Professional Documents
Culture Documents
Hanka László. Fejezetek A Matematikából
Hanka László. Fejezetek A Matematikából
Hanka László
Fejezetek a matematikából
Egyetemi jegyzet
Budapest, 2013
ÓE - BGK - 3041
Óbudai Egyetem BGK Fejezetek a matematikából
Fiamnak Boldizsárnak
Óbudai Egyetem BGK Fejezetek a matematikából
Óbudai Egyetem BGK Fejezetek a matematikából
Előszó
Ez az elektronikus egyetemi jegyzet elsősorban mérnökhallgatóknak szól. Kettős célt szolgál.
Egyrészt biztosítani szeretnénk a lehetőséget, hogy a BSc szak viszonylag csekély számú
matematika óráján el nem hangzott, de a műszaki tárgyak megértéséhez és feldolgozásához
elengedhetetlenül szükséges tananyagot a hallgató önállóan, vagy egy választható kurzus keretein
belül megtanulhassa. Ugyanakkor tankönyvként szolgálhat azon MSc szakos hallgatók számára
is, akik a feldolgozott fejezetek közül valamelyiket tanulmányaik során hallgatják.
A jegyzet elsősorban a gyakorlatra helyezi a hangsúlyt. Természetesen cél az, hogy a hallgatók
megismerjenek olyan fejezeteket a matematikából, amely az alapképzésbe vagy esetleg a
mesterképzés keretei közé sem fér be, de a mérnöki gyakorlat számára elengedhetetlen.
Szeretnénk szélesíteni a leendő mérnökök látókörét további matematikai ismeretekkel, bemutatni
különböző elméleteket és ezek módszereit, de elsősorban úgy, hogy az elmélet alkalmazását
példákon keresztül illusztráljuk. A 210 részletesen kidolgozott feladat és a 45 ábra segíti az
elmélet megértését. Természetesen a megfogalmazott állítások nagy részét bebizonyítjuk, de nem
mindegyiket. Nem matematikusok számára íródott ez a jegyzet, hanem mérnökök számára. Ezért
azokat az állításokat igazoljuk, amelyek elősegítik a témakör logikájának pontosabb megértését
és esetleg az alkalmazott ötletek segítséget nyújthatnak a gyakorlati problémák megoldásában. A
túlzottan bonyolult, szélsőségesen elméleti fejtegetéseket mellőztük, egy érdeklődő hallgató
igény szerint ezeknek utána tud nézni a jegyzet végén közölt szakirodalomban.
A feldolgozott témakörök a következők. Lineáris algebra és mátrixelmélet, differenciálegyenletek
és differenciálegyenlet rendszerek elmélete, sorelmélet, Taylor-sorok és valós valamint komplex
Fourier-sorok elmélete. Mindenütt igyekeztünk az alkalmazásokat nagy hangsúllyal szerepeltetni.
Külön kiemeljük, hogy a másodrendű differenciálegyenletek fejezetében részletesen tárgyaljuk a
harmonikus, csillapított és gerjesztett rezgések elméletét, amelynek ismerete egy mérnökember
számára nélkülözhetetlen.
Egy jól képzett mérnök természetesen állandóan képzi magát, ez a jegyzet természetesen nem
egy kimerítő tárháza a szüksége ismereteknek, de úgy gondoljuk, első lépésnek első lépésként
megfelelő, mert nagyon reméljük, hogy mindenkiben felmerül az önképzés, továbbképzés igénye.
Ebben a jegyzetben együtt gondolkodásra invitáljuk a tisztelt Olvasót, ezért a szöveg
megfogalmazása némileg különbözik a szokásos „száraz” matematikai fogalmazástól.
Megpróbáltunk „hangosan gondolkodni”, hogy az olvasó érezze, milyen új kérdések
fogalmazódnak meg egy elmélet kifejtése során, és azokra hogyan lehet válaszolni.
A jegyzet feldolgozásához, a matematika felfedezéséhez sok örömöt és sikerélményt kíván a
Szerző
5
Óbudai Egyetem BGK Fejezetek a matematikából
6
Óbudai Egyetem BGK Fejezetek a matematikából
1. fejezet
7
Óbudai Egyetem BGK Fejezetek a matematikából
8
Óbudai Egyetem BGK Fejezetek a matematikából
1. Lineáris algebra
1.1. A lineáris tér. Alapfogalmak
A lineáris algebra legfontosabb fogalmai közé tartozik a lineáris tér, vagy más néven a vektortér
fogalma. Ez bizonyos tulajdonságoknak, feltételeknek eleget tevő elemek, objektumok halmaza.
A lineáris tér legalapvetőbb fogalmai közé tartoznak a bázis, a dimenzió. A következőkben a
felsorolt fogalmak tisztázásával, majd a lineáris algebra apparátusának alkalmazásával
foglalkozunk. Célunk elsősorban az, hogy a későbbi fejezetekben részletesen tárgyalt
differenciálegyenlet rendszerek valamint a Fourier-sorok elméletét megalapozzuk.
A) Az L halmaz bármely két xL és yL eleméhez egyértelműen hozzá van rendelve az L
halmaznak egy eleme, amelyet az x és y összegének nevezünk és x+y-nal jelölünk, és erre a
műveletre érvényesek az alábbi tulajdonságok:
B) Az L halmaz bármely xL eleméhez és bármely αR valós számhoz egyértelműen hozzá van
rendelve az L halmaznak egy eleme, amelyet az α valós szám és xL szorzatának nevezünk és
α∙x-szel jelölünk, és erre a műveletre érvényesek az alábbi tulajdonságok:
9
Óbudai Egyetem BGK Fejezetek a matematikából
A lineáris tér bizonyos részhalmazainak kitüntetett szerepe van. Ezek azok a részhalmazok,
amelyek önmagukban is vektorterek, tehát amelyekre teljesül a vektortér definíciójában szereplő
hét axióma.
Egyszerűen megfogalmazható egy feltétel arra vonatkozólag, hogy egy L’ részhalmaz altér
legyen.
10
Óbudai Egyetem BGK Fejezetek a matematikából
1. „Az L’ halmaz bármely két xL’ és yL’ eleméhez egyértelműen hozzá van rendelve az L’
halmaznak egy eleme, amelyet az x és y összegének nevezünk és x+ y-nal jelölünk.”
2. „Az L’ halmaz bármely xL’ eleméhez és bármely α R valós számhoz egyértelműen hozzá
van rendelve az L’ halmaznak egy eleme, amelyet az α valós szám és xL’ szorzatának nevezünk
és α∙x-szel jelölünk.”
Mivel megköveteltük, hogy a lineáris kombináció ne vezessen ki az L’-ből ez a két feltétel
nyilvánvalóan teljesül. ■
A tétel úgy is fogalmazható, hogy az L lineáris tér egy L’ részhalmaza pontosan akkor altér,
ha tetszőleges elemeinek összes lineáris kombinációját is tartalmazza.
1.3.Definíció: Azt a legszűkebb L’ lineáris teret, amely az x1, x2, x3, …xnL-beli vektorokat
tartalmazza az x1, x2, x3, …xn vektorok által generált altérnek (vektorok által kifeszített altérnek)
nevezzük.
1.2.Tétel: Az x1, x2, x3, …xnL-beli vektorok által generált L’ altér nem más, mint az
x1, x2, x3, …xn vektorok összes lineáris kombinációinak halmaza. Tehát
Bizonyítás: Egyrészt azt kell bizonyítani, hogy a lineáris kombináció nem vezet ki az L’-ből. Ez
nyilvánvaló, mert definíció szerint az összes lineáris kombinációt tartalmazza. Másrészt azt kell
igazolni, hogy ez a legszűkebb ilyen vektortér, de ez is nyilvánvaló, hiszen ha ennél szűkebb
lenne, már nem tartalmazhatná valamennyi lineáris kombinációt, így a lineáris kombináció
kivezetne L’-ből. ■
1.2.Példa: Példák lineáris altérre. Vektorterek lineáris altereire hozunk példákat. A fentiek szerint
egy részhalmaz akkor altér, ha zárt a lineáris kombináció képzésére. Ilyen halmazokat említünk.
1. Az R2-ben, tehát a síkban, altér minden olyan egyenes, amely az origóra illeszkedik, azaz
ha végiggondoljuk ez az altér az
L ' x x R 2 , R ;
alakú elemek halmaza. Ez igaz általában Rn-ben is, csak n> 3 esetén az „egyenes”-nek már nincs
szemléletes tartalma, viszont éppen a fenti formulával értelmezhető.
Ha az egyenes nem illeszkedik az origóra, akkor nem altér, mert egy vektortérnek mindig eleme a
nullvektor.
2. Az R3-ban, tehát a térben, altér minden olyan sík, amely az origóra illeszkedik, tehát az
L ' 1x1 2 x2 x1 , x2 R3 ; 1 , 2 R ;
11
Óbudai Egyetem BGK Fejezetek a matematikából
alakú elemek halmaza. Ez igaz általában Rn-ben is, csak n> 3 esetén a „sík”-nak már nincs
szemléletes tartalma, viszont éppen a fenti formulával értelmezhető.
Ha a sík nem illeszkedik az origóra, akkor nem altér, mert egy vektortérnek mindig eleme a
nullvektor.
4. Az n sorú és k oszlopú (tehát „n-szer k-as”) valós komponensű mátrixok Rnxk vektorterében
azon mátrixok, amelyekre igaz, hogy i>j esetén aij = 0. Ez szemléletesen azt jelenti, hogy a bal
felső sarokból induló átló alatt minden komponens zérus. stb.
12
Óbudai Egyetem BGK Fejezetek a matematikából
1.2.Vektorrendszerek és tulajdonságaik
1.4.Definíció: Legyenek x1, x2, x3, …xn L-beli vektorok, α1, α2, α3, …αn pedig legyenek valós
számok. Ekkor az
összeget az x1, x2, x3, …xn vektorok lineáris kombinációjának nevezzük. A lineáris tér
definíciója szerint ez az összeg is eleme az L halmaznak!
Miért alapvető ez a fogalom? Azért, mert mint a vektortér definíciójában láttuk összesen két
művelet van értelmezve egy lineáris térben, így ha adva van egy { x1, x2, x3, …xn }
vektorrendszer, akkor a fenti kifejezés a lehető legáltalánosabb műveletet adja meg, amit ezzel a
vektorrendszerrel el lehet végezni.
Tisztázzuk miért is fontos ez. Vektortereket akarunk leírni, vizsgálni. A legtöbb gyakorlatban
fontos vektortérnek végtelen sok eleme van. De felmerül a kérdés. Ha meg akarunk adni egy
vektorteret, akkor ismernünk kell a vektortér összes elemét? A válasz nyilvánvalóan nem. Azért,
mert kezünkben van a lineáris kombináció fogalma, segítségével egy vektorrendszer
felhasználásával újabb L-beli vektorokat állíthatunk elő. Nyilvánvaló, hogy ha ismertnek
tekintjük vektorok egy x1, x2, x3, …xn rendszerét, akkor a belőlük lineáris kombináció útján
előállítható összes vektort is ismertnek tekinthetjük!
A kérdés most már az, hogy milyen tulajdonságú, és hány elemű kell, hogy legyena
vektorrendszer, hogy azt mondhassuk, lineáris kombinációikkal az összes L-beli vektort meg
tudjuk adni. Ennek a kérdéskörnek a tisztázásához van szükség az alábbi fogalmakra.
1.5.Definíció:Az L lineáris tér x1, x2, x3, …xn vektorrendszerét a lineáris tér generátor-
rendszerének nevezzük, ha ezen vektorok lineáris kombinációjaként az összes L-beli vektor
előállítható, azaz ha yL tetszőleges, akkor léteznek olyan α1, α2, α3, …αnR valós számok,
hogy teljesül az α1x1+ α2x2+ α3x3+ …+αnxn= yegyenlőség.
Világos, hogy egy vektortér megadásához ezek szerint elég a tér egy generátorrendszerét
megadni!
1. A sík, azaz R2 megadásához például elegendő megadni két nem párhuzamos, nullvektortól
különböző vektort. Az elemi vektorgeometriából ugyanis ismert a paralelogramma szabály a
vektorok összeadására, és ennek fordítottja a vektorfelbontás módszere. Eszerint, ha adva van két
nem párhuzamos vektor a síkban, akkor tetszőleges síkbeli vektor felbontható a megadott két
vektorral párhuzamos összetevőkre. Tehát R2-nek generátorrendszere két nem párhuzamos
vektor. Természetesen kettőnél több vektor is generátorrendszer, ha van közöttük kettő nem
párhuzamos!
13
Óbudai Egyetem BGK Fejezetek a matematikából
1.6.Definíció: Az L lineáris tér x1, x2, x3, …xn vektorrendszerét lineárisan függetlennek
nevezzük, ha az
összefüggés csak α1= α2= α3= …=αn=0 (0R) esetén áll fenn.Ezt a lineáris kombinációt triviális
lineáris kombinációnak nevezzük.
1.7.Definíció: Az L lineáris tér x1, x2, x3, …xn vektorrendszerét lineárisan összefüggő-nek
nevezzük,ha az
Ez utóbbi definíciót fogalmazhattuk volna úgy is, hogy „az x1, x2, x3, …xnvektor-rendszer
lineárisan összefüggő, ha nem független”, hiszen nyilvánvaló, hogy két egymást kölcsönösen
kiegészítő tulajdonságról van szó!
1. Mit jelent két vektor lineáris összefüggősége. Ha α1x1+ α2x2= 0 esetén példáulα1≠0 akkor
ebből az egyenletből x1 kifejezhető az alábbi módon: x1 2 x2 , tehát az egyik vektor a másik
1
vektornak valós számszorosa, más szóval skalárszorosa, ami pontosan annyit jelent, hogy az
egyik vektor párhuzamos a másik vektorral. Két vektor esetében a lineáris összefüggőség
egyenértékű a párhuzamossággal. Azaz, ha két vektor lineárisan független, akkor azok nem
párhuzamosak!
2. Mit jelent három vektor lineáris összefüggősége? Ha α1x1+ α2x2+ α3x3= 0esetén például
α1≠0 akkor ebből az egyenletből x1 kifejezhető az alábbi módon
2
x1 x 2 3 x3 ;
1 1
tehát az egyik vektor a másik két vektor skalárszorosainak összege, tehát lineáris kombinációja.
Az elemi vektorgeometriából tudjuk, ez pontosan annyit jelent, hogy az x1 vektor benne fekszik
az x2ésx3 vektorok által kifeszített síkban. Három vektor esetében a lineáris összefüggőség
egyenértékű azzal, hogy a három vektor egy síkban van. Tehát, ha három vektor lineárisan
független, akkor azok szükségképpen nem egysíkúak.
1.3.Tétel: Az L lineáris tér x1, x2, x3, …xn vektorrendszere akkor és csak akkor lineárisan
összefüggő, ha létezik ezen vektorok között legalább egy olyan vektor, amely kifejezhető a többi
vektorok lineáris kombinációjaként.
14
Óbudai Egyetem BGK Fejezetek a matematikából
Bizonyítás: Tegyük fel elsőként, hogy az egyik vektor, például xj kifejezhető a többi lineáris
kombinációjakét
x j 1x1 ... j 1x j 1 j 1x j 1 ... n xn
1 j 1 j 1
xj x1 ... x j 1 x j 1 ... n xn , j 0;
j j j j
Ez pedig pontosan azt jelenti, hogy az egyik vektor kifejezhető a többi vektorok lineáris
kombinációjaként. Ezt kellett igazolni. ■
Ez az előállítás pontosan azt jelenti, hogy az yL vektor azxkvektor elhagyásával megmaradó
vektorrendszer lineáris kombinációjaként is előáll. Ez másképpen is fogalmazható.
Voltaképpen igazoltunk egy tételt.
1.8.Definíció: Az L lineáris tér b1, b2, b3, …bn generátorrendszerét a lineáris tér bázisának
nevezzük, ha ez a vektorrendszer lineárisan független.
1.5.Tétel: Ha ab1, b2, b3, …bnvektorrendszer bázis az L lineáris térben, akkor tetszőleges yL
vektor egyértelműen felírható a bázisvektorok lineáris kombinációjaként. Tehát léteznek olyan
α1, α2, α3, …αnRegyütthatók, melyekre
másrészt pedig
Tekintettel arra, hogy definíció szerint a bázis lineárisan független vektorok rendszere, azt
kaptuk, hogy a nullvektort előállítottuk egy lineárisan független rendszer lineáris
kombinációjával. Ez azonban csak a triviális lineáris kombináció lehet, azaz j j minden j
indexre, ami ellentmond az indirekt feltevésnek, tehát az előállítás valóban egyértelmű. ■
A tétel jelentősége a következőkben áll. Ha rögzítünk egy B = {b1, b2, b3, …bn } bázist az L
lineáris térben, akkor bármely yL vektor egyértelműen meghatároz egy (α1, α2, α3, …αn)
rendezett szám n-est. Fordítva nyilvánvaló, egy (α1, α2, α3, …αn) szám n-es egyértelműen
meghatároz egy yL vektort a fenti lineáris kombináció segítségével. Ez azt jelenti, hogy
rögzített bázis esetén az L-beli vektorok azonosíthatók valós számokból álló rendezett szám
n-esekkel, azaz klasszikus értelemben vett n-komponensű vektorokkal. Az egyértelműség
miatt bevezethetünk egy elnevezést.
16
Óbudai Egyetem BGK Fejezetek a matematikából
akkor az α1, α2, α3, …αn valós számokat az yL vektor B bázisra vonatkozó koordinátáinak
nevezzük.A koordináták felírására az alábbi jelölést alkalmazzuk:
1
2
y .
.
n
B
Eszerint akárhogyan is állítunk elő egy bázist az mindig ugyanannyi elemű lesz. Ez feljogosít
bennünket az alábbi fogalom értelmezésére:
1 0
i ; j
0 1
y R2
17
Óbudai Egyetem BGK Fejezetek a matematikából
1 0
y ;
0 1
1.11.Definíció: Az
1.7.Tétel: A standard bázis valóban bázisa Rn-nek, tehát egy lineárisan független
generátorrendszer.
Bizonyítás: Először megmutatjuk általánosan, hogy a vektorrendszer lineárisan független. Állítsa
tehát elő a nullvektort az alábbi lineáris kombináció
18
Óbudai Egyetem BGK Fejezetek a matematikából
Kaptuk tehát, hogy a nullvektort csak a triviális lineáris kombináció állítja elő. Ez éppen a
függetlenséget igazolja. Legyen ezek után azyRn tetszőleges vektor, koordinátákkal megadva
1
2
y .
.
n
B0
A bázis tehát egy nagyon különleges vektorrendszer egy lineáris térben, mindemellett a
legfontosabb vektorrendszer. Nem árt ha több szempontból is megvilágítjuk ezt a fogalmat.
Könnyű átgondolni, hogy az alábbi állítások mind a bázist határozzák meg.
1.8.Tétel:
1. Egy vektortérben a maximális elemszámú lineárisan független rendszer bázis.
2. Egy vektortérben a minimális elemszámú generátorrendszer bázis.
3. Egy n-dimenziós vektortérben bármely n db lineárisan független rendszer bázis.
4. Egy n-dimenziós vektortérben bármely n elemű generátorrendszer bázist alkot. ■
Ezt a tételt akkor célszerű alkalmazni, ha egy konkrét esetben bázist keresünk. Ha teljesül az
előbbi négy állítás valamelyike, akkor biztosak lehetünk afelől, hogy bázist találtunk.
19
Óbudai Egyetem BGK Fejezetek a matematikából
3
y
2 B0
Hogyan változnak meg az y koordinátái, ha a standard bázis egyik vektorát kicseréljük egy másik
vektorra, azaz áttrérünk egy másik bázisra. Például cseréljük ki az e1 vektort az u vektorra, ahol
az u koordinátái természetesen B0-ban, az alábbi vektorral adottak
1
u
1 B0
Felmerül a kérdés, van-e ennek értelme. Mivel u nem párhuzamos e2-vel, így a B1 = {u,
e2}rendszer továbbra is lineárisan független generátorrendszere, mivel n = 2 elemű, lineárisan
független rendszer, tehát bázisa R2-nek. Megkérdezhetjük, hogy ebben a bázisban mely valós
számok az y vektor koordinátái. Ehhez csak arra kell válaszolni, hogy az y vektort az u és e2
vektorok mely lineáris kombinációja állítja elő.
A számítás a következő:y = 3e1+ 2e2, másrészt u = 1e1+1e2 = e1+ e2 ahonnan e1= u–e2. Ezt
behelyettesítjük az y előállításába, kapjuk, hogyy = 3(u–e2 ) + 2e2 = 3u–e2. Ami pontosan azt
jelenti, hogy megkaptuk az y vektor B1 = {u, e2}bázisra vonatkozó koordinátáit. Ezek a
következők
3
y
1 B1
Megváltoztak a koordináták, de ez természetes, hiszen megváltozott a bázis is. Jól jegyezzük meg
tehát, hogy egy vektor koordinátái nem abszolút értelemben léteznek, hanem mindig függenek a
bázistól. A fenti konkrét példában követett gondolatmenetet általánosítjuk.
1.12.Definíció: Legyen adott egy B = {b1, b2, b3,…, bk, …bn }bázis L-ben, továbbá adott egy
u-val jelölt vektor. Ha a B bázis egy vektorát, például a bk vektort kicseréljük az u vektorra, azaz
áttérünk a B1 = {b1, b2, b3,…,bk–1,u, bk+1, …bn }bázisra, akkor ezt a transzformációt elemi
bázistranszformációnak nevezzük.
