e egysgvektor, akkor a b = (e b)e vektor a b vektornak az e
egyenesre val meroleges vetlete. Az e b szorzat e vetlet elojeles hossza,
mely pozitv, ha b s e egyirnyak, s negatv, ha ellenkezo irnyak.
Bizonyts. Ha e egysgvektor, azaz abszolt rtke 1, akkor e b =
|b| cos(e, b) , ez pedig a koszinusz fggvny defincija szerint b meroleges vetletnek elojeles hosszt jelenti. E szm e-szerese pedig egy
e irny, s ilyen hossz vektort ad, mely pp b vetleti vektora. 2
Jellje a tovbbiakban a b vektornak az a egyenesre eso meroleges
vetleti vektort proja b. Eszerint ha e egysgvektor, akkor
proje b = (e b)e.
Alapveto feladat egy vektornak egy msikkal prhuzamos s r
meroleges vektorok sszegre val felbontsa, amit msknt meroleges
sszetevokre bontsnak neveznk.
1.24. ttel (Vektor felbontsa meroleges sszetevokre).

Ha a s
b a sk vagy a tr kt vektora, s a 6= 0, akkor b-nek az a egyenesre eso
meroleges vetlete
ab
a.
proja b =
aa
A b-nek az a egyenesre meroleges sszetevoje
b proja b = b
ab
a.
aa
(e b)e
(e b)e
1.23. bra: Az b vektor s az e egysgvektor egyenesre eso vetlete. A felso

brn e b > 0, az alsn e b < 0.
b
b proja b
a
proja b
1.24. bra: Az b vektor felbontsa az a

vektorral prhuzamos s r meroleges
vektorok sszegre.
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
1.25. plda (Meroleges sszetevokre

bonts). Az 1.22 brabeli b
vektort bontsuk fel az a-val prhuzamos s r meroleges sszetevokre.
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
mg az a-ra meroleges sszetevo b 43 a.
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
1.25. bra: Vektor felbontsa meroleges

sszetevokre
1.26. bra: Kt vektor egymshoz val

viszonya jobbrendszert (felso bra) vagy
balrendszert (als bra) alkot. A kzbe
zrt irnytott szg az elobbi esetben pozitv, utbbiban negatv.
44
lineris algebra
azzal is ki tudjuk fejezni, hogy kt fggetlen vektor szgt elojellel

ltjuk el, nevezetesen pozitvval, ha jobbrendszert, s negatvval, ha
balrendszert alkotnak. Az gy kapott szget a kt vektor irnytott szgnek nevezzk. Az a s b irnytott szgt (a, b)^ jelli. Teht mg
(a, b) = (b, a) , addig (a, b)^ = (b, a)^ , s ha (a, b)^ = /2, akkor (a, b)^ = /2. Ez teht a vlasz a paragrafus elejn feltett
krdsre.
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?
Az ero karja |OP| sin(OP, F) , gy az M forgatnyomatk abszolt

rtke:
|M| = |F||OP| sin(OP, F) .
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
megegyezni, hogy az OP, F s M vektorok jobb- vagy balrendszert

alkossanak. A fizikusok a jobbrendszert vlasztottk.
A forgatnyomatk, s tbb hasonl fizikai fogalom a kvetkezo
defincihoz vezet:
1.26. definci (Vektori szorzat). A 3-dimenzis tr kt vektornak
vektori szorzatn azt a vektort rtjk, melynek
a) abszolt rtke a kt vektor abszolt rtknek s a kzbezrt szg szinusznak szorzata,
b) irnya meroleges mindkt vektor irnyra s ha a kt tnyezo s a szorzat egyike sem a nullvektor, akkor az elso tnyezo, a msodik tnyezo
s a szorzat ebben a sorrendben jobbrendszert alkot.
I E definci brmely kt 3-dimenzis vektor vektori szorzatt egy-
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
a b a, a b b, tovbb a, b s a b ebben a sorrendben

jobbrendszert alkot.
1.27. plda (Vektori szorzat meghatrozsa). Tegyk fel, hogy a
tr kt vektora 3 illetve 5 hossz, az ltaluk bezrt szg koszinusza 45 , mint
az 1.20. pldban. Mit tudunk a vektori szorzatrl?
q
Megolds. Ha cos = 54 , akkor sin = 1 ( 45 )2 = 35 , gy a vektori
szorzat hossza |a||b| sin(a, b) = 3 5 35 = 9, irnya meroleges mindkt vektorra s a, b, a b ebben a sorrendben jobbrendszert alkot
(ld. 1.29. bra).
2
1.28. plda (i, j, k vektori szorzata). Legyen i, j, k hrom, pronknt
egymsra meroleges, ebben a sorrendben jobbrendszert alkot egysgvektor.
Ksztsnk muvelettblt
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
E hrom vektor kzti szorzatok knnyen megjegyezhetoek, ha egy

szablyos hromszg cscsaira rjuk o ket pozitv krljrs szerint,
mint azt a tblzat melletti bra mutatja. Ekkor kt klnbzo vektor
szorzata a harmadik, ha a kt vektor pozitv krljrs szerint kveti
egymst. Ha negatv krljrs szerint kvetik egymst, a szorzat a
harmadik vektor 1-szerese.
2
1.29. ttel (Mikor 0 a vektori szorzat?). Kt trbeli vektor vektori
szorzata pontosan akkor zrusvektor, ha a kt vektor prhuzamos.
Bizonyts. Ha a vagy b valamelyike zrusvektor, akkor egyrszt a
kt vektor tekintheto prhuzamosnak, msrszt a b = 0, az llts
teht igaz, ezrt a tovbbiakban feltesszk, hogy a kt tnyezo egyike
sem zrusvektor.
(=) Ha a s b prhuzamosak (ms szval kollinerisak), akkor
(a, b) = 0 vagy , teht sin(a, b) = 0, gy |a b| = |a||b|0 = 0,
azaz a b = 0.
(=) Ha a b = 0, azaz |a||b| sin(a, b) = 0, akkor |a| = 0, |b| = 0
vagy sin(a, b) = 0. Az |a| = 0 vagy |b| = 0 eseteket mr elintztk
a bizonyts elejn, gy marad a sin(a, b) = 0 eset. A szinusz fggvnynek a [0, ] intervallumban a 0 s a helyen van zrushelye, teht
a kt vektor vagy egyirny, vagy ellenkezo irny, vagyis prhuzamos.
2
1.30. ttel (Vektori szorzat abszolt rtknek geometriai jelentse). Kt vektor vektori szorzatnak abszolt rtke a kt vektor ltal
kifesztett parallelogramma terletnek mroszmval egyenlo.
Bizonyts. Az a s b vektorok ltal kifesztett parallelogramma oldalainak hossza |a| s |b|, az a oldalhoz tartoz magassga pedig m =
|b| sin(a, b) . A parallelogramma terlete |a|m = |a||b| sin(a, b) =
|a b| (1.30. bra).
2
1.31. ttel (Vektori szorzs muveleti

tulajdonsgai). Tetszoleges
a, b s c vektorokra, valamint tetszoleges r vals szmra igazak az albbi
sszefggsek:
a) a b = b a
(alternl tulajdonsg)
b) (a + b) c = a c + b c
a (b + c) = a b + a c
(disztributivits)
c) r (a b) = (ra) b = a (rb)
p
d) |a b| = |a|2 |b|2 |a b|2
a
1.30. bra: |a b| megegyezik a parallelogramma terletvel
vektorok
A ttel bizonytst feladatnak tuzzk
ki.
I E ttel a) pontja szerint a vektori szorzs nem kommutatv!
I Egy egyszeru
plda mutatja, hogy a vektori szorzs nem is asszoci-
atv. Az 1.28. plda eredmnyt hasznlva knnyen lthat, hogy
( 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|
a magassg |e c|, s gy a trfogat (azaz az alapterletszer magassg)

rtke

ab
c = |(a b) c| .
|a b|
|a b|
Teht a parallelepipedon trfogata |(a b) c|.
A trfogat teht az (a b) c skalr abszolt rtke. Krds: vajon

mit jelent e skalr elojele? Ez pontosan akkor negatv, ha a c vektor
a b egyenesre eso meroleges vetlete s a b ellenkezo irny.
Vagyis ha a c vektor az a s b skjnak msik oldaln van, mint az
a b vektor, azaz ha a, b s c balrendszert alkot!
sszefoglalva: Az a, b s c vektorokbl kpzett (a b) c skalr
abszolt rtke a hrom vektor ltal kifesztett parallelepipedon trfogatval egyenlo, mg elojele a hrom vektor orientcijt adja, nevezetesen pontosan akkor pozitv, ha a hrom vektor jobbrendszert
alkot. Az is kvetkezik a fentiekbol, hogy a hrom vektor pontosan
akkor esik egy skba, azaz pontosan akkor linerisan sszefggok, ha
(a b) c = 0.
Vegyes szorzat Az elozo paragrafusban megmutattuk az (a b) c
kifejezs fontossgt. Ez vezet a kvetkezo defincihoz.
47
48
lineris algebra
1.33. definci (Vegyes szorzat). A 3-dimenzis tr hrom tetszoleges

a, b s c vektorbl kpzett
(a b) c
kifejezst a hrom vektor vegyes szorzatnak nevezzk.
I A vegyes szorzat eredmnye skalr.
I Az a, b s c vektorok vegyes szorzatnak szoks jellse abc, de mi
a ksobbi fejezetekben nem fogjuk hasznlni.

I Mivel a skalris szorzs kommutatv, ezrt (a b) c = c (a b).
I A parallelepipedon trfogatra ugyanazt az rtket kell kapnunk,
brmelyik oldallapot is vlasztjuk alapnak, gy e hrom vektorbl a
vektorok klnbzo sorrendjeivel kpzett vegyes szorzatok csak elojelben trhetnek el egymstl. Mivel az elojel az orientci fggvnye,
ezrt figyelembe vve az elozo megjegyzst is kapjuk, hogy
( 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
Vektorok koordints alakban

A koordintk bevezetsvel egyrszt j algebrai eszkzkhz jutunk a vektorok s a klnfle geometriai alakzatok vizsglatban, msrszt lehetov vlik
a vektor fogalmnak kiterjesztse. gy jutunk a sokdimenzis terek fogalmhoz, ami nlklzhetetlen a kzgazdasgtanban, az internetes keresok matematikjban, vagy vges struktrk fltti vltozatban a kdelmletben s a
kriptogrfiban.
Descartes-fle koordintarendszer Descartes 1637-ben La Gomtrie cmu

muvben
egy szp tlettel sszekapcsolta a geometrit az algebrval.

Alapgondolata az volt, hogy a geometria alapelemei (pl. pontok) s
a vals szmok/szmprok/szmhrmasok kzt klcsnsen egyrtelmu megfeleltets hozhat ltre, gy bizonyos geometriai alakzatok
algebrai egyenletekkel lerhatv s vizsglhatv vlnak.
Az 1.11. ttel szerint a sk brmely v vektora felrhat kt adott linerisan fggetlen e1 s e2 vektor lineris kombincijaknt, s e felrs
egyrtelmu.
Ha e lineris kombinci v = v1 e1 + v2 e2 alak, akkor
a v vektorhoz a (v1 , v2 ) szmprt rendeljk, amit a v vektor koordints alakjnak neveznk, a v1 s v2 skalrokat pedig a v koordintinak
nevezzk. Azt mondjuk, hogy az {e1 , e2 } vektorpr e koordintzsi
rendszer egyszerubben
koordintarendszer bzisa, az e1 s e2 vektorok a bzisvektorok vagy alapvektorok. Tetszoleges vektor koordintinak meghatrozshoz elg a bzisvektorokat ismerni.
Ren Descartes (Renatus Cartesianus)

(15961650) francia filozfus s matematikus, a modern filozfia atyja, az
analitikus geometria egyik megalkotja.
Filozfijt a puszta hitre alapozott lltsokkal szemben a racionlis rvelsek
tjn kvnta flpteni (lsd descartesi
ktelkeds s gondolkodom, teht vagyok). Orvostudomnyt s jogot tanult,
vgl hadmrnki kpestst szerzett.
Tbb hborban is rszt vett. 1619-ben
egy Magyarorszgot is rinto hossz
tjn egy Ulm melletti paraszthzban
hrom lmot ltott, melyek megfejtse
egy csodlatos tudomnyhoz vezette,
ami filozfija alapjv vlt.
e2
1.36. plda (Vektorok koordinti). Hatrozzuk meg az 1.32. brn

megadott vektoroknak az e1 s e2 vektorokra, mint bzisra vonatkoz
koordintit!
e1
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
1.32. bra: Mik a vektorok koordinti?
(2, 0)
e2
(2, 1)
(2, 2)
e1
(1, 1)
1.33. bra: A megolds
vektorok
alakban. E v skalr lesz a v koordints alakja (a zrjel hasznlata

itt szksgtelen). gy a v v hozzrendels klcsnsen egyrtelmu
megfeleltetst ltest a vektorok s a skalrok kzt.
Ha kijellnk egy pontot az egyenesen/skban/trben ez lesz az
orig , akkor az egyenes/sk/tr pontjai s a helyvektorok vgpontjai kzti klcsnsen egyrtelmu megfeleltetssel egyttal a pontok is
koordintt kapnak.
1.37. plda (Pontok koordinti). Hatrozzuk meg az 1.35. brn kijellt pontok megadott bzisvektorokra s origra vonatkoz koordintit!
Megolds. E feladat megoldsa lnyegben azonos az elozovel, minthogy a kijellt pontokba mutat helyvektorok megegyeznek az ott
megadott vektorokkal (ld. 1.36. bra).
2
A helyvektorok s a pontok kzti klcsnsen egyrtelmu megfeleltetst a jellsben is kifejezzk azzal, hogy nem tesznk klnbsget
a vektor s a pont koordints alakja kzt, azaz a v = ( a, b) vektorhoz adott orig mellett rendelt pontot is ( a, b) jelli. Ha a pontnak
nevet is adunk, pl. e pont a P pont, akkor a P( a, b) jells a nevet s
a koordintkat is megadja. Ekkor a helyvektort OP is jellheti. Teht
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
1.35. bra: Mik a pontok koordinti?
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
felhasznljuk a vektoroknak a bzisvektorok

lineris kombincijaknt val elolltst. Az adott kt vektor sszege
u + v = ( u1 , u2 , u3 ) + ( v1 , v2 , v3 )
= ( 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 )
= cu1 e1 + cu2 e2 + cu3 e3

= (cu1 , cu2 , cu3 ).
sszefoglalva teht a kvetkezo lltst kapjuk:
1.38. llts (Vektormuveletek

koordints alakja). Adva van a
trben egy koordintarendszer, s abban kt tetszoleges u = (u1 , u2 , u3 ) s
v = (v1 , v2 , v3 ) vektor, valamint egy tetszoleges c R vals szm. Ekkor
a vektorok sszegnek, klnbsgnek s skalrszorosnak koordints alakja
rendre
u + v = ( u1 , u2 , u3 ) + ( v1 , v2 , v3 ) = ( u1 + v1 , u2 + v2 , u3 + v3 ),
u v = ( u1 , u2 , u3 ) ( v1 , v2 , v3 ) = ( u1 v1 , u2 v2 , u3 v3 ),
cu = c(u1 , u2 , u3 ) = (cu1 , cu2 , cu3 ).
Az oszlopvektor jellst hasznlva

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
Ezt flhasznlva kapjuk, hogy

5
a b = (e1 + e2 ) ( e1 + e2 )
2
5
5
= e1 e1 + (1 ) e1 e2 + e2 e2
2
2
5 3
= +4
2 2
= 0,
teht a kt vektor meroleges egymsra.
rdekessgknt meghatrozzuk e koordintarendszerben a skalris
szorzs ltalnos kplett:
u v = ( u1 e1 + u2 e2 ) ( v1 e1 + v2 e2 )
= 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
Bizonyts. A skbeli esetben kihasznljuk, hogy i i = j j = 1 s

i j = 0:
u v = ( u1 i + u2 j ) ( v1 i + v2 j )
= 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 ).
Bizonyts. Az alapvektorok egymssal val vektori szorzatait mr

kiszmoltuk az 1.28. pldban. Kihasznlva, hogy i i = j j =
k k = 0, i j = k, j i = k,. . . , kapjuk hogy
a b = ( a1 i + a2 j + a3 k) (b1 i + b2 j + b3 k)
= 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 ).
1.42. plda (Parallelogramma terlete). Mutassuk meg, hogy az

( a, b) s a (c, d) vektorok ltal kifesztett parallelogramma terlete
| 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
( a, b, 0) (c, d, 0) = (0, 0, ad bc),

ennek abszolt rtke | ad bc|.
Mivel az ( a, b, 0), (c, d, 0) s (0, 0, ad bc) vektorok jobbrendszert alkotnak, ezrt ad bc pontosan akkor pozitv, ha a skban az ( a, b) s a
(c, d) vektorok jobbrendszert alkotnak, s ad bc pontosan akkor negatv, ha az ( a, b) s a (c, d) vektorok balrendszert alkotnak (gondoljuk
meg!).
2
a1
a2
a3
a1
a2
b1
b2
b3
b1
b2
1.39. bra: A vektori szorzat kiszmtsa a kt vektor koordintibl: rjuk a

kt vektort egyms al, majd az elso kt
koordintt msoljuk a vektorok vgre,
vgl az X alakba rakott nylproknl a
& nyl vgein lvo szmok szorzatbl
vonjuk ki a . szerinti szorzatot. Az
eredmny:
( a2 b3 a3 b2 , a3 b1 a1 b3 , a1 b2 a2 b1 ).
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
koordints alakja az sszeads, kivons, skalrral

szorzs s a skalris szorzs esetn analg mdon kiterjesztheto az
n-dimenzis trre. Kezdjk a lineris kombinciban szereplo muve
letek vizsglatval.
1.43. definci (Vektormuveletek

Rn -ben).
Legyen u
=
(u1 , u2 , . . . , un ) s v = (v1 , v2 , . . . , vn ) az Rn tr kt tetszoleges
vektora, c R egy tetszoleges vals. E kt vektor sszegt, klnbsgt,
2D
3D
4D
1.40. bra: 4-dimenzis kocka brzolsa

2-dimenziban.
56
lineris algebra
c-szeresn s skalris szorzatt a kvetkezo kpletek definiljk:

u + v = ( u1 + v1 , u2 + v2 , . . . , u n + v n )
u v = ( u1 v1 , u2 v2 , . . . , u n v n )
cu = (cu1 , cu2 , . . . , cun )
u v = u1 v1 + u2 v2 + + u n v n .
sszefoglaljuk e muveletek
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
nem vezet ki Rn -bol

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
e szorzs nem vezet ki Rn -bol

a kt szorzs kompatibilis
disztributv
disztributv
szorzs 1-gyel
E tz tulajdonsg ksobb kitntetett szerepet fog jtszani, ezrt elklntjk

a tovbb felsorolandktl:
1)
2)
3)
4)
0u = 0
(1)u = u
u v = u + (v)
a skalr htra is rhat, azaz cu = uc s gy u/c = 1c u
I E tulajdonsgok mindegyike knnyen visszavezetheto a vals sz-
mok algebrai tulajdonsgaira, ezrt ezek ellenorzst (bizonytst) az

Olvasra hagyjuk. Mintaknt megmutatjuk a b) bizonytst:
u + v = ( u1 + v1 , u2 + v2 , . . . , u n + v n )
= ( v1 + u1 , v2 + u2 , . . . , v n + u n )
= v + u.
I Az a)e) tulajdonsgok az sszeads, az f)j) tulajdonsgok a skalr-
ral szorzs tulajdonsgait rjk le. Mindkt csoport elso tulajdonsga
vektorok
csak annyit mond, hogy a muvelet
eredmnye is ugyanabba a vektorhalmazba, azaz Rn -be esik, ahov a muveletben
szereplo vektor val.

1.45. plda. Mutassuk meg, hogy az Rn -beli e1 = (1, 0, . . . , 0), e2 =
(0, 1, . . . , 0),. . . , en = (0, 0, . . . , 1) vektorok linerisan fggetlenek, s hogy
Rn minden vektora egyrtelmuen
eloll ezek lineris kombincijaknt!
Megolds. Az e1 biztosan nem ll elo a tbbi vektor lineris kombincijaknt, hisz a tbbi vektor elso koordintja 0, gy azok brmely
lineris kombincijban is 0 az elso koordinta, e1 -ben pedig 1. Hasonlan igazolhat, hogy egyik ei sem ll elo a tbbi vektor lineris
kombincijaknt (i = 2, 3, . . . , n). A megadott vektorok teht linerisan fggetlenek.
Mivel az i-edik koordinta egyedl csak az ei vektorban 1, a tbbiben 0, ezrt ha egy tetszoleges v = (v1 , v2 , . . . , vn ) vektor eloll az e1 ,
e2 ,. . . , en vektorok lineris kombincijaknt, akkor abban ei egytthatja csak vi lehet. Msrszt az is vilgos, hogy
( 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
ki a tbbi lineris kombincijaknt, k = 1 esetn pedig a vektor nem a

zrusvektor.
2. A zrusvektor csak egyflekpp a trivilis mdon ll elo V lineris
kombincijaknt. Msknt fogalmazva, a c1 , c2 ,. . . ,ck skalrokkal vett
lineris kombinci csak akkor lehet a nullvektor, azaz
c1 v1 + c2 v2 + . . . + c k v k = 0
csak akkor llhat fenn, ha
c1 = c2 = . . . = ck = 0.
Bizonyts. Eloszr tegyk fel, hogy a vektorrendszer csak egyetlen
v vektorbl ll. Ekkor a ttel azt lltja, hogy e vektor pontosan akkor
lineris fggetlen, azaz pontosan akkor nem a nullvektor, ha a cv = 0
csak c = 0 esetn llhat fenn. Ez nyilvnval, hisz ha v 6= 0 s c 6= 0,
akkor cv = 0 sem llhat fenn. A tovbbiakban tegyk fel, hogy a
vektorrendszer legalbb kt vektorbl ll.
(=) Megmutatjuk, hogy ha c1 v1 + c2 v2 + . . . + ck vk = 0 csak c1 =
c2 = . . . = ck = 0 esetn llhat fenn, akkor semelyik vi vektor sem
fejezheto ki a tbbi lineris kombincijaknt (i = 1, 2, . . . , k). Tegyk
fel indirekt mdon, hogy valamelyik vektor pldul a v1 kifejezheto
a tbbi lineris kombincijaknt, azaz
v1 = d2 v2 + . . . + d k v k ,
vagyis trendezs utn
(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:
1.47. ttel (Lineris sszefggosg).

Egy nullvektortl klnbzo
n
elemekbol ll, legalbb ktelemu R -beli V = { v1 , v2 , . . . , vk } vektorrendszer pontosan akkor linerisan sszefggo, ha valamely 2 t esetn vt
a v1 , v2 ,. . . , vt1 vektorok lineris kombincija.
Msknt fogalmazva, ha egy nullvektort nem tartalmaz vektorrendszerben tallunk olyan vektort, mely a tbbi lineris kombincija, akkor olyat is tallunk, mely sorrendben csak az o ket megelozo
vektor(ok) lineris kombincija.
Bizonyts. Legyen t az a legkisebb egsz, melyre a v1 , v2 ,. . . , vt
vektorok mr sszefggok. Mivel v1 6= 0, ezrt az elso vektor nem
lehet sszefggo, ezrt t 2. E vektorok sszefggosge miatt vannak
olyan ci konstansok, melyekkel
c1 v1 + c2 v2 + + ct vt = 0.
Biztos, hogy ct 6= 0, klnben mr a v1 , v2 ,. . . , vt1 vektorok is lineris
sszefggok lennnek, s ez ellentmond t defincijnak. gy
vt =
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
Bizonyts. A bizonyts itt is igen egyszeru,

ezrt csak az a) pontt
mutatjuk meg, a tbbit az Olvasra hagyjuk:
u v = u1 v1 + u2 v2 + + u n v n
= 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)
d) A kt vektor vgpontjnak tvolsgn, amit egyszeruen

a kt vektor tvolsgnak neveznk, a
d(u, v) = |u v|
(1.6)
rtket rtjk.
I A fenti defincikat rdemes megtekinteni koordints alakjukba
trva. Eszerint pldul

q
|u| = u21 + u22 + + u2n ,
cos(u, v) = q
u1 v1 + u2 v2 + + u n v n
q
u21 + u22 + + u2n v21 + v22 + + v2n
I A fenti defincik kzl a vektorok hajlsszgnek defincija mg
hinyos. Egy szg koszinusza csak a [1, 1] intervallumba eso szm

lehet, ezrt e definci csak akkor rtelmes, ha az (1.4) kplet szmlljra s nevezojre igaz, hogy |u v| |u||v|, azaz ha n-dimenzis
vektorokra is fnnll a CBS-egyenlotlensg. Ezt hamarosan igazolni
fogjuk!
vektorok
1.50. plda (Vektorok szge s tvolsga). Az u = (2, 3, 4, 14)

vektornak mennyi az abszolt rtke, mennyi a v = (4, 6, 10, 10) vektortl
val tvolsga, s mennyi a w = (0, 3, 6, 2) vektorral bezrt szgnek
koszinusza?
Megolds. A vlaszhoz az (1.3), az (1.6) s az (1.4) kpleteket hasznljuk:
p
|u| = 22 + 32 + 42 + 142 = 225 = 15,

q
d(u, v) = (2 4)2 + (3 6)2 + (4 (10))2 + (14 10)2
p
= 22 + 32 + 142 + 42 = 15
cos(u, w) =
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)
1.51. ttel (CauchyBunyakovszkijSchwarz-egyenlotlensg).

n
Tetszoleges u, v R vektorokra
|u v| |u||v|.
(1.7)
Egyenlosg pontosan akkor ll, ha u s v linerisan sszefggok, azaz egyik

vektor a msik skalrszorosa.
Bizonyts. Tegyk fel eloszr, hogy v = 0. Ekkor a ttel lltsnak
mindkt rsze nyilvn igaz, hisz egyenlosg ll fenn, s a kt vektor
linerisan sszefggo. Ha v 6= 0, akkor legyen e = v/|v| a v irny egysgvektor. Az u vektor e egyenesre meroleges sszetevojnek hossza,
illetve annak ngyzete nyilvn nem negatv, azaz
0 | u ( u e ) e |2
= | 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
1.52. ttel (Hromszg-egyenlotlensg

Rn -ben).
u, v Rn vektorokra
| u + v | | u | + | v |.
Tetszoleges
A bizonyts megegyezik a 3-dimenzis vltozatra, azaz a az 1.22. ttelre adott bizonytssal.
61
62
lineris algebra
A vektor abszolt rtkt a skalris szorzat segtsgvel definiltuk,

de fordtva, a skalris szorzat is kifejezheto a vektor abszolt rtkvel.
1.53. ttel (Skalris szorzat s abszolt rtk Rn -ben). Tetszoleges u, v Rn vektorokra

1
| u + v |2 | u v |2
4

1
uv =
| u + v |2 | u |2 | v |2
2
uv =
(1.8)
(1.9)
Bizonyts. A bizonyts az abszolt rtk (1.3)-beli defincijt hasznljuk:

1
1
|u + v|2 |u v|2 = ((u + v) (u + v) (u v) (u v))
4
4
1
= (u u + u v + v u + v v u u + u v + v u v v)
4
1
= (4u v) = u v.
4
A msik formula hasonlan bizonythat.
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
Az r-rel jellt n. korrelcis egytthat azt mri, hogy a kt adatsor

kzti lineris fggvnykapcsolat milyen eros. Az erre hasznlt kplet
a kvetkezo:
r= q
in=1 ( xi x )(yi y )
q
.
in=1 ( xi x )2 in=1 (yi y )2
Vajon hogyan mri r a lineris fggvnykapcsolat erossgt? Az eddig

tanultak szemlletes vlaszt adnak. A fogalom mlyebb megrtse a
valsznusgszmts
ismerett is megkvnja, ezzel mi itt nem foglalkozunk.

Tegyk fel, hogy a kt adatsor kzt fnnll az yi = cxi + d lineris
fggvnykapcsolat minden i = 1, 2, . . . n indexre valamely c, d konstansokkal. Ha mindkt adatsorbl levonjuk az tlagukat (a kt adatsort
normljuk), akkor az gy kapott
ai = xi x,
bi = yi y
(i = 1, 2, . . . , n)
vektorok
63
adatsorokra igaz a bi = cai sszefggs. Ugyanis

!
n
1
y =
cxi + d = c x + d,
n i
=1
amibol bi = yi y = cxi + d c x d = c( xi x ) = cai .
Teht, az adatsorokat n-dimenzis vektorokba foglalva az y = cx +
d lineris fggvnykapcsolat pontosan akkor ll fnn, ha b = ca, azaz
ha a normlt vektorok kollinerisak. A korrelcis egytthat nem
ms, mint e kt utbbi vektor szgnek koszinusza, ugyanis
cos(a, b) =
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
Valban, a kt vektor szgnek koszinusza pontosan akkor 1, ha a

vektorok szge 0, s akkor 1, ha a szg . A korrelci teht 1 s
1 kzt vltozik, s abszolt rtke annl kisebb, minl nagyobb az a s
b vektorok hajlsszge, azaz minl kevsb kollinerisak, azaz minl
kevsb eros a kt szmsorozat kzti lineris fggvnykapcsolat.
Ha r = 0, akkor a s b merolegesek, ekkor lineris fggvnykapcsolat nincs az eredeti kt mennyisg kzt (ms kapcsolat mg lehet,
teht nem felttlenl fggetlen a kt adatsor egymstl).
Bitvektorok A modern szmtgpek memrijban vagy httrtrolin az adatok trolsnak legkisebb egysge a bit. Egy bittel kt llapot
trolhat, melyeket a 0 s 1 szmokkal jellnk, de amelyek tbb mindent is reprezentlhatnak: hamis/igaz, nem/igen, ki/be,. . . . A biteket
a hardver lehetosgei s a feladat ignyei szerint csoportokba, sorozatokba, vektorokba gyujtik,
melyekkel klnfle muveletek
vgezhetok.
Ezek attl is fggnek, hogy a bitvektorok milyen adatokat kdolnak.
E muveletek
kzl minket azok fognak rdekelni, melyek algebrailag

a korbban megismert vektormuveletekre
hasonltanak. Ksobb ltni

fogjuk, hogy itt tbbrol van sz, mint vletlen hasonlsgrl.
A bitvektorok jellse a szmtstechnikban leginkbb a biteket jello szmjegyek egyszeru egyms mell rsval trtnik, pl. 01110101
a (0, 1, 1, 1, 0, 1, 0, 1) vektort jelli. Mi mindkt jellst hasznlni fogjuk.
Kdvektorok, kdok Az informci trolshoz, tovbbtshoz szksg van kdolsra, gyakran egyms utn tbb klnbzo kdolsi eljrs alkalmazsra is. Pldul ha valaki egy gondolatt lerja egy
paprra, majd onnan begpeli egy szmtgpbe s egy adott formtumban elmenti, egy tmrto programmal sszetmrti, egy titkost szoftverrel titkostja, vgl egy biztonsgos internetes csatornn
tovbbkldi valakinek, hat kdolsi lpst hajthatott vgre.
Bit: az angol binary digit kifejezsbol

kpzett sz, ami magyarul binris, azaz
kettes szmrendszerbeli szmot jelent.
A szoftver (software) szt is megalkot
John W. Tukey tlete.
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
egy-egy szmjegynek 4-4 bit felel meg, gy

a 16 lehetsges 4-hossz kdsz helyett csak tzet hasznl: a 0, 1,. . . ,
9 jegyek kdja rendre 0000, 0001, 0010, 0011, 0100, 0101, 0110, 0111,
1000, 1001.
1.55. plda (BCD-kd). Hasonltsuk ssze 561 binris alakjt s BCDkdjt!
Megolds. Az 561 BCD-kdja hrom kdvektorbl ll: 0101 0110 0001.
A kettes szmrendszerbeli alak 1000110001, amit gy kapunk meg,
hogy 561-et osztjuk 2-vel, a maradk a binris alak utols jegye, a hnyadost ismt elosztjuk 2-vel, annak maradka az utols elotti jegy. . .
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
hasonlan vgezheto el. Ennek kvetkeztben a

lineris kombinci, lineris fggetlensg itt is ugyangy definilhat
s hasznlhat.
1.56. plda (Lineris kombinci Znm -ben). Szmtsuk ki a Z52 -beli
a = (1, 0, 0, 1, 1, 0), b = (0, 1, 0, 1, 0, 1) s c = (0, 0, 1, 0, 1, 1)
vektorok
65
vektorok sszes lineris kombincijt Z2 -beli egytthatkkal, valamint a

Z33 -beli
u = (1, 1, 0) s v = (0, 1, 1)
vektorok sszes lineris kombincijt Z3 -beli egytthatkkal.
Megolds. A lehetsges xa + yb + zc alak lineris kombincik szma 8, hisz x, y, z Z2 , vagyis mindegyik egytthatnak 0 vagy 1
az rtke, s ez 2 2 2 = 8 eshetosg. Az x = y = z = 0 eset
a zrusvektort adja. Ha x, y s z kzl csak egyikk rtke 1, a
tbbi 0, akkor a hrom adott vektort kapjuk vissza. Azok az esetek maradnak, amikor legalbb kt vektort kell sszeadni. Pldul
1a + 1b + 0c = (1, 0, 0, 1, 1, 0) + (0, 1, 0, 1, 0, 1) = (1, 1, 0, 0, 1, 1). Az
sszes lineris kombinci az 1.1. (a) tblzatban lthat.
Az xu + yv alak lineris kombincik szma 9, mivel x, y Z3 ,
azaz lehetsges rtkk 0, 1 vagy 2, ami 3 3 = 9 lehetosget ad. Pldaknt egy lineris kombinci, a tbbi az 1.1. (b) tblzatban lthat:
2u + 1v = 2(1, 1, 0) + (0, 1, 1) = (2, 2, 0) + (0, 1, 1) = (2, 0, 1).
2
E paragrafus tovbbi rszben a vektormuveletekre
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
ahol u a szemlyi szm elso 10 jegye. A szemlyi szm 8-10-edik jegye

gy van kivlasztva, hogy e 6= 10, gy az ellenorzo sszeg egyjegyu.
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.
1.21. Az 1.1. (a) tblzatban egy 8 binris kdszbl, a

(b) tblzatban egy 9 kdszbl ll ternr kd kdszavai
1.22. Mely vektorokra igaz, hogy minden bitjk a vektor

maradk rsznek paritsbitje.
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
visszatrnk e feladatra, s meg fogjuk mutatni, hogy az egyenletet

kielgto pontok egy ellipszisen vannak.
2
x
x
y
2.2. bra: Az x2 + y2 = 1 egyenletet kielgto ( x, y) pontok halmaza kt koordintarendszerben.
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
ahol ( x1 , x2 , . . . , xn ) Rn a tr egy pontja, s r az oda mutat vektor.

Kzpiskolai tanulmnyainkban tbb pldt lttunk alakzat egyenletre, pldul tudjuk, hogy a skban a koordintatengelyek szgt felezo egyenes egyenlete y = x, azaz x y = 0. Ortonormlt bzist
vlasztva az orig kzepu egysgsugar kr egyenlete x2 + y2 = 1.
Az elozo kt egyenlet mindegyikbol kifejezheto a kt koordinta egy
paramter bevezetsvel. Az y = x egyenlet ekvivalens az
x=t
y=t
egyenletrendszerrel, mg az x2 + y2 = 1 egyenlet ekvivalens az
x = cos t
y = sin t
A latin eredetu implicit sz jelentse nem

kifejtett, rejtett, ami az sszekt, sszefgg, sszekever, krlcsavar jelentsu
sz szrmazka. E sz
implico (implico)
a matematikban az implicit alak, implicit fggvny, stb. kifejezsekben arra
utal, hogy valamely fontosnak tekintett
mennyisg, vltoz, stb. nincs kifejezve a
kpletbol. Ugyanennek a sznak a szrmazka a magba foglal, maga utn von
jelentsu implikl sz is, mely a matematikai logika ha. . . , akkor. . . szerkezetu
muveletvel,
az implikcival is kapcsolatban van.
lineris egyenletrendszerek s megoldsuk
71
egyenlettel. Mindketto trhat vektoralakba is. Hasznljuk a oszlopvektoros jellst:

" # "#
" # "
#
x
t
x
cos t
=
, t R, illetve
=
, t [0, 2 ) R.
y
t
y
sin t
E kt plda vezet a kvetkezo ltalnos fogalomhoz.
2.4. definci (Alakzat (explicit) egyenletrendszere). Egy geometriai alakzat egy adott koordintarendszerre vonatkoz (explicit) egyenletrendszern olyan egyenletrendszert rtnk, melyben az egyenletek bal
oldaln a pontok koordintit megad vltozk, jobb oldaln adott paramterek fggvnyei szerepelnek. ltalnos alakja
A latin eredetu explicit sz jelentse kifejtett, vilgosan kimondott, ami a kibont,

szttert, kiszabadt, tvitt rtelemben
tisztz, kifejt, megfejt jelentsu explico
sz szrmazka. E sz a mate(explico)
matikban az explicit alak, explicit fggvny, stb. kifejezsekben arra utal, hogy
valamely fontosnak tekintett mennyisg,
vltoz, stb. ki van fejezve a tbbi segtsgvel.
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
OQ r0 vektor nem prhuzamos v-vel, teht nem is konstansszorosa,
azaz OQ r0 6= tv semmilyen t-re sem, gy OQ nem ll elo r0 + tv

alakban. Teht az e tetszoleges pontjba mutat r vektor felrhat
r = r0 + tv alakban, s ez csak e pontjaira igaz.
2.5. llts (Skbeli egyenes explicit vektoregyenlete).
minden egyenesnek van
r = r0 + tv
A sk
(2.1)
e
r
tv
v
r0
2.3. bra: Egyenes explicit vektoregyenlete: r = r0 + tv.
72
lineris algebra
alak vektoregyenlete, s minden ilyen alak egyenlet egy egyenes egyenlete,

ahol v az egyenes egy irnyvektora, s r0 az egyenes egy tetszoleges, de
rgztett pontjba mutat vektor.
A skbeli egyenesre meroleges vektorokat az egyenes normlvektorainak nevezzk. Legyen n egy tetszoleges, a v-re meroleges vektor,
azaz legyen n az e egy normlvektora. Azt, hogy r r0 az e tetszoleges pontjba mutat r vektorra prhuzamos v-vel, gy is kifejezhetjk,
hogy r r0 meroleges n-re. A merolegessg pedig kifejezheto a skalris szorzattal. gy az egyenes egy implicit vektoregyenlethez jutunk:
r pontosan akkor mutat az e egy pontjba, ha n (r r0 ) = 0. Ez az
egyenlet trendezs utn n r = n r0 alakra, majd a C = n r0 jells
bevezetsvel n r = C alakra hozhat.
O
n
r
r r0
r0
2.6. llts (Skbeli egyenes implicit vektoregyenlete). A sk

n (r r0 ) = 0,
(2.2)
2.4. bra: Skbeli egyenes implicit vektoregyenlete: n (r r0 ) = 0.

O
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
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
2.9. plda (Skbeli egyenes egyenletei). rjuk fel annak az egyenesnek

sszes egyenlett vagy egyenletrendszert, mely tmegy a (2, 3) s az (1, 1)
koordintj pontokon.
Megolds. Ha egy egyenes tmegy e kt ponton, akkor irnyvektora
a kt pontba mutat vektorok klnbsge, azaz v = (2, 3) (1, 1) =
(1, 2). Legyen r0 = (1, 1), de az r0 = (2, 3) vlaszts is megfelelo.
Az irnyvektor segtsgvel kapjuk, hogy
" # " #
" #
x
1
1
=
+t
.
y
1
2
Explicit (paramteres) egyenletrendszer alakban:
x = 1+ t
y = 1 + 2t.
Az irnyvektorbl ( A, B) = (2, 1), innen az egyenes egyenlete 2x
y = 2 1 1 1, azaz
2x y = 1.
Ortonormlt koordinta-rendszerben a
(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
vagy minden egytthatt kirva
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)
alak vektoregyenlete, s minden ilyen alak egyenlet egy sk egyenlete, ahol

u s v a sk kt linerisan fggetlen vektora, s r0 a sk egy tetszoleges, de
rgztett pontjba mutat vektor.
Hasonlan a skbeli egyeneshez, a trbeli sk egyenletbol is kikszblheto a paramter a merolegessg felhasznlsval. Az 1.14. feladat lltsa szerint, ha egy vektor meroleges kt tetszoleges vektor
mindegyikre, akkor meroleges azok lineris kombincijra is. Mivel
az n = u v meroleges u-ra s v-re is, ezrt meroleges azok minden
lineris kombincijra is, azaz az r r0 = su + tv vektorra is. Ez az
szrevtel az alapja az albbi ttelnek.
2.11. llts (Sk implicit vektoregyenlete).
trben minden sknak van
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
Az llts igazolsa analg a skbeli egyenesnl lertakkal.

Az r = ( x, y, z), r0 = ( x0 , y0 , z0 ) s u = ( a1 , b1 , c1 ) v = ( a2 , b2 , c2 )
jellseket hasznlva az explicit vektoregyenlet azonnal egyenletrendszerr alakthat.
2.12. llts (Sk explicit egyenletrendszere). A hromdimenzis
tr minden skjnak van
x = x0 + a1 s + a2 t
y = y0 + b1 s + b2 t
(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
(b1 c2 b2 c1 )( x x0 ) + (c1 a2 c2 a1 )(y y0 ) + ( a1 b2 b1 a2 )(z z0 ) = 0.

Az ( A, B, C ) = (b1 c2 b2 c1 , c1 a2 c2 a1 , a1 b2 a2 b1 ) jellssel a sk
egyenlete A( x x0 ) + B(y y0 ) + C (z z0 ) = 0 alakra hozhat, vagy
ami vele ekvivalens, Ax + By + Cz = D alakra.
2.13. llts (Sk implicit egyenlete). A hromdimenzis trben
minden sknak van
Ax + By + Cz = D
(2.10)
alak egyenlete, s minden ilyen alak egyenlet egy sk egyenlete, ha A, B
s C legalbb egyike nem nulla, s D = Ax0 + By0 + Cz0 , ahol ( x0 , y0 , z0 )
a sk valamely pontja.
A sk fenti egyenlete a sk n (r r0 ) = 0 alak vektoregyenletbol is
megkaphat, de ezt egyelore csak ortonormlt koordintarendszerben
tudjuk knnyen igazolni. Mivel
( A, B, C ) = (b1 c2 b2 c1 , c1 a2 c2 a1 , a1 b2 a2 b1 ),
(2.11)
ami pp az u v vektorral egyenlo, ezrt ( A, B, C ) meroleges a sk

minden vektorra, vagyis a sk egy normlvektora. Az n (r r0 ) = 0
egyenletet koordints alakba trva kapjuk, hogy
( 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.
Megolds. A hrom pontba mutat vektorok klnbsgei a skkal

prhuzamos vektorok, gy azokkal felrhat a sk mindegyik egyenlete.
Kt vektor a lehetsges hrombl:
u = (2, 1, 4) (0, 1, 2) = (2, 2, 2), s
v = (1, 0, 7) (0, 1, 2) = (1, 1, 5).
Ezek alapjn pldul az r0 = (0, 1, 2) vlaszts mellett a sk explicit
vektoregyenlete

x
0
2
1

=
+
s
+
t
y
1
2

1,
z
2
2
5
explicit egyenletrendszere
2s t
x=
y = 1 + 2s + t
z=
2 + 2s + 5t
Mivel a (2.11) kplet szerint ( A, B, C ) = (8, 12, 4), ezrt a sk implicit

egyenlete 8( x 0) 12(y (1)) + 4(z 2) = 0, azaz 4-gyel val
oszts s trendezs utn
2x 3y + z = 5.
gy ortonormlt koordintarendszerben a
(2, 3, 1) ( x, y, z) = 5, vagy (2, 3, 1) ( x, y + 1, z 2) = 0

a sk implicit vektoregyenlet alakja.
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
x = x0 + at
(2.13)
y = y0 + bt
z = z0 + ct
alak egyenletrendszere, ahol ( a, b, c) az egyenes egy irnyvektora, s

( x0 , y0 , z0 ) az egyenes egy tetszoleges rgztett pontja.
A fenti explicit (paramteres) egyenletrendszerbol a paramter kikszblheto. Ha az a, b s c szmok valamelyike 0, akkor a neki
megfelelo fenti egyenletben mr nem szerepel t, akkor nincs is mit
tennnk. Ha legalbb kt egyenletben szerepel t, akkor mindegyikbol
kifejezve t-t, majd egyenlov tve o ket paramter nlkli egyenleteket
kapunk. Pldul ha a, b s c egyike sem 0, akkor
t=
x x0
y y0
z z0
=
=
.
a
b
c
A t-t elhagyva valjban hrom egyenletet kaptunk:

y y0
x x0
=
,
a
b
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
brmelyik ketto, amelyik nem 0 = 0 alak:

b ( x x0 ) = a ( y y0 )
c ( x x0 ) = a ( z z0 )
(2.14)
c ( y y0 ) = b ( z z0 )
I A (2.14) egyenletrendszer a kvetkezo alakba is trhat:
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
b) A kt pontot sszekto vektor itt = (4, 2, 6). Innen az egyenes

explicit egyenletrendszere
x = 1 + 4t
y = 3 + 2t
z = 4 6t
79
80
lineris algebra
Mindegyik egyenletbol kifejezve t-t, s ezeket egyenlov tve kapjuk,

hogy
x1
y3
z4
=
=
.
4
2
6
Ez a kvetkezo hrom sk egyenlett adja:
x1
y3
=
,
4
2
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
Az explicit egyenletrendszert implicit alaknak is tekinthetjk, ekkor

hrom a koordintaskokkal prhuzamos sk egyenlett ltjuk, melyek egyetlen kzs pontban metszik egymst.
= 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!
Megolds. Az AB = (1, 2, 1, 3) s az AC = (2, 1, 0, 1) vektorok

gtsgvel azonnal flrhat az egyenes s a sk egyenlete is:

2
1
1
x
1
1
x
1
2
y 1
2
y 1

= + t , illetve = + s + t .
0
1
z 1
1
z 1
1
3
1
w
3
1
w
fel
s
se-
A skbeli egyenes s a trbeli sk vektoregyenlete n r = c alak.

E kt esetben ez az egyenlet az n-dimenzis tr egy n 1-dimenzis
alakzatnak egyenlete (n = 2, 3). A ksobbiekben ltni fogjuk, hogy
ez ltalban is igaz, de e pillanatban mg a dimenzi fogalmt sem
definiltuk, ezrt egyelore csak nevet adunk ennek az alakzatnak. Az
Rn trben az n r = c egyenletet kielgto r vektorok vgpontjainak
halmazt hipersknak nevezzk. Koordints alakban
a1 x1 + a2 x2 + . . . + an xn = c,
ahol n = ( a1 , a2 , . . . , an ), r = ( x1 , x2 , . . . , xn ).
2.20. plda (Hipersk egyenlete). Mutassuk meg, hogy az
x + 2y + 3z + 6w = 12
egyenletu hipersk brmely kt pontjt sszekto vektor meroleges az
(1, 2, 3, 6) vektorra, azaz vele val skalris szorzata 0.
Megolds. Ha az ( x1 , y1 , z1 , w1 ) s az ( x2 , y2 , z2 , w2 ) pontok a megadott hiperskon vannak, akkor
x1 + 2y1 + 3z1 + 6w1 = 12
x2 + 2y2 + 3z2 + 6w2 = 12
Ha a kt egyenletet kivonjuk egymsbl, akkor az
( 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
A lineris egyenletrendszer s kt modellje

E szakasz tmja a lineris egyenletrendszerek fogalma s a lineris egyenletrendszer megoldsnak kt geometriai interpretcija: hiperskok metszetnek
meghatrozsa s egy vektor lineris kombinciknt val elolltsa. A szmtsok knyelmes knyvelsre bevezetjk a mtrix fogalmt.
Lineris egyenlet s egyenletrendszer Az elozo rsz vgn lttuk, hogy

a skbeli egyenes egyenletnek ltalnos alakja Ax + By = C, ahol A,
B s C konstansok. Ennek ltalnostsaknt jutunk a lineris egyenlet
fogalmhoz.1
2.21. definci (Lineris egyenlet). Az
a1 x1 + a2 x2 + + a n x n = b
(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
a cos 0.87 0.15c = 0.23.
A kvetkezo egyenletek nem linerisak az x, y s z ismeretlenekben:

xz y = 0,
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
egyenletek az x, y s z ismeretlenekben linerisak, mert azonos talaktssal

a defincibeli alakra hozhatk:
x y + 0z = 0,
Msrszt az
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: a vonalas jelentsu latin linearis

szbl ered, mely a lenfonal, horgszzsinr, tvitt rtelemben vonal, hatrvonal
jelentsu linea (lnea) sz szrmazka.
A matematikban egyenessel kapcsolatba
hozhat, illetve elsofok rtelemben szoks hasznlni.
1
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
Elkpzelheto, hogy egy egyenletrendszer talaktsa kzben olyan

egyenletet kapunk, melyben minden egytthat 0, azaz amely 0 = b
alak. Az is lehet, hogy egy egyenletrendszerben egyes egytthatk
paramterek. Ilyenkor tudnunk kell, mely vltozk az ismeretlenek,
melyek a paramterek. gy a kvetkezo egyenletrendszerek is linerisak az x, y ismeretlenekben:
3x y = 2
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)
am1 x1 + am2 x2 + . . . + amn xn = bm

ahol x1 , x2 ,. . . xn az ismeretlenek, aij az i-edik egyenletben az x j ismeretlen
egytthatjt jelli, s bi az i-edik egyenlet konstans tagja. Ha mindegyik
85
86
lineris algebra
egyenlet konstans tagja 0, a lineris egyenletrendszer homogn, ha csak egy

is klnbzik 0-tl inhomogn.
2.26. definci (Lineris egyenletrendszer megoldsa).
Azt
mondjuk, hogy a rendezett (u1 , u2 , . . . , un ) szm-n-es megoldsa a (2.19)
egyenletrendszernek, ha megoldsa minden egyenletnek, azaz minden egyenletet kielgt az x1 = u1 , x2 = u2 ,. . . xn = un helyettestssel. Ha e
szm-n-est vektornak tekintjk, megoldsvektorrl beszlnk. Az sszes
megolds halmazt az egyenletrendszer megoldshalmaznak nevezzk.
Egy egyenletrendszert megoldhatnak vagy konzisztensnek neveznk,
ha van megoldsa, azaz ha megoldshalmaza nem res. Ellenkezo esetben az
egyenletrendszer nem megoldhat vagy inkonzisztens.
2.27. plda (Egyenletrendszer egy megoldsa). Keressk meg
a (2.17) s a (2.18) egyenletrendszereinek egy-egy megoldst!
Megolds. ( x, y) = (2, 4), ( x1 , x2 , x3 ) = (3, 1, 4), ( x, y, z, w) = (2, 0, 2, 0),
( x, y) = (1, a), ( x, y) = (2, 4). A (2.17)-beli harmadik egyenletrendszernek vgtelen sok megoldsa van, pldul egy msik megolds az
( x, y, z, w) = (3, 0, 0, 0). A (2.18) utols egyenletrendszernek nincs
megoldsa, hisz nincs olyan x s y rtk, melyre fnnllna a 0x + 0y =
2 egyenlosg.
2
ltalban, a
0x1 + 0x2 + + 0xn = 0
egyenletnek minden szm-n-es megoldsa, mg a
0x1 + 0x2 + + 0xn = b,
( b 6 = 0)
egyenletnek egyetlen megoldsa sincs.

Ekvivalens lineris egyenletrendszerek Tekintsk az albbi hrom egyenletrendszert:
x+ y =3
x+y = 3
x + 2y = 4
y=1
=2
y=1
(2.20)
Mindhromnak ( x, y) = (2, 1) az egyetlen megoldsa.

2.28. definci (Ekvivalens egyenletrendszerek). Azonos ismeretlenekkel felrt kt egyenletrendszert ekvivalensnek neveznk, ha megoldsaik halmaza azonos.
2.29. ttel (Ekvivalens talaktsok). Az albbi transzformcik
minden egyenletrendszert ekvivalens egyenletrendszerbe visznek t:
1. kt egyenlet felcserlse;
2. egy egyenlet nem nulla szmmal val szorzsa;
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
3. egy egyenlet konstansszorosnak egy msikhoz adsa.

Ezen kvl
4. egy 0 = 0 alak egyenlet elhagysa
is ekvivalens talakts, de ez eggyel cskkenti az egyenletek szmt.
Bizonyts. Az elso ketto s a negyedik talakts nyilvnvalan nem
vltoztatja meg a megoldsok halmazt (a negyedikkel kapcsolatban
lsd a 2.8. feladatot). Nzzk a harmadik talaktst: legyen c egy tetszoleges konstans. Egy megoldst az egyenletrendszerbe helyettestve,
majd az i-edik c-szerest hozzadva egy msik egyenlethez, pldul a
j-edikhez, knnyen lthat, hogy a rgi egyenletrendszer minden megoldsa az jnak is megoldsa. Ezutn az j egyenletrendszer i-edik
egyenletnek c-szerest hozzadjuk a j-edikhez. gy visszakapjuk
a rgi egyenletrendszert, teht az elozo gondolatmenet szerint az j
egyenletrendszer minden megoldsa a rginek is megoldsa. Vagyis
a kt megoldshalmaz megegyezik. Teht ez az talakts is ekvivalens.
2
Mtrixok Az egyenletrendszer megoldsban az ekvivalens talaktsok sorn a muveleteket
csak az egyenletrendszer egytthatival s

konstans tagjaival vgezzk, az ismeretlenek msolgatsa felesleges,
ezrt az egytthatkat s a konstans tagokat egy tblzatba gyujtjk
megorizve az egyenletrendszerbeli egymshoz val helyzetket , s

az egyenletrendszer megoldsainak lpseit csak ezen hajtjuk vgre.
Az ilyen szmtblzatokat mtrixoknak nevezzk, ezekkel ksobb kln fejezetben foglalkozunk. A mtrixba rt szmokat a mtrix elemeinek
nevezzk.
A mtrix mretnek jellemzshez mindig elobb a sorok, majd az
oszlopok szmt adjuk meg, teht egy m n-es mtrixnak m sora s n
oszlopa van. Egy ilyen mtrix ltalnos alakja:
a11 a12 . . . a1n
a21 a22 . . . a2n

.
..
..
..
.
.
.
.
.
.
am1 am2 . . . amn
A mtrix fotljba azok az elemek tartoznak, amelyek ugyanannyiadik sorban vannak, mint ahnyadik oszlopban, azaz a pldul a fenti
mtrixban a fotl elemei a11 , a22 ,. . . .
A vektorokat is szoks mtrix jellssel, mtrix alakban, azaz egy 1soros vagy 1-oszlopos mtrixszal lerni ahogy azt az elso fejezetben
mi is tettk. Az n 1-es mtrixot oszlopvektornak vagy oszlopmtrixnak,
az 1 n-es mtrixot sorvektornak sormtrixnak is szoks nevezni. Annak a krdsnek az eldntse, hogy egy n-dimenzis vektort sor- vagy
oszlopvektorral reprezentljunk, dnts (szoks, zls) krdse. Ma-
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
napsg jobban el van terjedve a vektorok oszlopvektoros jellse, ezrt

e knyvben alaprtelmezsknt mi is ezt a jellst fogjuk hasznlni, de
egyes tmknl a msik hasznlatt is bemutatjuk. gy teht az (1, 2)
vektornak megfelelo sorvektor s oszlopvektor alakja
h
" #
1
,
2 , illetve
2
i
amelyek kzl, ha mst nem mondunk, az utbbit fogjuk a vektor

mtrixos jellseknt hasznlni.
Egyenletrendszer mtrixa s bovtett mtrixa Az egyenletrendszer egytthatmtrixa az egyenletek egytthatit, mg bovtett mtrixa, vagy egyszeruen
csak mtrixa az egyenletek egytthatit s konstans tagjait tartalmazza. Az ttekinthetosg rdekben a bovtett mtrixban egy fggoleges vonallal vlaszthatjuk el az egytthatkat a konstans tagoktl.
A 2.25. defincibeli ltalnos alak egytthat- s bovtett mtrixa:
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
nevezzk. Elobb a kis mretu sur

u mtrixokra hatkony mdszerekkel ismerkednk meg.
2.30. plda (Mtrix hasznlata a megoldshoz). Oldjuk meg a
kvetkezo egyenletrendszert!
2x + 3y + 2z = 7
x+ y+ z = 3
2x + 2y + 3z = 6
Megolds. Kt lehetsges megoldst mutatunk. A (2.20) egyenletrendszereinl ltott hromszg, illetve tls alak elrse a cl. Eloszr
rjuk fel az egyenletrendszer bovtett mtrixt!
2x + 3y + 2z = 7
x+ y+ z = 3
2x + 2y + 3z = 6
2 3 2
1
1 1
2 2 3
3
6
Vektorok magyar irodai s ltalnos

iskolban hasznlt jellse a tizedes
vesszo hasznlata miatt pontosvesszot
tesz a vektor koordinti kz elvlasztjelknt. Magyar nyelvu felsobb matematika szvegekben ez nem szoks, mi is
elkerljk, s tizedespontot, vektor koordinti kzt vesszot hasznlunk. Vegyk szre, hogy vektorok sorvektorral
(sormtrixszal) val megadsnl rsjelet
nem hasznlunk, csak szkzzel vlasztjuk el a koordintkat!
Kicserljk az elso kt egyenletet:

x+ y+ z = 3
2x + 3y + 2z = 7
2x + 2y + 3z = 6
Az elso egyenlet 2-szerest kivonjuk a msodik, majd a harmadik egyenletbol (azaz 2szerest hozzadjuk a msodik
majd a harmadik egyenlethez).
x+y+z = 3
y
=1
z=0
89
Kicserljk az elso kt sort:
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
Kivonjuk a msodik, majd a harmadik sort az elsobol:
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
egyenletrendszert ekvivalens talaktsokkal, s brzoljuk minden lpsben.

Megolds. Kt lpsben megoldhatjuk az egyenletrendszert, ha az
elso egyenletet kivonjuk a msodikbl, majd az gy kapott egyenletrendszerben a msodik egyenletet kivonjuk az elsobol, azaz:
x+ y =3
x + 2y = 4
x+y = 3
y=1
=2
y=1
Az egyenletrendszer kt egyenlete egy-egy egyenes egyenlete a skban.

Az, hogy az egyenletrendszer megoldhat, pontosan azt jelenti, hogy a
kt egyenesnek van kzs pontja, pldnkban a (2, 1) pont. A 2.6 bra
a megolds lpseit szemllteti az egyenletek grafikonjval.
2
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
2.6. bra: Egyenletrendszer megoldsnak szemlltetse
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
Megolds. Ha a hrom egyenlettel meghatrozott hrom sk ltalnos helyzetu,

akkor az egyenletrendszernek egyetlen megoldsa van
(ld. 2.8. (a) bra). Pldul a 2.30. pldban szereplo egyenletrendszernek egyetlen megoldsa van: ( x, y, z) = (2, 1, 0).
Tekintsk a
2x + y + 2z = 5
x+ y+ z = 3
(2.21)
91
(a) Hrom ltalnos helyzetu sk:

egyetlen megolds
3x + 2y + 3z = 8
egyenletrendszert. Ennek egy megoldsa ( x, y, z) = (2, 1, 0), ugyanakkor a hrom sk normlvektorai egy skba esnek, ugyanis
(2, 1, 2) + (1, 1, 1) = (3, 2, 3).

(b) Egy egyenesen tmeno, de nem csupa azonos sk: vgtelen sok megolds, a
megoldsok egy egyenest alkotnak
Mivel mindhrom normlvektorra meroleges pldul a
(2, 1, 2) (1, 1, 1) = (1, 0, 1)

vektor, ezrt e vektor prhuzamos mindhrom skkal. A (2, 1, 0) ponton tmeno, s (1, 0, 1) irnyvektor egyenes teht benne van mindhrom skban (ilyen esetet brzol a 2.8. (b) bra). Az sszes megoldst
teht megadja ennek az egyenesnek a paramteres vektoregyenlete:

1
2
x

y = 1 + t 0.
1
0
z
Hamarosan ugyanezt a megoldst ekvivalens talaktsokkal is meg
fogjuk tudni hatrozni.
Hasonl esetet brzol a 2.9. (b) bra, ahol mindhrom sk prhuzamos egy egyenessel, de a skok egymssal nem prhuzamosak, viszont
a 2.8. (b) esettel ellenttben az egyenletrendszernek nincs megoldsa.
Ilyen pldul a (2.21) kis vltoztatsval kapott
2x + y + 2z = 5
x+ y+ z = 3
(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
egyenletrendszert! Lthat, hogy a msodik s a harmadik egyenlet

az elso konstansszorosa, azaz ugyanannak a sknak az egyenletei, az
egyenletrendszer teht ekvivalens az egyetlen
x+y+z = 3
egyenletbol ll egyenletrendszerrel. Az y-nak s z-nek tetszoleges
rtket vlasztunk, pldul legyen y = s, z = t, akkor x = 3 y z,
azaz x = 3 s t. gy az sszes megolds: ( x, y, z) = (3 s t, s, t).
Ezt oszlopvektorokkal flrva kapjuk, hogy a megolds

x
3
1
1

y = 0 + s 1 + t 0.
z
0
0
1
(a) A skok kzl legalbb ketto prhuzamos, de nem azonos
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:
(b) Egy egyenessel prhuzamos, de kzs egyenest nem tartalmaz hrom sk

2.9. bra: Nem megoldhat egyenletrendszerek
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.
Megolds. Az ekvivalens talaktsok lpsei:

x+ y =3
x + 2y = 4
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
2.10. bra: A megolds lpsei a vektormodellben.
E lpseket szemlltetjk a 2.10 brn.

ltalnosan kimondhat a kvetkezo:
2.36. llts (Oszlopmodell). A 2.25. definciban megadott (2.19)

egyenletrendszer a kvetkezo vektoregyenlettel ekvivalens:

a11
a12
a1n
b1

a21
a22
a2n
b2
. x1 + . x2 + . . . + . x n = .
.
.
.
.
.
.
.
.
am1
am2
amn
bm
Az egyenletrendszer megoldsa ekvivalens egy vektoregyenlet megoldsval,

ahol az egyenletrendszer konstans tagjaibl ll vektort kell az egytthatmtrix oszlopvektorainak lineris kombincijaknt elolltani.
E modellben egy egyenletrendszer pontosan akkor oldhat meg,
ha az egytthatmtrix oszlopvektorainak sszes lineris kombincijbl ll halmazban a konstans tagokbl ll vektor is szerepel
(ld. 2.10. feladat).
2.11. bra: Tekintsk a nyilvnvalan ellentmond 2x + 3y = 1, 2x + 3y = 4

egyenletrendszert, s annak oszlopmodell alakjt: (2, 2) x + (3, 3)y = (1, 4). Mivel a (2, 2) s a (3, 3) vektorok lineris
kombincijaknt csak (c, c) alak vektor llthat elo, az (1, 4) vektor nem,
ezrt a fenti egyenletrendszernek nincs
megoldsa.
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
megoldhatsgt a sor- s az oszlopmodellben:

x + y + 2z = 3
x + y + 2z = 3
x + 2y + 4z = 3
x + 2y + 4z = 3
3x + 4y + 8z = 9
3x + 4y + 8z = 1
2.11. Sor s oszlopmodell m 6= n esetn Vizsgljuk meg

az albbi hrom egyenletrendszer megoldhatsgt a sors az oszlopmodellben:
x+ y =3
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
2.37. definci (Elemi sormuveletek).