A konkrét példával ellentétben tehát az elemi bázistranszformáció nem csak a standard bázisról
való áttérést jelenti, hanem bármely bázisból kiindulhatunk és készíthetünk új bázisokat. Mi a
feladat, ha áttértünk egy új bázisra. Mindig az, hogy kiszámítjuk bizonyos – egy adott probléma
kapcsán felmerülő – vektorok koordinátáit az új bázisban. Ez a módszer nagyon hatékony. A
későbbiekben látni fogjuk számos alkalmazását. Most csak címszavakban említjük meg mire
használható: lineáris függetlenség, lineáris összefüggőség vizsgálata, kompatibilitásvizsgálat,
homogén és inhomogén lineáris egyenletrendszerek megoldása, mátrixok invertálása,…stb.
20
Óbudai Egyetem BGK Fejezetek a matematikából
Annak érdekében, hogy a későbbiekben ezeket a problémákat egységes alapokon meg tudjuk
oldani, levezetjük a transzformációt általánosan.
Legyen adott egy B = {b1, b2, b3,…, bk, …bn }bázis L-bentovábbá legyen adott egy u-val jelölt
vektor, melynek B-beli előállítása a következő
és tegyük fel, hogy például βk ≠ 0. Legyen továbbá xL egy tetszőleges vektor, melynek
előállítása a B bázisban
Cseréljük ki a B bázis bk vektorát u-ra ha lehet, vizsgáljuk meg, hogy a kapott vektorrendszer
bázist alkot-e L-ben, és ha igen számítsuk ki x koordinátáit az új B1 = {b1, …, bk–1, u, bk+1, …bn}
bázisban. Mivel βk ≠ 0 ezért oszthatunk vele, tehát az u-t előállító egyenletből kifejezhető a bk
vektor
1 1
bk b1 2 b 2 ... k 1 bk 1 u k 1 b k 1 ... n b n ;
k k k k k k
1
x 1b1 ... k 1bk 1 k 1 b1 2 b2 ... u ... n b n k 1b k 1 ... nb n ;
k k k k
x 1 1 k b1 ... k 1 k 1 k bk 1 k u k 1 k 1 k bk 1 ... n n k bn ;
k k k k k
A báziscsere abból állt tehát, hogy az eredeti B bázis bk vektorát kicseréltük az u vektorra, így
előállítottunk egy új B1 bázist, és megkaptuk az x vektor B1-beli koordinátáit. Az u vektor
„belépett a bázisba”, a bk vektor pedig „kilépett a bázisból”. Vegyük észre, hogy
mellékeredményként még azt is megkaptuk, hogy a kilépő bk vektornak mik a koordinátái az új
21
Óbudai Egyetem BGK Fejezetek a matematikából
B … u … x y
b1 … β1 … α1 γ1
b2 … β2 … α2 γ2
… … … … … …
bk … k … αk γk
… … … … … …
bn … βn … αn γn
B1 … bk … x y
b1 … 1 … 1 1 k 1 1 k
k k k
b2 … 2 … 2 2 k 2 2 k
k k k
… … … … … …
1 k k
u … …
k k k
… … … … … …
n n n
bn … … n k n k
k k k
22
Óbudai Egyetem BGK Fejezetek a matematikából
23
Óbudai Egyetem BGK Fejezetek a matematikából
1.13.Definíció: Azt mondjuk, hogy az x1, x2, x3, …xn vektorrendszer rangja k, ha van a
vektorrendszerben k db lineárisan független vektor, de bármely legalább k +1 elemű részrendszer
lineárisan összefüggő.
Kérdés, hogy hogyan vizsgáljuk meg egy vektorrendszer rangját elemi bázistranszformációval.
Úgy, hogy a vektorrendszer vektorai közül annyit viszünk be a bázisba, amennyit csak lehet,
ameddig még találunk βk≠0 generáló elemet. Mivel ezeket a vektorokat bevittük a bázisba, és a
bázis lineárisan független rendszer, a bevitt vektorok rendszere lineárisan független. Eszerint a
rang egyenlő azon vektorok számával ahányat a bázisba vittünk. Ezt a számítást a lineáris
egyenletrendszerek megoldása során fogjuk alkalmazni.
1.5.Példa: Határozzuk meg az a1 = [1, 3, 0, 1]T, a2 = [0, –1, 1, 0]T, a3 = [1, 2, –1, 3]T,
a4 = [1, –1, 2, 3]T vektorokból álló vektorrendszer rangját. Adjunk meg lineárisan független
vektorokat, és ha a rendszer lineárisan összefüggő, adjuk meg a köztük lévő lineáris kapcsolatot.
a1 1 0 1 1 1 1 1 1 1 0
3 1 2 1 2 2
3 1 1 0
a 2 0 1 1 2 0 1 2 1 2 3
a3 1 0 3 3 1 3 3 2 2 1
a4 0 a1 3 a2 1 a3 ;
24
Óbudai Egyetem BGK Fejezetek a matematikából
1.14.Definíció: Azt mondjuk, hogy az yL vektor kompatibilis az x1, x2, x3,
…xnLvektorrendszerrel, ha y előállítható az x1, x2, x3, …xn vektorok lineáris kombinációjaként.
Ha nem állítható elő, akkor inkompatibilisnek nevezzük.
1.6.Példa: Vizsgáljuk meg, hogy azy1 = [5, 8, 3, 2]T, y2 = [5, 0, 0, 5]T vektorok kompatibilisek-e
az x1 = [1, 0, 0, 2]T, x2 = [2, 1, 0, 0]T,x3 = [0, 2, 1, 0]T,x4 = [3, 3, 1, 2]T vektorokból álló
vektorrendszerrel.
x1 x2 x3 x 4 y1 y 2 x 2 x3 x 4 y1 y 2 x 2 x 4 y1 y 2 x 4 y1 y 2
x1 1 2 0 3 5 5 2 0 3 5 5 2 3 5 5 1 1 5
x
2 0 1 2 3 8 0 1
2 3 8 0 1 1 2 0 1 2 0
x3 0 0 1 1 3 0 0 1 1 3 0 0 1 3 0 1 3 0
e4 2 0 0 2 2 5 4 0 4 8 5 4 4 8 5 0 0 5
y1 1 x1 2 x2 3 x3 ; y 2 5 x1 5 e4 ;
x4 1 x1 1 x2 1 x3 ;
25
Óbudai Egyetem BGK Fejezetek a matematikából
26
Óbudai Egyetem BGK Fejezetek a matematikából
1.5. Mátrixok
1.15.Definíció: Valós számoknak az alábbi sémában való elrendezését mátrixnak nevezzük.
Az A mátrix – a vektorhoz hasonlóan vastagon szedve –aij komponense a mátrix i-edik sorának j-
edik eleme, az indexek közül első tehát a sorindex, a második pedig az oszlopindex. Ennek a
mátrixnak n sora és k oszlopa van, szokás ezt „n-szer k-as”, jelöléssel n×k-as mátrixnak nevezni.
Az n×k méretű valós komponensű mátrixok halmazára használjuk az Rn×k jelölést. A mátrixokat
általában az "ABC" nyomtatott, vastagon szedett nagybetűivel jelöljük.
Sokszor hasznos az alábbi általános jelölés, amely utal arra, hogy hogyan jelöljük a mátrix
komponenseit. Ha ARn×k akkor
a1
a
a 2 R n R n1
...
an
1.17.Definíció: Azt a mátrixot, amelynek egyetlen sora van sorvektornak nevezzük. Ez a mátrix
lényegében megegyezik a hagyományos értelemben vett k-komponensű vektorokkal, tehát az
R1×khalmazt azonosíthatjuk az Rk halmazzal.
Világos azonban, hogy a vektor kifejezés ezek után félreértést okozhat, hiszen az előbbiek szerint
jelenthet oszlopvektort is és sorvektort is. Ezt elkerülendő jegyezzük meg a következő
megállapodást. A továbbiakban, ha „vektor”-t mondunk, akkor az mindig oszlopvektort
jelent. A fenti egyenlőségjel azért idézőjeles, mert bár az azonosítás jogos, de az említett
27
Óbudai Egyetem BGK Fejezetek a matematikából
Egy kvadratikus mátrixnak van egy különleges „részhalmaza”, azon elemek, amelyeknek sor- és
oszlopindexe megegyezik. Ezt a részhalmazta mátrix főátlójának nevezzük. Az n×n-es mátrixot
szokás n-edrendű mátrixnak nevezni.
A kvadratikus mátrix főátlójában levő komponensek összegét a mátrix nyomának (trace) vagy
idegen szóval spurjának nevezzük. Ezt a fogalmat a sajátértékek elméletében fogjuk használni.
a11 0 ... 0
0 a ... 0
D 22
R nn ;
... ... ... ...
0 0 ... ann
Ha egy a R n vektorból képezünk diagonális mátrixot, akkor az azt jelenti, hogy egy olyan n-ed
rendű mátrixot értelmezünk, amelynek főátlójában állnak az a vektor komponensei. Az
alkalmazott jelölések bevezetésével
28
Óbudai Egyetem BGK Fejezetek a matematikából
a1 a1 0 ... 0
a 0 a ... 0
a 2 R n ; esetén diag a a 2
R nn
... ... ... ... ...
an 0 0 ... an
0 0 ... 0
0 0 ... 0
0 R nk ;
... ... ... ...
0 0 ... 0
29
Óbudai Egyetem BGK Fejezetek a matematikából
Tehát egy mátrixot úgy szorzunk egy valós számmal, hogy a mátrix minden komponensét
megszorozzuk a valós számmal, továbbá egy n×k-as mátrix valós számszorosa is n×k-as mátrix.
2 0 1 8 0 4
4 3 5 1 12 20 4 ;
2 4 7 8 16 28
Tehát összeadni csak azonos méretű mátrixokat lehet, és két mátrixot úgy adunk össze, hogy a
„megfelelő helyen álló” komponenseit rendre összeadjuk. Az eredmény természetesen
ugyanolyan méretű mátrix, mint az összeg tagjai.
1 0 4 7 3 0 5 2 4 0 1 5
9 2 5 8 7 4 2 8 2 6 3 16 ;
3 1 0 2 4 4 3 6 1 5 3 8
30
Óbudai Egyetem BGK Fejezetek a matematikából
a) A B B A; A B C A B C : A B C;
b) A A; A A : A;
c) Α A A; A B A B;
Látható tehát, hogy a valós számmal való szorzás és az összeadás során n×k méretű mátrixokból
indulunk ki, és az eredmény ugyanilyen típusú mátrix, ez a két művelet tehát „nem vezet ki” az
n×k-as mátrixok Rn×khalmazából.Világos, hogy a korábban értelmezett 0Rn×k nullmátrixra
tetszőleges ARn×k mátrix esetén teljesül, hogy A + 0 = 0 + A = A.A legutolsó tétel figyelembe
vételével, ha még hozzátesszük a tételbeli műveleti tulajdonságokhoz a nullmátrix fogalmát,
akkor látható, hogy az n×k-as mátrixok Rn×khalmaza valós vektortér a most definiált számmal
való szorzásra és összeadásra vonatkozólag. A kérdés, hogy mi ennek a vektortérnek egy bázisa
és mennyi a vektortér dimenziója. Könnyen ellenőrizhető, hogy az
0 ... 0 ... 0
... ...
Bij 0 ... 1 ... 0 ; i 1, 2,3,..., n; j 1, 2,3,..., k ;
... ...
0 ... 0 ... 0
mátrixrendszer bázisa azRn×k vektortérnek, ahol Bij az a mátrix, amely i-edik sorának j-edik
komponense 1 a többi komponens zérus, amiből következik, hogy ez a vektortér n·k dimenziós.
A transzponálás tehát azt jelenti, hogy a mátrix sorai és oszlopai „szerepet cserélnek”, tehát az
Ai-edik sorából lesz az ATi-edik oszlopa és fordítva. Ha a mátrix nem négyzetes, akkor a mátrix
és transzponáltja nem azonos méretűek.
Négyzetes mátrixok esetében mátrix és transzponáltja egyező méretűek, azaz ha ARn×n akkor
ATRn×n. Ebben az esetben a transzponálás egyenértékű a főátlóra történő tükrözéssel. A főátló
komponensei helyben maradnak, a többi elem pedig a főátlóra tükröződik.
31
Óbudai Egyetem BGK Fejezetek a matematikából
3 2 1 2 7 1 0 3
3 5 4
A 5 0 ; AT B 0 4 1 ; BT 2 4 9 ;
2 0 1
;
4 1 3 9 5 7 1 5
A A B T AT BT ; A T AT ;
T
T
A;
A transzponálás nagyon hasznos, ha vektorokról beszélünk. Egy vektor, ami megegyezés szerint
oszlopvektor, helytakarékosan írható, ha felhasználjuk a transzponálás műveletét. Világos, hogy
az
a1
a
a 2 ; a a1 a2 ... an ; aT a1 a2 ... an ;
T
...
an
1 5 1 7 0 2 1 3
5 2 2 1
A ; B 2 0 7 0 ;
1 2 0 4 1 7 0 5
7 1 4 3 3 0 5 0
32
Óbudai Egyetem BGK Fejezetek a matematikából
1.11.Tétel: Minden ARn×n mátrix felbontható egy szimmetrikus és egy ferdén szimmetrikus
mátrix összegére.
Bizonyítás: Világos az alábbi azonosság
A AT A AT
A ;
2 2
és könnyen ellenőrizhető, hogy az összeg első tagja szimmetrikus, a második tagja pedig ferdén
szimmetrikus, hiszen
T T
A AT
T
AT AT AT A A AT
T
AT AT AT A A AT
; ;
2 2 2 2 2 2 2
2 6 4 2 0 2
A 0 1 4 ; ekkor A 6 1 8 ;
T
2 8 3 4 4 3
és nyilvánvaló, hogy az
2 3 3 0 3 1
A AT A AT
3 1 6 ; 3 0 2 ;
2 2
3 6 3 1 2 0
1.26.Definíció: Az aT = [a1, a2, …an] Rn és bT = [b1, b2, …bn ] Rn vektorok aTb-vel jelölt
skaláris szorzata a következő valós szám
tehát a két n komponensű vektor „megfelelő koordinátái szorzatának összege”. Világos, hogy
csak akkor létezik a két vektor skaláris szorzata, ha a két vektor komponenseinek száma egyenlő.
A jelölésben is utalunk arra a lényeges momentumra, hogy egy sorvektort szorzunk
33
Óbudai Egyetem BGK Fejezetek a matematikából
oszlopvektorral. Ez lényeges, mert ilyen módon értelmezzük általánosan két mátrix szorzatát.
Ezek után definiálhatjuk általánosan mátrixok szorzatát.
aTb a, b ;
n
a, a a1a1 a2 a2 ... an an ai2 ;
i 1
Innen az állítás következik, hiszen n db nem negatív szám összege nem lehet negatív, és egy
négyzetösszeg pontosan akkor zérus, ha minden tagja zérus. ■
a, b : aTb; ;
Ami a valós esethez képest annyi módosítást jelent, hogy a második tényező komplex
konjugáltját kell venni, és az így kapott vektorral kell ugyanazt a műveletet elvégezni, tehát
ahol a „vonás” szokás szerint a komplex konjugáltat jelöli. Természetesen, ha a vektorok valósak,
ez a definíció egybeesik a korábbival.Komplex skaláris szorzásra az előzővel analóg tétel
fogalmazható meg, melynek bizonyítását az olvasóra bízzuk.
34
Óbudai Egyetem BGK Fejezetek a matematikából
A skaláris szorzással kapcsolatosan általánosítunk egy fogalmat és egy tételt, amely az analitikus
geometriában alapvető fontosságú. Ez a fogalom a merőlegesség, amelyet magasabb
dimenzióban és általánosabb körülmények között ortogonalitásnak nevezünk.
1.28.Definíció: Az aT = [a1, a2, …an] Rn és bT = [b1, b2, …bn ] Rnvektorokat ortogonálisnak
nevezzük, ha skaláris szorzatuk zérus, azaz ha teljesül, hogy
aTb a, b 0;
aTb a, b 1 3 2 1 3 7 5 4 3 2 21 20 0;
n
a, a a1a1 a2 a2 ... an an ai2 ;
i 1
skaláris szorzat négyzetgyökének speciális esete, ezért értelmezzük egy vektor hosszának
fogalmát.
n
a a, a a1a1 a2 a2 ... an an ai2 ;
i 1
formulával értelmezzük. Ha egyeT = [e1, e2, …en] Rn vektorra e 1 teljesül, akkor
egységvektornak nevezzük.
35
Óbudai Egyetem BGK Fejezetek a matematikából
k
cir ai1b1r ai 2b2r ... aik bkr aisbsr ;
s 1
... ...
... b1r
... ...
... b2 r
B
... ...
... ...
... ...
... bkr
... ... ... ... ... ... ... ...
a a ... aik ... ... c ...
A i1 i 2 ir AB
... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ...
Ha az AB szorzatot kívánjuk kiszámítani, akkor a sémában a bal alsó sarokba írjuk az A mátrixot,
a jobb felső sarokba pedig a B mátrixot, a szorzatmátrix pedig a jobb alsó sarokba kerül,
mégpedig úgy, hogy az A mátrix i-edik sorának és a Bmátrixr-edik oszlopának a
„kereszteződésébe” írjuk a cir skaláris szorzatot. Ez az elrendezés megkönnyíti a szorzás
elvégzését, persze ha van elég rutinunk, a sémát mellőzhetjük.
36
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 2 0 4 4 2 4
A ; B Ekkor: AB ; BA
0 1 1 2 1 2 1 4
Mátrixok szorzásával kapcsolatban felmerül még egy érdekes dolgog, amely például a valós
számok halmazában nem igaz. Egy példával illusztráljuk a mondandónkat.
2 3 5 1 3 5
A 1 4 5 ; B 1 3 5 ;
1 3 4 1 3 5
0 0 0
AB 0 0 0 ; de A 0 és B 0;
0 0 0
Tehát mátrixok halmazában előfordulhat az a meglepő eredmény, hogy nem nulla mátrixok
szorzata a nullmátrix. Emlékezzünk vissza a valós számok halmazára, ahol az ab = 0 egyenletből
következik, hogy a = 0 vagy b = 0. Mátrixok körében ez a következtetés tehát nem igaz.
37
Óbudai Egyetem BGK Fejezetek a matematikából
AB T BT AT ;
Bizonyítás: Megmutatjuk, hogy a két oldalon azonos méretű mátrixok szerepelnek, és azt, hogy
komponensenként megegyeznek.
Mivel ABRn×p ezért (AB)TRp×n. Másrészt ATRk×n valamint BTRp×k ahonnan következik,
hogy BTATRp×n tehát a méreteik valóban megegyeznek. Határozzuk meg az (AB)T mátrix
i-edik sorának j-edik komponensét. Ez megegyezik az AB mátrix j-edik sorának i-edik
komponensével, tehát ha az A mátrix j-edik sorát ajT jelöli, valamint a B mátrix i-edik oszlopát
bijelöli, akkor a kérdéses komponens éppen az ajTbi skaláris szorzattal egyezik meg. A jobboldali
szorzat i-edik sorának j-edik komponens pedig a BT mátrix i-edik sorának és az A mátrix j-edik
oszlopának skaláris szorzata, azaz biTaj mivel pedig a skaláris szorzás értelmezése szerint
nyilvánvalóan ajTbi = biTaj az állítást igazoltuk. ■
A későbbiekben hasznunkra lesz egy állítás, amely a szorzást a szimmetriával kapcsolja össze.
1.16.Tétel: Tetszőleges ARn×k mátrix esetén az AAT és az ATA mátrix szimmetrikus mátrix.
Bizonyítás: Igazoljuk, hogy AAT szimmetrikus, a másik állítás hasonlóan bizonyítható. Először
megmutatjuk, hogy a szorzatnak tetszőleges méretű, nem feltétlenül kvadratikus mátrix esetén
van értelme. Ha ARn×k akkor ATRk×n, így az AAT szorzat értelmezve van, hiszen az első
tényezőnek ugyanannyi oszlopa van ahány sora a második tényezőnek. Ebből az is következik,
hogy AATRn×n, tehát a szorzat minden esetben n-ed rendű kvadratikus mátrix. Már csak azt kell
igazolnunk, hogy a szorzat egybeesik a transzponáltjával. Ez is teljesül, ugyanis az előző tétel
alapján
AA A
T T
T T
AT AAT ;
38
Óbudai Egyetem BGK Fejezetek a matematikából
bRn×1akkor aTR1×n és így már értelmezett az aTb mátrixszorzás. Eszerint az aRn és bRn
skaláris szorzata a következő
b1
b n
aT b a1 a2 ... an 2 ai bi
... i 1
bn
rendszerek megoldásánál, ezért emeljük ki külön. Legyen A aij Rn×k egy n×k-as mátrix és
x = [xj] Rk egy k-dimenziós vektor. Komponenseikkel felírva:
Mivel az An×k-as mátrix az x vektor pedig egy k×1-es mátrixnak tekinthető az Ax szorzat
értelmes, írjuk fel a szorzás eredményét.
Hangsúlyozzuk, hogy a szorzás eredménye ugyancsak egy n×1 méretű vektor, és ez a vektor nem
más, a szorzás értelmezése szerint, mint az A mátrix oszlopvektorainak lineáris kombinációja,
ahol az együtthatók éppen az x vektor koordinátái. Ugyanis gondoljuk végig, a szorzás során az
A mátrix első oszlopának komponenseit mindig az x1 koordinátával szorozzuk, a második
oszlopot x2-vel, stb.
Mivel a szorzás nem kommutatív, ki kell térnünk a fordított sorrendben vett mátrix-vektor
szorzásra is.
3. Sorvektor szorzása mátrixszal. Legyen A aij Rn×k egy n×k-as mátrix és x = [xj] Rn
egy n-dimenziós vektor. Ekkor értelmezve van az xTA vektor mátrix-szorzat
39
Óbudai Egyetem BGK Fejezetek a matematikából
T
a11 a12 ... a1k a11 x1 a21 x2 ... an1 xn
a a22 ... a2 k a12 x1 a22 x2 ... an 2 xn
xT A x1 x2 ... xn 21 R1k ;
... ... ... ... ...
an1 an 2 ... ank a1k x1 a2 k x2 ... ank xn
4. Vektorok diadikus szorzata. Két vektort nem csak úgy szorozhatunk össze, hogy a sorrendet
hangsúlyozva, sorvektort szorzunk oszlopvektorral, amikor is a két vektor koordinátáinak száma
egyenlő, hanem úgy is szorozhatunk, hogy oszlopvektort szorzunk sorvektorral. Ebben az esetben
azonban nem szükséges, hogy a koordináták száma megegyezzen.
AE = EA = A
Gondoljunk a valós számok halmazának 1R elemére (ahol 1 a valós számok halmazának
„egységeleme”) erre tetszőleges aR esetén teljesül, hogy a∙1 = 1∙a = a. Ennek mintájára
nevezzük E-t egységmátrixnak az Rn×n halmazban. Kérdés, hogy mik az elemei. A szorzás
definícióját felhasználva könnyen ellenőrizhető, hogy az
1 0 ... 0
0 1 .. 0
E ;
... ... ... ...
0 0 ... 1
40
Óbudai Egyetem BGK Fejezetek a matematikából
0 0 1 0
1 0 0 0
P ;
0 0 0 1
0 1 0 0
Derítsük ki ennek a mátrixnak a „hatását” ha vele balról vagy jobbról megszorzunk egy
negyedrendű mátrixot. Legyen
1 3 2 5
0 4 7 1
A ;
2 9 4 3
1 5 0 2
0 0 1 0 1 3 2 5 2 9 4 3
1 0 0 0 0 4 7 1 1 3 2 5
PA ;
0 0 0 1 2 9 4 3 1 5 0 2
0 1 0 0 1 5 0 2 0 4 7 1
1 3 2 5 0 0 1 0 3 5 1 2
0 4 7 1 1 0 0 0 4 1 0 7
AP ;
2 9 4 3 0 0 0 1 9 3 2 4
1 5 0 2 0 1 0 0 5 2 1 0
41
Óbudai Egyetem BGK Fejezetek a matematikából
Ennek megértéséhez semmi mást nem kell tennünk, mint felidézni, hogy egy sorvektorral balról
szorozva egy mátrixot, a mátrix sorainak lineáris kombinációját kapjuk. Ha pedig egy
oszlopvektorral jobbról szorzunk egy mátrixot, akkor a mátrix oszlopainak lineáris kombinációját
kapjuk.
1.15.Példa: Egy negyedrendű mátrix esetében, ha fel szeretnénk cserélni az 1. és 3. sort, akkor a
permutáló mátrix és a szorzás az előbbi példabeli A mátrixot használva a következő.
0 0 1 0 1 3 2 5 2 9 4 3
0 1 0 0 0 4 7 1 0 4 7 1
PA ;
1 0 0 0 2 9 4 3 1 3 2 5
0 0 0 1 1 5 0 2 1 5 0 2
42
Óbudai Egyetem BGK Fejezetek a matematikából
1.32.Definíció: Legyen A aij Rn×n egy négyzetes mátrix. A-hoz az alábbi definícióval
hozzárendelünk egy valós számot, amelyet az A mátrix determinánsának nevezünk
I P
det A A 1 a11 a22 ... ann
P
1.16.Példa: Az 1,2,3,4,5 egész számok egy permutációja a 2,5,3,1,4 sorozat. Ebben az alábbi
párokat írhatjuk fel az adott sorrendnek megfelelően: 2-5, 2-3, 2-1, 2-4, 5-3, 5-1, 5-4, 3-1, 3-4,
1-4. Azokat a párokat, amelyek inverziót – tehát a természeteshez képest fordított sorrendet –
jelentenek aláhúztuk. Tehát ebben a példában I = 5. Az összegzést az 1,2,3,…n számok összes
lehetséges permutációjára ki kell terjeszteni, ezek száma n!, azaz „n faktoriális”,
(n! = 1∙2∙3∙…∙n), ami azt jelenti, hogy a fenti „szummában” n! számú tag van. Ez már kis n
esetén is nagy szám: 2! = 2, 3! = 6, 4! = 24, 5! = 120,…stb. Ez mutatja, hogy a determináns
kiszámítása már nem túl nagy méretek esetén is elég nehézkes, nagyon nagy n esetén még egy
számítógépnek is komoly feladat a számítás elvégzése. Mivel azonban néha gép nélkül is ki kell
tudnunk számolni egy determináns értékét ezért kidolgoztak olyan tételeket, amelyek
segítségével a számítás könnyebben kivitelezhető.
a a
Legyen A 11 12 . Ekkor detA = a11∙a22 – a12∙a21
a21 a22
Az összegzés az 1,2 számok összes lehetséges permutációjára kiterjed: P = {(1,2); (2,1)}. Nézzük
az elemek „második indexeit”. Az első tagban az indexek sorrendje 1,2 itt nincs inverzió, I = 0,
(–1)0=1, a másodikban pedig 2,1 itt az inverziók száma I = 1, (–1)1= –1. Ezzel igazoltuk a
„kifejtés” helyességét. A számítást könnyű megjegyezni: a főátlóbeli elemek szorzatából
kivonjuk a „mellékátló”-beli elemek szorzatát. Fontossága miatt egyszerűbb jelölésekkel is
felírjuk a determinánst.
a b
ad bc;
c d
43
Óbudai Egyetem BGK Fejezetek a matematikából
Ha most a szorzatokban szereplő tényezők második indexeit vizsgáljuk, akkor ezek a következők:
(1,2,3); (2,3,1); (3,1,2); (1,3,2); (2,1,3); (3,2,1). Látható, hogy ezzel megkaptuk 3 db szám összes
lehetséges permutációit, és az is ellenőrizhető, hogy ezen permutációkban az inverziók száma
rendre a következő: 0, 2, 2, 1, 1, 3. Tehát az első három tag esetében páros számú a következő
három tag esetében pedig páratlan számú. Mivel a (–1) páros kitevőjű hatványa +1, páratlan
kitevőjű hatványa pedig –1, ez már indokolja is a determináns kifejtésében szereplő tagok
előjelét.
majd a kapott sémát kifejtjük a következő módon. Az ábrán folytonos vonallal jelölt „átlók”
mentén álló komponenseket összeszorozzuk, majd a szorzatokat összeadjuk, majd ebből kivonjuk
a szaggatott vonalak mentén álló komponensek szorzatait. Ha a szorzásokat elvégezzük akkor jól
láthatóan rendre a definíció alapján adódó hat tagot kapjuk előjelhelyesen.
1 3 2 1 3 2 1 3
2 1 3 2 1 3 2 1 6 36 20 8 15 36 19;
4 5 6 4 5 6 4 5
A kifejtést lehetővé tevő általános tétel megfogalmazásához szükség van még egy fogalomra.
44
Óbudai Egyetem BGK Fejezetek a matematikából
Tehát azAij valós számot úgy kapjuk, hogy az A mátrixból elhagyjuk az i-edik sort és a j-edik
oszlopot, a kapott (n–1)-ed rendű mátrixnak (amelyet szokás almátrixnak vagy minornak
nevezni) kiszámítjuk a determinánsát, és azt megszorozzuk (–1) „annyiadik” hatványával
amennyi a sorindex és oszlopindex összege. Az előjeles aldeterminánst szokás
adjungáltaldeterminánsnak is nevezni.
...
...
...
... ... ... ...
A séma nyilván tetszőleges méretig általánosítható. A lényeg, hogy a bal felső sarokban + jel
van, a többi pedig a sakktábla sötét és világos mezőinek megfelelően váltakozik.Ezek után
következhet a determinánsok kiszámítására vonatkozó alaptétel.
n
kifejtés az i-edik sor szerint : det A aij Aij ai1 Ai1 ai 2 Ai 2 ... ain Ain ;
j 1
n
kifejtés a j -edik oszlop szerint : det A aij Aij a1 j A1 j a2 j A2 j ... anj Anj ;
i 1
A bizonyítást későbbre halasztjuk, amikor már a kezünkben van a determináns, néhány kifejtési
tételtől független tulajdonsága.
45
Óbudai Egyetem BGK Fejezetek a matematikából
2. Kifejtés a j-edik oszlop szerint: Kiválasztunk egy tetszőleges oszlopot, ennek az oszlopnak
minden komponensét megszorozzuk a hozzátartozó előjeles aldeterminánssal és ezeket a
szorzatokat összegezzük.
A tételben benne van, hogy a számítás eredménye független attól, hogy melyik sort illetve
oszlopot választjuk, továbbá attól is, hogy sor vagy oszlop szerint fejtjük ki a determinánst.
Mindig úgy választunk, hogy a számítás a legegyszerűbb legyen.
a11 a12
a11 A11 a12 A12 a11a22 a12 a21 ; ugyanis a sakktábla
a21 a22
1.21.Példa: Fejtsük ki a 3×3-as mátrix determinánsát az első sor szerint és mutassuk meg, hogy a
definícióval egyező eredményt kapunk.. Az előjelezésnél vegyük alapul a sakktábla szabályt.
Látható, hogy valóban a korábbival egyező eredményt kapunk, ugyanaz a 6 tag jelenik meg az
összegben csak esetleg más sorrendben.
A 3×3-as determináns kifejtésénél tehát felhasználtuk a már ismert 2×2-es determinánst, és így
tovább a 4×4-es determinánsnál fel kell használni, hogy ismerjük a 3×3-ast, hiszen egy 4×4-es
kifejtésénél adódik 4 db 3×3-as aldetermináns. A módszer innen világos, azonban mégsem
alkalmazzuk közvetlenül ezt a módszert. Ugyanis nagyon sok számítással jár, és különösen ha
fejben számolunk, sok a hibalehetőség. Egy 4×4 –es determináns kifejtésénél ugyanis szükség
van 4 db 3×3-as determninánsra, és mind a 4 db 3×3-as determinás esetén szükség van 3 db 2×2-
es determinánsra. Ennél „rosszabb” a helyzet, ha nagy méretű mátrixok determinánsát számítjuk
ki. Ezen probléma megkerülésére igazolunk az alábbiakban néhány tételt, amely megkönnyíti a
determinánsok kiszámítását.
det Α det AT
Bizonyítás:Azt kell igazolni, hogy
46
Óbudai Egyetem BGK Fejezetek a matematikából
I P I Q
det A 1 a11 a22 ... ann 1 a11 a2 2 ... ann det AT
P Q
ahol P és Q az {1, 2, ..., n} halmaz egy-egy permutációját jelöli. Az egyenlőség azért igaz, mert a
bal oldali összeg minden tagjához hozzárendelhető a jobboldali összegnek pontosan egy tagja
előjelhelyesen. ■
1.19.Tétel: Ha az A mátrix egy sorának minden komponense zérus, akkor a determinánsa zérus.
Bizonyítás: A determináns definíciója szerinti
összeg minden egyes tagjában pontosan egy tényező szerepel az adott sorból, és ez a tényező
zérus, tehát az összeg zérus. ■
1.20.Tétel: Ha egy determináns két sorát felcseréljük, akkor a determináns előjelet vált.
Bizonyítás: Ha az i-edik és a j-edik sort felcseréljük (pl. i<j) akkor azt kell igazolnunk, hogy
teljesül a
I P I P '
1 a11 ... aii ... a j j ... ann 1 a11 ... a j j ... aii ... ann
P P'
egyenlőség, ahol
P 1,..., i ,..., j ,..., n és
P ' 1,..., j ,..., i ,..., n . Mindkét
összegben a szorzatokat tudjuk úgy párosítani, hogy a tényezői megegyeznek, de a szorzat
ellentétes előjelű. Ugyanis csak azt kell meggondolni, hogy az inverziók száma mindig páratlan
számmal változik, ugyanis a P-ből P'-t úgy kapjuk, hogy az i-edik és a j-edik elemeket
megcseréljük, azaz I(P') = I(P) + egy páratlan szám. ■
1.21.Tétel: Ha egy mátrixban két sor elemenként megegyezik, akkor a mátrix determinánsa
zérus.
Bizonyítás: Cseréljük fel a két sort. Ekkor az előző tétel szerint az előjelnek meg kell változni,
ugyanakkor nem változik, mert két azonos sort cseréltünk fel. Eszerint a determináns értéke csak
nulla lehet. ■
1.22.Tétel: Ha egy mátrix egy sorának minden elemét megszorozzuk ugyanazzal az α valós
számmal, akkor a mátrix determinánsa is α-val szorzódik. Azaz
47
Óbudai Egyetem BGK Fejezetek a matematikából
Bizonyítás: Fejtsük ki a determinánst az adott sor szerint, ekkor minden tagban szerepel az α
szorzótényező, tehát a determináns valóban α-val szorzódik. ■
1.23.Tétel: Ha egy n-ed rendű A mátrixot szorzunk egy α skalárral, akkor a skalárszorzással
kapott mátrix determinánsa az eredeti determinánsnak és az α n-edik hatványának a szorzata,
azaz
Bizonyítás: Alkalmazzuk az előző tételt minden sorra. Minden sor α-val történő szorzásakor a
determináns szorzódik α-val. Mivel ezt elismételjük mind az n db sorra, valóban azt kapjuk, hogy
a determináns αn-nel szorzódik.
Az állítást a determináns definíciója alapján úgy is igazolhatjuk, hogy a determináns kiszámítása
során az összeg minden tagját úgy kapjuk, hogy minden sorból és minden oszlopból veszünk
pontosan egy elemet és ezeket összeszorozzuk. Világos, hogy ha minden sort szorzunk α-val,
akkor a szorzatok αn-nel szorzódnak. ■
1.24.Tétel: Ha egy mátrixban egy sor elemei úgy állnak elő, hogy egy másik sor elemeit
szorozzuk ugyanazzal az α valós számmal, akkor a mátrix determinánsa zérus.
Bizonyítás: Az előző tétel szerint egy ilyen mátrixnak a determinánsa α-szorosa azon mátrix
determinánsának, amelyben két sor megegyezik, de ez utóbbiról tudjuk, hogy értéke zérus. ■
1.25.Tétel: Ha egy mátrix i-edik sorának minden eleme két tag összegeként áll elő, aij = a’ij + a”ij
akkor a mátrix determinánsa egyenlő két determináns összegével, melyek az i-edik sor
kivételével megegyeznek az eredeti determinánssal, i-edik sorukban pedig rendre az a’ij illetve az
a”ij elemek vannak. Azaz
a11 a12 ... a1n a11 a12 ... a1n a11 a12 ... a1n
... ... ... ... ... ... ... ... ... ... ... ...
det a 'i1 a "i1 a 'i 2 a "i 2 ... a 'in a "in det a 'i1 a 'i 2 ... a 'in det a "i1 a "i 2 ... a "in ;
... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2 ... ann an1 an 2 ... ann an1 an 2 ... ann
Bizonyítás: Fejtsük ki a determinánst az i-edik sora szerint, majd alkalmazzuk a valós számok
halmazában érvényes disztributív és kommutatív törvényt. ■
48
Óbudai Egyetem BGK Fejezetek a matematikából
1.27.Tétel: Ha egy mátrix egyik sora a többi sorok lineáris kombinációja, akkor a mátrix
determinánsa zérus.
Bizonyítás: A linearitásból következik, hogy ebben az esetben a mátrix előáll annyi determináns
lineáris kombinációjaként, ahány tagú az adott sorbeli lineáris kombináció, és ezekben a
determinánsokban megegyezik két sor, tehát ezen determinánsok értéke külön-külön zérus. ■
1.28.Tétel: Egy determináns értéke nem változik meg, ha egy sorának α-szorosát (αR) egy
másik sorához adjuk. Tehát ha a j-edik sor α-szorosát az i-edik sorhoz adjuk, akkor
a1T a1T
... ...
aT a T
j j
det ... det ... ;
T
ai aTj aiT
... ...
aT a T
n n
Bizonyítás: Felhasználva a linearitást, valamint azt, hogy egy determináns zérus ha két sora
megegyezik, írhatjuk, hogy
49
Óbudai Egyetem BGK Fejezetek a matematikából
Az említett tételek birtokában már könnyen igazolhatjuk a kifejtési tételt. Hangsúlyozzuk, hogy a
fenti tételek bizonyítása során nem használtuk a kifejtési tételt, hanem a detrmináns definíciójára
támaszkidtunk.
A Kifejtési tétel bizonyítása: A determináns sor szerinti linearitására támaszkodva, egy n-ed
rendű determináns esetében nyilvánvaló a következő egyenlőség
a11 a12 ... a1n a11 a12 ... a1n a11 a12 ... a1n a11 a12 ... a1n
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
ai1 ai 2 ... ain ai1 0 ... 0 0 ai 2 ... 0 ... 0 0 ... ain ;
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2 ... ann an1 an 2 ... ann an1 an 2 ... ann an1 an 2 ... ann
Ha itt figyelembe vesszük az előjeles aldetermináns fogalmának értelmezését akkor látjuk, hogy
kifejtve az egyes determinánsokat majd ezeket összeadva éppen a
n
det A aij Aij ai1 Ai1 ai 2 Ai 2 ... ain Ain
j 1
2 3 1
4 0 3 ?
2 3 6
50
Óbudai Egyetem BGK Fejezetek a matematikából
Az első sor szerint kifejtve, figyelembe véve a sakktábla szabályt kapjuk, hogy
2 3 1
0 3 4 3 4 0
4 0 3 2 3 1 2 0 9 3 24 6 12 0 120;
3 6 2 6 2 3
2 3 6
2 3 1
4 3 2 1 2 1
4 0 3 3 0 3 3 24 6 0 6 2 3 6 4 120;
2 6 2 6 4 3
2 3 6
A két eredmény természetesen egyenlő. A második példában, a teljesség kedvéért kiírtuk a zérus
tagot is, de természetesen erre nincs szükség. A két kifejtés összehasonlításával azt szeretnénk
hangsúlyozni, hogy ha a kifejtési tételt alkalmazzuk és a determinánsban vannak nulla
komponensek, akkor célszerű olyan sor vagy oszlop szerint kifejteni a determinánst amelyben a
legtöbb nulla komponens van.
1 2 1 3 1 2 1 3
1 6 8 0 13 12
2 3 4 2 0 1 6 8
4 2 4 0 26 20
1 2 3 1 0 4 2 4
1 7 4 1 7 4
3 7 4 5 0 1 7 4
13 12
13 20 12 26 52;
26 20
A számítások a következők voltak: az első lépésben az első sornak rendre a 2, (–1) és 3-szorosát
levontuk a 2., 3. és 4. sorból. Ennek eredménye, hogy az első oszlopban egy kivétellel minden
komponens zérus lett. Ezután kifejtettük a determinánst az első oszlop szerint. A kapott
harmadrendű determinást is így alakítottuk tovább. A harmadik sort változatlanul hagyva, ezen
sor rendre (–1) és 4-szeresét kivontuk rendre az 1. és 2. sorból, így ismét az első oszlopban, egy
kivétellel minden komponens zérus lett. A kapott determinánst kifejtettük az első oszlop szerint.
Ez már csak egy másodrendű determináns, amelyet közvetlenül kiszámítottunk.
2 1 3 1 2 1 3 1
2 2 4
0 1 1 1 2 2 4 0
1 3 1 5
1 0 2 1 3 1 5 0
5 0 5
1 2 1 2 5 0 5 0
51
Óbudai Egyetem BGK Fejezetek a matematikából
4 06
4 6
3 15 20 30 10
5 5
5 0 5
1.29.Tétel: Egy háromszög mátrix (alsó vagy felső háromszögmátrix) determinánsa a főátlóbeli
komponensek szorzata. Tehát
Bizonyítás: A determináns értéke definíció szerint olyan szorzatok összege, amely szorzatok úgy
adódnak, hogy minden sorból és oszlopból kiválasztunk pontosan egy komponenst, majd ezeket
összeszorozzuk. Azt állítjuk, hogy egy háromszögmátrix determinánsának kifejtése során az n!
szorzat közül n! – 1 db zérus, és csak egy tag különbözik 0-tól, mégpedig az a tag, amely a
főátlóbeli komponenseket tartalmazza. Valóban, egy felső háromszögmátrix esetén induljunk az
utolsó sorból. Ebben csak egy tag különbözik zérustól, az ann komponens, válasszuk tehát ki ezt.
Ha ennek sorát és oszlopát elhagyjuk, akkor a maradék almátrixból ismét csak a jobb alsó
sarokbeli elemet választhatjuk, mert csak ez különbözik zérustól, tehát szorzunk an–1,n–1 elemmel.
Így folytatva tovább, valóban a főátló elemeinek szorzatát kapjuk. Ha alsó háromszögmátrixunk
van ugyanezt az eljárást követjük de a bal felső sarokból indulva. ■
1 2 1 0 1 2 1 0 1 2 1 0
2 5 3 4 0 1 1 4 0 1 1 4
11 3 (6) 18;
1 1 5 1 0 3 6 1 0 0 3 11
2 3 1 2 0 1 1 2 0 0 0 6
A műveletek a következők voltak. Először az első sor 2, (–1) és (–2)-szeresét levontuk rendre a
2., 3. és 4. sorból. Ezután a 2. sor 3 és 1-szeresét levontuk rendre a 3. és 4. sorból. A kapott
mátrix felső háromszögmátrix. determinánsa a főátlóbeli komponensek szorzata.
det(AB) = detA∙detB.
52
Óbudai Egyetem BGK Fejezetek a matematikából
I Q
det C 1 b11 b2 2 ... bnn det A det B det A
Q
n
aik Ajk ai1 Aj1 ai 2 Aj 2 ... ain Ajn ; i j
k 1
n
aik Ajk ai1 Aj1 ai 2 Aj 2 ... ain Ajn 0; ha i j
k 1
Bizonyítás: A ferde kifejtés definíciójában szereplő összeget akkor kapunk, ha egy olyan mátrix
determinánsát fejtjük ki az i-edik sor szerint, amelyben az i-edik és a j-edik sor megegyezik.