Egy mtrix sorain vgzett
albbi muveleteket
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
mintjra elemi oszlopmuveletek
is definilhatk, de azokat ritkn hasznljuk. Jellskre rtelemszeruen
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.
Lineris egyenletrendszerek felrsa s

megoldsa mr idoszmtsunk elott 300
krl babiloni iratokban szerepelt. Az
ang
elso szzadra teszik a knai Jiuzh
Sunsh cmu mu megjelenst, mely az
elozo ezer vben sszegyult
matematikai tudst foglalja ssze (cmnek magyar fordtsa A matematikai muvszet
kilenc fejezete vagy Kilenc fejezet a

matematikai eljrsokrl lehet). E mu
ben mr a kikszbls (azaz a Gausseliminci) nven ismert technikt alkalmazzk lineris egyenletrendszer megoldsra. A kt fenti muben
szereplo egyenletrendszerek, s tovbbi trtneti rszletek olvashatk a The MacTutor History of Mathematics archive cmu weboldalon.
2
96
lineris algebra
alak). A kvetkezo mtrixok lpcsos alakak:

2.39. plda (Lpcsos
"
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
Gauss-mdszer A Gauss-mdszer vagy ms nven Gauss-kikszbls vagy

Gauss-eliminci a lineris egyenletrendszerek megoldsnak egy mdszere. Lnyege, hogy a lineris egyenletrendszer bovtett mtrixt elemi sormuveletekkel
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
A harmadik egyenletbol z = 2, ezt a msodikba helyettestve y = 3,

ezeket az elsobe helyettestve kapjuk, hogy x = 1, azaz az egyetlen
megolds ( x, y, z) = (1, 3, 2).
2
Mit csinlunk akkor, ha a lpcsos alak szerint kevesebb a foelemek,
mint az oszlopok szma? Egyelore bevezetnk kt elnevezst, melyek
jelentse hamarosan vilgos lesz: az egyenletrendszer azon vltoz-
it, melyek foelemek oszlopaihoz tartoznak, kttt vltozknak, mg az

sszes tbbi vltozt szabad vltoznak nevezzk.
2.41. plda (Gauss-mdszer, vgtelen sok megolds). Oldjuk meg
az albbi egyenletrendszert Gauss-mdszerrel:
x1 + 2x2 + x3 + 2x4 + x5 = 1
x1 + 2x2 + 3x3 + 3x4 + x5 = 0
3x1 + 6x2 + 7x3 + 8x4 + 3x5 = 1
Megolds. rjuk fel az egyenletrendszer bovtett mtrixt, s oszloponknt haladva kszbljk ki a foelemek alatti elemeket!
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
. Innen az egyenletrendszer megoldsa

3
3
1 1
( x1 , x2 , x3 , x4 , x5 ) = ( 2s t u, s, t, t, u),
2
2
2 2
vagy mtrixjellssel
3
3

3

3
x1
2
1
2
2 2s 2 t u
2
x
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
letekkel lpcsos alakra hozhat.

Bizonyts. Tekintsnk egy tetszoleges m n-es mtrixot. A kvetkezo eljrs egyes lpseiben e mtrixnak le fogjuk takarni egy-egy sort
vagy oszlopt. Az egyszerusg
kedvrt a letakars utn keletkezett

mtrix sorainak s oszlopainak szmt ismt m s n fogja jellni, aij
pedig a letakarsok utn maradt mtrix i-edik sornak j-edik elemt.
1. Ha az elso oszlopban csak 0 elemek llnak, takarjuk le ezt az oszlopot, s tekintsk a maradk mtrixot. Ha ennek elso oszlopban
ismt csak 0 elemek vannak, azt is takarjuk le, s ezt addig folytassuk, mg egy olyan oszlopot nem tallunk, amelyben van nem 0
elem. Ha ilyen oszlopot nem tallunk, az eljrsnak vge, a mtrix
lpcsos alak.
2. Ha az elso oszlop elso sorban ll elem 0, akkor cserljk ki e
sort egy olyannal, melynek elso eleme nem 0. gy olyan mtrixot
kaptunk, amelyben a11 6= 0.
3. Vegyk az i-edik sort i = 2-tol i = m-ig, s ha a sor elso eleme
ai1 6= 0, akkor az elso sor ai1 /a11 -szerest adjuk hozz. Mivel
ai1 aai1 a11 = 0, ezrt e lps utn az a11 alatti elemek 0-v vlnak.
11
4. A fenti talakts utn takarjuk le az elso sort s az elso oszlopot.
Ha ekkor nem marad a mtrixban tbb sor, vge az eljrsnak,
a korbban letakart sorokat feltrva megkaptuk a lpcsos alakot.
Egybknt ugorjunk vissza az 1. lpshez, s folytassuk az eljrst.
Vilgos, hogy ez az eljrs vges sok lpsben vget r, melynek eredmnyeknt eljutunk az eredeti mtrix egy lpcsos alakjhoz.
2
Egy inhomogn lineris egyenletrendszerhez tartoz homogn lineris egyenletrendszeren azt a homogn egyenletrendszert rtjk, melyet az inhomognbol a konstans tagok 0-ra vltoztatsval kapunk.
2.43. plda (Homogn lineris egyenletrendszer megoldsa).

Oldjuk meg a 2.41. pldabeli egyenletrendszerhez tartoz homogn lineris
x1 + 2x2 + x3 + 2x4 + x5 = 0
x1 + 2x2 + 3x3 + 3x4 + x5 = 0
3x1 + 6x2 + 7x3 + 8x4 + 3x5 = 0
egyenletrendszer.
Megolds. Mivel homogn lineris egyenletrendszerrol van sz, a
megoldshoz szksgtelen a bovtett mtrixot hasznlni, hisz annak
utols oszlopa csak nullkbl ll, gy az elemi sormuveletek
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
Innen a megolds is ugyangy kaphat meg, sot, ugyanaz a lineris

kombinci szerepel benne, csak a konstans tagok nem szerepelnek:
3
1
( x1 , x2 , x3 , x4 , x5 ) = (2s t u, s, t, t, u),
2
2
vagy mtrixjellssel
3

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
Megolds. A fenti egyenletekkel megadott kt sk metszsvonalnak

meghatrozshoz, pontosabban a metszsvonal explicit, paramteres egyenletrendszernek felrshoz egyszeruen
meg kell oldani a kt
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
Ebbol z = t paramtervlasztssal y = 1 + 3t s x = 2 4t, azaz
( x, y, z) = (4t + 2, 3t 1, t) = (2, 1, 0) + t(4, 3, 1),

vagy mtrixjellssel

x
2
4

y = 1 + t 3 .
z
0
1
Reduklt lpcsos alak A 2.30. plda msodik megoldsi mdszerben

tls alakra hoztuk az egytthatmtrixot, azaz nem elgedtnk meg
azzal, hogy a foelemek alatt kinullztunk minden egytthatt, hanem
a foelemeket 1-re vltoztattuk a sor beszorzsval, s a foelemek fltt
is kinullztunk minden elemet, ms szval eliminltunk.
alak). Egy mtrix reduklt lp2.45. definci (Reduklt lpcsos
csos, vagy reduklt sorlpcsos alak, ha kielgti a kvetkezo feltteleket:
1. lpcsos alak;
2. minden foelem egyenlo 1-gyel;
3. a foelemek oszlopaiban a foelemeken kvl minden elem 0;
A foelemet itt vezregyesnek vagy vezeto egyesnek is szoks nevezni.
alak). A kvetkezo mtrixok reduklt
2.46. plda (Reduklt lpcsos
lpcsos alakak:
"
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
Minden vals, vagy racionlis elemu mtrix reduklt lpcsos alakra

hozhat, azonban az egszegytthats mtrixok ltalban nem, ha az
egszeken bell akarunk maradni. De az egszegytthats mtrixok
is reduklt lpcsos alakra hozhatk a racionlisok szmkrben. Az
kikszbls lpseinek kvetsre hasznlhat a SagePlayer reduklt
lpcsos alak cmu szemllteto munkalapja.
alakra hozs). Hozzuk reduklt lp2.47. plda (Reduklt lpcsos

csos alakra az
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
Egy msik lehetsges megolds:
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
Br klnbzo ton, de mindktszer azonos eredmnyre jutottunk.

Valban, hamarosan be fogjuk ltni, hogy a reduklt lpcsos alak egyrtelmu,
mg e pldbl is ltjuk, hogy a lpcsos alak nem: a megadott
mtrixnak a megolds sorn ngy klnbzo lpcsos alakjt is elolltottuk.
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
dban ltott mdon eljutunk a lpcsos alakhoz, majd folytatjuk:
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
Teht az egyenletrendszer egyetlen megoldsa ( x, y, z) = (1, 3, 2). 2

2.49. plda (Gauss Jordan-mdszer, vgtelen sok megolds).
Oldjuk meg a 2.41. pldabeli
x1 + 2x2 + x3 + 2x4 + x5 = 1
x1 + 2x2 + 3x3 + 3x4 + x5 = 0
3x1 + 6x2 + 7x3 + 8x4 + 3x5 = 1
egyenletrendszert Gauss Jordan-mdszerrel!
Megolds. A 2.41. pldban eljutottunk egy lpcsos alakig. Az eljrst folytatjuk, mg a reduklt lpcsos alakra nem jutunk.
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
A reduklt lpcsos alak egyrtelmusge
Fontos kvetkezmnyei vannak

a kvetkezo ttelnek:
alak egyrtelmu).
Minden mtrix
2.50. ttel (A reduklt lpcsos
reduklt lpcsos alakra hozhat, amely egyrtelmu.
Bizonyts. Tegyk fel indirekt mdon, hogy van egy olyan mtrix,
mely elemi sormuveletekkel
kt klnbzo reduklt lpcsos alakra

hozhat. Jellje ezeket R s S. Mivel mindketten ugyanazzal a mtrixszal ekvivalensek, 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
R 6= S, mert klnbznek az utols oszlopukban. Pldul, ha
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
Ez az oszlop, melyben klnbznek, nem lehet az elso oszlop, mert

ha az a zrusvektor az egyik mtrixban, akkor a sorekvivalencia miatt
a msikban is az lenne, egybknt pedig ez az oszlop mindenkpp az
elso helyen 1-est, alatta 0-kat tartalmaz.
S mtrixokat egy-egy egyenletrendszer
Tekintsk az gy kapott R,
bovtett egytthatmtrixnak. Ezek ltalnos alakja teht a kvetkezo:
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
Mivel oszlopok kihagysa nem vltoztat a sorekvivalencin hisz elemi sormuveletekben
muveletet
csak egy oszlopon bell vgznk ,

s S mtrixok ekvivalensek, azaz a hozzjuk tartoz kt
ezrt az R
egyenletrendszernek ugyanaz a megoldsa. Ez csak gy lehet, ha vagy
minden i = 1, . . . , k indexre ri = si , vagy egyik egyenletrendszer sem
ami el = S,
oldhat meg, azaz mindkt esetben azt kaptuk, hogy R
lentmonds. Ez az ellentmonds bizonytja, hogy a kiindul R 6= S
feltevs helytelen volt, teht R = S. (E bizonyts Holzmann3 Interneten publiklt cikkn alapul).
2
Mivel a reduklt lpcsos alak egyrtelmu,
definilhatunk egy fggvnyt, mely minden mtrixhoz annak ezt az alakjt rendeli. Az rref(A)
jellst mi arra a fggvnyre fogjuk alkalmazni, mely egy m n-es rrang mtrixhoz a reduklt lpcsos alakjnak a zrussorok elhagysval kapott alakjt rendeli, mely egy r n-es mtrix. Pldul
rref 0
1
0
1
1
"
0
1
0 =
0
0
0
1
0
0
Szimultn egyenletrendszerek Gyakori feladat az alkalmazsokban, hogy

sok olyan egyenletrendszert kell megoldani, amelyek csak a konstans
tagokban trnek el egymstl. A kikszblses mdszerekkel ezek
egyszerre is megoldhatk alig tbb eroforrs felhasznlsval, mint
ami egyetlen egyenletrendszer megoldshoz szksges.
2.51. definci (Szimultn egyenletrendszerek). Tbb egyenletrendszer halmazt szimultn egyenletrendszernek neveznk, ha egytthatmtrixaik azonosak.
Wolf Holzmann.
of reduced row
3
Uniqueness
echelon form.
http://www.cs.uleth.ca/~holzmann/
notes/reduceduniq.pdf, 2002
2.52. plda (Szimultn egyenletrendszer megoldsa).

meg az albbi egyenletrendszereket!
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
A megoldshoz hasznljuk a Gauss Jordan-mdszert:
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
s ebbol leolvashat mindhrom egyenletrendszer megoldsa:

2
x

y = 1 ,
0
z

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.
2.53. plda (Szimultn egyenletrendszer bovtett

mtrixa).
Oldjuk meg azt a szimultn egyenletrendszert, melynek bovtett mtrixa
"
#
2 1 1 0
5 3 0 1
105
106
lineris algebra
Megolds. A Gauss Jordan-mdszer lpsei:

"
"
"
#
#
2 1 1 0 S2 52 S1 2 1
2 1
1 0
2S2
=
=
1
5
5 3 0 1
0 2 2 1
0 1
"
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
#
.
Kikszbls Z p -ben* Ha p prm, akkor a modulo p maradkosztlyok

kzti muveletek
rendelkeznek minden olyan tulajdonsggal, melyet a

kikszbls sorn a vals szmok krben hasznltunk. Ennek kvetkeztben a Gauss- s Gauss Jordan-mdszerek minden tovbbi nlkl
hasznlhatk Z p fltti egyenletrendszerekre is. (Lsd mg a 447. oldalon az algebrai testrol rtakat.)
2.54. plda (Egyenletrendszer Z2 fltt). 4-bites kdszavakat kldnk, bitjeit jellje a, b, c s d. Hibajavt kdot ksztnk gy, hogy minden
kdsz vgre hrom paritsbitet tesznk, nevezetesen a b + c + d, a + c + d
s a + b + d bitet Az sszeads itt termszetesen Z2 fltt rtendo. Pldul
a 0110 kdsz helyett a 0110011 kdszt kldjk. Egy zenetben az egyik
ilyen 7-bites kdsz elso 4 bitjt a vevo szerkezet bizonytalanul rzkeli, amit
kapunk, az a (?, ?, ?, ?, 1, 0, 1) kdvektor. Mi lehetett az eredeti zenet, ha
az utols 3 bit biztosan j?
Megolds. Az a, b, c s d bitek ismeretlenek, csak annyit tudunk,
hogy
b+c+d = 1
a+
c+d = 0
a+b+
d=1
Oldjuk meg ezt az egyenletrendszert Gauss Jordan kikszblssel

Z2 fltt. Ne felejtsk, hogy Z2 -ben 1 + 1 = 0, gy 1 = 1, azaz a
kivons nem klnbzik az sszeadstl.
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
Az utols egyenletbol d = 0, a msodikbl b = 1 c, azaz b = 1 + c

s az elsobol a = c, azaz a = c. Eszerint c szabad vltoz, legyen
rtke s, a tbbi kttt. A megolds ltalnos alakban ( a, b, c, d) =
(s, 1 + s, s, 0), azaz ( a, b, c, d) = (0, 1, 0, 0) + s(1, 1, 1, 0). Az s = 0 s az
s = 1 rtkekhez tartoz megoldsok teht: (0, 1, 0, 0) s (1, 0, 1, 0).
Ha az egyenletrendszert vektoregyenletnek tekintjk, akkor az elso megolds azt mutatja, hogy az egytthatmtrix msodik oszlopa
megegyezik a jobb oldallal (s valban), a msodik megolds pedig
azt, hogy az elso s a harmadik oszlop sszege a jobb oldalt adja.
Megjegyezzk e kdrl, melyet [7, 4, 3]2 binris Hamming-kdnak neveznek, hogy a kd 16 szbl ll, brmely szavnak brmely 4 bitje
egyrtelmuen
meghatrozza a maradk hrmat. gy ha legfljebb 3

bit megvltozik egy szban, akkor az kimutathat, s ha csak egy bit
vltozik meg, az kijavthat.
2
2.55. plda (Egyenletrendszer Z5 fltt). Oldjuk meg az albbi kt
egyenletrendszert Z5 fltt.
2x + 3y = 1
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.
d) Klnbzo mtrixoknak klnbzo a reduklt lpcsos

alakjuk.
e) Ha egy mtrix elemi sormuveletekkel
egy msikba viheto, akkor reduklt lpcsos alakjuk megegyezik.

2.15. Egyenletrendszerek: igaz hamis Melyek igazak,
melyek hamisak az albbi lltsok kzl?
a) Elemi sormuveletek
kzben az egyenletrendszer megoldshalmaza nem vltozik.

b) Egy lineris egyenletrendszer nem konzisztens (nincs
megoldsa), ha tbb egyenletbol ll, mint ahny ismeretlenes (ms szval, ha tlhatrozott).
c) Ha egy valsegytthats lineris egyenletrendszernek
van kt klnbzo megoldsa, akkor vgtelen sok is
van.
d) Egy homogn lineris egyenletrendszer mindig megoldhat.
Hatrozzuk meg valamely lpcsos alakjt, majd a reduklt lpcsos
alakjt az albbi mtrixoknak!
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
2.20. Csak egsz szmokkal szmolva megoldhat-e az az

egyenletrendszer,
melynek
bovtett
mtrixa a kvetkezo:
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,
mely azt visszaalaktja.
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.
A flop mrtkegysgrol rszletesen a fggelkben runk a 440. oldalon.
2.56. ttel (A kikszbls muveletignye).

A Gauss- s a Gauss
Jordan-mdszer muveletignye
egy n-ismeretlenes, n egyenletbol ll egyenletrendszer esetn egyarnt

n3
n2
5n
n3
n
+
sszeads/kivons,
+ n2
szorzs/oszts.
3
2
6
3
3
azaz sszesen
2 3 3 2 7
n + n n flop,
3
2
6
azaz j kzeltssel 2n3 /3 flop.

Bizonyts. Eloszr feleleventnk kt elemi sszefggst, amire a bizonytsban szksg van:
1+2+...+n =
n ( n + 1)
,
2
12 + 22 + . . . + n2 =
n(n + 1)(2n + 1)
.
6
A tovbbiakban felttelezzk, hogy a kikszbls sorn a fotlba

kerlo elemek egyike sem 0. A Gauss-mdszernl a fotl alatti elemek eliminlshoz 13 n3 13 n sszeads s 13 n3 + 21 n2 56 n szorzs
szksges. A visszahelyettests 12 n2 12 n sszeadsbl s 21 n2 + 12 n
szorzsbl ll. Ha a Gauss Jordan-mdszernl a fotl alatti elemek
kikszblse mellett a fotl elemeit is 1-re vltoztatjuk, az 13 n3 13 n
sszeads mellett 31 n3 + 12 n2 + 16 n szorzs szksges. A fotl feletti
elemek eliminlshoz 12 n2 12 n sszeads s ugyanennyi szorzs kell.
A szmtsok rszletezst az olvasra bzzuk.
2
Numerikusan instabil egyenletrendszerek A gyakorlati feladatokban gyakran mrsi eredmnyekkel, gy nem pontos adatokkal dolgozunk.
109
110
lineris algebra
2.57. plda (Instabil egyenletrendszer). Oldjuk meg a kvetkezo

egyenletrendszert!
6.73x 8.97y = 5.61
4.79x 6.39y = 3.99
Mutassuk meg, hogy az egytthatk 0.01-dal val megvltoztatsa a megoldsok nagy megvltozst okozhatja, sot az is elrheto, hogy az egyenletrendszernek ne legyen, vagy pp vgtelen sok megoldsa legyen!
Megolds. Az egyenletrendszer megoldsa: x = 1.5, y = 0.5. Az
elso egyenletben az x egytthatjt jra mrjk, s msodszorra egy
szzaddal kevesebbnek, 6.72-nek addik. Oldjuk meg ezt az egyenletrendszert is! Az eredmny meglepo mdon nagyon messze van az
elozotol: x 2.26, y 2.32. jabb mrs az y egytthatjt 8.96nak mutatja. E kt egytthat egy szzaddal val megvltozsa utn a
megolds messze van mindkt elozo eredmnytol: x 4.35, y 2.64.
Ha vgl az elso egyenlet konstans tagjt is megvltoztatjuk egy szzaddal 5.62-re, akkor x 7.21, y 4.78 lesz az eredmny, ha pedig
5.60-ra, akkor csemegeknt ismt a kerek x = 1.5, y = 0.5 rtkeket
kapjuk.
A fenti egyenletrendszeren tovbb vltoztatva az egytthatkat az
is elrheto, hogy vgtelen sok megoldsa legyen:
6.72x 8.96y = 5.60
4.80x 6.40y = 4.00
ugyanis itt a kt egyenlet egyms konstansszorosa. Ha pedig a msodik egyenlet konstans tagjt visszarjuk 3.99-re, egy ellentmond
egyenletrendszert kapunk.
2
Ilyen megbzhatatlan eredmnyekkel a gyakorlatban semmit nem
lehet kezdeni!
Az olyan egyenletrendszert, melyben az egytthatk vagy a konstans tagok kis vltozsa a megoldsban nagy vltozst okoz, numerikusan instabilnak vagy rosszul kondicionltnak nevezzk. Egybknt numerikusan stabil, illetve jl kondicionlt egyenletrendszerrol beszlnk.
Vilgos, hogy a fentiek nem precz matematikai fogalmak. Ksobb
preczen definilva szmmal fogjuk mrni a kondicionltsg fokt,
de azt, hogy egy adott egyenletrendszer megoldsai elfogadhatak-e
vagy nem, csak a feladat dntheti el.
A numerikus instabilits okt szemllteti a 2.12. bra. Ktvltozs
egyenletrendszerek esetn, ha a kt egyenes grafikonja kzel van
egymshoz, azaz majdnem egybe esnek, akkor kis vltozsok az egyeneseken messze vihetik a metszspontot, de prhuzamoss is tehetik
a kt egyenest.
Ha a gyakorlatban numerikusan instabil egyenletrendszerrel tallkozunk, vizsgljuk meg, hogy az egyenleteink kzti majdnem line-
2.12. bra: Instabil egyenletrendszer,

melyben az egyenletek egytthatinak
kis megvltoztatsa a megolds nagy
megvltozst okozza.
ris sszefggosg mgtt nem valdi lineris sszefggosg van-e kis

mrsi hibval.
Rszleges foelemkivlaszts A kvetkezo pldkban csak tzes szmrendszerbeli aritmetikt hasznlunk. A szmtsokat gy kell elvgezni, hogy az adott pontossgnak megfeleloen minden rszeredmnyt p
rtkes jegyre kerektnk.
2.58. plda (Gauss-mdszer lebegopontos

szmokkal). Oldjuk
meg az albbi numerikusan stabil egyenletrendszert pontosan, majd 3
rtkes jegy pontossggal szmolva.
104 x + y = 2
xy = 0
Megolds. Pontosan szmolva

"
#
"
104 1 2 S2 104 S1 104
=
1
1 0
0
amibol az eredmny x = y =
2104
.
1+104
1
1 104
2
2 104
Igazolhat, hogy az egyenletrend-
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
s ennek valban x = 0, y = 2 a megoldsa! Amikor viszont az elso

oszlop nagyobbik elemt vlasztottuk foelemnek, a sort egy kis szmmal kellett beszorozni, s ezt hozzadni a msik sorhoz, vagyis kerektskor az eredeti egyenlet egytthati megmaradtak, az egyenletrendszer kevsb torzult. Ennek alapjn megfogalmazhat egy szles
krben elterjedt szably: a Gauss-fle kikszblsi eljrs sorn, lebegopontos adatokkal dolgozva minden oszlopban a szbajheto elemek
kzl sorcserk segtsgvel mindig a legnagyobb abszolt rtkut
vlasszuk foelemnek! E mdszert rszleges foelemkivlasztsnak, illetve

rszleges pivotlsnak nevezik.
Bizonyos a gyakorlatban ritkn elofordul esetekben jobb eredmny kaphat a teljes foelemkivlaszts mdszervel. Ekkor foelemnek
az sszes mg htralvo elem abszolt rtkben legnagyobbikt vlasztjuk. Itt oszlopcserkre is szksg van, s muveletignyesebb
is ez
az eljrs, ezrt ritkn alkalmazzk.
2.59. plda (Rszleges foelemkivlaszts).

Rszleges foelemkivlasztssal hozzuk lpcsos alakra az albbi mtrixot!
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
Megolds. Az elso oszlop legnagyobb eleme a harmadik sorban van,
gy az elso s a harmadik sor cserjvel kezdnk:
7.2 3.6 4.8 2.4 1.2 S2 S1 /2 7.2 3.6

S
S
/4
3 1
S1 S3 3.6 3.2 3.6 6.2 7.8 S4 S1 /3 0.0 1.4

=
=
0.0 2.1
1.8 3.0 3.0 3.7 7.5
0.0 4.2
2.4 5.4 5.2 2.6 5.2
7.2 3.6
7.2 3.6 4.8 2.4 1.2
S3 S2 /2
S1 S3 0.0 4.2 3.6 1.8 4.8 S4 S2 /3 0.0 4.2

=
=
0.0 0.0
0.0 2.1 1.8 3.1 7.2
0.0 1.4 1.2 5.0 7.2
0.0 0.0
7.2 3.6
7.2 3.6 4.8 2.4 1.2
S3 S4 0.0 4.2 3.6 1.8 4.8 S4 S3 /2 0.0 4.2

=
=
0.0 0.0
0.0 0.0 0.0 4.4 5.6
0.0 0.0
0.0 0.0 0.0 2.2 4.8
4.8 2.4 1.2

1.2 5.0 7.2
1.8 3.1 7.2

3.6 1.8 4.8
4.8 2.4 1.2

3.6 1.8 4.8
0.0 2.2 4.8

0.0 4.4 5.6
4.8 2.4 1.2

3.6 1.8 4.8
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=
Megolds. Egy egyenlet beszorzsa egy nemzrus szmmal ekviva4

a
lens talakts, gy ennek az egyenletrendszernek is x = y = 12+10
104
pontos megoldsa. Ha 3 rtkes jegyre szmolunk, s alkalmazzuk a
rszleges foelemkivlaszts mdszert, akkor ismt rossz eredmnyt
kapunk:
"
#
"
# "
#
10 105 2 105 S2 10S1 10
105
2 105
104
1
2
=
,
1 1
0
0 1 104 2 104
0
104 2 104
amibol x = 0 s y = 2.
Hasonlkpp zavart okozhat az egytthatmtrix egy oszlopnak

beszorzsa is, ami az egyenletrendszeren pldul gy valsthat meg,
ha egyik vltoz mrtkegysgt megvltoztatjuk. (Ha pldul a korbban kilomterben meghatrozott ismeretlent millimterben keressk, egytthatjt minden egyenletben 106 -nal kell osztani.)
Az egytthatk ilyen egyenetlensgeibol szrmaz szmtsi hibk cskkentsre a sklzs nevu gyakorlati mdszer ajnlhat. Ez a
113
114
lineris algebra
kvetkezo kt sklzsi szably kvetsbol ll, mely a tapasztalatok

szerint a gyakorlati feladatok nagy rszben nagyon j eredmnyt ad
a rszleges foelemkivlasztssal egytt alkalmazva:
1. Oszlopok sklzsa: Vlasszunk a feladatban szereplo mennyisgeknek termszetes mrtkegysget, ezzel ltalban elkerlhetok az
egytthatk kzti tetemes nagysgrendi klnbsgek. Ezen kvl
nincs szksg az oszlopok elemeinek beszorzsra.
2. Sorok sklzsa: Az egyenletrendszer [A|b] bovtett mtrixnak minden sort osszuk el az A egytthatmtrix adott sorbeli legnagyobb
abszolt rtku elemvel. gy A minden sornak 1 a legnagyobb
eleme.
Nem ismeretes olyan mdszer, mely a lebegopontos brzols korltai mellett hatkonyan megtalln a leheto legpontosabb eredmnyt.
Az elmlet s a tapasztalatok alapjn sur
u,
nem tlzottan nagy mretu
egyenletrendszerekre a sklzott foelem kivlasztsos Gauss-mdszer
ajnlhat. A ritka egyenletrendszerekre a kvetkezokben ismertetendo
iteratv mdszerek ltalban jobb eredmnyt adnak.
Iteratv mdszerek A tovbbiakban is csak olyan egyenletrendszerekkel foglalkozunk, melyek n-ismeretlenesek s n egyenletbol llnak, teht melyek egytthatmtrixa ngyzetes.
Az iteratv mdszerek lnyege, hogy olyan
x0 , x1 , . . . , x k , . . .
vektorsorozatot generlunk, mely az adott egyenletrendszer megoldsvektorhoz konvergl. Elso pillanatra megleponek tunhet
egy vgtelen sorozat generlsval keresni a megoldst, de mivel szmtsaink

eleve csak vges pontossgak, gyakran igen kevs lpsben elrhetjk
a megkvnt pontossgot. Radsul a kerektsi hibk mg nvelhetik
is a konvergencia sebessgt.
A kiindulsi pont a matematika tbb ms terletn is gymlcszo mdszer a fixpontkeress. Ennek lnyegt egy egyvltozs
fggvny pldjn mutatjuk be. Legyen f egy minden vals helyen
rtelmezett fggvny, mely brmely kt a s b pontot kt olyan pontba
visz, melyek tvolsga a s b tvolsgnak legfljebb a fele. Kpletben:
| f (b) f ( a)|
1
| f (b) f ( a)|
1
|b a|, azaz
.
2
|b a|
2
Ez azt jelenti, hogy f sszes klnbsgi hnyadosa legfeljebb 1/2. A

sokkal ltalnosabban megfogalmazhat Banach-fle fixpont ttel szerint ekkor egyetlen olyan x pont ltezik, hogy x = f ( x ), s ez megkaphat gy, hogy egy tetszoleges x0 pontbl kiindulva kpezzk az
x 0 , x 1 = f ( x 0 ), x 2 = f ( x 1 ), . . . , x k +1 = f ( x k ), . . .
115
sorozatot, s vesszk a hatrrtkt. Ekkor

x = lim xk .
k
A 2.13. bra szemllteti a fenti lltst. Az 1/2-es szorz kicserlheto

tetszoleges 0 s 1 kz eso konstansra.
A Banach fixpontttel knnyen szemlltetheto htkznapi mdon:
kpzeljk el, hogy egy nagyobb gumilapot nhnyan krbellva egy
kerek asztal tetejn szthznak az asztal szlig, majd (most jn a lekpezs!) visszaengedik eredeti llapotba. Ekkor igaz az, hogy az
asztalon pontosan egy olyan pont van, mely fltt a gumilap helyben
marad. E pont megkaphat, ha kivlasztunk az asztalon egy tetszoleges P0 pontot, s megnzzk, hogy a kinyjtott gumilap e fltti
pontja sszehzdskor hov ugrik, legyen ez a P1 pont az asztalon.
A kinyjtott gumilap P1 fltti pontja sszehzdskor az P2 pont fl
ugrik, stb. Az gy kapott pontsorozat a fixponthoz konvergl.
Jacobi-iterci Az elozo paragrafusban lertakat kvetve megprbljuk
az egyenletrendszert trendezni gy, hogy az x = f (x) alak legyen,
ahol x jelli az ismeretlenek vektort.
2.61. plda (Jacobi-iterci). Oldjuk meg a
4x y =
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
2.13. bra: Egy fggvny, mely brmely

a s b pontot kt olyan pontba visz, melyek tvolsga a s b tvolsgnak legfljebb a fele, gy a fggvny minden
klnbsgi hnyadosa abszolt rtkben
legfljebb 1/2. E fggvnynek pontosan egy fixpontja van, mely megkaphat
egy tetszoleges x0 pontbl indul xk =
f ( xk1 ) sorozat hatrrtkeknt.
116
lineris algebra
E plda esetn teht a vgtelen sorozat konvergensnek mutatkozott,

de a kerektsi hiba folytn vges sok lps utn megtallta a konvergenciapontot.
2
Az ltalnos eset hasonlan rhat le. Tegyk fel, hogy az
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.
..
.
..
.
..
.
an1 x1 + an2 x2 + . . . + ann xn = bn

egyenletrendszer egyrtelmuen
megoldhat s fotljnak minden eleme klnbzik 0-tl. A Jacobi-iterci menete teht a kvetkezo. A
k-adik egyenletbol fejezzk ki az xk vltozt:
1
(b
a12 x2 . . . a1,n1 xn1 a1n xn )
a11 1
1
x2 =
(b2 a21 x1
. . . a2,n1 xn1 a2n xn )
a22
..
.
(2.25)
x1 =
xn =
1
(bn an1 x1 an2 x2 . . . an,n1 xn1
ann
Vlasszunk az ismeretlenek x = ( x1 , x2 , . . . , xn ) vektornak egy x0

kezdortket, pl. legyen x0 = (0, 0, . . . , 0). A (2.25) egyenletrendszer
jobb oldalba helyettestsk be x0 koordintinak rtkt, a bal oldal
adja x1 koordintit. Ezt a lpst ismteljk meg, generlva az x2 ,
x3 ,. . . vektorokat addig, mg el nem rjk a megfelelo pontossgot.
Gauss Seidel-iterci A Jacobi-iterci gyorsasgn knnyen javthatunk, ha a (2.25) egy egyenletnek jobb oldalba val behelyettests
utn a bal oldalon kapott vltoz rtkt azonnal flhasznljuk, nem
vrunk vele a ciklus vgig. Ezt a mdostott algoritmust nevezzk
Gauss Seidel-itercinak.
2.62. plda (Gauss Seidel-iterci). Oldjuk meg a
4x y =
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
egyenletben kiszmolt x = 12 rtket helyettestjk, azaz y = 25 = 95 .

A tovbbi rtkeket egy tblzatban adjuk meg de gy, hogy jelezzk
a kiszmts sorrendjt:
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
Hasonltsuk ssze az eredmnyt a Jacobi itercinl ksztett tblzattal.

2
Mindkt iterci a 2-ismeretlenes esetben jl szemlltetheto. A ??. s
a ??. bra
Az itercik konvergencija A fenti pldkbl nem ltszik, hogy vajon
a Jacobi- s a Gauss Seidel-itercik mindig konverglnak-e.
2.63. plda (Divergens iterci). Oldjuk meg Jacobi- s Gauss
Seidel-itercival a kvetkezo egyenletrendszert:
xy = 2
2x y = 5
Megolds. Alaktsuk t az egyenletrendszert:
x = y+2
y = 2x 5
Eloszr prblkozzunk Jacobi-itercival:
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,
nem konvergens a vektorsorozat, mint ahogy nem tunik
annak a Gauss Seidel-itercinl sem:
x
y
x0
x1
x2
0
0
1
-1
x3
-1
-3
-7
x4
-5
-15
-13
-31
A divergencia leolvashat az itercikat szemllteto brkrl is!
117
118
lineris algebra
2.64. definci (Soronknt dominns fotlj

mtrix). Azt
mondjuk, hogy az n n-es A mtrix soronknt (szigoran) dominns
fotlval rendelkezik, vagy soronknt (szigoran) dominns fotlj,
ha a fotl minden eleme abszolt rtkben nagyobb a sorban lvo tbbi
elem abszolt rtkeinek sszegnl, azaz kpletben
| a11 | >
| a12 | + . . . + | a1,n1 | +
| a1n |
+ . . . + | a2,n1 | +
.
| a2n |
..
.
| an1,n1 | > | an1,1 | + | an1,2 | + . . .
+ | an1,n |
| a22 | >
..
.
| ann | >
| a21 |
..
| an1 | +
| an2 | + . . . + | an,n1 |
Hasonlan definilhat az oszloponknt dominns fotlj mtrix

is.
Vilgos, hogy az albbi mtrixok soronknt dominns fotljak:
1 .25 .25 .25

#
"
2 0
0
10 1
2
.25 1 .25 .25
2 1
, 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:
.25 .25 .25 1

#
"
0 3 0
1 2 10
1 .25 .25 .25
0 1
, 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
viszont elofordulhat, hogy a Gauss Seidel-iterci divergens, mg a

Jacobi-iterci konvergens (ld. 2.23. feladat).
A gyakorlatban ezeknek az iterciknak klnbzo, hatkonyabb
javtsait hasznljk. E tmban az olvas figyelmbe ajnljuk a numerikus mdszerek tmban rt knyveket, web-oldalakat.
119
120
lineris algebra
Feladatok
az A vonattal megfordul, s addig repl, mg a B vonattal

nem tallkozik, amikor ismt megfordul, stb. Mindhrmuk
sebessge konstans, de a lgy sebessge nagyobb mindkt
vonatnl.
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
egyenletrendszeren a Jacobi-iterci konvergl, a Gauss

Seidel-iterci nem.
2.24. Gauss-eliminci dominns fotlj

mtrixon
Bizonytsuk be, hogy ha az A mtrix fotlja soronknt
dominns, akkor vgrehajthat rajta a foelemkivlasztsos
Gauss-eliminci sorcsere nlkl!
2.25. Az itercik szemlltetse A A vrosbl elindul
egy A jelu vonat a B vros fel, vele egyidoben a B vrosbl egy B jelu A fel. A B vonat indulsval egyidoben a B
vonat orrrl elindul egy lgy is A fel, de amint tallkozik
1. Egy tblzatban megadjuk mindkt vonat tvolsgt az

indulsi helyktol km-ben mrve azokban a pillanatokban, amikor a lgy pp a B vonattal tallkozik.
( 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
Szmtsuk ki a tblzat egy-kt tovbbi oszlopt!

2. Milyen messze van A vros B-tol, ha a lgy sebessge
200 km/h?
3. Most egy msik tblzatban megadjuk annak a vonatnak a tvolsgt az indulsi helytol, amelyik pp tallkozik a lggyel:
y0
x1
x: tvolsg A-tl
y: tvolsg B-tol 0
30
y1
x2
y2
46
80
x3 y3
49.2
96
99.2
Szmtsuk ki a tblzat egy-kt tovbbi oszlopt!

4. Milyen messze van A vros B-tol, ha a lgy sebessge
200 km/h?
5. Mi kze van e feladatnak a Jacobi- s a Gauss Seidelitercihoz?
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.
Vgl megmutatjuk, hogy minden

konzisztens lineris egyenletrendszer orighoz legkzelebbi megoldsa az egyetlen, mely a sortrbe esik, s brmely kt megoldsnak
klnbsge meroleges r.
Homogn s inhomogn egyenletrendszerek megoldsai

Az elozoekben a megoldsok megtallsnak mdszereit tanulmnyoztuk. E
szakaszban a megoldhatsg krdst s a megoldsok halmaznak legfontosabb tulajdonsgait vizsgljuk. A vizsglatokban a lineris egyenletrendszerek mindkt geometriai interpretcija fontos szerepet kap.
Kttt vltozk szma, mtrix rangja A reduklt lpcsos alak egyrtelmusgnek
egy nyilvnval, de fontos folyomnya az albbi eredmny:
3.1. kvetkezmny (Foelemek

oszlopai). Egy vals mtrix brmely
lpcsos alakjban a foelemek ugyanazokban az oszlopokban vannak, teht
ezek szma is fggetlen a lpcsos alaktl.
A bizonyts azonnal addik abbl, hogy brmely lpcsos alak foelemeibol kapjuk a reduklt lpcsos alak vezregyeseit, gy brmely
lpcsos alak foelemei ugyanott vannak, ahol a vezregyesek, a reduklt lpcsos alak pedig egyrtelmu.
Ebbol az is kvetkezik, hogy brmely vals mtrix esetn

brmely lpcsos
alak foelemeinek
szma
brmely lpcsos
alak nemzrus
sorainak szma
a reduklt lpcsos
alak vezregyeseinek szma.
122
lineris algebra
Ez a kvetkezo defincihoz vezet.

3.2. definci (Mtrix rangja). Egy mtrix valamely lpcsos alakjban a nemnulla sorok szmt a mtrix rangjnak nevezzk. Az A mtrix
rangjt r(A) jelli.
3.3. plda (Mtrix rangjnak kiszmtsa). Szmtsuk ki az albbi
mtrixok rangjt!
"
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
Megolds. Az elso s msodik mtrix lpcsos alak, rangjuk azonnal

leolvashat: 1 s 2. A harmadik s negyedik mtrix elemi sormuvele
tekkel
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-
megoldhatsg s a megoldsok tere
letrendszer bovtett egytthatmtrixnak egy lpcsos alakja a kvetkezo:
0.145 0.016 0.755 0.649 0.625

0.000 0.901 0.015 0.397 0.076
0.000 0.000 0.000 0.969 0.085
0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000
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.
Egyenletrendszer megoldhatsgnak felttele Tudjuk, hogy egy lineris

egyenletrendszer pontosan akkor nem oldhat meg, ha a bovtett mtrix lpcsos alakjnak van olyan sora, melyben csak a legutols elem
nem nulla. Ez ugyanis egyenlett visszarva 0 = c alak, ahol c 6= 0,
s ennek az egyenletnek nincs megoldsa. Ez viszont azt jelenti, hogy
ilyenkor a bovtett mtrix rangja nagyobb az egytthatmtrix rangjnl. E megllapts azonnali kvetkezmnye a kvetkezo ttel.
3.6. ttel (A megoldhatsg mtrixrangos felttele). Legyen
egy n-ismeretlenes lineris egyenletrendszer egytthatmtrixa A, a konstans tagokbl ll vektora b.
1. Ez az egyenletrendszer pontosan akkor oldhat meg, ha egytthatmtrixnak s bovtett mtrixnak rangja megegyezik, azaz
r( A ) = r( A | b ).
2. Ez az egyenletrendszer pontosan akkor oldhat meg egyrtelmuen,
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,
ha megoldhat, s nincs szabad vltozja,

vagyis az egytthatmtrix rangja megegyezik az ismeretlenek szmval.
2
Az elozoekbol az is addik, hogy egy lineris egyenletrendszernek
pontosan akkor van egynl tbb megoldsa, ha
r(A) = r(A|b) < n.
(Mirt nem lehet r(A) > n?)
123
124
lineris algebra
Egy vals egytthats egyenletrendszernek csak gy lehet egynl

tbb megoldsa, ha van szabad vltozja. Viszont, annak minden rtkhez egy-egy msik megolds tartozik, vagyis ekkor az egyenletrendszernek vgtelen sok megoldsa van. gy, ha A vals mtrix, akkor a
megoldsok szma, a kt rang s az ismeretlenek szma kzt a kvetkezo a kapcsolat:
Felttel
Megoldsok szma
r( A ) < r( A | b )
r( A ) = r( A | b ) = n
r( A ) = r( A | b ) < n
0
1
Ha az egyenletrendszer homogn lineris, azaz mindegyik konstans

tag 0, akkor az elemi sormuveletek
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
Legyen x = ( x1 , x2 , . . . , xn ) s y = (y1 , y2 , . . . , yn ) kt tetszoleges megolds, azaz

a1 x1 + a2 x2 + . . . + a n x n = 0
a1 y1 + a2 y2 + . . . + an yn = 0,
s c, d legyen kt tetszoleges skalr. Megmutatjuk, hogy ekkor cx + dy
is megolds, ugyanis
a1 (cx1 + dy1 ) + a2 (cx2 + dy2 ) + . . . + an (cxn + dyn )
=(ca1 x1 + da1 y1 ) + (ca2 x2 + da2 y2 ) + . . . + (can xn + dan yn )

= c ( a1 x1 + a2 x2 + . . . + a n x n ) + d ( a1 y1 + a2 y2 + . . . + a n y n )
=0 + 0 = 0.
azaz cx + dy is megolds. Ez bizonytja lltsunkat.
E bizonyts az oszlopmodellre plt, de hasonlan egyszeru bizonyts adhat a sormmodellben is (ld. 3.6. feladat).
2
Altr Az, hogy vektorok egy H halmaza olyan, hogy a H-beli vektorokbl kpzett lineris kombincik is mind H-ban vannak, azzal
ekvivalens, hogy brmely H-beli vektor skalrszorosa s brmely kt
H-beli vektor sszege is H-beli (ld. a 3.14. feladatot). Msknt fogalmazva: a vektorok skalrral val szorzsa s a vektorok sszeadsa
nem vezet ki H-bl.
Az Rn tr ilyen tpus rszhalmazai igen fontosak. Pldul a skban egy orign tmeno egyenes vektorai (az egyenes pontjaiba mutat
helyvektorok) ilyenek. Hasonlkpp, a trben brmely orign tmeno sk vagy egyenes vektorai ilyenek (ld. a 3.1. bra). Ez a kvetkezo
defincihoz vezet.
3.10. definci (Altr). Az Rn tr vektorainak olyan rszhalmazt,
mely zrt a vektorok skalrral val szorzsnak s a vektorok sszeadsnak muveletre,
az Rn alternek nevezzk. Kplettel kifejezve: a H Rn

n
vektorhalmaz R altere, ha
1. u, v H esetn u + v H,
2. u H, s c R esetn cu H.
Az R2 vagy az R3 altereit knnyen tudjuk szemlltetni, ahogy azt
a 3.1. brn is tettk. De hogyan szemlltethetok Rn alterei? Termszetesen itt csak egy leegyszerust
o, az elemibb sszefggsek szemlltetsre hasznlhat brzols jhet szba. A Venn-diagramok pldjt
kvetjk: az brzols alakjnak nem hasonltania kell az brzolt
dologra, csak tudnunk kell, hogy annak melyik tulajdonsgt hogyan
szemllteti. Vektorterekre a levldiagramot fogjuk hasznlni. Ez egy
egyszeru levlformval szemllteti a teret, melynek a levl szrnl
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
I Minden altrnek eleme a nullvektor, hisz ha egy x vektor eleme az
altrnek, akkor x is s e kt vektor sszege is, azaz x + (x) = 0.

(Bizonythatunk gy is, hogy brmely altrbeli vektorral egytt annak
0-szorosa is, vagyis a 0-vektor is eleme az altrnek.)
I Minden vektortr maga is altr, hisz brmely kt vektornak sszes
lineris kombincijt is tartalmazza.
I A nullvektor nmagban alteret alkot, ez a zrustr, amit Z jell. A
nulltr kifejezst msra hasznljuk, ne keverjk ssze. A zrusteret s
a teljes teret szoks trivilis altereknek nevezni (ld. 3.3. bra).
I Altr altere is altr (ld. 3.4. bra).
I Kt altr metszete is altr. Ha U s V egy vektortr kt altere, s W
a kzs rszk, akkor W nem res, hisz a nullvektor benne van. Msrszt brmely kt x, y W vektor sszes lineris kombincija benne
van U -ban s V -ben is, gy metszetkben is. Alterek metszetre is a
jelet hasznljuk, teht az elobbi alterekre U V = W (ld. 3.5. bra).
I Az elozo gondolat tetszoleges szm altrre is megismtelheto, teht egy vektortr tetszoleges szm alternek kzs rsze is altr. Az
alterek szma vgtelen is lehet.
I Kt altr egyestse csak akkor altr, ha egyik altere a msiknak.
Pldul a trben egy orign tmeno egyenes vektorait s egy orign
tmeno sk vektorait egyestve csak akkor kapunk alteret, ha az egyenes a skba esik.
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).
3.5. bra: Alterek metszete is altr, de

az megeshet, hogy ez a metszet csak az
egyetlen nullvektorbl ll zrustr.
3.6. bra: Kt altr egyestse csak akkor

altr, ha egyik a msik altere
128
lineris algebra
3.12. plda (Altr). Alteret alkotnak-e az albbi vektorhalmazok R3 ben?

1. { ( x, y, z) | x = y, z = xy },
2. { (s + 2t, s 1, 2s + t) | s, t R }.
Megolds. Az elso halmaz nem altr, mert nem elgti ki a defincibeli feltteleket. Pldul az (1, 1, 1) vektor benne van e halmazban,
azonban ktszerese nem, mert nem elgti ki a z = xy egyenlosget!
A msodik feladatban szereplo halmazban nincs benne a nullvektor,
ugyanis az s + 2t = 0, s 1 = 0, 2s + t = 0 egyenletrendszernek nincs
megoldsa, gy ez a halmaz sem alkot alteret!
2
Hamarosan ltni fogjuk, hogy R2 alterei az albbiak:
1. a zrusvektorbl ll egyelemu halmaz,
2. egy orign tmeno egyenes sszes vektora,
3. a sk sszes vektora.
R3 alterei:
1. a zrusvektorbl ll egyelemu halmaz,
2. egy orign tmeno egyenes sszes vektora,
3. egy orign tmeno sk sszes vektora,
4. a tr sszes vektora.
Mivel egy egyetlen n-ismeretlenes egyenletbol ll egyenletrendszer
megoldshalmaza egy Rn -beli hipersk, ezrt az orign tmeno hiperskok is alterek. Lssunk tovbbi pldkat! A 3.9. llts az altr fogalmt hasznlva a kvetkezo alakot lti:
3.13. llts (Megoldsok altere). Egy n-ismeretlenes homogn lineris egyenletrendszer megoldshalmaza alteret alkot Rn -ben.
3.14. definci (Nulltr). Az A egytthatmtrix homogn lineris
egyenletrendszer megoldsainak altert az A mtrix nullternek nevezzk
s N (A)-val jelljk.
Krds: ltalban hogyan adhatjuk meg Rn egy tetszoleges altert?
Kifesztett altr A homogn lineris egyenletrendszer sszes megoldst nhny vektor lineris kombincijaknt lltottuk elo. A megoldsok altert teht generlja vagy geometrikusabb szhasznlattal
kifeszti nhny megoldsvektor. Erre utal a kvetkezo definci.
Azt, hogy az altr szt a definciban hasznlhatjuk, a rkvetkezo
llts bizonytja.
3.15. definci (Kifesztett altr). A v1 , v2 ,. . . , vk Rn vektorok
sszes
c1 v1 + c2 v2 + . . . + c k v k
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 }.
Valban, az elnevezs jogos:

3.16. llts (A kifesztett altr altr). A v1 , v2 ,. . . , vk Rn
vektorok ltal kifesztett span(v1 , v2 , . . . , vk ) vektorhalmaz Rn egy altere.
Bizonyts. Be kell ltni, hogy span(v1 , v2 , . . . , vk ) brmely vektornak skalrszorosa s brmely kt vektornak sszege is ide tartozik.
Legyen
u = c1 v1 + c2 v2 + . . . + ck vk , s v = d1 v1 + d2 v2 + . . . + dk vk
a span(v1 , v2 , . . . , vk ) kt tetszoleges vektora, s legyen x R tetszoleges vals. Ekkor
xu = ( xc1 )v1 + ( xc2 )v2 + . . . + ( xck )vk span(v1 , v2 , . . . , vk ),
s
u + v = (c1 + d1 )v1 + . . . + (ck + dk )vk span(v1 , v2 , . . . , vk ).
3.17. plda (Nulltr). Hatrozzuk meg az
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
Bizonyts. Jellje az egyenletrendszer egytthatmtrixt A, annak

sorvektorait a1 , a2 ,. . . ,am , s jellje b = (b1 , b2 , . . . , bm ), a konstans
tagok vektort. Legyen x az inhomogn egyenletrendszer egy partikulris megoldsa, s jellje 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 elemt, az inhomogn egyenletrendszer egy megoldst
kapjuk. Valban, x, illetve y eleget tesz az
a i x = bi ,
ai y = 0,
a)
(i = 1, 2, . . . , m)
egyenleteknek. Ebbol
a i ( x + y ) = a i x + a i y = bi + 0 = bi .
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
ai (z x) = ai z ai x = bi bi = 0.
fennll minden i = 1, 2, . . . , m indexre, azaz z x H. Ezzel ksz a
bizonyts.
2
E ttel azt jelenti, hogy ugyan az inhomogn lineris egyenletrendszer megoldsainak halmaza nem altr, de egy altr eltoltja. Az ilyen
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.
halmazokat geometriai nyelven affin altereknek is szoks nevezni. Eltolt

altereket mutat a 3.8. bra.
E ttelt szemlltetik a 2.41. s a 2.43. pldk is.
Ha ltalban szeretnnk brzolni az inhomogn egyenletrendszer
megoldst a levldiagramon, azt knnyen megtehetjk egy eltolt altr
szemlltetsvel, ahogy azt a 3.9. bra mutatja.
Az elozo ttel szerint az inhomogn egyenletrendszer sszes megoldsa a homogn sszes megoldsnak azaz N (A)-nak az inhomogn valamelyik megoldsval val eltoltja. Fontos ltnunk, hogy
mindegy melyik megoldst vlasztjuk az inhomogn megoldsai kzl, br az eltols mrtke vltozik, az eredmny ugyanaz lesz. Ez
jl leolvashat a 3.8 brrl: ha az orign tmeno egyenes (sk) orignl lvo pontjt nem x-be, hanem az eltolt egyenes (sk) egy msik
pontjba toljuk, ugyanahhoz az eltolt altrhez jutunk.
Az inhomogn [A|b] egyenletrendszer megoldsai nem alkotnak alteret, de azok a b vektorok, melyre az egyenletrendszer megoldhat,
igen. Ezek ugyanis az oszlopmodell szerint pp azok a vektorok, melyek az egytthatmtrix oszlopvektorainak lineris kombincijaknt
elollnak. Az ilyen vektorok pedig alteret alkotnak, mgpedig az A
oszlopvektorai ltal kifesztett alteret. Ezt nevezzk oszloptrnek.
3.19. definci (Sortr, oszloptr). Egy mtrix oszlopvektorai ltal
kifesztett alteret oszloptrnek, a sorvektorai ltal kifesztett alteret sortrnek nevezzk.
Rn
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
Az m n-es vals A mtrix sortere

altere, oszloptere
altere.
Az A sortert S(A)-val, oszloptert O(A)-val jelljk (ld. 3.11 bra).
Az oszlopmodellt hasznlva az is lthat, hogy egy lineris kombinci egytthatinak meghatrozsa egy egyenletrendszer megoldst
jelenti.
3.20. kvetkezmny (Inhomogn egyenletrendszer megoldhatsga). Az [A|b] mtrix egyenletrendszer pontosan akkor oldhat meg,
ha b eloll az A oszlopainak lineris kombincijaknt, azaz b benne van az
A oszlopterben. A lineris kombinci egytthati megegyeznek a megoldsvektor koordintival.
N (A)
0
3.10. bra: Az A mtrix sortere (S(A)),

oszloptere (O(A)) s nulltere (N (A)).
Rn
Rm
x
b
y
3.21. plda (Kifesztett altr vektorai). Hatrozzuk meg, hogy a

v1 = (1, 0, 1, 2), v2 = (1, 2, 2, 1) s v3 = (1, 1, 1, 1) vektorok ltal
kifesztett altrnek eleme-e az u = (1, 2, 3, 6) vektor! Ha igen, adjunk
meg egy ezt bizonyt lineris kombincit is! Mutassuk meg, hogy a w =
(1, 2, 3, 4) vektor nem eleme az altrnek!
Megolds. Olyan x1 , x2 , x3 valsokat keresnk, melyekkel x1 v1 +
x2 v2 + x3 v3 = u fennll. Ez egy ngy egyenletbol ll egyenletrendszerrel ekvivalens, melynek bovtett mtrixa a v1 , v2 , v3 s u vektorokbl ll. Az egyenletrendszer bovtett mtrixt lpcsos alakra hozva
3.11. bra: A nulltr, a sortr, s az oszloptr, valamint a homogn Ay = 0 s

az inhomogn Ax = b egyenletrendszer
egy-egy megoldsa a levldiagramban.
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
amibol ( x1 , x2 , x3 ) = (3, 2, 2).

Ha u helyett w-vel szmolunk, olyan egyenletrendszert kapunk,
melynek nincs megoldsa, teht w valban nincs benne a megadott
altrben. Msknt fogalmazva, a v1 , v2 s v3 vektorokbl, mint oszlopvektorokbl kpzett mtrix oszlopterben az u vektor benne van,
de a w vektor nincs benne.
2
Lineris fggetlensg s sszefggosg A lineris egyenletrendszerek megoldsa s vektorok lineris fggetlensgvel vagy sszefggosgvel
kapcsolatos krdsek szoros kapcsolatban vannak egymssal.
Az elozo 3.21. plda tanulsga gy is sszefoglalhat, hogy egy w
vektor pontosan akkor fggetlen az A mtrix oszlopvektoraitl, vagyis az { a1 , a2 , . . . , an } vektorrendszertol, ha az [A|w] egyenletrendszer
nem oldhat meg.
Egy { a1 , a2 , . . . , an } vektorrendszer lineris fggetlensgnek eldntshez meg kell oldani az
x1 a1 + x2 a2 + + x n a n = 0
homogn lineris egyenletrendszert. Ha van nemtrivilis megoldsa, akkor a vektorrendszer linerisan sszefggo, egybknt linerisan
fggetlen. Ez igazolja az albbi ekvivalencikat:
3.22. kvetkezmny
(Lineris
fggetlensg eldntse). Tekintsk
h
i
az A = a1 a2 . . . ak mtrixot! Az albbi lltsok ekvivalensek:
a) az a1 , a2 ,. . . , ak vektorok linerisan fggetlenek;
b) az A egytthatmtrix homogn lineris egyenletrendszernek a trivilison kvl nincs ms megoldsa;
c) az A lpcsos alakjnak minden oszlopban van foelem, azaz r(A) = k.
3.23. plda (Vektorok lineris fggetlensgnek eldntse).
Mutassuk meg, hogy a 4-dimenzis (1, 2, 3, 4), (0, 1, 0, 1) s (1, 1, 1, 0) vektorok linerisan fggetlenek.
Megolds. A vektorokbl kpzett mtrix s lpcsos alakja
1
2
3
4
0
1
0
1
1
1
0
1
0
1
0
0
0
1
0
0
1
1
,
2
0
ami azt mutatja, hogy a homogn lineris egyenletrendszernek csak

egyetlen megoldsa van, azaz az oszlopvektorok linerisan fggetlenek.
2
133
134
lineris algebra
Feladatok
d) Az [A|b] mtrix egyenletrendszer pontosan akkor oldhat meg, ha r(A|b) r(A).

3.1. Igaz hamis Melyek igazak, melyek hamisak az alb- e) Az n-ismeretlenes [A|b] mtrix egyenletrendszer ponbi lltsok kzl?
tosan akkor oldhat meg egyrtelmuen,
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.
Alterek tulajdonsgai s az egyenletrendszerek

E szakaszban az alterek tulajdonsgait, s az egyenletrendszerek kapcsn felmerlo alterek viszonyt vizsgljuk. Klnsen fontos az egytthatmtrixhoz tartoz ngy kitntetett altr kapcsolata.
Sor- s oszloptr Az elozo feladatokban a homogn lineris egyenletrendszer egytthatmtrixt lpcsos alakra hoztuk. Ebbol az alakbl
azonban tbb minden leolvashat.
3.24. ttel (Elemi sormuveletek

hatsa a sor- s oszlopvektorokra). Elemi sormuveletek
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
kzben. A sorcserre ez nyilvnval. Legyenek A

sorvektorai v1 , v2 ,. . . , vm s legyen u a sortr egy tetszoleges vektora,
ami azt jelenti, hogy vannak olyan c1 , c2 ,. . . , cm skalrok, hogy
u = c1 v1 + c2 v2 + . . . + c m v m .
Ha egy sort (mondjuk az elsot) beszorozzuk egy d 6= 0 skalrral, akkor u az j mtrix sorterben is benne van, melyet a dv1 , v2 ,. . . , vm
vektorok fesztenek ki, hisz
c
u = 1 (dv1 ) + c2 v2 + . . . + cm vm .
d
Ez azt jelenti, hogy a sortr nem cskken, azaz minden vektor, ami
eddig benne volt a sortrben, benne lesz az j mtrix sorterben is.
A hozzads muveletnl
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
inverze is egy sormuvelet,
az inverz sormu
veletben sem cskken a sortr, ami csak gy lehet, ha a sortr az elemi
sormuveletek
sorn vltozatlan marad.

Megmutatjuk, hogy az elemi sormuveletek
kzben az oszlopvektorok kzt nem vltoznak a lineris kapcsolatok. Az egyszerusg
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
alkalmazva, egy mtrix sorterben s

oszlopterben is talltunk olyan linerisan fggetlen vektorokat, melyek kifesztik az adott teret. Azt mr az 1.9. ttelben megmutattuk,
hogy a hromdimenzis tr tetszoleges hrom linerisan fggetlen
vektornak lineris kombincijaknt a tr minden vektora eloll. Ms
szavakkal ez azt jelenti, hogy a tr hrom linerisan fggetlen vektora
kifeszti a teret. Az ilyen vektorhrmasokat, melyeket egy koordintarendszer alapvektorainak vettnk, bzisnak neveztk. Ezek vezetnek
a kvetkezo defincihoz.
3.26. definci (Bzis). Az Rn tr egy alternek bzisn vektorok
olyan halmazt rtjk, mely
1. linerisan fggetlen vektorokbl ll s
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
linerisan fggetlen vektor sem.