Valóban mivel két sor megegyezik a determináns értéke egyrészt nulla, másrészt ha kifejtjük a
j-edik sor szerint írhatjuk, hogy
... ... ... ... ... ... ... ... ... ...
ai1 ai 2 ai 3 ... ain ai1 ai 2 ai 3 ... ain
n n
0 ... ... ... ... ... ... ... ... ... ... a jk A jk aik A jk
ai1 ai 2 ai 3 ... ain a j1 a j 2 a j 3 ... a jn k 1 k 1
... ... ... ... ... ... ... ... ... ...
ugyanis a j-edik sor elemei rendre ugyanazok, mint az i-edik sor komponensei. Ha ennek a
mátrixnak a determinánsát kifejtjük a j-edik sor szerint az éppen azt jelenti, hogy az i-edik sor
komponenseivel szorozzuk a j-edik sorhoz tartozó aldeterminánsokat, ami azt jelenti, hogy
valóban egy ferde kifejtést kapunk. ■
53
Óbudai Egyetem BGK Fejezetek a matematikából
1.35.Definíció: Az ARn×n mátrix adjungáltja az az adjA-val jelölt n-ed rendű mátrix, amely i-
edik sorának j-edik eleme megegyezik az A mátrix aji eleméhez, tehát j-edik sora i-edik eleméhez
tartozó előjeles aldeterminánssal (tehát az adjungált aldeterminánssal)
T
A11 A12 ... A1n A11 A21 ... An1
A A22
... A2 n A A22 ... An 2
adjA 21 12 ;
... ... ... ... ... ... ... ...
An1 An 2 ... Ann A1n A2 n ... Ann
det(adjA) = (detA)n–1
ugyanis, ha az i-edik sort szorozzuk a j-edik oszloppal úgy hogy i ≠ j akkor éppen egy ferde
kifejtést kapunk, ami zérus, ha viszont az i-edik sort szorozzuk az i-edik oszloppal akkor a
determináns kifejtését kapjuk. A kapott mátrix egy háromszögmátrix, melynek determinánsa a
főátlóbeli komponensek szorzata. Ebből már következik az állítás, ugyanis
det(A adjA) det A det adjA det A ; ahonnan det adjA det A
n n1
;
54
Óbudai Egyetem BGK Fejezetek a matematikából
Ez a tétel lehetőséget ad arra, hogy bevezessünk egy jelölést a mátrix rangjára, hiszen mindegyik
fogalom ugyanazt az értéket adja: Az A mátrix rangjátρ(A) jelöli.
Az elemi bázistranszformáció kiváló lehetőséget biztosít egy mátrix rangjának
meghatározására. A legegyszerűbb, ha az oszloprangot kérdezzük. A mátrix oszlopvektorai közül
annyit, amennyit csak lehet, egyenként beviszünk a bázisba, a rang egyenlő azon vektorok
számával, amelyeket bevittünk a bázisba.
Mindhárom fogalom használható az általános esetben is, amikor a mátrix sorainak száma nem
egyezik meg az oszlopok számával.
55
Óbudai Egyetem BGK Fejezetek a matematikából
A∙X = B
A–1∙A∙X = A–1∙B
E∙X = A–1∙B
X = A–1∙B
1.41.Definíció: Adott az ARn×n négyzetes mátrix. Ha létezik olyan CRn×n mátrix amelyre
CA = E teljesül, akkor C-t az A mátrix baloldali inverzének nevezzük.
Mivel a szorzás nem kommutatív, azt gondolhatnánk, hogy ha létezik ilyen C és D akkor azok
különböznek. De a válasz nemleges.
1.34.Tétel: Ha az ARn×n mátrixnak létezik jobboldali (baloldali) inverze, akkor létezik baloldali
(jobboldali) inverze is, és azok egyenlők: C = D.
56
Óbudai Egyetem BGK Fejezetek a matematikából
Bizonyítás: Tegyük fel, hogy létezik C baloldali inverz és D jobboldali inverz, azaz teljesül,
hogyCA = E és AD = E. Szorozzuk meg az első egyenlőséget jobbról a D mátrixszal a másodikat
pedig balról a C mátrixszal. Azt kapjuk, hogy
CAD = ED = D és CAD = CE = C
Mivel a bal oldalak egyenlők, a jobb oldalaknak is egyenlőknek kell lenni, tehát C = D. Mivel
egyenlők, ha az egyik létezik, nyilván létezik a másik is. ■
A–1A = AA–1 = E
Ebből adódik, hogy detA = 0 nem lehetséges, tehát ha az A mátrixnak létezik inverze, akkor
szükségképpen detA ≠ 0. Másképpen fogalmazva ha detA = 0, akkor nem létezik inverz, vagyis
szinguláris mátrix nem invertálható. A detA ≠ 0 feltétel elégségessége pedig a későbbiek során
derül ki, amikor ezen feltétel mellett konstruktív eljárást adunk az inverz meghatározására. ■
det A 1
1
det A
;
Bizonyítás: Az állítás az előző tétel bizonyítása során felírt detA·detA–1 = detE = 1 egyenlőség
közvetlen következménye. ■
(AB)–1 = B–1A–1
57
Óbudai Egyetem BGK Fejezetek a matematikából
n
aij Aij ai1 Ai1 ai 2 Ai 2 ... ain Ain A
j 1
n
aij Akj ai1 Ak1 ai 2 Ak 2 ... ain Akn 0
j 1
1.38.Tétel: Ha az ARn×n négyzetes mátrix nemszinguláris, tehát detA ≠ 0, akkor létezik inverze
és az előállítható az alábbi alakban
1 1
A 1 adjA adjA
det A A
58
Óbudai Egyetem BGK Fejezetek a matematikából
2 3
A ;
4 8
A11 8 A12 4
;
A21 3 A22 2
T
8 4 8 3
adjA ;
3 2 2 2
Mivel 2×2 méretű mátrixok gyakran előfordulnak a gyakorlatban, célszerű általánosan is felírni
egy másodrendű mátrix inverzét.
59
Óbudai Egyetem BGK Fejezetek a matematikából
a b
1.27.Példa: Határozzuk meg általánosan az A mátrix inverzét. Tegyük fel, hogy a
c d
mátrix reguláris, azaz determinánsa det A ad bc 0 . Ekkor létezik inverz. Az adjungált
mátrixhoz először előállítjuk az előjeles aldeterminánsokat. Ezek a következők
A11 d A12 c
;
A21 b A22 a
T
d c d b
adjA ;
b a c a
Ebből következően
a b 1 1 d b
Ha A , ha ad bc 0;
ad bc c a
akkor A
c d
1 2 1
A 0 3 2 ;
2 4 5
1 2 1
3 2 2 1
det A 0 3 2 1 2 15 8 2 4 3 7;
4 5 3 2
2 4 5
A mátrix tehát reguláris, létezik inverze. Az adjungált mátrixhoz szükség van kilenc darab
előjeles aldeterminánsra. Ezek a következők
3 2 0 2 0 3
A11 7 A12 4 A13 6
4 5 2 5 2 4
2 1 1 1 1 2
A21 14 A22 3 A23 8
4 5 2 5 2 4
2 1 1 1 1 2
A31 7 A32 2 A33 3
3 2 0 2 0 3
60
Óbudai Egyetem BGK Fejezetek a matematikából
T
7 4 6 7 14 7
adjA 14 3 8 4 3 2 ;
7 2 3 6 8 3
7 14 7
4 3 2 ;
1 1
A
7
6 8 3
61
Óbudai Egyetem BGK Fejezetek a matematikából
ahol az aijR valós számok az „együtthatók”, a biR valós számok a „jobboldalak”, és xj-k
pedig az ismeretlenek(i = 1,2,…n; j = 1,2,…k). Az általános esetben tehát van n db egyenlet és
ebben szerepel k db ismeretlen. Vezessünk be néhány jelölést és elnevezést. Legyen
Ax = b
Ez a felírás azon túl, hogy egyszerűbb, mint az eredeti, ötletet ad a megoldás módjára is. De
mielőtt ehhez hozzákezdünk, még egy elnevezés következik.
1.39.Tétel: Tegyük fel, hogy az ARn×n együtthatómátrix nemszinguláris, azaz létezik A–1
inverze. Ekkor az Ax = b lineáris egyenletrendszer megoldása x = A–1b.
62
Óbudai Egyetem BGK Fejezetek a matematikából
Ax = b
A–1Ax = A–1b
Ex = A–1b
x = A–1b
Felhívjuk azonban a figyelmet arra, hogy ez a módszer csak nagyon korlátozott körben, az alábbi
feltételek teljesülése esetén alkalmazható:
1. Az egyenletrendszerben ugyanannyi az ismeretlenek száma, mint az egyenleteké.
2. Az együtthatómátrix nemszinguláris, tehát létezik inverze.
Ezek a feltételek azonban biztosítják is a megoldhatóságot, és ekkor a megoldás egyértelmű.
1 2 1 x1 7
0 3 2 x 14 ;
2
2 4 5 x3 7
7 14 7
4 3 2 ;
1 1
A
7
6 8 3
x1 2 x2 3x3 x4 2
3x 2 x 2 x 3
1 2 4
x1 3x2 2 x3 x4 1
x1 x2 x4 0
63
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 3 1 1 1 3 0
1 1 3
3 2 0 2 3 1 0 5 1 3
5 1 4 2 5 50 0;
1 3 2 1 1 4 2 0 4 2
1 0 0
1 1 0 1 1 0 0 0
8 10 12 0
10 0 15 25
1
A 1 ;
50 20 0 5 25
2 10 3 25
8 10 12 0 2 58
10
0 15 25 3
1 1 1 35
xA b ;
50 20 0 5 25 1 50 45
2 10 3 25 0 23
1 1 2 19 0
AX B; ahol A 0 2 3 ; B 19 19 ; X ?
2 1 4 38 38
1 1 2 1 1 2
2 3
det( A) 0 2 30 2 3 19 0;
1 8
2 1 4 0 1 8
64
Óbudai Egyetem BGK Fejezetek a matematikából
5 6 7
6 8 3 ;
1 1
A
19
4 1 2
5 6 7 19 0 15 20
X A B 6 8 3 19 19 20 14 ;
1 1
19
4 1 2 38 38 7 3
Ugyanezen feltételek teljesülése esetén létezik még egy másik klasszikus módszer az
egyenletrendszer megoldására. Ezt mondja ki a következő állítás.
1.40.Tétel: (Cramer-szabály)
Tegyük fel, hogy az ARn×n együtthatómátrix nemszinguláris, azaz detA ≠ 0. Ekkor az Ax = b
lineáris egyenletrendszer megoldható a következő módon.Jelöljük azA együtthatómátrix
determinánsát D-vel, tehát detA = D, a feltevés szerintD ≠ 0, továbbá jelölje Dj annak a
mátrixnak a determinánsát amelyet az A együtthatómátrixból úgy kapunk, hogy abban aj-edik
oszlop helyére a jobboldal b vektorának komponenseit írjuk. Ekkor az egyenletrendszer
egyértelmű megoldása a következő
Dj
xj ; j 1, 2,...n
D
Szorozzuk meg az i-edik egyenletet minden i-re az Aij előjeles aldeterminánssal. Ekkor azt
kapjuk, hogy
ai1 Aij x1 ai 2 Aij x2 ... aij Aij x j ... ain Aij xn bi Aij ; i 1, 2,..., n;
n n n n n
x1 ai1 Aij x2 ai 2 Aij ... x j aij Aij ... xn ain Aij bi Aij ;
i 1 i 1 i 1 i 1 i 1
65
Óbudai Egyetem BGK Fejezetek a matematikából
n
0 x1 0 x2 ... det A x j ... 0 xn bi Aij ;
i 1
A jobb oldal is emlékeztet bennünket egy determináns kifejtésére. Ez annak a mátrixnak az i-edik
oszlop szerinti kifejtése, amely A-ból úgy adódik, hogy annak i-edik oszlopa helyére a jobboldalt
írjuk. A bevezetett jelölésekkel tehát azt kapjuk, hogy Dx j D j ; j 1, 2,..., n. Éppen ezt kellett
igazolni. ■
3x1 2 x2 x3 5
2 x1 3x2 x3 1
2 x x 3x 11
1 2 3
3 2 1 5 2 1 3 5 1 3 2 5
D 2 3 1 12; D1 1 3 1 24; D2 2 1 1 24; D 2 3 1 36;
2 1 3 11 1 3 2 11 3 2 1 11
D1 24 D 24 D 36
x1 2; x2 2 2; x3 3 3;
D 12 D 12 D 12
Ebben a pontban tehát választ adunk a legáltalánosabb kérdésre, nem korlátozzuk semmilyen
módon az egyenletek és ismeretlenek számát. Először általánosan az inhomogén egyenletrendszer
megoldásával foglalkozunk, majd külön kitérünk a homogén rendszer megoldására.
66
Óbudai Egyetem BGK Fejezetek a matematikából
Ehhez az egyenletrendszert olyan alakban írjuk fel, amely a jelen vizsgálatokhoz jobban
megfelel. Ha felidézzük vektornak számmal való szorzásáról, valamint vektorok összeadásáról
tanultakat akkor világos, hogy az Ax = blineáris egyenletrendszer a következő ekvivalens
alakban is írható
Ezt a tételt most átfogalmazzuk egy szokásosabb formára. Tegyük fel hogy az együtthatómátrix
rangja r, tehát ρ(A) = r. Ez azt jelenti, hogy az oszlopvektorok közül kiválasztható r db lineárisan
független vektor. Ha a jobboldal előállítható az oszlopvektorok lineáris kombinációjával, akkor
előállítható az r db lineárisan független vektor lineáris kombinációjával is. Ha ekkor az r db
oszlopvektorhoz hozzávesszük a b vektort, a kapott (r + 1) elemű vektorrendszer lineárisan
összefüggő lesz, tehát az r+ 1 elemű vektorrendszer rangja szintén r. Jelölje (A│b) azt a k + 1
67
Óbudai Egyetem BGK Fejezetek a matematikából
oszlopú mátrixot, amelyet úgy kapunk, hogy az A mátrixhoz utolsó oszlopként hozzávesszük a b
vektort. Ezt a mátrixot kibővített mátrixnak nevezzük. Igazoltuk a következő állítást.
A = A1∙[Er │ D]
Ahol Er az r-ed rendű egységmátrix, a D pedig az ar+1, …ak vektorok előállításában szereplő
együtthatókat tartalmazza. Hasonló logikával,b is felírható az a1, a2, …ar oszlopvektorok
segítségével
b = A1d
egyenletrendszerrel, amiből
68
Óbudai Egyetem BGK Fejezetek a matematikából
[Er │ D]x = d
következik. Bontsuk fel az x vektort két részre. Az első r komponens vektora legyen xr, a
maradék s = k – r komponens vektora pedig xs. Ezzel a jelöléssel az előző egyenlet az
Erxr+ Dxs = d
alakot ölti. Mivel Erxr = xr, ezért átrendezéssel adódik az inhomogén egyenletrendszer
megoldása, más szóval a megoldóképlet
xr = d – Dxs
Ez a képlet a következőt fejezi ki. Ha a mátrix r rangja kisebb, mint az ismeretlenek k száma
akkor s = k – r db ismeretlen szabadon választható, tehát ebben az esetben az
egyenletrendszernek végtelen sok megoldása van. Az s db ismeretlen, amely szabadon
választható a szabad ismeretlenek, a többi r db ismeretlen pedig a kötött ismeretlenek. Az s
egész számot az egyenletrendszer szabadságfokának nevezzük.Ha r = k, akkor s = 0, és ez azt
jelenti, hogy az egyenletrendszer megoldása egyértelmű.
xr = d – Dxs
x + y + z + t = 10
x – y + 2z – t = 1
x + 3y + 3z =19
3x + y + 4z + t = 21
69
Óbudai Egyetem BGK Fejezetek a matematikából
B x y z t b y z t b y t b y b
x 1 1
1 1 10 1 1 1 10 3 3 19 3 8
z 1 1 2 1 1 2 1 2 9 2 2 9 2 9
t 1 3 3 0 19 2 2 1 9 6 3 27 2 9
3 1 4 1 21 2 1 2 9 0 0 0 0 0
x – 3y = –8;
z + 2y = 9;
t + 2y = 9;
yR tetszőleges.
Innen látható, hogy az egyenletrendszernek végtelen sok megoldása van, y a szabad ismeretlen
x, z, t pedig a kötött ismeretlenek. Ha a redukált egyenletrendszert átrendezzük a kötött
ismeretlenekre akkor kapjuk az általános megoldást
x = 3y – 8;
z = – 2y + 9;
t = – 2y + 9;
yR tetszőleges.
x 3u 8 8 3
y u 0
u 1 ; uR
z 2u 9 9 2
t 2u 9 9 2
Adjunk meg egy partikuláris megoldást. Legyen most például y = 3. Ekkor kapjuk a
következőpartikuláris megoldást: x=1, y=3, z=3, t=3.
70
Óbudai Egyetem BGK Fejezetek a matematikából
x1 x2 4 x4 3
x x 3x 1
2 3 4
x1 2 x2 3x3 5 x4 0
3x1 x2 4 x3 5
B x1 x2 x3 x4 b x2 x3 x4 b x3 x4 b
x 1 1 0 4 3 1 0
1 4 3 1 1 2
x2 0 1 1 3 1 1 1 3 1 1 3 1 ;
1 2 3 5 0 3 3 9 3 0 0 0
3 1 4 0 5 4 4 12 4 0 0 0
x1 x3 x4 2
x2 x3 3x4 1
Ami a megoldás megadása előtt kijelenthető. Az együtthatómátrix rangja 2, azaz két lineárisan
független oszlopvektora van, ezek például az a1 és a2 oszlopvektorok. Mivel az ismeretlenek
száma k = 4, és a rang ρ = 2, a rendszer szabadságfoka s = 4 – 2 = 2, tehát két ismeretlent
szabadon választhatunk. A fentiek szerint a szabad ismeretlenek ebben az esetben az x3 és x4
ismeretlenek, az x1 és x2 pedig a kötött ismeretlenek. Az általános megoldást akkor kapjuk, ha a
redukált rendszerből kifejezzük a kötött ismeretleneket a szabad ismeretlenekkel. Eszerint az
általános megoldás
x1 2 x3 x4
; x3 , x4 R
x2 1 x3 3 x4
71
Óbudai Egyetem BGK Fejezetek a matematikából
Adjunk meg egy partikuláris megoldást is. Legyen például u = 2, v = –1. Ekkor
2 1 1 1
1 1 3 6
xp 2 ;
0 1 0 2
0 0 1 1
5 x1 x2 2 x3 x4 7
2 x1 x2 4 x3 2 x4 1
x 3x 6 x 5 x 0
1 2 3 4
B x1 x2 x3 x4 b x1 x3 x4 b x1 x3 b
x 5 1 2 1 7 7
4 6 1 8 7 6 8 ;
x2 2 1 4 2 1 2 4 2 1 12 8 15
e3 1 3 6 5 0 7 6 1 3 0 0 5
Értékeljük a számítások eredményét. A táblázat utolsó egységéből látszik, hogy a jobboldal nem
kompatibilis az együtthatómátrix oszlop vektorterével, tehát az egyenletrendszernek nem
létezik megoldása. Szemléletesen azt látjuk, hogy a 3. egyenlet alakja 0 = –5, ami nyilván nem
igaz. Konkrétabban az együtthatómátrix rangja 2, azaz r = ρ(A) = 2, azonban, ha a mátroxot
kibővítjük a b vektorral, akkor a kibővített mátrix rangja 3, vagyis ρ(A│b) = 3, nem teljesül tehát
a ρ(A│b) = ρ(A) feltétel. Az A együtthatómátrix a2 és a4 oszlopvektora lineárisan független, az
a1 és a3 ezektől lineárisan függ, a kapcsolat a táblázat alapján az
összefüggésekkel adható meg. Azonban a jobboldal előállításához szükség van a standard bázis
e3 egységvektorára is. A táblázat alapján
72
Óbudai Egyetem BGK Fejezetek a matematikából
Megoldandó az
lineáris egyenletrendszer. Az előző pont minden megállapítása érvényes erre az esetre is, így
nincs más dolgunk, mint az általános eredményt megfogalmazni erre a speciális alakú
egyenletrendszerre.
xr = – Dxs
A triviálistól eltérő partikuláris megoldást úgy kaphatunk, hogy a szabad ismeretlenek közül
legalább egynek 0-tól különböző értéket adunk, és az általános megoldás egyenleteiből a kötött
ismeretleneket kiszámítjuk.
3x1 4 x2 5 x3 7 x4 0
2 x 3x 3x 2 x 0
1 2 3 4
4 x1 11x2 13x3 16 x4 0
7 x1 2 x2 x3 3x4 0
73
Óbudai Egyetem BGK Fejezetek a matematikából
B x1 x2 x3 x4 x2 x3 x4 x3 x4
3
4 5 7 17 2 19 2
10 0 0
x1 2 3 3 2 3 2 3 2 1 3 17 13 17 ;
x2 4 11 13 16 17 19 20 19 17 20 17
7 2 1 3 17 2 19 2 10 0 0
3 13
x1 x3 x4 0
17 17
; x3 , x4 R
x 19 x 20 x 0
2
17
3
17
4
A két szabad ismeretlen az x3 és x4, a kötött ismeretlenek pedig az x1 és x2. Megoldva a felírt
egyenleteket a kötött ismeretlenekre, kapjuk az általános megoldást.