I A standard bzis Rn egy n-elemu
bzisa.
I Hamarosan meg fogjuk mutatni, hogy Rn minden bzisa n-elemu,
s hogy brmely alternek bzisa legfeljebb n-elemu.
3.27. plda (Altr bzisnak meghatrozsa). Hatrozzuk meg az

(1, 1, 0, 2), (2, 3, 3, 2), (1, 2, 3, 0) s (1, 3, 6, 2) vektorok ltal kifesztett
altr egy bzist!
Megolds. Elso megolds: A megadott vektorokbl, mint sorvektorokbl kpzett mtrix valamely sorlpcsos alakjnak nemnulla sorai az
altr egy bzist adjk:
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
alakbl: legknyelmesebben a reduklt lpcsos alakbl. Folytatjuk teht

az elozo pldabeli elimincis lpseket:
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)
A reduklt lpcsos alakbl ltjuk, hogy pldul a harmadik oszlop

a msodik s az elso klnbsge. Ezek alapjn az eredeti vektoroknak
a bzisvektorok lineris kombinciiknt val felrsa:

2
1
1
2
1
1
3
1
3
1 3
2

= 3 + 2 .
= + ,
3
0
6
0 3
3
2
2
2
2
2
0
Ha a megadott vektorokat ms sorrendben rjuk a mtrixba, ms
bzisra juthatunk. Pldul
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)
Eszerint bzisvektoroknak vlaszthatjuk az (1, 3, 6, 2) s az (1, 1, 0, 2)

vektorokat is, a tbbi vektor pedig kifejezheto ezek lineris kombincijaknt:

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
Ha ltalban akarunk utalni a konkrt koordintk nlkl egy v

vektor B bzisbeli koordints alakjra, akkor a [v]B vagy a (v)B alakot
hasznljuk. gy rhatjuk azt is, hogy
" #
" #
0
0
, vagy egyszerubben,
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
Az eredmny gy rhat, hogy (v1 )A = (1, 0), (v1 )B = (0, 1).
139
140
lineris algebra
Dimenzi s rang Az elozoekben bzist kerestnk egy altrhez. Azt

tapasztaltuk, hogy a bzis mindig ugyanannyi vektorbl llt. Ez nem
vletlen. Egy klnsen fontos ttel kvetkezik.
3.31. ttel (Bzis-ttel). Tekintsk az Rn vektortr egy tetszoleges altert. Ennek brmely kt bzisa azonos szm vektorbl ll.
Bizonyts. Tegyk fel, hogy Rn -nek van olyan A altere, s annak kt
olyan bzisa,
V = { v1 , v2 , . . . , vk }, s W = { w1 , w2 , . . . , wr },
melyek nem ugyanannyi vektorbl llnak, azaz pldul k < r. Mivel
V bzis A-ban, ezrt a W bzis vektorai is kifejezhetok lineris kombinciikknt, azaz lteznek olyan aij skalrok, hogy
wi = ai1 v1 + ai2 v2 + . . . + aik vk , (i = 1, . . . , r ).
(3.3)
Mivel a W bzis vektorai linerisan fggetlenek, ezrt a

c1 w1 + c2 w2 + . . . + cr wr = 0
(3.4)
egyenlosg csak a c1 = c2 = . . . = ck = 0 konstansokra ll fenn. A (3.3)

egyenlosgeit a (3.4) egyenletbe helyettestve
c1 ( a11 v1 + a12 v2 + . . . + a1k vk ) + c2 ( a21 v1 + a22 v2 + . . . + a2k vk ) +
. . . + cr ( ar1 v1 + ar2 v2 + . . . + ark vk ) = 0,
aminek V vektorai szerinti rendezse utn kapjuk, hogy
( a11 c1 + a21 c2 + . . . + ar1 cr )v1 + ( a12 c1 + a22 c2 + . . . + ar2 cr )v2 +

. . . + ( a1k c1 + a2k c2 + . . . + ark cr )vk = 0.
Ez azt jelenti, hogy a homogn lineris
a11 c1 + a21 c2 + . . . + ar1 cr = 0
a12 c1 + a22 c2 + . . . + ar2 cr = 0
..
.
..
.
..
.
a1k c1 + a2k c2 + . . . + ark cr = 0

egyenletrendszernek a c1 = c2 = . . . = ck = 0 az egyetlen megoldsa.
Ez viszont a 3.7. ttel szerint nem teljeslhet, mivel a fenti homogn
egyenletrendszer egyenleteinek szma kisebb ismeretlenjei szmnl
(k < r). Ez az ellentmonds bizonytja, hogy indirekt feltevsnk helytelen volt, teht valban, egy altr brmely kt bzisa azonos szm
vektorbl ll.
2
Ha a hromdimenzis trben tekintnk egy orign tmeno skot,

ltjuk, hogy brmely kt fggetlen vektora kifeszti. Azaz minden bzisa ktelemu.
Ha egy orign tmeno egyenest tekintnk, azt minden
nemnulla vektora, mint egyelemu bzisa, kifeszti. A htkznapi letben is hasznlt fogalom, a dimenzi, megegyezik a bzis elemszmval. Miutn egy altr minden bzisa azonos elemszm, rtelmes a
kvetkezo definci:
3.32. definci (Dimenzi). Az Rn tr egy A alternek dimenzijn
egy bzisnak elemszmt rtjk, s e szmot dim A-val jelljk.
Az Rn altere sajt magnak, s standard bzisa pp n vektorbl ll,
gy dim Rn = n. A nullvektorbl ll altrben nincsenek fggetlen
vektorok, gy dimenzija 0.
Mielott a kvetkezo lltst megfogalmaznnk, definlunk egy egyszeru fogalmat. Mivel a mtrixalkalmazsokban nincs olyan termszetes elv, amely alapjn el lehetne dnteni, hogy mely mennyisgeket
rendeljnk a sorokhoz, melyeket az oszlopokhoz, ugyanakkor a szmtsok kzben ez korntsem mindegy, ezrt szksg lehet a kvetkezo
egyszeru muveletre:
az m n-es A mtrix transzponltjn azt az A T -vel

jellt n m-es mtrixot rtjk, amelyet az A sorainak s oszlopainak
felcserlsvel kapunk. Azaz
A T = [ aij ] T := [ a ji ].
3.33. plda (Mtrix transzponltja). Az
" #
"
#
"
#
1
0 1
0 1 2
A=
, B=
, C=
,
2
2 3
3 4 5
h
D= 5
mtrixok transzponltja
A = 1
2 ,
"
0
B =
1
T
2
,
3
C T = 1
2
4 ,
5
" #
5
.
D =
6
T
Adott vges sok Rn -beli vektor ltal kifesztett altr dimenzijt gy

hatrozhatjuk meg, hogy meghatrozzuk a vektorokbl kpzett mtrix
rangjt. Igaz ugyanis a kvetkezo llts:
3.34. llts (Dimenzi = rang). Egy mtrix rangja, sorternek
dimenzija s oszlopternek dimenzija megegyezik. Ebbol kvetkezoleg
r( A ) = r( A T ).
Bizonyts. A mtrix rangja megegyezik a lpcsos alakjban lvo nemzrus sorainak szmval. A 3.25. ttel szerint viszont e sorok linerisan
fggetlenek s kifesztik a sorteret, teht bzist alkotnak, gy szmuk
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
Megolds. Az A reduklt lpcsos alakja
1
0
A=
0
0
0
1
0
0
1
2
0
0
0 1
1 0
0 0
0 0
Innen leolvashat, hogy a mtrix rangja 2, gy sorternek dimenzija

is 2. A nulltr dimenzija megegyezik az egyenletrendszer megoldsternek dimenzijval, ami megegyezik a szabad vltozk szmval,
esetnkben ez 3. Vegyk szre, hogy a sortr s a nulltr dimenzijnak sszege megegyezik a vltozk szmval, azaz a mtrix oszlopainak szmval, jelen pldban 5-tel.
2
3.37. ttel (Dimenzittel). Brmely A Rmn mtrix esetn a sortr dimenzijnak s a nulltr dimenzijnak sszege n. Kplettel:
dim(S(A)) + dim(N (A)) = n.
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
ahol x2 = s, x4 = t s x5 = u a hrom szabad vltoz. A nullteret

kifeszto hrom vektor kzl az elsoben x2 = 1, de az sszes tbbiben
x2 = 0, gy az elso vektor fggetlen a tbbitol. Hasonlkpp ltalban
is igaz, hogy a reduklt lpcsos alakbl val szrmaztats kvetkeztben a nullteret kifeszto minden megoldsvektorban az sszes szabad
vltozhoz tartoz koordinta 0, azt az egy koordintt kivve, amelyikhez a vektor tartozik. gy viszont mindegyik vektor fggetlen a
tbbitol, vagyis e vektorok fggetlenek, s mivel kifesztik a nullteret,
szmuk megadja a nulltr dimenzijt.
2
Elemi bzistranszformci* Az elozo paragrafusokban azt lttuk, hogy
az elemi sormuveletek
eredmnyeknt az eredeti mtrix oszlopainak

egy msik bzisban felrt koordints alakjt kapjuk meg. Ez adja az
tletet ahhoz, hogy az altrbol vlasztott bzisok segtsgvel szemlltessk, s rtsk meg mi trtnik akkor, amikor a mtrix egy oszlopban foelemet (pivotelemet) vlasztunk, s oszlopnak tbbi elemt
eliminljuk. gy egy msik megkzeltshez jutunk, melyet a tovbbiakban nem hasznlunk, ezrt e paragrafus tugorhat.
A folyamat lnyege egy ktoszlopos mtrixon is jl szemlltetheto.
Az egyszerusg
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
Tudjuk, az oszlopok az elemi sormuveletek
utn az eredeti vektorokat

adjk egy msik bzisban. Az a vektor nyilvnvalan egy olyan bzisban lett felrva, amelyben szerepel az a vektor is, mgpedig ez az
i-edik bzisvektor. Megmutatjuk, hogy mindkt oszlop az
e1 , e2 , . . . , ei1 , a, ei+1 , . . . , em
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
Ezt behelyettestjk a b = b1 e1 + . . . + bi ei + . . . + bm em kifejezsbe:

b = (b1
bi
b
b
b
a )e + (b2 i a2 )e2 + . . . + i a + . . . + (bm i am )em .
ai 1 1
ai
ai
ai
Teht valban, a b koordints alakja e mdostott bzisban pp az,

amit az eredeti mtrix eliminlsa utn kaptunk a msodik oszlopban. Az imnt trgyalt lpst elemi bzistranszformcinak nevezzk,
mert egy msik bzisra val ttrs egy elemi lpsnek tekintjk, amikor egyetlen bzisvektort cserlnk ki. A trtntek szemlltetsre a
mtrixot fejlccel egytt egy tblzatba rjuk, a sorok el az e1 , . . . , em
bzisvektorok, az oszlopok fl az oszlopvektorok neve kerl.
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
sszefoglalva s egyttal ltalnosabban megfogalmazva a fentieket:

3.38. ttel (Elemi bzistranszformci). Tegyk fel, hogy az a vektor E = { e1 , . . . , em } bzisra vonatkoz i-edik koordintja ai 6= 0. Ekkor
az E ltal generlt E altrnek az
e1 , e2 , . . . , ei1 , a, ei+1 , . . . , em
vektorok is bzist alkotjk. Az E egy tetszoleges b vektornak koordints alakja megkaphat e bzisban elemi sormuveletekkel,
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
A tblzaton kicsit lehet egyszerusteni,
azt az oszlopot, amelyben mr

csak egy standard egysgvektor van, felesleges kirni, az oszlopok s
a sorok fejlceibe pedig elg csak azt a vltozt rni, amelyik a bzisba
vett oszlopvektorhoz tartozik. gy a kvetkezot kapjuk:
x
1
2
1
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
Az egyenletrendszer megoldsa teht x = 1, y = 3, z = 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.
3.10. Bzisvektorok skalris szorzatai Igazoljuk, hogy

a
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 lineris algebra alapttele

A lineris algebra alapttele szerint brmely m n-es vals A mtrix esetn
Rn minden vektora egyrtelmuen
felbomlik egy A sorterbe s egy nullterbe
eso vektor sszegre, melyek merolegesek egymsra. Ms szavakkal ezt gy
fogjuk kifejezni, hogy a sortr s a nulltr meroleges kiegszto alterei egymsnak.
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
amibol x = (s 2t, (s 3t)/2, s, t), azaz
2
1
3/2
1/2
x = s
.
+t
0
1
1
0
A megolds teht kt vektor ltal kifesztett altr sszes vektora.

Msknt fogalmazva, e feladatban meghatroztuk az sszes olyan
vektort, mely egy mtrix sorvektorainak mindegyikre meroleges. 2
Az m n-es A egytthatmtrix homogn lineris egyenletrendszer i-edik egyenletnek alakja
ai1 x1 + ai2 x2 + + ain xn = 0, azaz ai x = 0.
Eszerint a homogn lineris egyenletrendszer minden megoldsa meroleges az A mtrix minden sorvektorra. A merolegessg azonban a
sortr sszes vektorra is fnnll a kvetkezo llts kvetkeztben.
147
148
lineris algebra
3.41. llts (A sortr s a nulltr merolegessge). Az A mtrix

sorternek brmely s vektora s nullternek tetszoleges x vektora meroleges
egymsra, azaz s x = 0.
Bizonyts. A sortr minden vektora az A sorvektorainak valamely
c1 ,. . . , cm skalrokkal vett lineris kombincija. Ezt felhasznlva
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.
alteret adjk, melyekben csak a zrusvektor kzs, s a sk minden

vektora (egyrtelmuen)
eloll az egyikbol s a msikbl vett vektor

sszegeknt.
3.42. ttel (Kiegszto alterek tulajdonsgai). Legyen V s W az
Rn kt altere. Az albbi lltsok ekvivalensek:
a) V W = {0} s V + W = Rn , azaz V s W kiegszto alterek,
b) Rn minden vektora egyrtelmuen
ll elo egy V - s egy W -beli vektor
sszegeknt,
c) V W = {0} s dim V + dim W = n.
Bizonyts. a) b) : Meg kell mutatnunk, hogy minden vektor egyrtelmuen
ll elo egy V - s egy W -beli vektor sszegeknt. Legyen

n
u R olyan vektor, hogy u = v1 + w1 = v2 + w2 , ahol v1 , v2 V s
w1 , w2 W . Ekkor trendezs utn kapjuk, hogy v1 v2 = w2 w1 .
Ennek bal oldaln V -beli, jobb oldaln W -beli vektor ll, amik csak a
nullvektor esetn lehetnek azonosak, mivel V W = {0}. gy v1 = v2
s W1 = w2 .
b) c) : Legyen V egy bzisa v1 , v2 ,. . . , vr , W egy bzisa w1 ,
w2 ,. . . , wk . Mivel brmely u Rn vektor eloll v + w alakban, ahol
v V s w W , e kt vektor pedig eloll a bzisvektorok lineris
kombincijaknt, ezrt a kt bzis egyestsvel kapott vektorrendszer kifeszti Rn -t, teht elemszma legalbb n, azaz r + k n. Msrszt megmutatjuk, hogy a vektorrendszer fggetlen vektorokbl ll.
Tegyk fel, hogy
c1 v1 + + cr vr + d1 w1 + + dk wk = 0.
Mivel a 0 vektor egyrtelmuen
ll elo v + w alakban, s egy elolltsa a
0 + 0, ezrt
c1 v1 + + cr vr = 0, s d1 w1 + + dk wk = 0.
Innen pedig a bzisvektorok lineris fggetlensgbol kvetkezik, hogy
minden egytthat 0. Teht a vektorok fggetlenek, vagyis r + k n.
sszevetve az elozo egyenlotlensggel kapjuk, hogy r + k = n.
c) a) : Csak azt kell megmutatni, hogy ha V W = {0} s
dim V + dim W = n, akkor Rn = V + W . Ehhez legyen V egy bzisa
v1 , v2 ,. . . , vr , a W egy bzisa w1 , w2 ,. . . , wnr . Ha egyestsk bzis
Rn -ben, akkor ksz vagyunk, hisz minden vektor e bzis vektorainak
lineris kombincija, mely felbomlik V -beli s W -beli rszre. Ezrt
tegyk fel, hogy e vektorok linerisan sszefggok, azaz a nullvektor
megkaphat valamely nemtrivilis lineris kombincival:
c1 v1 + + cr vr + d1 w1 + + dnr wnr = 0.
trendezve
c1 v1 + + cr v r = d1 w1 d n r w n r ,
149
150
lineris algebra
ami ellentmond a V W = {0} felttelnek, mivel indirekt feltevsnk

szerint nem minden egytthat 0.
2
Ha kt altr a fenti ttel a) pontjt kielgti, akkor azt mondjuk, hogy
Rn a V s W alterek direkt sszege, amit az sszegtol megklnbztetendo V W jell.
Mr lttunk pldt kiegszto alterekre, hisz a sortr s a nulltr
dimenzijnak sszege n, s a kt altrnek a nullvektoron kvl nincs
kzs eleme, gy S(A) s N (A) kiegszto alterek, azaz Rn = S(A)
N ( A ).
Egy W altr esetn W jellte a W -re meroleges vektorok altert.
Ezt meroleges kiegszto altrnek neveztk, de azt, hogy ez valban
kiegszto altr-e, mg nem mutattuk meg.
3.43. ttel (A meroleges kiegszto altr tulajdonsgai). Legyen W az Rn egy altere. Ekkor
a) W W = {0},
b) W + W = Rn ,
c) Rn minden vektora egyrtelmuen
eloll egy W - s egy W -beli vektor
sszegeknt,
d) (W ) = W .
Bizonyts. a) igaz, hisz ha x W W , akkor x x = 0, ami csak a
0 vektorra ll fnn.
b) abbl addik, hogy az elozo, a kiegszto alterekrol szl ttel
szerint, ha kt altr dimenziinak sszege n, s a kt altr metszete
csak a zrusvektorbl ll, akkor a kt altr sszege Rn . Esetnkben a
kt altr W s W . Ha W egy bzisnak vektoraibl, mint sorvektorokbl mtrixot kpznk, annak sortere pp W , nulltere W lesz,
s a sortr s nulltr dimenziinak sszege valban n a dimenzittel
szerint.
Ugyancsak az elozo ttel s az a) s b) lltsok kvetkezmnye,
hogy a meroleges kiegszto alterek valban kiegszto alterek, ami
bizonytja c)-t.
d) bizonytshoz megmutatjuk, hogy W (W ) s W (W ) ,
ami bizonytja, hogy W = (W ) .
Legyen w a W tr egy tetszoleges vektora. Mivel W pp azokbl
a vektorokbl ll, melyek merolegesek W minden vektorra, ezrt w
meroleges W minden vektorra. Ez viszont pp azt jelenti, hogy w
benne van a (W ) altrben, teht W (W ) .
A fordtott tartalmazs bizonytshoz legyen w (W ) . A b)
pont szerint e vektor eloll w = v + v alakban, ahol v W s v
W . Elg lenne megmutatnunk, hogy v = 0. A (W ) s W
merolegessge miatt w v = 0, gy
0 = w v = w (v + v ) = v v + v v = v v ,
Rn
hisz v v = 0. A v v = 0 egyenlosg viszont csak v = 0 esetn

ll fnn. gy teht w = v, azaz w W , ami bizonytja az lltst.
2
Mindezek alapjn eljutottunk oda, hogy megfogalmazzuk a lineris
algebra egyik legfontosabb ttelt.
S(A)
N (A)
3.44. ttel (A lineris algebra alapttele). Minden vals mtrix

sortere s nulltere meroleges kiegszto alterei egymsnak.
E ttelnek tbb fontos kvetkezmnye van. Ezek azonnal addnak
az elozo ttelekbol, valamint ha a lineris algebra alapttelt az A mtrix transzponltjra is alkalmazzuk.
3.45. ttel (A ngy kitntetett altr). Tekintsk az A Rmn
mtrixot. Akkor a kvetkezo lltsok teljeslnek:
a) S(A) = N (A), O(A) = N (A T ).
b) Rn minden vektora egyrtelmuen
felbomlik egy S(A)- s egy N (A)-beli
vektor sszegre, azaz kplettel kifejezve: S(A) N (A) = Rn .
c) Rm minden vektora egyrtelmuen
felbomlik egy O(A)- s egy N (A T )beli vektor sszegre, azaz kplettel kifejezve: O(A) N (A T ) = Rm .
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
felbomlik egy sortrbe s

egy nulltrbe eso vektor sszegre.
152
lineris algebra
viszont minden i esetn

ai (x1 x2 ) = bi bi = 0,
vagyis x1 x2 megoldsa a homogn egyenletrendszernek, teht a
nulltrbe esik. Annak metszete a sortrrel csak a nullvektort tartalmazza, gy x1 x2 = 0, vagyis x1 = x2 .
Meg kell mg mutatnunk, hogy mindig van a sortrbe eso megolds. Legyen x egy tetszoleges megolds, s tekintsk az egyrtelmuen
ltezo felbontst egy sortrbeli s egy nulltrbeli vektor sszegre,

azaz legyen
x = xS + xN .
E megoldsvektort berva az i-edik egyenletbe kapjuk, hogy
bi = a i x = a i ( x S + x N ) = a i x S + a i x N = a i x S .
Ez azt jelenti, hogy brmely megolds sortrbeli sszetevoje is megoldsa az egyenletrendszernek! Talltunk teht egy megoldst a sortrben. Egyttal azt is belttuk, hogy az sszes megolds e sortrbeli megolds s a homogn egy megoldsnak sszege. Az elozo
egyenlosgekbol az is kiolvashat, hogy az xS megoldshoz brmely
nulltrbeli vektort adva az egyenletrendszer egy megoldst kapjuk,
igazoltuk teht a c) lltst is.
A sortr s a nulltr merolegessge miatt az x = xS + xN felbonts vektorai merolegesek, azaz xS xN . Hasznlhatjuk teht
Pithagorsz-ttelt:
x2 = x2S + x2N x2S , azaz |x| |xS |.
gy teht minden megolds abszolt rtke nagyobb vagy egyenlo a
sortrbeli megolds abszolt rtknl, ami bizonytja a b) lltst is.2
A sortrbe eso egyetlen megolds ltezse azt sugallja, hogy minden
megoldhat egyenletrendszer tovbbi egyenletek hozzvtelvel kiegszthato olyan egyenletrendszerr, melynek mr csak egyetlen megoldsa van. Ez valban igaz.
3.47. plda (Lineris egyenletrendszer sortrbe eso megoldsa). Hatrozzuk meg az
x + y + z + 3u + 2w = 4
x + 2y + z + 5u + 2w = 5
2x + 3y + z + 8u + 3w = 7
2x + 3y + 2z + 8u + 4w = 9
egyenletrendszer minimlis abszolt rtku megoldst! Ehhez adjunk az
egyenletrendszerhez olyan tovbbi egyenlet(ek)et, hogy az gy kapott egyenletrendszernek mr csak ez legyen az egyetlen megoldsa!
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, y, z, u, w) = (1, 1, 2, 0, 0) + (1, 2, 0, 1, 0)u + (1, 0, 1, 0, 1)w.

Mivel a sortr meroleges a nulltrre, s mi egy sortrbe eso megoldst
keresnk, ezrt e megoldsnak merolegesnek kell lennie a nullteret kifeszto vektorokra, vagyis a (1, 2, 0, 1, 0) s a (1, 0, 1, 0, 1) vektorra. gy a kvetkezo kt egyenletet kell az eredeti egyenletrendszerhez,
vagy az egyszerusg
kedvrt inkbb a reduklt lpcsos alak szerinti

egyenletrendszerhez adni:
x 2y
x
+u
z
=0
+w = 0
gy a kiegsztett egyenletrendszer bovtett mtrixa s annak reduklt

lpcsos alakja
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
teht a keresett megolds (4/17, 5/17, 19/17, 6/17, 15/17).
153
154
lineris algebra
Feladatok
3.16. Sortr s nulltr A 2.43. pldban megoldottuk a

x1 + 2x2 + x3 + 2x4 + x5 = 0
A sortrbe eso megolds meghatrozsa Keressk meg

az albbi egyenletrendszerek sortrbe eso egyetlen megoldst, s
annak segtsgvel rjuk fel sszes megoldst!
3.11.
x+ y+z = 3
2x + y z = 2
3x + 2y
=5
3.12. x + 4y + 8z + 12w = 15
3.13.
x1 + 2x2 + 3x3 + 3x4 + x5 = 0

3x1 + 6x2 + 7x3 + 8x4 + 3x5 = 0
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
Ezt flhasznlva fejben szmolva adjunk meg egy olyan

vektorrendszert, amely kifeszti az
2x1 + x2
3x1
x1
=0
x3 + 2x4
=0
+ x5 = 0
homogn lineris egyenletrendszer megoldsai altert.

3.17. ltalnostsuk az elozo feladat eredmnyt tetszoleges homogn lineris egyenletrendszerre!
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.

a) Ekkor kt laptl-vektor pldul a PQ + PR s a PR +
PS vektorok. Ezek szorzata:

PQ + PR PR + PS =

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
vektor ( PQ + PR + PS) szorzata:

PQ + PR PQ + PR + PS = PQ PQ + PR PR = 2.
c) A Q, R s S cscsok olyan sorrendben legyenek meg
vlasztva, hogy PQ, PR s PS ebben a sorrendben

jobbrendszert alkosson. Ki fogjuk hasznlni, hogy ek
kor PQ PR = PS. Egy lvektor s egy szomszdos

laptl-vektor vektori szorzata:

PQ PQ + PR =

PQ PQ + PQ PR =
0 + PS = PS,
vagyis a szorzat a kt vektor lapjra meroleges lvektor.
d) Legyen a lapvektor a PR, a nem szomszdos laptl

vektor PR + PS. Ezek szorzata:

PQ PR + PS =

PQ PR + PQ PS = PS PR,
ami a laptl-vektor skjnak msik laptl-vektora.
1.15. Hrom klnbzo dolog (gy hrom vektor is) hatflekpp rakhat sorba. Ha az a, b s c vektorok jobbrendszert alkotnak, akkor ugyancsak jobbrendszert alkotnak a
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
eredmnyt nmaga visszalltja,

1
az cSi muvelett
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
az elso, a msodik kt oszlop a msodik altr genertorait

tartalmazza, az tdik oszlop a kt partikulris megolds
klnbsge.
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.
Az iterci lpseinek tblzata 4 rtkes jeggyel szmolva:

x0
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,
hogy a kt partikulris megolds klnbsge

benne van-e az altrben. E krdseket egyetlen mtrix lpcsos alakra hozsval is megoldhatjuk. Az elso kt oszlop
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
ai (cx = dy) = cai x + dai y = 0 + 0 = 0,
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:
{(0, 0, 0), (1, 0, 0), (0, 1, 0), (1, 1, 0)},
alakja:
0
2
0
1
3
2
3
1
1
1
4 = 0
0
0
0
1
0
0
0
1
1
1
{(0, 0, 0), (0, 1, 0), (0, 0, 1), (0, 1, 1)},
Innen a sortrbe eso megolds (1, 1, 1).
{(0, 0, 0), (0, 0, 1), (1, 0, 0), (1, 0, 1)},
3.12. A sortrbe eso megolds meghatrozsa egyetlen

egyenlet esetn egyszeru.
Mivel a sorteret az (1, 4, 8, 12)
vektor feszti ki, ennek egy skalrszorost keressk,
mellyel vett skalrszorzata 225. Mivel 12 + 42 + 82 +
122 = 152 = 225, ezrt a sortrbe eso egyetlen megolds ( x, y, z, w) = (1, 4, 8, 12). A homogn egyenletrendszer
sszes megoldst meghatrozva majd hozzadva kapjuk,
hogy

12
8
x
1
4
0
0
y 4 1

= + t+ s+
u
0
1
z 8 0
1
0
w
12
0
{(0, 0, 0), (1, 0, 0), (0, 1, 1), (1, 1, 1)},

{(0, 0, 0), (0, 1, 0), (1, 0, 1), (1, 1, 1)},
{(0, 0, 0), (0, 0, 1), (1, 1, 0), (1, 1, 1)},
{(0, 0, 0), (0, 1, 1), (1, 0, 1), (1, 1, 0)}.
Vgl altr maga F32 is.
3.9. 1. Igaz. 2. Igaz, brmely 1-dimenzis altr ilyen. 3. Hamis, ha van ktelemu bzis, akkor a linerisan fggetlen
vektorrendszerek elemszma legfljebb 2.
3.10. E mtrix rangja pontosan akkor k, ha oszlopvektorai
linerisan fggetlenek, azaz ha az oszlopvektorok brmely
lineris kombincija csak gy lehet a nullvektor, ha minden egytthat 0. Tekintsnk az oszlopvektorok egy c1 ,. . . ,
ck skalrokkal vett, nullvektort ad lineris kombincijt.
Ennek i-edik koordintja
0 = c1 v i v1 + c2 v i v2 + + c k v i v k
= 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
Ezek mtrixval kibovtve a reduklt lpcsos alakot, majd

azt reduklt lpcsos alakra hozva kapjuk, hogy
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
fggetleneket kivlasztani. Esetnkben teht a megadott

egyenletrendszer nulltert kifesztik az (1, 2, 1, 2, 1) s az
(1, 2, 3, 3, 1) vektorok.)
II. rsz
Mtrixok algebrja s
geometrija
163
Eddig a mtrixokat csak egyszeru jellsnek tekintettk, mely az

egyenletrendszer egytthatinak trolsra, s az egyenletrendszer megoldsa kzbeni szmtsok egyszerustsre
val. E rszt a szmok

kzti muveletek
szmtblzatokra val kiterjesztsvel kezdjk, majd

ezeket tltetjk mtrixokra, s megvizsgljuk algebrai tulajdonsgaikat. E muveletek
segtsgvel jravizsgljuk az egyenletrendszerek

megoldhatsgnak s a megoldsok kiszmtsnak krdst. A mtrixok szmtani fejezetei utn a mrtaniak kvetkeznek: a determinns, mint a ngyzetes mtrixhoz rendelt elojeles mrtk, majd a
mtrixlekpezsek geometrija lesz e rsz trgya.
4
Mtrixmuveletek
defincii
A vals szmok kzti muveletek
termszetes mdon kiterjeszthetok

szmtblzatok kzti muveletekre.
Vltozk lineris helyettestsnek

kompozcija is a tblzatok szorzsnak muvelethez
vezet.
Tblzatok
Tblzattal nap, mint nap tallkozunk. Fogalmt nem definiljuk

preczen. Szmszeru adatok tglalap alakban elrendezett, ttekintheto
sszefoglalsra val. ltalban a sorok elott s az oszlopok fltt van
egy fejlc, melyben az adott sor, illetve oszlop adatait jellemzo valamely informci ll. Pldul az oszlopok fejlcben gyakran szerepel
az oszlop szmadatainak kzs mrtkegysge. Hasznlata kikerlhetetlen a gazdasgi adatok kezelsben, gy minden irodai szoftvercsomag tartalmaz tblzatkezelot, de a mrnki vagy termszettudomnyos kzlemnyekben is nlklzhetetlen eszkz.
Tblzatok sszeadsa 3 alma meg 2 alma az 5 alma. Az sszeads
e muvelete
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.
A mtrixra gy is tekinthetnk, mint

amelyet egy olyan absztrakci sorn kapunk a tblzatbl, melyben azt megfosztjuk fejlceitol, az adatokbl pedig
csak a szmokat o rizzk meg, azok
jelentstol, mrtkegysgtol eltekintnk.
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
Tblzatok szorzsa Egy adag (e pldban a tovbbiakban mindig 10

dkg) alma energiatartalma 30 kcal. Mennyi 5 adag energiatartalma? A
vlaszt ismt szorzssal kapjuk meg most mindkt mennyisg mrtkegysggel is rendelkezik:
5 adag 30
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
A kvetkezokpp tudjuk az A salta energiatartalmt kiszmtani:

5 adag 30
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
Az ttekinthetosg kedvrt a kt sszeszorzand mtrixot s az

eredmnyt gy helyezzk el, hogy az elvgzett muveletek
jobban kvethetoek legyenek. Az A salta energiatartalmt kiemeljk:

Sznhidrt
(g/adag)
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
rdemes megfigyelni, hogy ha csak az A s C gymlcssaltkra

vagyunk kivncsiak, elg az elso tblzat s a vgeredmny msodik
sort elhagyni, hasonlkpp ha csak az energiatartalmat figyeljk, elg
a msodik tblzat s a vgeredmny msodik oszlopt megtartani.
Az is ltszik, hogy az elso tblzat oszlopainak s a msodik tblzat sorainak szma megegyezik. ltalban az igaz, hogy (a fejlceket
nem szmolva) egy m n-es tblzat csak olyan p k-as tblzattal
szorozhat ssze, ahol p = n, s az eredmny m k-as lesz.
Lineris helyettests A lineris algebra alapveto fogalmai megfogalmazhatak a lineris helyettests nyelvn.
4.1. definci (Lineris helyettests). Lineris helyettestsrol akkor beszlnk, ha vltozk egy halmazt ms vltozk konstansszorosainak
sszegeknt lltjuk elo, azaz vltozkat ms vltozk lineris kifejezseivel
helyettestnk.
Pldul
u = x+ y+ z
h = f + g,
v=
w=
9y + 2z s
3z
r=
0.25p 0.12q
s = 0.45p + 2.11q
t=
0.39q
167
168
lineris algebra
hrom lineris helyettests. Tekintsk a kvetkezo kt lineris helyettestst:

a = 5x + y + 4z
x = 7s + 30k
b = 4x + 4y + 2z
c = 4x + 2y + 4z
y = 24s + 105k
(4.1)
z = 8s + 40k
Egy nhny sor erejig a lineris helyettestst is tblzatokkal rjuk le.

Az elozo kt lineris helyettests tblzatba foglalva:
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)
4.2. plda (Lineris helyettestsek kompozcija). Tekintsk

a (4.1)-ben megadott kt lineris helyettestst! Az elso majd a msodik helyettests egyms utn val elvgzse ms szval kompozcija milyen
helyettestssel egyenrtku,
s az lineris-e?
Megolds. Az a = 5x + y + 4z kifejezsben helyettestsk x, y s z
helybe a msodik lineris helyettests szerinti kifejezseket, azaz
a = 5x + y + 4z = 5(7s + 30k) + (24s + 105k) + 4(8s + 40k) = 91s + 415k.
Emeljk ki pl. a k egytthatjnak kiszmtst:
5 30 + 1 105 + 4 40 = 415.
Mint ltjuk ez az elso helyettests tblzata elso sornak s msodik
tblzat msodik oszlopnak skalris szorzata. Hasonl mdon b s c
is kifejezheto s s k segtsgvel, gy kapjuk, hogy a kt lineris helyettests egymsutnja ekvivalens az
a = 91s + 415k
b = 140s + 620k
c = 108s + 490k
helyettestssel. Ez lineris, hisz a szmols kzben lineris kifejezseket csak konstanssal szoroztunk, s ezeket adtuk ssze. Ennek a
helyettestsnek a tblzata
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
4.3. Tegyk fel, hogy egy kifejezsben elvgezzk a kvetkezo helyettestst:
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
4.2. Egy f ( x, y) kifejezsben elvgezzk az

x = 2a + b
y = 3a + b
helyettestst, majd az gy kapott f (2a + b, 3a + b) kifejezsben az
a = 3s + t
b=
4s t
helyettestst. Szmtsuk ki a kt helyettests kompozcijt a helyettestsek vgrehajtsval, s a nekik megfelelo

tblzatok szorzsval is, azaz rjuk fel azt a helyettestst,
mely e kt helyettests kompozcijval ekvivalens!
b = 3s 6t + 10u
c=
s + t 2u
Hogyan szmthatjuk ki a kt helyettests kompozcijt?

rjuk fel azt a helyettestst, mely e kt helyettests kompozcijval ekvivalens!
4.4. t versengo kereskedelmi TV-csatorna valsgshowmusora
kezdetben fele-fele arnyban vonzza a nzoket. Az

elso ht vgre a tv1 nzoinek fele, mg a tv2 nzonek negyede tprtol a msik csatornra.
1. Ksztsk el az tprtols 2 2-es tblzatt, s a
2. nzok megoszlsnak 2 1-es vagy 1 2-es tblzatt!
3. Tblzatok szorzsnak segtsgvel hatrozzuk meg,
hogy mi a nzok megoszlsa az elso s a msodik ht
vgn, ha az tprtolk arnya az idovel nem vltozik.
4. rjuk fel az tprtolk kthetenknti tblzatt, azaz azt,
amelybol kiolvashat, hogy kt ht elteltvel az egyes
csatornk nzoinek hnyadrsze prtol t, s mennyi
marad!
170
lineris algebra
A tblzatok muveletei
utn a mtrixmuveletek
defincii magtl rtetodoek.
Alapfogalmak, jellsek Az eddigiek alapjn megfogalmazhatjuk: az m

sorba s n oszlopba rendezett mn darab szm rendszert m n-tpus
mtrixnak nevezzk. A mtrixban szereplo szmokat a mtrix elemeinek nevezzk. E megfogalmazs mg mindig nem tekintheto precz
defincinak, mert nincs tisztzva, mik is azok a szmok, amik egy
mtrix elemei lehetnek. Egyelore tekintsk gy, hogy mindig egy algebrailag jl definilhat szmhalmaz elemeit rhatjuk egy mtrixba,
ennek megfeleloen fogunk egsz elemu,
racionlis elemu vagy vals
elemu,
illetve az egsz szmok, a racionlisok, a valsok fltt definilt mtrixrl beszlni. Ksobb ezt is tgtani fogjuk, pl. vizsglni
fogunk fggvnyekbol ll mtrixokat.
A matematikban elterjedt az a szoks, hogy a mtrixot jello nagy
betuvel
azonos kis betuk

jellik a mtrix elemeit, teht A elemei a11 ,
a12 . . . . Az m n-tpus
a11
a
21
A=
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
.
amn
mtrixra szoks mg a tmrebb

A = [ aij ]mn vagy egyszeruen
az A = [ aij ]
jellst hasznlni. 1
Mindig az elso index jelli a sor, a msodik az oszlop szmt, teht
a23 a 2-dik sor 3-adik oszlop keresztezodsben ll elemet jelli. Idonknt, a flrerthetosg elkerlsre aij helyett ai,j -t runk (pl. an,n1 ).
ltalban a j jelli az A mtrix j-edik oszlopvektort, ha csak oszlopvektorokkal dolgozunk. Ha sor- s oszlopvektorok is egytt szerepelnek, az i-edik sorvektort ai , a j-edik oszlopvektort a j jelli sszhangban az elemek indexelsvel. Ehhez hasonl jellst hasznlnak a mtrix alap nyelvek is (ld. a szljegyzetet). Az A mtrix i-edik sorra az
(A)i , j-edik oszlopra az (A) j , elemre az (A)ij jells is hasznlatos.
4.3. plda (Mtrixok s elemeik). Ha
"
#
" #
h
1 2 3
2
C=
, akkor c23 = 7, c2 = c2 =
, c 3 = 6
4 5 7
5
i
9 .
A programnyelvekben ellenttben a
matematikval a kisbetuvel/nagybe
tuvel
val jellsnek nincs a mtrixot

az elemtol val megklnbzteto szerepe. A legtbb magasszintu nyelvben az A-val jellt mtrix (informatikai
szhasznlattal tmb) i-edik sornak jedik elemt A[i,j] vagy A(i,j) jelli. Az alacsonyabb szintu C-tpus nyelvekben nincs 2-dimenzis tmb, a mtrixot egy olyan 1-dimenzis tmb reprezentlja, melynek minden eleme 1dimenzis tmb, gy A[i] az i-edik sort,
A[i][j] az i-edik sor j-edik elemt jelli. A mtrix alap nyelvekben egy mtrix egy sorvektora vagy oszlopvektora
knnyen kiemelheto, pl. az A mtrix 2.
sort az A(2,:), 3. oszlopt a A(:,3)
kddal rhetjk el.
1

mtrixm uveletek
defincii
4.4. definci (Mtrixok egyenlosge).

Kt mtrixot akkor tekintnk
egyenlonek, ha azonos tpusak, s az azonos indexu elemek egyenloek.
Pldul az
"
1
3
# "
2
1
=
4
3
2
x
egyenlosg pontosan akkor ll fnn, ha x = 4. Fontos felidzni, hogy

minden vektornak megfeleltethetnk egy sor- vagy oszlopvektor alakba rt mtrixot, azok azonban nem egyenlok egymssal. Pldul
h
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
Gyakran fogunk azonos tpus mtrixokkal dolgozni. Rendszerint

az is fontos, hogy a mtrixok elemei ugyanabbl az algebrai struktrbl valk legyenek. Pl. vizsglhatjuk a 3 2-es vals mtrixok vagy
a 4 4-es egsz elemu mtrixok halmazt.
4.5. definci (Adott tpus mtrixok tere). Legyen S egy tetszoleges halmaz (ltalban S egy algebrai struktra, pl. S = R, Q, N, Z. . . ).
Az S elemeibol kpzett sszes m n-es mtrixok halmazt jellje
Smn .
Azt mondjuk, hogy Smn az S fltti m n tpus mtrixok tere.
Pldul az [ 13 24 ] mtrix eleme az N22 , Z22 , Q22 , R22 terek
mindegyiknek.
171
OCTAVE
ans =
OCTAVE
ans =
4
diag ([1 ,2 ,3])

0
2
0
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
Tbb olyan mtrixmuveletet
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 ].
A mtrixalap nyelvekben mtrixok kztti elemenknti muvelet
definilhat a
muveleti
jel el tett ponttal. gy az A s B

mtrixok elemenknti szorzata az
A .* B
paranccsal kaphat meg. Eszerint az A
.+ B s A + B kdok az eredmnyt tekintve ekvivalensek.
Hasonlan definilhat A s B klnbsge is, azaz A B := [ aij bij ].

4.7. plda (Mtrixok sszege, klnbsge). Ellenorizzk az albbi
muveleteket!
#
" # " # " #
# "
# "
"
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 ].
Az A mtrix ellentettjnek azt a A-val jellt mtrixot nevezzk,

melyre A + (A) = O. Knnyen megmutathat, hogy ilyen mtrix
csak egy van, nevezetesen A = (1)A.
Azonos mretu mtrixokon mg szmtalan elemenknti muvelet
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
valsthat meg. A 4.2. bra mtrixa az alatta lvo

frfiarc 10 szrkernyalatos kpe, melyen a httr egy egyszeru elemenknti muvelettel
megvltoztathat (rszletek a 4.5. feladatban).
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
=
.
4.2. bra: Egy elemenknti mtrixmuve

let a kpfeldolgozsban

mtrixm uveletek
defincii
Mtrixok lineris kombincii A vektorokhoz hasonlan, a skalrral val szorzs s az sszeads muvelete
lehetov teszi, hogy mtrixokra is

definiljuk a lineris kombinci, a lineris fggetlensg s a kifesztett altr fogalmt. A vektorokra korbban adott defincik kis vltoztatssal
kimondhatk, ha a vektorok helybe azonos tpus mtrixokat helyettestnk, ezrt ezt az olvasra bzzuk, de gyakorlsknt mutatunk kt
egyszeru pldt.
4.10. plda (Mtrixok lineris kombincija). Szmtsuk ki a
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
termszetesen elemenknt is elvgezhetok, pl. a msodik

sor elso eleme gy is megkaphat: 2 2 3 (1) = 7.
2
Ltjuk, a mtrixok az sszeadsra s a skalrral val szorzsra nzve
a vektorokhoz hasonlan viselkednek. Mondhatjuk, hogy az Rmn beli m n-es mtrixok e kt muveletre
nzve gy viselkednek, mint

Rmn vektorai (csak msknt vannak elrendezve). Beszlhetnk ezrt
arrl, hogy Rmn egy mn-dimenzis vektortr. Lsd errol pl. a 4.6. s
a 4.7. feladatokat.
173
174
lineris algebra
Feladatok
4.5. Elemenknti mtrixmuvelet

a digitlis kpfeldolgozsban Az egszelemu Amn mtrix reprezentljon
egy m n kppontbl ll szrkernyalatos kpet. Minden
mtrixelem egy kppont rnyalatt adja meg a {0, 1, . . . k }
tartomnybl, ahol 0 a fekete, k a fehr sznnek felel meg.
A httr fehr, azaz kppontjaihoz a maximlis k rtk
van rendelve s ms fehr kppont a kpen nincs. Legyen
Bmn egy tetszoleges msik kp azonos mdon reprezentlt mtrixa. Konstruljuk meg azt a } jellel jellt muvele
tet, amellyel az elemenknti
A } B := [ aij } bij ]
mtrixmuvelet
az A kp htterbe msolja a B kpet. Kpletben:

(
bij , ha aij = k,
aij } bij =
aij , egybknt.
A megoldsban hasznlhatjuk a x 7 b x c fggvnyt, mely
egy x szmhoz annak als egsz rszt rendeli.
4.6. Rmn bzisa Adjuk meg az Rmn tr egy bzist.
4.7. Mtrixok ltal kifesztett altr Jellemezzk az
R22 trnek azt az altert, melyet az albb megadott A, B
s C mtrixok fesztenek ki! Msknt fogalmazva: milyen
sszefggsek llnak fnn azon 2 2-es vals mtrixok elemei kztt, melyek az albbi mtrixok lineris kombinciiknt llnak elo?
"
#
"
#
"
#
1 1
1 0
1 1
A=
, B=
, C=
.
1 0
0 1
0 1

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 .
A defincibeli sszefggs tbb mdon is kifejezheto. Szummval

flrva:
cij =
aik bkj ,
k =1
de mondhatjuk azt is, hogy cij az A mtrix i-edik sornak s a B mtrix

j-edik oszlopnak skalris szorzata, azaz
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
Dntsk el, hogy fnnllnak-e az AB = BA, BC = CB, CD = DC s

DE = ED egyenlosgek.
Megolds. A mretek alapjn a BC szorzat nincs rtelmezve, a tbbi:
"
#
"
#
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
a DE = ED egyenlosg. Azaz vannak felcserlheto mtrixok, de a

mtrixszorzs nem felcserlheto muvelet,
teht nem kommutatv! 2

Mivel a mtrixszorzs nem felcserlheto, ha szksges, az A-t balrl szorozzuk B-vel, vagy az A-t jobbrl szorozzuk B-vel kifejezsekkel tesznk klnbsget a BA s az AB szorzatok kzt.
Fontosak azok a mtrixszorzatok, amelyekben az egyik mtrixnak
csak egy sora vagy oszlopa van, teht sor- vagy oszlopvektor. Egy
1 m-es mtrixot, azaz egy sorvektort jobbrl, egy n 1-es mtrixot,
azaz egy oszlopvektort balrl lehet beszorozni egy m n-es mtrixszal.
Pldul

"
#
"
# 1
" #
h
i 0 1 2
h
i
0 1 2
3
= 3 2 7 ,
.
2 3
1 =
1 0 1
1 0 1
2
1
Skalris szorzat s diadikus szorzat mtrixszorzatos alakja Kt oszlopvektor nem szorozhat ssze, ha 1-nl nagyobb dimenzisak. Viszont az
egyikk transzponlsa utn a szorzs elvgezheto.
Legyen a s b kt Rn -beli vektor. Az a T b szorzat a kt vektor skalris szorzatt adja, azaz
a T b = a b,
ugyanis
h
a T b = a1
a2
...

b1
i
b2
an .
= a1 b1 + a2 b2 + . . . + an bn = a b.
..
bn
Ha a msodik vektort transzponljuk, a kt vektor lehet klnbzo

dimenzis is.
4.13. definci (Diadikus szorzat). Legyen u Rm , v Rn . Az
uv T szorzatot a kt vektor diadikus szorzatnak, rviden didnak nevezzk. E szorzat egy m n-es mtrix:

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
..
.
..
.
..
.
..
.
am1 x1 + am2 x2 + . . . + amn xn = bm

egyenletrendszer
Ax = b
alakba rhat.
4.15. plda (Egyenletrendszer
mtrixszorzatos
Knnyen ellenorizheto a mtrixszorzs elvgzsvel, hogy a
= 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
A szimultn egyenletrendszerek (ld. 104. oldal) ugyangy flrhatak mtrixszorzatos alakba.

4.16. plda (Szimultn egyenletrendszer mtrixszorzatos
alakja). rjuk az albbi kt egyenletrendszert egyetlen mtrixszorzatos
alakba!
2x11 + 3x21 = 7
2x12 + 3x22 = 9
3x11 4x21 = 2
3x12 4x22 = 5
Megolds. A kt egyenletrendszer mtrixszorzatos alakjai kln-kln

"
#" # " #
"
#" # " #
7
2 3
x12
9
2 3
x11
=
,
=
.
2
3 4 x22
5
3 4 x21
Ezek egyetlen mtrixszorzatt olvaszthatk:
"
#"
# "
2 3
x11 x12
7
=
3 4 x21 x22
2
#
9
.
5
ltalnosan a szimultn egyenletrendszerek AX = B alakba rhatak,

ahol X az ismeretlenekbol, B a jobb oldalakbl alkotott mtrix.
2
Lineris helyettests mtrixszorzatos alakja Az egyenletrendszer mtrixszorzatos alakjhoz hasonl a lineris helyettests mtrixszorzatos
alakja.
4.2 (Lineris helyettests mtrixszorzatos alakja). Az x1 ,
x2 ,. . . , xn vltozk lineris kifejezseinek az y1 , y2 ,. . . , ym vltozk helybe
val helyettestst ltalnosan ler
y1 = a11 x1 + a12 x2 + . . . + a1n xn
y2 = a21 x1 + a22 x2 + . . . + a2n xn
..
.
..
.
..
.
..
.
ym = am1 x1 + am2 x2 + . . . + amn xn

kpletek mtrixszorzatos alakja
y = Ax,
ahol
a11
a21
A=
..
.
am1
a12
a22
..
.
am2
...
...
..
.
...
a1n
a2n
..
,
.
amn
y1

y2
y=
.. ,
.
ym
x1

x2
x=
.. .
.
xn

mtrixm uveletek
defincii
Az A mtrixot nevezzk a lineris helyettests mtrixnak.

Pldul az
x = 3a + 2b + 4c
y = a 3b + 2c
z = 2a b + 2c
helyettests mtrixszorzatos alakja

x
3
2 4
a

y = 1 3 2 b .
z
2 1 2
c
Szorzs vektorral Egy m n-es mtrix vektorral ktflekpp szorozhat: jobbrl egy n 1-es oszlopvektorral, balrl egy 1 m-es sorvektorral.
Az Ax = b egyenletrendszer oszlopmodelljbol lttuk, hogy az
egyenletrendszer bal oldala az A oszlopvektorainak az x koordintival vett lineris kombincija. Ez mtrixszorzssal is knnyen elleno rizheto. Hasonl llts igaz a balrl szorzsra is.
4.17. llts (Mtrixszorzs s lineris kombinci). Legyen A
m n-es mtrix, x n-dimenzis, y m-dimenzis vektor. Ekkor az Ax szorzat
az A oszlopvektorainak
a 1 x 1 + a 2 x 2 + + a n x n
lineris kombincijt, mg az y T A szorzat az A sorvektorainak
a 1 y 1 + a 2 y 2 + + a m y m
lineris kombincijt adja.
Szorzs standard egysgvektorral Knnyen igazolhatk azok az sszefggsek, melyeket a standard egysgvektorokkal val szorzssal kapunk. Jellje ei = (0, 0, . . . , 1, . . . , 0) azt a vektort, melynek i-edik koordintja 1, a tbbi 0.
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
eiT (Ae j ) = (eiT A)e j = aij .
179
180
lineris algebra
Az e j eiT did egy olyan mtrix, melynek

sszes tbbi 0:

0
0
.
.
.
..
h
i .

T
e j e i = 1 0 . . . 1 . . . 0 = 0

..
..
.
.
0
0
(i, j)-indexu eleme 1, az
...
...
...
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
Legyen [v] B = ( x, y, z). Ekkor

1
2
6
1

v = x 1 + y 3 + z 6 = 1
1
4
7
1
2
3
4

6
x

6 y .
7
z
Analg kplet rvnyes akkor is, ha kt tetszoleges bzis kzti ttrst

szmolunk.
2
4.20. plda (Bziscsere). Legyen B = { (1, 1, 1), (2, 3, 4), (6, 6, 7) } s
C = { (1, 2, 3), (0, 2, 3), (3, 5, 8) } az R3 kt bzisa. Vektorok B bzisban
megadott [v] B koordints alakjhoz keressk a C bzisbeli [v]C alakjt. Hogyan szmoljunk?

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
Teht a C bzis a B koordintarendszerben:

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:
4.21. definci (ttrs mtrixa). Legyen B = { b1 , b2 , . . . , bn } s

C = { c1 , c2 , . . . , cn } az Rn kt bzisa. rjuk fel B vektorait a C bzisban,
s e vektorokbl kpezznk mtrixot. Ezt nevezzk a B bzisrl a C-re val
ttrs mtrixnak. Ha szksges, a mtrix indexbe rjuk a kt bzist C
B alakban. Teht az ttrs mtrixa
A C B = [ [ b1 ] C | [ b2 ] C | | [ b n ] C ]
181
182
lineris algebra
4.22. llts (Koordintk vltozsa a bzis cserjnl). Ha B

s C az Rn kt bzisa s AC B az ttrs mtrixa, akkor brmely v vektor
B-, illetve C-beli koordints alakja kzt fennll a
[ 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.
Egy mtrix fenti A = BR alak felbontst bzisfelbontsnak nevezzk.

4.24. plda (Bzisfelbonts). Hatrozzuk meg az albbi mtrix bzisfelbontst, s magyarzzuk meg a kt mtrix oszlopainak jelentst!
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
ahol a4 az A negyedik oszlopvektora.
Egysgmtrix, elemi mtrixok Egy adott B mtrixhoz tallhatunk olyan

A-t, hogy az 1-gyel val szorzshoz hasonlan AB = B legyen. Pldul
"
#
"
#
3 4
2 2
A=
, B=
2 5
1 1
esetn
"
3
2
4
5
#"
2
1
#
# "
2 2
2
.
=
1 1
1
Az azonban mr nem igaz, hogy A-t brmely 2 2-es B mtrixszal

szorozva B lesz az eredmny. Ilyen mtrix is ltezik, nmi prblkozs
utn brki rtallhat.
4.25. definci (Egysgmtrix). Az n n-es
1 0
0 1
In := diag(1, 1, . . . , 1) =
.. ..
. .
0 0
...
...
..
.
...
0
..
.
1
mtrixot egysgmtrixnak nevezzk.

Az egysgmtrix elnevezs onnan szrmazik, hogy tetszoleges m
n-es A mtrixra igaz, hogy
Im Amn = Amn In = Amn ,
azaz e mtrix hasonl tulajdonsggal rendelkezik, mint a szmok kzt
az egy.
Az egysgmtrixszal mr tallkoztunk: a Gauss Jordan-mdszernl
egy n-ismeretlenes, n egyenletbol ll egyrtelmuen
megoldhat egyenletrendszer egytthatmtrixa az elemi sormuveletek
sorn egysgmtrixsz transzformldik!

Az egysgmtrixon vgrehajtott elemi sormuveletek
olyan mtrixokat eredmnyeznek, melyek kapcsolatot ltestenek az elemi sormuve

letek s a mtrixokkal val szorzs kztt. E mtrixoknak kln nevet
adunk.
Az egysgmtrix jellsre hasznlt I betu az angol identity matrix elnevezs elso

betujb
ol szrmazik. Az azonossg vagy
identits jelentsu identity sz az IA = A
sszefggsre utal (az x 7 x fggvnyt
ugyanezen okbl hvjuk identikus fggvnynek). Radsul az I betu hasonlt
legjobban az 1-es szmra.
184
lineris algebra
4.26. definci (Elemi mtrixok). Az In egysgmtrixon vgrehajtott

egyetlen elemi sormuvelettel
kapott mtrixot elemi mtrixnak nevezzk.

4.27. plda (Elemi mtrixok). Az albbi mtrixok elemi mtrixok:
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
Ezt igazolja, hogy mindegyikk I4 -bol szrmazik rendre a kvetkezo elemi

sormuveletekkel:
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
=
,
0 0 1 0 a31 a32 a31 a32

1 0 0 0
a41 a42
a11 a12
azaz a szorzs eredmnyeknt flcserlodtt A elso s negyedik sora.
A kvetkezo szorzs eredmnye
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
azaz az A msodik sora be lett szorozva 5-tel. Vgl
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
azaz az A a szorzs eredmnyeknt az A elso sorhoz hozz lett adva

harmadik sornak ktszerese.
2
E plda eredmnye kimondhat ttelknt, melynek bizonytsa ltalnosan is gy trtnik, mint az elozo pldban, ezrt elhagyjuk:

mtrixm uveletek
defincii
185

mtrixszorzssal). Legyen E az
az elemi mtrix, melyet Im -bol egy elemi sormuvelettel
kapunk. Ha ugyanezt a sormuveletet
egy tetszoleges m n-es A mtrixra alkalmazzuk, akkor

eredmnyl az EA mtrixot kapjuk.
Az elemi sormuveletek
mtrixszorzssal val elvgzsnek nincs

szmtsi praktikuma, annak clja az elemi sormuveletek
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
E felbontsban B11 = I3 , B21 = O23 , B22 = O2 .

Egy blokkmtrix sorait s oszlopait szoks a mtrix blokksorainak
s blokkoszlopainak nevezni a kznsges soroktl s oszlopoktl val
megklnbztets vgett. Pl. a fenti blokkmtrix elso blokksornak
elemei B11 , B12 , B13 .2
4.30. llts (Muveletek

blokkmtrixokkal). Blokkmtrixok skalrral val szorzsa s kt azonos mdon particionlt blokkmtrix sszeadsa
blokkonknt is elvgezheto, azaz
c[Aij ] := [cAij ],
[Aij ] + [Bij ] := [Aij + Bij ].
Ha A = [Aik ]mt , B = [Bkj ]tn kt blokkmtrix, s minden k-ra az

Aik blokk oszlopainak szma megegyezik Bkj sorainak szmval, akkor a
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
4.31. plda (Muveletek

blokkmtrixokkal). Vgezzk el az A + 3C
s az AB muveleteket
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!
Ezutn tekintsk a blokkmtrixok szorzst!
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
Ugyanezt az eredmnyt kapjuk, ha ellenorzsl egyszeru mtrixszorzssal is elvgezzk a muveletet!
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
A11 B12 + A12 B22

A21 B12 + A22 B22
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
Ekkor AB a mtrixszorzs defincija alapjn a kvetkezo alakba rhat:
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
ahol ai b j az A mtrix i-edik sornak s a B mtrix j-edik oszlopnak

skalris szorzata.
A blokkmtrixok szorzsi szablya akkor is alkalmazhat, ha csak
az egyik mtrixot particionljuk (a msik mtrixot egyszeruen
egyetlen
blokkbl ll mtrixnak tekintjk). Kt eset lehetsges. Az elso esetben
a szorzatmtrixban mtrixszor oszlopvektorok szerepelnek:
i h
i
h
C = AB = A b1 b2 . . . bn = Ab1 Ab2 . . . Abn
Itt teht a C mtrix j-edik oszlopvektora az A mtrix s a B j-edik
=
187
188
lineris algebra
oszlopnak szorzata, vagyis c j = Ab j . Sematikusan brzolva:
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.
4.33. plda (Szorzat elolltsa

didok sszegeknt). Bontsuk
fel a
"
# 1 1
0 1 2
2 0
3 4 5
1 1

mtrixm uveletek
defincii
szorzatot didok sszegre. Vajon felbonthat-e a szorzat kevesebb did

sszegre?
Megolds.
"
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).
E felbontsnak fontos specilis esete az, amikor A egyetlen sorbl,

vagy B egyetlen oszlopbl ll. Tekintsk az elozo pldban szereplo
A mtrix elso sort! Ekkor a fenti felbonts a kvetkezo alakot lti:
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
(AB) j = Ab j = a1 b1j + a2 b2j + . . . + at b1t

az i-edik sora pedig
(AB)i = ai B = ai1 b1 + ai2 b2 + . . . + ait bt ,

ami bizonytja az lltst.
189
190
lineris algebra
4.35. plda (Nulltr bzisa).

rnek bzist!
1 2
2 3
0 1
Hatrozzuk meg az albbi mtrix nullte3

5
1
4
7
1
11
1
Lineris egyenletrendszer megoldsnak blokkmtrix alakja*

Megolds. A nulltr, azaz a mtrixhoz tartoz homogn lineris egyenletrendszer megoldsainak tere knnyen leolvashat a reduklt lpcsos alakbl.
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
kedvrt tegyk fel, hogy az r rang A mtrix elso r oszlopa linerisan

fggetlen ez oszlopcserkkel mindig elrheto. Jellje Br az A elso r oszlopbl ll mtrixot, s legyen az [A|b] bovtett mtrix reduklt lpcsos alakja
"
#
Ir S dr
,
O O 0

mtrixm uveletek
defincii
ahol dr egy r-dimenzis vektor. Ekkor az Ax = b egyenletrendszer megoldhat, s megoldsa

" # " #
dr
S
x=
+
ts ,
0s
Is
ahol s a szabad vltozk szma, azaz s = n r, s ts a szabad paramterek
vektora, radsul A = Br [Ir |S] s b = Br dr .
Bizonyts. Mivel [Ir |S] az A reduklt lpcsos alakja, ezrt ennek brmely oszlopa az A mtrix azonos sorszm oszlopnak koordints
alakja az Br oszlopvektoraiban, mint bzisban felrva. Ez pp azt jelenti, hogy A = Br [Ir |S]. Ez az oszloptr brmely oszlopra, gy b-re
is igaz, hisz [A|b] reduklt lpcsos alakja szerint az egyenletrendszer
megoldhat, gy b eleme az oszloptrnek. Eszerint teht b = Br dr .
Az, hogy minden megolds flrhat ilyen alakba, a Gauss Jordanmdszerbol kvetkezik. Meg kell mg mutatni, hogy a ttelben felrt
x vektor valban megolds.
" # " # !
h
i
S
dr
ts
+
Ax = Br Ir S
Is
0s
= Br (dr Sts + Sts ) = Br dr

= b.
Ez bizonytja az lltst.
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
rjuk fel az albbi lineris helyettestsek mtrixszorzatos alakjt!

4.24. u = 2x 4y
Igaz hamis
v = x + 2y
Dntsk el, igazak-e az albbi lltsok? Vlaszunkat indokoljuk!

4.8. Ha az AB s a BA szorzat is rtelmezve van, akkor
mindkt szorzat ngyzetes.
4.9. Ha az (AB)C szorzat elvgezheto, akkor biztosan elvgezheto az A(BC) szorzat is.
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 .
4.17. A fenti jellsek mellett igazak-e a kvetkezo egyenlosgek?
(A + D)(A D) = A2 D2 .
Szmtsuk ki az albbi vektorok skalris s diadikus szorzatt!

rjuk fel mindkt muveletet
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
#
Vgezzk el az albbi muveleteket!
(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
nlkl hatrozzuk meg az
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
9 9-es mtrixot kell megadni, melynek ismerjk nhny,

de nem minden elemt. A feladat a nem ismert elemek
meghatrozsa. A mtrix 9 darab 3 3-as blokkra van particionlva s eleget tesz annak a felttelnek, hogy minden
sorban, minden oszlopban s minden blokkjban az 1-tol
9-ig terjedo egszek mindegyike egyszer szerepel. Ez azt
jelenti, hogy az egy sorban, egy oszlopban s egy blokkban
lvo szmok sszege mindig 45. Fejezzk ki ezt mtrixmuveletekkel,
azaz rjunk fel a sudoku tbla A mtrixt

is tartalmaz olyan mtrixegyenleteket, melyeket minden
helyesen kitlttt sudoku tbla mtrixa kielgt!
4.38. Hny eleme van a Z222 -nek, azaz a ktelemu test
fltti 2 2-es mtrixok ternek?
5
Mtrixmuveletek
tulajdonsgai
ttekintjk a mtrixmuveletek
legfontosabb algebrai tulajdonsgait.

Nhny dologban klnbznek a szmoknl megismert muveleti
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
tulajdonsgaik termszetes mdon rklik meg a

szmok muveleti
tulajdonsgait. A legfontosabb ilyen tulajdonsgokat

sorolja fl a kvetkezo ttel.
5.1. ttel (sszeads s skalrral szorzs tulajdonsgai). Legyen A, B s C azonos tpus (m n-es) mtrix, c s d legyenek skalrok.
Ekkor
a) A + B = B + A
felcserlhatosg, kommutativits
b) A + (B + C) = (A + B) + C csoportosthatsg, asszociativits
c) A + Omn = A
zrusmtrix (zruselem) ltezse
d) A + (A) = Omn
ellentett (additv inverz) ltezse
e) c(dA) = (cd)A
csoportosthatsg
f) 0A = Omn
g) 1A = A
h) 1A = A
i) (c + d)A = cA + dA
disztributivits
j) c(A + B) = cA + cB
disztributivits
I A csoportosthatsgi azonossgok kvetkezmnye, hogy a zr-
jelek elhagyhatk, gy A + (B + C) helyett rhat A + B + C, (cd)A

helyett cdA.
I A kt ltezsi llts tartalma az, hogy ltezik olyan mtrix, hogy
brmely vele azonos tpus A mtrixhoz adva A lesz az eredmny,
illetve minden A mtrixhoz ltezik olyan mtrix, mellyel sszeadva a
196
lineris algebra
zrusmtrixot kapjuk.
Bizonyts. Mintaknt bebizonytjuk az (a) lltst.
A + B = [ aij ] + [bij ] = [ aij + bij ] = [bij + aij ] = [bij ] + [ aij ] = B + A.

A *-gal jelzett egyenlosgnl hasznljuk a szmok sszeadsnak kommutativitst.
A tbbi llts hasonlan bizonythat.
2
A szorzs tulajdonsgai A szmok szorzsnak algebrai tulajdonsgai mr nem vihetok t olyan knnyen a mtrixmuveletekre,
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.
5.2. plda (Egyszerusts

mtrixszal). A vals szmok kzt igaz,
hogy ha a 6= 0 s ab = ac, akkor a-val egyszerusthetnk,
azaz akkor
b = c. Mtrixoknl az AB = AC egyszerusthet
osghez nem elg, hogy

A ne legyen zrusmtrix! Pldul
#
# "
#
"
#
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
5.3. plda (Nulloszt). A valsok kzt igaz, hogy ha ab = 0, akkor

vagy a = 0, vagy b = 0. Mtrixok kzt ilyen kvetkeztets nem vonhat le:
"
#"
# "
#
1 2
2 2
0 0
=
,
3 6 1
1
0 0
(Nullosztnak nevezzk egy algebrai struktra olyan nemzrus elemeit,
melyek szorzata zrus.)
I Megjegyezzk, hogy a Zm -ben val szmolsnl is hasonlkat ta-
pasztaltunk, ha m sszetett. Pldul Z6 -ban 2 3 = 0, s br 3 2 = 3 4,

2 6= 4.
5.4. ttel (Mtrixszorzs algebrai tulajdonsgai). Legyen A, B
s C olyan, hogy a kijellt muveletek
elvgezhetok legyenek, legyen tovbb

c skalr. Ekkor
a) A(BC) = (AB)C
felcserlhetosg, asszociativits
b) A(B + C) = AB + AC
disztributivits
c) (A + B)C = AC + BC
disztributivits
d) (cA)B = c(AB) = A(cB)

mtrixm uveletek
tulajdonsgai
e) Amn Ont = Omt

f) Im Amn = Amn In = Amn
szorzs nullmtrixszal
szorzs egysgmtrixszal
Bizonyts. A fenti tulajdonsgok kzl csak az elsot s az utolst

bizonytjuk, a tbbit feladatknt tuzzk
ki, mert vagy hasonlan, vagy

mg egyszerubben
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
Az utols lpsben a belso szumma minden tagjt beszoroztuk ak -val,

a szmok kzti sszeads s szorzs kzti disztributivitst hasznlva.
Vagyis mindkt oldalon olyan sszeg ll, amely az sszes ak bkl cl alak
szorzat sszege, csak a tagok csoportostsa ms.
2
197
198
lineris algebra
I Az asszociativits kvetkezmnye, hogy a tbbtnyezos mtrixszor-
zatokat nem kell zrjelezni, hisz brmelyik zrjelezs ugyanazt az

eredmnyt adja. Pldul
ABC = (AB)C = A(BC)
Az llts igaz tbbtnyezos szorzatokra is, vagyis az A1 A2 . . . Ak szorzat fggetlen a vgrehajts sorrendjtol, de a tnyezok sorrendje nem
vltoztathat!
I Indukcival bizonythat, hogy a (g)-beli sszefggs tbbtnyezos
szorzatokra is fnnll, azaz
(A1 A2 . . . Ak )T = AkT . . . A2T A1T .

I Megjegyezzk, hogy az asszociativits imnt lert bizonytsa ha-
sonlan mondhat el, ha az A = [ aik ] mtrix nem csak 1 sorbl, s a

C = [clj ] mtrix nem csak egy oszlopbl ll: ekkor a D = ABC szorzat
i-edik sornak j-edik elemre azt kapjuk, hogy az az sszes aik bkl clj
alak szorzatok sszege, azaz
m
dij =
aik bkl clj .
k =1 l =1
Ez, s az ehhez hasonl szmtalan hasonl kifejezs vezette Einsteint

arra a felismersre, hogy az indexelt vltozk szorzatainak sszegben
a szumma jelek feleslegesek, hisz azokra az indexekre kell sszegezni, amelyek legalbb ktszer szerepelnek, mg az egyszer szereplokre
nem. Teht az elozo kettos szumma helyett rhatnnk azt is, hogy
dij = aik bkl clj ,
hisz a jobb oldalon i s j csak egyszer szerepel, gy k-ra s l-re kell
sszegezni, azt pedig tudjuk, hogy k = 1, . . . , m s l = 1, . . . , n. Ezt
a jellsbeli egyszerustst
Einstein-konvencinak nevezik. Einstein ezt

a relativits ltalnos elmletrol rt hres dolgozatban hasznlta eloszr 1916-ban. A konvenci hasznlata foknt a lineris algebra fizikai
alkalmazsaiban terjedt el, mi e knyvben nem fogjuk hasznlni.
Mtrix hatvnyozsa Csak a ngyzetes mtrixok szorozhatk meg nmagukkal, hisz ha egy m n-es mtrix megszorozhat egy m n-essel,
akkor m = n. Ezt figyelembe vve termszetes mdon definilhat
ngyzetes mtrixok pozitv egsz kitevos hatvnya:
Ak = |AA{z
. . . A}
k tnyezo
Kicsit elegnsabban rekurzival is definilhatjuk e fogalmat: A1 :=

A s Ak+1 := Ak A.

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
azaz A2 = I2 , ebbol pedig ltjuk, hogy A3 = I2 A = A, A4 = A3 A =

AA = I2 ,. . . . Teht ltalban A2k = I2 s A2k+1 = A.
A msik feladatot a hatvnyozs rekurzv defincijt hasznlva indukcival knyelmesen meg tudjuk oldani. Eloszr szmoljuk ki A
nhny hatvnyt:
"
#"
# "
#
"
#"
# "
#
1 1 1 1
1 2
1 2 1 1
1 3
2
3
2
A =
=
,A = A A =
=
.
0 1 0 1
0 1
0 1 0 1
0 1
Ebbol azt sejtjk, hogy Ak = [ 10 1k ]. Ha be tudjuk ltni ennek az sszefggsnek az rklodst k-rl k + 1-re, akkor ksz vagyunk. Ms
A latin eredetu precedencia sz elozmnyt

jelent (lsd mg precedens). A precedencia elv a matematikban fogalmak jelentsnek olyan kiterjesztst jelenti, melynek sorn a korbban megismert tulajdonsgok, sszefggsek rvnyben maradnak.
1
200
lineris algebra
szval meg kell mutatnunk, hogy ha Ak = [ 10 1k ], akkor Ak+1 = [ 01 k+1 1 ].

Ezt a kvetkezo szorzs elvgzse igazolja:
"
#"
# "
#
1 k 1 1
1 k+1
k +1
k
A
=A A=
=
0 1 0 1
0
1
2
Miutn mtrixok lineris kombincija s ngyzetes mtrixok egsz
kitevos hatvnya rtelmezve van, ezrt ngyzetes mtrixokra is definilhatjuk skalr egytthats polinom helyettestsi rtkt. Legyen
p ( x ) = a k x k + a k 1 x k 1 + . . . + a 2 x 2 + a 1 x + a 0
egy skalr egytthats polinom. A p polinom X Rnn helyen vett
helyettestsi rtkn a
p ( X ) = a k X k + . . . + a2 X2 + a1 X + a0 I n
mtrixot rtjk.
5.7. plda (Polinom helyettestsi rtke). Legyen
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
elvgezve kapjuk, hogy

p(C) = C3 + 2C2 I
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
A transzponls tulajdonsgai A kvetkezo ttel a transzponls s a

tbbi muvelet
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
Bizonyts. Az elso hrom sszefggs magtl rtetodo, csak az

utolst bizonytjuk.
Eloszr megmutatjuk, hogy ha (AB) T elvgezheto, akkor B T A T is.
Az m t tpus A s a t n tpus B szorzata m n-es, transzponltja n m-es, gy az n t tpus B T s a t m-es A T sszeszorozhatk,
szorzatuk n m-es, gy a ttelbeli egyenlosg kt oldalnak tpusa azonos.
A ttel azon alapul, hogy kt tetszoleges u, v vektorra u T v = v T u.
Ezt az sszefggst a *-gal jellt egyenlosgnl fogjuk hasznlni. Az
(AB)T i-edik sornak j-edik eleme

(AB)T = (AB) ji = (A) j (B)i .
ij
A B T A T i-edik sornak j-edik eleme

BT AT
= BT
AT
ij
= ( 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 .
I A ttel (d) pontjra szemlletes igazols is adhat, ami leolvasha-
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,
inverzeik a kivons, illetve

az oszts. De mit is jelent ez pontosan, s vajon a mtrixmuveletek
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
5.1. bra: (AB) T = B T A T szemlletes bizonytsa
202
lineris algebra
prefix +( a, b) jells helyett muveleteknl
az n. infix jellst hasznljuk, azaz a + b-t runk (lsd errol mg a szljegyzetet).

Azon, hogy az sszads muvelete
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
invertlhatsgnl az AX = B s az YA = B egyenletre is gondolni kell, s

ezeknek nem lesz szksgkpp azonos a megoldsuk.
Ha egy A mtrix inverzeknt egyetlen mtrixot szeretnnk kapni,
olyan X mtrixot kell keresni, melyre AX = I s az XA = I is
fnnll. Be lehet bizonytani, hogy ez csak gy lehetsges, ha A s
X is ngyzetes mtrixok.
Vajon a szmokhoz hasonlan jellhetjk-e az inverz elemet a 1edik kitevore emelssel? A vlaszt erre is a precedencia elv adja.
Ha rtelmezheto a negatv kitevoju hatvny, akkor az 5.5. ttel rvnyessgt megtartva A1 olyan mtrix kell hogy legyen, melyre
A1 A = A1+1 = A0 = I s ugyangy AA1 = A11 = A0 = I.
Vgl, minthogy a mtrixok kzti muveleteket
is a szmok kzti
muveletek
tblzatokra val kiterjesztsn keresztl vezettk be,

elvrjuk, hogy az 1 1-es mtrixok inverze essen egybe a szmok multiplikatv inverzvel (reciprokval), azaz ha A = [ a], akkor
A1 = [ a1 ] = [1/a] legyen igaz.
E tbbfelol kzelto bevezets utn a definci a kvetkezo:
A szmtstechnikban gyakran tallkozunk a muveletek
infix jellse mellett a

prefix vagy lengyel s a postfix vagy fordtott lengyel jellsvel is. A prefixnl
a muveleti
jel az argumentumai elott, a

postfixnl utn van. Pldul a (3 + 4) 2
kifejezst a prefix jellst hasznl Lisp
nyelvcsald nyelveiben a
(* (+ 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])
formkat knlja fl.

mtrixm uveletek
tulajdonsgai
5.9. definci (Mtrix inverze). Legyen A egy n n-es mtrix. Azt

mondjuk, hogy A invertlhat, ha ltezik olyan B mtrix, melyre
AB = BA = In .
A B mtrixot A inverznek nevezzk, s A1 -nel jelljk. A nem invertlhat mtrixot szingulrisnak nevezzk.
I Vilgos, hogy ha A inverze B, akkor B inverze A.
I A defincibl nem derl ki, hogy egy mtrixnak lehet-e tbb in-
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
mtrixokat. Szmoljuk ki az AB s a BA szorzatokat!

#"
#
"
# "
#"
"
3 1 2
1 0
3 1
2 1
= I2 ,
=
5
2 5
0 1
2
5 3 5
# "
1
1
=
0
3
#
0
= I2 .
1
Eszerint A inverze B, s ugyanakkor B inverze A.

5.11. plda (Szingulris mtrix). Mutassuk meg, hogy az
#
"
2 1
A=
6 3
mtrix szingulris.
Megolds. Az A mtrix szingulris, ha nem invertlhat, azaz ha
nincs olyan X mtrix, hogy AX = XA = I2 . Mr az is elg, ha megmutatjuk, hogy az AX = I2 sosem llhat fnn! Vegyk szre, hogy
X-nek ngy eleme van, gy X meghatrozsa egy 4-ismeretlenes egyenletrendszerre vezet. Valban, ha X = [ wu vz ], akkor az AX = I2 egyenlet
a kvetkezo szimultn egyenletrendszerrel ekvivalens:
2u + w = 1
2v + z = 0
6u + 3w = 0
6v + 3z = 1
Ennek bovtett mtrixt elemi sormuveletekkel
lpcsos alakra hozzuk

"
#
"
#
2 1 1 0
2 1
1 0
=
6 3 0 1
0 0 3 1
Ebbol ltjuk, hogy az egyenletrendszerek legalbb egyike nem oldhat
meg, teht nincs ilyen X mtrix, vagyis A nem invertlhat!
2
203
204
lineris algebra
Egy ngyzetes A mtrixot nilpotensnek neveznk, ha van olyan k

pozitv egsz, hogy
Ak = O.
2 4 2
24
00
Pldul az [
1 2 ] mtrix nilpotens, mert [ 1 2 ] = [ 0 0 ].
5.12. plda (I A inverze nilpotens A esetn). Mutassuk meg, ha

A nilpotens, azaz valamely pozitv k-ra Ak = O, akkor I A invertlhat,
s inverze I + A + A2 + . . . + Ak1 .
Megolds. Megmutatjuk, hogy (I A)(I + A + A2 + . . . + Ak1 ) = I.
(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
van egy olyan

R0 sormuvelet,
hogy az R sormuvelettel
talaktott mtrixot az R0 visszaalaktja (ld. 2.21. feladat). Nevezzk ezt az R0 sormuveletet
az R sormuvelet
inverznek. Knnyen ellenorizheto, hogy az Si S j sormu

1
velet inverze nmaga, a cSi inverze c Si , s Si + cS j inverze Si cS j .
5.13. llts (Sormuvelet

inverznek mtrixa). Minden elemi
mtrix invertlhat, nevezetesen egy sormuvelet
elemi mtrixnak inverze

megegyezik a sormuvelet
inverznek elemi mtrixval.

A bizonytshoz elg beltni, hogy egy 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
s inverzeik mtrixnak szorzatt:
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!
5.14. ttel (Az inverz egyrtelmusge).

Ha a ngyzetes A mtrixhoz
ltezik olyan ugyancsak ngyzetes B s C mtrix, hogy AB = CA = I,
akkor B = C. Ennek kvetkezmnye, hogy egy mtrixnak legfljebb csak
egy inverze lehet.
Bizonyts. C = CI = C(AB) = (CA)B = IB = B, ami igazolja az
elso lltst. Ha A-nak B s C is inverze volna, fnnllna az AB = I s
a CA = I egyenlosg is, de ekkor B = C, teht az inverz egyrtelmu.2
5.15. ttel (Az inverz ltezshez elg egy felttel). A ngyzetes

A mtrix pontosan akkor invertlhat, ha ltezik olyan B mtrix, hogy az
AB = I s a BA = I felttelek egyike teljesl. Msknt szlva, a fenti kt
felttel brmelyiknek teljeslse maga utn vonja a msik teljeslst is!
Bizonyts. Megmutatjuk, hogy ha a ngyzetes A s B mtrixok kielgtik az AB = I egyenletet, akkor BA = I is fnnll, azaz A s B
inverzei egymsnak.
Tekintsk az AX = I mtrixegyenletet. Ezt gy oldjuk meg, hogy
az [A|I] mtrixot reduklt lpcsos alakra hozzuk. Ha ez [I|B] alak,
akkor B az AX = I egyenlet megoldsa, ezrt AB = I fennll. A reduklt lpcsos alakban zrus sor nem keletkezhet, mert a mtrix jobb
oldalt az I mtrixbl kaptuk, ami reduklt lpcsos alak, s gy egyrtelmu.
Ha elemi sormuveletekkel
zrus sort kapnnk a jobb oldali

flmtrixban, akkor volna olyan reduklt lpcsos alakja is, mely zrus
sort tartalmazna, ami ellentmonds. Ha csak a mtrix bal feln kapnnk zrus sort, akkor az AX = I egyenletnek nem lenne megoldsa,
vagyis nem llhatna fenn az AB = I egyenlosg sem.
Ezutn megmutatjuk, hogy BA = I. Ehhez tekintsk a BY = I
mtrixegyenletet. Ennek megoldshoz a [B|I] mtrixot kell reduklt
lpcsos alakra hozni. A elozoekbol tudjuk, hogy elemi sormuveletek
kel az
[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:
5.1 (Inverz kiszmtsa elemi sormuveletekkel).

A ngyzetes A
mtrix inverze kiszmthat, ha az [A|I] mtrixot elemi sormuveletekkel
[I|B] alakra hozzuk, ekkor A inverze B lesz. Ha A reduklt lpcsos alakja

nem az I mtrix, akkor A nem invertlhat.
5.16. plda (Az inverz kiszmtsa). Szmtsuk ki az
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
inverznek kiszmtsa hasonl lpsekkel:
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
5.17. ttel (2 2-es mtrix inverze). Az A = [ ac db ] mtrix pontosan

akkor invertlhat, ha ad bc 6= 0, s ekkor
"
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
Bizonyts. Az lltsok mindegyikt bizonytjuk:

a) A1 invertlhat, ha van olyan B mtrix, hogy A1 B = BA1 = I.
Ilyen mtrix viszont van, hisz A invertlhat, s inverzre A1 A =
AA1 = I. Eszerint a B = A vlaszts megfelel, s A1 inverze A.
b) A (cA)( 1c A1 ) = (c 1c )(AA1 ) = I szorzat bizonytja az lltst.
c) Az
(AB)(B1 A1 ) = A(BB1 )A1 = AA1 = I

szorzat bizonytja, hogy AB invertlhat, s inverze B1 A1 .
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
felrsbl leolvashat, mert a szorzatok kzepn lvo kt mtrix

szorzata mindig I, ami elhagyhat, s e lpst k-szor ismtelve vgl a kvnt eredmnyt kapjuk:
B
AA . . . (A A1 )A1 . . . A1 = AA . . . A A1 . . . A1 = = I.
| {z } |
| {z } |
{z
}
{z
}
k tnyezo
k tnyezo
k 1 tnyezo k1 tnyezo
e) Ha A invertlhat, akkor AA1 = A1 A = I, s ennek transzponltjt vve az

A 1
T
B 1
B 1 A 1
AB

T
= IT = I
A T = A T A 1
A
egyenlosgbol leolvashat, hogy A T invertlhat, s inverze A

T
A 1 .

T 1
A 1
I A (c) llts indukcival ltalnosthat vges sok mtrix szorzatra:
ha az azonos mretu ngyzetes A1 , A2 ,. . . Am mtrixok mindegyike

invertlhat, akkor szorzatuk is, s
1
1 1
( A 1 A 2 . . . A m ) 1 = A
m . . . A2 A1 .
I A (c) lltsbeli sszefggshez hasonlval tallkozhatunk a Rubik-
kocka forgatsa kzben is. Jellje A az egyik oldal derkszggel val

elforgatst, s B egy msik oldalt. A fggvnyek kompozcijhoz
hasonlan definiljuk e kt transzformci szorzatt: a B majd az A
forgats egyms utn val elvgzsvel kapott transzformcit tekintsk a kt forgats szorzatnak, s jelljk AB-vel (ld. 5.2 bra). E
transzformcit invertlni akarjuk, azaz vissza akarjuk lltani az eredeti llapotot, azaz azt az ( AB)1 transzformcit keressk, melyet
AB utn elvgezve az identikus (egy kockt sem mozgat) transzformcit kapjuk. Vilgos, elobb a A transzformci inverzt kell vgrehajtani, majd azutn az B inverzt, azaz ( AB)1 = B1 A1 .
I Az Ak (d) pontbeli defincija is a precedencia elvbol kvetkezik,
pldul az Am An = Am+n sszefggs kiterjesztse negatv kitevore
az Ak Ak = A0 formulhoz vezet, amibol azt kapjuk, hogy Ak =
( A k ) 1 .
5.19. plda (Inverz
tulajdonsgainak
alkalmazsa).
Az 5.16. plda mtrixainak inverzt hasznlva szmtsuk ki az albbi
5.2. bra: Jellje A a buvs
kocka als, B a jobb hts oldalnak elforgatst, s jellje AB a B, majd az A egyms

utn val elvgzsvel kapott transzformcit. (Ahogy a fggvnyek sszettelnl, elobb a jobb oldali, majd a bal oldali fggvnyt rtkeljk ki, hajtjuk vgre.) Ennek inverze ( AB)1 gy kaphat meg, ha elobb vgrehajtjuk az A1
majd a B1 transzformcit. Ezek szorzata B1 A1 , teht ( AB)1 = B1 A1 .

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
Az invertlhatsg s az egyenletrendszerek megoldhatsga A kvetkezo

ttel a mtrixok invertlhatsgt, az egyenletrendszerek megoldsnl hasznlt elemi sormuveleteket
s az egyenletrendszerek megoldhatsgt kapcsolja ssze.

5.20. ttel (Az invertlhatsg s az egyenletrendszerek). Adva van egy n n-es A mtrix. Az albbi lltsok ekvivalensek:
a) A invertlhat;
b) az AX = B mtrixegyenlet brmely n t-es B mtrixra egyrtelmuen
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.
(b) (c): Nyilvnval a B = b vlasztssal.

(c) (d): Nyilvnval a b = 0 vlasztssal.
(d) (e): Egy n-ismeretlenes, n egyenletbol ll homogn lineris egyenletrendszer pontosan akkor oldhat meg egyrtelmuen,
ha
egytthatmtrixnak reduklt lpcsos alakja In .
(e) (f): Ha A reduklt lpcsos alakja In , akkor ltezik elemi sormuveletek
olyan sorozata, mely az A In transzformcit elvgzi. Jellje az elemi sormuveletekhez
tartoz elemi mtrixokat E1 ,. . . Ek . Ek1

kor teht E1 E2 . . . Ek A = In . Innen A kifejezheto az E11 -nel,. . . E
k -nel
balrl val beszorzs utn:
A = Ek1 . . . E21 E11 .
Elemi mtrixok inverze elemi mtrix, teht A eloll elemi mtrixok
szorzataknt.
1
1 1
oje inver(f) (a): Az A = E
k . . . E2 E1 mtrix minden tnyez
tlhat, mivel mindegyik elemi mtrix, gy szorzatuk is, s az inverz
A 1 = E 1 E 2 . . . E k .
I A ttel sok pontjnak ekvivalencija azt jelenti, hogy kzlk br-
mely kettore igaz, hogy az egyik pontosan akkor igaz, ha a msik.

Pldul A pontosan akkor invertlhat, ha az Ax = b egyenletrendszer minden b vektorra egyrtelmuen
megoldhat.
I Ksobb megmutatjuk azt is, hogy A pontosan akkor invertlhat,
ha az Ax = b egyenletrendszer minden b vektorra megoldhat. Azaz
az egyrtelmusg
a felttelbol kihagyhat. Msknt fogalmazva, ha

Ax = b minden b vektorra megoldhat, akkor a megolds minden
b-re egyrtelmu.
5.21. plda (Egyenletrendszer megoldsa mtrixinvertlssal). Oldjuk meg az

2x + y = 2
5x + 3y = 3
egyenletrendszert mtrixinvertlssal.
Megolds. Az egytthatmtrix s inverze az 5.17. ttel szerint
"
#
"
#
2 1
3 1
1
A=
, A =
,
5 3
5
2

mtrixm uveletek
tulajdonsgai
gy az ismeretlenek ( x, y) vektorra
" #
" # "
x
3
1 2
=A
=
y
3
5
1
2
#" # " #
2
3
=
.
3
4
5.22. plda (Mtrixegyenlet megoldsa mtrixinvertlssal).

Oldjuk meg az AX = B mtrixegyenletet, ahol
"
#
"
#
2 1
1 3 2
A=
, s B =
.
5 3
4 3 1
Megolds. Az A mtrix megegyezik az elozo feladatbeli mtrixszal,

gy tudjuk, hogy invertlhat, s ismerjk az inverzt. Az AX = B
mtrixegyenlet megoldsa:
"
#"
# "
#
3 1 1 3 2
1
6
5
1
X=A B=
=
.
5
2 4 3 1
3 9 8
2
I Megjegyezzk, hogy lineris egyenletrendszert mtrixinvertlssal
ritkn oldunk meg, mert muveleignye
valamivel nagyobb, mint az

egyszeru kikszblsnek.
5.23. plda (Mtrix elemi mtrixok szorzatra bontsa). Bontsuk fel az A = [ 13 25 ] mtrixot elemi mtrixok szorzatra!
Megolds. Az 5.20. ttel bizonytsnak (e) (f) lpse szerint ha
egy A mtrixot elemi sormuveletekkel
az egysgmtrixba lehet transzformlni, akkor az elemi sormuveletek
inverzei fordtott sorrendben

elvgezve az I-t A-ba transzformljk. Ez viszont azt jelenti, hogy a
hozzjuk tartoz elemi mtrixok szorzata pp A.
Elemi sormuveletek
"
#
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
Elemi mtrixok inverzei
"
E11
E21
0
1
"
0
1
1
=
0
"
E31
1
=
3
1
=
0
2
1
211
212
lineris algebra
A fenti talakts nyomn teht E3 E2 E1 A = I, amibol A = E11 E21 E31 ,

azaz
"
# "
#"
#"
#
1 2
1 0 1
0 1 2
=
,
3 5
3 1 0 1 0 1
gy A-t hrom elemi mtrix szorzatra bontottuk.
Invertlhatsg, bzis, bziscsere Az 5.20. ttel szerint a ngyzetes A

mtrix invertlhatsga azzal ekvivalens, hogy a homogn lineris
Ax = 0 egyenletrendszernek a trivilis az egyetlen megoldsa. Mivel Ax az A oszlopvektorainak egy lineris kombincija, ezrt ez azt
jelenti, hogy a nullvektor csak egyflekpp ll elo A oszlopvektorainak
lineris kombincijaknt, a trivilis mdon. Teht A oszlopvektorai
linerisan fggetlenek! Ez egyttal azt is jelenti, hogy A oszlopvektorai bzist alkotnak, s hogy r(A) = n. Felhasznlva a ?? ttelt, mely
szerint a sortr s az oszloptr dimenzija megegyezik a ranggal, a
kvetkezo ttelt kapjuk:
5.24. kvetkezmny (Invertlhatsg s bzis). Adva van egy vals n n-es A mtrix. Az albbi lltsok ekvivalensek:
a) A invertlhat;
b) A oszlopvektorai linerisan fggetlenek;
c) A oszlopvektorai bzist alkotnak Rn -ben;
d) A sorvektorai linerisan fggetlenek;
e) A sorvektorai bzist alkotnak Rn -ben;
f) r(A) = n.
Legyen B = { b1 , b2 , . . . , bn } s C = { c1 , c2 , . . . , cn } az Rn kt bzisa, s jellje XC B a B-rol C-re, Y BC a C-rol B-re val ttrs mtrixt.
Legyen tovbb v a tr egy tetszoleges vektora, a B bzisbeli alakja
[v] B . A 4.22. ttel szerint
[ v ]C = XC B [ v ] B ,
[ v ] B = Y BC [ v ]C .
A msodik egyenletbe helyettestve az elsot kapjuk, hogy
[ 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
5.26. plda (Az ttrs mtrixnak inverze). Az R3 egy B =

{b1 , b2 , b3 } bzisban felrtuk a standard egysgvektorokat:

1
1
1

i = 1 , j = 2 , k = 3 .
1 B
2 B
4 B
rjuk fel B bzisvektorainak standard bzisbeli koordints alakjt!
Megolds. Jellje E a standard bzist. Ennek vektorait kifejeztk a B
bzis elemeivel, az ezekbol kpzett mtrixszal teht az E -beli vektorok
B -beli koordints alakja flrhat, teht ez a B E ttrs mtrixa,
azaz
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
Ennek oszlopvektorai adjk a B vektorainak E -beli alakjt.
213
214
lineris algebra
Feladatok
mtrix k-adik hatvnyait!
Igaz hamis
5.1. A ngyzetes A mtrix pontosan akkor invertlhat, ha
elemi sormuveletekkel
megkaphat az I mtrixbl.
5.2. Ha elemi sormuveletek
A-t B-be viszik, akkor az inverz sormuveletek
B-t A-ba viszik.

5.3. Ha elemi sormuveletek
A-t B-be viszik, akkor az inverz sormuveletek
fordtott sorrendben vgrehajtva B-t Aba viszik.

Muveleti
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
5.13. rjuk fel a mtrixszorzs defincijt az Einsteinkonvencit hasznlva.

Blokkmtrixok
5.14. Mutassuk meg, hogy ha A s D invertlhat mtrixok, akkor a kvetkezo n. blokkdiagonlis mtrix invertlhat, s inverze
"
# 1 "
#
A O
A 1
O
=
.
O D
O
D 1
tovbb tetszoleges, de megfelelo tpus B mtrix esetn
"
# 1 "
#
A B
A1 A1 BD1
=
.
O D
O
D 1
5.15. Mutassuk meg, hogy ha A s D ngyzetes mtrixok,
akkor
#
# 1 "
"
X
XBD1
A B
,
=
C D
D1 CX D1 + D1 CXBD1
ahol X = (A BD1 C)1 , s felttelezzk, hogy minden
felrt mtrixinverz ltezik.
Az elobbi kt feladat valamelyiknek felhasznlsval
szmtsuk
ki az albbi
mtrixok inverzt!
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
tartoz elemi mtrixot

jellje Eij , a cSi -hez tartozt Ei (c) s a Si + cS j sormuve
lethez tartozt Eij (c). Mutassuk meg, hogy Eij1 = Eij ,
Ei (c)1 = Ei ( 1c ) s Eij (c)1 = Eij (c).
"
A=
0
1
1
1
5.21. Mutassuk meg, hogy ha A flcserlheto B-vel s B

invertlhat, akkor A flcserlheto B1 -gyel is.

mtrixm uveletek
tulajdonsgai
215
Absztrakci
muvelet
kommutatv?
5.22. Invertlhat muvelet

Legyen } egy H-n rtelmezett ktvltozs muvelet,
azaz egy H 2 H fggvny. Fogalmazzuk meg, mit rtnk azon, hogy } invertlhat egy
R H rszhalmazn. Hogyan vltozik a definci, ha a
5.23. Elem inverze Legyen } egy H-n rtelmezett ktvltozs muvelet.
1. Mit rtnk azon, hogy e H e muvelet
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
vgezhetok el, s olyanokkal, melyek mtrixmuveletek
segtsgvel definilhatk.
Diagonlis mtrixok A mtrixmuveletek
defincii alapjn magtl rtetodo, hogy diagonlis mtrixokkal hogyan vgezhetok el a mtrixmuveletek.
Elsoszr egyszeru pldkat mutatunk.

diagonlis mtrixokkal). Legyen A =
diag(1, 2, 3), B = diag(5, 4, 3). Ellenorizzk az albbi szmtsokat, s
fogalmazzunk meg ltalnos sszefggseket diagonlis mtrixokkal vgzett
muveletekr
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
Ak = 0 2 0 = 0 2k 0 , ahol k egsz szm.

0 0 3k
0 0 3
5.28. ttel (Muveletek

diagonlis mtrixokkal). Legyen A =
diag( a1 , a2 , . . . , an ), B = diag(b1 , b2 , . . . , bn ), s legyen k egsz szm. Ekkor
a) AB = diag( a1 b1 , a2 b2 , . . . , an bn ),
b) Ak = diag( a1k , a2k , . . . , akn ), specilisan
1
c) A1 = diag( a11 , a21 , . . . , a
n ).
Permutcis mtrixok s kgyk Knnyen kezelhetok a diagonlis mtrixok sorainak permutcijval kapott mtrixok.
5.29. plda (Sorok permutcija mtrixszorzssal). Alkalmazzunk tbb sorcsert az egysgmtrixon. Az gy kapott mtrixszal balrl val
szorzs milyen hatssal van a beszorzott mtrixra? Szemlltessk ezt I4 -en
az S1 S2 , S2 S4 sorcserkkel.

mtrixm uveletek
tulajdonsgai
Megolds. Legyen P az I4 -bol a fent megadott kt sorcservel kapott

mtrix, s legyen A egy tetszoleges 4 n-es mtrix. Ekkor
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-
rix, melynek minden sorban s minden oszlopban pontosan egy 1-es

van, az sszes tbbi elem 0. A kgy olyan ngyzetes mtrix, melynek
minden sorban s minden oszlopban legfljebb egy nemnulla elem
van.
I Minden kgy megkaphat egy diagonlis mtrixbl oszlopcserkkel is. Egy diagonlis mtrixbl akkor is kgyt kapunk, ha a sorok
permutcija mellett az oszlopokat is permutljuk.
5.31. plda (Kgyk). Az albbi mtrixok mindegyike kgy, az utols
ketto egyttal permutcis mtrix is:
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

permutcis mtrixokkal). Brmely kt
azonos mretu permutcis mtrix szorzata s egy permutcis mtrix brmely egsz kitevos hatvnya permutcis mtrix. Permutcis mtrix inverze megegyezik a transzponltjval, azaz ha P permutcis mtrix, akkor
P 1 = P T .
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
(PP T )ij = (P)i (P T ) j = (P)i (P) j ,

azaz a szorzat i-edik sornak j-edik eleme a P i-edik s j-edik sorvektornak skalrszorzata, ami 0, mivel kt klnbzo sorban az 1-es
klnbzo helyen van.
2
5.33. plda (Permutcis mtrix inverze). Az albbi plda szemllteti a ttelben kimondott egyszeru lltst:
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

hromszgmtrixokkal). Felso hromszgmtrixok sszege, szorzata, s invertlhat felso hromszgmtrix inverze
felso hromszgmtrix. Analg ttel igaz az als hromszgmtrixokra is.
Egy hromszgmtrix pontosan akkor invertlhat, ha fotlbeli elemeinek
egyike sem zrus.
A bizonytst feladatknt az Olvasra hagyjuk.
Szimmetrikus s ferdn szimmetrikus mtrixok Gyakran hasznlunk olyan

mtrixokat, melyekben az elemek egyenlok vagy ellentettjei a fotlra nzve szimmetrikusan elhelyezkedo prjuknak. E tulajdonsg a
transzponlttal knnyen kifejezheto.
5.36. definci (Szimmetrikus s ferdn szimmetrikus mtrixok). A ngyzetes A mtrixot szimmetrikusnak nevezzk, ha A T = A,
s ferdn szimmetrikusnak nevezzk, ha A T = A.
5.37. plda (Szimmetrikus s ferdn szimmetrikus mtrixok). Az
albbi mtrixok kzl az A szimmetrikus, a B ferdn szimmetrikus, a C
egyik osztlyba sem tartozik.
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
Ha A ferdn szimmetrikus, akkor minden elemre aij = a ji , azaz

i = j esetn aii = aii . Ez csak aii = 0 esetn ll fnn, azaz a ferdn
szimmetrikus mtrixok fotljban csupa 0 ll.
5.38. llts (Muveletek

(ferdn) szimmetrikus mtrixokkal).
Szimmetrikus mtrixok sszege, skalrszorosa, szorzata, inverze szimmetrikus. Hasonlan ferdn szimmetrikus mtrixok sszege, skalrszorosa, szorzata, inverze ferdn szimmetrikus.
Az llts bizonytst feladatknt az olvasra hagyjuk.
5.39. ttel (Felbonts szimmetrikus s ferdn szimmetrikus
mtrix sszegre). Minden ngyzetes mtrix eloll egy szimmetrikus s
egy ferdn szimmetrikus mtrix sszegeknt, nevezetesen minden A ngy-
219
Az angol nyelvu lineris algebra tanknyvek klnbsget tesznek a felso s

az als hromszgmtrix egyenletrendszerek megoldsa kztt. Forward substitution, illetve backward substitution a neve a behelyettestsnek ha als, illetve
ha felso hromszgmtrix az egytthat mtrix. Ez arra utal, hogy a vltozkat elore vagy htra haladva szmoljuk
ki. Mi nem fogjuk hasznlni e finom klnbsgttelt.
2
220
lineris algebra
zetes mtrixra
A=
1

1
A + AT +
A AT .
|2
{z
} |2
{z
}
szimmetrikus
ferdn szimm.
Bizonyts. Ha egy mtrix szimmetrikus, konstansszorosa is, gy elg

megmutatni, hogy az A + A T mtrix szimmetrikus:

A + AT
T
T
= AT + AT = AT + A = A + AT
Hasonlkpp A A T ferdn szimmetrikus, hiszen

A AT
T

T

= AT AT = AT A = A AT
Vgl a kt mtrix sszege valban A:

1

1
1
1
1
1
A + AT +
A A T = A + A T + A A T = A.
2
2
2
2
2
2
Fontos kvetkezmnyei lesznek az albbi egyszeru lltsnak.

5.40. ttel (A T A s AA T szimmetrikus). Az A T A s az AA T mtrixok tetszoleges A mtrix esetn szimmetrikusak.
T
Bizonyts. AA T
=
ugyangy bizonythat.
AT
T
A T = AA T . Az llts msik fele

2
Mtrix s did sszegnek inverze* sszegmtrix inverzre a valsok

sszegnek inverzhez hasonlan nincs egyszeru kplet, de specilis
mtrixokra nagyon hasznos eredmnyek vannak. Ilyen a kvetkezo
ttel is.
5.41. ttel (Sherman Morrison-formula). Tegyk fel, hogy az
A Rnn mtrix invertlhat, s u, v Rn kt olyan vektor, hogy
1 + v T A1 u 6= 0. Ekkor A + uv T invertlhat, s

A + uv T
1
= A 1
A1 uv T A1
.
1 + v T A 1 u
Bizonyts. Elg megmutatni, hogy

A 1
A1 uv T A1
1 + v T A 1 u

A + uv T = I,
mert ez a formula igazolsa mellett azt is bizonytja, hogy A + uv T

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
5.43. plda (Inverz vltozsa szmpldn). Adva van egy A mtrix

s annak inverze:
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
Vltoztassuk meg a11 rtkt 1-rol 11/10-re. Az gy kapott mtrixot jellje

B. Hatrozzuk meg inverzt!
Megolds. Az elozo plda alkalmazsval
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
8/5 7/5 2/5 10 0 6/25 9/25 0

0
0
0
0
3/5 2/5
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
5.2 (Strassen-formulk). Legyen A, B s C is 2 2-es. A C = AB

szorzs elvgezheto a kvetkezo formulkkal:
d1 = ( a11 + a22 )(b11 + b22 )
c11 = d1 + d4 d5 + d7
d2 = ( a21 + a22 )b11
c21 = d2 + d4
d3 = a11 (b12 b22 )
c12 = d3 + d5
d4 = a22 (b11 + b21 )
c22 = d1 + d3 d2 + d6
d5 = ( a11 + a12 )b22

d6 = ( a11 + a21 )(b11 + b12 )
d7 = ( a12 a22 )(b21 + b22 )
Ha olyan szmtgpet hasznlunk, melyen a szmok szorzsa sokkal tbb idot ignyel, mint az sszeadsa, akkor mr ez is gyorsthatja a muveletet.
A mdszer azonban kiterjesztheto tetszoleges mretu

ngyzetes mtrixokra is, s elegendoen nagy n-ekre a muveletek
szszma is cskken. A standard mtrixszorzs muveletignye
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
sszmra a cnlog2 7 cn2.81 felso becslst kapjuk, ami

3
2
a 2n n rtknl jobb, fggetlenl a c konstans konkrt rtktol.
Mivel a kt sszeszorzand mtrix mindegyiknek mind az n2 elemt
hasznlni kell, ezrt a szksges muveletek
szmnak als becslse

2
2.81
2.376
cn . A cn
felso becsls mra cn
-ra lett javtva (Coppersmith s
Winograd, 1990), de az a sejts, hogy a kitevo 2-re, de legalbb 2 + -ra
lenyomhat, ahol tetszolegesen kis pozitv szm.
A mdszer gyengje numerikus instabilitsa, gy a gyakorlatban
csak bizonyos mtrixokra rdemes hasznlni, pldul nagymretu egszelemu mtrixokra tetszoleges pontossg aritmetika hasznlata esetn.
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
oszlopcserkkel is megkaphat az egysgmtrixbl, s

hogy permutcis mtrixszal jobbrl val szorzs a beszorzott mtrix oszlopain ugyanazt a permutcit hajtja vgre, mint amellyel a permutcis mtrix az egysgmtrixbl
megkaphat.
5.29. Bizonytsuk be, hogy brmely kt azonos mretu kgy szorzata s egy kgy brmely pozitv egsz kitevos
hatvnya kgy.
5.30. Mutassuk meg, hogy egy K kgy pontosan akkor
invertlhat, ha minden sorban pontosan egy elem nem 0,
s ekkor inverze megkaphat gy, hogy minden nemnulla elem helybe annak reciprokt rjuk, majd az gy kapott
mtrixot transzponljuk.
5.31.? Gyorsinvertls Legyen B = A1 , mindketten
2 2-es mtrixok. Mutassuk meg, hogy az albbi eljrssal
definilt mtrixinvertls segtsgvel n n-es mtrixokra
olyan algoritmus ksztheto, melynek muveletignye
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
helyettestsk mtrixokkal val szorzssal. Vgl

az gy kapott mtrixszorzatos alak segtsgvel lltsuk elo A-t az U s egy
msik mtrix szorzataknt.
Megolds. Oszloponknt haladva vgezzk el a Gauss-kikszblst.
Minden elemi sormuvelet
mellett (zrjelben) megadjuk a hozz tartoz elemi mtrixot:
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
Teht E3 E2 E1 A = U, amibol az (E3 E2 E1 )1 mtrixszal val beszorzs

utn A = (E11 E21 E31 )U. Kiszmoljuk az elemi mtrixok inverzeinek
szorzatt, azaz az L = E11 E21 E31 mtrixot. Flhasznljuk a 204. oldalon mondottakat, miszerint Si + cS j mtrixnak inverze Si cS j mtri-
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)
Az LU-felbonts hasznlata egyenletrendszer megoldsra Ha ismerjk az

n n-es invertlhat A mtrix LU-felbontst, akkor az Ax = b egyenletrendszer knnyen megoldhat. Az Ax = b egyenletrendszer megoldsa az Ly = b, Ux = y egyenletrendszerek megoldsval ekvivalens. Ha ugyanis x megoldsa Ax = b egyenletrendszernek, akkor
LUx = b, s y = Ux jellssel Ly = b. Msrszt, ha y megoldsa
az Ly = b egyenletrendszernek, s x az Ux = y egyenletrendszernek,
akkor y-t behelyettestve L(Ux) = b, azaz Ax = b. Tmren:
Ax = b megoldhat Ly = b, Ux = y megoldhat.
Mivel L s U is hromszgmtrix, ezrt az Ly = b, Ux = y egyenletrendszerek egyszeru behelyettestsekkel megoldhatk. A megolds
minkt esetben egyrtelmu,
mert L s U rangja is n.
5.46. plda (Egyenletrendszer megoldsa
Oldjuk meg a kvetkezo egyenletrendszert!
LU-felbontssal).
4x1 + x2 + 2x3 = 8
2x1 + 4x2 + x3 = 4
x1 + 2x2 + 4x3 = 9
Megolds. Mivel ismerjk az egytthatmtrix LU-felbontst az

pp az (5.1)-beli felbonts , ezrt ezt hasznljuk, s eloszr megoldjuk

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
Ezutn ugyangy, egyszeru helyettestsekkel megoldhat az UX = Y,

azaz a
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
mtrixegyenlet is, melynek megoldsa
2
1
X = 1
7
0
0
2
1
0 .
2
Az LU-felbonts kiszmtsa Az 5.44. pldban kvetett eljrs egyszeruen

ltalnosthat tetszoleges mretu ngyzetes mtrixra.
5.48. algoritmus (Egy LU-felbonts elolltsa).

Tegyk fel, hogy
az n n-es A mtrix kizrlag csak a hozzads elemi sormuveletvel
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
eliminljuk az elso oszlop elemeit (termszetesen lk1 =

ak1 /a11 ).
2. Folytassuk az elimincit a msodik oszloppal, azaz hajtsuk vgre az S3
l32 S2 ,. . . Sn ln2 S2 sormuveleteket,
majd eliminljuk sorban a tbbi oszlop fotl alatti elemeit is.

3. Az eredmnyl kapott lpcsos alak lesz U.
4. A kikszbls konstans lij elemeit rjuk egy mtrix index szerinti helybe,
melynek fotljba 1-eket, fl 0-kat runk. Ez lesz az L mtrix, azaz
l21
L=
..
.
ln1
0
1
..
.
...
...
..
.
ln2
...
0
..
.
.
1
(5.2)
Ismt vgigszmoljuk az 5.44. pldabeli mtrix felbontst. Eloszr

rjunk le egy egysgmtrixot, de a fotl alatti helyeket resen hagyva,
ebbol lesz L. rjuk mell az A mtrixot, s amikor elvgznk egy Si
l ji S j sormuveletet
rajta, akkor az l ji rtket bejegyezzk az L mtrix

j-edik sornak i-edik oszlopba. Az albbi szmtsok bal hasbjban

mtrixm uveletek
tulajdonsgai
ltjuk a fentiek szerinti lpseket.
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.
5.49. ttel (Az LU-felbonts ltezse s egyrtelmusge).

Legyen A invertlhat n n-es mtrix.
1. Ha ltezik A-nak LU-felbontsa, akkor ezek egyike megkaphat
az 5.48. algoritmussal.
2. Az A-nak olyan LU-felbontsa, melyben L fotljban csak 1-esek vannak egyrtelmu.
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
transzformljuk A-t U-ba. E transzformcik inverze

Si + lij S j , melynek mtrixt jellje Lij . Ez felrhat I + lij ei e Tj alakban,
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
mtrixnak nincs LU-felbontsa, hisz brmely LU-felbonts bal felso

elemre (LU)11 = l11 u11 6= 0, ugyanakkor a11 = 0. Az elso s msodik
sorok cserje utn kapott
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
ami egy LU-felbonts. gy a PA = LU alakra jutottunk, amibol a

P1 = P T mtrixszal val szorzs utn az A = P T LU felbontst kapjuk.
Az LU-felbontst csak ngyzetes mtrixokra definiltuk, az egyenletrendszer megoldsban s a mtrix invertlsban val fontos szerepre s egy unicitsttel kimondhatsgra gondolva. Most tbb
szempontbl is ltalnosabb defincit adunk, olyat, mely tetszoleges
mtrixokra egy egzisztenciattel kimondst is lehetov teszi.
5.50. definci (PLU-felbonts). Egy tetszoleges m n-es A mtrixnak egy permutcis, egy ngyzetes als hromszg- s egy m n-es felso
hromszgmtrixra val bontst PLU-felbontsnak nevezzk.
Az 5.48. algoritmus kis vltoztatssal alkalmass teheto e felbonts
elvgzsre is. A mdostott algoritmus radsul a ngyzetes szingulris mtrixokra is hasznlhat lesz.
1. Az elemi sormuveletek
kzben sorcserkre is szksg lehet, ha a

fotlban 0, de alatta valahol nem 0 ll. Az a sorcsere, ami ilyenkor
elvgzendo, elvgezheto a kikszblsi eljrs elott is (ezt az lltst nem igazoljuk). E sorcserkhez tartoz elemi mtrixok szorzata
egy P permutcis mtrix. gy az algoritmust nem az A-n, hanem
PA-n hajtjuk vgre. Eredmnyl egy
PA = LU
felbontst kapunk, mely a P T = P1 mtrixszal val beszorzs utn
a kvnalmaknak megfelelo A = P T LU felbontst adja.
2. Ha sorcserkkel sem lehet elrni, hogy a fotlban ne legyen zrus,
akkor az algoritmusban tovbb lpnk a kvetkezo oszlopra.
231
232
lineris algebra
3. Nem kell lpcsos alakra hozni A-t, a felso hromszgmtrixsz val

alakts kevesebbet kr. Ez azt is jelenti, hogy itt a foelemet mindig a fotlrl vlasztjuk, akkor is, ha a lpcsos alakra hozsnl
tudnnk fltte is foelemet vlasztani.
4. A gyakorlatban a hatkony szmtgpprogramok rszleges foelemkivlasztssal dolgoznak, gy olyankor is alkalmaznak sorcserket, ha a fotlban nem zrus van.
5.51. plda (PLU-felbonts elolltsa).

Keressk meg az
0
1
A=
1
1
0
1
1
1
1
0
1
2
1
1
2
1
2
0
2
4
mtrix egy PLU-felbontst! Az A felso hromszg-alakra hozsa kzben

alkalmazzunk rszleges foelemkivlasztst! gyeljnk arra, hogy foelemet
itt csak a fotlrl vlasszunk!
Megolds. Az egyszerusg
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
A kt sorcsere alapjn a permutcis mtrix:
0
1
P=
0
0
1
0
0
0
0
0
0
1
0
0
1
0
Ezutn elvgezve a sormuveleteket
a megpermutlt sor PA mtrixon

s az 5.48. algoritmus szerint megkrelva az L mtrixot kapjuk, hogy
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
P transzponltja nmaga, gy a fenti jellsekkel A = PLU egy PLUfelbonts.

2

mtrixm uveletek
tulajdonsgai
Az LU-felbonts a gyakorlatban Az LU-felbonts muveletignye
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
2.0 2.0 2.0
5.37. 0.5 0.0 1.0

1.0 1.5
1.0
Az elozo feladatokban megkonstrult LU-felbontsokat
hasznlva oldjuk meg az albbi egyenletrendszereket, azaz
oldjuk meg elobb az Ly = b, majd az Ux = y egyenletrendszereket!
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
2.0 2.0 2.0

5.6
5.41. 0.5 0.0 1.0 x = 1.0

1.0 1.5
1.0
4.6
Hatrozzuk meg az albbi mtrixok inverzt az LUfelbontsuk ismeretben, azaz oldjuk meg az LY = I s
az UX = Y mtrixegyenleteket!
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
0.0 1.0 1.5
5.46. 0.5 2.0 2.0

0.0
2.0 2.0
5.47. Igazoljuk, hogy az
A = 1
0
0
1
1
mtrixnak nincs LU-felbontsa.
1
1

mtrixm uveletek
tulajdonsgai
Megoldsok
felrst hasznlva:
-re
tv1
tv2
4.1. A kt tblzat szorzata:
Anti
Bori
Cili
csarnok
hipermarket
piac
1350
1425
960
1250
1245
830
1210
1225
850
Teht Antinak s Borinak a piacon, Cilinek a hipermarketben rdemes vsrolnia.

4.2. A kt helyettestst elvgezve:
x = 2a + b = 2(3s + t) + (4s t) = 2s + t,
y = 3a + b = 3(3s + t) + (4s t) = 5s + 2t.
A kt helyettests kompozcija a kt helyettests tblzatnak szorzatval megkaphat:
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
4. Csak az tprtols tblzatt nzve, a msodik ht

vgre a tv1 nzoi elso hten megmaradt felnek csak a fele
marad meg, mg a tv2-tol tprtolt negyednyi kznsgnek
is a fele, teht a tv1 tv1 mozgs a nzok 3/8-adt rinti, mert 21 12 + 12 41 = 38 . Hasonl szmtsokkal a tbbi
rtk is megkaphat, melyet az albbi, kt, tblzatok kzti
szorzssal is meg lehet adni:
-re
tv1
tv2
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
4.5. Ha a a [0, k] intervallumba eso szm, akkor 0 a/k

1, gy a/k egsz rsze 0 vagy 1. Rszletezve b a/kc pontosan akkor 1, ha a = k, egybknt 0. Msrszt 1 b a/kc
pontosan akkor 0, ha a = k, egybknt 1. Ezt kihasznlva
knnyen definilhat a kvnt muvelet:
a}b =
jak

j a k
b+ 1
a.
k
k
gy e muvelettel
elemenknt definilt A } B muvelet
a kvnt eredmnyt adja. A 4.2. brn hrom kpet 32 24-es

mtrixszal szemlltetnk, a frfiarc mtrixt is megadtuk,
a msik a httr. A muvelet
eredmnye a harmadik kp.

4.6. A standard bzisba azon mtrixok tartoznak, amelyekben egyetlen elem 1, a tbbi 0.
4.7. E mtrixok sszes lineris kombincija
2. A nzok kezdeti eloszlsnak tblzatra a kt lehetosg:

tv1
tv2
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
Ha ennek van megoldsa, akkor ltezik a megfelelo lineris

kombinci, teht az adott [ wu vz ] mtrix a kifesztett trbe
esik. Ennek az egyenletrendszernek a bovtett mtrixt fl0 1

rva, majd elemi sormuveletekkel
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
pontosan akkor oldhat meg, ha w + z u = 0. Pldul

2 3 10
az [ 53 42 ] mtrix ebbe az altrbe esik. A fenti egyenletrend- 4.35.

4 5 14
szer megoldsval az is megkaphat, hogy mik a lineris
0 0 5
kombinci egytthati. Azt kapjuk, hogy a = 3, b = 1 s
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
5.4. Helyettests elott:

h
uT u 2
i
1 u.
Az u = Ax helyettests elvgzse utn

h
x T A T Ax 2
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
5.11. Legyen A = [ ac db ]. Ngyzete a zrusmtrix, azaz

"
A2 =
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
Innen vagy a = d = 0 s c vagy d legalbb egyike 0, vagy

a 6= 0, c 6= 0 s b = a2 /c, d = a.
5.12. A feladat rdekes, abban a Fibonacci sorozat elemei
bukkannak fl. Ez az f 0 = 0, f 1 = 1, f k+1 = f k + f k1
egyenlosgekkel definilt sorozat, melynek elso nhny
tagja: 0, 1, 1, 2, 3, 5, 8, 13, 21,. . . . Tekintsk B nhny
hatvnyt:
#
"
#"
# "
# "
0 1 0 1
1 1
f1 f2
2
,
A =
=
=
1 1 1 1
1 2
f2 f3
"
#"
# "
# "
#
1 1 0 1
1 2
f2 f3
3
2
A =A A=
=
=
.
1 2 1 1
2 3
f3 f4
Ennek alapjn azt sejtjk, hogy
"
f
n
A = n 1
fn
fn
f n +1
#
.
Az llts n = 1, 2, 3 esetn igaz, s n-rol rklodik n + 1-re,

ugyanis
"
#"
#
f n 1
fn
0 1
n +1
n
A
=A A=
fn
f n +1 1 1
"
# "
#
fn
f n +1
fn
f n +1
=
=
.
f n 1 + f n f n + f n +1
f n +1 f n +2
5.13. C = AB Einstein-konvencival: cij = aik bkj .
Az asszociativitst hasznlva
(B1 A)(BB1 ) = (B1 B)(AB1 ),

amibol a BB1 = I azonossg flhasznlsval kapjuk,
hogy
B1 A = AB1 .
5.22. Azt mondjuk, hogy a } muvelet
invertlhat a H egy
R rszhalmazn, ha brmely a, b, c R elem esetn az
a } x = b,
y}a = c
egyenletek mindegyike megoldhat, azaz vannak olyan

x, y H elemek, melyek kielgtik a fenti egyenleteket. Ha
a defincibeli } kommutatv muvelet,
akkor elg a fenti

kt egyenlet egyikt tekinteni.
5.23. a) Az e H semleges elem, ha minden a H elemre
a } e = e } a = a. b) Azt mondjuk, hogy a } muveletre
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
0.00 2.00 2.00 2.00
0.000.00 0.50 1.50.

1.00 0.00 0.00
3.50
0
1
7/9
5.38. y = (0, 3, 4), x = (1, 1, 2).

5.39. y = (0, 3, 1), x = (1, 1, 1).
5.40. y = (3, 17/5, 23/9), x = (1, 0, 1).
5.41. y = (5.6, 0.4, 1.4), x = (1.2, 2.0, 0.4).
5.42. Az LY = I egyenletbol
Y = 1/2
1/12
0
1
1/3
0,
1
mg az UX = Y egyenlet megoldsa, egyttal A inverze
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).
6.1. bra: Kt vektor sorrendjnek cserje megvltoztatja a parallelogramma krljrst.
cv
v
v+w
2. f (u, u) = 0, ugyanis az elfajul parallelogramma terlete 0.

3. f (cu, v) = c f (u, v), s f (u, cv) = c f (u, v), azaz f homogn mindkt vltozjban. Ez igaz, mert egy parallelogramma egyik oldalnak c-szeresre nvelse c-szerezi a terlett is (6.2. bra).
6.2. bra: Az f (u, cv) = c f (u, v) s az

f (u, v) + f (u, w) = f (u, v + w) sszefggsek szemlltetse.
240
lineris algebra
4. f (u, v) + f (u, w) = f (u, v + w) s f (u, v) + f (w, v) = f (u + w, v),

azaz f additv mindkt vltozjban. Az llts igaz volta leolvashat a 6.3. brrl.
5. f (u, v) = f (u + cv, v) = f (u, v + cu), azaz az [ uv ] = [ ac db ] mtrix
sorvektorai ltal kifesztett parallelogramma terlete megegyezik a
hozzads sormuvelete
utn kapott mtrix sorvektoraihoz tartoz

terlettel.
6. f (i, j) = 1, azaz a standard bzis ltal kifesztett egysgngyzet
terlete 1.
Az lltsok a fenti brkkal szemlltetett egyszeru geometriai rvelsek mellett az f (( a, b), (c, d)) = ad bc formulval is bizonythatak.
E tulajdonsgok segtsgvel ltalnostani lehet az elojeles terlet fogalmt, s bevezetni az elojeles trfogat fogalmt az n-dimenzis vals
tr parallelepipedonjaira.
Parallelepipedon elojeles trfogata A vegyes szorzat trgyalsakor lttuk,
hogy a vals hromdimenzis trben hrom vektor vegyes szorzatnak
abszolt rtke a vektorok ltal kifesztett parallelepipedon trfogata
lesz, elojele pedig aszerint pozitv vagy negatv, hogy a hrom vektor
jobb- vagy balrendszert alkot. A hromdimenzis tr parallelepipedonjaira a parallelogrammhoz hasonl tulajdonsgok igazolhatk.
1. Brmely kt argumentum felcserlse megvltoztatja a fggvnyrtk elojelt, pl. f (u, v, w) = f (w, v, u).
2. Ha f brmely kt argumentuma megegyezik, a fggvnyrtk 0,
pl. f (u, v, u) = 0.
3. f homogn mindhrom argumentumban, pl. f (cu, v, w) = c f (u, v, w).
4. f additv mindhrom argumentumban, pl. f (u, v, w) + f (u, v, z) =
f (u, v, w + z).
5. f brmely argumentumhoz hozzadva egy msik konstansszorost, a fggvnyrtk nem vltozik, pl. f (u, v, w) = f (u + cw, v, w).
6. f (i, j, k) = 1, azaz az egysgkocka trfogata 1.
A hromdimenzis parallelepipedon trfogatt gy szmoltuk ki,
hogy kt vektor ltal kifesztett parallelogramma terlett szoroztuk a
harmadik vektor cscsnak a parallelogramma skjtl val tvolsgval. Ha pedig a parallelogramma irnytst is figyelembe vettk, e
tvolsg elojeles tvolsgg vlt, hisz az ott hasznlt skalris szorzat a
sk egyik oldaln pozitv, msik oldaln negatv eredmnyt ad. Ugyanez az eljrs megismtelheto magasabb dimenziban is. Pldul, ha a
v + cu
v
u + cv
u
v
u
6.3. bra: Az f (u, v) = f (u + cv, v) s

az f (u, v) = f (u, v + cu) sszefggsek
szemlltetse.
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.
A determinns, mint sorvektorainak fggvnye

A determinns defincija A parallelepipedon fogalma helyett mely
nem rtelmezheto brmely szmtest esetn egyszeruen
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!
A determinnsokat eloszr Takakazu

Shinsuke Seki (16421708) vizsglta,
eredmnyei 1683-ban jelentek meg. Seki 2-tol 5-drenduek
rtkt tudta kiszmolni, egyenletek megoldsra hasznlta, de lineris egyenletrendszerek megoldsra nem. Eurpban is 1683-ban jelenik meg e fogalom eloszr Leibniz egy
lHpitalnak rt levelben, melyet ksobb
rezultnsnak hv. A determinns nv
Gausstl szrmazik. A mtrixok s determinnsok trtnetnek szp sszefoglalja olvashat a MacTutor History of
Mathematics weboldalon.
242
lineris algebra
I Rszletezzk a definci hrom felttelt. A determinns lineris
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
kplet illeszkedik e defincihoz.

I Lttunk determinnst, pldul a 2 2-es mtrixokt. Azt azonban
mg nem tudjuk, hogy ltezik-e minden n-re s egyrtelmu-e.
A definci alapjn ez bizonythat. A bizonytst ksobbre hagyjuk, addig

felttelezzk, hogy ltezik s egyrtelmu.
I A determinns tekintheto olyan n-vltozs fggvnynek, melynek

n argumentumba a mtrix n sorvektora kerl. Nem okoz flrertst,
ha ezt a fggvnyt is det jelli. Ha teht A sorvektorai a1 , a2 , . . . , an ,
akkor det(A) megegyezik a det(a1 , a2 , . . . , an ) fggvnyrtkkel. Pldul a 3 3-as egysgmtrix determinnsa az albbi alakokba rhat:

1 0 0

det( I3 ) = 0 1 0 = det([1 0 0], [0 1 0], [0 0 1]) = det(e1 , e2 , e3 )

0 0 1
determinns
243
ahol e1 e2 , e3 a standard egysg-sorvektorokat jelli. A determinns

fenti defincija knnyen flrhat e jellssel is (ld. 6.10. feladat).
A determinns rtknek kiszmtsa A determinns kiszmtshoz az
elemi sormuveleteket
fogjuk hasznlni. A httrben lnyegben ezt

teszik a szmtgpek is (ld. 6.4. kd s a program).
Kt krdsre kell vlaszolnunk: (1) hogyan vltozik a determinns
rtke elemi sormuveletek
kzben, (2) mennyi a determinnsa a hromszg alakra hozott mtrixoknak?