3 13
x x x4
1
17
3
17
; x3 , x4 R
19
x x 20
x4
2
17
3
17
3 13 3 13
17 u 17 v 17 17
19 20 19 20
x u v u v ; u, v R
17 17 17 17
u 1 0
v 0 1
74
Óbudai Egyetem BGK Fejezetek a matematikából
3 13
17 17 23
19 20 21
x p 17 34 ; u, v R
17 17 17
1 0 34
0 1
AX = E
Axi = ei; i = 1, 2, …n
Kérdés, hogy mi a megoldhatóság feltétele. Mivel minden n-re meg kell oldanunk Axi = ei
egyenletrendszert, minden ei-nek kompatibilisnek kell lenni az A mátrix oszlopvektor-
rendszerével. Mivel az ei (i = 1, 2, …n) vektorok lineárisan függetlenek és n db van belőlük,
pontosan akkor oldható meg mindegyik egyenletrendszer, ha az A mátrix rangja ρ(A) = n
(a szabadságfok s = n – r = 0), tehát a mátrix nemszinguláris (detA ≠ 0). Ugyanazt a feltételt
kaptuk tehát, mint korábban. Ekkor egyértelmű a megoldás, tehát pontosan egy inverzmátrix
létezik.
75
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 1
A 1 1 5 ; A 1 ?
2 3 1
a1 a 2 a3 a1 a2 a3 a1 a 2 a3
a 1 2 1 1 0 0 1 0
1 1 1 0 0 1 1 3 0 2
2
a3 1 1 5 0 1 0 0 1 4 1 1 0 0 0 5 1 1 1
a 2 2 3 1 0 0 1 0 1 1 2 0 1 0 1 1 2 0 1
a1 a 2 a3
a 1 0 0 14 5 1 5 9 5
1
a3 0 0 1 15 1 5 1 5
a 2 0 1 0 9 5 1 5 4 5
14 1 9
9 1 4 .
1 1
A
5
1 1 1
76
Óbudai Egyetem BGK Fejezetek a matematikából
kibővített mátrixból. Az oszlopvektorok felett az ismeretlenek jelét nem tüntettük fel, világos,
hogy ezek rendre x1, x2, …, xn. Ezek feltüntetésére csak akkor van szükség, ha úgy adódik, hogy
oszlopcserére van szükség. Mivel azonban ez könnyen hibához vezethet, ha elfelejtjük az
ismeretleneket átrendezni, nem javasoljuk. Sorcserére azonban bármikor sor kerülhet, hiszen
ez csak annyit jelent, hogy megváltoztatjuk a rendszer egyenleteinek a sorrendjét, ami
nyilvánvalóan nem változtatja meg a megoldást. Induljunk ki a mátrix főátlójának első eleméből,
az a11 együtthatóból, ennek az elemnek a neve pivot elem. Tegyük fel, hogy ez nem zérus, ha
igen akkor sorcserével elérhetjük, hogy a bal felső sarokban nem nulla együttható álljon. Ezt az
együtthatót, és vele együtt az első sort, tehát az első egyenletet megtartjuk változatlan
formában, esetleg megszorozhatjuk egy nullától különböző számmal ha szükség van rá, és ennek
az egyenletnek, tehát az első lépésben az első sornak a többszöröseit levonjuk az összes többi
egyenletből, úgy hogy az első oszlopban minden együttható nullává váljon. Ez lényegében az
elimináció vagy más szóval kiküszöbölés. Ez ebben a lépésben annyit jelent, hogy az első
77
Óbudai Egyetem BGK Fejezetek a matematikából
Az alkalmazott jelölésben az (1) felső index azt jelenti, hogy az első lépésben kapott eredményt
adtuk meg. Az első sorban nem alkalmaztunk jelölésmódosítást, hiszen az első egyenletet
megtartottuk változatlanul. Kérdés, hogy hogyan juthatunk el ehhez a táblázathoz. Az ai1
a
(i = 2, 3, …, n)együtthatóból úgy lesz zérus, ha első egyenlet hi1 i1 -szeresét kivonjuk az
a11
i-edik (i = 2, 3, …, n) egyenletből. Ennek következménye az, hogy az együtthatók és
természetesen a jobb oldal is, az első lépés után a következőképpen alakulnak.
Mint látható, ebben a lépésben sem az első sem a második sorban nem történt változás. A felső
(2) index arra utal, hogy az eliminációs algoritmus második lépésében kapott eredményeket
tartalmazza a mátrix. Hogyan érhető el ez az eredmény. Úgy, hogy képezzük a második egyenlet
ai2
1
hi 2 1 -szeresét (i = 3, 4, …, n) és ezt kivonjuk az i-edik (i = 3, 4, …, n) egyenletből.
a22
Összefoglalva, a transzformáció a következő.
78
Óbudai Egyetem BGK Fejezetek a matematikából
1
aij aij i21 a2 j aij h2i a2 j ; bi bi hi 2b2 ; i 3, 4,..., n; j 2,3,..., n;
2 1 a 1 1 1 2 1 1
a22
2
Hasonlóan folytatjuk az eljárást. A következő pivot az a33 , ha ez nulla, akkor sorcserével
2
elérjük, hogy a főátló harmadik eleme zérustól különbözzön és azt tekintjük a33 -nak. Ezzel a
pivottal elérjük, hogy az x3 ismeretlen ne szerepeljen a 3-nál nagyobb indexű sorokban, tehát
elimináljuk az x3 ismeretlent a pivot alatti sorokból. És így tovább folytatjuk az eljárást addig,
amíg a főátló alatt minden együttható zérus nem lesz. Az eleimináció az n-edik lépés után tehát a
következő eredményt adja.
b
n
n
xn bn ; ahonnan xn n n ;
n
ann
ann
Ennek az osztásnak mindig van értelme, hiszen a pivot nulla nem lehet. Ha az xn ismeretlent
megkaptuk, akkor felfelé haladva a kapott háromszögmátrixban, az utolsó előtti egyenletből
megkapjuk az xn–1 ismeretlent.
79
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 2 x1 1
2 1 2 x 4 ;
2
4 1 4 x3 2
2 x3 4; x3 2;
3x2 2 x3 2; azaz 3x2 4 2; x2 2;
x1 x2 2 x3 1; azaz x1 2 4 1; x1 =1;
1 1 2 3 x1 1
3 1 1 2 x 4
2 ;
2 3 1 1 x3 6
1 2 3 1 x4 4
A megoldás a következő.
1 1 2 3 1 1 1 2 3 1 1 1 2 3 1
3 1 1 2 4 ~ 0 4 7 11 7 2. és 4. sorcsere 0 1 1 4 5 ~
2 3 1 1 6 0 1 5 7 8 0 1 5 7 8
1 2 3 1 4 0 1 1 4 5 0 4 7 11 7
80
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 2 3 1 1 1 2 3 1
4
0 1 1 4 5 0 1 1 5
~ ~ ;
0 0 6 3 3 0 0 6 3 3
0 0 3 27 27 0 0 0 25,5 25,5
Az eliminációs fázis véget ért, megkaptuk a felső háromszög mátrixot. A műveletek a következők
voltak. Az első lépésben, az első egyenlet 3-szorosát, 2-szeresét és 1-szeresét rendre levontuk a
2., 3. és 4. sorokból. Ezután alkalmaztunk egy sorcserét, mert a –4 bár elvileg tökéletes, de kézi
számításokhoz nem volt ideális pivot elem, egyszerűbb egyessel számolni. Ezután, a második
lépésben az második egyenlet 1-szeresét és –4-szeresét kivontuk rendre a 3. és 4. egyenletből.
Majd végül a 3. egyenlet 0,5-szeresét kivontuk a 4. egyenletből.
Következhet a visszahelyettesítési fázis. Ismét az utolsó, tehát most a 4. egyenlettel kezdünk,
fokozatosan haladunk felfelé és az 1. egyenletbe helyettesítünk utolsóként.
51 51
x4 ; x4 1;
2 2
6 x3 3x4 3; azaz 6 x3 3 3; x3 0;
x2 x3 4 x4 5; azaz x2 4 5; x2 1;
x1 x2 2 x3 3x4 1; azaz x1 1 3 1; x1 1;
1. Minden lépésben a pivot elemek sorait elosztjuk a pivot elemmel, így a főátlóban egyesek
lesznek.
2. Nem csak a pivot alatti, hanem a pivot fölött levő egyenletekből is kiküszöböljük az
ismeretleneket.
3. Az 1. és 2. lépés következtében nincs szükség visszahelyettesítési fázisra. Mivel az elimináció
eredménye abban az esetben, amikor a mátrix rangja megegyezik az ismeretlenek számával, egy
egységmátrix, így a megoldás azonnal leolvasható, ugyanis a kapott jobboldal komponensei
pontosan a megoldások.
1 3 5 7 x1 12
3
5 7 1 x2 0
;
5 7 1 3 x3 4
7 1 3 5 x4 16
A megoldás a következő.
81
Óbudai Egyetem BGK Fejezetek a matematikából
A címben említett két eset elvileg lényegében nem tér el egymástól, a lényeg abban áll, hogy a
mátrix rangja kisebb, mint az ismeretlenek száma. Ezekre az esetekre alkalmazható a klasszikus
Gauss-elimináció de használható a Gauss-Jordan eljárás is. A Gauss-elimináció alkalmazása
esetén az eliminációs fázis végeredménye általában az alábbi mátrix.
A lényeges különbség, hogy bár n db ismeretlen van, csak k db pivotelemet tudunk választani,
mindegy, hogy eredetileg hány egyenlet volt a rendszerben, az első k db marad meg – ezt persze
megelőzhetik sorcserék, az utána következő egyenletek mind eltűnnek, következményei az első k
db egyenletnek. Úgy is fogalmazhatunk, hogy a mátrix első k db sora lineárisan független, az
utána következő sorok az első k db sortól viszont lineárisan függenek. Az együtthatómátrix fenti
82
Óbudai Egyetem BGK Fejezetek a matematikából
3x1 2 x2 5 x3 4 x4 0;
3x1 x2 3x3 3x4 0;
3x 5 x 13x 11x 0;
1 2 3 4
3 2 5 4 3 2 5 4 3 2 5 4
3 1 3 3 ~ 0 3 8 7 ~ 0 3 8 7 ;
3 5 13 11 0 3 8 7 0 0 0 0
A rendszerben 4 ismeretlen van, de csak két pivot választására volt lehetőségünk. Ez azt jelenti,
hogy a mátrix rangja ρ = 2, és így a szabadságfok is s = 4 – 2 = 2.Mivel van szabad ismeretlen, az
x3 és x4, az egyenletrendszernek végtelen sok megoldása van, tehát van nemtriviális megoldás is.
A kötött ismeretlenek az x1 és x2 ismeretlenek, mivel a pivotok az 1. és 2. oszlopból lettek
kiválasztva. Ismét alulról felfelé haladva, kapjuk a rendszer általános megoldását. A különbség,
hogy a visszahelyettesítéses fázisban nem csak konstansokat helyettesítünk, hanem olyan
kifejezéseket, amelyek függenek a szabad változóktól.
8 7
3x2 8 x3 7 x4 0; x2 x3 x4 ;
3 3
8 7 1 2
3x1 2 x2 5 x3 4 x4 0; azaz 3x1 2 x3 x4 5 x3 4 x4 0; x1 x3 x4 ; x3 , x4 R
3 3 9 9
1 2 3 4 x1 4
0 1 1 1 x 3
2 ;
1 3 0 3 x3 1
0 7 3 1 x4 3
A megoldás a következő.
83
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 3 4 4 1 2 3 4 4 1 0 12 2
0 1 1 1 3 ~ 0 1 1 1 3 ~ 0 1 1 1 3
~
1 3 0 3 1 0 5 3 1 3 0 0 2 4 12
0 7 3 1 3 0 7 3 1 3 0 0 4 8 24
1 0 12 2 1 0 0 0 8
0 1 1 1 3 0 1 0 1 3
~ ~ ;
0 0 1 2 6 0 0 1 2 6
0 0 4 8 24 0 0 0 0 0
A rendszer négy ismeretlent tartalmaz, de csak három pivotot tudtunk választani, ami azt jelenti,
hogy a mátrix rangja ρ = 3. Ebből következően a szabadságfok s = 4 – 3 = 1. Egy szabad
ismeretlen van, ami célszerűen az x4, az első három oszlophoz tartozó ismeretlenek, tehát az x1, x2
és x3 a kötött ismeretlenek, mivel ezekből az oszlopokból választottuk a pivotokat.
A kapott sorredukált alakból felírható az általános megoldás.
x1 8; x1 8;
x2 x4 3; x2 3 x4 ; x4 R
x3 2 x4 6; x3 6 2 x4 ;
Mielőtt általánosan felírnánk a kérdéses alakot, egy konkrét példát vizsgáljunk meg.
Alkalmazzuk a Gauss-elimináció algoritmusát az
1 2 3
A 2 5 2 ;
3 1 2
A fentiekben részletesen bemutatott módszert alkalmazva több elemi lépésre bontva, megkapjuk
a sorredukált alakot, amely reguláris esetben felső háromszögmátrix.
84
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 3 1 2 3 1 2 3 1 2 3
2 5 2 ~ 0 1 4 ~ 0 1 4 ~ 0 1 4 ;
3 1 2 3 1 2 0 7 11 0 0 39
A számítás során a pivotokat megjelöltük, a főátló utolsó elemét is pivotnak tekintve.
1 0 0
L 21 2 1 0 ;
0 0 1
1 0 0 1 2 3 1 2 3
L 21A 2 1 0 2 5 2 0 1 4 ;
0 0 1 3 1 2 3 1 2
1 0 0
L211 2 1 0 ;
0 0 1
85
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 0 1 0 0 1 0 0
L 21L211 2 1 0 2 1 0 0 1 0 ;
0 0 1 0 0 1 0 0 1
1 0 0 1 0 0
L31 0 1 0 ; L32 0 1 0 ;
3 0 1 0 7 1
L32L31L21A U;
1 0 0 1 0 0 1 0 0 1 2 3 1 2 3
0 1 0 0 1 0 2 1 0 2 5 2 0 1 4 ;
0 7 1 3 0 1 0 0 1 3 1 2 0 0 39
Mielőtt tovább lépünk, vegyük észre, hogy ha például az L31 és L21 mátrixokat ebben a
sorrendben szorozzuk, akkor azt kapjuk, hogy
1 0 0 1 0 0 1 0 0
L1 L31L 21 0 1 0 2 1 0 2 1 0 ;
3 0 1 0 0 1 3 0 1
Ebben a szorzatban benne vannak az elimináció során alkalmazott szorzók, a szorzás során nem
jelent meg sehol egyetlen további komponens sem. Ez azt jelenti, hogy ezzel a szorzatmátrixszal
leírható az egész első oszlopot érintő eliminációs lépéssorozat. Ennek a mátrixnak az inverzét
ismét úgy kapjuk, hogy minden műveletet fordítva hajtunk végre, tehát minden főátló alatti
komponens előjelét megváltoztatjuk. Valóban igaz, hogy
1 0 0 1 0 0 1 0 0
L1L11 2 1 0 2 1 0 0 1 0 ;
3 0 1 3 0 1 0 0 1
86
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 0 1 0 0 1 0 0 1 0 0
L L211 L311 L321 2 1 0 0 1 0 0 1 0 2 1 0 ;
0 0 1 3 0 1 0 7 1 3 7 1
A LU;
1 2 3 1 0 0 1 2 3
2 5 2 2 1 0 0 1 4 ;
3 1 2 3 7 1 0 0 39
A kvadratikus és reguláris A mátrixot felbonthatjuk egy alsó L (lower), és egy felső U (upper)
háromszögmátrix szorzatára, ahol az alsó háromszögmátrix főátlójában egyesek állnak, azi-edik
sor j-edik eleme i>j esetén éppen a gauss eliminációnál alkalmazott hányados ellentettje, a főátló
felett minden komponens zérus. A felső háromszögmátrix pedig egy olyan mátrix melynek a
főátlójában éppen a pivot elemek állnak, a főátló alatt pedig minden komponens zérus.
1.43.Példa: Végezzük el az
1 1 2
A 2 1 2 ;
4 1 4
mátrix LU felbontását.
Ezzel az együtthatómátrixszal, az 1.38. példában már megoldottunk korábban egy lineáris
egyenletrendszert a Gauss-elimináció alkalmazása során. A példában az eliminációs lépéseknek
megfelelő elemi transzformációs mátrixok a következők voltak.
87
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 0 1 0 0 1 0 0
L 21 2 1 0 ; L31 0 1 0 ; L32 0 1 0 ;
0 0 1 4 0 1 0 1 1
1 0 0
L 2 1 0 ;
4 1 1
1 0 0 1 1 2 1 1 2
LU A; azaz 2 1 0 0 3 2 2 1 2 ;
4 1 1 0 0 2 4 1 4
1.44.Példa: Végezzük el az
1 1 2 3
3 1 1 2
A ;
2 3 1 1
1 2 3 1
1 0 0 0
0 0 0 1
P ;
0 0 1 0
0 1 0 0
88
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 0 0 1 1 2 3 1 1 2 3
0 0 0 1 3 1 1 2 1 2 3 1
PA ;
0 0 1 0 2 3 1 1 2 3 1 1
0 1 0 0 1 2 3 1 3 1 1 2
1 1 2 3 1 1 2 3 1 1 2 3 1 1 2 3
4
1 2 3 1 ~ 0 1 1 4 ~ 0 1 1 4 0 1 1
~ ;
2 3 1 1 0 1 5 7 0 0 6 3 0 0 6 3
3 1 1 2 0 4 7 11 0 0 3 27 0 0 0 25,5
Ha most figyelembe vesszük a sorcseréket az eliminációs lépéseknél alkalmazott hányadosok
meghatározásánál, akkor kapjuk a PA mátrix LU-felbontását.
1 0 0 0 1 1 2 3 1 1 2 3
1 1 0 0 0 1 1 4 1 2 3 1
LU PA; azaz ;
2 1 1 0 0 0 6 3 2 3 1 1
3 4 0,5 1 0 0 0 25,5 3 1 1 2
ha figyelembe vesszük, hogy a P permutációs mátrix ortogonális, akkor azonnal tudjuk, hogy
inverze a transzponáltja. Így kapjuk az A mátrix előállítását
A PTLU
Azonban vannak esetek, amikor elkerülhetetlen a sorcsere, mert a pivot elem helyén nulla áll, ami
nem lehetséges. Ilyenkor sorcserével tudjuk csak folyatatni az eliminációt. Lássunk egy ilyen
példát.
1.45.Példa: Végezzük el az
2 4 5
A 4 8 12 ;
6 13 18
89
Óbudai Egyetem BGK Fejezetek a matematikából
2 4 5 2 4 5 2 4 5
4 8 12 ~ 0 0 2 2. és 3. sorcseréje 0 1 3 ;
6 13 18 0 1 3 0 0 2
Mint látható, ebben az esetben elkerülhetetlen a jelzett sorcsere, mert az első lépés után a főátló
második eleme zérus, ami nem lehet pivot, ezért kellett sort cserélni. Ezen csere után már meg is
kaptuk a felső háromszögmátrixot. Ekkor szükségképpen alkalmazni kell tehát A soraira egy
permutációt, amelynek mátrixa
1 0 0
P 0 0 1 ;
0 1 0
1 0 0 2 4 5 2 4 5
PA 0 0 1 4 8 12 6 13 18 ;
0 1 0 6 13 18 4 8 12
2 4 5 2 4 5
6 13 18 ~ 0 1 3 ;
4 8 12 0 0 2
1 0 0 2 4 5 2 4 5
3 1 0 0 1 3 6 13 18 ;
2 0 1 0 0 2 4 8 12
1 0 0 1 0 0 2 4 5 2 4 5
P LU A;azaz 0 0 1 3 1 0 0 1 3 6 13 18 ;
T
90
Óbudai Egyetem BGK Fejezetek a matematikából
Ebben az esetben azonban az A nem bontható fel közvetlenül LU alakra, csak a sorcserékkel
kapott PAmátrix.
a11 a12 a13 ... a1n 1 0 0 ... 0 a11 a12 a13 ... a1n
1 1 1
a 0 0 a22 a23 ... a2 n
21 a22 a23 ... a2 n h21 1 0 ...
2
PA P a31 a32 a3n h31 h32 0 0 a3 n LU;
2
a33 ... 1 ... 0 a33 ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2
an3 ... ann hn1 hn 2 hn3 ... 1 0 n
0 0 ... ann
Ahol P a sorcseréket tekintetbe vevő permutáló mátrix, a hij konstansok, pedig a Gauss-
elimináció témakörében definiált hányadosok.
Ly = b,Ux = y
LY = B, UX = Y
91
Óbudai Egyetem BGK Fejezetek a matematikából
LY = E, UX = Y
egyenletrendszerek megoldásával.
1 1 2
A 2 1 2 ;
4 1 4
1 0 0 1 1 2 1 1 2
2 1 0 0 3 2 2 1 2 ;
4 1 1 0 0 2 4 1 4
Ezzel megkaptuk a mátrix inverzét. Mindkét rendszer megoldása egyszerűbb, mint a szokásos
esetben, mert az együtthatómátrix háromszögmátrix.
92
Óbudai Egyetem BGK Fejezetek a matematikából
u u1n
1 12 ...
d1 u12 ... u1n d1 0 ... 0 d1 d1
0 d
... u2 n 0 d 2 ...
0 u2 n
U 2
0 1 DU;
d 2
...
... ... ... ... ... ... ... ...
0 0 ... d n 0 0 ... d n ... ... ... ...
0 0 ... 1
Amint látható, a második tényező az eredeti U mátrixból úgy adódik, hogy annak i-edik sorát
elosztjuk az i-edik sorban álló pivot elemmel. Az egyszerűség kedvéért nem vezetünk be új
jelölést, a kapott háromszögmátrixot ugyancsak U jelöli. Elértük tehát a következőt, az U felső
háromszögmátrix faktorizálható úgy, hogy az első tényező egy diagonális mátrix, melynek
főátlójában éppen a pivotok állnak, a második tényező pedig egy olyan felső háromszögmátrix,
amelyben a főátlóban minden komponens 1-es. Ezzel az LU-felbontást a következő ekvivalens
alakban írhatjuk fel.