6.2. llts (Nullvektort tartalmaz determinns). Egy determinns rtke 0, ha valamely sorban minden elem 0.
Bizonyts. Ha egy determinns egy 0-sort brmely c szmmal beszorozzuk, az 0-sor marad, gy a determinns rtke nem vltozik,
msrszt a c-vel val szorzs miatt c-szeresre mdosul. Mivel csak
a 0 egyezik meg tetszoleges c-re sajt c-szeresvel, gy a determinns
rtke csak 0 lehet.
2

determinnson). Az elemi sormu
veletek eredmnyeknt a determinns rtke az albbiak szerint vltozik:
a) sorcsere kzben elojelet vlt;
b) a c skalrral val beszorzs utn rtke c-szeresre vltozik;
c) egy sor konstansszorosnak egy msikhoz val hozzadsa utn rtke
nem vltozik.
Bizonyts. A ttel msodik pontja definci szerint igaz. A harmadik
bizonytsa:

..

.

ai

..

.

a j + cai

..

.

..
.

a
i
.
= .
.

a j

..
.

..
.

a
i
.
+ .
.

cai

..
.

..
.

a
i
.
= .
.

a j

..
.

+c

..
.
ai
..
.
ai
..
.

..
.

a
i
.
= .
.

a j

..
.
Az elso llts igazolshoz a harmadikat hasznljuk:

..
.

a
i
.
.
.

a j

..
.

..

.

ai

..
=
.

a j ai

..

.

..

.

a j

..
=
.

a j ai

..

.

..
.

a
j
.
= .
.

ai

..
.

..

.

a

j
D2 .
= .

.

ai

..

.
Eloszr az i-edik sort kivontuk a j-edikbol, majd az gy kapott j-ediket

hozzadtuk az i-edikhez, vgl az i-ediket ismt kivontuk a j-edikbol.2
sag e: M = matrix (3 , range (9))

sag e: M [2 ,2]=9
sag e: M
[0 1 2]
[3 4 5]
[6 7 9]
sag e: M. det ()
-3
sag e: det (M )
-3
6.4. kd: Determinns kiszmtsa
244
lineris algebra
Az elemi mtrixok egyetlen sormuvelettel
kaphatk az egysgmtrixbl, gy ezek determinnsa knnyen szmolhat. Hasonlan knnyen

szmolhat egy elemi mtrix s egy tetszoleges mtrix szorzatnak determinnsa.
6.4. kvetkezmny (Elemi mtrixok determinnsa).
a) A hozzads sormuveletvel
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.
Hasonlkpp addik (b) abbl, hogy az EA 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
6.5. llts (Permutcis mtrix determinnsa).

mtrix determinnsa 1 vagy 1.

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
azaz a determinns rtknek megvltoztatsa nlkl diagonliss alakthat

a fotln kvli elemek kikszblsvel, azaz

a11

?
.
.
.

?
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
teht a determinns rtke valban a fotlbeli elemek szorzata.
Pldul az albbi determinns rtke egyetlen sorcsere utn azonnal

leolvashat:

3

3

3

3

3
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
6.7. plda (Determinns kiszmtsa hromszg alakra hozssal). Szmtsuk ki a

1 1 1 1
2 2 3

1 2 3 4

2 2 4 s a

1 3 6 10
4 5 6

1 4 10 20
determinnsok rtkt!
Megolds. Elemi sormuveletekkel
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
A kvetkezo determinnsnl sorcsere nlkl eliminlhatk a fotl
245
246
lineris algebra
alatti elemek, ezrt a sormuveleteket
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
Egy rdekes szrevtel: a fenti determinnsban s sorlcsos alakjban

is a Pascal-hromszg szmai tallhatk. Ezt kihasznlva a fenti eredmny ltalnosthat, ahhoz azonban egy msik megolds jobb eslyt
ad: az elso oszlop fotl alatti elemeit nullzzuk ki gy, hogy eloszr
vonjuk ki az utols elotti sort az utolsbl, majd a msodik sort a harmadikbl, vgl az elsot a msodikbl, majd kvessk e mdszert a
tbbi fotl alatti elemre is:

1

1

1

1

1

S2 S1 0
=
0

0
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
Az ltalnosts a 6.14. feladatban tallhat.
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
s determinns Krds, hogy milyen kapcsolat van a

mtrixmuveletek
s a determinns kztt. Fontos megjegyezni, hogy a

determinnsfggvnynek nincs a mtrixsszeadsra s a skalrral val szorzsra nzve muvelettart
tulajdonsga, azaz ltalban det(A +

B) 6= det(A) + det(B), s det(cA) 6= c det(A). A determinns defincija szerint lineris tulajdonsga csak a sorvektorokra vonatkozan
van.
A skalrral val szorzs esetn viszont itt is mondhat valami: mivel egy mtrix c-szeresnek determinnsa minden sorbl kiemelheto
c, ez annyi kiemelst jelent, ahny sora van a mtrixnak. gy tetszoleges n n-es A mtrixra s tetszoleges c skalrra det(cA) = cn det(A).
Ez vilgos, ha R2 - vagy R3 -beli vektorokra gondolunk, hisz pldul
egy parallelogramma elojeles terlete 4-szeresre, egy parallelepipedon elojeles trfogata 8-szorosra no, ha minden lt 2-szeresre nveljk.
A determinns muvelettart
a ngyzetes mtrixok szorzsra nzve.

Ezt mondja ki a kvetkezo llts.
determinns
247
6.8. llts (Determinnsok szorzsszablya). Ha A s B azonos

mretu ngyzetes mtrixok, akkor det(AB) = det(A) det(B).
Bizonyts. Tudjuk, hogy ha A szingulris, akkor AB is, azaz ha
det(A) = 0, akkor det(AB) is 0, teht det(AB) = det(A) det(B).
Ha A nem szingulris, akkor felbonthat elemi mtrixok szorzatra:
A = E1 E2 . . . Ek , gy AB = E1 E2 . . . Ek B. A 6.4. llts szerint tetszoleges E elemi mtrixra det(EB) = det(E) det(B). Ezt az sszefggst
E1 E2 . . . Ek -ra s E1 E2 . . . Ek B-re is hasznlva kapjuk, hogy
det(A) det(B) = det(E1 E2 . . . Ek ) det(B) = det(E1 ) det(E2 . . . Ek ) det(B)
= det(E1 ) det(E2 ) det(E3 . . . Ek ) det(B) = . . . =

= det(E1 ) det(E2 ) . . . det(Ek ) det(B), msrszt
det(AB) = det(E1 E2 . . . Ek B) = det(E1 ) det(E2 . . . Ek B)
= det(E1 ) det(E2 ) det(E3 . . . Ek B) = . . . =

= det(E1 ) det(E2 ) . . . det(Ek ) det(B),
ami bizonytja az lltst. Egy msik, nagyon szp bizonyts tallhat
a 6.11. feladatban.
2
A determinnsok szorzsszablynak egy fontos alkalmazsa a determinns rtknek kiszmtsa PLU-felbontssal (ld. 6.5. kd s a
program).
6.9. plda (Determinns kiszmolsa PLU-felbontsbl). Hogyan hatrozzuk meg egy A mtrix determinnst, ha ismerjk PLUfelbontst? Konkrtan mennyi a kvetkezo mtrix determinnsa?
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
is hasznljuk, hisz egy

mtrixon vgzett oszlopmuvelet
a transzponlt sormuvelete.
6.10. llts (Transzponlt determinnsa). Mtrix determinnsa

megegyezik transzponltjnak determinnsval, azaz brmely ngyzetes A
mtrixra det(A) = det(A T ).
sag e: M = matrix (3 , range (9))

sag e: M [2 ,2]=9
sag e: N=M. change_ring ( RDF )
sag e: N
[0.0 1.0 2.0]
[3.0 4.0 5.0]
[6.0 7.0 9.0]
sag e: N. det ()
-3.0
sag e: P ,L ,U = N. LU ()
sag e: P
[0.0 0.0 1.0]
[1.0 0.0 0.0]
[0.0 1.0 0.0]
sag e: U
[ 6.0 7.0 9.0]
[ 0.0 1.0 2.0]
[ 0.0 0.0 -0.5]
sag e: P. det ()
1.0
sag e: U. det ()
-3.0
6.5. kd: Determinns kiszmtsa a
PLU-felbontsbl. A felbonts az egszek gyur
ujben
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
|A T | = |R T EkT . . . E2T E1T | = |R T ||EkT | . . . |E2T ||E1T |.

Knnyen ellenorizheto, hogy minden elemi mtrix determinnsa megegyezik transzponltjnak determinnsval (ellenorizzk!). Mivel R
reduklt lpcsos alak, ezrt R = I, vagy R-nek van egy zrus sora.
Ha R = I, akkor |R T | = |R| = |I| = 1, ha pedig R-nek van zrus
sora, akkor R T -nak zrus oszlopa, s egy ilyen mtrix nem alakthat
elemi sormuveletekkel
egysgmtrixsz, teht determinnsa 0. Azaz

T
|R| = |R | ekkor is fnnll. Ekkor pedig
|R T ||EkT | . . . |E2T ||E1T | = |R||Ek | . . . |E2 ||E1 | =

|E1 ||E2 | . . . |Ek ||R| = |E1 E2 . . . Ek R| = |A|.
2
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
a mtrix invertlhatsgrl szl 5.20. ttel kzvetlen kvetkezmnye.

2
6.13. plda (Zrus rtku determinnsok). A sorvektorok lineris
sszefggosgnek igazolsval mutassuk meg, hogy

2 1 0 1

5 6 8
1 2 1 0

= 0.

2 1 2 = 0,
0 1 2 1

3 5 6
1 0 1 2
Megolds. Az elso determinns elso sora a msodik s a harmadik
sszege. De fogalmazhatunk gy is, hogy az elso sorbl kivonva a
msodikat s a harmadikat, a nullvektort kapjuk. Teht az elso mtrix
sorvektorai linerisan sszefggok, gy determinnsa 0.
A msodik determinns sorvektorainak sszege a nullvektor, teht
ennek is 0 az rtke.
A legegyszerubb
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
determinnsok kzl az elso rtke tetszolegesen nagy n-re is 1, pedig

1
olegesen kzel lehet 0-hoz, s az [ 00 n0 ] mtrix mr szingulris. A
n tetsz
msodik determinnsbeli 12 In mtrix nem szingulris, pedig determinnsnak rtke tetszolegesen kzel lehet 0-hoz, igaz, csak elegendoen
nagy n esetn.
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
6.5. Legyen A s B kt 3 3-as mtrix, s legyen det(A) =

5, det(B) = 4. Szmtsuk ki a kvetkezo determinnsok rtkt!
a) det(A2 )
b) det(2A)
c) det((2A)2 )
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
6.8.? Szmtsuk ki elemi sormuveletekkel
az albbi nedrendu determinnsokat!
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
6.9. Szmtsuk ki a Petersen-grf szomszdsgi mtrixnak (ld. ?? feladat) determinnst!

6.10. rjuk fel a determinns defincijt oly mdon, hogy
det egy n-vltozs, n-dimenzis vektorokon rtelmezett
skalr rtku fggvny legyen.
6.11. Adjunk j bizonytst a determinnsok szorzsszablyra azt igazolva, hogy az A 7 det(AB)/ det(B) lekpezs eleget tesz a determinns defincijban kirtt feltteleknek.
6.12.? Bizonytsuk be az LU-felbonts flhasznlsval a
transzponlt determinnsra vonatkoz 6.10. lltst.
6.13. Fejezzk ki az elemi mtrixokra hasznlt jellseket
hasznlva (ESi +cSj , ESi Sj , EcSi ) azok determinnst!
6.14.?
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
( x12 + x22 )(y21 + y22 ) = (z21 + z22 ),
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 determinns, mint elemeinek fggvnye

A determinnst eddig sorvektorainak fggvnyeknt kezeltk, a kvetkezokben
elemeinek fggvnyeknt fogjuk.
Eddig nagyvonalan bntunk a determinns elemeinek mibenltvel. Annyit feltteleztnk rluk kimondatlanul, hogy azonos algebrai
struktrbl valk, s az sszeads, kivons, szorzs s oszts elvgezheto kztk. E szakaszban ki fog derlni, hogy a determinns
kiszmolhat oszts nlkl is. Teht nem csak testek (pl. a vals R,
a racionlis Q, a komplex C szmtestek vagy a vges Fq testek) elemeibol ll determinnst szmolhatunk ki az adott struktrn bell,
hanem pl. az egszek Z gyur
ujnek
vagy a legfeljebb k-adfok polinomok gyur

ujnek
elemeibol kpzett determinnsokat is. (Tovbbi

rszletekrt lsd a fggelk A szakaszt.)
Kgyk determinnsa A 2 2-es determinns kiszmtsra ismerjk
azt a formult, amely a determinns rtkt a determinns elemeinek
fggvnyben rja fel: det[ ac db ] = ad bc. Itt teht csak az sszeadsra,
kivonsra s a szorzsra van szksg. Hasonl formult keresnk az
n-edrendu determinnsokra. Ehhez a kgykat hasznljuk.
Minden kgy megkaphat egy diagonlis mtrix sorainak permutcijval, azaz minden K kgy felrhat K = P diag( a1 , a2 , . . . , an )
alakban, ahol P egy permutcis mtrix. Ezt a kgyhoz tartoz permutcis mtrixnak fogjuk nevezni. Mivel P determinnsa 1 vagy 1, ezrt
|K| = a1 a2 . . . an vagy |K| = a1 a2 . . . an .
A determinnsok soronknti linearitst hasznlva rdekes felbontst kapjuk a determinnsnak. Tekintsk pldaknt az

a b c

d e f

g h i
determinnst. Elso sorvektornak
( 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
determinnst hrom determi-
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
ugyanezt az utols sorral is. Az gy kapott 27 determinnst nem rjuk

fl, de szemlltetsl egy sematikus brn megmutatjuk a felbonts
lpseit (6.6 bra). Tmr ngyzet jelli azokat a helyeket, ahol megtartjuk a determinns eredeti elemt, res kr azokat, ahov zrust
runk. A 27 determinns mindegyiknek minden sorban egy elem az
eredeti determinnsbl val, a tbbi zrus. Kzttk azonban csak 6
kgy van. A tbbinek van zrus oszlopa, gy azok rtke 0, vagyis az
eredeti determinnst 6 kgy sszegre bontottuk (a 0 rtku determinnsokat szrke sznnel jeleztk). Hasonl mdon brmely n-edrendu
determinns flbomlik nn olyan determinns sszegre, melynek minden sorban egyetlen elem az eredeti determinnsbl val, a tbbi 0,
de ezek kzl csak azok lesznek kgyk determinnsai, melyek minden oszlopban is van egy elem az eredetibol. (Ezeket nevezzk a
mtrixbl/determinnsbl kivlaszthat kgyknak.) Ezek szma n!,
mert az elso sorbl n-flekpp vlaszthatunk egy elemet, a msodik
sorbl minden esetben mr csak n 1-flekpp,. . . , s ez sszesen
n(n 1) . . . 3 2 1 = n! eset. Igaz teht a kvetkezo llts:
6.15. llts (Felbonts kgyk determinnsainak sszegre).

Minden n-edrendu determinns flbomlik az sszes belole kivlaszthat kgy determinnsnak sszegre. Ha az a1j1 , a2j2 ,. . . , anjn elemeket tartalmaz kgyhoz tartoz permutcis mtrix determinnst d j1 j2 ...jn jelli (ennek
rtke +1 vagy 1), akkor
det([ aij ]) =
d j1 j2 ...jn a1j1 a2j2 . . . anjn ,
ahol az sszegzs az {1, 2, . . . , n} halmaz sszes lehetsges { j1 , j2 , . . . , jn }

permutcijn vgigfut.
Az n! az n nvekedtvel rendkvl gyorsan no (pl. 10! = 3628800),

determinns ilyen mdon val szmtsa viszonylag kis rend esetn
mr szmtgppel sem lehetsges emberi ido alatt. E felbontst a determinnsok tulajdonsgainak vizsglatban hasznljuk. Szmtshoz
csak az n = 2 s n = 3 esetekben hasznljuk, igaz, azokra gyakran.
n = 2 esetn az elozo llts szerint

a

c

b a
=
d 0

0 0
+
d c

b
= ad bc,
0
mivel a msodik determinns egyetlen sorcservel hozhat diagonlis
255
256
lineris algebra
alakra. n = 3 esetn felhasznlva a 6.6 brt is kapjuk, hogy

a b c a 0 0 a 0 0 0 b 0

d e f = 0 e 0 + 0 0 f + d 0 0

g h i 0 0 i 0 h 0 0 0 i

0 b 0 0 0 c 0 0 c

+ 0 0 f + d 0 0 + 0 e 0

g 0 0 0 h 0 g 0 0
= aei a f h bdi + b f g + cdh ceg

= aei + b f g + cdh a f h bdi ceg
E kt formula knnyen megjegyezheto egy egyszeru szabllyal, amelyet az n = 2 s n = 3 esetben Sarrus-szablynak is neveznek: a fotl
irny szorzatok sszegbol vonjuk ki a mellktl irny szorzatokat.
(Hogy mit rtsnk fotl s mellktl irny szorzaton, a mellkelt
brkrl megrtheto.) Fontos, hogy hasonl szably n > 3 esetn mr
nem rvnyes (ld. a 6.29. feladatot).
A determinns 6.15. ttelbeli felbontsa a determinns rtkt a determinns elemeinek fggvnyeknt lltja elo. Ennek sok szp s fontos kvetkezmnye van. me ketto:
+
(a) ad bc

a
b
e
+ + +
(b)
aei + b f g + cdh a f h bdi ceg
6.7. bra: Az (a) msod- s a (b) harmadrendu determinns kiszmtsa: a fotl

irny szorzatok sszegbol vonjuk ki a
mellktl irny szorzatokat. Harmadrendu esetben kezdetben knnythetnk
magunknak a determinns elso kt oszlopnak a determinns utni megismtlsvel.
a
I Egy algebrai kvetkezmny: a determinns kiszmolshoz elg
csak az sszeads s szorzs muvelete,
az osztsra, melyet az elemi

sormuveletek
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.
6.8. bra: A harmadrendu determinns

kiszmtsra egy IQ-tesztek tpuskrdsre emlkezteto msik mdszer: az
egyforma alakak szorzatnak sszegbol ki kell vonni az egyforma sznuek
szorzatait.
determinns
6.16. ttel (Permutcis mtrix determinnsa). A permutcis

mtrix aszerint +1 vagy 1, hogy inverziban ll sorprjainak szma pros vagy pratlan.
Bizonyts. Elg megmutatni, hogy egy sorcsere mindig megvltoztatja az inverzik szmnak paritst, vagyis azok szma prosbl pratlanra, pratlanbl prosra vltozik. gy ha egy permutcis mtrix
inverziinak szma pros, akkor csak pros sok sorcservel viheto az
identikus mtrixba. Hasonlan, ha az inverzik szma pratlan, akkor
csak pratlan sokkal.
Ha a kt megcserlendo sor szomszdos, akkor a sorcsere megvltoztatja e kt sor viszonyt: ha inverziban lltak, akkor ezutn nem
fognak, s fordtva. Az elottk s mgttk ll sorokhoz val viszonyuk nem vltozott. Eszerint az inverzik szma eggyel nott vagy
eggyel cskkent, azaz paritsa megvltozott.
Ezutn cserljk fel az i-edik s j-edik sorokat (legyen i < j). Az inverzik szmnak nyomon kvetse rdekben ezt szomszdos sorok
cserjvel valstjuk meg. Cserljk ki az i-ediket az (i + 1)-edikkel,
majd azt az (i + 2)-edikkel,. . . , mg az eredetileg i-edik sor a j-edik
helyre nem kerl. Ehhez j i sorcserre van szksg. Ezutn az
eredetileg j-edik sort j i 1 sorcservel az i-edik helyre visszk. Ez
sszesen 2( j i ) 1, azaz pratlan sok sorcsere, ami a paritst valban
ellenkezojre vltoztatja.
2
6.17. plda (Inverzik szma s a determinns). Hny sor ll inverziban abban a mtrixban, melynek mellktljban egyesek, egyebtt
nullk llnak, s mennyi ennek determinnsa?
Megolds. E mtrixban brmely kt sor inverziban ll egymssal,
gy ha a sorok szma n, a sorprok n(n 1)/2. Eszerint e mtrix
determinnsa (1)n(n1)/2 . (Az egysgmtrix b n2 c sorcservel is megn
kaphat e mtrixbl, gy determinnst (1)b 2 c alakban is ki lehet
fejezni, ld. mg a 6.6. feladatban).
2
Vgl egy fontos kvetkezmny:
6.18. kvetkezmny (Determinnsfggvny ltezse). A determinnsfggvny ltezik, s egyrtelmu.
Bizonyts. Mivel minden determinns egyenlo a belole kivlaszthat kgyk determinnsainak sszegvel, s minden kgy determinnsa egyrtelmuen
meghatrozhat, ezrt minden ngyzetes mtrix

determinnsa egyrtelmu.
A krds mr csak az, hogy az gy meghatrozott fggvny valban kielgti-e a determinns defincijnak
mindegyik pontjt. Ez azonnal ltszik, hisz ezeket elg csak kgykra ellenorizni, azokra pedig a linearits s az azonos sorok felttele is
fnnll.
2
257
258
lineris algebra
Elojeles aldeterminns
Az elozo paragrafushoz hasonlan bontsuk az

a b c

d e f

g h i
determinnst, az elso sorvektornak felbontsval hrom determinns

sszegre, de egyttal emeljk is ki az elso sor elemt, majd oszlopcserkkel vigyk az 1-est tartalmaz oszlopot az elso oszlop helyre:

0 0 1
0 1 0
1 0 0
a b c

d e f = a d e f + b d e f + c d e f

g h i
g h i
g h i
g h i

1 0 0
1 0 0
1 0 0

= a d e f b e d f + c f d e

i g h
h g i
g h i
Ha ezt sszevetjk a Sarrus-szablyban kapott kplettel, igen rdekes
sejtst fogalmazhatunk meg:

a b c

d e f = aei + b f g + cdh a f h bdi ceg

g h i
= a(ei f h) b( f g di ) + c(dh eg)

d e
d f
e f

= a
.
+c
b
g h
g i
h i
Mielott ezt megtennnk, nmi elokszts kvetkezik.
6.19. definci (Elojeles

aldeterminns). Az n-edrendu |A| determinns i-edik sornak s j-edik oszlopnak elhagysval kapott (n 1)edrendu determinns (1)i+ j -szerest az |A| determinns aij elemhez tartoz elojeles aldeterminnsnak nevezzk.
Az elojeles aldeterminnshoz kiszmtand elojel a mtrixon sakktblaszeruen
vltozik, azaz a bal felso sarokban +, s kt egyms melletti vagy alatti mezoben ellenkezo elojelu.
Ezt nevezik sakktblaszablynak.
6.20. plda (Elojeles

aldeterminns). Szmtsuk ki az

1 2 3 4

4 3 9 1

2 2 2 2

0 1 2 0
determinns msodik sor harmadik elemhez tartoz elojeles aldeterminnst!
6.9. bra: Sakktblaszably: a (1)i+ j

elojele a bal felso sarokban, vagyis az
elso sor elso oszlopban +, l mentn
szomszdos mezokben pedig ellenttes.
determinns
Megolds. A determinns msodik

emeltk

1 2 3

4 3 9

2 2 2

0 1 3
sort s harmadik oszlopt ki

4
1

2

0
Az ezek elhagysa utn megmarad aldeterminns s 1 megfelelo

hatvnynak szorzata, vagyis a krt elojeles aldeterminns

1

2+3
(1)
2

0
2
2
1

4

2 = 1 (6) = 6.

0
Teht a determinns msodik sor harmadik elemhez tartoz elojeles

aldeterminnsa 2.
2
6.21. llts (Determinns rendjnek cskkentse). Tegyk fel,
hogy az n-edrendu |A| determinns aij elemnek sorban vagy oszlopban
minden tovbbi elem 0. Jellje Aij az aij elemhez tartoz elojeles aldeterminnst. Ekkor
|A| = aij Aij .
Bizonyts. Legyen az |A| determinns i-edik sorban az aij -n kvl
minden elem 0 (hasonlan trgyalhat, ha a j-edik oszlopban vannak
nullk). Cserljk ki a j-edik oszlopot a ( j 1)-edikkel, majd ezt a
( j 2)-edikkel. . . , addig, mg az A j oszlop az elso oszlopba nem kerl. Ez j 1 oszlopcsert jelent, azaz a determinns rtke (1) j1 szeresre vltozik. Ezutn hasonlkpp vigyk az i-edik sort szomszdos sorok cserjvel az elso sorba. Ehhez i 1 csere szksges,
mikzben a determinns rtke (1)i1 -szeresre vltozik.

a11

a
21
.
..

0

..
.

a
n1
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 .
Az *-os egyenlosgnl kihasznltuk, hogy i + j 2 s i + j paritsa

azonos, teht 1 kitevojeknt is azonos eredmnyt adnak, tovbb kiemeltk aij -t az elso sorbl. A **-os egyenlosg elott ll determinns
kiszmtshoz csak a msodiktl lefel lvo sorokat kell hasznlni,
a vgeredmnyt az elso oszlop elemei nem befolysoljk, gy az elso
sor s elso oszlop elhagysval kapott determinns rtke ugyanaz.
Vgl az gy kapott determinns az elojellel egytt pp Aij , s ezzel
bizonytottuk az lltst.
2
6.22. plda (Determinns rendjnek cskkentse). A determinns

rendjnek cskkentsvel szmtsuk ki az albbi determinns rtkt!

1

1

6

8

5
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
a determinns knnyen szmolhat:

1

1

6

8

5

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
= (8) (5) (6) (12)

= 2880.
Determinns kifejtse Ritkn addik, hogy a determinns rendje az

elozo (6.21.) llts segtsgvel cskkentheto, viszont flhasznlsval a determinnsok egy gynyru kifejtsi ttelt kapjuk.
6.23. ttel (Determinnsok kifejtsi ttele). Egy determinns rtke megkaphat gy, hogy egy tetszoleges sornak vagy oszlopnak minden
elemt beszorozzuk a hozz tartoz elojeles aldeterminnssal, s e szorzatokat sszeadjuk. Kpletben, az n-edrendu |A| determinns rtke i-edik sora
szerint kifejtve
n
|A| =
aik Aik ,
k =1
s j-edik oszlopa szerint kifejtve

n
|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
kedvrt e felbontst csak n = 3

s i = 2 esetre rjuk fel, de tetszoleges n-re ugyangy megy. Ezutn
E kifejtsi ttelt egyes knyvek Laplacefle kifejtsi ttelnek nevezik, mg ms

knyvek csak ennek egy a feladatok
kzt megtallhat ltalnostst hvjk gy, sok knyv pedig e ttelbeli sszefggssel definilja a determinnst.
262
lineris algebra
a 6.21. lltst alkalmazzuk mindegyik j determinnsra:

a
11 a12 a13 a11 a12 a13 a11 a12

|A| = a21 0
0
0 + 0 a22 0 + 0

a31 a32 a33 a31 a32 a33 a31 a32

a13

a23

a33
= a21 A21 + a22 A22 + a23 A23

3
a2k A2k .
k =1
A bizonyts ugyangy megy az oszlopokra is, amit pldaknt az n =

3, j = 3 esettel szemlltetnk:

a
11 a12 a13 a11 a12 0 a11 a12 0

|A| = a21 a22 0 + a21 a22 a23 + a21 a22 0

a31 a32 0 a31 a32 0 a31 a32 a33
= a13 A13 + a23 A23 + a33 A33

3
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
E jellssel Ii,x mtrixon az [e1 . . . e,i1 x e,i+1 . . . en ] mtrixot

rtjk.
6.25. ttel (Cramer-szably). Legyen A egy n n-es mtrix. Az
Ax = b egyenletrendszer pontosan akkor oldhat meg egyrtelmuen,
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 ]
= [Ae1 . . . Ae,i1 Ax Ae,i+1 . . . Aen ]

= [a1 . . . a,i1 b a,i+1 . . . an ]
= Ai,b
Mivel az Ii,x mtrix i-edik sornak s oszlopnak elhagysa utn egy
identikus mtrix marad, ezrt az i-edik sora szerint kifejtve
det Ii,x

1 0

0 1

. .
.. ..

=
0 0

.. ..
. .

0 0
...
...
..
.
...
...
x1
x2
..
.
xi
..
.
xn
...
...
...
..
.
...

0
0
..
.
= (1)i+i xi = xi .
0

..
.
1
gy a determinnsok szorzsi szablyt is hasznlva det(AIi,x ) = det Ai,b ,

amibol xi det A = det Ai,b , azaz xi = det Ai,b / det A.
2
6.26. plda (Cramer-szably). Oldjuk meg az
2x + 5y = 4
5x + 3y = 6
egyenletrendszert a Cramer-szabllyal!
Megolds. A kiszmoland determinnsok a b = [ 46 ] jellssel:

2

A=
5
Innen x =

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
vagyis e determinns megegyezik az A egy elojeles aldeterminnsval,

teht
det Ai,e j
det A ji
xij =
=
.
det A
det A
Mint ltjuk, az X = A1 elolltshoz az A elojeles aldeterminnsai
mtrixnak transzponltjra van szksg. E mtrixot az A klasszikus
adjungltjnak nevezzk s adj(A)-val jelljk. A klasszikus jelzore
azrt van szksg, mert az adjunglt szt komplex elemu mtrix konjuglt transzponltjra is hasznljuk, s ez flrertsekhez vezethet.
Kpletben teht
adj A = [ Aij ] T = [ A ji ].
(6.1)
gy a kvetkezo ttelt kapjuk:

6.27. ttel (Mtrix inverznek elemei). Tegyk fel, hogy A egy invertlhat mtrix. Ekkor inverznek ij indexu eleme az a ji elemhez tartoz
elojeles aldeterminns s az A mtrix determinnsnak hnyadosa, azaz
[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
I Knnyen ellenorizheto, hogy az A = [ ac db ] mtrix klasszikus adjun-
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
I A mtrix inverznek e kifejezse azt mutatja, hogy az inverz mtrix
minden eleme folytonos fggvnye a mtrix minden elemnek minden

olyan helyen, ahol a determinns nem 0, azaz minden olyan helyen,
ahol az inverz egyltaln ltezik.
I Az elozo megjegyzsbol az is kvetkezik, hogy egy n-ismeretlenes
n egyenletbol ll egyenletrendszer megoldsvektornak minden koordintja folytonos fggvnye az egyenletrendszer egytthatinak s
a jobb oldaln ll vektor koordintinak, hisz a megolds az inverzzel
val szorzssal megkaphat.
I Egszelemu
mtrix inverze pontosan akkor egszelemu,
ha determinnsa 1 vagy 1. Ez abbl addik, hogy det(A) det(A1 ) = det I =
1, teht ha | det A| 6= 1, akkor det(A1 ) nem egsz szm, teht A1
nem lehet egszelemu,
ha pedig | det A| = 1, akkor a (6.2) kplet sze
1
rint A minden eleme egsz szm.
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
Mivel det A = 1, ezrt
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.
6.29. ttel (Determinnsok szorzata blokkmtrixban). Legyenek

A s D ngyzetes mtrixok. Ekkor

A B A O

=
= |A||D|.
O D C D
Bizonyts. Megmutatjuk, hogy minden olyan kgy, melynek nincs
eleme a O-mtrixbl, egy A-beli s egy D-beli kgy szorzata. Ehhez
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
Az utbbi hrom mtrix kzl a szlsok determinnsa 1, a kzpso

pedig a bizonytand kifejezs. Az
"
I
M=
O
BD1
I
#"
A BD1 C
O
O
D
felbonts bizonytja a msodik sszefggst.
#"
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
a kvetkezo egyenletrendszerre vezetnek:
1
1
x
y
z

x2
p
a

y2 q = b
z2
r
c
Ez az egyenletrendszer a 6.14. ttel szerint pontosan akkor oldhat

meg egyrtelmuen,
ha az egytthatmtrix determinnsa nem 0. Oszlopmuveletekkel
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
=(y x )(z x )(z y)

Mivel x, y s z hrom klnbzo vals, ezrt a determinns rtke
nem 0, teht az egyenletrendszer egyrtelmuen
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
A hozz tartoz mtrixot Vandermonde-
Mivel egy determinns rtke megegyezik transzponltjnak rtkvel, ezrt a defincibeli kt determinns rtke is azonos, gy mindegy melyik alakot hasznljuk.
determinns
6.33. ttel (Vandermonde-determinns rtke). Az x1 , x2 ,. . . xn

(n > 1) szmokhoz tartoz Vandermonde-determinns rtke megegyezik az
olyan ( x j xi ) alak klnbsgek szorzatval, ahol i < j, azaz
Vn ( x1 , x2 , . . . , xn ) =
( 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.
Felbonts kgyk determinnsainak sszegre

6.26. Vlasszuk ki az albbi determinnsokbl az sszes
nemnulla determinns kgyt, s ezek segtsgvel szmtsuk
rtkt!
ki a determinns
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
Specilis mtrixok determinnsa
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
6.38. Ferde kifejts Vegyk egy determinns egy sornak

elemeit, s szorozzuk meg mindegyiket egy msik sor azonos oszlopbeli elemhez tartoz elojeles aldeterminnsval,
majd kpezzk ezek sszegt. Ez mindig 0. Hasonl llts
igaz a determinns minden oszlopra is. Teht az i-edik s
u-adik sorra (i 6= u) s a j-edik s v-edik oszlopra (j 6= v):
6.34. Bizonytsuk be, hogy

p2 p 1 qrs

2
q 1 prs
q
D= 2

r
r 1 pqs
2

s
s 1 pqr
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
Mutassuk meg, hogy

Pk
= ak +
Pk1
akj Akv = 0.
k =1
6.35. Igazoljuk, hogy az a1 = 1, a2 = 2, an = an1 + an2

kpletekkel definilt Fibonacci-sorozat n-edik eleme egyenlo az albbi n n-es tridiagonlis determinnssal:
1
1
1
0
..
.
0
0
aik Auk = 0,
= ( p q)( p r )( p s)(q r )(q s)(r s).

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
6.39. Foglaljuk egyetlen lltsba a kifejtsi s a ferde kifejtsi tteleket!

6.40. Mtrix inverze a kifejtsi ttelekkel A kifejtsi s
a ferde kifejtsi (ld. az elozo s a 6.38. feladatokat) segtsgvel adjunk j bizonytst a mtrix inverzre vonatkoz
(6.2) formultra!
6.41. Legyen x0 , x1 , x2 ,. . . , xn n + 1 darab klnbzo vals, y0 , y1 ,. . . , yn ugyanannyi tetszoleges vals. Mutassuk
meg, hogy egyetlen olyan legfljebb n-edfok p polinom
van, melyre p( xi ) = yi minden i = 0, . . . , n esetn.
Cramer-szably s mtrix inverze
6.42. Oldjuk meg Cramer-szabllyal az albbi egyenletrendszereket!
a) x + y = 1
b) 2x y z = 4
x 2y = 4
c) x + 2y + 4z = 31
5x + y + 2z = 29
3x y + z = 10
3x + 4y 2z = 11
3x 2y + 4z = 11
d) x + y
=1
x + 2y + z
=2
y + 2z + w = 3
z + 2w = 4
6.43. Hatrozzuk meg a megadott mtrixok inverznek

megadott indexu elemt!
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
6.45. Igazoljuk, hogy tetszoleges ngyzetes mtrixra

A adj(A) = det(A)I.
Vges testek fltti mtrixok determinnsa*
6.46. A determinns kiszmtsnak megismert techniki
vges testek fltt is mukdnek.
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
0? Ksrletezznk szmtgppel, majd vlaszoljuk meg a krdst

pontosan.
Projekt: a vektori szorzs ltalnostsa

6.48. Bizonytott tny, hogy nem lehet olyan binris vektormuveletet
definilni az n-dimenzis tr vektorain, mely

eredmnyl ugyanannak a trnek egy vektort adja s rendelkezik a vektori szorzs muveleti
tulajdonsgaival. E feladatsorban egy msik irny ltalnostst dolgozunk fel,

mely nem a binris muveleti
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 abszolt rtkvel.

3. Ha a fentiek alapjn ltalnostott kplettel n 1 darab
n-dimenzis vektorhoz egy n-ediket rendelnk, akkor
mit mondhatunk az gy kapott n vektor krljrsrl?
4. Keressnk olyan formult, mely a linerisan fggetlen
n-dimenzis a1 ,. . . , an1 vektorokhoz olyan an vektort
rendel, mely meroleges mindegyikkre, s amely azokkal az index szerinti sorrendben jobbrendszert alkot, s
nincs a formulban 1-hatvny!
6.49. Hatrozzuk meg azt a vektort, mely meroleges a
(1, 1, 1, 1), (1, 2, 2, 2), (1, 2, 3, 3) vektorokra, hossza megegyezik a hrom vektor ltal kifesztett parallelepipedon
trfogatval, s e hrom vektor mell negyediknek vve velk jobbrendszert alkot.
determinns
Megoldsok
6.1. 1. Hamis. 2. Igaz. 3. Hamis. 4. Hamis. Az |A| 6= 0

azzal ekvivalens, hogy az Ax = b egyenletrendszer nem
c)
oldhat meg egyrtelmuen,
vagyis vagy nem oldhat meg,

d)
vagy tbb megoldsa is van. 5. Hamis.
e)
6.2.
f)
a) 2.
b) 0, mert van kt azonos sora.
c) 0, mert a msodik sor az elso konstansszorosa.
d) 1, mert hromszgmtrix determinnsa a fotlbeli elemek szorzata.
e) 6, mert hromszgmtrix determinnsa a fotlbeli elemek szorzata.
f) 0, mert van kt azonos oszlopa.
6.3.
a) a msodik sor az elso 1-szerese.
b) a harmadik sor egyenlo az elso ketto sszegvel.
c) a harmadik sor egyenlo az elso ketto sszegvel.
d) a msodik sor az elso s a harmadik szmtani kzepe
(msknt: a harmadik sorbl kivonva a msodikat, majd
a msodikbl az elsot, mindktszer az (1, 1, 1) vektort
kapjuk, azaz gy van kt azonos sor).
e) a msodik sor az elso s a harmadik szmtani kzepe.
f) a hrom sorvektor sszege a zrusvektor.
g) sin( + ) = sin cos + cos sin , gy a harmadik oszlop az elso s a msodik oszlop lineris kombincija,
vagyis az oszlopvektorok linerisan sszefggoek, teht
a determinns rtke 0.
h) Az elso s msodik oszlop sszege a harmadik oszlop
(ill. az elso s a msodik sor klnbsge a harmadik
sor), teht az oszlopvektorok (ill. sorvektorok) linerisan sszefggoek.
6.5. a) 125, b) 40, c) 1600, d) 1/5, e) 25, f) 1/625, g) 5/4,
h) 20, i) 1.
6.6.
0

a) 0

1
b) Az

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
b) Az elso sort kivonva a tbbi sorbl, majd a msodik sor

ktszerest kivonva a harmadikbl, kapjuk, hogy

1

0

0

0

3

1

c)
1

2
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,
majd azt megismtelve az egyre kisebb bal als rszdeterminnssal kapjuk,

hogy

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
...
...
...
..
.
...
6.15. Az elso sort kivonva a msodikbl s a harmadikbl

kt konstans sort kapunk, melyek egyms konstansszorosai, teht a determinns rtke 0.
6.16. Vonjuk ki az elso oszlopot a msodikbl s a harmadikbl. Az gy kapott harmadik oszlop ktszerese a msodiknak, teht a determinns rtke 0.
6.18. Elso megolds: vonjuk ki az elso oszlopot a tbbibol,
ezzel eltntetve azokbl a ngyzetes tagot, majd vonjuk
a msodik oszlop megfelelo skalrszorost a harmadik s
negyedik oszlopbl, hogy eliminljuk azok lineris tagjt,
vgl a harmadik oszlop konstansszorost vonjuk ki a negyedikbl, hogy ott csak 0-k maradjanak.
Msodik megolds: Elg megmutatnunk, hogy a determinns oszlopai linerisan sszefggoek. Az a2 x + ( a +
1)2 y + ( a + 2)2 z + ( a + 3)2 w = 0 egyenlet a homogn
x+ y+ z+ w = 0
2y + 4z + 6w = 0
y + 4z + 9w = 0
egyenletrendszerre vezet, aminek biztosan van nemtrivilis megoldsa, hisz 4 ismeretlenhez csak 3 egyenlet van
adva. (Megoldani mr szksgtelen, elg a megolds ltezst igazolni, de pldul az ( x, y, z, w) = (1, 3, 3, 1) egy
megolds).
6.20. Mivel a koordintk bziscserben val vltozsrl
szl 4.22. lltsban lttuk, hogy a koordints alakokat
275
a [vi ]C = ACB [vi ]B kplet kapcsolja ssze, ezrt a v

vektorok koordints alakjaibl, mint oszlopvektorokbl
kpzett mtrixokra VC = ACB VB , gy determinnsaikra |VC | = |ACB ||VB |.
6.21. Egyrszt det(A) = det(A T ), msrszt mivel A T =
A, ezrt det(A T ) = (1)n det(A), azaz det(A) =
det(A), amibol det(A) = 0.
6.22. |A2 | = |A|2 = |A||A| = |A||A T | = |AA T |.
6.23. Mindhrom determinnst a kvetkezokppen szmtjuk ki. Legyen A a determinnshoz tartoz mtrix.
Tekintsk az |AA T | determinnst. Ezt knnyu kiszmtani (hisz a fotln kvl csak nullk llnak), s ennek
ngyzetgyke lesz a determinns rtke. Ezek alapjn a
hrom determinns rtke: a2 + b2 , ( a2 + b2 + c2 + d2 )2 ,
( a2 + b2 + c2 + d2 + e2 + f 2 + g2 + h2 )4 .
6.24. A determinnsok szorzsi szablyt is felhasznlva:
( 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.
6.30. Adjuk a harmadik oszlophoz az elso 100-szorost s

a msodik 10-szerest. gy az utols sorban a megadott, 9cel oszthat szmok szerepelnek. Ha e sor szerint fejtjk ki
a determinnst, akkor minden sszeadand oszthat lesz
9-tel, teht a determinns is.
6.31. Egy olyan determinnst kell konstrulni, melynek
van egy nulla rtku aldeterminnsa. pldul a

1 2 1

1 9 2

1 1 1
determinns rtke 1, de a 9-hez tartoz aldeterminns rtke 0, gy a msodik sor vagy oszlop szerinti kifejtsben
e szm 0-val szorzdik, vagyis nem befolysolja a determinns rtkt.
negyedik oszlopa szerinti kifejtssel kapjuk, hogy

p2 p 1

D = pqr q2 q 1 .
2

r
r 1
Ezekbol rvid talakts utn lthat, hogy az sszefggs
ebben az esetben is fennll.
6.35. a1 = det[1] = 1, a2 = [ 11 11 ] = 2, az (n n)es determinnst elso sora szerint kifejtve kapjuk, hogy
a n = a n 1 + a n 2 .
6.37. Igen. Tekintsk a determinns elso sor szerinti kifejtst! Ha mindegyik elemhez tartoz elojeles aldeterminns 0 lenne, akkor a mtrix szingulris lenne, gy valamelyik elemhez tartoz aldeterminns nem 0. Legyen
pl. A1j 6= 0. Ekkor a kifejts sszes tbbi tagjt sszevonva
determinns
kapjuk, hogy det A = a1j A1j + c. Mivel A1j 6= 0, ezrt az

a1j A1j + c = 0 egyenlet megoldhat aij -re, teht ennek az
elemnek a megvltoztatsa 0-v teszi a determinnst.
6.38. Ha az i-edik sor elemeit az u-adik sorhoz tartoz elojeles aldeterminnsokkal szorozzuk, akkor az u-adik sor
elemeit nem hasznljuk, teht szabadon megvltoztathatjuk. Msoljuk az i-edik sort az u-adik helyre, teht minden
k-ra aik = auk . Ekkor egyrszt nk=1 aik Auk = nk=1 auk Auk ,
azaz e determinns u-adik sor szerinti kifejtst kaptuk,
msrszt e determinnsnak van kt azonos sora, teht determinnsa 0. Az oszlopokra vonatkoz llts egy transzponlssal visszavezetheto erre.
6.39. A kt ttel kpletei kzs kpletbe foglalhatk. Sorokra:
(
n
det A, ha i = u,
(6.4)
aik Auk = 0,
ha i 6= u,
k =1
oszlopokra:
277
c) Mivel det(A) = 1, ezrt A1 megegyezik az elojeles

aldeterminnsok mtrixnak transzponltjval. Ennek
mind a 16 elemt nem kell kiszmolni, mert felso hromszgmtrix inverze felso hromszgmtrix. Hasonlan knnyen lthat, hogy a fotlbeli elemekhez tartoz elojeles aldeterminnsok rtke 1. Teht csak a fotl
alatti elemek elojeles aldeterminnsait kell kiszmolni.
Pldaknt egyet mutatunk:
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
Mi lehet e feladat ltalnostsa, s mi a vlasz?

(6.5) d) A mtrixbl csak egy nemnulla kgy vlaszthat ki, gy
0,
ha j 6= v.
k =1
determinnsa knnyen szmolhat: det B = 16. Az inverz kiszmtshoz nem kell sok aldeterminnst sz6.40. A kt kifejtsi ttelbol addik, hogy
molni, mert nagy rszk lthatan 0 rtku.
Vegyk
[ aij ][ Aij ] T = det(A)I,
figyelembe a szmolsnl azt is, hogy B szimmetrikus,
gy egyrszt a szimmetrikusan elhelyezkedo elemek kugyanis [ aij ] i-edik sornak s [ Aij ] T u-adik oszlopnak, azzl csak az egyiket kell kiszmolni, msrszt a szimmetaz [ Aij ] u-adik sornak skalris szorzata a (6.4) kplet szeria miatt a vgn szksgtelen a transzponls.
rint det(A), ha i = u, azaz a szorzat fotljban, egyebtt

pedig 0. Ebbol pedig mindkt kplet addik.

0 12 0 12
0 8 0 8
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
6.46. a) A hrom eredmny: 1, 2, 4. Mivel mindhrom

test esetn ugyanazokat a szmolsokat kell elvgezni, csak
ms modulus szerinti maradk lesz az eredmny, legegyszerubb,
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,
ha az elso sor 2-szerest hozzadjuk

a msodik, s 3-szorost a harmadik sorhoz.
6.47. Sage-kd egy F2 fltti vletlen mtrix kirsra:
sage: random_matrix(GF(2), 5)
[1 0 0 1 1]
[1 1 1 0 1]
[1 1 1 0 0]
[1 0 0 0 0]
[0 0 1 0 0]
sage: _.det()
1
Hny olyan F525 -beli mtrix van, amelynek determinnsa nem 0? Az elso sora brmelyik vektor lehet, kivve a
0-vektort, gy 25 1 lehetosg van. A msodik sor nem
lehet ez a vektor s a 0-vektor, ez 25 2 lehetosg. A harmadik vektor nem lehet az elozo kt vektor ltal kifesztett
altr, melynek a 0-vektorral egytt 22 = 4 eleme van, e
vektor kivlasztsra teht 25 22 lehetosg addik. Hasonlan folytatva kapjuk, hogy az sszes fggetlen vektortsk azaz a nemnulla rtku determinnsok szma (25 20 )(25 21 )(25 22 )(25 23 )(25 24 ). Ha ezt
elosztjuk az sszes F525 -beli mtrixok szmval, 0.2980-t
kapunk, gy a determinns 0.7020 valsznusggel
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
a 1-hatvny, a kvetkezo ketto brmelyike j:

a11 a12 . . . a1n
a11 a21 . . . e1

a

a

21 a22 . . . a2n
12 a22 . . . e2
.

vagy
..
..
..
.. .
..
..
.
..
.
.
.

.
.
.
.
.

e1

e2 . . . e n
a1n a2n . . . en
6.49. Az elozo feladat szerint a krt vektort a kvetkezokpp kaphatjuk meg:

1
1
1
1

1
2
2
2

= e4 e3
1
2
3
3

e1 e2 e3 e4
azaz a negyedik vektor (0, 0, 1, 1).
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.
Mtrixlekpezs, lineris lekpezs

A mtrixlekpezs fogalma Mtrixhoz tartoz lekpezsen, mtrix ltal induklt lekpezsen vagy egyszeruen
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
hasznlunk, a lekpezsekre dolt betuket.
A tovbbiakban azt a konvencit

kvetjk, hogy egy mtrixhoz tartoz mtrixlekpezst ugyanannak a
betunek
a dolt vltozatval jelljk, pldul az A mtrixhoz tartoz

mtrixlekpezst A jelli, azaz
A : x 7 A(x) = Ax.
Az A(x) mellett az Ax jells is hasznlatos.
Az A lekpezs rtkkszlett Im( A) jelli, mely az Rm altere. Ezt
szoks kptrnek is nevezni, minthogy ez az Rn tr kpe. Ez megegyezik az A mtrix oszloptervel, azaz O(A)-val. Azoknak a vektoroknak
az altert, melyet A a nullvektorba visz, az A lekpezs magternek nevezzk. Magtrre a kernel sz is hasznlatos. Ker( A)-val jelljk. Ez
megegyezik a hozz tartoz A mtrix nulltervel. Teht
Im( A) = O(A),
Ker( A) = N (A).
Az j szhasznlat hamarosan rtelmet fog kapni, amikor e lekpezsek fogalmt kiterjesztjk.
Az Im rvidts a kp jelentsu image, a

Ker a mag jelentsu kernel szbl szrmazik.
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
E feladatra ksobb mg tbbszr visszatrnk.
(7.1)
2
Muveletek
mtrixlekpezsek kztt A mtrixlekpezsek Rn -bol Rm -be

kpzo fggvnyek (a ksobbiekben Cn Cm s Fnp Fm
p fggvnyekkel is foglalkozunk). Krds, hogy mi a kapcsolat e mtrixlekpezsek
kzti fggvnymuveletek
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.
7.2. ttel (Mtrixlekpezsek alapmuveletei).

Legyen A, B s C
hrom m n-es mtrix, legyen A, B s C a hozzjuk tartoz hrom mtrixlekpezs s legyen c egy skalr. Ekkor
a) A + B = C pontosan akkor igaz, ha A + B = C, s
b) cA = C pontosan akkor igaz, ha cA = C.
Ha X, Y s Z tpusa rendre m k, k n, illetve m n, s X, Y s Z a
hozzjuk tartoz hrom mtrixlekpezs, akkor
mtrixlekpezsek s geometrijuk
c) XY = Z pontosan akkor igaz, ha X Y = Z, azaz mtrixok szorzsnak

a fggvnyek kompozcija felel meg.
Bizonyts. A bizonytsok a mtrixmuveletek
tulajdonsgaibl kvetkeznek. Ott, ahol valamelyik mtrixazonossgot hasznljuk, az ekvivalencit kimond nyl fl M-betut
runk, ahol pedig a fggvnyek
kzti muveleti
tulajdonsgokat hasznljuk, ott egy F-betut:
a) ( A + B)(x) = C (x) A(x) + B(x) = C (x) Ax + Bx = Cx

M
(A + B)x = Cx.
F
b) (cA)(x) = C (x) cA(x) = C (x)

(cA)x = Cx
F
cAx = Cx
M
c) ( X Y )(x) = Z (x) X (Y (x)) = Z (x) X(Yx) = Zx

(XY)x = Zx.
2
Az f : Rn Rn fggvnynek a g : Rn Rn fggvny inverze,
ha minden x Rn helyen ( f ( g(x)) = x s ( g( f (x)) = x, azaz ha
kompozciik az f g s a g f fggvnyek megegyeznek az identikus
lekpezssel.
7.3. llts (Inverz mtrixlekpezsek). Legyenek A s B az n nes A s B mtrixokhoz tartoz mtrixlekpezsek. Ekkor az A mtrix inverze
pontosan akkor a B mtrix, ha az A lekpezs inverze a B lekpezs.
Bizonyts. A 7.2. ttelbol tudjuk, hogy ( A B)(x) = ABx s ( B
A)(x) = BAx. gy ha AB = BA = I, azaz A inverze B, akkor ( A
B)(x) = ABx = Ix = x, s hasonlan ( B A)(x) = BAx = Ix = x,
azaz A B s B A az identikus lekpezs. Hasonlkpp, ha A B
s B A az identikus lekpezs, akkor (AB)x = ( A B)(x) = x s
(BA)x = ( B A)(x) = x, gy AB = BA = I, vagyis A s B egyms
inverzei.
2
Mtrixlekpezsek tulajdonsgai E paragrafus tartalma az, hogy a mtrixlekpezsek megorzik a lineris kombincikat, azaz vektorok egy
lineris kombincijnak kpe a vektorok kpnek azonos lineris kombincijval egyenlo.
o lekpezsek). Legyen
7.4. ttel (A lineris kombincit megorz
A : Rn Rm egy tetszoleges fggvny. A kvetkezo hrom llts ekvivalens.
a) Ltezik egy olyan m n-es A mtrix, hogy az A fggvny megegyezik
az x 7 Ax lekpezssel, azaz A az A mtrixhoz tartoz mtrixlekpezs.
b) Az A fggvny homogn s additv, azaz tetszoleges x, y Rn vektorra s c R skalrra
1. A(cx) = cA(x) (A homogn),
2. A(x + y) = A(x) + A(y) (A additv).
281
282
lineris algebra
c) Az A fggvny megorzi a lineris kombincit, azaz tetszoleges x, y

Rn vektorra s c, d R skalrra A(cx + dy) = cA(x) + dA(y).
Bizonyts. a) b): Ha van olyan A mtrix, hogy minden x vektorra Ax = Ax, akkor
A(cx) = A(cx) = cAx = cAx, s
A(x + y) = A(x + y) = Ax + Ay = Ax + Ay.
b) c): Ha A homogn s additv, akkor
A(cx + dy) = A(cx) + A(dy) = cAx + dAy,
ahol az elso egyenlosgnl az A additivitst, a msodiknl a homogenitst hasznltuk.
c) a): Tekintsk Rn standard bzist s az Aei vektorokbl kpzett
A = [ Ae1 | Ae2 | . . . | Aen ]
(7.2)
mtrixot, valamint legyen az x Rn egy tetszoleges vektor. Ha A

olyan lekpezs, mely megorzi a lineris kombincikat, akkor
Ax = A( x1 e1 + x2 e2 + . . . + xn en )
= x1 Ae1 + x2 Ae2 + . . . + xn Aen

x1
h
i
x2
= Ae1 Ae2 . . . Aen

..
.
xn
= 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
indukcival addik brmely lineris kombincira az llts. Ezt a

bizonytsban ki is hasznltuk.
I A ttel bizonytsban a (7.2) kplettel azt is megkaptuk, hogy hogyan rhat fl egy lineris kombincit megorzo lekpezs mtrixa!
I A ttel b) s c) pontja lehetov teszi a mtrixlekpezs ltalnostst. Ezt tesszk a lineris lekpezsekrol szl paragrafusban.
A mtrixlekpezs hatsnak szemlltetsei Egy mtrixszal val szorzsnak egy adott alkalmazsban konkrt jelentse van (pl. gazdasgi, fizikai,. . . ). Ilyen esetekben a mtrixot hasznlnak elg lehet a trgyban
val ismerete ahhoz, hogy rtse, mi trtnik. De mg ilyenkor is
segthet a matematikai eszkzk megrtsben, ha absztraktabb, vagy

vizulisan is megjelentheto kpet is tud alkotni magnak. Most a mtrixlekpezsek vizulis megjelentsnek lehetosgeit tekintjk t.
Egy mtrixszal val szorzs hatsa lehet pldul az, hogy a sk minden vektort elforgatja szggel. Ez szemlltetheto szabad vektorokkal, helyvektorokkal, s pontokkal is. Ha szabad vektorokknt brzoljuk a vektorokat, akkor mivel az azokat brzol irnytott szakaszok szabadon eltolhatk a forgats kzppontja is szabadon megvlaszthat az brzolsban. Ha helyvektorokkal brzoljuk a vektorokat, akkor a forgats orig krli csak e pont krli forgats visz
helyvektort helyvektorba. Ugyanez a helyzet, ha a vektorokat pontokkal, a helyvektorok vgpontjaival brzoljuk. A 7.1 bra e hrom
brzolst mutatja. Ezzel a mdszerrel ltalban csak egy-egy vektor
kpe brzolhat, az egsz lekpezs ritkn.
R2 R2 lekpezsek esetn a legegyszerubb
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)
7.1. bra: Vektorok elforgatsnak szemlltetsei a vektor klnbzo brzolsai

szerint: a) szabad vektorok, b) helyvektorok, c) pontok.
Ax
7.5. plda (Mtrixlekpezs brzolsa az egysgrcs kpvel).

brzoljuk az egysgngyzet s az egysgngyzetrcs kpt az albbi mtrixok esetben:
"
#
"
#
"
#
"
#
5
3
3
5
5
3
3
5
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
7.2. bra: Az A = [ 11 12 ] mtrix hatsa az egysgngyzetrcson, s az x =

(1, 2) vektoron. Az Ax vektor vgpontja a parallelogrammarcson 1 lps az xtengely kpnek irnyba, s 2 lps az
y-tengely kpnek irnyba.
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.
7.3. bra: Az egysgngyzet s az egysgngyzetrcs kpe a megadott ngy

mtrix ltal, s az (1, 2) vektor 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.
7.6. plda (Mtrixlekpezs brzolsa az egysgkr kpvel).

Az albbi 7.5 bra az elozo pldabeli mtrixlekpezsek egysgkr-brjt
mutatja. Olvassuk le az brrl az (1, 0) s a (0, 1) vektorok kpt! Keressnk olyan egysgvektorokat mind a ngy brn, melyek kpe sajt maguk
skalrszorosa!
"
A=
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
7.5. bra: Ngy lekpezs egysgkrbrja.
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
285
egysgvektort fekete, a kpt kk sznnel jellve. A msodik sor el5 7

so kt brjn a 4 , 3
4 , 4 , 4 irnyok ilyenek. A ngy vektor kzl
csak kettot s ezek kpt rajzoltuk be, a msik ketto a tkrkpk (1szeresk). Az elso brn a /4 irny egysgvektor a 2-szeresbe, a
3/4 irny egysgvektor a 0.5-szeresbe megy, a harmadik brrl az
irnyok nehezebben olvashatk le, a negyedik brn nem tallni ilyen
irnyt.
2
Rn
Rm
Nehezebb a helyzet, ha egy ltalnos
lekpezst szeretnnk szemlltetni. Ehhez a levldiagramot hvjuk segtsgl. Itt elsoknt a kpteret s a magteret tudjuk szemlltetni, amint azt a 7.7. bra
mutatja.
7.6. bra: Ngy lekpezs egysgkrbrja a bzisvektorokat s kpket

sszekto vonalak kiemelsvel, s a
sajt maguk konstansszorosba kpzett
vektorokkal.
Rn
Rm
Lineris lekpezs A lineris lekpezst a mtrixlekpezs tulajdonsgaibl ltalnostjuk:

7.7. definci (Lineris lekpezs). Legyen H1 s H2 mindegyike
olyan halmaz, melynek elemein rtelmezve van egy sszeads s egy Rbeli skalrral val szorzs muvelet.
Azt mondjuk, hogy egy A : H1 H2

lekpezs lineris, ha homogn s additv, azaz ha tetszoleges x, y H1
elemekre s c R skalrra
A(cx) = cA(x),
A ( x + y ) = A ( x ) + A ( y ),
(homogn), s
(additv).
H1 = H2 esetn a lineris lekpezseket lineris transzformciknak is

nevezzk.
Im( A)
Ker( A)
0
7.7. bra: Egy A : Rn Rm , x 7 Ax

mtrixlekpezs levldiagrammja. Az
brn hrom altr sznezssel ki van
emelve az rtelmezsi tartomny (Rn ),
az rtkkszlet (Im( A) = O(A)) s a
magtr (Ker( A) = N (A)).
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
ltszik, hogy egy egyenesre val tkrzs

egy vektor c-szerest a vektor tkrkpnek c-szeresbe viszi, s kt
vektor sszegt a kt vektor tkrkpnek sszegbe (ld. 7.9 bra).
Vgl ugyangy megmutathat, hogy egy egyenesre val meroleges
vetts egy vektor c-szerest vetletnek c-szeresbe viszi, s kt vektor
sszegt a kt vektor vetletnek sszegbe (ld. 7.10 bra).
2
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.
7.9. bra: Az egyenesre val tkrzs lineris lekpezs

a+b
2a
a
7.10. bra: Az egyenesre val meroleges

vetts lineris lekpezs
A bizonyts kiolvashat a 7.4. ttel bizonytsnak c) = a) rszbol.

I A lineris lekpezs s a mtrixlekpezs kzti klnbsg tisztzsa
fontos. Mint azt a 7.8. plda mutatja, lineris lekpezsekrol olyan

esetben is beszlhetnk, amikor a lekpezsnek nincs mtrixa, azaz a
lineris lekpezs ltalnosabb fogalom.
I Klnbsg van a lineris lekpezs s a mtrixlekpezs kzt Rn
Rm fggvnyek esetn is. Minden mtrixlekpezs lineris lekpezs,
s minden lineris lekpezshez tartozik egyetlen mtrixlekpezs a
standard bzisban. A klnbsg lnyege az, hogy a lineris lekpezs
fggetlen a bzistl, az csak maga a fggvny, mg a mtrixlekpezs
mindig valamely bzisra vonatkozik. Egy lineris lekpezshez minden bzisban tartozik egy mtrixlekpezs, de ezt a lekpezst megad
mtrix fgg a bzistl.
I rdemes jellemezni a lineris R R transzformcikat. Ehhez
eloszr lssuk tisztn, hogy R elemei az 1-dimenzis vektorok, azaz a
szmok. E trben az e = 1 vektor (szm) a bzis. Az elozo ttel szerint
egy lineris L : R R transzformci mtrixa [ Le] = [ L(1)], ami megintcsak egyetlen szm, jellje ezt c := L(1). gy L( x ) = L(1x ) = cx,
azaz a lineris R R transzformcik azonosak az x 7 cx fggvnyekkel, ahol c egy tetszoleges konstans. E lekpezsek grafikonja egy
orign tmeno egyenes.
I Az R R lineris lekpezsek teht nem azonosak az lineris
R R fggvnyekkel, melyek ltalnos alakja f ( x ) = cx + b, ahol
c, d R. Egy ilyen fggvny pontosan akkor lesz lineris lekpezs,
ha b = 0.
7.11. plda. Mutassuk meg, hogy az
L : R2 R3 ; ( x, y) 7 ( x y, 2x + y, x )
lekpezs lineris lekpezs, s rjuk fel a mtrixt, majd ellenorizzk tetszoleges x vektorra az L(x) = Lx sszefggst!
Megolds. 1. megolds: Alaktsuk t a fggvny rtkl kapott vektort:
" #
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
A mtrixlekpezsek pedig lineris lekpezsek, teht L is. Az L(x) =

Lx sszefggsen e megoldsban nincs mit ellenorizni, hisz L pp gy
szletett, hogy ez igaz legyen.
2. megolds: L linearitsa a definci alapjn is bizonythat, br itt
kicsit krlmnyesebb. L homogn, ugyanis
L(c( x, y)) = L(cx, cy) = (cx cy, 2cx + cy, cx ) = c( x y, 2x + y, x )
= 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),
L(0, 1) = (1, 1, 0),
gy a lekpezs mtrixa e kt vektorbl, mint oszlopvektorbl kpzett

mtrix lesz, azaz
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 ).
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
ami egy altr eltoltja.
CBA
Lineris lekpezs mtrixa klnbzo bzisokban Tegyk fel, hogy az L

lineris lekpezs mtrixa az A bzisban LA , a B bzisban LB , s az A
bzisrl a B -re val ttrs mtrixa CBA . Krds, hogy mi a kapcsolat e hrom mtrix kztt.
A vlasz egyszeruen
megadhat, ha megvizsgljuk egy tetszoleges
x vektornak s Lx kpnek koordints alakjt. Ezeket jellje [x]A , [x]B ,
[ Lx]A , [ Lx]B . Az ttrs mtrixa kztk a kvetkezo kapcsolatokat
ltesti:
[x]B = CBA [x]A , [ Lx]B = CBA [ Lx]A ,
az LA s LB mtrixok pedig a kvetkezoket:
LA [x]A = [ Lx]A ,
[x]A
CBA
LA
[ Lx]A
7.11. bra: A vzszintes nyilak az L lekpezs hatst mutatjk. E hats elrheto

az LA , illetve az LB mtrixszal val szorzssal. A fggoleges nyilak a bziscsere irnyt mutatjk. A CBA mtrixszal
val szorzssal megvalsthat. Az brrl leolvashat a LB CBA = CBA LA
sszefggs.
[x]B
LB
[ Lx]B
LB [x]B = [ Lx]B .
Ezeket sszevetve kapjuk, hogy

LB [x]B = [ Lx]B = CBA [ Lx]A = CBA LA [x]A ,
azaz
LB CBA [x]A = CBA LA [x]A
vagyis csak mtrixokra flrva:
1
LB CBA = CBA LA vagy trendezve LA = C
BA LB CBA .
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
[x]A LA [x]A CBA LA [x]A ,

[x]A CBA [x]A LB CBA [x]A .
CBA
[x]A
CAB =
LA
1
C
BA
[ Lx]A
7.12. bra: Ezt az brt az elozobol

egyetlen nyil s felirata megvltoztatsval kaptuk. Errol kzvetlenl leolvashat az LA = CAB LB CBA , illetve az
1
LA = C
BA LB CBA sszefggs. Ehhez az [x]A -bl az [ Lx]A -ba vezeto kt
utat kell bejrnunk, s kzben a megfelelo mtrixokat sszeszoroznunk.
290
lineris algebra
A kt vgeredmnynek meg kell egyeznie. gy ugyanazt kaptuk, amit

behelyettestsekkel. sszefoglalva teht bizonytottuk az albbi ttelt:
7.13. ttel (Lineris lekpezs mtrixai kzti kapcsolat). Legyen az L lineris lekpezs mtrixa az A bzisban LA , a B bzisban LB , s
az A bzisrl a B -re val ttrs mtrixa CBA . Ekkor
1
LA = CAB LB CBA . azaz LA = C
BA LB CBA .
7.13. bra: A T transzformci a buvs
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?
7.14. plda (Lineris lekpezs mtrixa msik bzisban). Az

16
L lineris lekpezs mtrixa L = [
2 6 ]. rjuk fel mtrixt az B =
{(2, 1), (3, 2)} bzisban!
Megolds. A megadott B bzisrl a standard E bzisra val ttrs
mtrixa a bzisvektorokbl, mint oszlopvektorokbl ll, azaz
#
"
2 3
.
CE B =
1 2
Ekkor az L = LE jellst hasznlva
"
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
Hasonlsg Tudjuk, hogy ha egy L lineris transzformcinak egy A

bzisban A a mtrixa, egy B bzisban B, akkor a kt mtrix kapcsolata
B = CBA ACAB ,
1
ahol CBA = C
o
AB az ttrs mtrixa. E tny motivlja a kvetkez
defincit:
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.
A = CBC1 = (C1 )1 BC1 = C

gy teht mondhat az, hogy A s B hasonlak, mivel a hasonlsg
szimmetrikus relci.
7.14. bra: A flso kockn lthat hrom cscskockt kell kicserlni. Eloszr
a hrom cscsot egy skba mozgatjuk
(C transzformci), majd az elozo brn lthat T transzformcival kicserljk o ket, vgl C inverznek alkalmazsa utn minden kocka a helyre kerl. gy a transzformcik egyms utni
elvgzst szorzsnak tekintve a megol-
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
#!
.
I A B = C1 AC sszefggs ekvivalens az CB = AC sszefggssel,
amit mg egyszerubb
lehet ellenorizni. Pldnk esetben

"
#"
# "
#"
#
"
#!
2
1 6 4
0 1 2
1
3 2
=
=
.
3 2 9 6
0 0
3 2
0
0
I A C1 AC alak kifejezst az A mtrix C-vel val konjugltjnak
nevezik. A konjuglt ms algebrai struktrkban is fontos szerepet

kap. Pldaknt vges halmazok permutciinak struktrjt emltjk.
Ekkor a permutcik kzti muvelet
a permutcik egyms utn val

elvgzse, aminek eredmnyeknt megintcsak a halmaz egy permutcijt kapjuk. Konkrtan a Rubik kockn mutatjuk meg a konjuglt
szerept a 7.13 s a 7.14 brk segtsgvel.
7.16. ttel (Hasonl mtrixok hatsa). Kt mtrix pontosan akkor
hasonl, ha van kt olyan bzis, melyekben e kt mtrix ugyanannak a lineris lekpezsnek a mtrixa.
Bizonyts. Ha A s B hasonlak, azaz B = C1 AC, akkor C-t, mint a
C = {c1 , c2 , . . . , cn } bzisrl az E standard bzisra val ttrs mtrixt
tekintve azt kapjuk, hogy
1
B = C
E C ACE C .
Eszerint ha L az A mtrixhoz tartoz mtrixlekpezs, azaz A az L

mtrixa a standard bzisban, akkor B az L mtrixa a C bzisban. A
fordtott lltst a bevezetoben igazoltuk.
2
7.17. ttel (Hasonlsgra invarins tulajdonsgok). Ha A s B
hasonl mtrixok, azaz A B, akkor
a) r(A) = r(B),
b) dim(N (A)) = dim(N (B)),
c) det(A) = det(B).
Bizonyts. A bizonyts sorn fltesszk, hogy valamely invertlhat C mtrixszal A = C1 BC.
a) Mivel mtrix rangja megegyezik az oszloptr dimenzijval, az oszloptr pedig megegyezik a mtrixlekpezs kptervel, ami a kt
mtrixra azonos, ezrt a rangok is megegyeznek.
b) Hasonlan bizonythat az is, hogy a kt mtrix nullternek dimenzija megegyezik, hisz a nulltr megegyezik a lineris lekpezs
magtervel, ami pedig kzs.
A latin eredetu invarins sz jelentse: talakuls kzben vltozatlanul marad. Matematikban valamilyen muvelet,
talakts, lekpezs sorn vltozatlanul

marad kifejezs, mennyisg, rtk. Esetnkben a bzis megvltoztatsa utn is
vltozatlanul marad mennyisgeket jelenti.
292
lineris algebra
c) det(A) = det(C1 BC) = det(C1 ) det(B) det(C) = det(B), mivel

det(C) det(C1 ) = 1.
2
Egy fontos kvetkezmnye e ttelnek, hogy a rang s a determinns
fogalma termszetes mdon tviheto lineris lekpezsekre, legalbbis
Rn Rm lekpezsek esetn. A lineris L : Rn Rm lekpezs
rangjn kpternek dimenzijt rtjk, azaz r( L) = dim(Im( L)). A
lineris L : Rn Rn transzformci determinnsn az L lekpezs
brmely bzisban flrt mtrixnak determinnst rtjk. A definci
rtelmes, hisz ez az rtk a bzis vlasztstl fggetlen.
Tartomnyok kpe s mrtkk vltozsa Ha klnbzo alakzatok lineris lekpezsek ltali kpt vizsgljuk, felvetodik a krds: hogyan
vltozik a terletk/trfogatuk a lekpezsek sorn? Pl. az [ ac db ] mtrixszal reprezentlt lineris lekpezs egy T terletu skidomot mekkora terletube
visz?
Nem nyilvnval, hogy a krdsre van-e egyltaln vlasz, s nem
fordulhat-e elo, hogy a fenti lekpezs egyik skidomot pldul a 2szeresbe, msikat a 3-szorosba viszi.
Akr a terletmrtk Jordan-, akr Lebesgue-fle defincijt tekintjk, elg a krdst olyan tglalapokra megvlaszolni, amelyek oldalai
prhuzamosak a tengelyekkel, de ezt az lltst nem igazoljuk (lsd a
szljegyzetet). Legyen egy ilyen tglalap ngy cscsa: ( p, q), ( p + x, q),
( p, q + y), ( p + x, q + y), ahol x, y > 0. Teht a tglalap oldalhossza x s
y, terlete xy. A cscsok kpe kiszmolhat egyetlen mtrixszorzssal:
"
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
Innen leolvashat, hogy a tglalap kpeknt kapott parallelogramma

oldalvektorai ( ax, cx ) s (by, dy), s gy terlete
|( ax )(dy) (cx )(by)| = | ad bc| xy.

Eszerint teht a tglalap kpnek terlete fggetlen a tglalap helyzettol, s mindig a tglalap terletnek | ad bc|-szerese, s gy minden
terletmrtkkel rendelkezo skbeli tartomny kpnek terlete az eredeti | ad bc|-szerese.
Gondoljuk meg, mi a klnbsg T kt kpe kzt az ad bc > 0, s
az ad bc < 0 esetben?
Az imnt vzolt gondolatmenettel bizonythat a kvetkezo llts,
mely a determinns egy fontos tulajdonsgt rja le:
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.
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)
hatrrtk. A D szmnak fontos jelentse van: az f fggvny x krli

megvltozsa jl kzeltheto a dx 7 Ddx fggvny 0 krli megvltozsval. Szemlltetve ez azt jelenti, hogy ha az f grafikonjn az
( x, f ( x )) pontra helyeznk egy dx s dy vltozj koordintarendszert, akkor a dx 7 dy = Ddx grafikonja az f fggvny grafikonjnak
rintoje (ld. a 7.15 brt). Eszerint, kicsit leegyszerustve
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|
Mindezek a kvetkezo defincira vezetnek:
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
7.19. definci (Differencilhatsg). Azt mondjuk, hogy az f :

Rn Rm fggvny differencilhat az x helyen, ha ltezik olyan Df,x :
Rn Rm lineris lekpezs, melyre
lim
h0
f(x + h) f(x) Df,x h

= 0.
|h|
A Df,x lekpezst az f fggvny x ponthoz tartoz derivltlekpezsnek

nevezzk.
I A Df,x jells arra utal, hogy a derivltlekpezs az f fggvnytol
s az x helytol is fgg, maga viszont mint lekpezs egy h vektorhoz
a Df,x h vektort rendeli.
I Elterjedtebb a Dx (f) jells, itt didaktikai okbl vlasztottunk olyat,
mely jobban vilgoss teszi, hogy ez egy lineris lekpezs, mely majd
hat valamely h vektoron, s annak kpe Dx (f)h vagy Dx (f)(h) az
ltalunk hasznlt jellsben Df,x h.
7.20. ttel (Jacobi-mtrix). Ha az f : Rn Rm ; ( x1 , x2 , . . . , xn ) 7

( f 1 , f 2 , . . . , f m ) fggvny differencilhat az x helyen, akkor a lineris Df,x
derivltlekpezs mtrixa a kvetkezo n. Jacobi-mtrix:
f
f1
f1
1
x1 ( x )
x2 ( x ) . . .
xn ( x )
f2
(x) f2 (x) . . . f2 (x)

( f 1 , f 2 , . . . , f m )
x2
xn
x1
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(x + te j ) f(x) Df,x (te j )

= 0.
|t|
Az f fggvny i-edik koordintafgvnye f i , a Df,x (te j ) vektor i-edik

koordintja ei0 Df,x (te j ). Ennek alapjn
lim
t 0
f i (x + te j ) f i (x) ei0 Df,x (te j )

= 0.
|t|
Ez a hatrrtk viszont mr egy egyvltozs fggvny derivltja, ami

nem ms, mint az f i fggvny j-edik parcilis derivltja, ugyanis trendezve az egyenlosget s t elojelvel is osztva kapjuk, hogy
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.
295
I A gyakorlatban az Rn R fggvnyek, vagyis az n-vltozs ska-
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).
Megolds. a) f ( x, y) = x2 y xy3 , parcilis derivltjai x

f ( x, y) =
2xy y3 , y f ( x, y) = x2 3xy2 . A derivltlekpezs mtrixa, azaz a

Jacobi-mtrix itt
h
i
2xy y3 x2 3xy2
E mtrix vektor alakja, azaz a gradiensvektor
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
7.16. bra: A felso bra az f( x, y) =

( x3 /2 + y3 /8, x + y) fggvny rtelmezsi tartomnyn megadott rcsot, s annak egy kis 2 2-es rszt mutatja, melynek kzppontja az (1, 1) pont. Az als
bra egyrszt halvnyan jelli e rcs s
sznesen a kiemelt rcs kpt, valamint
az (1, 1) ponthoz tartoz derivltlekpezs hatst e kiemelt rcson.
dx = dy = 0.5
Pldul az elso sor elso eleme x

( x3 /2 + y3 /8) = 32 x2 . Az f fggvny derivltlekpezsnek, vagyis Jacobi-mtrixnak hatst szemllteti a 7.16 s a 7.17 bra. Az ( x, y) ponthoz tartoz Jacobi-determinns
rtke 32 x2 38 y2 , ami az origt kivve mindentt negatv. Ez azt
dx = dy = 0.2
296
lineris algebra
jelenti, hogy e lekpezs minden pont krnyezetben megfordtja a

krljrst. Az (1, 1) pontban a Jacobi-determinns rtke 15
8 . Teht
e pont kis krnyezetben tartomny terlett a fggvny kzel megktszerezi.
c) Az r(t) = (t3 , t2 , t) fggvny Jacobi-mtrixa

3t2
12

2t , ami a t = 2 helyen 4 .
1
1
A trben mozg pont (test) mozgsnak lersra is R R3 fggvnyt
hasznlunk. Ha e fggvny egy ilyen mozgst r le, akkor sebessgvektora egy tetszoleges pontban
r (t) = (3t2 , 2t, 1),
a t = 2 paramterhez tartoz pontban r (2) = (12, 4, 1).
d) Az utols plda fontos lltst szemlltet, nevezetesen azt, hogy
egy lineris lekpezs derivltja minden x helyen megegyezik magval
a lekpezssel, azaz a derivltja nmaga. Vilgos, hogy a megadott
lekpezs egy lineris lekpezs, mtrixszorzatos alakja, nevezetesen

"
# x
1
2
3
0
f ( x1 , x2 , x3 ) =
x2 .
1 1 1
x3
Ennek Jacobi-mtrixa valban brmely ( x1 , x2 , x3 ) helyen
#
"
2
3
0
,
1 1 1
ugyanis az i-edik koordintafggvny j-edik parcilis derivltja pp az
egytthatmtrix i-edik sor-, j-edik oszlopbeli eleme, azaz egy konstans. gy minden helyen e mtrix lesz a Jacobi-mtrix, specilisan az
( x1 , x2 , x3 ) = (1, 2, 0) helyen is.
2
7.22. plda (Fggvnyrtk becslse Jacobi-mtrixszal). Ismerjk egy differencilhat fggvny rtelmezsi tartomnynak egy pontjhoz
tartoz Jacobi-mtrixt s a fggvnyrtket ugyan ebben a pontban! Becsljk meg a fggvny rtkt egy e ponthoz kzeli helyen az albbi adatok
ismeretben!
a) f (0, 1) = 1, D f ,(0,1) = [1 0], ( x, y) = (0.05, 1.1),
3/8 ], ( x, y ) = (0.8, 1.1).
b) f(1, 1) = ( 38 , 2), Df,(1,1) = [ 3/2
1
1
Mennyire lennnek jk e becslsek, ha a fggvnyek az elozo feladatbeli a) s
b) fggvnyei lennnek?
Megolds. A fggvny megvltozsnak becslshez az f(x + h)
f(x) rtket kell megbecslni. A differencilhatsg defincija szerint
erre a Df,x h mennyisg alkalmas, ha a fggvny differencilhat az x

pontban. Eszerint teht
f(x + h) f(x) + Df,x h.
(7.6)
E kpletet felhasznlva az albbi megoldsokra jutunk:

a) E feladatban h = (0.05, 0.1), gy a fggvny megvltozsa a
"
#
h
i 0.05
D f ,(0,1) h = 1 0
= 0.05
0.1
rtkkel becslheto, teht a fggvny rtke
"
f (x + h) = f (0.05, 1.1) f (0, 1) + D f ,(0,1)
#
0.05
= 1.05,
0.1
azaz f (0.05, 1.1) 1.05. Ha f az elozo a) feladatbeli fggvny, azaz

f ( x, y) = x2 y xy3 + 1, akkor a pontos rtk f (0.05, 0.1) = 1.0693.
b) Itt h = (0.2, 0.1), gy a fggvny megvltozsa a
# "
#"
#
# "
"
3 2
1
10 + 38 10
0.3375
23 83 0.2
2
=
=
Df,(1,1) h =
2
1
0.1
1
1
10
+ 10
0.1
rtkkel becslheto, teht a fggvny rtke f(0.8, 1.1) f(1, 1) +
(0.3375, 0.1) = (0.0375, 1.9). Ha f az elozo b) feladatbeli fggvny,
azaz f( x, y) = ( x3 /2 + y3 /8, x + y), akkor a pontos rtk f (0.8, 1.1) =
(0.089625, 1.9).
2
E paragrafusnak nem clja a fggvnyanalzis terletre tartoz tmk feldolgozsa, de a tbbvltozs fggvnyek kompozcijnak derivltlekpezse az egyvltozs fggvnyek lncszablyhoz hasonl
mdon szmolhat, s erre rdemes egy pillantst vetnnk, mert a
megoldst a derivltlekpezsek kompozcija, azaz a Jacobi-mtrixok
szorzata adja. Bizonyts nlkl kzljk a kvetkezo ttelt.
7.23. ttel (Lncszably). Legyen f : Rk Rm , g : Rn Rk kt
fggvny. Ha g differencilhat az x helyen, s f az u = g(x) helyen, akkor
f g differencilhat az x helyen, s derivltlekpezse, illetve annak mtrixa
kifejezheto az albbi alakban:
Dfg,x = Df,g(x) Dg,x ,
mtrixjellssel
Dfg,x = Df,g(x) Dg,x ,
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 )
7.24. plda (Lncszably). rjuk fel a lncszably ltalnos kpleteit a

megadott fggvnytpusokra, az sszetett fggvny derivltjt pedig a lncszabllyal s behelyettestssel is szmtsuk ki!
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
a fggvnyek parcilis derivltjait kiszmolva s a helyet megadva

h
df
(1) = 2x
du
"
i
g(1)=(2,0)
2u + 1
1
#
,
u =1
vgl a helyettestst is elvgezve

h
" #
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
A megadott fggvnyekre s a helyettestendo rtkeket is megadva

"
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
ami termszetesen megegyezik az elozo eredmnnyel.

Vgl a c) esetben az ltalnos alak
"
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
#
.
A parcilis derivltakat kiszmolva s a helyettestsi rtkeket is megadva kapjuk, hogy

"
#
"
#
"
#
"
#"
# "
f1
f1
2 2xy
y
1
0
1
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
7.5. A : ( x, y) 7 ( x + 2y, x y).
Dntsk el, hogy az albbi lekpezsek mtrixlekpezsek-e! Amelyik igen, annak rjuk fel a mtrixt! Legyen a = ( a1 , a2 , a3 ) egy
tetszoleges vektor.
7.6. Legyen P3 a legfljebb 3-adfok polinomok halmaza,

s legyen D : P3 P3 : p( x ) 7 p0 ( x ).
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).
7.7. Legyen D[0,1] a [0, 1] intervallumon differencilhat

fggvnyek halmaza, s F[0,1] a [0, 1] intervallumon rtelmezett fggvnyek halmaza. Legyen tovbb A : D[0,1]
F[0,1] ; f ( x ) 7 x f 0 ( x ).
Lineris lekpezs mtrixa
301
2- s 3-dimenzis geometriai transzformcik mtrixa

A 7.4. ttel bizonytsban megkonstrultuk egy lineris A : Rn Rm
lekpezshez azt a mtrixot, mely ezt a lekpezst generlja, nevezetesen bizonytottuk, hogy minden x vektorra
Ax = [ Ae1 | Ae2 | . . . | Aen ] x.
Eloszr vizsgljunk meg nhny geometriailag lerhat R2 R2 s
R3 R3 lekpezst.
Forgats Vizsgljuk meg a sbeli pont krli s a trbeli egyenes krli forgatsok mtrixt!
7.25. llts (A forgats mtrixa). A sk vektorait egy pont krl
szggel elforgat lekpezs mtrixa
#
"
cos sin
.
sin
cos
Bizonyts. A 7.9. llts szerint a forgats lineris lekpezs, gy van

mtrixa, melynek alakja [ Ai Aj], ahol i s j jelli az R2 standard bzisnak elemeit. E vektorokat szemllteti a 7.18 bra.
Az Ai vektor megegyezik i elforgatottjval, amelynek ismerjk ko
ordintit: Ai = [ cos
sin ]. A j vektor szggel val elforgatottja megegyezik az Ai vektor /2 szggel val elforgatottjval, azaz Aj =
sin ]. gy az A-hoz tartoz mtrix
[ cos
A = Ai
"
sin
cos
cos
Aj =
sin
i
sin
Teht egy x vektor szggel val elforgatottja Ax = [ cos
sin cos ] x.
7.26. plda (Forgats egy tetszoleges

pont krl). Hatrozzuk
meg a koordintit a (4, 3) pont (2, 1) krl /3 radinnal val elforgatsval kapott pontnak!
Megolds. A forgats kzppontjt toljuk az origba, gy a (4, 3) pont
a (4, 3) (2, 1) = (2, 2) pontba kerl. E pontot, illetve az oda mutat
helyvektort forgassuk el /3 radinnal, azaz 60 -kal. Ez a forgats
mtrixval val beszorzssal megkaphat:
"
cos 3
sin 3
sin 3
cos 3
#" # "
1
2
= 23
2
2
3
2
1
2
#" # "
#
2
1 3
=
1+ 3
2
E pontot a (2, 1) vektorral eltoljuk, hogy ne az orig, hanem a (2, 1)
( sin , cos )
(cos , sin )
x
7.18. bra: Az i s j vektorok szggel
val elforgatottjai
302
lineris algebra
pont krli elforgatottat kapjuk meg:

"
# " # "
#
1 3
2
3 3
+
=
1+ 3
1
2+ 3
7.27. plda (Koordintatengely krli forgats a trben). rjuk

fel a koordintatengelyek krli szggel val forgats mtrixt.
Megolds. Tekintsk eloszr a z-tengely krli forgatst. Ekkor az i
s j vektorok gy transzformldnak, mint a sk elforgatsnl, mg a
k vektor helyben marad, teht a bzisvektorok gy transzformldnak:

1

0 7
0
cos
sin ,
0

0

1 7
0
sin
cos ,
0

0

0 7
1

0

0.
1
gy a z-tengely krli forgats mtrixa:
cos
sin
0
sin 0
cos 0
0
1
Hasonlkpp kapjuk az x- s az y-tengely krli forgats mtrixt is:
0
0
0
cos
sin
sin ,
cos
cos
0
sin
0 sin
1
0 .
0 cos
Ez utbbi mtrix elojelhibsnak tunhet,
de nem az, ha itt is a forgats

tengelyirnya felol nzve pozitv a forgsirny, azaz k-t forgatjuk i-be,
s nem fordtva.
2
7.28. ttel (Tengely krli forgats Rodrigues-formula). Ha
e R3 egysgvektor, akkor az e krli szgu forgats tetszoleges x vektort
az
x cos + (e x) sin + e(e x)(1 cos )
(7.7)
vektorba visz. E lekpezs mtrixa

R = I + sin [e] + (1 cos )[e]2
(7.8)
= I + sin [e] + (1 cos )(ee I)

Bizonyts. Ha x prhuzamos e-vel, akkor elforgatottja nmaga, s
valban, ekkor (e x) = 0 s e(e x) = x, gy a (7.7) kplet x-et ad
eredmnyl.
303
A tovbbiakban legyen teht x az e-val nem prhuzamos vektor.

Jellje x-nek az e-ra eso meroleges vetlett xe , azaz legyen
xe = (e x)e.
Jellje tovbb az x vektornak az e-re meroleges skra eso meroleges
vetlett x1 , azaz
x1 = x (e x)e.
Vgl legyen x2 = e x. Vilgos, hogy x1 x2 . E kt vektor hossza:
|x1 | = |x| sin ,

|x2 | = |e||x| sin = |x| sin ,
xe
teht |x1 | = |x2 |. Ha R jelli a forgat lekpezst, akkor

Rx
Rx1 = x1 cos + x2 sin
= (x (e x)e) cos + (e x) sin .

Mivel Rxu = xu , s x = xu + x1 , ezrt
e
Rx = Rxu + Rx1
= (e x)e + (x (e x)e) cos + (e x) sin
= x cos + (e x) sin + e(e x)(1 cos ).
x2
Ezzel igazoltuk a (7.7) formult. A lekpezs knnyen trhat mtrixszorzat alakba:

cos Ix + [e] x sin + (1 cos )(ee0 )x,
gy a forgats R mtrixa
R = cos I + sin [e] + (1 cos )(ee0 ).
Egyszeru szmolssal igazolhat, hogy ee0 I = [e]2 (ld. ?? feladat),
amibol azonnal addnak a (7.8) kpletei.
2
7.29. plda (Forgats mtrixa). rjuk fel annak a lekpezsnek a mtrixt, mely az (2, 0, 1) vektor egyenese krl szggel forgat, ahol cos = 23 .
Hatrozzuk meg a (3, 2, 1) vektor elforgatottjt! Ms eredmnyt kapnnke, ha a (2, 0, 1) vektor egyenese krl kne forgatnunk szggel?
Megolds. Az e =
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
gy rvid szmols utn a forgats mtrixa

R = I + sin [e] + (1 cos )[e]2
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
s R (3, 2, 1) = (2, 3, 1).

A (1, 0, 2) vektor krli forgatssal ms eredmnyt kapnnk,
hisz a forgats irnya a vektor irnytl is fgg, s mivel az az ellenkezojre vltozott, gy a forgsirny is ellenkezo irny lesz.
2
7.30. plda (A forgats mtrixnak inverze). Hatrozzuk meg a
skot szggel elforgat mtrix inverzt!
Megolds. Eloszr megllaptjuk, hogy a forgats mtrixa invertl sin
= cos2 +
hat, ugyanis determinnsa nem 0, hiszen cos
sin cos
2
sin = 1. Az egyik lehetsges megolds, hogy egyszeruen
a 2 2-es
mtrixok 5.17. ttelben lert invertlsi technikjt alkalmazva hatrozzuk meg az inverzet, mely szerint
"
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()
Meroleges vetts A merolegessg mind az elmleti matematika, mind

az alkalmazsok fontos fogalma.
7.31. llts (Egyenesre val meroleges vetts mtrixa). A sk
vagy a tr vektorait egy b irnyvektor egyenesre merolegesen vetto lekpezs mtrixa
P=
1
bb0 .
b0 b
(7.9)
Specilisan e mtrix alakja

P = ee0 ,
ha az egyenes irnyvektora az e egysgvektor.
(7.10)
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:
(x e)e = e(e x) = e(e0 x) = (ee0 )x,

teht
proje x = (ee0 )x.
Ebbol kiolvashat, hogy az e egysgvektor-irny egyenesre val meroleges vetts mtrixa
P = ee0 .
Ha b egy tetszoleges zrustl klnbzo vektor, akkor az e = b/|b|
jells mellett P = ee0 = bb0 /|b|2 , ami |b|2 = b0 b behelyettestsvel
bizonytja a ttelt.
2
I A ttelbol kvetkezik, hogy a sk vektorait az x-tengellyel szget
bezr egyenesre merolegesen vetto lineris lekpezs mtrixa
"
#
#
"
i
cos2
sin cos
cos h
,
(7.11)
P=
cos sin =
sin
sin cos
sin2
mivel ekkor e = (cos , sin ).

7.32. llts (Skra val meroleges vetts mtrixa). A tr vektorait az n normlvektor skra merolegesen vetto lekpezs mtrixa
P = I nn0 .
n
Bizonyts. Egy tetszoleges x vektornak a normlvektor egyenesre

eso meroleges vetlete a 7.31. llts szerint projn x = nn0 . Az n normlvektor S skra eso meroleges vetletre projs x = x projn x =
x (nn0 )x (lsd a 7.19. brt). Ebbol kvetkezik, hogy a skra val
meroleges vetts mtrixa I nn0 .
7.33. plda (Skra eso meroleges vetlet kiszmtsa). Hatrozzuk meg a (2, 1, 3) vektornak a 2x + y 2z = 0 egyenletu skra eso
meroleges vetlett! (ld. ksobb a 7.38. pldt)
projn x
S
projS x
7.19. bra: Vektor vetlete egy skra
Megolds. Az egysgnyi hossz normlvektor n = (2/3, 1/3, 2/3).

A P vetto mtrix
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
gy a (2, 1, 3) vektor meroleges vetlete

5 2 4
2
0
1

8 2 1 = 2 .
2
9
4
2 5
3
1
Tkrzs Vizsgljuk meg skban az egyenesre val s trben a skra

val tkrzs mtrixt!
7.34. llts (Skbeli tkrzs mtrixa). A sk vektorait az xtengellyel /2 szget bezr egyenesre tkrzo lineris lekpezs mtrixa
"
#
cos
sin
.
sin cos
Bizonyts. a 7.9. llts szerint a tkrzs lineris lekpezs. A vektorok tkrkpe csak a tkrzs tengelynek llstl fgg, ami most
/2. Helyvektorokban gondolkodva a tkrzs tengelynek t kell
mennie az orign.
A mellkelt brrl leolvashat, hogy i tkrkpe Ai = [ cos

sin ], mg
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
7.35. llts (Skra val tkrzs mtrixa). Igazoljuk, hogy a tr

vektorait az n normlvektor skra tkrzo lekpezs mtrixa
P = I 2nn0 .
Bizonyts. A 7.32. lltshoz hasonlan minden leolvashat a mellkelt 7.21. brrl: ha x-bol kivonjuk a projn x vektort, akkor a skra eso
vetletet kapjuk, gy ha a ktszerest vonjuk ki, a tkrkphez jutunk.
E lekpezs mtrixa az x 2(nn0 )x = (I 2nn0 )x sszefggsbol addik.
n
x
projn x
Vetts Trgyaltuk a meroleges vettst. Vetteni azonban msknt is

lehet.
7.36. plda. Hatrozzuk meg annak a lineris lekpezsnek a mtrixt,
mely a tr sszes pontjt az (1, 2, 1) vektorral prhuzamos irnyban az
x + y + 2z = 0 egyenletu skra vetti.
Megolds. Elemi geometriai eszkzkkel knnyen lthat, hogy e lekpezs valban lineris. Vilgos, hogy a kptr az x + y + 2z = 0
x 2(nn0 )x
7.21. bra: Vektor tkrkpe egy skra
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
I Az elozo feladatban kapott P mtrix eleget tesz a P2 = P sszefg-
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
linerisnak, de mivel z = 1, ezrt a

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
Hasonl tlettel a tr eltolsa is megvalsthat. A tr tetszoleges

( x, y, z) 7 ( x + a, y + b, z + c) eltolsa megvalsthat a kvetkezo mtrixlekpezssel:
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 s a legjobb kzelts

A legjobb kzelts, a legkisebb ngyzetek elve, vagy a lineris regresszi az
alkalmazsokban igen gyakran elofordul fontos fogalmak. Lnyegk az Rn
egy alterre val meroleges vettsnek fogalmval jl megvilgthat.
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.
A 3.43. ttel c) pontja szerint ha W az

n
R egy altere, akkor minden v Rn vektor egyrtelmuen
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,
azaz x = (A0 A)1 A0 v, amibol kapjuk, hogy projW v = w = Ax =

A(A0 A)1 A0 v, ami bizonytja az lltst.
2
I A ttelbeli kplet knnyen megjegyezheto, hisz sszhangban van
az egyenesre val meroleges vetts (7.9) kpletvel. Ha ugyanis az A

mtrix egyetlen oszlopbl ll, (A0 A)1 egyetlen szm, ami kiemelheto,
azaz az A = b jellssel b(b0 b)1 b0 = b10 b bb0 .
7.38. plda (Meroleges vetlet kiszmtsa). Hatrozzuk meg a
(2, 1, 3) vektornak az (1, 0, 1) s a (1, 2, 0) vektorok ltal kifesztett skra
eso meroleges vetlett! (ld. mg a 7.33. pldt)
Megolds. Az altr bzisvektoraibl kpzett mtrix
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 =
P tulajdonsgnak eleget tevo mtrixokat idempotensnek nevezzk. A

ttel teht gy is fogalmazhat, hogy egy mtrix pontosan akkor egy
meroleges vetts mtrixa, ha idempotens s szimmetrikus.
I Ksobb ltni fogjuk, hogy a ksobb definiland nem felttlenl
meroleges vetts mtrixai egybe esnek az idempotens mtrixokkal, teht a vetto lineris lekpezsek az idempotens lineris lekpezsekkel.
I Azt, hogy egy vetts hny dimenzis trre vett, annak rangja mondja meg, hisz az megegyezik a kptr dimenzijval.
7.40. plda. Igazoljuk, hogy az
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
mtrixok meroleges vetts mtrixai! Hny dimenzis trre vettenek?

Megolds. Knnyen ellenorizheto, hogy mindegyik mtrix szimmetrikus s idempotens, azaz kielgti a P0 = P s a P2 = P egyenlosgeket. Az elso kt mtrixrl talakts nlkl is leolvashat, hogy
rangjuk 2. A harmadik mtrix rangja 3, ugyanis egyrszt legalbb 3,
hisz ha kivonjuk az utols sort az elso hrombl, egy 3 3-as egysgmtrixot kapunk benne, msrszt nem lehet 4, mert a ngy sorvektor
sszege a zrusvektor, azaz linerisan sszefggok.
2
Altrtol val tvolsg Adva van az Rn tr egy x vektora s egy W
altere. x-nek a W altrtol val tvolsgn a W altr x-hez legkzelebbi w
vektornak tole val tvolsgt rtjk. Krds azonban, hogy ltezike ilyen vektor egyltaln! Meg fogjuk mutatni, hogy ilyen w vektor
ltezik s egyrtelmu.
E vektort az x vektor W -beli legjobb kzeltsnek
nevezzk.
7.41. ttel (Legjobb kzelts ttele). Adva van az Rn tr egy x

vektora s egy W altere. Az x vektornak egyetlen W -beli legjobb x kzeltse
van, nevezetesen x = projW x.
Bizonyts. Legyen w a W egy tetszoleges vektora. Ekkor
x w = (x projW x) + (projW x w).
A meroleges vetts defincija miatt az egyenlosg jobb oldaln ll elso kifejezs W eleme, mg a msodik W eleme. Teht az x projW x
s a projW x w vektorok merolegesek egymsra, gy alkalmazhat
rjuk Pithagorsz ttele:
|x w|2 = |x projW x|2 + | projW x w|2 .

Ebbol vilgos, hogy
|x w|2 |x projW x|2 ,

s egyenlosg csak akkor llhat fnn, ha w = x = projW x, ami egyttal a legjobb kzelts egyrtelmusgt
is bizonytja.
2
I E ttel egyik kvetkezmnye, hogy Rn minden vektora felbonthat
egy W -beli s egy r meroleges vektor sszegre, ugyanis

x = projW x + w , ahol w = x projW x.
Ennl azonban tbb is igaz, nevezetesen az, hogy e felbonts egyrtelmu.
7.42. ttel (Vektor felbontsa sszetevokre).

Adva van az Rn tr
egy x vektora s egy W altere. Az x vektor egyrtelmuen
felbomlik egy
W -beli w s egy W -re meroleges w vektor sszegre, nevezetesen w =
projW x s w = x w.
Bizonyts. Tegyk fel, hogy ltezik x-nek egy msik ilyen tulajdonsg felbontsa is, teht x = w + w s x = v + v . A msodik
egyenletet az elsobol kivonva, majd trendezve kapjuk, hogy
v w = w v .
A bal oldal eleme W -nek a jobb oldali vektor viszont meroleges r,
hisz mindkt vektor eleme a W altrnek. Ez viszont csak akkor llhat
fenn, ha mindkt oldal egyenlo a zrusvektorral, teht v = w.
2
7.43. plda. Tekintsk az R4 tr (1, 1, 1, 0) s (0, 1, 1, 0) vektorai ltal
kifesztett W altert s legyen x = (8, 4, 2, 1). Bontsuk fel az x vektort
W -be eso s W -re meroleges vektorok sszegre.
311
312
lineris algebra
Megolds. A W -re val meroleges vetts mtrixa P = W(W0 W)1 W0 ,

ahol W kt oszlopa a megadott kt bzisvektor, teht

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)
egyenletrendszer megoldsaival. Ezek kzl egyetlen egy esik az A mtrix

sorterbe, a legkisebb abszolt rtku.
I A (7.12) egyenletrendszert az Ax = b egyenletrendszerhez tarto-
z normlegyenlet-rendszernek nevezzk. (A normlegyenlet kifejezs is

helyes, ha a (7.12) kifejezsre, mint mtrixegyenletre gondolunk.)
Az termszetes tlet, hogy b helyett bvel oldjuk meg az egyenletrendszert, de

vajon nincs-e jobb tlet, vglis mirt
pp e meroleges vetlet adja szmunkra a legjobb megoldst s mit is jelent
itt a legjobb. Az igazi vlaszt a valsznusgszmtsi
eloismeretet ignylo
GaussMarkov-ttel adja meg, melyet a
feladatok kzt ismertetnk.
Bizonyts. Az Ax = b egyenletrendszer optimlis megoldsai megegyeznek az Ax = projO(A) b egyenletrendszer megoldsaival. Ezeket

fogjuk teht keresni.
Eloszr megmutatjuk, hogy ha x egy optimlis megolds, akkor x
kielgti a (7.12) egyenletet. Mivel b projO(A) b a vetts defincija
miatt meroleges O(A)-ra, ezrt A0 nullterben van, teht
A0 (b projO(A) b) = 0.
Msrszt felhasznlva, hogy Ax = projO(A) b, kapjuk, hogy
A0 (b Ax ) = 0,
azaz trendezs utn
A0 Ax = A0 b.
Ezutn megmutatjuk, hogy a (7.12) egyenletet kielgto minden x vektor optimlis megolds. Ha (7.12) teljesl, akkor
A0 (b Ax ) = 0,
teht b Ax benne van A0 nullterben, gy meroleges A oszlopterre.
Ezrt a
b = Ax + (b Ax )
felbonts kt meroleges kiegszto altrbe eso megolds, hisz Ax az A
oszlopterbe esik. gy a meroleges vetlet defincija szerint
Ax = projO(A) b,
azaz x optimlis megolds.
Vgl meg kell mutatnunk, hogy a megoldsok kzt egyetlen van,
mely A sorterbe esik. Ez azonnal kvetkezik abbl, hogy a normlegyenlet megoldsai kzt egyetlen egy van, mely A0 A sorterbe esik,
az A0 A s A sorterei pedig megegyeznek.
2
A pszeudoinverz fogalma* A mtrix inverznek olyan pszeudoinverznek nevezett ltalnostst keressk, mely kpes lesz brmely Ax =
b egyenletrendszerbol a minimlis abszolt rtku optimlis megoldst a mtrix inverzhez hasonl mdon megadni. Az A : x 7 Ax
mtrixlekpezs a sorteret az oszloptrbe viszi klcsnsen egyrtelmu mdon, meroleges kiegszto altert pedig a nullvektorba. Termszetes gondolat, hogy A pszeudoinverzn annak a lekpezsnek a
mtrixt rtsk, mely az oszlopteret inverz mdon a sortrbe kpzi,
meroleges kiegszto altert pedig a nullvektorba.
313
314
lineris algebra
7.45. definci (A MoorePenrose-fle pszeudoinverz). Legyen

A egy m n-es vals mtrix. Pszeudoinverzn vagy MoorePenrosefle pszeudoinverzn azt az A+ -szal jellt mtrixot rtjk, amellyel a
sortr minden x vektorra A+ (Ax) = x, tovbb az oszloptrre meroleges
minden z vektorra A+ z = 0.
I Azonnal lthat, hogy m n-es mtrix pszeudoinverze n m-es.
I Mivel Ax O(A), s definci szerint z O(A) , ezrt az A+ -
hoz tartoz lekpezs hatst ismerjk az O(A) altren s meroleges

kiegszto altern, gy ismerjk az egsz tren is. Be fogjuk ltni, hogy
a defincibeli feltteleket kielgto mtrix ltezik s egyrtelmu,
teht
a definci rtelmes.
7.46. plda (Nhny pszeudoinverz). A definci alapjn igazoljuk az
albbi sszefggseket!
a) A+ = A1 , ha A invertlhat,
b) O+
mn = Onm ,
c) [ a]+ = [1/a], ha a 6= 0, s [0]+ = [0],
d) (A+ )+ = A,
e) ha aii 6= 0 (i = 1, 2, . . . , r), akkor
+
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).
alapjn A+ fotljban 1/aii ll, ha aii 6= 0, egyebtt 0. Gondoljuk meg,

mirt elg megadni A+ hatst csak a bziselemeken?
2
7.47. ttel (Pszeudoinverz ltezse s egyrtelmusge).

Tetszoleges A Rmn mtrixnak ltezik pszeudoinverze s az egyrtelmu.
Bizonyts. A ltezs bizonythat a pszeudoinverz megkonstrulsa

nlkl is, de mi inkbb konstruktv bizonytst adunk. Ha A Rmn ,
akkor megadunk egy olyan A+ Rnm mtrixot, melyre A+ (Ax) = x,
ha x S(A), s A+ z = 0, ha z O(A) (z N (A0 )).
Legyen A = BR az A bzisfelbontsa, ahol R = rref(A) egy r nes mtrix, B az A fooszlopaibl ll m r-es mtrix, s r = r(A).
R sorvektorai a sortr egy R bzist adjk. Jellje egy tetszoleges
x sortrbeli vektor e bzisra vonatkoz koordints alakjt [x]R , gy
x = R0 [x]R s y = Ax = AR0 [x]R . Olyan mtrixot keresnk teht,
melyre A+ y = x, azaz A+ AR0 [x]R = R0 [x]R . Kihasznljuk, hogy
B s R0 teljes oszloprang, gy B0 B s RR0 invertlhat. Kiindulva
az y = Ax egyenletbol, annak mindkt oldalt (B0 B)1 B0 -tal, majd
R0 (RR0 )1 -zel szorozva kapjuk, hogy
y = AR0 [x]R = BRR0 [x]R
(B0 B)1 B0 y = (B0 B)1 B0 BRR0 [x]R = RR0 [x]R

R0 (RR0 )1 (B0 B)1 B0 y = R0 [x]R = x.
Eszerint A+ = R0 (RR0 )1 (B0 B)1 B0 j jellt. Megmutatjuk, hogy az
gy definilt A+ mtrix eleget tesz a pszeudoinverz defincijnak. Ha
x S(A), s y = Ax, akkor pp A+ szrmaztatsbl addan A+ y =
x. Legyen teht z O(A), azaz z N (A0 ). Ekkor, mivel B oszlopai
kifesztik az O(A) alteret, B0 z = 0. gy
A+ z = R0 (RR0 )1 (B0 B)1 B0 z = 0.
Kpezzk az m m-es C = [AR0 |Z] mtrixot, ahol Z oszlopvektorai
alkossk N (A0 ) egy bzist. Mivel AR0 oszlopai az O(A)-ban bzist
alkotnek, ezrt C oszlopai fggetlenek, gy C invertlhat. A pszeudoinverz defincijnak megfelelo brmely X mtrixra XC = [R0 |O], gy
A+ C = XC, amibol X = A+ . Ezzel az egyrtelmusget
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)
ha A = BR az A mtrix bzisfelbontsa. Ha A teljes oszloprang, akkor

A + = ( A 0 A ) 1 A 0 ,
(7.15)
315
316
lineris algebra
ha A teljes sorrang, akkor

A+ = A0 (AA0 )1 .
(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
(RR0 )1 (B0 B)1 = (B0 BRR0 )1 = (B0 AR0 )1 .

Ha A teljes oszloprang, akkor a bzisfelbontsban B = A s R = Ir ,
gy A+ = Ir0 (Ir Ir0 )1 (A0 A)1 A0 = (A0 A)1 A0 . A teljes sorrang esetre
vonatkoz bizonytst lsd a 7.18. feladatban.
2
I A (7.15) kplet tkletes sszhangban van az egyenletrendszer op-
timlis megoldsrl szl 7.44. ttel lltsval. Ott arra jutottunk,

hogy az Ax = b egyenletrendszer optimlis megoldsai megegyeznek az A0 Ax = A0 b egyenletrendszer megoldsaival. Ha pedig A
teljes oszloprang, akkor A0 A invertlhat, gy az optimlis megolds
x = (A0 A)1 A0 b, azaz a (7.15) kplet szerint x = A+ b, ahogy azt clul
tuztk
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).
7.49. plda (A pszeudoinverz kiszmtsa). Szmtsuk ki az
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
oszlopt tartalmazza, ezrt

A+ = R0 (B0 AR0 )1 B0
"
# 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
Mivel C teljes oszloprang, ezrt a 7.48. ttel b) pontja szerint:

"
# 1 "
#
2 1
0 1 1
+
0
1 0
C = (C C) C =
1 2
1 1 0
"
#"
# "
#
2/3
1/3 0 1 1
1/3 1/3 2/3
=
=
2/3
1/3 1/3
1/3 2/3
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
= BRR0 (RR0 )1 (B0 B)1 B0 BR = BR = A

A+ AA+ = R0 (RR0 )1 (B0 B)1 B0 BRR0 (RR0 )1 (B0 B)1 B0
= R0 (RR0 )1 (B0 B)1 B0 = A+

A c) s az d) ellenorzshez egyszerustsk
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
Ezeket flhasznlva kapjuk, hogy
(A+ A)0 = (R0 (RR0 )1 R)0 = R0 (RR0 )1 R = A+ A

(AA+ )0 = (B(B0 B)1 B0 )0 = B(B0 B)1 B0 = AA+ ,
ami bizonytja az c) s az d) egyenlosgeket. Mr csak azt kell bizonytani, hogy ezeket az sszefggseket legfljebb csak egy mtrix
teljesti. Tegyk fel, hogy X s Y is teljesti a ngy felttelt. Ekkor
a)
c)
AY = AXAY = (AX)0 (AY)0 = X0 A0 Y0 A0

a)
c)
= X0 (AYA)0 = X0 A0 = (AX)0 = AX
a)
(7.19)
d)
YA = YAXA = (YA)0 (XA)0 = A0 Y0 A0 X0

a)
d)
= (AYA)0 X0 = A0 X0 = (XA)0 = XA
b)
(7.19)
(7.20)
(7.20)
b)
Y = YAY = YAX = XAX = X.

2
Ezzel bizonytottuk a ttelt.
7.51. kvetkezmny (A+ A s AA+ meroleges vetts). Tetszoleges

A Rmn mtrix esetn
A+ A = projS(A)
AA+ = projO(A) .
Teht A+ A az Rn teret merolegesen vetti A sorterre, mg AA+ az Rm

teret meroleges vetti A oszlopterre.
Bizonyts. A (7.17) egyenlosg szerint A+ A = R0 (RR0 )1 R, ami az
altrre val meroleges vetts mtrixrl szl 7.37. ttel szerint az R0
oszlopvektorai ltal kifesztett trre azaz a sortrre val meroleges vetts mtrixa. Hasonlkpp a (7.18) egyenlet szerint AA+ =
B(B0 B)1 B0 , ami a B oszlopvektorai ltal kifesztett trre azaz az
oszloptrre val meroleges vetts mtrixa.
2
A pszeudoinverz s a minimlis abszolt rtku optimlis megolds* Megmutatjuk, hogy A+ gy hasznlhat egy tetszoleges egytthatmtrix Ax = b egyenletrendszer optimlis megoldsnak meghatrozsra, ahogy A1 hasznlhat akkor, ha A invertlhat.
7.52. ttel (Optimlis megolds pszeudoinverzzel). Legyen A egy
vals mtrix. Az Ax = b egyenletrendszernek x = A+ b a minimlis
abszolt rtku optimlis megoldsa.
Bizonyts. Eloszr megmutatjuk, hogy A+ b optimlis megolds, azaz megoldsa az A0 Ax = A0 b normlegyenlet-rendszernek. Teht igazolni kell, hogy A0 AA+ b = A0 b. Ehhez elg beltni, hogy A0 AA+ =
A0 . Legyen A = BR az A mtrix bzisfelbontsa. Ekkor

A0 AA+ = (R0 B0 )(B(B0 B)1 B0 )
= R0 (B0 B)(B0 B)1 B0 = R0 B0 = A0

Mivel A+ b a defincibl kvetkezoleg a sortrben van, s a sortrbe
csak egyetlen optimlis megolds a minimlis abszolt rtku megolds esik, ezrt A+ b valban a minimlis abszolt rtku optimlis
megolds.
2
A gyakorlatban gyakran elofordul, hogy mrt adatokbl kell bizonyos vltozk rtkt meghatrozni. Ha az n ismeretlen rtkre n
mrst vgznk, az egyenletrendszer egyrtelmuen
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
Mivel A teljes oszloprang, ezrt csak egyetlen optimlis megoldsa

van, msrszt pszeudoinverze a (7.15) kplettel szmolhat, gy
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
7.54. plda (Egyenletrendszer optimlis megoldsa).

meg az
Oldjuk
y+ z = 3
x + y + 2z = 2
x+y
=2
egyenletrendszert. Ha nem oldhat meg, akkor hatrozzuk meg minimlis

abszolt rtku optimlis megoldst!
Megolds. Az egyenletrendszer nem oldhat
rixnak reduklt lpcsos alakjbl leolvashat:
0 1 1 3
1 0 1
1 1 2 2 0 1 1
1 1 0 2
0 0 0
meg, ami bovtett mt

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
elvgzse utn a kvetkezo alakra vezet:

#" # "
#
"
n
a
xi
yi
=
xi xi2 b
xi yi
Ennek a s b megoldsa adja az eredeti egyenletrendszer optimlis

egyenest regresszis
megoldst! Az ilyen mdon kapott y = a + bx
egyenesnek nevezzk, mely a megadott adatokra a legkisebb ngyzetek
elve szerinti legjobban illeszkedo egyenes.
sszefoglalva:
7.55. llts (Lineris regresszi). Az ( xi , yi ) (i = 1, 2, . . . n) prok egyenletu regresszis egyenes paramterei kielgtik
hoz tartoz, y = a + bx
az
"
#" # "
#
n
a
xi
yi
=
xi xi2 b
xi yi
egyenletet. Ez egyrtelmuen
megoldhat, ha van legalbb kt klnbzo xi
rtk.
Bizonyts. Az sszefggst mr fent igazoltuk, csak a egyrtelmu
megoldhatsg igazolsa maradt htra. A szmtani s ngyzetes kzp kzti sszefggs szerint brmely xi (i = 1, 2 . . . , n) valsokra
x1 + + x n
x12 + + xn2
,
n
s egyenlosg csak akkor llhat fenn, ha x1 = = xn . Mivel

egytthatmtrix determinnsa n xi2 ( xi )2 , ezrt a szmtani
ngyzetes kzp kzti sszefggs miatt ez csak akkor lehet 0, ha
xi rtkek mind azonosak.
az
s
az
2
A lineris regresszi gyakran egyb fggvnykapcsolat esetn is alkalmazhat:

7.56. llts (Linearizlhat regresszis modellek). Ha az x
s y mennyisgek kztt az albbi tblzat szerinti fggvnykapcsolatok
valamelyike ll, akkor a tblzatban megadott helyettestssel a kapcsolat
Y = a + bX alakv, azaz lineriss vlik, gy lineris regresszi vgezheto.
Modell
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
Bizonyts. Az y = cx b egyenlosg mindkt oldalnak logaritmust

vve az ln y = ln c + b ln x egyenlosget kapjuk, ami a megadott helyettestsekkel az Y = a + bX kifejezst adja. Ugyangy, az y = cebx
egyenlet logaritmust vve az ln y = ln c + bx egyenletet kapjuk. A
szksges helyettests a harmadik esetben mg nyilvnvalbb.
2
A regresszi hasonl mdon ms fggvnyekkel is vgezheto, ezek
kzl a polinomilist emeljk ki:
321
322
lineris algebra
7.57. plda. Keressnk az a0 + a1 x + + ak x k polinom egytthatira

optimlis becslst a legkisebb ngyzetek mdszervel, ha az ( xi , yi ) (i =
1, 2, . . . n) prok sorozatt ismerjk.
Megolds. Keresendo az n egyenletbol ll k + 1-ismeretlenes
a0 + a1 x1 + . . . + ak x1k = y1
a0 + a1 x2 + . . . + ak x2k = y2
..
.
..
.
..
.
..
.
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 egytthatmtrixot X jelli, az ismeretlenek vektort a, az yi

rtkek vektort y, akkor az egyenletrendszer az Xa = y alakba rhat. Ez biztosan megoldhat, mgpedig egyrtelmuen,
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
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+ =
ha A teljes sorrang, akkor

A+ = A0 (AA0 )1 .
1
A0 ,
trace(A0 A)
ahol trace(A+ A) az A elemeinek ngyzetsszege. Eszerint

ha a 6= 0, akkor
1
1 0
a+ = 0 a0 =
a.
aa
aa
E feladat eredmnyt flhasznlva ellenorizzk a 7.9., 7.10.,
7.11., 7.12., 7.14., 7.16., 7.17. feladatok eredmnyeit!
(7.21)
7.26. Blokkdiagonlis mtrix pszeudoinverze Igazoljuk, hogy blokkdiagonlis mtrix esetn
A1
O
.
.
.
O
O
A2
..
.
O
...
...
..
.
...
+ +
O
A1
O
O
..
= ..
.
.
Ak
O
O
A2+
..
.
O
(7.22)
Ezt felhasznlva igazoljuk, hogy ha A teljes oszloprang,

akkor
A + = ( A 0 A ) 1 A 0 ,
Az albbi feladatokban hatrozzuk meg a felbontsaikkal megadott mtrixok pszeudoinverzt!
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?
7.18. Legyen A egy tetszoleges r-rang vals m n-es

mtrix, s legyen A = XY egy olyan felbonts, melyben
X Rmr , Y Rrn , msknt fogalmazva legyen X teljes
oszloprang, Y teljes sorrang. Mutassuk meg, hogy ekkor
A+ = Y0 (YY0 )1 (X0 X)1 X0
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
Ortonormlt bzis, ortogonlis mtrixok

Nem kell indokolni a merolegessg fontossgt bizonyos termszeti jelensgek
lersban. A lineris algebrban is nlklzhetetlen a fogalma. Egy altr ortonormlt bzisnak megkonstrulsa, s azoknak a lekpezseknek az ttekintse, melyek ortonormlt bzist ortonormltba visznek alapvetoen fontosak.
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.
Tudjuk, hogy a hromdimenzis trben brmely v = ( x, y, z) vektor

koordintira igaz, hogy
x = v i,
y = v j,
z = v k.
Az is igaz, hogy az i s j ltal kifesztett sknak, azaz az xy-sknak a v

vektorhoz legkzelebb fekvo pontja, illetve az oda mutat helyvektor
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)
vektor az A altr v-hez legkzelebb fekvo pontja, azaz v = projA v.

Bizonyts. Eloszr megmutatjuk, hogy a (7.23) kplet szerinti pont
van legkzelebb v-hez. v s v tvolsgnak ngyzete
k
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 s az altr egy tetszoleges u vektornak tvolsgngyzete:

k
(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
Ebbol a legjobb kzelts ttele szerint kvetkezik, hogy v = projA v.
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.
7.62. plda (Ortogonlis mtrixok). Melyek ortogonlisak s melyek

szemiortogonlisak az albbi mtrixok kzl?
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
Megolds. Mindhrom mtrix szemiortogonlis, hisz oszlopvektorai

ortonormlt rendszert alkotnak (az A mtrix oszlopai R4 standard
egysgvektorai, a B mtrix oszlopvektorai az R4 elso kt standard egysgvektornak xy-skban szggel val elforgatsval kaphatk, a C
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,
gy az egysgmtrix is, ortogonlis.

7.63. ttel (Szemiortogonlis mtrixok ekvivalens defincii).
Legyen Q Rmn . Az albbi lltsok ekvivalensek:
a) Q szemiortogonlis,
b) Q0 Q = In .
Bizonyts. a) b): Legyen Q = [q1 q2 . . . qn ]. Ekkor [Q0 Q]ij =
qi0 q j = qi q j , de mivel a {qi } vektorrendszer ortonormlt, ezrt q2i =
1 s qi q j = 0, ha i 6= j. Eszerint [Q0 Q]ii = 1, s [Q0 Q]ij = 0, ha i 6= j
s i, j k, vagyis Q0 Q = Ik .
b) a): A Q0 Q = Ik sszefggsbeli mtrixszorzst sorvektorszor
oszlopvektorknt tekintve pp azt kapjuk, hogy q2i = 1 s qi q j = 0,
ha i 6= j, azaz a {qi } vektorrendszer ortonormlt.
2
I A b) llts algebrai nyelven azt mondja, hogy Q pontosan akkor
szemiortogonlis, ha transzponltja a bal oldali inverze. Mint mindjrt

ltni fogjuk, ortogonlis mtrixokra ez egyttal a jobb oldali inverz is,
azaz a transzponlt megegyezik Q inverzvel.
7.64. ttel (Ortogonlis mtrixok ekvivalens defincii). Legyen Q Rnn . Az albbi lltsok ekvivalensek:
a) Q ortogonlis, azaz oszlopvektorai ortonormlt rendszert alkotnak.
b) Q0 Q = In .
c) Q1 = Q0 .
d) QQ0 = In .
e) Q0 ortogonlis, azaz Q sorvektorai ortonormlt rendszert alkotnak.
Bizonyts. Az a) b) ekvivalencit az elozo lltsban bizonytottuk.
b) c): Mivel Q ngyzetes, ezrt a Q0 Q = I sszefggs egyttal
azt is jelenti, hogy Q invertlhat, teht Q s Q0 egyms inverzei, azaz
Q 1 = Q 0 .
c) d): Mivel Q1 = Q0 , ezrt QQ0 = In .
d) e): A QQ0 = In egyenletben a mtrixszorzsra sovektorszoroszlopvektorknt tekintve pp azt kapjuk, hogy Q0 oszlopvektorai s
gy Q soravektorai ONB-t alkotnak.
e) a): Az elozoekben belttuk, hogy ha Q ortogonlis, akkor Q0
is, hisz bizonytottuk, hogy a)-bl kvetkezik e). Ezt Q0 -ra alkalmazva
azt kapjuk, hogy ha Q0 ortogonlis, akkor (Q0 )0 = Q is, ami bizonytja
lltsunkat.
2
327
328
lineris algebra
7.65. plda (Ortogonlis mtrixok inverze). Szmtsuk ki a 7.65.

pldabeli A s C mtrixok inverzt!
Megolds. Az A s C mtrixok ortogonalitst a 7.65. pldban a
definci alapjn ellenoriztk. Az A s C inverze az elozo ttel szerint
megegyezik transzponltjukkal, teht
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
|Qx|2 = Qx Qx = (Qx)0 (Qx) = x0 Q0 Qx = x0 x = |x|2 .

b) c): A b)-bol kvetkezik, hogy
|Q(x + y)| = |x + y| s |Q(x y)| = |x y|.

Ezt, s a skalrszorzs s az abszolt rtk kzti kapcsolatot megad
(1.8) egyenletet flhasznlva kapjuk, hogy minden x, y Rn vektorra

1
Qx Qy =
|Qx + Qy|2 |Qx Qy|2
4

1
=
|Q(x + y)|2 |Q(x y)|2
4

1
=
| x + y |2 | x y |2
4
= xy
c) a): A Q mtrix i-edik oszlopt jellje qi , azaz qi = Qei , ahol
ei a standard bzis i-edik vektora. Ekkor
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
329
I A ttel egyik lltsa gy is kimondhat, hogy egy Q ngyzetes
mtrix pontosan akkor ortogonlis, ha a Q : x 7 Qx mtrixlekpezs

tvolsgtart. A ttel msik lltsa azt mondja, hogy Q pontosan
akkor ortogonlis, ha a Q megtartja a skalris szorzatot.
I Hasonl llts igaz szemiortogonlis mtrixokra is (ld. ??. feladat).
7.67. ttel (Ortogonlis mtrixok tulajdonsgai).
a) Ha Q vals ortogonlis mtrix, akkor | det( Q)| = 1.
b) Az n n-es vals ortogonlis mtrixok O(n) halmazbl nem vezet ki a
mtrixszorzs s invertls muvelete.
Bizonyts. a) Mivel Q0 Q = I, ezrt det(Q0 ) det(Q) = det(I) = 1, de

det(Q0 ) = det(Q), gy det(Q) = 1 vagy det(Q) = 1.
b) Ortogonlis mtrix inverze megegyezik transzponltjval, ami
ugyancsak ortogonlis, teht inverze is az. Be kell mg ltni, hogy
kt ortogonlis mtrix szorzata is ortogonlis. Legyen Q1 s Q2 ortogonlis. Ekkor
(Q1 Q2 )0 Q1 Q2 = Q20 Q10 Q1 Q2 = Q20 Q2 = I,

teht Q1 Q2 valban ortogonlis.
I Az is azonnal lthat, hogy az n n-es 1 determinns vals orto-
gonlis mtrixok halmazbl sem vezet ki a mtrixszorzs s invertls

muvelete.
E mtrixhalmazt SO(n) jelli.