A = LDU;
A továbbiakban fontos szerepe van annak, hogy ez a három tényezős felbontás egyértelmű a
következő feltételek mellett.
Mivel egy alsó háromszögmátrix inverze ugyancsak alsó háromszögmátrix – ennek megértéséhez
utalunk a Gauss-elimináció mátrixos leírásánál tapasztaltakra –, és ugyanez igaz egy felső
háromszög mátrixra adódik, hogy bal oldalon állóL2–1L1 tényező alsó háromszögmátrixok
szorzata, ugyancsak olyan alsó háromszögmátrix, melynek főátlójában 1-esek állnak. Ha ezt
szorozzuk egy diagonális mátrixszal ugyancsak alsó háromszögmátrixot kapunk. Hasonlóan igaz
ez a jobb oldalra azzal a különbséggel, hogy ott felső háromszögmátrix áll. Ezek csak akkor
lehetnek egyenlők, ha mindkét oldalon csak a diagonálisban állnak nullától különböző elemek, ez
csak akkor következhet be ha a diagonális mátrixot egységmátrixszal szorozzuk, azaz teljesül,
hogy L2–1L1 = U2 U1–1 = E, ebből pedig egyrészt az következik, L1 = L2 és U1 = U2, ezek
következménye továbbá, hogy D1 = D2. ■
Ebből a tételből egy fontos állítást tudunk levezetni szimmetrikus mátrixok faktorizációjára
vonatkozólag.
93
Óbudai Egyetem BGK Fejezetek a matematikából
A = LDLT;
alakban, ahol L olyan alsó háromszög mátrix, amelynek főátlójában egyesek állnak, a D pedig
egy diagonális mátrix, melynek főátlójában a pivotok állnak.
Bizonyítás: Egyrészt világos, hogy ez a szorzat valóban szimmetrikus mátrixot értelmez.
Ugyanis
Ugyanis egy diagonális mátrix transzponáltja saját maga. Az előző tétel szerint ha létezik ilyen
előállítás, akkor az egyértelmű. Már csak azt kell igazolni, hogy U = LT. Ha A szimmetrikus,
akkor LDU felbontása is szimmetrikus mátrixot ad. Eszerint
2 4 2
A 4 6 8 ;
2 8 0
2 4 2 2 4 2 2 4 2
4 6 8 ~ 0 2 12 ~ 0 2 12 ;
2 8 0 0 12 2 0 0 70
Tekintettel az eliminációs lépésekre – a 2. sorból kivontuk az 1. sor 2-szeresét, a 3. sorhoz
hozzáadtuk az 1. sor 1-szeresét, majd a 3. sorhoz hozzáadtuk a 2. sor 6-szorosát –, az LDU-
felbontás a kezünkben van. A pivotokat minden lépésben szokás szerint megjelöltük.
94
Óbudai Egyetem BGK Fejezetek a matematikából
As = λs.
(A – λE)s= 0;
det(A – λE) = 0
95
Óbudai Egyetem BGK Fejezetek a matematikából
1. lépés: Megoldjuk a det(A – λE) = 0 sajátérték-egyenletet. Ez egy n-ed fokú algebrai egyenlet
az ismeretlen λ-ra. A megoldások a sajátértékek.
Ez a tétel azért fontos, mert a számítások eredményeképpen mindig végtelen sok megoldást
kapunk az s sajátvektorra vonatkozólag. Ezek egy konstans szorzóban különbözhetnek
egymástól. A tétel alapján ezek közül kiválaszthatunk egy tetszőlegeset és azt tekinthetjük
sajátvektornak az alkalmazások során.
1.46.Tétel: Egy adott λ sajátértékhez tartozó sajátvektorok lineáris alteret alkotnak Rn-ben.
Bizonyítás: Az 1.1. pont szerint azt kell igazolnunk, hogy sajátvektorok tetszőleges lineáris
kombinációja is sajátvektor. Legyen tehát s1 és s2 a λ sajátértékhez tartozó sajátvektor, és
legyenek α és β tetszőleges skalárok. Megmutatjuk, hogy ekkor s1 s2 is sajátvektor. Valóban,
mivel As1 s1 és As2 s2 ezért a disztributív törvény szerint
A s1 s2 As1 As2 As1 As2 s1 s2 s1 s2 ;
96
Óbudai Egyetem BGK Fejezetek a matematikából
ahol természetesen teljesül, hogy p1 p2 ... pm n . Ez a gyöktényezős alak tehát azt jelenti,
hogy az A mátrixnak van m db különböző sajátértéke, és a λi sajátérték a karakterisztikus
egyenletnek pi-szeres gyöke, más szóval a λi sajátérték algebrai multiplicitása pi. Az algebrai
multiplicitások összege természetesen n, a polinom foka, ugyanis az algebra alaptétele szerint egy
n-ed fokú polinomnak pontosan n db gyöke van a komplex számok halmazában. A gyökök, tehát
a sajátértékek lehetnek komplexek is, de multiplicitással számolva pontosan n db sajátérték van.
Több kérdés felmerül a vizsgált problémával kapcsolatban. Először is, az, hogy van-e valami
kapcsolat az algebrai és a geometriai multiplicitás között. Bizonyítás nélkül megfogalmazzuk az
ide vonatkozó alapvető eredményt.
97
Óbudai Egyetem BGK Fejezetek a matematikából
létezik nullától különböző együttható, legyen például β1 ≠ 0. Szorozzuk meg ezt a lineáris
kombinációt az A mátrixszal balról. Az adódik, hogy
Szorozzuk most meg az indirekt feltevést jelenő lineáris kombinációt a λn+1 sajátértékkel és
vonjuk ki egymásból a kapott két egyenletet. Azt kapjuk, hogy
n1 1s1 ... nsn n1sn1 11s1 ... n nsn n1 n1sn1
1 n1 1 s1 ... n n1 n s n 0;
Egy valós együtthatójú algebrai egyenletnek lehetnek komplex sajátértékei. Ekkor azonban
tudjuk, mivel valós együtthatójú az egyenlet, hogy a komplex gyökök párosával lépnek fel,
komplex gyök és konjugáltja. Ha tehát a C komplex sajátérték, akkor C is megoldás.
Világos, hogy ha a sajátértékek komplexek, akkor a sajátvektor meghatározására vonatkozó
egyenletrendszer komplex együtthatójú, tehát a sajátvektorok is komplexek. Kérdés, hogy van-e
valami kapcsolat ekkor a sajátvektorok között is. A válasz pozitív.
98
Óbudai Egyetem BGK Fejezetek a matematikából
Részletesen kifejtve a komplex sajátérték esetét a következőt mondhatjuk. Tegyük fel, hogy az A
mátrixnak a λ = α + iβ komplex sajátértéke. Mivel a mátrix valós, azonnal következik, hogy a
= α – iβ is sajátérték. Legyen s = u + iv a λ sajátértékhez tartozó komplex sajátvektor. A
bizonyított tétel szerint ekkor a sajátértékhez tartozó sajátvektor az s = u – iv komplex vektor.
1.50.Tétel: Ha s = u + ivaz A mátrix komplex sajátvektora, akkor azs komplex vektor valós és
képzetes része, tehát azuRn és vRn vektorok lineárisan függetlenek.
Bizonyítás: Mivel λ és különböző sajátértékek, ezért a hozzájuk tartozó s és s vektorok
lineárisan függetlenek. Mivel s = u + ivtovábbá s = u – iv ezért igaz, hogy
s s s s
u ; és v ;
2 2i
Láttuk, hogy két vektor lineáris összefüggősége egyenértékű azzal, hogy az egyik vektor
konstansszorosa a másiknak. Ebből már következik az állítás, hiszen látható, hogy az u és v
vektorokra ez nem igaz, egyik nem számszorosa a másiknak, tehát függetlenek. ■
Foglaljuk tehát össze milyen lehetőségeink vannak a sajátértékek számát és algebrai illetve
geometriai multiplicitását illetően. Tegyük fel, hogy ARn×n.
1. eset: Az A mátrixnak n db különböző sajátértéke van. Ekkor tudjuk, hogy minden egyes
sajátértékhez tartozik egy sajátvektor, és ezek lineárisan függetlenek. Ebben az esetben tehát van
n db lineárisan független sajátvektor. Minden sajátérték algebrai és geometriai multiplicitása
egyaránt 1.
b)A sajátérték algebrai multiplicitása kisebb, mint a geometriai multiplicitás. Ez azt jelenti,
hogy ekkor egyetlen sajátértékhez kevesebb lineárisan független sajátvektor tartozik, mint a
sajátérték multiplicitása. A többszörös sajátértékhez tartozó sajátaltér dimenziója tehát kisebb a
sajátérték algebrai multiplicitásánál. Ebben az esetben nem létezik n db lineárisan független
sajátvektor.
99
Óbudai Egyetem BGK Fejezetek a matematikából
5 1
A ;
3 3
A karakterisztikus mátrix
5 1 1 0 5 1
A E
3
;
3 3 0 1 3
A karakterisztikus polinom a
5 1
k det A E det 5 3 3 2 8 12
3 3
det(A E) 5 3 3 2 8 12 0
5 1 s1 0
3 3 s2 0
;
5 2 1 s1 3 1 s1 0
3 3 2 s2 3 1 s2 0
;
látszik, hogy a mátrix valóban szinguláris, a két sora megegyezik, tehát rangja 1.
Koordinátánként írva mindkét egyenlet ugyanaz, 3s1 s2 0, azaz s2 3s1 .Tehát az s1
sajátvektor a következő
t 1
s1 , t R \ 0 ; például s1 ;
3t 3
100
Óbudai Egyetem BGK Fejezetek a matematikából
5 6 1 s1 1 1 s1 0
3 3 6 s2 3 3 s2 0
;
Ismét látszik, hogy a kapott mátrix szinguláris, mert a második sor az első sor számszorosa, a
sorvektorok lineárisan összefüggenek, tehát a reng 1. Koordinátánként írva, egy állandó szorzótól
eltekintve, mindkét egyenlet ugyanaz, s1 s2 0, azaz s2 s1 .Tehát az s2 sajátvektor a
következő
t 1
s2 , t R \ 0 ; például s 2 ;
t 1
Ebben a példában kaptuk tehát, hogy a sajátértékek egyszeres algebrai multiplicitásúak, továbbá a
geometriai multiplicitásuk is 1, a sajátalterek egy dimenziósak. Az s1 és s2 sajátvektorok
lineárisan függetlenek.
5 3
A ;
3 1
A karakterisztikus mátrix
5 3 1 0 5 3
A E ;
3 1 0 1 3 1
A karakterisztikus polinom a
5 3
k det A E det 5 1 9 4 4
2
3 1
det(A E) 2 4 4 2 0
2
Azt kapjuk hogy egyetlen kétszeres gyök van, λ = 2 az egyetlen sajátérték. Az algebrai
multiplicitás tehát 2, kérdés, hogy mennyi a geometriai multiplicitás, mennyi a lineárisan
független sajátvektorok száma, azaz a sajátaltér dimenziója. A sajátérték ismeretében
meghatározhatjuk a sajátvektorokat. Ehhez az
5 3 s1 0
3 1 s 0 ;
2
101
Óbudai Egyetem BGK Fejezetek a matematikából
5 2 3 s1 3 3 s1 0
3 1 2 s 3 3 s 0 ;
2 2
látszik, hogy a mátrix valóban szinguláris, egyik sora a másik sor ellentettje, tehát rangja 1. Mivel
két ismeretlen van és a rang 1, a szabadságfok is 1. Ez azt jelenti, hogy a sajátaltér egy
dimenziós. Koordinátánként írva a rendszert, mindkét egyenlet ugyanazt az összefüggést adja,
3s1 3s2 0, azaz s2 s1 . Tehát az egyetlen lineárisan független s sajátvektor a következő
t 1
s , t R \ 0 ; például s ;
t 1
és több független sajátvektor nem létezik. Ebben a példában kaptuk tehát, hogy a sajátérték
algebrai multiplicitása 2, továbbá a geometriai multiplicitásacsak 1, a sajátaltér egy dimenziós.
Az saz egyetlen lineárisan független sajátvektor.
1 2
A ;
1 3
A karakterisztikus mátrix
1 2 1 0 1 2
A E ;
1 3 0 1 1 3
A karakterisztikus polinom a
1 2
k det A E det 1 3 2 2 4 5;
1 3
det(A E) 2 4 5 0;
102
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 s1 0
1 3 s 0 ;
2
1 2 i 2 s1 1 i 2 s1 0
1 3 2 i s2 1 1 i s2 0
;
Látszik, hogy a mátrix valóban szinguláris, az első sor a második sor (1 + i)-szerese, tehát rangja
1, a rendszerből ezért például az első egyenlet elhagyható. A második egyenletetmegtartva azt
kapjuk, hogy s1 1 i s2 0, azaz 1 i s2 s1 . Tehát az s sajátvektor a következő
Kaptuk tehát a következőt. Az A mátrixnak két konjugált komplex sajátértéke van. Ehhez tartozik
két konjugált komplex sajátvektor. Mindkét sajátérték algebrai és geometriai multiplicitása 1. A
későbbiek kedvéért kiemeljük, hogy a komplex sajátvektorok valós és képzetes része, tehát az
1 1
u és v
1 0
a b
A ;
c d
a b
det A E det a d bc 0;
c d
103
Óbudai Egyetem BGK Fejezetek a matematikából
2 a d ad bc 0;
Itt két dolgot kell észrevenni. Egyrészt a konstans tag az A mátrix determinánsa, másrészt az
elsőfokú tag együtthatója a mátrix nyomának (a főátlóbeli elemek összege) ellentettje. Tehát a
másodrendű esetben a karakterisztikus egyenlet a következő
k 2 trA det A 0;
k 1 2 ;
akkor az említett összefüggésekből adódik, hogy a gyökök összege illetve szorzatára igaz a
következő.
1.51.Példa: Gondoljuk át, hogy az előző három példában teljesül ez a két egyenlőség. Az 1.48.
példában
5 1
A ;
3 3
104
Óbudai Egyetem BGK Fejezetek a matematikából
1.52.Tétel: Ha az ARn×n mátrixsajátértékei λ1, λ2, …, λn, akkor a sajátértékek összege a mátrix
nyoma, a sajátértékek szorzata pedig a mátrix determinánsa, azaz
1 2 ... n trA;
1 2 ... n detA;
alakot kapjuk, ahol a kn–2(λ) jelölés arra utal, hogy a determináns kifejtése során a főátló
elemeinek szorzása után egy legfeljebb n – 2-ed fokú polinomot kaphatunk, azaz a fenti összeg
második tagjában a λ legfeljebb n – 2 hatványkitevőn szerepelhet. Ez azért igaz, mert ha a
főátlóban nem szereplő elemhez tartozó előjeles aldeterminást számítjuk, akkor ez utóbbi
definíciója szerint el kell hagynunk a mátrixból az elem sorát és oszlopát. Mivel ez az elem nem
szerepel a főátlóban, elhagyunk a mátrixból két olyan tagot, amely aii– λ alakú, egyet a sor egyet
pedig az oszlop elhagyásával, tehát ezen aldeterminánsok kifejtésében valóban csak n – 2 db aii–
λ alakú tényező szerepel. Ebből pedig az következik, hogy λn–1 alakú hatvány csak a k(λ)
felírásában szereplő első tag, tehát az n-tényezős szorzat felbontásával adódik. Ebben pedig a λn–1
hatvány együtthatója nyilván (–1)n–1(a11 + a22 + … + ann). A két eredmény összevetéséből a
105
Óbudai Egyetem BGK Fejezetek a matematikából
1.53.Tétel: Az n-ed rendű A mátrix pontosan akkor szinguláris, ha a 0 valós szám sajátértéke.
Bizonyítás: Egy mátrix pontosan akkor szinguláris, ha determinánsa zérus. Az előző állítás
szerint a determináns egyenlő a sajátértékek szorzatával, azaz
Ebből már következik, hogy a determináns pontosan akkor zérus, ha legalább egy sajátérték
zérus. ■
2 1 1
A 1 2 1 ;
1 1 2
2 1 1
det A E 1 2 1 1 2 3 0;
1 1 2
2 1 1 1 s1 0 1 1 1 s1 0
1 1: 1 2 1 1 s2 0 ; azaz 1 1 1 s 0 ;
2
1 1 2 1 s3 0 1 1 1 s3 0
s1 s2 t 0; s 0;
azaz 1 t R \ 0 ;
s1 s2 t 0; s2 t ;
106
Óbudai Egyetem BGK Fejezetek a matematikából
0 0
s1 t ; t R \ 0 ; például s1 1 ;
t 1
2 2 1 1 s1 0 0 1 1 s1 0
2 2 : 1 2 2 1 s2 0 ; azaz 1 0 1 s 0 ;
2
1 1 2 2 s3 0 1 1 0 s3 0
s2 t 0; s t;
azaz 1 t R \ 0 ;
s1 t 0; s2 t ;
t 1
s 2 t ; t R \ 0 ; például s 2 1 ;
t 1
2 3 1 1 s1 0 1 1 1 s1 0
3 3 : 1 2 3 1 s2 0 ; azaz 1 1 1 s 0 ;
2
1 1 2 3 s3 0 1 1 1 s3 0
A kapott mátrix szinguláris, mert a 2. és 3. sor megegyezik. Az első két sorvektor azonban
független, hiszen egyik a másiknak nem konstans szorosa, így a mátrix rangja 2, tehát a
szabadságfok 1. Válasszuk ismét az s3 ismeretlent szabad ismeretlennek, így kapjuk, hogy a
független egyenletek a következők
s1 s2 t 0; s 0;
azaz 2 t R \ 0 ;
s1 s2 t 0; s1 t;
107
Óbudai Egyetem BGK Fejezetek a matematikából
t 1
s3 0 ; t R \ 0 ; például s3 0 ;
t 1
Bár általánosan bebizonyítottuk, ebben a speciális esetben is könnyen látható, hogy a kapott
sajátvektorok lineárisan függetlenek, hiszen ezekből, mint oszlopvektorokból képezett mátrix
determinánsa nem nulla. Valóban
0 1 1 0 0 1
1 1 0 1 1 0 1 0;
1 1 1 1 0 1
Ebben a példában tehát három egyszeres algebrai multiplicitású valós sajátértéket kaptunk, amely
mindegyikéhez tartozik egy egydimenziós sajátaltér, tehát minden sajátérték geometriai
multiplicitása is egy. Ellenőrizzük továbbá, hogy a sajátértékek összege valóban a mátrix nyoma
valamint azt, hogy a sajátértékek szorzata valóban a mátrix determinánsa.
Egyrészt
1 2 3 1 2 3 6 2 2 2 tr A ;
másrészt
2 1 1 0 0 1
3 1
det A 1 2 1 3 1 1 3 3 6 1 2 3 1 2 3 ;
3 1
1 1 2 3 1 2
Valóban igaz.
2 1 0
A 1 3 1 ;
1 2 3
2 1 0
det A E 1 3
1 2 2 6 10 0;
1 2 3
108
Óbudai Egyetem BGK Fejezetek a matematikából
Itt a második tényező, tehát a másodfokú polinom nem bontható fel valós együtthatójú elsőfokú
tényezők szorzatára, hiszen a diszkriminánsa negatív. Ezért az egyenlet gyökei, tehát a
sajátértékek a következők 1 2, 2,3 3 i . Tehát egy valós és két konjugált komplex
sajátérték adódott. Határozzuk meg a sajátvektorokat. A sajátérték egyenlet az első esetben
2 2 1 0 s1 0 0 1 0 s1 0
1 2 : 1 3 2 1 s2 0 ; azaz 1 1 1 s 0 ;
2
1 2 3 2 s3 0 1 2 1 s3 0
A kapott mátrix azért szinguláris, mert ha az első sor háromszorosából kivonjuk a 2. sort, éppen a
3. sort kapjuk, viszont az első két sor lineárisan független. Tehát a mátrix rangja 2 és
elhagyhatjuk a 3. egyenletet. A szabadságfok k – ρ = 3 – 2 = 1. Ismét az s3 ismeretlent tekintve
szabad változónak a redukált rendszer a következő
s2 0; s 0;
azaz 2 t R \ 0 ;
s1 s2 t 0; s1 t ;
t 1
s1 0 ; t R \ 0 ; például s1 0 ;
t 1
2 3 i 1 0 s1 0 1 i 1 0 s1 0
2 3 i : 1 33i 1 s2 0 ; azaz 1
i 1 s2 0 ;
1 2 3 3 i s3 0 1 2 i s3 0
s1 is2 t 0; 5s 2 i t ;
azaz 1 t R \ 0 ;
s1 2s2 it 0; 5s2 1 3i t;
109
Óbudai Egyetem BGK Fejezetek a matematikából
2i
5 t
2i 2 1
1 3i
s2 t ; t R \ 0 ; például s 2 1 3i u iv 1 i 3 ;
5
5 5 0
t
2i
5 t
2i 2 1
1 3i
s3 t ; t R \ 0 ; például s3 1 3i u iv 1 i 3 ;
5
5 5 0
t
3 2 1
A 3 4 3 ;
2 4 0
3 2 1
3 5 2 0;
2
det A E 3 4
2 4
A gyökök 1 5, 2,3 2 . Tehát két valós sajátérték van, a λ1 = –5 sajátérték algebrai
multiplicitása 1, a λ2,3 = 2 sajátérték algebrai multiplicitása 2. Kérdés, hogy mennyi a sajátalterek
dimenziója. Ehhez meghatározzuk a sajátvektorokat. A sajátérték egyenlet λ1 = –5 esetben
110
Óbudai Egyetem BGK Fejezetek a matematikából
3s1 s2 3t 0; 2s t;
azaz 1 t R \ 0 ;
2s1 4s2 5t 0; 2s2 3t;
t
2
1
; t R \ 0 ; például s1 3 ;
3t
s1
2
t 2
3 2 2 1 s1 0 1 2 1 s1 0
1 2 : 3 4 2 3 s2 0 ; azaz 3 6 3 s 0 ;
2
2 4 2 s3 0 2 4 2 s3 0
Azt kaptuk, hogy a mátrix 2. sora az 1. sor 3-szorosa, a 3. sor pedig az 1. sor kétszerese. Tehát a
mátrix rangja csak 1. Ebből következik, hogy a rendszer s szabadságfoka s = k – ρ = 3 – 1 = 2,
tehát a sajátaltér két dimenziós, két lineárisan független sajátvektor feszíti ki az alteret. Ha a
három egyenletből megtartjuk az 1. egyenletet, akkor azt kapjuk, hogy
s1 2s2 s3 0;
2u v 2 1 2 1
s u u 1 v 0 ; u, v R \ 0 ; például s 2 1 ; s3 0
v 0 1 0 1
111
Óbudai Egyetem BGK Fejezetek a matematikából
3 2 1 2 4 2 3 2 1 1 2 1
3 4 3 1 2 2 1 ; másrészt 3 4 3 0 0 2 0 ;
2 4 0 0 0 0 2 4 0 1 2 1
valóban sajátvektorok. a lineáris függetlenség pedig abból látszik, hogy a két vektor nem
párhuzamos, egyik sem konstansszorosa a másiknak.