A 2- s 3-dimenzis tr ortogonlis transzformcii Forgatsok s tkrzsek segtsgvel lerhatk az ortogonlis mtrixok.
7.68. ttel. Minden O(2)-be eso ortogonlis mtrix vagy egy szgu forgats, vagy egy /2 szgu egyenesre val tkrzs mtrixa.
Bizonyts. Legyen Q = [ ba dc ]. Ha e mtrix ortogonlis, akkor oszlopvektorai ortonormlt rendszert alkotnak, azaz
a2 + b2 = 1
c2 + d2 = 1
ac + bd = 0.
Az utols egyenlet szerint a2 c2 = b2 d2 , azaz a2 (1 d2 ) = (1 a2 )d2 ,
amibol a2 = d2 , s b2 = c2 addik. Vgl kapjuk, hogy vagy d = a s
c = b, vagy d = a s c = b. Az elso esetben det(Q) = ad bc = 1, a
msodikban det(Q) = 1. Vegyk szre, hogy brmely megoldshoz
egyrtelmuen
tallunk egy olyan [0, 2 ) valst, hogy a = cos s
b = sin . Vagyis az sszes msodrendu ortogonlis mtrix
"
#
"
#
cos sin
cos
sin
vagy
sin
cos
sin cos
A vals ortogonlis mtrixok O(n) halmaza a mtrixszorzs muveletvel
csoportot alkot. Ezt ortogonlis csoportnak

nevezik. A csoportokrl a fggelkben
runk. Az 1 determinns ortogonlis
mtrixok SO(n) csoportjt specilis ortogonlis csoportnak nevezik. O(10) fontos szerepet jtszik a modern fizika hrelmletben, mint a 10-dimenzis tr-ido
szimmetriacsoportja.
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
Ez sszhangban van a 7.29. feladat eredmnyvel, ahol e forgatst a

tengely s a szg ismeretben kellett megkonstrulni.
2
A harmadrendu 1 determinns ortogonlis mtrixok, azaz O(3)
SO(3) elemei ugyan nem mind tkrzsek, de egy tkrzs s egy forgats egyms utni alkalmazsval megkaphatk (ld. ?? ttel)!
Givens-forgats, Householder-tkrzs* Az n-dimenzis tr forgatsai s

tkrzsei kzl kivlaszthatunk olyan egyszeru,
n. primitv ortogonlis transzformcikat, melyek mtrixai szorzataknt az sszes ortogonlis mtrix elollthat. E transzformcikat tbb hatkony numerikus matematikai mdszer is hasznlja.
Azt a forgatst, mely egy koordintask vektorain kvl minden ms
vektort helyben hagy, Givens-forgatsnak nevezzk. Az i-edik s j-edik
koordintatengely skjt rinto forgats mtrixa
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
viszi az e vektort (ld. ??. feladat). E tkrzs is hasznlhat egy mtrix

hromszgalakra hozshoz, QR-felbontsnak megkonstrulshoz.
Ehhez szksg lesz az albbi lltsra.
7.70. llts (Egy vektor tkrzse egy msikba). Ha a s b kt klnbzo, de azonos hosszsg vektor Rn -ben, akkor az (a b) hiperskra
val Householder-tkrzs az a vektort b-be viszi s viszont.
Bizonyts. Meg kell mutatnunk, hogy Ha = b s Hb = a, ahol
H = I
2
(a b)(a b)0 .
(a b)0 (a b)
Kihasznljuk, hogy a s b azonos hosszsgak, gy a0 a = b0 b, s

hogy a skalris szorzs felcserlheto, azaz a0 b = b0 a. gy
(a b)0 (a b) = a0 a a0 b b0 a + b0 b = 2(a0 a b0 a) = 2(a b)0 a.

Eszerint
2
(a b)(a b)0 a
(a b)0 (a b)
1
(a b)0 a(a b)
= a
(a b)0 a
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
GramSchmidt-ortogonalizci* Nagy elonykkel jr, ha egy altrnek

nem csak egy bzist, hanem egy ortogonlis bzist ismerjk. E paragrafusban megmutatjuk, hogy ilyen bzis ltezik, s eljrst adunk a
megkonstrulsra. Ezt az eljrst GramSchmidt-ortogonalizcinak
nevezzk.
7.72. ttel (GramSchmidt-ortogonalizci).
Ha A
=
{a1 , a2 , . . . , ak } egy fggetlen vektorrendszer, akkor ltezik olyan ortogonlis V = {v1 , v2 , . . . , vk } vektorrendszer, hogy minden i = 1, 2, . . . , k
esetn
span(a1 , a2 , . . . , ai ) = span(v1 , v2 , . . . , vi ).
(7.25)
Az ortogonlis V rendszerbol a vektorok normlsval kapott

v1 v2
vk
,
,...,
| v1 | | v2 |
|vk |
rendszer ortonormlt.
Bizonyts. A span(a1 ) = span(v1 ) sszefggs teljesl, ha
v1 = a1 .
A span(a1 , a2 ) = span(v1 , v2 ) teljeslse rdekben olyan v2 vektort
kell vlasztani, mely az a1 s a2 skjban van, msrszt v2 -nek merolegesnek kell lennie v1 -re. E feltteleket teljesti az a2 -nek a v1 ltal
kifesztett altrre meroleges sszetevoje, azaz a

v1
a v
v
= a2 2 1 v1
v2 = a2 a2 1
| v1 | | v1 |
v1 v1
vektor. Lthat, hogy e vektor nem lehet a 0-vektor, hisz v2 = 0 esetn
a2 = va2 vv1 v1 = va2 vv1 a1 lenne, azaz a1 s a2 nem lenne fggetlen, ami
1 1
1 1
ellentmond annak, hogy A fggetlen. Az elozo kpletekbol lthat,
hogy v1 s v2 elollthat az a1 s a2 lineris kombincijaknt, s viszont, gy span(a1 , a2 ) = span(v1 , v2 ) fnnll. Az eljrs hasonlkpp
folytathat. Ha mr megkonstrultuk vi -t, akkor a 7.59. ttel szerint
kiszmoljuk az ai+1 vektornak az span( |vv1 | , |vv2 | , . . . , |vvi | ) altr szerinti
2
1
i
meroleges sszetevojt, s ezt vlasztjuk vi+1 -nek, azaz
v i +1 = a i +1
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
Knnyen lthat, hogy vi+1 6= 0, mert ellenkezo esetben A nem volna

fggetlen. Lthat az is, hogy vi+1 kifejezheto az a1 , a2 ,. . . , ai+1 vektorok lineris kombincijaknt, s ai+1 kifejezheto az v1 , v2 ,. . . , vi+1
vektorok lineris kombincijaknt, teht a ttel kifesztett alterekre
vonatkoz lltsa is fennll.
2
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)
Vgl az ortonormlt bzis:

1 1 1 1
1 1 1 1
1 1 1 1
, , ,
,
, , ,
,
, , ,
2 2 2 2
2 2 2 2
2 2 2 2
I Knnyen igazolhat, hogy a GramSchmidt-ortogonalizci muk
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
val hromszgalakra hozst tmr formban megorizte az LU-felbonts,

ugyangy a QR-felbonts o rzi az ortogonalizcis eljrs eredmnyt.
E felbonts mind a legkisebb ngyzetek mdszerben, mind a ksobb
trgyaland sajtrtkproblma megoldsban fontos szerephez jut.
Legyen A egy teljes oszloprang mtrix. Az A = QR felbontst QRfelbontsnak nevezzk, ha Q az A-val azonos mretu szemiortogonlis
mtrix, s R felso hromszgmtrix.
A GramSchmidt-ortogonalizcis eljrsbl knnyen elollthat
egy mtrix QR-felbontsa. Legyen A = [a1 a2 . . . ak ] Rnk . Mivel A teljes oszloprang, azaz oszlopai fggetlenek, ezrt k n. Az
ortogonalizcis eljrs vgn kapott egysgvektorokat jellje qi , azaz qi = |vvi | (i = 1, 2, . . . , k). Mivel a GramSchmidt-ortogonalizcis
i
ttel szerint span(a1 , . . . , ai ) = span(q1 , . . . , qi ) minden i = 1, 2, . . . , k
rtkre, ezrt lteznek olyan rij skalrok, hogy
a1 = r11 q1
a2 = r12 q1 + r22 q2
..
.
ak = r1k q1 + r2k q2 + + rkk qk .
(7.26)
Ezt mtrixszorzat-alakba rva pp a kvnt felbontst kapjuk:
r11 r12 . . . r1k
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.
Az elozo ?? llts egyszeru megoldst ad. Ha

A = QR, akkor az egyenlosg mindkt oldalt Q0 -tal szorozva kapjuk,
hogy Q0 A = Q0 QR = Ik R = R, teht
R = Q0 A.
7.74. plda (QR-felbonts kiszmtsa). Hatrozzuk meg az
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
7.75. ttel (QR-felbonts). Brmely teljes oszloprang A mtrixnak

ltezik QR-felbontsa, azaz ltezik egy szemiortogonlis Q mtrix s egy R
felso hromszgmtrix, hogy A = QR. Az R mtrix invertlhat, s elrheto, hogy fotljnak minden eleme pozitv legyen. Az gy kapott felbonts
egyrtelmu.
Bizonyts. A felbonts ltezst a GramSchmidt-ortogonalizcira

alapozva az elozoekben megmutattuk. Mivel A = QR, s A sorvektorai az R sorvektorainak lineris kombincii, ezrt ha R rangja kisebb
lenne k-nl, az A rangja is az lenne, de A rangja k. Belttuk teht, hogy
R invertlhat, s mivel felso hromszgmtrix, ezrt fotljban nem
lehetnek 0-elemek. Ha valamely i-re rii < 0 lenne, akkor szorozzuk be
az R mtrix i-edik sorvektort s a Q mtrix i-edik oszlopvektort, azaz a qi vektort 1-gyel. Ez a szorzaton nem vltoztat. gy elrhetjk,
hogy R minden fotln lvo eleme pozitv legyen.
Az egyrtelmusg
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.
Msrszt minden tovbbi

ai = r1i q1 + r2i q2 + + rii qi , (1 < i k)
egyenletben ai benne van az Ai = span(a1 , . . . , ai ) = span(q1 , . . . , qi )
altrben, de nincs benne az Ai1 -ben, gy ennek meroleges kiegszto
altere 1-dimenzis, melynek egysgnyi bzisvektora ktflekpp vlaszthat meg, melyek egyikre lesz rii pozitv.
2
7.76. plda (QR-felbonts Givens-forgatsokkal).
meg az
4
5
8
A = 3 10
6
0 12 13
Hatrozzuk
mtrix QR-felbontst Givens-forgatsok segtsgvel!

Megolds. Eloszr az elso s msodik sorokat s oszlopokat figyelve
eliminljuk a msodik sor harmadik elemt. Itt a (7.24) egyenletek
ben is hasznlt jellsekkel a = 4, b = 3, teht r = 32 + 42 = 5,
cos = 4/5, sin = 3/5. gy elso lpsben a kvetkezo mtrixszorzssal eliminlhatunk:
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
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
amely mtrixokkal A = QR valban fennll.
A Householder-tkrzst alkalmazva a QR-felbontsra egy tovbbi

mdszert kaphatunk. Az tlet lnyege, hogy a 7.71. pldban ltott
mdon eloszr az elso oszlopban eliminljuk az elso elem alattiakat,
majd olyan transzformcit vlasztunk, mely az elso sort s oszlopot
nem vltoztatja, de a msodik sor msodik eleme alattiakat eliminlja,
s gy tovbb. Egy 4 4-es mtrixon szemlltetjk az eljrst.
A=
0
Q1 A =
0
Q1 = H1
0
Q2 Q1 A =
0
1 0 0
0
Q2 =
0
H2
0
0
0
Az elso lpsben az A mtrix elso oszlophoz (a1 ) keresnk egy b1

vektort, mely vele egyenlo hossz, s csak az elso koordintja nem 0.
Ezutn az a1 b1 vektorhoz megkonstruljuk a Q1 = H1 Hauseholdermtrixot. gy Q1 A elso oszlopban kinullztuk az elso sor alatti elemeket. Ezutn elhagyjuk az elso sort s oszlopot, s az gy kapott
mtrix elso oszlopvektorval (a2 ) s a vele egyenlo hossz, s az elso koordintt kivve 0 koordintj b2 vektorral megkonstruljuk a
H2 Hauseholder-mtrixot, melyet kiegsztnk egy sorral s oszloppal gy, hogy a Q1 A mtrixszal szorozva annak elso sort s oszlopt
ne vltoztassa. Ez lesz a Q2 mtrix. Hasonlan folytatva vgl egy
R = Qn1 . . . Q2 Q1 A felso hromszgmtrixhoz jutunk (a fenti mintn n = 4). Mivel a Qi mtrixok mindegyike ortogonlis, ezrt szorzatuk inverze is az lesz. gy a QR-felbontsban Q = Q10 Q20 . . . Q0n1 . A
QR-felbonts ilyen mdon val meghatrozst nevezzk Hauseholdermdszernek.
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
7.77. plda (QR-felbonts Hauseholder-tkrzssel). Hatrozzuk meg az
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.
7.78. ttel (Legkisebb ngyzetek QR-felbontssal). Legyen A egy

teljes oszloprang m n-es vals mtrix, A = QR egy QR-felbontsa, s
legyen b egy Rm -beli vektor. Ekkor az Ax = b egyenletrendszer egyetlen
optimlis megoldsa x = R1 Q0 b, ami megkaphat az
Rx = Q0 b
egyenletrendszerbol egyszeru visszahelyettestssel is.
Bizonyts. Az egyenletrendszer optimlis megoldsrl szl 7.44. ttel szerint az optimlis megolds a normlegyenletbol megkaphat.
Eszerint
A0 Ax = A0 b
0
A = QR behelyettestse utn
0
(QR) QRx = (QR) b

R0 Q0 QRx = R0 Q0 b
R0 Rx = R0 Q0 b
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
Feladatok
7.28. Igazoljuk, hogy ha e az Rn egy egysgvektora, ak-
341
kor a H = I a20 a aa0 Householder-transzformci helyben

hagyja az e altr sszes vektort s He = e.
342
lineris algebra
Komplex s vges test feletti terek*

A kvetkezokben egyre tbbszr szembeslnk azzal, hogy vals szmokkal
megfogalmazhat problmk megvlaszolshoz is szksg van a komplex szmokra. E fejezetben a geometriai szemlletmdot is kiterjesztjk a komplex
terekre. Meglepo mdon a geometriai analgik mg a vges test feletti terek
esetn is jl hasznlhatk.
Komplex vektorok s terek

Komplex vektorok skalris szorzata Ha Cn -beli vektorok skalris szorzatt gy rtelmeznnk, mint a vals vektorok esetn, fura dolgok trtnnnek.
Vegyk pldul a (1, i) s az (i, i) vektorokat. nmagval vett skalris szorzata e kt vektornak ez lenne:
?
(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
skalris szorzatnak zz-t

kell adnia. Ennek megfeleloen a
z = (z1 , z2 , . . . , zn ) s a w = (w1 , w2 , . . . , wn ) vektorok skalris szorzatnak egy lehetsges defincija
z w = z1 w1 + z2 w2 + + zn wn , vagy
z w = z 1 w1 + z 2 w2 + + z n w n .
Mindkt fenti kplet hasznlhat, zls krdse melyiket vlasztjuk
(knyvenknt vltozik). Mi az utbbit fogjuk hasznlni a skalris
szorzat mtrixszorzatos alakjnak egyszerubb
volta miatt (ld. majd

a 7.81. definciban). Mindenek elott egy elnevezs:
7.80. definci (Komplex mtrix adjungltja). Az A komplex mtrix adjungltjn (vagy Hermite-fle transzponltjn) elemenknti konjugltjnak transzponltjt rtjk. Az A adjungltjt A , vagy Hermite neve
0
utn AH jelli, teht A = A .
i i
i
Pldul [ i i 1+
2 ] = [ 1i 2 ], mg [1 i i] =
1+i
i
7.81. definci (Komplex vektorok skalris szorzata). A Cn -beli

z = (z1 , z2 , . . . , zn ) s w = (w1 , w2 , . . . , wn ) vektorok skalris szorzatn a
z w = z 1 w1 + z 2 w2 + + z n w n
komplex skalrt rtjk. Ennek mtrixszorzatos alakja z w = z w.
gy a fent emltett (1, i) s az (i, i) nmagukkal s egymssal vett
skalris szorzatai:
" # " #
" #
h
i 1
1
1
(1, i) (1, i) =
= 1 i
= 1 i2 = 2,
i
i
i
" # " #
"#
h
i i
i
i
(i, i) (i, i) =
= i i
= i2 i2 = 2,
i
i
i
" # " #
"#
h
i i
1
i
(1, i) (i, i) =
= 1 i
= i i2 = 1 + i,
i
i
i
" #
" # " #
h
i 1
1
i
= i i2 = 1 i.
= i i
(i, i) (1, i) =
i
i
i
I Vilgos, hogy kt vals vektor skalris szorzata az eredeti s e de-
finci szerint is ugyanazt az eredmnyt adja, ugyanis minden vals

r szmra r = r, teht vals u s v vektorok esetn u = u0 , gy
u v = u v = u0 v. Teht a fenti definci kiterjesztse a valsban
hasznlt defincinak.
I E defincival a vektorok hosszra vonatkoz tulajdonsgok is rvnyben maradnak, amit hamarosan beltunk (ld. ??? ttel).
Az adjunglt tulajdonsgai kiterjesztsei a vals mtrixok transzponltja tulajdonsgainak, hisz vals mtrix konjugltja megegyezik
nmagval. Ez azonnal bizonytja az albbi ttelt:
7.82. ttel (Az adjunglt tulajdonsgai). Legyenek A s B komplex mtrixok, c komplex szm. Ekkor
a) (A ) = A,
b) (A + B) = A + B ,
c) (cA) = cA
d) (AB) = B A .
Az adjunglt tulajdonsgaibl azonnal kvetkezik a kvetkezo ttel:
7.83. ttel (A komplex skalris szorzs tulajdonsgai). Legyen
u, v, w Cn , s legyen c C. Ekkor
a) u v = v u
b) u (v + w) = u v + u w,
343
Legynk vatosak az adjunglt kifejezssel: a knyvnk determinnsokrl szl

fejezetben klasszikus adjungltnak nevezett fogalmat ne keverjk ssze ezzel az
adjunglttal, nincs kzk egymshoz!
344
lineris algebra
c) (cu) v = c(u v) s u (cv) = c(u v),

d) u u > 0, ha u 6= 0, s u u = 0, ha u = 0.
I Knnyen lthat, hogy e ttel kiterjesztse a vals trbeli vekto-
rokra kimondott 1.18. ttelnek, br elso pillanatra gy tunhet,
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.
nadjunglt mtrixok Ahogy a transzponlt fogalmnak a komplex

skalris szorzatot figyelembe vevo kiterjesztse az adjunglt, ugyangy a szimmetrikus mtrix fogalmnak kiterjesztse az nadjunglt
mtrix. Szimmetrikus mtrix az, amelyik megegyezik sajt transzponltjval, nadjunglt az, amelyik megegyezik sajt adjungltjval.
Az A komplex mtrix nadjunglt, ha
A = A.
(7.27)
I Az nadjunglt mtrixokat Hermite-fle mtrixnak is nevezik.

I Vilgos, hogy nadjunglt mtrix fotljban csak valsok llhat-
nak, mert csak azok egyeznek meg sajt konjugltjukkal.

I Minden vals szimmetrikus mtrix nadjunglt, hisz a vals szmok megegyeznek sajt konjugltjukkal. So t, mivel a nem vals komplex szmok nem egyeznek meg sajt konjugltjukkal, ezrt a komplex
szimmetrikus mtrixok pontosan akkor nadjungltak, ha minden elemk vals.
7.84. plda (nadjunglt mtrixok). Az
"
#
"
#
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
mtrixok kzl az elso ketto nadjunglt, a harmadik nem, mert fotljban

nem minden szm vals, a negyedik sem, az viszont komplex szimmetrikus
mtrix!
Tvolsg s a meroleges vetts komplex terekben A komplex skalris szorzs segtsgvel a vals esethez hasonlan definilhat a komplex
vektorok tvolsga s szge, s gy a merolegessge is.
A komplex u Cn vektor hossza, vagy abszolt rtke |u| = u u,

kt vektor tvolsga megegyezik klnbsgk hosszval, azaz u, v Cn
vektorok esetn d(u, v) = |u v|. Kt vektor szgnek koszinusza,
ahogy azt az (1.4) kplettel definiltuk, cos(u, v) := |uu||vv| . gy kt
vektor meroleges, ha skalris szorzatuk 0.
Unitr mtrixok
Diszkrt Fourier-transzformlt
Fourier-mtrixok Az N-edik komplex egysggyk hatvnyaibl kpzett Vandermonde-mtrix kiemelkedoen fontos szerepet kapott a modern muszaki
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
ck enit = c0 + c1 eit + c1 e2it + + c N 1 e( N 1)it
(7.28)
n =0
alak rszletsszegei kulcsszerepet jtszanak a periodikus, illetve a

korltos tartomnyon rtelmezett fggvnyek lersban. A (7.28) sszeget (diszkrt) Fourier-sszegnek nevezzk.
7.85. llts (Fourier-sszeg helyettestsi rtkei). A (7.28)
Fourier-sszeg egytthatihoz a Fourier-sszegnek a [0, 2 ] intervallumot
2( N 1)
4
N egyenlo rszre oszt 0, 2
pontokban vett helyettestsi
N , N ,. . . ,
N
rtkeit rendelo lekpezs lineris, melynek mtrixa [e
N).
2i mn
N
] (0 m, n <
345
346
lineris algebra
Megolds. Eloszr vizsgljuk meg az N = 3 esetet. Az osztpontok:

t0 = 0, t1 = 2/3, t2 = 4/3. A Fourier-sszeg c0 + c1 eit + c2 e2it , ennek
tk -beli helyettestsi rtkt jellje yk . Teht
y0 = c0 + c1 ei0 + c2 e2i0 = c0 + c1 + c2
2i
3
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
ahol = e 3 a legkisebb pozitv argumentum harmadik komplex

egysggykt jelli. Vilgos, hogy a (c0 , c1 , c2 ) 7 (y0 , y1 , y2 ) lekpezs
lineris, melynek mtrixszorzat-alakja

y0
1

y1 = 1
y2
1

1
c0

2 c1
4
c2
Hasonlan egyszeru az ltalnos eset is, azonban mg tekintsk t az

2i
N = 2 s az N = 4 eset is. N = 2 esetn = e 2 = 1 a primitv
egysggyk, gy
" # "
y0
1
=
y1
1
mg N = 4 esetn = e

y0
1
y 1
1
=
y2 1
y3
1
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
ltalnos esetben az n-edik osztpont 2n

N (n = 0, 1, 2, . . . , N 1), a
Fourier-sszeg e pontbeli helyettestsi rtkt yn -nel jellve
y0 = c0 + c1 ei0 + c2 e2i0 + + c N 1 e( N 1)i0 = c0 + c1 + + c N 1
y1 = c0 + c1 e
y2 = c0 + c1 e
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
Az = e2i/N jellssel mtrixszorzat-alakban
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)
E pldban szereplo egytthatmtrix egy Vandermonde-mtrix,

mgpedig a V N (1, , 2 , . . . , N 1 ) mtrix, melyet N, -nal jellnk. Fontos lesz mg e mtrix konjugltja, mely az = = e2i/N egysggykhz tartoz Vandermonde-mtrix. E kt mtrixot Fourier-mtrixnak is
nevezik. Teht [ N, ]kn = kn , [ N, ]kn = kn (0 k, n < N), azaz
rszletesen
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
Mivel minden pozitv pros N-re 2 = 1, ezrt az N/2-edik sorban

1 hatvnyai szerepelnek.
b) Mivel = , ezrt s = s , teht N, = N, . Msrszt N,
0
szimmetrikus, kvetkezskpp N, = N, = N, .
c) Szmtsuk ki az N, N, mtrixot! A szorzat k-adik sornak
n-edik oszlopban a
N 1
km mn =
m =0
N 1
m(kn) =
m =0
N 1
(kn )m
m =0
sszeg szerepel. Ha k = n, azaz kn = 1, akkor ez az sszeg N,

minden ms esetben 0 (ld. a ?? lltst a komplex szmokrl szl
fggelkben). Mindezek egyik kvetkezmnye, hogy N, s N,
invertlhatk, N, inverze N1 N, , N, inverze N1 N, . A msik
kvetkezmny, hogy

1
1
N,
N, = I N ,
N
N
ami a b)-t is figyelembe vve pp azt jelenti, hogy

1
1
N,
N,
= IN ,
N
N
azaz hogy
1 N,
N
unitr.
Diszkrt Fourier-transzformci A diszkrt Fourier-transzformcira gy

gondolhatunk, mint egy ltalban komplex fggvny helyettestsi
rtkeinek vektorhoz a fggvny trigonometrikus sszetevoi egytthatinak vektort rendelo lineris C N C N lekpezsre.
A 7.85. pldban egy Fourier-sszeg egytthatival kifejeztk a fggvny megadott helyeken flvett rtkeit. A fordtott irny sokkal rdekesebb: ismerjk egy f fggvny N klnbzo megadott helyen flvett rtkt, s meg van adva N linerisan fggetlen fggvny. Olyan
lineris kombincijuk egytthatit keressk e fggvnyeknek, mely
lineris kombinci a megadott helyeken megegyezik f -fel. Mi a kvetkezokben definiland diszkrt Fourier-transzformci esetn az
f (t) =
1
N
N 1
cn enit
n =0
fggvnybol indulunk ki, a megadott helyek a [0, 2 ] intervallumot N

rszre oszt 2k/N (k = 0, 1, . . . , N 1) pontok. A (c0 , c1 , . . . , c N 1 ) 7
(y0 , y1 , . . . , y N 1 ) lekpezs inverzt fogjuk diszkrt Fourier-transzformltnak nevezni. Ennek mtrixa N, , amelyre a tovbbiakban az
F N jellst is hasznljuk. E megkzeltsbol az f fggvny teljesen
elhagyhat, hisz a lnyeg az, hogy egy szm-N-eshez hozzrendelnk
egy msikat!
7.87. definci (Diszkrt Fourier-transzformci (DFT)). Az

FN : C N C N : x 7 X = F N x lekpezst diszkrt Fouriertranszformcinak nevezzk.
I A diszkrt Fourier-transzformci teht a (7.30) kplettel megadott
F N = N, mtrixhoz tartoz mtrixlekpezs.

I A lekpezst kifejtve koordintnknt:
N 1
Xk =
xn e
n =0
2i kn
N
N 1
xn kn
( = e
2i
N
).
(7.31)
n =0
I Az FN transzformci mtrixszorzatos alakja

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)
I E tmban elterjedt jellsek: a transzformland vektor dimenzi-
jt nagy N jelli, a kpvektort a transzformland vektor nagybetus
vltozata jelli, azaz x kpe X, y kpe Y, stb., a vektorok koordinti

0-tl N 1-ig vannak indexelve.
I A diszkrt Fourier-transzformcit gyakran a Fourier-mtrixok valamelyiknek egy msik konstansszorosval definiljk. Elofordul az
unitr 1 F N , az N1 F N vagy a N, mtrix is a transzformci mtriN
xaknt, sot van aki minden olyan N, mtrixot egy DFT mtrixnak
tekint, ahol primitv N-edik egysggyk.
I Az ltalunk adott definci a legelterjedtebb, a legtbb ismert szoftver is ezt hasznlja. Ennek oka e defincinak a folytonos Fouriertranszformlttal val szorosabb kapcsolata, s a jelfeldolgozsban is
ezt hasznljk leginkbb. Ms alkalmazsokhoz viszont megfelelobb
lehet valamelyik fent emltett msik definci.
I Konkrtan az F1 , F2 , F4 s F8 mtrixok:
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),
FN (c, 0, . . . , 0) = (c, c, . . . , c).
ahol c C tetszoleges konstans.

b) Ha x vals vektor, akkor X N k = X k .
c) Az FN transzformci invertlhat, inverze (IDFT) tbbfle felrsban:
1
x = FN
X=
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
c) Az invertlhatsg azonnal addik abbl, hogy a Fourier-mtrixok

Vandermonde-mtrixok is egyttal, melynek determinnsa nem 0.
1
A ttelbeli mindegyik sszefggs azonnali kvetkezmnye az F
N =
1
1
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
Periodikus sszetevok szurse
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.
A szurs
ltalnos modellje hrom lpsbol ll, melyet az albbi

sma szemlltet:
x
DFT
szurs
IDFT
A muszaki
gyakorlatban szursen
sokfle transzformcit rtenek,
mely az X vektort az X-ba

kpzi. Mi csak a legegyszerubb
esettel
foglalkozunk, X bizonyos koordintinak elhagysval (kiszursvel).
A kvetkezokben egy mesterklten leegyszerustett,
fejben szmolva is kvetheto pldt mutatunk a DFT e tipikus alkalmazsra.

szurse).
7.90. plda (Magas frekvencij sszetevok

Adva van
egy p szerint periodikus fggvny tk = kp/6 (k = 0, 1, . . . , 5) helyeken
flvett fggvnyrtkeinek x = (4, 1, 2, 2, 2, 1) vektora. Bontsuk fel
e fggvnyt egy p szerint periodikus trigonometrikus fggvny, s p/m
peridus fggvnyek (zaj) sszegre (m > 1 egsz).
Megolds. Az x vektor diszkrt Fourier-transzformltja

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
A p rtknek valjban semmi szerepe, mert e fggvnyt csak a k n

(k = 0, 1, . . . , 5) pontokban rtkeljk ki, gy a fenti sszegben csak a
i 2
p
pn
6
= (ei 6 )n = n
rtkek szerepelnek. Ezekre hasznlhat a

n + 6n = (ei
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.
Gyors Fourier-transzformci A diszkrt Fourier-transzformci gyors

kiszmtsra konstrult algoritmusoknak dnto szerepk van a mai
kultrnk alapjt jelento digitlis technika fejlodsben.
A diszkrt Fourier-transzformlt kiszmtshoz, azaz az n-edrendu
Fourier-mtrixszal val szorzs kiszmtshoz n2 szorzs elvgzsre
van szksg. Brmely olyan algoritmust, mely e transzformci eredmnyt O(n log n), azaz konstansszor n log n lpsben elvgzi, gyors
Fourier-transzformcinak nevezzk. Sok vltozata ltezik, mi csak az
elsoknt publiklt, legismertebbet ismertetjk.
A transzformci gyorsasgnak becslshez most minden aritmetikai muvelet
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
szma N (2N 1).

Az egyszerusg
kedvrt legyen a tovbbiakban N kettohatvny,

s csoportostsuk az Xk -t megad sszeget az indexek paritsa szerint, azaz kln adjuk ssze a pros s kln a pratlan indexue
ket. Vegyk szre, hogy ez az sszeg kt fele akkora mretu Fouriertranszformcibl megkaphat:
N 1
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 .
s ezen a ponton azzal tudjuk cskkenteni a szmtsokat, hogy mivel

az Ek s Ok sszegek N/2 szerint periodikusak, gy k N/2 esetn Ek
s Ok rtkt mr nem kell jra szmolni, ugyanis
Ek+ N/2 = Ek ,
Ok+ N/2 = Ok ,
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 .
Ezeket sszevetve teht k < N/2 esetn

Xk = Ek + kN Ok ,
Xk+ N/2 = Ek kN Ok .
gy, ha Ek s Ok mr ki van szmolva, Xk s Xk+ N/2 kiszmtshoz
csak egy szorzsra, egy sszeadsra s egy kivonsra van szksg,
azaz az Xk (0 k < N) egytthatk 3N/2 muvelettel
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
2 N log2 N. Konkrtan nhny N esetn:

N
DFT
FFT
hnyados
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 ,
ahol N az a permutcis mtrix, mely elore veszi a pros indexu

elemeket, N pedig a fl transzformltakat sszead, s a pratlan
indexueket
egy -hatvnnyal beszorz mtrix. Ezek kisebb indexu
A ttelbeli eljrst Gauss mr ismerte s

1805-ben hasznlta a msodiknak flfedezett Pallas s a harmadiknak flfedezett Juno nevu kisbolyg plyjnak kiszmtshoz. A felezo eljrst Danielson s Lnczos 1942-ben jra flfedeztk, de o k sem vizsgltk az algoritmus
sebessgt. Az FFT ismertt s npszeru
v Cooley s Tukey 1965-ben megjelent
cikke utn vlt.
354
lineris algebra
7.22. bra: FFT algoritmus. A rekurzv fggvny bemenete egy tetszoleges

komplex x vektor, kimenete a diszkrt
Fourier-transzformlt X vektor.
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
A mtrixokban szereplo diagonlis mtrixok az egysgmtrixok, s

az hatvnyait tartalmaz D mtrixok, ahol Dk = diag(1, , 2 , . . . , k1 ).
Teht pldul
"
#
F4 O
F8 = 8
8
O F4
"
# 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-
355
szr a -mtrixokbl ll blokkmtrixokkal kell szorozni. E mtrixok

szorzata is permutcimtrix. Hatst e konkrt esetben kiszmoljuk
a fent megadott 4 s 8 mtrixok behelyettestsvel:
"
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
Ez elso pillanatban ttekinthetetlen permutcinak tunik,
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
Ez leolvashat a kvetkezo brrl:

y
h
7.1. Igen, A : R3 R, mtrixa A = a1
a2
i
a3 .
7.2. Nem, az A : x 7 a + x lekpezs a 0 vektort nem a

0-ba kpzi, gy nem lehet mtrixlekpezs!
(cos2 , sin cos )
7.4. Igen, a mtrix
(sin cos , sin2 )
a2
1
A = a(a x) = a(a x) = (aa )x = a2 a1
a1 a3
0
7.8. a) A bizonytand kplet:

"
cos2
P=
sin cos
a1 a2
a22
a2 a3
#
sin cos
.
sin2
a1 a3
a2 a3
a23
Az itt lthat kt derkszgu hromszg befoginak

hossza cos , illetve sin , s gy pldul a cos hossz
szakasz kt tengelyvetlete cos2 s cos sin hossz,
teht i kpe (cos2 , cos sin ).
Hasonlan j kpe
(sin cos , sin2 ). E kt oszlopvektorbl ll mtrix pe-
356
lineris algebra
dig valban megegyezik a fent megadottal.

b) Az i s j vetlete az egyenesre
"
#
ib
1
b12
projb i =
b= 2
s
bb
b1 + b22 b1 b2
"
#
1
jb
b1 b2
b= 2
projb j =
.
bb
b1 + b22 b22
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
A+ = A0 (AA0 )1 (Ir0 Ir )1 Ir0
= A0 (AA0 )1 .
#
sin cos
,
sin2
7.19. Mivel az A mtrix egy olyan XY felbontsval van

megadva, melyben X teljes oszlop-, Y teljes sorrang, ezrt
hasznlhat a 7.18. feladat eredmnye. gy
1
2 0 1
1
A+ = Y0 (YY0 )1 (X0 X)1 X0 = 0

0 0 0
3
2 1 0 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
A+ = Y0 (YY0 )1 (X0 X)1 X0 =
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
E kt vektor egyms mell rsval kapott mtrix lesz a lekpezs mtrixa:

"
#
1
b12
b1 b2
.
b22
b12 + b22 b1 b2
Ez megegyezik a (7.11) kplettel, azaz
# "
"
1
cos2
b12
b1 b2
=
2
2
2
sin cos
b2
b1 + b2 b1 b2
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
7.22. 1. megolds: Ha A meroleges vetts mtrixa, akkor

A2 = A okn S(A) = O(A), s a sortr minden x vektorra Ax = x, gy A3 x = x is igaz lesz. Msrszt A0 = A miatt
N (A0 ) = N (A), teht minden z N (A0 ) esetn Az = 0,
s A+ z = 0 is fnnll, teht A s A+ hatsa az O(A) s annak meroleges kiegszto altern is megegyezik, gy a kt
mtrix azonos.
1. megolds: A Penrose-ttel alapjn azt kell ellenoriznnk, hogy A a ngy felttel mindegyikt teljesti, mint
pszeudoinverz. Ez igaz, hisz A0 = A = A2 miatt A3 = A,
s (A2 )0 = A2 .
Az llts megfordtsa nem igaz. Pldul az A = I
mtrixra A+ = A, de a I mtrixra (I)2 6= I.
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
Az utbbi egyenlosg azon mlik, hogy mind a0 ab0 b, mind

trace(A0 A) az sszes a2i b2j alak elem sszege, ahol a =
( a1 , . . . , am ), b = (b1 , . . . , bn ). A vektorokra vonatkoz llts ennek specilis esete.
7.26. Az llts igazolshoz elg csak a Penrose-ttel ngy
felttelt ellenorizni.
7.27. A 7.26. feladat alapjn az albbi blokkostssal s
1-rang mtrixok pszeudoinverzre vonatkoz lltsbl
azonnal addik a vlasz:
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
E rsz a mtrixok legfontosabb tulajdonsgait, sajtsgait vizsglja.

A sajtsgokra val utals egyttal egy szjtk, mely a mtrix sajtrtknek, sajtvektornak s sajtalternek igen fontos fogalmra, valamint a
szletsekor ugyancsak sajtrtknek nevezett szingulris rtkre utal.
Vizsglatainkat a ngyzetes mtrixok leheto legegyszerubb
diagonlis alakra hozsval kezdjk, amihez a sajtrtkek meghatrozsa
vezet. Az alkalmazsokban az utbbi idoben klnsen fontoss vlt,
s minden mtrixra mukd
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
pldul diagonlis alakot lt.
Sajtrtk, sajtvektor, sajtaltr

A sajtrtk s a sajtvektor fogalma Kezdjk egy egyszeru feladattal,
melybol kiolvashat annak lnyege, amirol e fejezetben sz lesz.
8.1. plda (J bzis tkrzshez). Tkrzzk a 3-dimenzis tr vektorait a tr egy megadott skjra! Geometriai szemlletnkre hagyatkozva
vlasszunk e lineris lekpezs lershoz egy megfelelo bzist, majd rjuk fel
a tkrzs e bzisra vonatkoz mtrixt!
Megolds. A skra val tkrzs a skra meroleges vektorokat ellentettjkbe viszi, mg a sk vektorait helyben hagyja. A tr minden vektora egyrtelmuen
eloll egy skba eso s egy r meroleges vektor sszegeknt. A mellkelt bra szemllteti, hogy a tr mindegyik vektornak
tkrkpe gy kaphat meg, hogy a skba eso sszetevojt meghagyjuk, s ahhoz adjuk a skra meroleges sszetevo ellentettjt. Termszetes mdon addik az tlet, hogy vlasszuk ki a sk egy tetszoleges
bzist (lljon ez az a s b vektorokbl), s e kt vektorhoz vegynk
hozz egy skra meroleges c vektort harmadik bzisvektornak. Ekkor a tkrzo T lekpezs hatsa e vektorokon: Ta = a, Tb = b s
Tc = c. Az {a, b, c} bzisban e hrom vektor koordints alakja a
hrom standard egysgvektor, gy T mtrixa
0
0
0
1
0
0 .
1
364
lineris algebra
gy e bzisban egy tetszoleges ( x, y, z) vektor tkrkpe ( x, y, z). 2

E pldban gy vlasztottunk bzist, hogy olyan vektorokat kerestnk, melyek nmaguk skalrszorosba mennek, azaz amelyek kielgtenek egy Tx = x alak egyenletet. Ez a kvetkezo defincihoz
vezet, melyet eloszr csak mtrixokra mondunk ki.
8.2. definci (Sajtrtk, sajtvektor). Azt mondjuk, hogy a
szm az A mtrix sajtrtke, ha ltezik olyan nemnulla x vektor, melyre Ax = x. Az ilyen x vektorokat az A mtrix sajtrtkhez tartoz
sajtvektorainak, a (, x) prokat pedig az A sajtprjainak nevezzk.
22
8.3. plda (Sajtrtk, sajtvektor). Igazoljuk, hogy az A = [
2 3 ]
mtrixnak 1 egy sajtrtke, s (2, 1) az egyik hozztartoz sajtvektora,
azaz (1, (2, 1)) egy sajtpr. Mutassuk meg, hogy a (2, (1, 2)) pr egy
msik sajtpr!
Megolds. Valban,
"
#" # " #
2 2 2
2
,
=
2 3 1
1
"
azaz
2 2
2 3
" #
#" #
2
2
.
= (1)
1
1
E mtrix egy msik sajtrtke 2, ugyanis

"
2 2
2 3
#" # " #
1
2
,
=
2
4
"
azaz
2 2
2 3
" #
#" #
1
1
.
= (2)
2
2
Ha x egy sajtvektor, akkor minden nemnulla konstansszorosa is

az, ugyanis
A(cx) = cAx = cx = (cx),
azaz A(cx) = (cx). Ennl tbb is igaz:
8.4. llts (A sajtvektorok alterei). Ha az A mtrixnak egy
sajtrtke, akkor a -hoz tartoz sajtvektorok a nullvektorral egytt alteret
alkotnak, mely megegyezik A I nulltervel.
Bizonyts. A nem nullvektor x pontosan akkor egy sajtrtkhez tartoz sajtvektor, ha kielgti az Ax = x egyenletet, azaz az
Ax x = 0 egyenletet, vagyis ha megoldsa a homogn lineris
(A I)x = 0 egyenletnek. Ez pedig pp azt jelenti, hogy x eleme
A I nullternek.
2
8.5. definci (Sajtaltr). A ngyzetes A mtrix sajtrtkhez tartoz sajtvektorai s a nullvektor ltal alkotott alteret a sajtrtkhez tartoz sajtaltrnek nevezzk.
sajtrtk, diagonalizls
365
8.6. plda (Sajtaltr bzisnak meghatrozsa). Adjuk meg az
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
Ez teht azt jelenti, hogy pontosan akkor sajtrtk, ha kielgti

a (8.1) egyenletet. Ezt az egyenletet az A mtrix karakterisztikus egyenletnek nevezzk. Ha A egy n n-es mtrix, akkor az egyenlet bal oldala
a determinns kifejtse utn egy n-edfok polinom, melyet karakterisztikus polinomnak neveznk.
8.7. plda (Karakterisztikus polinom felrsa). Hatrozzuk meg
az
"
#
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
szmolhatsga rdekben is hasznosabb a det(A I) alakot

vlasztani.
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
( a11 )( a22 ) . . . ( ann ) = 0

aminek a gykei aii (i = 1, . . . , n). gy ezek az A sajtrtkei.
8.9. llts (Determinns, nyom s a sajtrtkek). Ha az nedrendu A mtrix sajtrtkei 1 ,. . . , n , akkor

det(A) = 1 2 . . . n
trace(A) = 1 + 2 + + n
Ezek az rtkek megjelennek a karakterisztikus polinomban: a determinns a
konstans tag, a nyom a ()n1 egytthatja.
Bizonyts. A karakterisztikus polinom gyktnyezos alakja:
det(A I) = (1 )(2 ) . . . (n )
= 0 behelyettestse utn kapjuk, hogy
det(A) = 1 2 . . . n .
Az llts nyomra vonatkoz rsznek bizonytst feladatknt tuzzk
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
Nmi nehzsget a D mtrix okoz, ezrt az ahhoz tartoz szmtsokat

rszletezzk:

3

5
4

4
|D I| =
= 2 + 1
3
5
4
4
#
"
#
"
#
"
3
5
43 i
1 34 + 54 i
54 i
4
5
amibol x1 =
,
1 = i :
=
0
0
1
45
43 i
"
#
"
#
"
#
3
3
5
4
4
34 + i
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
8.11. ttel (2 2-es szimmetrikus mtrixok sajtalterei). Legyen

A egy 2 2-es szimmetrikus mtrix. Ekkor
a) A minden sajtrtke vals,
b) A-nak pontosan akkor van kt azonos sajtrtke, ha aI alak, ekkor a sk
sszes vektora sajtvektor,
c) minden egyb esetben A-nak kt klnbzo sajtrtke van, s ekkor sajtalterei merolegesek egymsra.
Bizonyts. A 2 2-es szimmetrikus vals mtrix ltalnos alakja A =
[ ba db ], ahol a, b, d R. Ennek karakterisztikus egyenlete a (8.2) szerint
2 ( a + d) + ( ad b2 ). Az egyenlet diszkriminnsa D = ( a + d)2
4( ad b2 ) = ( a d)2 + 4b2 0. Teht a gykk, vagyis a sajtrtkek
valsak. Ez bizonytja a)-t. A kt sajtrtk csak akkor egyezik meg, ha
D = 0, ez viszont csak a = d s b = 0 esetn lehetsges, ami bizonytja
b)-t. A c) llts igazolst a feladatok kzt tuzzk
ki.
2
8.2. bra: A ngy lekpezs sajtirnyai.
Mtrix sszes sajtrtknek s sajtvektornak meghatrozsa Az elozo

paragrafusokban lertak alapjn egy mtrix sajtrtkeinek s sajtvektorainak meghatrozsa kt lpsben elvgezheto:
1. megoldjuk a det(A I) = 0 karakterisztikus egyenletet, ennek
gykei a sajtrtkek,
2. minden sajtrtkhez meghatrozzuk az A I nullternek egy
bzist, az ltala kifesztett altr nemzrus vektorai a -hoz tartoz
sajtvektorok.
8.12. plda (Az sszes sajtrtk s sajtvektor meghatrozsa). Hatrozzuk meg a
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
Ennek megoldsa x1 = t, azaz az sszes megolds

t
1

0 = t 0
0
0
Teht a 1 = 0 sajtrtkhez tartoz sajtaltr az (1, 0, 0) vektor ltal
kifesztett altr.
Tekintsk ezutn a 2 = 3 = 2 esetet. Meghatrozzuk az A 2I
mtrix nulltert.
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
Ennek az (egy egyenletbol ll) egyenletrendszernek a megoldsa: x2 =

s, x3 = t, x1 = (s + t)/2, azaz
(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
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
azaz a 1 sajtrtkhez tartoz sajtalteret a (1, 1, 0) s a (1, 0, 1)

vektorok fesztik ki.
A 3 = 6 esetben
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

Megolds. A karakterisztikus egyenlet

1
2
3

2

2
1
23
+
=
1

2
2
A 2 + 1 = 0 egyenlet gykei
1
2
!2
3
= 2 + 1.
2
3
2 i.
Eloszr vizsgljuk a 12 + 23 i sajtrtket:

#
"
"
!
1
3
23 i 23
1
A
+
i I=
=
3
3
2
2
0
i
2
i
0
= x iy = 0.
Ennek az egyenlet(rendszer)nek a megoldsa az y = t paramtervlasztssal

" # " #
" #
x
it
i
=
=t
y
t
1
371
372
lineris algebra
Teht a 12 + 23 i sajtrtkhez tartoz sajtaltr egy bzisa az (i, 1) vektorbl ll.

A 21 23 i sajtrtk esetn
#
"
"
#
!
3
3
1
3
1
i
i
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
sajtrtkhez tartoz sajtalteret a (i, 1) sajtvektor

2
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
mtrix sajtrtkeit s azok algebrai s geometriai multiplicitst?

Megolds. Mivel A hromszgmtrix, ezrt karakterisztikus polinomja (4 )3 , a 4 teht hromszoros gyk, azaz algebrai multiplicitsa 3.
Mivel
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
Eszerint A sajtaltere 1-dimenzis, melyet az (1, 0, 0) vektor feszt ki.

A = 4 sajtrtk geometriai multiplicitsa teht 1.
A B mtrix karakterisztikus polinomja (1 )2 (2 )2 , ennek gykei 1 s 2, s mindegyiknek ketto az algebrai multiplicitsa. Meghatrozzuk sajtaltereiket. = 1 esetn
0
0
B I = B I =
0
0
0
0
0
0
0
0
1
0
0
0
.
1
1
Az ehhez tartoz homogn egyenletrendszer megoldsa:

0
1
s
x
1
0
y t

= = s +t .
0
0
z 0
0
0
0
w
Teht az altr dimenzija 2, vagyis a geometriai multiplicits megegyezik az algebraival. Ha = 2, akkor
1 0
0 1
B I = B 2I =
0
0
0
0
0 0
0 0
,
0 1
0 0
ahonnan az ehhez tartoz homogn egyenletrendszer megoldsa:

0
0
x
0
y 0

= = t .
1
z t
0
0
w
Teht az altr dimenzija most 1, vagyis a geometriai multiplicits kisebb, mint az algebrai.
2
Specilis mtrixok sajtrtkei A mtrixok egyes klnleges tulajdonsgai a sajtrtkek bizonyos tulajdonsgt is befolysoljk.
8.16. ttel (Specilis mtrixok sajtrtke). Legyen A egy nedrendu vals mtrix. Ekkor
a) ha A szimmetrikus, akkor minden sajtrtke vals,
b) ha A ferdn szimmetrikus, akkor minden sajtrtke imaginrius,
c) ha A ortogonlis, akkor minden sajtrtknek 1 az abszolt rtke,
d) A pontosan akkor nilpotens, ha minden sajtrtke 0, azaz karakterisztikus polinomja n alak.
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.
Pozitv n-re indukcival igazoljuk az lltst: n = 1 esetn nyilvn

igaz, n = 2 esetn:
A2 x = A(Ax) = A(x) = (Ax) = (x) = 2 x.
Hasonlan kapjuk, hogy ha n = k 1 esetn mr igaz az llts, akkor
n = k esetn is:
Ak x = A(Ak1 x) = A(k1 x) = k1 (Ax) = k1 (x) = k x.
Ha A invertlhat, akkor
Ax = x, amibol
1
x = A1 x, azaz 1 x = A1 x.
Vgl negatv kitevok esetn:

Ak x = k x, amibol k x = Ak x.
8.19. ttel (Mtrix hatvnyainak hatsa). Tegyk fel, hogy 1 ,

2 ,. . . k sajtrtkei az n n-es A mtrixnak, s hogy x1 ,. . . xk a hozzjuk tartoz sajtvektorok. Ha egy n-dimenzis v vektor eloll e sajtvektorok
lineris kombincijaknt, azaz
v = c1 x1 + c2 x2 + . . . + c k x k ,
akkor brmely egsz m esetn
Am v = c1 1m x1 + c2 2m x2 + . . . + ck m
k xk .
Bizonyts. A bizonyts magtl rtetodo, hisz
A m v = A m ( c1 x1 + c2 x2 + . . . + c k x k )
= c1 A m x1 + c2 A m x2 + . . . + c k A m x k
= c1 1m x1 + c2 2m x2 + . . . + ck m
k xk
I Sajnos az nem igaz, hogy minden mtrixhoz tallunk n fggetlen
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-
jtrtke van, akkor sajtalterei merolegesek egymsra.
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.
Lineris transzformcik sajtrtkei A sajtrtk, sajtvektor, sajtaltr

fogalma termszetes mdon tviheto lineris lekpezsekre is.
8.20. definci (Lineris transzformci sajtrtke, sajtvektora). Azt mondjuk, hogy a szm az L lineris transzformci sajtrtke, ha ltezik olyan nemnulla x vektor, melyre Lx = x. Az ilyen x
vektorokat az L lineris transzformci sajtrtkhez tartoz sajtvektorainak nevezzk.
Ha a lineris transzformci R2 R2 vagy R3 R3 lekpezs, mely valamilyen egyszeru geometriai transzformcit valst meg,
akkor nha a transzformci mtrixnak ismerete nlkl is knnyen
meghatrozhatjuk a sajtrtkeket s sajtvektorokat.
8.21. plda (Lineris transzformci sajtrtke, sajtaltere).
Adjuk meg pusztn geometriai szemlletnkre hagyatkozva az albbi
lineris lekpezsek sajtrtkeit s a hozzjuk tartoz sajtaltereket.
a) a sk vektorainak tkrzse egy egyenesre (vagy pontjainak tkrzse egy
orign tmeno egyenesre);
b) a sk vektorainak meroleges vettse egy egyenesre (vagy pontjainak meroleges vettse egy orign tmeno egyenesre);
c) a tr vektorainak elforgatsa egy egyenes krl a egsz szm tbbszrstol klnbzo szggel;
d) a tr vektorainak meroleges vettse egy skra;
e) a tr vektorainak tkrzse egy skra.
Megolds. Az elozo fejezetben, gy a ?? pldban bizonytottakhoz
hasonlan lthat, hogy mindegyik feladatbeli transzformci lineris.
a) Egy egyenesre val tkrzs esetn csak az egyenessel prhuzamos s r meroleges vektorok mennek sajt konstansszorosukba, mgpedig az egyenessel prhuzamos vektorok sajt magukba, a r merolegesek a sajt ellentettjkbe. Teht e transzformcinak az 1 sajtrtkhez tartoz sajtaltere az egyenessel prhuzamos vektorokbl, a
1-hez tartoz sajtaltere a r meroleges vektorokbl ll. A pontokra
vonatkoz llts a pontokba mutat helyvektorokkal addik.
b) A sk meroleges vettse egy egyenesre hasonlan az elozo esethez helyben hagyja az egyenessel prhuzamos vektorokat, s a 0vektorba viszi a r merolegeseket. Teht az 1 sajtrtkhez tartoz
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
megegyezik, hisz ezek a sajtrtkek szorzatval egyenlok. Ezt mr
bizonytottuk a 7.17. ttelben. Hasonlan igaz, hogy hasonl mtrixok

nyoma is megegyezik, hisz ezek a sajtrtkek sszegvel egyenlok.
I Fontos kvetkezmnye teht e ttelnek, hogy van rtelme lineris transzformci karakterisztikus polinomjrl, sajtrtkeirol, sajtaltereirol beszlni. Legalbbis vges dimenzis esetben, pl. Rn Rn vagy
Cn Cn transzformcik esetn ezt ltjuk.
Mtrixok diagonalizlsa Korbban lttuk, hogy egy mtrix hatvnyainak hatst milyen knnyu a sajtvektorok lineris kombinciin kiszmtani. Ez akkor lenne igazn hatkony eszkz, ha sajtvektorokbl egy bzist tudnnk vlasztani. Ebben a bzisban ugyanis a mtrix
mint azt bizonytani fogjuk diagonlis alakot lt.
8.23. definci (Diagonalizlhatsg). Az n n-es A mtrix diagonalizlhat, ha hasonl egy diagonlis mtrixhoz, azaz ha ltezik egy
olyan diagonlis s egy invertlhat C mtrix, hogy
= C1 AC.
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
8.25. plda (Mtrix diagonalizlsa). Diagonalizlhat-e a 8.12.

pldabeli
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
A diagonalizlhatsg fontos voltra tekintettel rdemes tovbbi feltteleket gyujteni,
melyek knnyen ellenorizhetok. Tbb elgsges felttel szrmaztathat a kvetkezo ttelbol:

8.26. ttel (Klnbzo sajtrtkek sajtvektorai). Ha 1 ,
2 ,. . . k klnbzo sajtrtkei az n n-es A mtrixnak, akkor a hozzjuk
tartoz x1 , x2 ,. . . xk sajtvektorok linerisan fggetlenek.
Bizonyts. Indirekt mdon tegyk fel, hogy e vektorok linerisan
sszefggok. Ekkor van a vektorok kzt olyan, amely csak a kisebb
indexuek
lineris fggvnye. Legyen ezek kzl a legkisebb indexu

xi , azaz
x i = c 1 x 1 + . . . + c i 1 x i 1 ,
(8.4)
de az i-nl kisebb indexu vektorok mr linerisan fggetlenek. Szorozzuk meg az egyenlosg mindkt oldalt balrl az A mtrixszal:
Axi = A(c1 x1 + . . . + ci1 xi1 ) = c1 Ax1 + . . . + ci1 Axi1 ,
majd hasznljuk ki, hogy e vektorok sajtvektorok:
i x i = c 1 1 x 1 + . . . + c i 1 i 1 x i 1 .
(8.5)
Ezutn a (8.4) egyenlet mindkt oldalt i -vel szorozva kapjuk, hogy

i x i = c 1 i x 1 + . . . + c i 1 i x i 1 .
(8.6)
Vgl a (8.6) egyenletbol a (8.5) egyenletet kivonva kapjuk, hogy

0 = c 1 ( i 1 ) x 1 + . . . + c i 1 ( i i 1 ) x i 1 ,
Mivel az x1 ,. . . , xi1 vektorok mr linerisan fggetlenek, s a 1 ,. . . ,
i rtkek klnbzoek, gy c1 = = ci1 = 0. Eszerint
xi = 0x1 + + 0xi1 = 0,
ami ellentmonds, hisz xi sajtvektor, teht nem lehet a 0. Ez bizonytja
az indirekt feltevs helytelen voltt, azaz igazolja lltsunkat.
2
I Szoks gy fogalmazni, hogy a klnbzo sajtrtkekhez tartoz
sajtalterek linerisan fggetlenek, hisz brhogy vlasztunk kzlk

egy-egy nemzrus vektort, azok linerisan fggetlenek lesznek.
I Msik fontos kvetkezmnye e ttelnek, hogy ha klnbzo sajtrtkekhez tartoz sajtalterek mindegyikbol linerisan fggetlen vektorokat vlasztunk, akkor mg ezek egyestse is linerisan fggetlen
lesz. Ha ugyanis linerisan sszefggnnek, akkor az egy altrbe eso
vektorok lineris kombinciit sszevonva egyetlen vektorr, minden
sajtrtkhez egy-egy sajtvektort kapnnk, melyek sszefggok lennnek, ami a fenti ttelnek ellentmond.
I Specilisan az is igaz, hogy klnbzo sajtrtkekhez tartoz sajtalterek mindegyikbol egy bzist vlasztva, azok egyestse is linerisan fggetlen vektorrendszert ad.
8.27. kvetkezmny (Klnbzo sajtrtkek s diagonalizlhatsg). Ha az n-edrendu A mtrixnak n darab klnbzo sajtrtke
van, akkor diagonalizlhat.
Bizonyts. A 8.24. s a 8.26. ttelek szerint n klnbzo sajtrtkhez
n fggetlen sajtvektor tartozik, ami pp azt jelenti, hogy a mtrix
diagonalizlhat.
2
Vgezetl sszefoglalsul flsorolunk nhny mtrixosztlyt, melyekbe tartoz mtrixok mindegyike egyformn viselkedik a diagonalizlhatsgra nzve:
a) Egy vals n-edrendu mtrix nem diagonalizlhat a vals mtrixok
krben, ha karakterisztikus egyenletnek vannak komplex gykei,
a komplex sajtrtkekhez ugyanis nem tallhat vals sajtvektor,
gy nem tallhatunk n fggetlen sajtvektort, hisz a vals sajtrtkek szma kisebb n-nl. Pldul a
"
#
0 1
1
0
mtrix a valsok fltt nem diagonalizlhat, de a komplexek fltt
igen (ld. a ?? feladatot).
381
382
lineris algebra
b) Nem diagonalizlhatk a nilpotens mtrixok, pldul a
0
0
1
0
0
1
0
mtrix (?? feladat).

c) Diagonalizlhat minden szimmetrikus mtrix, sot, sajtvektoraibl ortonormlt bzis is kivlaszthat. Ezt hamarosan beltjuk
(8.34. ttel).
8.28. plda (Diagonalizlhatsg megllaptsa). Dntsk el,
hogy az albbi mtrixok kzl melyik diagonalizlhat vals mtrixknt!
"
A=
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
inverzet elso g sora utn bontsuk blokkokra:

" #
Z
1
C =
.
W
rjuk fel az I = C1 C sszefggst blokkmtrix alakban:
"
#
"
# " #
i
ZX ZY
Ig
O
Z h
.
=
X Y =
WX WY
O In g
W
Innen leolvashat, hogy WX = O, ZY = O, ZX = I g , WY = In g .
Ezeket flhasznlva kapjuk, hogy
" #
"
# "
#
h
i
Z
ZAX
ZAY
I
ZAY
g
C1 AC =
A X Y =
=
,
W
WAX WAY
O WAY
ugyanis ZAX = ZX = ZX = I g , s WAX = WX = O. Az gy
kapott mtrix karakterisztikus polinomja

I I
ZAY

g
g
,

O
WAY In g
ami a 6.29. ttel szerint ( ) g det(WAY In g ). Ez pedig azt jelenti, hogy C1 AC s ezzel egytt A karakterisztikus polinomjnak
legalbb g-szeres algebrai multiplicits gyke.
2
8.30. ttel (Diagonalizlhatsg s a geometriai multiplicits). Egy n-edrendu ngyzetes mtrix pontosan akkor diagonalizlhat,
ha a sajtrtkeihez tartoz geometriai multiplicitsok sszege n.
Bizonyts. () Ha a mtrix diagonalizlhat, akkor az azonos sajtrtkhez tartoz vektorok ltal kifesztett sajtaltr dimenzija megegyezik e sajtrtk geometriai multiplicitsval. A geometriai multiplicitsok sszege teht pp n, hisz egyetlen sajtvektor sem lehet kt
sajtaltrben.
() A geometriai multiplicits nem nagyobb az algebrainl, az algebraiak sszege pedig legfljebb n (komplex esetben pontosan n, vals esetben lehet n-nl kisebb is, ha a karakterisztikus polinomnak vannak komplex gykei). gy ha a geometriai multiplicitsok sszege n,
akkor minden sajtaltrbol kivlasztva egy bzist, s vve ezek egyestst, egy n sajtvektorbl ll fggetlen vektorrendszert kapunk
(ld. a 8.26. ttel utni megjegyzseket). gy teht a mtrix diagonalizlhat.
2
I E ttel elegns megfogalmazsa gy hangzik: egy T test fltti n-
edrendu mtrix pontosan akkor diagonalizlhat, ha a Tn tr eloll

sajtaltereinek direkt sszegeknt.
383
384
lineris algebra
I A ttel lineris lekpezsekre is kimondhat: az A : Tn Tn
lineris lekpezs pontosan akkor diagonalizlhat, ha sajtalterei dimenzijnak sszege n.