Ebben a példában tehát azt láttuk, hogy a mátrixnak van egy egyszeres algebrai multiplicitású
sajátértéke és ennek a geometriai multiplicitása is 1, tehát a hozzá tartozó sajátaltér egy
dimenziós, ezen kívül van egy kétszeres algebrai multiplicitású sajátértéke és az ehhez tartozó
sajátaltér is két dimenziós, tartozik hozzá két lineárisan független sajátvektor, tehát a sajátérték
geometriai multiplicitása is kettő.
A helyzet azonban általában nem olyan impozáns, mint ahogyan az, az eddigi példák alapján
látszik. Előfordul, hogy nincs annyi független sajátérték, mint a mátrix rendje.
1 1 1
A 1 1 1 ;
0 1 2
1 1 1
1 2 1 0;
2
det A E 1 1
0 1 2
1 2 1 1 s1 0 1 1 1 s1 0
1 2 : 1 1 2 1 s2 0 ; azaz
1 1 1 s 0 ;
2
0 1 2 2 s3 0 0 1 0 s3 0
112
Óbudai Egyetem BGK Fejezetek a matematikából
s1 s2 t 0; s 0;
azaz 2 t R \ 0 ;
s2 0; s1 t;
t 1
s1 0 ; t R \ 0 ; például s1 0 ;
t 1
1 1 1 1 s1 0 0 1 1 s1 0
2,3 1: 1 1 1 1 s2 0 ; azaz
1 0 1 s 0 ;
2
0 1 2 1 s3 0 0 1 1 s3 0
s2 t 0; s t;
azaz 1 t R \ 0 ;
s1 t 0; s2 t ;
t 1
s 2 t ; t R \ 0 ; például s 2 1 ;
t 1
Ebben a példában tehát azt láttuk, hogy a λ = 1 sajátérték algebrai multiplicitása szigorúan
nagyobb, mint a geometriai multiplicitása, a lineárisan független sajátvektorok száma kisebb,
mint a mátrix rendje.
Mivel a geometriai multiplicitás nagyobb nem lehet, mint az algebrai multiplicitás, minden
lehetséges esetre mutattunk példát.
113
Óbudai Egyetem BGK Fejezetek a matematikából
An A A ... A
ahol a jobb oldalon egy n-tényezős szorzat áll. Ha azt szeretnénk, hogy a hatványozás
azonosságai érvényben maradjanak, akkor természetesen értelmezhetjük a 0 kitevőjű és az 1
kitevőjű mátrixhatványt is a következő módon: A0 E, A1 A , ahol E természetesen az n-ed
rendű egységmátrix.
Eszerint A2 = AA, A3 = A2A, … stb. Az világos, hogy ez a szorzás tetszőleges négyzetes mátrix
és tetszőleges egész kitevő esetén értelmezett, hiszen minden szóba kerülő mátrix n-ed rendű
négyzetes mátrix.
1 2 3
1 2
A ; B 3 0 4 ;
2 3 1 3 2
1 0 1 1 2 2 1 2 1 2 3 8
A0 ; A 2 ;A
0 1 3 ;
2 3 2 3 8 5
3 8 1 2 19 18
A3
5 2 3 18 1
;
8
1 0 0 1 2 3 1 2 3 1 2 3 4 7 1
B 0 1 0 ; B 3
0 1
0 4 ; B 3
2
0 4 3 0 4 7 18 1 ;
0 0 1 1 3 2 1 3 2 1 3 2 12 8 13
4 7 1 1 2 3 18 5 42
B 7
3
18 1 3 0 4 60 11 49 ;
12 8 13 1 3 2 49 63 22
Felhívjuk a figyelmet arra, hogy a 3. hatvány kiszámításához ismerni kell a 2. hatványt. Ezzel a
példával egy esetleges súlyos hiba lehetőségét szeretnénk kiküszöbölni. Egy mátrix hatványa
általában nem egyenlő a mátrix komponenseinek hatványozásával kapott mátrixszal. Ez
114
Óbudai Egyetem BGK Fejezetek a matematikából
csak egy speciális esetben igaz, csak akkor ha a mátrix diagonális. Ezt megfogalmazzuk egy
állítás formájában.
1.54.Tétel: Egy diagonális mátrix n-edik hatványát úgy kapjuk, hogy a diagonálisban álló
elemeket
n-edi hatványra emeljük, a nullák pedig változatlanul maradnak. Azaz
a11 0 .. 0
n
a11
n
0 .. 0
0 a
.. 0 0 a22
n
.. 0
22
;
.. .. .. .. .. .. .. ..
0 0 .. akk 0 0 n
.. akk
0 a11 0 0
2 2
a11 0 .. 0 a11 0 .. 0 a11 0 .. ..
0 a 0 a
.. 0 .. 0 0 a22 .. 0 0 a222
.. 0
22
22
;
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
0 0 .. akk 0 0 .. akk 0 0 .. akk 0 2
0 .. akk
1.57.Példa: Számítsuk ki a
1 0 0 0
0 2 0 0
D ;
0 0 3 0
0 0 0 5
1 0 0 0 1 0 0 0
0 4 0 0 5 0 32 0 0
D2 ;D ;
0 0 9 0 0 0 243 0
0 0 0 25 0 0 0 3125
kihasználjuk majd arra, hogy egy egyszerű eljárást adjunk nem diagonális mátrixok
hatványozására.
Most vizsgáljuk meg, van-e valami kapcsolat egy négyzetes mátrix és hatványai sajátértékei és
sajátvektorai között.
Az állítást igazoltuk. ■
Nem tekintjük az inverz mátrixot hatványnak, de formálisan ugyanolyan állítás igaz az inverzre
mint az n-edik hatványra.
Mivel reguláris mátrixnak a 0 nem lehet sajátértéke, ezért a λ-val oszthatjuk az egyenletet. Ekkor
az adódik, hogy
1
A 1s s;
1.49.Definíció: Azt mondjuk, hogy az N mátrix nilpotens, ha létezik olyan n pozitív egész szám,
melyre teljesül, hogyNn–1 ≠ 0és Nn = 0.
116
Óbudai Egyetem BGK Fejezetek a matematikából
4 5 4
2 4
a) N ; b) M 3 3 3 ;
1 2 1 2 1
3 3 3 0 0 0
0 0
N
2
; b) M 0 0 0 ; M 0 0 0 ;
2 3
0 0
3 3 3 0 0 0
Mivel sajátvektor nem lehet nullvektor, továbbá a feltétel szerint Nn–1 ≠ 0, ezért a kapott szorzat
csak akkor lehet nullvektor, ha λ = 0, azaz a sajátérték zérus. ■
Igazoltuk korábban, hogy egy mátrix pontosan akkor szinguláris ha a 0 valós szám sajátértéke.
Mivel a tétel szerint egy nilpotens mátrix minden sajátértéke zérus, egy nilpotens mátrix nem
lehet reguláris, azaz reguláris mátrixszal nem fordulhat elő, hogy egy pozitív egész kitevőjű
hatványa a nullmátrix. További érdekes kapcsolat van azonban a nilpotens mátrixok és a
regularitás között.
117
Óbudai Egyetem BGK Fejezetek a matematikából
Kvadratikus mátrixok hatványának értelmezése lehetőséget ad arra, hogy egy adott polinom
esetén a helyettesítési értéket úgy számítsuk, hogy a határozatlan helyére egy kvadratikus
mátrixot írunk.
1.50.Definíció: Legyen p( x) an xn an1x n1 ... a2 x 2 a1x a0 egy n-ed fokú polinom, és A
egy kvadratikus mátrix. A p(x) polinom A mátrix-helyen vett helyettesítési értékén a
következő mátrixot értjük.
ahol E az egységmátrix.
1 2
1.59.Példa: Számítsuk ki a p(x) = 3x2 – 5x + 2 polinom A mátrix helyen vett
3 4
5 10
helyettesítési értékét. Mivel A 2 ezért a helyettesítés a következő mátrixot adja.
15 10
1.59.Tétel: (Cayley-Hamilton)
Minden kvadratikus A mátrix kielégíti a karakterisztikus egyenletét, azaz a helyettesítési érték a
nullmátrix. Tehát ha k(x) jelöli a karakterisztikus polinomot, akkor az állítás az, hogy
k(A) = 0;
Bizonyítás: Csak a másodrendű esetre végezzük el a bizonyítást, az általánosn-ed rendű eset iránt
érdeklődőknek a szakirodalmat javasoljuk.
a b
Legyen tehát A a másodrendű mátrix. Már korábban felírtuk erre az általános
c d
másodrendű esetre a karakterisztikus polinom alakját. A határozatlant λ helyett x-szel jelölve ez a
következő.
k x x2 a d x ad bc ;
2
a b a b 1 0
k A a d ad bc
c d c d 0 1
a 2 bc ab bd a 2 ad ab bd ad bc 0 0 0
ad bc 0 0
;
ac cd bc d ac cd ad d 2 0
2
1 1 1
A 1 1 1 ;
0 1 2
k x det A xE x 2 x 1 x3 4 x 2 5x 2;
2
3 2
1 1 1 1 1 1 1 1 1 1 0 0
k A A 4A 5A 2E 1 1 1 4 1 1 1 5 1 1 1 2 0 1 0 ;
3 2
0 1 2 0 1 2 0 1 2 0 0 1
3 7 11 0 3 4 1 1 1 1 0 0 0 0 0
k A 3 1 3 4 2 1 2 5 1 1 1 2 0 1 0 0 0 0 ;
4 7 12 1 3 5 0 1 2 0 0 1 0 0 0
119
Óbudai Egyetem BGK Fejezetek a matematikából
egy felső háromszögmátrix. Ennek a mátrixnak a karakterisztikus polinomja nyilván úgy adódik,
hogy a karakterisztikus mátrix főátlóbeli elemeit összeszorozzuk, tehát a karakterisztikus
egyenlet a következő
1 1 1
A 0 3 1 ;
0 0 4
120
Óbudai Egyetem BGK Fejezetek a matematikából
1.61.Tétel: Egy másodrendű szimmetrikus mátrix sajátértékei valósak, egy másodrendű ferdén
szimmetrikus mátrix sajátértékei tisztán imagináriusak.
Bizonyítás: Mint láttuk, az
a b
A ;
c d
D a d 4b2 ;
2
nem negatív való szám, tehát az egyenletnek szükségképpen valós gyökei vannak.
Ha a mátrix ferdén szimmetrikus, akkor definíció szerint a = d = 0 és c = –b, tehát a
diszkrimináns D = –4b2, ahonnan a gyökök
4b2
1,2 ib
2
tisztán imagináriusak. ■
Természetesen a tétel csak elégséges feltétel és nem szükséges. A korábbiakban több olyan
mátrixot is láttunk, amelyek nem szimmetrikusak, sajátértékeik mégis valósak.
4 2
A ;
2 1
121
Óbudai Egyetem BGK Fejezetek a matematikából
t 1 2t 2
s1 , t R \ 0 ; például s1 ; s2 , t R \ 0 ; például s2 ;
2t 2 t 1
Két tényt kell hangsúlyoznunk. Egyrészt, hogy sajátérték lehet nulla. Sajátvektor definíció
szerint nem lehet nullvektor, de sajátérték lehet zérus is.
Másrészt pedig vegyük észre, hogy a kapott két sajátvektor ortogonális. Valóban
1 2
s1 , s2 , 2 2 0;
2 1
1.62.Tétel: Az ARn×n mátrix pontosan akkor szimmetrikus, azaz pontosan akkor teljesül, hogy
AT = A ha teljesül, hogy tetszőleges x, yRn esetén
Ax, y x, Ay ;
Bizonyítás: Tegyük fel először, hogy AT = A. Ekkor a skaláris szorzat definíciója szerint igaz,
hogy
xT AT y xT Ay;
Kifejtve a bal és jobb oldalon álló háromtényezős szorzatokat, azt kapjuk, hogy egyrészt
122
Óbudai Egyetem BGK Fejezetek a matematikából
másrészt pedig
A két szorzat pontosan akkor lehet egyenlő tetszőleges x, yRn esetén, ha minden i, j = 1, 2, …,
n esetén teljesül, hogy aij = aji, azaz ha AT = A. ■
Felmerül a kérdés, hogy hogyan alakul a tételbeli egyenlőség az általános esetben, amikor nem
szimmetrikus a mátrix. Erre ad választ az alábbi állítás.
1.63.Tétel: Tetszőleges n-ed rendű kvadratikus mátrix és tetszőleges x, yRn esetén teljesül,
hogy
Ax, y x, AT y ;
Ax, y Ax y xT AT y;
T
x, AT y xT AT y;
A szimmetrikus mátrixokra igazolt tétellel analóg állítás fogalmazható meg ferdén szimmetrikus
mátrixokra.
1.64.Tétel: Az ARn×n mátrix pontosan akkor ferdén szimmetrikus, azaz pontosan akkor teljesül,
hogy AT = –A ha teljesül, hogy tetszőleges x, yRn esetén
Ax, y x, Ay ;
Ezek után igazolhatjuk a másodrendű esetre már bizonyított tételt az általános esetben.
123
Óbudai Egyetem BGK Fejezetek a matematikából
As, s s, s s, s ;
s, As s, s s, s ;
s, s s, s ; azaz ;
és éppen ezt kellett igazolni, mert egy komplex szám pontosan akkor egyezik meg a
konjugáltjával, ha valós. ■
s, s s, s ; azaz s, s 0;
Egy korábbi példában láttuk, hogy egy szimmetrikus mátrix sajátvektorai ortogonálisak voltak.
Ez a tulajdonság általánosan is igaz.
i si , s j isi , s j Asi , s j si , As j si , j s j j si , s j ; i j;
124
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 4
A 2 2 2 ;
4 2 1
2t 2 u 1 4v 4
s1 t , t 0, pl.: s1 1 ; s 2 2u , u 0, pl.: s 2 2 ; s3 2v , v 0, pl.: s3 2 ;
2t 2 0 0 5v 5
0 2
A ;
2 0
it i iu i
s1 , t 0, pl.: s1 ; s2 , u 0, pl.: s2 ;
t 1 u 1
125
Óbudai Egyetem BGK Fejezetek a matematikából
Q q1 q2 ... qn ;
1 ha i j;
qi Tq j ij
0 ha i j;
q1T 1 0 ... 0
T 0
q 2 1 ... 0
Q Q q1 q 2 ... q n
T
E R nn ;
... ... ... ... ...
qTn 0 0 ... 1
Adódik tehát, hogy QTQ E , amely egy nagyon fontos tulajdonsága az ortogonális
mátrixoknak.
Q1 QT
det QTQ det QT det Q det E 1;
x, y Qx, Qy ;
Qx, Qy x, QTQy x, Ey x, y ;
x, x Qx, Qx ;
ami azt jelenti, hogy az x és Qx vektorok hossza megegyezik. Tehát ha egy vektort egy
ortogonális mátrixszal szorozzuk, akkor a hossza nem változik meg.
s, s Qs, Qs s, s s, s ;
2 2
A komplex algebrából tudjuk, hogy , az adódik, hogy 1 , ezt kellett igazolni. ■
127
Óbudai Egyetem BGK Fejezetek a matematikából
QQT QQ1 E;
Meg kell mutatnunk, hogy minden αi együttható zérus. Szorozzuk meg ennek érdekében az
egyenletet skalárisan a qi vektorral. Az ortogonalitás miatt n – 1 db skaláris szorzat zérus, csak
egy tag marad a bal oldalon
i qiTqi qiT 0 0; i 1, 2,..., n;
ebből pedig következik, hogy minden αi együttható zérus, mert qi Tqi 1, i 1, 2,..., n . ■
Az igazolt tételből következik, hogy egy n-ed rendű ortogonális mátrix oszlopvektorai
szükségképpen lineárisan függetlenek, tehát egy n-ed rendű ortogonális mátrix rangja n.
128
Óbudai Egyetem BGK Fejezetek a matematikából
Ezek után lássunk példákat ortogonális mátrixokra. Ellenőrizzük, hogy teljesülnek-e a fent igazolt
tételekben szereplő tulajdonságok.
1.65.Példa: Mutassuk meg, hogy az alábbi mátrix ortogonális, határozzuk meg a sajátértékeket és
sajátvektorokat.
1 1
2 2
Q ;
1 1
2 2
2 2
1 1 1 1 1 1 1 1
2 2 1; másrészt 0;
2 2 2 2 2 2
s1
t
1 2 t
, t R \ 0 ; s 2 , t R \ 0 ;
1 2 t t
1 1 2
42 2 42 2
Q1 ;
1 2 1
4 2 2 4 2 2
mátrix is ortogonális.
129
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 4
A 2 2 2 ;
4 2 1
mátrix sajátvektorait. Ezek a következők.
2 1 4
s1 1 ; s 2 2 ; s3 2 ;
2 0 5
Már ellenőriztük, hogy ezen vektorok páronként vett skaláris szorzata zérus. Ha minden vektort
elosztunk az abszolút értékével, akkor ortonormált rendszert kapunk. Az abszolút értékek a
következők.
s1 4 1 4 3; s2 1 4 5; s3 16 4 25 45 3 5;
2 1 4
3
5 3 5
1 2 2
Q ;
3 5 3 5
2 5
3 0
3 5
mátrix ortogonális. Ennek oszlopvektorai tehát lineárisan függetlenek, azaz a Q mátrix rangja 3.
Számítsuk még ki a determinánsát.
2 1 4 2 1 4
3 5 3 5 3 5 3 5 5 2 5
1 2 2 5 10 1 3 3 1 5 5 4 5
det Q 0 1;
3 5 3 5 3 3 5 5 2 5 5 9 9
2 5 2 5 3 3
0 0
3 3 5 3 3 5
130
Óbudai Egyetem BGK Fejezetek a matematikából
biztosan 0-val szorzódik, tehát a skaláris szorzat zérus. Másfelől világos, hogy az oszlopvektorok
mind egységvektorok. Ebből következik, az alábbi egyszerű állítás.
1 0 0 0
0 0 0 1 T
P ; P P; P 1 P;
0 0 1 0
0 1 0 0
131
Óbudai Egyetem BGK Fejezetek a matematikából
Ez természetesen magasabb kitevőjű hatványokra is igaz, tehát ha P vetít, akkor igaz, hogy
Pn= P ha n> 1. Ez az oka az alábbi definíciónak.
Az alábbiakban néhány esetben előállítjuk a projektor mátrixot, de előtte egy két egyszerű
tulajdonságot megvizsgálunk.
Másrészt ugyancsak a P2 = P egyenlőségből következik, hogy P2s = Ps, ahonnan azt kapjuk,
hogy λ2s = λs. Azaz (λ2 – λ)s = 0. Mivel sajátvektor nem lehet nullvektor, kapjuk, hogy
λ2 – λ = 0, ahonnan következik az állítás. ■
Korábban igazoltuk, hogy egy mátrix pontosan akkor szinguláris ha a 0sajátértéke. Eszerint a
projektor mátrixok egy része szinguláris. Kérdés, melyek a reguláris projektorok. Erre válaszol az
alábbi állítás.
132
Óbudai Egyetem BGK Fejezetek a matematikából
Tűzzük ki a következő feladatot. Adott egy a vektor és egy vele nem párhuzamos b vektor.
Állítsuk elő a b vektor a-val párhuzamos összetevőjét. A keresett vektor természetesen a b vektor
a-irányú merőleges vetülete.
b – xa b – xa ┴xa
a
xa
bT a bTa
x T ; másrészt a vetületvektor xa T a;
a a a a
1.68.Példa: Határozzuk meg a b = [1 2 –3]T vektor a = [–1 3 1]T irányú merőleges vetületét.
Alkalmazzuk a kapott összefüggést. Kiszámítjuk a szükséges skaláris szorzatokat.
T
2 2 2 6 2
a 1 3 1
T
xa ;
11 11 11 11 11
133
Óbudai Egyetem BGK Fejezetek a matematikából
T T
2 2 6 2 13 16 35
a 1 2 3
T
b xa b ;
11 11 11 11 11 11 11
T
13 16 35 2 6 2 26 96 70
b xa, a 0;
11 11 11 11 11 11 121
Általánosítsuk a problémát, de ne csak a két dimenziós síkra, hanem általánosan egy altérre.