8.31. plda (Lineris transzformci diagonalizlsa). Az
albbi lineris lekpezsekhez keressnk pusztn geometriai szemlletnkre hagyatkozva olyan bzist, melyben a mtrixa diagonlis. Hasznljuk fel
a 8.21. plda eredmnyeit.
a) a sk vektorainak tkrzse egy egyenesre (vagy pontjainak tkrzse egy
orign tmeno egyenesre);
b) a sk vektorainak meroleges vettse egy egyenesre (vagy pontjainak meroleges vettse egy orign tmeno egyenesre);
c) a tr vektorainak elforgatsa egy egyenes krl a egsz szm tbbszrstol klnbzo szggel;
d) a tr vektorainak meroleges vettse egy skra;
e) a tr vektorainak tkrzse egy skra.
Megolds. A 8.21. pldban meghatroztuk e lekpezsek sajtaltereit. Ezeket hasznljuk a kvetkezokben.
a) Az egyenes melyre tkrznk egyik irnyvektora legyen a,
egy r meroleges nemnulla vektor legyen b. Ekkor Ta = a s Tb =
b, ahol T a tkrzo lineris lekpezs. Ennek az {a, b} bzisban a
mtrixa
"
#
1
0
.
0 1
b) Az egyenes melyre vettnk egyik irnyvektora legyen a, egy
r meroleges nemnulla vektor legyen b. Ekkor Pa = a s Pb = b,
ahol P a vetto lineris lekpezs. Ennek az {a, b} bzisban a mtrixa
"
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
ugyanis Fa = a, Fb = cos b + sin c, Fc = sin b + cos c.

d) A sk, melyre vettnk 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 = 0, gy T mtrixa
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
gy a k-adik hatvny knnyen szmolhat:

"
#k
"
0.6 0.0
0.6k
k
1
A =C
C =C
0.0 0.9
0.0
1
1
3
"
, D
#
0.0 1
C
0.9k
23
5
3
#
2
.
2
385
386
lineris algebra
Mivel mindkt sajtrtk abszolt rtke kisebb 1-nl, ezrt 1k O

s gy Ak O, ha k . A B mtrix esetn
"
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
Mtrixok ortogonlis diagonalizlsa Diagonalizlni egy mtrixot azzal

ekvivalens, hogy a hozz tartoz mtrixlekpezshez tallni egy olyan
bzist, melyben mtrixa diagonlis. A gyakorlati alkalmazsokban klnsen szerencss, ha e bzis mg ortonormlt is! Vals mtrixok kzt
pontosan a szimmetrikusak azok, amelyek gy diagonalizlhatk.
A 8.24. ttel szerint a diagonalizlhatsg szksges s elgsges
felttele, hogy ltezzk a mtrix rendjvel egyezo szm fggetlen sajtvektora. Ha e vektorok ortonormlt rendszert alkotnak, akkor a
belolk alkotott mtrix ortogonlis mtrix.
8.33. definci (Ortogonlis diagonalizlhatsg). Az A mtrix ortogonlisan diagonalizlhat, ha tallunk egy ortogonlis Q s egy
diagonlis mtrixot, hogy Q T AQ = .
Eloszr megmutatjuk, hogy szimmetrikus mtrix esetn a sajtalterek nem csak fggetlenek egymstl, de merolegesek is egymsra.
8.34. ttel (Szimmetrikus mtrix sajtalterei). Szimmetrikus mtrix brmely kt klnbzo sajtaltere meroleges egymsra.
Bizonyts. Kt klnbzo sajtaltr kt klnbzo sajtrtkhez tartozik. Megmutatjuk, hogy az egyik altr brmelyik vektora meroleges
a msik altr brmely vektorra. Legyen teht (, x) s (, y) kt sajtpr, ahol 6= kt klnbzo sajtrtke A-nak. gy Ax = x s
Ay = y. Ebbol addik, hogy
(x T y) = (x) T y = (Ax) T y = x T A T y = x T Ay = x T y = (x T y).
Eszerint ( )(x T y) = 0, de 6= 0, ezrt x T y = x y = 0, azaz a
kt vektor meroleges egymsra.
2
8.35. ttel (Vals spektrlttel). A vals A mtrix pontosan akkor
diagonalizlhat ortogonlisan, ha szimmetrikus.
Bizonyts. () Tegyk fel, hogy A ortogonlisan diagonalizlhat, azaz ltezik olyan ortogonlis Q s diagonlis mtrix, hogy
Q T AQ = . Ezt balrl a Q, jobbrl a Q T mtrixszal szorozva kapjuk, hogy QQ T AQQ T = QQ T . Mivel Q ortogonlis, ezrt QQ T = I,
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
sszefggs. Mivel B oszlopai linerisan fggetlenek, ezrt B inverg X

tlhat, s gy B1 AB = [ I
]. Eszerint A [ IOg YX ], teht a kt
O Y
mtrixnak megegyeznek a sajtrtkei. Mivel Y-nak mr nem lehet
a sajtrtke, s a karakterisztikus polinom
"
( )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
melynek gykei 2, 2 s 5. Teht a diagonlis alak diag(2, 2, 5). Az

ttrs mtrixhoz szksgnk lesz a sajtvektorokra. = 2 esetn:
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
Ezt normlva kapjuk a b = ( 1 , 1 , 2 ) vektort, vgl a = 5hz tartoz normlt vektor c =
6
6
3
1 (1, 1, 1). A
3
standard bzisra val
ttrs mtrixa teht az [a|b|c] mtrix, azaz

1
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.
Homogn msodfok polinomok mtrixszorzatos alakja Egy polinom egy

tagja msodfok, ha abban az ismeretlenek fokszmainak sszege 2.
Pldul az x, y s z vltozkban msodfok tagok az albbiak: 3x2 ,
axy, 2b3 xz, 2 z2 . Az olyan tbbvltozs polinomot, melyben csak
msodfok tagok vannak, tbbvltozs homogn msodfok polinomnak
nevezzk. Pldul 2x2 + 4xy y2 egy 2-vltozs homogn msodfok polinom. Mivel xy = yx, ezrt ezt a polinomot ekvivalens mdon tbb ms alakba is t lehet rni, pldul: 2x2 + 3xy + yx y2 ,
2x2 5xy + 9yx y2 ,. . . , 2x2 + 2xy + 2yx y2 . Az utols formula egy
mtrixszorzatos flrs lehetosgt sejteti:
"
#" #
h
i 2
2 x
2
2
2x + 2xy + 2yx y = x y
.
2 1 y
Valban, ltalban is igaz, hogy
h
ax2 + 2bxy + cy2 = ax2 + bxy + byx + cy2 = x
"
i a
y
b
b
c
#" #
x
.
y
Hasonlkpp a hromvltozs homogn msodfok polinomok is mtrixszorzatos alakba rhatk:

ax2 + 2bxy + 2cxz + dy2 + 2eyz + f z2
= ax2 + bxy + cxz + byx + dy2 + eyz + czx + ezy + f z2

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
= x12 + 2x22 + 2x32 4x1 x2 4x2 x1 + 2x1 x3 + 2x3 x1

= x12 4x1 x2 + 2x1 x3 4x2 x1 + 2x22 + 0x2 x3 + 2x3 x1 + 0x3 x2 + 2x32

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:
8.38. ttel (Fotengelyttel).

Ha A egy n-edrendu vals szimmetrikus mtrix, s a Q mtrix ortogonlisan diagonalizlja, azaz Q T AQ =
diagonlis, akkor az x = Qy helyettests az x T Ax kvadratikus formt a
y T y kvadratikus formba transzformlja, mely kifejtve csak ngyzetes tagokat tartalmaz, azaz
x T Ax = y T y = 1 y21 + 2 y22 + + n y2n ,
(8.7)
ahol 1 , 2 ,. . . , n az A mtrix sajtrtkei.

I A ttel nevt ksobb fogjuk rszletesen megmagyarzni, most csak
annyit, hogy az x T Ax = c egyenletu felletnek a Q bzis vektorai mind

szimmetriatengelyei, melyeket fotengelyeknek is neveznk.
I Mivel Q ortogonlis mtrix, ezrt det Q = 1 vagy det Q = 1. Gyakorlati (pldul bizonyos 3-dimenzis) alkalmazsokban fontos lehet,
hogy a Q bzis is jobbsodrs legyen, azaz hogy det Q = 1 legyen.
gy a standard bzis beleforgathat az j bzisba. Ez elrheto, ha
det Q = 1 esetn Q brmelyik oszlopt 1-szeresre vltoztatjuk.
Ez a kvadratikus formn nem vltoztat, hisz abban csak a sajtrtkek
szerepelnek.
I A fotengelyttel alkalmazst egy kvadratikus formn fotengely-transz-
formcinak nevezzk.
8.39. plda (Fotengely-transzformci).

Vgezzk el a fotengelytranszformcit az
f ( x, y, z) = x2 + 2y2 + 2z2 8xy + 4xz
kvadratikus formn. Keressnk olyan jobbsodrs ortonormlt bzist, melyben pp ez a kvadratikus forma alakja. Mi az ttrs mtrixa?
Megolds. A kvadratikus forma mtrixszorzat-alakja

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
e) indefinit, ha pozitv s negatv rtkeket is flvesz.

Azt mondjuk, hogy a szimmetrikus A mtrix pozitv/negatv definit/szemidefinit, illetve indefinit, ha a hozz tartoz kvadratikus forma az.
I Ha A negatv definit, akkor A pozitv definit. Hasonl llts igaz
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.
8.41. plda (Definitsg meghatrozsa a sajtrtkekbol).

Hatrozzuk meg az
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
alakbl lthat, hogy e kvadratikus forma minden rtke pozitv, ha a

vltozk nem mindegyike 0. Teht e kvadratikus forma pozitv definit.
Hasonlkpp a B sajtrtkei 1, 1 s 2, a fotengely-transzformci utn kapott alak 2 2 + 4 2 . E forma negatv rtket vesz fel
pldul az (1, 0, 0) helyen s pozitvat a (0, 0, 1) helyen, teht indefinit.
Vgl C sajtrtkei 3, 3 s 0, gy a fotengely-transzformci utn
kapott alak 3 2 3 2 + 0 2 = 3 2 3 2 . Ennek rtke a (0, 0, 1)
helyen 0, s pozitv rtket nem vesz fel, teht negatv szemidefinit. 2
8.42. ttel (Definitsg meghatrozsa a sajtrtkekbol).

A vaT
ls szimmetrikus A mtrix, illetve az x Ax kvadratikus forma pontosan
akkor
a) pozitv definit, ha A minden sajtrtke pozitv;
b) pozitv szemidefinit, ha A minden sajtrtke nemnegatv;
c) negatv definit, ha A minden sajtrtke negatv;
d) negatv szemidefinit, ha A minden sajtrtke nempozitv;
e) indefinit, ha A-nak van pozitv s negatv sajtrtke is.
Kpszeletek osztlyozsa
Definitsg s sajtrtkek
Szlsortk
Szlsortk az egysggmbn
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, szingulris vektor, SVD

Azt tudjuk, hogy egy mtrixlekpezs klcsnsen egyrtelmu a sortr s az
oszloptr kztt. Olyan ortonormlt bzist keressk a sortrnek, s az oszloptrnek, melyek kzt a mtrixlekpezs termszetes kapcsolatot ltest.
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
9.1. definci (Szingulris rtk). Azt mondjuk, hogy a pozitv

1 2 r > 0 szmok az r-rang vals vagy komplex A mtrix szingulris rtkei, ha van olyan {v1 , . . . , vr } ortonormlt bzisa a
sortrnek, s {u1 , . . . , ur } ortonormlt bzisa az oszloptrnek, hogy
Avi = ui ,
i = 1, . . . , r.
I E definci fontos kvetkezmnye, hogy mivel |ui | = 1 (i = 1, 2, . . . , r ),
ezrt |Avi | = i .
I A szingulris rtkekre adhat olyan definci is, melyben a kt
bzis ltezse nem szerepel, csak az A mtrix ezt ksobb megemltjk

, de didaktikai okbl nem hasznljuk.
I A szingulris rtkeket gy is definilhatk, hogy ha k = min(m, n),
akkor a szingulris rtkek szma k, s csak annyit ktnk ki rluk,
hogy nemnegatvak. Ltni fogjuk, hogy ha k > r, akkor e definci
mellett r+1 = r+2 = = k = 0.
9.2. plda (Szingulris rtkek). Igazoljuk, hogy a
{v1 , v2 } = {(4/5, 3/5), (3/5, 4/5)},

{u1 , u2 } = {(5/13, 12/13), (12/13, 5/13)}
ONB-ok vlasztsa mellett az
"
4/13
6
A=
111/13 4
mtrix szingulris rtkei 1 = 10 s 2 = 5.

Megolds. Ez nyilvnvalan igaz, hisz
# "
#"
#
"
"
4/5
4/13
5/13
4/13
6
,
= 10
111/13
12/13
111/13 4
3/5
6
4
#"
3/5
4/5
"
=5
12/13
#
,
5/13
azaz fennllnak az Av1 = 1 u1 s az Av2 = 2 u2 sszefggsek.
Egyelore nem tudjuk sem azt, hogy egy tetszoleges vals vagy komplex mtrixnak vannak-e szingulris rtkei, s ha igen, egyrtelmuek-e,
azaz pldul fggnek-e a bzis megvlasztstl. Ha lteznek, akkor

az A mtrix egy a spektrlfelbontsra emlkezteto felbontst kapjuk.
Szingulris felbonts
Kpezzk a szingulris rtkekbol a diagonlis
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
mtrixot, valamint a bzisvektorokbl az U1 = {u1 , . . . , ur } s a V1 =

{v1 , . . . , vr } mtrixokat. Ekkor az Avi = ui egyenlosgek az
AV1 = U1 1 ,
(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 =
ur+1 . . . um . Vgl a 1 = diag(1 , . . . , r ) mtrixot egsztsk

ki egy m n-es mtrixsz nullblokkok hozzvtelvel, jellje e mtrixot , teht = [ O1 O
]. Ekkor a (9.2) egyenlosg a kvetkezokpp
O
mdosthat:
h
i
AV = Av1 . . . Avr | Avr+1 . . . Avn
h
i
= 1 u1 . . . r ur | 0 . . . 0
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
vltoztat e kpleten. Mivel a
397
398
lineris algebra
ngyzetes V mtrix oszlopvektorai ONB-t alkotnak, ezrt vals esetben

V ortogonlis, gy V1 = V T , komplex esetben unitr, s V1 = V H .
Ezt flhasznlva, az AV = U egyenlosgbol kapjuk, hogy A = UV T
(A = UV H ). Ezt nevezzk a vals (komplex) A mtrix szingulris
rtk szerinti felbontsnak, vagy rviden szingulris felbontsnak.
Tekintsk e felbonts blokkmtrixalakjt. A muveleteket
blokkonknt elvgezve, a -ban lvo nullmtrixok miatt a kvetkezot kapjuk:

h
A = U1
"
i
1
U2
O
O
O
#"
V1T
V2T
= U1 1 V1T .
Az A = U1 1 V1T (komplex esetben A = U1 1 V1H ) felbontst reduklt

szingulris felbontsnak nevezzk. Ha ezt a szorzatot az U1 1 oszlopvektorokra, s a V1T sorvektorokra blokkostott alakjn vgezzk, az
A mtrix egy diadikus felbontst kapjuk, melyet szingulris rtk szerinti diadikus felbontsnak vagy a szingulris felbonts diadikus alakjnak
neveznk:
A = 1 u1 v1T + 2 u2 v2T + + r ur vrT .
(E felbontsok mindegyiknek komplex alakjban transzponlt helyett
adjunglt ll.)
9.3. plda (Szingulris felbontsok). Igazoljuk, hogy az
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
Vgl ennek alapjn a szingulris rtk szerinti diadikus felbonts:
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
8/3 4/3 + 2/3

1/3 2/3
= 8/3
8/3 8/3
4/3
4/3
2/3 4/3
Egy 2-rang mtrix kt 1-rang sszegre val bontsa tbbflekpp

is lehetsges. E felbonts tulajdonsgaira hamarosan visszatrnk. 2
A szingulris rtkek s a szingulris felbonts meghatrozsa Krds, hogyan szmolhat ki a szingulris felbonts? Egy egyszeru tlettel
visszavezetheto egy sajtrtkszmtsi feladatra. Tekintsk az A T A
(komplex esetben az A H A) mtrixot! Mivel U T U = I s T = 2 ,
ezrt
A T A = (UV T ) T UV T = V T U T UV T = V2 V T .
Ez pp A T A spektrlfelbontsa, hisz V ortogonlis (komplex esetben
unitr), s 2 diagonlis. Mivel T = 2 = diag(12 , 22 , . . . , r2 , 0, . . . , 0),
ezrt A T A sajtrtkei pp a szingulris rtkek ngyzetei.
9.4. plda (Szingulris rtkek meghatrozsa). Szmtsuk ki az
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
Ennek karakterisztikus polinomja x3 45x2 + 324x, melynek gykei

36, 9 s 0. Teht a szingulris rtkek 6 s 3. Az A T A mtrix egysgnyi
sajtvektorai:
1 = 36
v1 = (2/3, 2/3, 1/3)
2 = 9
v2 = (2/3, 1/3, 2/3)
3 = 0
v3 = (1/3, 2/3, 2/3).
399
400
lineris algebra
Mivel Avi = i ui , ezrt ui = Avi /i . gy kiszmolhat u1 s u2 is:

Av1
(2, 4, 4)
1 2 2
u1 =
=
=
, ,
1
6
3 3 3

(2, 1, 2)
2 1 2
Av2
=
= , ,
u2 =
2
3
3 3 3
A harmadik vektor ilyen mdon nem szmolhat ki, mivel Av3 = 0,
gy az {u1 , u2 } rendszert neknk kell kiegsztennk R3 bzisv. Ezt
tbb mdon is megtehetjk. Mivel {u1 , u2 } az oszloptr bzisa, ezrt a
meroleges kiegszto altr vagyis A T nullternek bzist keressk.
E pldban legegyszerubb
megolds vektori szorzssal szmolni: u3 =
u1 u2 = (2/3, 2/3, 1/3). A szingulris s a reduklt szingulris
felbonts teht:
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
rdemes lehet az AA T pozitv sajtrtkekhez tartoz sajtvektorait

keresni, ha m < n, mert ekkor csak m-dimenzis vektorokkal kell szmolni (ld. a 9.2. feladatot).
9.5. plda (Szingulris felbonts). Szmtsuk ki az
0 1
A = 1 1
1 0
mtrix szingulris rtk szerinti felbontst!
szingulris rtk
Megolds. A T A = [ 21 12 ], melynek karakterisztikus polinomja 2

4 + 3 = ( 3)( 1). Az A T A sajtrtkei 3 s 1, teht A szingulris
rtkei 3 s 1. A hozzjuk tartoz egysgnyi hossz sajtvektorok
v1 = (1/ 2, 1/ 2), v2 = (1/ 2, 1/ 2). gy
"
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
is, mert Au3 = 0, vagyis az elojelnek itt nincs szerepe. gy

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
Szingulris rtk szerinti felbonts ltezse Krds mg, hogy brmely

vals vagy komplex mtrixnak lteznek-e szingulris rtkei, azok
egyrtelmuek-e,
s ha igen, a szingulris felbonts egyrtelmu-e.
9.6. ttel (A szingulris rtkek tulajdonsgai). Minden r-rang

vals vagy komplex A mtrixnak ltezik r szingulris rtke. Ezek vals esetben megegyeznek az A T A, illetve az AA T (komplex esetben az A H A, illetve
az AA H ) pozitv sajtrtkeinek ngyzetgykvel. A szingulris rtkek monoton cskkeno sorozata egyrtelmu.
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
|Ax|2 = (Ax)T (Ax) = x T A T Ax = x T (A T Ax) = x T (x) = |x|2 .

(Msknt fogalmazva A T A pozitv szemidefinit.) A 0-tl klnbzo
sajtrtkek szma megegyezik A T A rangjval, hisz az megegyezik
401
402
lineris algebra
diagonlis alakja nemnulla elemeinek szmval. Msrszt ???? szerint

r(A T A) = r(A) = r. Teht, ha nagysg szerinti sorba rendezzk a
sajtrtkeket (1 2 n ), akkor i > 0, ha 1 i r, s
i = 0, ha r < i n. Eszerint i = i > 0, ha 1 i r. Vgl, mivel A T A sajtrtkei egyrtelmuek,
ezrt A szingulris rtkei

is. Azt, hogy A T A s AA T 0-tl klnbzo sajtrtkei megegyeznek,
korbban belttuk.
2
Bal s jobb szingulris vektorok
Szimmetrikus s nadjunglt mtrixok szingulris felbontsa
Polrfelbonts
Pszeudoinverz
Informcitmrts
szingulris rtk
Feladatok
403
felbontsok az A mtrix szingulris s reduklt szingulris

felbontsai. (Segtsgl a szingulris felbontsban a blokkstruktrt is jelltk.)
9.1. [Szingulris felbontsok] Az A = [ 11 11 00 ] mtrixnak

egyetlen szingulris rtke van, 1 = 2. Igazoljuk, hogy
9.2. Szmtsuk ki a
az
#
"
# "
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
Eszerint e1 sajtvektor, s mint a 8.15.. pldban lttuk, A-nak ms

sajtvektora nincs. Viszont az elozo egyenletekbol a kvetkezo ssze-
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
0 x1 = (1, 1, 1) x2 = (0, 1, 0) x3 = (1, 2, 0)

A B mtrix esetn a sajtaltr 2-dimenzis, melyet az x1 = (1, 0, 1)
s az y1 (0, 1, 0) vektorok fesztenek ki.
Mivel (B 4I)2 = O, ezrt legfljebb ketto hossz lncra szmthatunk: olyan x2 s y2 vektort keresnk, melyre (B 4I)x2 = x1 s
jordan-fle normlalak
(B 4I)y2 = y1 . Ezek kzl az elso megoldhat, s megoldsainak

egyike (1, 0, 0), mg a msodik nem oldhat meg. Ez kt lncra vezet:
B4I
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.
A bevezetoben mutatott mtrix-tpus fontos szerepet jtszik a tovbbiakban:

10.3. definci (Jordan-blokk). Azt a ngyzetes mtrixot, melynek fotljban azonos rtkek, fltte 1-esek, egyebtt 0-k llnak, azaz melynek
alakja
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
10.5. plda (Jordan-lncok s Jordan-blokkok kapcsolata).

Tudjuk, hogy az A mtrixnak kt klnbzo sajtrtke van, 1 = 2 s
2 = 4, valamint hogy a C mtrix oszlopvektorai az A egy Jordan-bzist
alkotjk, ahol
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
Rajzoljuk fel a Jordan-lncok diagrammjt, s hatrozzuk meg a J =

C1 AC mtrixot a szorzsok elvgzse nlkl!
Megolds. A C oszlopai Jordan-bzist alkotnak, azaz minden oszlopvektor egy Jordan-lnc eleme. Mivel az A mtrixnak csak kt klnbzo sajtrtke van, ez azt jelenti, hogy minden oszlopvektort vagy az
A 2I vagy az A 4I mtrix vagy a zrusvektorba, vagy egy msik
oszlopvektorba visz (elobbi esetben az oszlopvektor sajtvektor, utbbi esetben csak ltalnostott sajtvektor). E hatst az (A 2I)C s az
(A 4I)C szorzatok kiszmtsval knnyen megkaphatjuk:
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
Az elso szorzatbl ltszik, hogy (A 2I)[c1 c2 c3 ] = [0 c1 0], mg

a msodikbl, hogy (A 4I)[c4 c5 c6 c7 ] = [0 c4 c5 0] (a msodik
szorzatban mr nem is kellett volna a c1 , c2 , c3 vektorokkal szorozni
ltva az elozo szorzs eredmnyt). Ebbol flrajzolhat a diagram:
A2I
c1
c3
c4
c7
A2I
c2
A2I
A4I
A4I
c5
A4I
c6
A4I
A diagrambl kiolvashat az A hatsa a ci vektorokra: Ac1 = 2c1 ,

Ac2 = 2c2 + c1 , Ac3 = 2c3 , Ac4 = 4c4 , Ac5 = 4c5 + c4 , Ac6 = 4c6 + c5 ,
Ac7 = 4c7 . Ebbol felrhat e lekpezs mtrixa:
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
Jordan normlalak Nem hozhat minden mtrix diagonlis alakra, de

egy ahhoz kzeli alakra ahogy azt a 10.5.. plda mutatja igen. Ebben csak kzvetlenl a fotl fltt lehetnek nemnulla elemek, s azok
is csak 1-esek. Radsul az j bzis ismeretben ez az alak jl lerja a
mtrixlekpezs hatst is.
10.6. ttel (Jordan normlalak). Brmely Cnn -beli mtrix hasonl
egy Jordan-blokkokbl ll blokkdiagonlis mtrixhoz. Rszletesen megfogalmazva: minden A Cnn mtrixhoz ltezik olyan C mtrix, hogy a
J = C1 AC mtrix alakja
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.
Bizonyts. Megmutatjuk, hogy ha tallunk k fggetlen sajtvektort,

akkor tallunk k Jordan-lncot is, melyek vektorai a tr bzist adjk,
s ebben a bzisban a lekpezs mtrixa a ttelbeli Jordan-alakot lti.
A mtrix mretre vonatkoz teljes indukcival bizonytunk. n = 1
esetn az llts nyilvn igaz. Tegyk fel, hogy igaz az llts minden
n-nl kisebb mretu mtrixra.
Legyen az n n-es A mtrix egy sajtrtke, s legyen x egy hozz
tartoz sajtvektor. Az (A I)x = 0 megoldsainak tert, vagyis a hoz tartoz sajtalteret jellje N . Ennek dimenzijt, vagyis (A I)
nullitst jellje r.
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
Itt az xk vektor felso indexe a lnc sorszmt jelli.

Az A I oszloptere s magtere metszetnek dimenzijt jellje q,
azaz legyen q = dim(O N ). Mivel N elemei az A sajtvektorai,
j
azok O -ba eso bziselemei pedig az x1 vektorok, ezrt q kzlk a
sajtvektora, azaz q sajtrtk megegyezik -val, pl. az elso q, azaz
k = (k = 1, 2, . . . , q). A lncok vgn lvo xksk vektorok elemei O nak, teht mindegyikhez van olyan yk vektor, hogy (A I)yk = xksk
(k = 1, 2, . . . , q).
Az N altr r-dimenzis, annak q-dimenzis alterhez tallunk olyan
Z alteret, mely (r q)-dimenzis, s minden vektora sajtvektor. gy
a Jordan-lncok gy alakulnak:
AI
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
egymstl, csak az y-vektorok tolk val fggetlensgt kell bizonytani. Tegyk fel, hogy
j,k xk + t yt + r zr = 0,
j
j,k
ahol nem minden t nulla. Szorozzuk meg az egyenlosget (balrl) az

A I mtrixszal. Mivel az elso q lnc vgn lvo xtst -vektorok kisebb
indexuekbe
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
Nem tekintjk klnbzonek a blokkok cserjvel egymsbl megkaphat alakokat. Pldul az
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
10.8. ttel (A Jordan-alak egyrtelmusge).

Egy mtrix Jordan
normlalakja a Jordan-blokkok sorrendjtol eltekintve egyrtelmu.
Bizonyts. A felbonts egyrtelmusgnek
bizonytshoz elg beltni, hogy brmely kt hasonl mtrix Jordan-alakjnak meghatrz

adatai a hasonlsgra nzve invarinsak.
A Jordan-blokkok, s gy a Jordan-lncok szma megegyezik a fggetlen sajtvektorok maximlis szmval ez invarins.
Az egyszerusg
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
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.
10.9. plda (Jordan-blokkok mrete). Egy 10 10-es A mtrixnak

10-szeres algebrai multiplicits sajtrtke. A I hatvnyainak rangja
rendre 5, 2, 1, 0. rjuk fel a Jordan normlalakjt!
Megolds. A blokkok szma, ami megegyezik a Jordan-lncok szmval 5, mivel n r(A) = 10 5 = 5. A leghosszabb lnc hossza
4, mivel A I legkisebb zrusmtrixot ad hatvnya a 4-dik. Az
413
414
lineris algebra
egyenletrendszer s megoldsa, valamint a J Jordan-mtrix:
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
10.10. plda (Jordan-blokkok mrete). Egy 14 14-es A mtrix karakterisztikus polinomja (3 )5 (2 )5 (1 )4 .

A 3I hatvnyainak rangja rendre:
A 2I hatvnyainak rangja rendre:
A I hatvnyainak rangja rendre:
12, 11, 10, 9;

12, 10, 9;
11, 10.
rjuk fel a Jordan normlalakjt!
Megolds. Most n = 14, m(3) = 5, m(2) = 5, m(1) = 4.

= 3 esetn a blokkok (Jordan-lncok) szma n r(A 3I) =
14 12 = 2. A leghosszabb lnc hossza s = 4, ugyanis ez a legkisebb
s, melyre r((A 3I)s ) = 14 5 = 9. Az egyenletrendszer s megoldsa
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
Hasonlan jrunk el a tbbi sajtrtk esetn is (gondoljuk vgig):
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
415
sszefoglalva:
J=
3 1
3 1
3 1
3
2 1
2 1
2
2 1
2
1 1
1
1
1
az A mtrix Jordan normlalakja.
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
Az algoritmus melyet a 10.2. bra is szemlltet lnyege, hogy

a nagyobb indexu terek felol indulva minden lpsben kiterjesztjk
Ni1 bzist Ni bzisv, majd a kiterjesztsnek vesszk az A I
ltali kpt, ami mr Ni1 -be esik, s ezt Ni2 bzishoz adva azt
kiterjesztjk Ni1 j bzisv. . . . A konvenci az lesz, hogy a vektortr
416
lineris algebra
egy genertornak vektorait egyetlen mtrixba tesszk, s azt azonos,

de flkvr betuvel
jelljk, teht pl. N genertormtrixt N jelli.

Rszletezve:
Meghatrozzuk Ni egy tetszoleges Ni bzismtrixt (i = 1, 2, 3, 4, 5).
Kiegsztjk N4 -et N5 bzisv, az j bziselemek mtrixt jellje
U5 , teht N5 bzisa most [N4 |U5 ].
Legyen K4 az j elemek A I ltali kpe, azaz K4 = (A I)U5 .
Mivel K4 N4 , de fggetlen az N3 altrtol, ezrt alkalmas arra,
hogy bzisvektorait a Jordan-bzis N4 \ N3 -ba eso elemei kz vegyk.
Ha szksges, egsztsk ki a [N3 |K4 ]-et N4 bzisv j elemek
hozzvtelvel, gy N4 bzisa most [N3 |K4 |U4 ].
Vegyk a [K4 |U4 ] mtrix kpt, azaz legyen K3 = (A I)[K4 |U4 ],
s ha szksges, egsztsk ki [N2 |K3 ]-at N3 bzisv j elemek
hozzvtelvel (azaz N3 bzisa most [N2 |K3 |U3 ] most U3 = ).
Hasonlan folytatjuk Ni indext cskkentve: K2 = (A I)[K3 |U3 ],
j elemek hozzvtelvel elolltjuk N2 bzist: [N1 |K2 |U2 ].
Vgl legyen K1 = (A I)[K2 |U2 ], amit U1 -gyel kibovtnk N1
bzisv. A tr Jordan-bzisa a kp- s az j elemek egyestse:
[ 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
10.2. bra: A Jordan-bzist megkonstrul algoritmus
U5
U4
U2
U1
N1
N2
N3
N4
N5
Ezek utn lssunk egy konkrt pldt, majd az algoritmust ltalnosan. A szmols kivitelezshez kt megjegyzs:
I Ha U V kt altr, s {u1 , . . . , um }, illetve {v1 , . . . , vn } (m < n)
a bzisuk, akkor elemi sormuveletekkel
konstrulhatunk V -nek egy

olyan {w1 , . . . , wn } bzist, hogy {w1 , . . . , wm } az U bzisa legyen. Ehhez rjuk U , majd V bzisvektorait egyetlen
[ 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.
10.11. plda (Jordan-bzis elolltsa).

Hatrozzuk meg az
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
mtrix Jordan normlalakjt s Jordan-bzist!

Megolds. A karakterisztikus polinom
det(A I) = 5 + 44 63 + 42 = (1 )4 .
A 0-hoz tartoz sajtvektor a reduklt lpcsos alakbl kiszmtva:
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
Mivel itt az algebrai s geometriai multiplicits egyarnt 1, ez a Jordanlnc egyelemu.

A = 1 esetn a geometriai multiplicits 2, ugyanis
A I reduklt lpcsos alakja s abbl a nulltr bzisa:
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
eredmnye. Sokkal kevesebb viszont a szmolnival, mivel a 0-sorok elhagyhatk:

#
"
#
"

1 1 2 1 1
1 1 0
1 1
(rref(A I)) (A I)
=
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
Hasonlan hatrozzuk meg (A I)3 bzist!

"
#
"
#
1 1 0
1 1
1 1 1 0 1
(A I) =
0
0 1 1 0
0
0 0 0 0
ami mr lpcsos alak, s ahonnan a bzismtrix
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
Teht U3 = [1 0 1 0 0] T , s ebbol K2 = (A I)U3 = [1 3 4 4 0] T .

Mivel K2 egyetlen vektorbl ll, s N3 s N2 dimenziinak klnbsge
is 1, ezrt itt nem kell szmolnunk semmit, U2 = {0}, azaz U2 res.

K1 = (A I)K2 = [0 1 1 1 0] T , s mivel e vektor benn van N1 bzisban, U1 = [0 1 0 0 1] T teret a msik bzisvektor generlja. A Jordan
normlalak felrshoz a Jordan-lncok vektorait egyms utn fel kell
sorolni, a belolk kpzett P mtrixszal lesz J = P1 AP. E kt mtrix
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!
10.13. llts (Exponencilis fggvny kiszmtsa).

P1 AP az A mtrix Jordan normlalakja, akkor
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
Mtrixfggvnyek ltalban mondhat, hogy
f
..
.
0
..
.
0
1
..
.
...
...
..
.
...
f ()
0
0!

0 0

..
=
. ...
f 0 ()
1!
f ()
0!
f 00 ()
2!
f 0 ()
1!
..
.
..
.
...
..
.
...
...
10.14. plda (Mtrix exponencilis fggvnye). Legyen
3
2
1
1
1 2
1 2 5
Hatrozzuk meg az eA mtrixot!
Megolds. A karakterisztikus polinomja
x3 + 10x2 + 32x + 32 = ( x + 2)( x + 4)2 ,
f ( n 1) ( )
( n 1) !
f ( n 2) ( )
( n 2) ! .
..
.
f ()
0!
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
A Jordan normlalak hasznlata a differencilegyenletrendszerek megoldsban
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)
A > O Ax > 0 minden x 0, x 6= 0 vektorra,
(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
[ 11 10 ] = [ 21 11 ] > O, mg az [ 11 01 ] mtrix nemnegatv, de nem primitv,

n
mivel tetszoleges pozitv egsz n-re [ 11 01 ] = [ n1 10 ], ami nem pozitv.
A vals vagy komplex elemu A mtrix $(A) spektrlsugarn a legnagyobb abszolt rtku sajtrtknek abszolt rtkt rtjk. Msknt
fogalmazva a spektrlsugr a komplex szmsk legkisebb olyan orig
kzepu krnek a sugara, amely tartalmazza az sszes sajtrtket.
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
Tipogrfiai klnbsg van az imaginrius egysg ll i-je s a vltoz index dolt

i-je kztt!
426
lineris algebra
Feladatok
11.1. Legyen
A = 5
6
1
6
4
1
4
Szmtsuk ki a kt Perron-vektort, s ellenorizzk Perron

ttelt.
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
jellje r. Ez egyttal az rkm rszsorozatnak is hatrrtke. A fentiek

szerint r r. Msrszt
Ap = A( lim pkm ) = lim Apkm = lim rkm pkm = rp.
m
Teht r sajtrtk, akkor viszont r r. Kaptuk teht, hogy r = r s

Ap = rp.
A kvetkezokben kt olyan ttelt mondunk ki, melyek a nemnegatv
s gy a pozitv mtrixokra korltozs nlkl rvnyesek.
11.4. ttel (CollatzWielandt-ttel). Az A O mtrix r spektrlsugarra
[Ax]i
r = max min
.
(11.6)
1 i n x i
x
0 6 = x 0 x i 6 =0
Msknt megfogalmazva:
r = max max c
(11.7)
x
cxAx
06=x0
A kpletek gy rtendok, hogy minden x vektorra kiszmtjuk az

[Ax]i /xi trtek minimumt, s ezen rtkek maximumt vesszk, ha
x vgigfut a nemnegatv, de nullvektortl klnbzo vektorokon. Az
xi = 0 esetet a keressbol kizrtuk, de mondhattuk volna azt is, hogy
a trt ekkor legyen , gy nem vltozna a minimum. A msodik kpletben minden x vektorra meghatrozzuk azt a legnagyobb c szmot,
melyre cx Ax, majd vesszk az gy kapott c rtkek maximumt.
Bizonyts. A kt megfogalmazs nyilvn ekvivalens, hisz ha egy
[Ax]
adott x 0 vektorra c az x i trtek minimuma, akkor c egyttal
i
a legnagyobb olyan szm, melyre cx Ax.
Eloszr pozitv A mtrixra bizonytunk. Legyen q a bal Perronvektor, r a spektrlsugr. Ekkor a q T x > 0 szmmal val oszts lehetosgt is hasznlva
cx Ax
cq T x q T Ax = rq T x
c r.
Msrszt az x = p vektorra rp = Ap, teht a lehetsges c rtkek

maximuma r.
Ezutn marad az A O eset. Az elozo ttel bizonytsban hasznlt tletet s az ott definilt Ak mtrixot hasznlva kapjuk, s bal
Perron-vektort qk -val jellve, hogy egy rgztett x 0, x 6= 0 vektorra
0 cx Ax Ak x
cqkT x qkT Ak x = rk qkT
c rk r.
Ekkor az elozoekhez hasonlan az x = p vektorra rp = Ap, teht a

lehetsges c rtkek maximuma r.
2
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
Bizonyts. Az elso egyenlotlensg felso korltjnak bizonytsval

kezdjk. Legyen (, x) egy sajtpr, azaz x = Ax. Vlasszuk gy
x-et, hogy legnagyobb koordintja 1 legyen, pldul xi = 1, s tetszoleges koordintra x j 1. Ekkor

n

|| = ||| xi | = |xi | = aij x j
j =1

j =1
j =1
aij |x j | aij .
Ez bizonytja az elso egyenlotlensg jobb oldalt.

A bal oldali egyenlotlensg a CollatzWielandt-ttelbol kvetkezik,
ha ugyanis x = 1, akkor akkor az [Ax]i /xi hnyados pp a sorsszeg,
teht annak minimuma kisebb vagy egyenlo r-nl.
A msodik egyenlotlensgeket megkapjuk, ha az elsot A T -ra alkalmazzuk, melynek spektruma s gy spektrlsugara is azonos A-val.2
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.)
11.4. Egy nemnegatv mtrix az (4, 6, 5) vektort az (5, 6, 7)

vektorba viszi. Mutassuk meg, hogy spektrlsugara legalbb 1.
11.5. Legyen x > 0 tetszoleges, s A O. Igazoljuk az
albbi egyenlotlensgeket!
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
feladat eredmnyt hasznlva becsljk

8
2
4
3 ,
2
s a
6
1
3
2
1
2
2
mtrix spektrumt a x = (2, 1, 2) vektorral. Az eredmny

alapjn mit mondhatunk x-rol?
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
Megolds. Az A mtrixon knnyu szrevenni, hogy reducibilis, mert

az elso s utols sorok s oszlopok cserjvel, vagyis a kvetkezo P
permutcimtrixszal a kvnt alakra hozhat:
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
permutcijrl szl, teht nem elg a mtrixot elemi sormuveletekkel
A B ] alakra hozni. Ugyanazokat a muveleteket

[O
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
11.1. bra: Az A s B mtrixokhoz rendelt kt grf.
nemnegatv mtrixok
Feladatok
11.8. Keressnk egy-egy permutcis mtrixot az
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
lyik nem, azt melyik permutcis mtrix viszi O

C alak
1
1
1
ba? Amelyik irreducibilis, annak mennyi a spektrlsugara

1
1
1
s Perron-vektora?
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,
c) az u1 = (1/ 2, 1/ 2) s a v1 = (1/ 2, 1/ 2, 0) vektorokra

Av1 = 2u1 .
Ezek mind nyilvnvalak, vagyis az elso felbonts szingulris. Mivel r(A) = 1, ezrt U elso oszlopt s V T elso
sort, valamint bal felso elemt meghagyva valban a
msodik alakot kapjuk.
9.2. A B T B mtrix karakterisztikus polinomja 3 + 42
3 = ( 3)(
1), gy sajtrtkei 3, 1 s 0. A szingulris rtkek 3 s 1. A sajtvektorok szmtshoz 3dimenzis vektorokkal kell szmolnunk. Taln jobban jrunk, ha inkbb a BB T mtrixszal prblkozunk. Mivel
BB T = [ 21 12 ], ezrt a karakterisztikus polinom 2 4 +
3 = ( 3)( 1). A szingulris rtkek teht 3 s
1, sszhangban az elobbi szmtssal. A hozzjuk tartoz egysgnyi hossz sajtvektorok most nem a V1 , hanem
U1 oszlopait adjk: u1 = (1/ 2, 1/ 2), u2 = (1/ 2, 1/ 2).

A vi = AT ui/i kpletet hasznlva a V mtrix is meghatrozhat. Teht
"
#
# "
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.
11.6. A 11.5. feladat elso kplete az elso, a msodik kplete

a msodik mtrixrl azt adja, hogy a minimum s a maximum is 10, gy a spektrlsugr 10, teht 10 a dominns
sajtrtk mindkt esetben, s x a hozz tartoz sajtvektor
az elso esetben a jobb, a msodikban a bal. (Gondoljuk
meg!)
11.7. Az irreducibilits eldntheto a mtrixokhoz rendelt
szomszdsgi grfokkal:
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
az identikus mtrix, hisz R2

mr a kvnt alak:
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
Ennek alapjn az elso grfban az {1, 4}, a msodikban az

{1, 3, 4}, a harmadikban a {2} halmazbl nem rheto el a
tbbi pont. A pontoknak egy olyan tsorszmozst keressk, melyben e pontok a tbbi utn kvetkeznek, ugyanis
ltalban, ha az {1, 2, . . . , k, k + 1, . . . , n} cscshalmazban az
elso k pontba nem fut l a {k + 1, . . . , n} halmazbl, akkor
A B ] alak lesz. Az els
a szomszdsgi mtrix [ O
o grfban
C
pldul a 3-2-1-4 sorrend j, hisz az {1, 4} halmaz elemei
vannak htul, amit a ( 13 22 31 44 ) permutci megvalst:
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
A msodik esetben pldul j a 2-1-3-4 sorrend, hisz az

{1, 3, 4} halmaz elemei vannak htul, amit a ( 12 21 33 44 ) permutci megvalst:

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
1.1. definci (Lebegopontos

szmok). A b alap, p-jegyu (vagy p
rtkes jegyu,
p pontossg) lebegopontos szmok kz tartozik a 0, valamint a
(1)s a0 .a1 a2 . . . a p1 be ,
alak szmok, ahol s rtke 0 vagy 1 aszerint, hogy pozitv vagy negatv
szmrl van sz, a0 6= 0, 0 ai b 1 minden i = 0, 1, . . . , p 1
indexre s e egsz szm. Egy ilyen alak szm rtke

1
1
1
s
(1) a0 + a1 + a2 2 + + a p1 p1 be .
b
b
b
A reprezentci teljes lershoz b s p rtke mellett ismernnk kell e maximlis s minimlis rtkt (emax , emin ).
1.2. plda (Lebegopontos

szmok rtke). Adjuk meg a lebegopontos
1
3
binris 1.001 2 , 1.11 2 , 1.1 23 szmok rtkt tzes szmrendszerben:
Megolds. 1.0012 21 = 10.012 = 2 + 14 = 2.25, 1.112 23 = 11102 =
1
3
14, 1.12 23 = 0.00112 = 81 + 16
= 16
= 0.1875.
2
1.3. plda (Lebegopontos

szmok halmaza). Mely szmok brzolhatk a b = 2, p = 3, 1 e 1 paramteru lebegopontos szmokkal?
Megolds. Az adott paramteru lebegopontos szmok halmaza kihasznlva, hogy a definci szerint a0 nem lehet 0, teht rtke csak 1
lehet a kvetkezo:
o
n
a
a
1 + 1 + 22 2e : a1 , a2 rtke 0 vagy 1, 1 e 1 {0} .
2
2
Teht a halmaz pozitv elemei jelezve e rtkt is:
1 5 3 7
5 3 7
5
7
, , , , 1, , , , 2, , 3, .
|2 8{z4 8} | 4{z2 4} | 2{z 2}
e=1
e =0
e =1
E szmok tizedestrt alakban flrva:

.5, .625, .75, .875, 1, 1.25, 1.5, 1.75, 2, 2.5, 3, 3.5.
2
A szmok eloszlst mutatja az A.1. bra.

4
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
A.1. bra: Lebegopontos szmok b = 2,

p = 3, 1 e 1 esetn.
fggelk
vagyis ha az a p 5-nl kisebb, lefel, egybknt flfel kerektnk. Az

x 7 fl( x ) lekpezst kerektsnek is nevezik. A valsok kerektsi szablya ms, 10-tol klnbzo alap esetn is hasonlan definilhat. A
szmtgpek a kerektsnek ms mdjt is ismerik s hasznljk.
A modern szmtgpek nagy rszben a processzor az IEEE 754
szabvny szerint kezeli a lebegopontos szmokat (ld. a szljegyzetet).
Muveletek
lebegopontos szmokkal Jellje a ngy alapmuvelet
valamelyikt, s F a lebegopontos szmok egy halmazt. A lebegopontos

szmok kzti muveletek
eredmnye ngy csoportba sorolhat:

1. x y F , azaz az eredmny pontos;
2. x y nem F -beli, de F -belire kerektheto;
3. | x y| nagyobb minden F -belire kerektheto szmnl: ezt nevezzk
tlcsordulsnak;
4. | x y| kisebb minden F -belire kerektheto pozitv szmnl: ezt nevezzk alulcsordulsnak;
439
IEEE 754 a lebegopontos aritmetika

nemzetkzi szabvnya, melynek szmtalan hardver- s szoftverimplementcija
van. 1985-s vltozata mg csak binris szmbrzolst definilt, 2008-as vltozata mr a decimlis szmbrzolst
is. Az IEEE 754-2008 t alapformtumot ismer: 32, 64 s 128 bites binris
(ms nven single, double, quad), valamint 64 s 128 bites decimlis (double,
quad) brzolst. Ezeken kvl brzolja a 0-t (pl. a 0-hoz val balrl tarts
jelzsre), szubnormlis (azaz bizonyos,
az alulcsorduls tartomnyba eso szmokat), a kt vgtelent (+, ), s kt
nem-szmot (NaN = not a number). A
szabvny elorja tbb aritmetikai muve
let, tfle kerektsi szably s t kivtel
kezels megvalstst (rvnytelen mu
velet, pl. negatv szmbl gykvons,
0-val oszts, tlcsorduls, alulcsorduls,
nem egzakt eredmny jelzse).
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.
1.4. plda (Alapmuveletek

lebegopontos
szmokkal). A fenti
ngy eset mindegyikre keressnk pldt az 1.3.. pldabeli lebegopontos brzols szmaival. Vigyzzunk, itt nem a tzes szmrendszerben kell kerekteni!
Megolds. Pontos az eredmnye pldul az 1 + 23 = 72 vagy az 1 23 =
3
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.
Ez utbbi 0-ra kerektheto e

szmbrzolsban.
2
Szemlltetsl brzoljuk az elobbi plda szmtartomnyait:
tlcsorduls
pontos
alulcsorduls
kerektheto
tlcsorduls
A.2. bra: A kerektheto, a pontos, az

alul- s tlcsordul szmhalmazok lebegopontos szmbrzols esetn b = 2,
t = 3, 1 e 1 paramterek mellett. A 0 pontos rtk, az alulcsordul
szmok feladattl fggoen kerekthetok 0-ra.
440
lineris algebra
Mint lttuk, ltalban

fl( x + y) 6= fl( x ) + fl(y), s fl( xy) 6= fl( x ) fl(y).
A lebegopontos aritmetikban tbb azonossg sem ll fnn, pldul
az asszociativits, azaz ha x, y s z egy lebegopontos szmbrzols
szmai, ltalban
fl(fl( x + y) + z) 6= fl( x + fl(y + z)).
Egy valdi plda lthat a szljegyzetben.
Algoritmusok muveletignye:
flop s flops Szoks az algoritmusok mu

veletignyt flopban mrni (flop = floating point operation), ahol 1 flop
egy lebegopontos alapmuveletet
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
csak nagyobb mret esetn kezd rdekes lenni,

a mret nvekedtvel pedig az alacsonyabb fok tagok rszesedse a
polinom rtkbol elhanyagolhat. Preczen fogalmazva ennek oka,
hogy tetszoleges k-nl kisebb fok p( x ) polinomra
lim
nk + p(n)
= 1.
nk
1.5. plda (Flop s flops). Egy algoritmus muveletignye
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
> a =1; b=c =1.5*10^( -16);

> a +( b +c )==( a+b )+ c
ans = 0
A.3. kd: Ha a = 1, b = c = 1.5 1016 ,
akkor a processzor aritmetika szerint a +
(b + c) 6= ( a + b) + c.
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
> format long

> s1 = 0;
> for n = 1:9999
> s1 = s1 + (1/( n ^2+ n ));
> end
> s1
s1 = 0.999900000000001
> s2 = 0;
> for n = 9999: -1:1
> s2 = s2 + (1/( n ^2+ n ));
> end
> s2
s2 = 0.999900000000000
441
442
lineris algebra
Komplex szmok
Testek, gyur
uk
Az algebrai absztrakci lnyege, hogy ha egy llts igazolshoz csak

bizonyos muveleti
tulajdonsgokat hasznlunk, akkor az llts minden olyan struktrban is igaz lesz, amely rendelkezik e muveleti
tulajdonsgokkal. gy szletett a racionlis, vals, s komplex szmok,

valamint a prmmel val oszts maradkaival val szmols kzs tulajdonsgaibl az algebrai test fogalma.
1.6. definci (Test). Egy legalbb ktelemu T halmazt testnek vagy
algebrai testnek neveznk, ha
1. rtelmezve van T elemprjain egy sszeads s egy szorzs nevu binris
muvelet,
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-
pen klnbzo, teht jogosan jelltk o ket klnbzo jellel.

I Minden test tetszoleges a elemre igaz, hogy 0a = a0 = 0.
I Testre plda a vals szmok R, a racionlis szmok Q, a komplex
fggelk
szmok C, a prm modulus maradkosztlyok Z p struktrja, ami

egy vges, p-elemu test (szoksos jellsei mg: F p , GF( p)).
Br leggyakrabban test elemeibol kpzett determinnsokkal szmolunk, ltni fogjuk, hogy a determinns kiszmolshoz nincs szksg
testre, gyengbb struktra is elg.
A test aximi kzl nhny elhagysval gyakran hasznlt s fontos struktrkhoz jutunk. Ha a szorzs csak asszociatv, gyur
ur
ol beszlnk, ha kommutatv is, kommutatv gyur
ur
ol, ha az asszociativits
mellett van egysgeleme is, egysgelemes gyur
ur
ol beszlnk.
Ha a testet definil kiktsek kzl elhagyjuk a j)-t, egysgelemes
gyur
ut
kapunk, ha az i)-t is, kommutatv gyur
ut,
ha a g)-t is, gyur
ut
kapunk.
I Minden gyur
uben
is igaz, hogy a nullelem s az egysgelem szk-
sgkppen klnbzo, s hogy brmely a elemre 0a = a0 = 0.

I A termszetes szmok N halmaza nem gyur
u a szoksos muvele
tekkel, mert nincs minden elemnek ellentettje (a 1 nem termszetes

szm).
I A Z egysgelemes kommutatv gyur
u,
de nem test, mert nincs minden nemnulla elemnek multiplikatv inverze (az 1/5 nem egsz).
I A Zm egysgelemes kommutatv gyur
u,
s pontosan akkor test, ha
m prm.
I A vals egytthats polinomok egysgelemes kommutatv gyur
ut
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
minden esetben a fggvnyek

szoksos sszeadsa s szorzsa.
I A vgtelen sorozatok az elemenknti sszeads s szorzs muvele
tre nzve egysgelemes kommutatv gyur
ut
alkotnak.
A vals szmokhoz hasonlan egy T test elemeibol kpzett rendezett n-esek halmazn, azaz a T test feletti n-dimenzis vektorok Tn
halmazn bevezethetnk kt muveletet,
a vektorsszeads s a T elemeivel val szorzs muvelett.
Az gy kapott struktrra, mint a Tn

vektortrre fogunk hivatkozni.
A Z gyur
u elemeibol kpzett n-dimenzis vektorok Zn halmazbl
a vektorok sszeadsnak s Z-beli skalrral val szorzsnak muve
lete nem vezet ki. E struktra neve modulus.
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
a, b Q. Mutassuk meg, hogy Q( 2) a szoksos sszeads s szorzs muveletekkel
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:

paritsokka). Tudjuk, hogy egsz szmokkal
vgzett sszeads s szorzs eredmnynek paritsa csak az sszeadandk,
illetve szorzandk paritstl fgg (muvelettblit
lsd az A.4. a) brn).

Pldul egy pros s egy pratlan szm sszege mindig pratlan.
a)
b)
1.8. plda (XOR s AND). A p s q igaz vagy hamis logikai rtku

lltst az s szval sszekapcsolva olyan lltst kapunk, mely pontosan
akkor igaz, ha p s q is igaz. A kizr vagy muvelete,
melyet legtbbszr a vagy. . . vagy. . . ktoszavakkal fejeznk ki pontosan akkor ad igaz

eredmnyt, ha p s q kzl csak az egyik igaz.
Az s muveletet
szoks logikai szorzsnak is nevezni, hisz ha

a hamis llts logikai rtkt 0, az igazt 1 jelli, akkor e muvelet
eredmnye megegyezik e kt szmmal vgzett szorzs eredmnyvel

(A.4. (b) s (c) pont). Pldul a ma este moziba megynk s a belnk valahov vacsorzni lltsok sszekapcsolsval kapott ma
este moziba megynk, s belnk valahov vacsorzni llts pontosan akkor igaz, ha moziban is megynk s vacsorzni is.
A ma este vagy moziba megynk, vagy belnk valahov vacsorzni llts pontosan akkor igaz, ha az egyik helyre elmegynk, de
mindkettore nem. E kt muvelet
muvelettblit
lsd az A.4. (b) brn.

Ha a pros szmokhoz s a hamis lltshoz a 0 szmot, a pratlan
szmokhoz s az igaz lltshoz az 1-et rendeljk, akkor mindkt elozo tblbl az A.4. (c) brn lthat muvelettblt
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
ktelemu bcken: a) egszek kzti 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)
Az elozo pldabelihez hasonl muvelettblkat
kapunk kt logikai
muvelettel
is, melyeket az informatikban gyakran hasznlunk. Egyik

a logikai s muvelete
(AND), a msik a kizr vagy (XOR = eXclusive OR).
+
prs
ptl
446
lineris algebra
mutat, akkor 35 perc mlva 23-at fog.

Ha m > 1 egsz szm s a tetszoleges egsz, akkor a maradkos
oszts ttele szerint egyetlen olyan q s r egsz szm ltezik, melyekre
a = mq + r,
s ahol 0 r < m. Ezt az r szmot az a szm m-mel val osztsi maradknak nevezzk, s az a mod m kifejezssel jelljk. Kimondva: a
modulo m. Pldul 20 mod 3 = 2, hisz 20 = 6 3 + 2. Hasonlkpp
kapjuk, hogy 12 mod 10 = 8, ugyanis 12 = 2 10 + 8. Azokat
az egszeket, amelyek ugyanazt a maradkot adjk modulo m, egy
osztlyba soroljuk. Ezeket az osztlyokat maradkosztlyoknak nevezzk. Pldul a 13, 33, 103 ugyanabba a maradkosztlyba tartoznak
modulo 10.
Knnyen megmutathat, hogy brmely kt egsz szm sszegnek,
klnbsgnek s szorzatnak m-mel val osztsi maradka csak a kt
szm osztsi maradktl fgg, a kt szm nagysgtl nem. Pldul
a 11 + 5 = 16, 2 + 2 = 4, 1 + 8 = 7 sszadsok mindegyikben kt
olyan szmot adtunk ssze, melyek 3-mal osztva 2-t adnak maradkul,
az eredmny pedig mindig 1-et.
11
12
10
+5
3
4
8
7
55
50
10
+35
45
15
40
20
35
30
25
A.5. bra: Szmols az rn

Modulo: a mrtk jelentsu latin modulus sz szrmazka. Itt a maradkosztlyok szmt jelenti.
1.10. definci (Zm ). Legyen m > 1 egsz szm, s jellje Zm a

{0, 1, . . . , m 1} halmazt, melyen kt muveletet
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
ol, vagy valamilyen mre Zm -beli muveletr
ol van-e sz, ezrt a fenti defincibeli muveletek
csak gy egyrtelmuek,
ha az elemekrol tudjuk, hogy mely Zm elemei.

Pl. Z2 -ben 1 + 1 = 0, de Z3 -ban 1 + 1 = 2 (ld. az A.6. brt).
1.11. plda (Szmols Zm -ben). Szmtsuk ki Z60 -ban a 48 + 35, Z5 ben a 4 + 3 s Z11 -ben a 3 7 + 10 kifejezsek rtkt!
Megolds. Ha Zm muvelettbli
rendelkezsre llnak, hasznlhatjuk,

egybknt gy szmolhatunk, hogy egszeknek tekintjk a szmokat,
s vesszk az eredmnyek maradkt modulo m:
48 + 35 mod 60 = 83 mod 60 = 23,
4 + 3 mod 5 = 7 mod 5 = 2,
3 7 + 10 mod 11 = 31 mod 11 = 9.
Zm muvelettblival,
vagy pl. Z12 s Z60 esetn egy ra mutatjval

is szmolhatunk, de ms m-re is hasznlhatunk rt: Z60 -ban: 48 +
35 = 23, Z5 -ben: 4 + 3 = 2 s Z11 -ben: 3 7 + 10 = 10 + 10 = 9.
2
+ 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
1.12. plda (Muvelettbla).

Ksztsnk muvelettblt
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
kzt kt fontos klnbsg veheto szre. Az

egyik, hogy mg Z5 -nl az elso sort s oszlopot kivve minden sorban
s oszlopban minden szm pontosan egyszer szerepel, addig Z6 -nl
nem. Ez azt jelenti, hogy Z5 szorzsmuvelete
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,
tetszoleges a elemre 1a = a s 0a = 0, az sszeads invertlhat 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
olyan eredmnyeket, melyek a knyvben ms-ms fejezetekben elszrva szerepelnek.

2.1. ttel (Mtrix rangja). Legyen A egy m n-es mtrix, s jellje A
a hozz tartoz x 7 Ax lekpezst. A kvetkezo szmok mind megegyeznek.
a) r(A),
b) a foelemek szma az A brmelyik lpcsos alakjban,
c) a nemnulla sorok szma az A brmelyik lpcsos alakjban,
d) az A bzisoszlopainak (fooszlopainak) szma,
e) az A oszlopaibl kivlaszthat maximlis linerisan fggetlen vektorrendszer elemszma,
f) az A soraibl kivlaszthat maximlis linerisan fggetlen vektorrendszer elemszma,
g) az A oszlopternek dimenzija, azaz dim(O(A)),
h) az A sorternek dimenzija, azaz dim(S(A)),
i) n dim(N (A)),
j) m dim(N (A T )),
k) az A lekpezs kpternek dimenzija, azaz dim(Im( A)),
l) n dim(Ker( A)),
m) az A-bl kivlaszthat legnagyobb mretu nemnulla rtku aldeterminns rendje,
n) az A-bl kivlaszthat legnagyobb mretu nemszingulris mtrix mrete,
o) az A (pozitv) szingulris rtkeinek szma.
450
lineris algebra
2.2. ttel (Invertlhat ngyzetes mtrixok). Legyen A egy n

n-es mtrix, s jellje A a hozz tartoz x 7 Ax lekpezst. A kvetkezo
lltsok ekvivalensek:
a) Az A mtrix reduklt lpcsos alakja In , azaz rref(A) = In .
b) A eloll elemi mtrixok szorzataknt.
c) r(A) = n.
d) N (A) = 0.
e) Az Ax = b egyenletrendszer minden b Rn vektorra megoldhat.
f) Az Ax = b egyenletrendszer minden b Rn vektorra egyrtelmuen
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
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
pozitv (szemi)definit, 391

precedencia-elv, 199
primitv mtrix, 423
pszeudoinverz, 314
rszleges foelemkivlaszts, 112
rszleges pivotls, 112
rang, 122, 142
lineris lekpezs, 292
reducibilis, 431
reduklt lpcsos alak, 100
reduklt szingulris felbonts, 398
regresszis egyenes, 321
relci, 49
ritka mtrix, 88
rosszul kondicionlt, 110
rref fggvny, 104
sajtrtk, 364
sajtaltr, 364
sajtpr, 364
sajtvektor, 364
sakktblaszably, 258
Sarrus-szably, 256
sklzs, 113
skalr, 29
skalris szorzat, 39
sorlpcsos alak, 95
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

Wettl Ferenc-Linearis Algebra PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Wettl Ferenc-Linearis Algebra PDF

Uploaded by

Copyright:

Available Formats

WETTL FERENC

Kulcsszavak: Lineris algebra, vektorok, lineris egyenletrendszerek, mtrixok, lineris lekpezsek.

s informatikai felsooktatsban cmu projekt keretben.

Copyright: Wettl Ferenc, BME TTK, 2011

Egyetem Termszettudomnyi Karnak s a Szerzo nevnek feltntetsvel idzheto,

A knyvben kvetett elvek

A lineris algebra forrsai

Vektorok a 2- s 3-dimenzis trben

Irnytott szakasz, kttt s szabad vektor 29 Vektor magadsa

Tvolsg, szg, orientci

Skalris szorzs 39 Hosszsg s szg 40

Vektorok koordints alakban

Descartes-fle koordintarendszer 50 Muveletek

Lineris egyenletrendszerek s megoldsuk

Alakzatok s egyenletek 69 Skbeli egyenes egyenletei 71

A lineris egyenletrendszer s kt modellje

Lineris egyenlet s egyenletrendszer 84 Ekvivalens lineris

95 Lpcsos alak 95 Gauss-mdszer 96

109 Numerikusan instabil

Megoldhatsg s a megoldsok tere

Homogn s inhomogn egyenletrendszerek megoldsai

Kttt vltozk szma, mtrix rangja 121 Egyenletrendszer

Alterek tulajdonsgai s az egyenletrendszerek

Sor- s oszloptr 135 Bzis 136 Vektor egy bzisra

A lineris algebra alapttele

A sortr s a nulltr merolegessge 147 Kiegszto altr 148

Mtrixok algebrja s geometrija

Tblzatok sszeadsa 165 Tblzat szorzsa szmmal 166

Alapfogalmak, jellsek 170 Elemenknti mtrixmuveletek

Skalris szorzat s diadikus szorzat mtrixszorzatos alakja 176

blokkmtrixokkal 185 Vektorokra particionlt

Az sszeads s a skalrral val szorzs tulajdonsgai 195 A

Az inverz 201 Elemi mtrixok inverze 204 Az inverz

Diagonlis mtrixok 216 Permutcis mtrixok s kgyk 216

Az LU-felbonts hasznlata egyenletrendszer megoldsra 226

Parallelogramma elojeles terlete 239 Parallelepipedon elojeles

A determinns, mint sorvektorainak fggvnye

A determinns defincija 241 A determinns rtknek

A determinns, mint elemeinek fggvnye

Kgyk determinnsa 254 Permutcis mtrix

A mtrixlekpezs fogalma 279 Muveletek

2- s 3-dimenzis geometriai transzformcik mtrixa

Meroleges vetts s a legjobb kzelts

Meroleges vetts Rn egy alterre 308 Melyik mtrix

Ortonormlt bzis, ortogonlis mtrixok

Ortogonlis s ortonormlt bzis 324 Ortogonlis

Komplex s vges test feletti terek*

Komplex vektorok skalris szorzata 342 nadjunglt

350 Gyors Fourier-transzformci 352 Vektorok

A sajtrtk s a sajtvektor fogalma 363 Karakterisztikus

Lineris transzformcik sajtrtkei 377 Hasonl mtrixok

Homogn msodfok polinomok mtrixszorzatos alakja 389

Szingulris rtk, szingulris vektor, SVD

Szingulris rtk 395 Szingulris felbonts 396 A

Schur-felbonts 405 ltalnostott sajtvektorok s a

411 A Jordan-bzis konstrukcija 415

A lebegopontos szmbrzols 437 Muveletek

flop s flops 440

Aritmetika vges halmazon 445

Lineris algebra dihjban

Ttelek, lltsok, kvetkezmnyek

2.6. Skbeli egyenes implicit vektoregyenlete . . . . .

hatsa a sor- s oszlopvektorokra . . . . . . . . . . . . . . . . . . . . . . . .