Tegyük fel, hogy egy n-dimenziós L lineáris térben adva van egy L’ altér, amelynek egy bázisa az
a1, a2, …, ar vektorrendszer. Foglaljuk össze ezeket a vektorokat egy A mátrixba úgy, hogy ezen
vektorok legyenek az A mátrix oszlopvektorai. Az A mátrixról tehát az alábbiakat mondhatjuk,
mérete n×r, mert r db n dimenziós oszlopvektor alkotja, és a feltételek szerint rangja ρ = r, hiszen
az r db oszlopvektor lineárisan független. Tegyük fel, hogy az L-beli b vektor nincs benne az A
mátrix oszlopvektorai által kifeszített altérben, tehát L’-ben. Határozzuk meg a b vektor
ortogonális vetületét az L’ altérre vonatkozólag. Ehhez azonban szükség van egy definícióra.
x, y 1 b1, y 2 b2 , y ... r br , y ;
134
Óbudai Egyetem BGK Fejezetek a matematikából
b
b – Ax
b – Ax ┴ Ax
ar
Ax
a1
AT b Ax 0;
AT Ax ATb;
a1T a1 , a1 a1 , a 2 ... a1 , a r
T
a 2 a ,a a2 , a2 ... a2 , ar
A A a1 a 2 ... a r 2 1
T
;
... ... ... ... ...
aTr a r , a1 ar , a2 ... a r , a r
a1 , a1 a1 , a 2 ... a1 , a r
a 2 , a1 a2 , a2 ... a2 , ar
G a1 , a 2 ,..., a r ;
... ... ... ...
a r , a1 ar , a2 ... ar , ar
A Gram-determináns nagyon hasznos fogalom. Lehetővé teszi, hogy egyszerű módon eldöntsük,
hogy egy vektorrendszer lineárisan összefüggő vagy lineárisan független. Igaz ugyanis az alábbi
állítás.
esetén legalább az egyik xj együttható nem nulla. Szorozzuk most meg ezt az egyenletet
skalárisan az ai vektorral minden i = 1, 2, …, r esetén. Azt kapjuk, hogy
Tudjuk tehát, hogy az inverz mátrix létezik. Ekkor szorozzuk meg ezzel a Gauss-féle
normálegyenletet balról. Azt kapjuk, hogy a megoldás
1
x AT A ATb;
másrészt kapjuk a vetületvektort is. Ugyanis a vetületvektor nem más, mint Ax tehát
136
Óbudai Egyetem BGK Fejezetek a matematikából
1
Ax A AT A ATb;
1
Kaptuk tehát, hogy a b vektor vetülete az A mátrix oszlopvektor-terére az A AT A A Tb
vektor. Eszerint a b vektort egy projektor mátrixszal szorozzuk. Igazoljuk ezt az állítást.
1
1.81.Tétel: A P A AT A AT mátrix projektor mátrix.
Bizonyítás: Azt kell igazolnunk, hogy P2 = P. Ez valóban teljesül. Az asszociativitás miatt
ugyanis
A A A A
2
P 2 A AT A AT A AT A
1 1 1 1 1
T T
AT A AT A EAT A AT A AT ;
2 2
k n k
Ax i bi
n 2 n
aij x j bi min aij x j bi min;
i 1 i 1 j 1 i 1 j 1
Világos, hogy ha b benne van az A oszlopvektor terében, akkor a rendszer megoldható, tehát
létezik olyan x amelyre egzaktul teljesül, hogy Ax = b. Ekkor természetesen az Ax b eltérés
137
Óbudai Egyetem BGK Fejezetek a matematikából
zérus. A felvetett probléma pontosan akkor „érdekes” amikor a rendszernek nem létezik egzakt
megoldása. A legjobban közelítő megoldás előállítása a Gauss-féle normálegyenlet megoldásával
állítható elő.
AT Ax ATb;
1.69.Példa: Keressük meg az (1,1), (2,2), (3,2) pontokra a legkisebb négyzetek feladata szerint
legjobban illeszkedő egyenes egyenletét. Az egyszerű és áttekinthető számítások kedvéért
választottunk ilyen kevés pontot. Azonban a pontok száma több, mint kettő, tehát egyértelműen
nem illeszthető rájuk egyenes, és az is világos, hogy a három pont nem kollineáris. Keressük az
egyenes egyenletét y = ax + b alakban. Keressük az a és b együtthatókat. A megoldandó
egyenletrendszer a következő.
138
Óbudai Egyetem BGK Fejezetek a matematikából
1a b 1; 1 1 1 1 1 1
a a
2a b 2; azaz 2 1 2 ; jelöléseink : A 2 1 ; b 2 ; x ;
3a b 2; b b
3 1 2 3 1 2
Világos, hogy a rendszer túlhatározott, mert csak két ismeretlen van de három egyenlet, és az is
világos, hogy a rendszernek nincs egzakt megoldása, ami szemléletes azt jelenti, hogy a három
pont nincs egy egyenesen. Keressük tehát a legjobban közelítő megoldást. Ehhez, mint azt
fentebb igazoltuk, a Gauss féle normálegyenletet kell megoldani. Ehhez szükségesek az alábbi
számítások.
1 1
1 2 3 T 14 6
A 2 1 ; A T ;A A
6 3
;
3 1 1 1 1
Világos, hogy az A rangja kettő, mert oszlopvektorai lineárisan függetlenek, és az is látható, hogy
ATA reguláris, mert determinánsa 42 – 36 = 6 ≠ 0. Tehát a Gauss-féle normálegyenlet
megoldható invertálással.
1 3 6 1 3 6 1 2 3 1 3 0 3
A A
1 1
T
; AT A AT
6 6 14 1 1 1 6 8 2 4
;
6 6 14
1 1
a 1 3 0 3 2
1
x AT A ATb 2 ;
b 6 8 2 4 2
2
3
Azt kaptuk tehát, hogy a három pontra legjobban illeszkedő egyenes egyenlete a következő.
1 2
y x ;
2 3
x1 1 y1
x y
1 a
A 2 R n2 ; b 2 R n ; x R 2 ;
... ... ... b
xn 1 yn
139
Óbudai Egyetem BGK Fejezetek a matematikából
a
1
x AT A ATb;
b
formula szolgáltatja.
Tűzzük ki most azt a problémát, hogy méréssel kapott pontokra – melyek száma nagyobb, mint
három – illesszünk parabolát a legkisebb négyzetek módszerével.
a 02 b 0 c 1; 0 0 1 1 0 0 1 1
4 a 4 0 a
a 2 b 2 c 0;
2
2 1 0
; x b ;
2 1
azaz b ; jelöléseink : A ;b
a 3 b 3 c 0;
2 9 3 1 0 9 3 1 0
c c
a 4 2
b 4 c 1; 16 4 1 1 16 4 1 1
0 0 1
4 0 4 9 16 353 99 29
1 T
; A 0 2 3 4 ; A A 99 29 9 ;
2
A T
9 3 1
1 1 1 1 29 9 4
16 4 1
140
Óbudai Egyetem BGK Fejezetek a matematikából
1
a 0,1136 0,1818 0, 0909 0,1591 0, 2727
x b AT A A Tb 0, 6955 0, 6727 0, 4364 0, 4136 1,1091 ;
1 0
0
c 0,9909 0, 0545 0, 0727 0, 0273 1, 0182
1
x12 x1 1 y1
2 a
x x2 1
R ; b R ; x b R 3 ;
n3 y
A 2
2 n
... ... ... ...
c
xn2 xn 1 yn
a
x b AT A
1
A Tb;
c
formula szolgáltatja.
141
Óbudai Egyetem BGK Fejezetek a matematikából
Tegyük fel, hogy a b1, b2, …, bn vektorrendszer bázis, de a bázisvektorok nem ortogonálisak.
Állítsunk elő ebből egy olyan q1, q2, …, qn bázist, amelyre teljesül, hogy qiTqj = 0 ha i ≠ j, tehát
az új bázis vektorai páronként ortogonálisak.
2. lépés: A második vektort úgy határozzuk meg, hogy képezzük a b2 vektor q1 = b1 irányú
ortogonális vetületét, és q2 a b2 és a vetület különbsége lesz. Ez értelmezés szerint ortogonális a
q1 = b1 vektorra. Legyen tehát a
q2 = b2 – α12q1
b2 , q1
q 2 , q1 b 2 , q1 12 q1 , q1 0; ahonnan 12 ;
q1 , q1
3. lépés: Folytatjuk az eljárást. Ebben a lépésben a b3 vektort cseréljük le egy olyan vektorra,
amely ortogonális a q1 és q2 vektorok mindegyikére. Ennek érdekében vetítjük a b3 vektort a q1
és q2 vektorok által kifeszített altérre majd képezzük a b3 és a vetület különbségét, amely
ortogonális az altérre. Legyen tehát a
q3 = b3 – α13q1– α23q2
b3 , q1
q3 , q1 b3 , q1 13 q1 , q1 0; ahonnan 13 ;
q1 , q1
b3 , q 2
q3 , q 2 b3 , q 2 23 q 2 , q 2 0; ahonnan 23 ;
q2 , q2
142
Óbudai Egyetem BGK Fejezetek a matematikából
n. lépés: Ha az előző logika ismétlésével feltesszük, hogy már előállítottuk a q1, q2, …, qn–1
páronként ortogonális vektorokat, akkor a qn vektor előállítása a következőképpen történik. A bn
vektort ortogonálisan vetítjük a q1, q2, …, qn–1 vektorok által kifeszített altérre, majd képezzük a
vektor és a vetület különbségét. Megköveteljük tehát, hogy a
vektor ortogonális legyen a q1, q2, …, qn–1 vektorok mindegyikére. Tekintettel arra, hogy ezek a
vektorok már páronként ortogonálisak, a merőlegességi feltételek a következőre redukálódnak.
b n , q1
q n , q1 b n , q1 1n q1 , q1 0; ahonnan 1n ;
q1 , q1
bn , q2
q n , q 2 b n , q 2 2 n q 2 , q 2 0; ahonnan 2 n ;
q2 , q2
...
b n , q n 1
q n , q n 1 b n , q n 1 n 1,n q n 1 , q n 1 0; ahonnan n 1,n ;
q n1 , q n1
q1 , q1 q1 , q 2 ... q1 , q n q1 , q1 0 ... 0
q 2 , q1 q2 , q2 ... q2 , qn 0 q2 , q2 ... 0
G q1 , q 2 ,..., q n
... ... ... ... ... ... ... ...
q n , q1 qn , q2 ... qn , qn 0 0 ... qn , qn
n
qi , qi 0;
i1
valóban nem nulla, tehát az ortogonalizációval kapott vektorrendszer lineárisan független, tehát
ha bázisból indultunk ki, akkor bázist kapunk.
Gyakran fontos, hogy az ortogonális bázis egyben ortonormált, tehát az ortogonális bázis
minden vektora egységnyi hosszúságú legyen. Ez könnyen elérhető, ha tudjuk, hogy a bázis
ortogonális. Nem kell mást tenni, minden egyes bázisvektort el kell osztani az abszolút értékével.
143
Óbudai Egyetem BGK Fejezetek a matematikából
qi
Tehát az ortonormált bázis vektorai a qi0 ; i 1, 2,..., n; vektorok. Ezekre teljesül, hogy
qi
qi0 , q0j 0 ha i ≠ j és qi0 , q0j 1 ha i = j. Ebből következik, hogy egy ortonormált bázis
Gram-féle mátrixa az egységmátrix, a Gram-determináns értéke pedig 1.
1 1 0
b1 0 ; b 2 1 ; b3 1 ;
1 0 1
Könnyen látható, hogy ez a három vektor bázist alkot R3-ban. Képezzük ugyanis a Gram-
determinánst. Ehhez kellenek a következő skaláris szorzatok.
2 1 1
G b1 , b 2 , b3 1 2 1 4 0;
1 1 2
Ez különbözik 0-tól tehát a vektorok lineárisan függetlenek, tehát a vektorrendszer valóban bázis.
ortogonalizáljuk ezt a vektorrendszert.
1. lépés: Legyen q1 b1 1 0 1 ;
T
b 2 , q1
2. lépés: Legyen q2 = b2 – α12q1 ahol 12 . Figyelembe véve, hogy q1 b1 kapjuk,
q1 , q1
b 2 , q1 b 2 , b1 1
hogy 12 . Ebből következően
q1 , q1 b1 , b1 2
144
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 T
1 1 1 1
q 2 b 2 q1 1 0 1 ;
2 2 2 2
0 1
b3 , q1 b3 , q 2
3. lépés: Legyen q3 = b3 – α13q1– α23q2 ahol 13 , 23 . Számítsuk ki a
q1 , q1 q2 , q2
szükséges skaláris szorzatokat.
1 1 3 1 1
q1 , q1 2; b3 , q1 1; q2 , q2 1 ; b3 , q 2 0 1 ;
4 4 2 2 2
1
0 1 2
2
T
2
q3 b3 q1 q 2 1 0 1
1 1 1 1 2
;
2 3 2 3 3 3 3
1 1 1
2
T T
1 1 2 2 2
q1 1 0 1 ; q2
T
1 ; q3 ;
2 2 3 3 3
Jól látható, hogy a páronként vett skaláris szorzatok valóban zérussal egyenlők.
b1= q1
b2 = α12q1+q2
b3 = α13q1+ α23q2 +q3
…
bn = α1nq1+ α2nq2 +…+αn–1,nqn–1+ qn
145
Óbudai Egyetem BGK Fejezetek a matematikából
Ebben a felbontásban az első tényező jele szokásosan Q, amely tehát olyan mátrix melynek
oszlopvektorai páronként ortogonálisak, a második tényező jele R, melynek komponensei éppen
az ortogonalizációs eljárás során kapott együtthatók. Ezt felbontást nevezzük QR-felbontásnak.
1 1 0
B 0 1 1 ;
1 0 1
mátrix szorzat alakját. Figyelembe véve a kapott ortogonális vektorrendszert valamint a számított
együtthatókat írhatjuk, hogy
1 2 1 1
1 2 1
3 2 2 1 1 0
1
QR 0 1 0 1 1 B;
2
0 1
3 3
1 0 1
1 1 2 0 0 1
2 3
A két mátrix szorzásával ellenőrizhető, hogy a szorzat valóban megadja a B mátrixot. Azonban
mind elméleti, mind gyakorlati szempontból fontosabb az az eset, amikor a Q mátrix oszlopai
ortonormált rendszert alkotnak, azaz a vektorok hossza egységnyi. Tulajdonképpen azt a
felbontást nevezzük QR felbontásnak, ha a Q mátrix a definíció értelmében ortogonális mátrix,
tehát oszlopvektorai a páronkénti ortogonalitás mellett még egységvektorok is.
1 1 0
B 1 0 2 ;
0 2 1
146
Óbudai Egyetem BGK Fejezetek a matematikából
Mivel det(B) = –1, ezért az oszlopvektorok lineárisan függetlenek, tehát bázist alkotnak R3-ban.
Ortogonalizáljuk ezt a bázist úgy, hogy eredményként ortonormált bázist kapjunk, majd
végezzük el a B mátrix QR-felbontását.
T
1
1 1 0T
q 1 1
q10 1 0 ;
q1 2 2 2
b 2 , q10
2. lépés: Legyen q2 b2 12q10 ahol 12 b 2 , q10 , mivel a nevezőben egy normált
q10 , q10
vektor hosszának négyzete szerepel. Ennek az együtthatónak az értéke
T
1 1 1
12 b 2 , q10 1 0 2 0 ;
2 2 2
T T
1 1 1 1 1
q2 b2 12q10 1 0 2
T
0 2 ;
2 2 2 2 2
1 1 9 3
Ezt a vektort még normálni kell. Mivel q2 , q2 4 , ezért q 2 , tehát a második
4 4 2 2
normált vektor az ortonormált bázisban a következő.
T
q 2 1 1
T
2 2 2 2
q02 2 2 ;
q2 3 2 2 6 6 3
b3 , q10
3. lépés: Legyen q3 b3 13q10 23q02 ahol egyrészt 13 b3 , q10 , másrészt
q10 , q10
b3 , q02
23 b3 , q02 , mert a nevezőkben egységvektorok hosszának négyzete áll.
q02 , q02
Számítsuk ki a szükséges skaláris szorzatokat.
147
Óbudai Egyetem BGK Fejezetek a matematikából
T
1 1
13 b3 , q10 0 2 1 0 2;
2 2
T
2 2 2 2
23 b3 , q02 0 2 1 2;
6 6 3
1 2 2
2
6 3
0
1 2 2
q3 b3 13q1 23q 2 2 2
0 0
2 ;
2 6 3
1
0 2 2 1
3 3
Könnyen látható, hogy az eredményként kapott vektor „véletlenül” éppen egységvektor, tehát
nem kell normálni, automatikusan teljesül, hogy q30 q3 . Felírhatjuk tehát a B mátrix
oszlopvektoraiból ortogonalizációval kapott ortonormált bázist.
1 2 2
2 3
6
1 0 2 0 2
q1
0
; q2 ; q3 ;
2 6 3
0 2 2 1
3
3
A páronkénti skaláris szorzatok kiszámítása mutatja, hogy a kapott vektorok valóban páronként
ortogonálisak, a normáltság a képzésből pedig következik.
A QR-felbontás ebből úgy következik, hogy megvizsgáljuk az eredeti bázisvektorok mely
lineáris kombinációja szolgáltatja az ortonormált bázisvektorokat. Írjuk fel az egyenleteket.
q1 b1
q10 ;;
q1 q1
q2 b2 12q10 1
q02 b 2 12 q10 ;
q2 q2 q2 q2
q3 b3 13q10 23q02 1
q30 b3 13 q10 23 q02 ;
q3 q3 q3 q3 q3
148
Óbudai Egyetem BGK Fejezetek a matematikából
Fordítsuk meg most ezeket az egyenleteket, fejezzük ki ezekből az eredeti bázis vektorait. Azt
kapjuk, hogy
b1 q1 q10 ;
b2 12q10 q2 q02 ;
b3 13q10 23q02 q3 q30 ;
q1 b 2 , q10 b3 , q10
q1 12 13
0 0 0
b1 b 2 b3 q10 q02 q3 0 q2 23 q10 q 02
q3 0 q2 b3 , q 2 ;
0 0 q3 0 0 q3
1 2 2 1
2 2
2 6 3 2
1 1 0
1 2
2 1 0 2 B;
2 3
QR 0
2 6 3 2
0 2 1
2 2 2 0 0 1
0
3 3
1.83.Tétel: (QR-felbontás)
Ha a BRn×n, kvadratikus mátrix reguláris, akkorfelbontható egy ortogonális mátrix (Q) és egy
felső háromszögmátrix (R) szorzatára, ahol a Q oszlopai a B oszlopvektoraiból képzett
ortonormált bázisvektorok, az R mátrix pedig az áttérés lineáris kombinációinak az együtthatót
tartalmazza.
149
Óbudai Egyetem BGK Fejezetek a matematikából
B S1AS;
egyenlőség.
Mindenek előtt tisztázzuk, hogy ez a reláció szimmetrikus, ami azt jelenti, hogy ha A hasonló
B-hez, akkor B is hasonló A-hoz. Ezért nem is kellett a definícióban ennyire szélsőségesen
fogalmazni, egyszerűen mondhatjuk, hogy A és B hasonlóak. Valóban, ha teljesül, hogy
B S1AS , akkor átrendezve azt kapjuk, hogy A SBS1 . Mivel S reguláris, az inverze is az.
Legyen S1 S0 . Ekkor írhatjuk, hogy A S01BS0 , tehát valóban szimmetrikus reláció.
Most vizsgáljuk meg, hogy milyen szempontból egyeznek meg a hasonló mátrixok. Két fontos
állítást fogalmazhatunk meg determinánsokra és sajátértékekre.
det B det A;
det B det S1AS det S1 det A det S
1
det S
det A det S det A;
A sajátértékekre hasonló tétel igaz. De előbb egy karakterisztikus polinomra vonatkozó tételt
igazolunk.
150
Óbudai Egyetem BGK Fejezetek a matematikából
Természetes módon merül fel a kérdés, hogy mit mondhatunk a sajátvektorokról. Erre ad választ
az alábbi állítás.
Bs ' S1ASs ' s '; ahonnan SS1ASs ' Ss '; azaz ASs ' Ss ';
ami azt jelenti, hogy Ss’ az A mátrix λ sajátértékhez tartozó sajátvektora, azaz s = Ss’. Ez
egyenértékű az állítással. ■
1.74.Példa: Legyen
4 7
A ;
2 5
4 7
k A det A E 2 6;
2 5
1 7
s1 ; s 2 ;
1 2
Legyen ezután
1 3
S ;
1 2
151
Óbudai Egyetem BGK Fejezetek a matematikából
2 3
S 1 ;
1 1
43 100
B
42
;
18
43 100
egyrészt det B det 1806 1800 6;
18 42
4 7
másrészt det A det 20 14 6;
2 5
43 100
kB det B E 43 42 1800 2 6;
18 42
2 3 1 5
s1 ' S 1s1 ; és valóban
1 1 1 2
43 100 5 215 200 15 5
Bs1 ' 3 ;
18 42 2 90 84 6 2
másrészt
152
Óbudai Egyetem BGK Fejezetek a matematikából
2 3 7 14 6 20
s 2 ' S 1s 2 ; és valóban
1 1 2 7 2 9
43 100 20 860 900 40 20
Bs 2 ' 2 ;
18 42 9 360 378 18 9
1 0 ... 0
0 ... 0
A s1 s 2 ... s n 1s1 2s 2 ... ns n s1 s 2 ... s n 2
;
... ... ... ...
0 0 ... n
AS SΛ;
alakban írható. ha ezt megszorozzuk balról az S mátrix inverzével, akkor azt kapjuk, hogy
1 0 ... 0
0 ... 0
S AS Λ
1 2
;
... ... ... ...
0 0 ... n
153
Óbudai Egyetem BGK Fejezetek a matematikából
A SΛS1;
Tehát az A mátrix előállítható egy reguláris mátrix és egy diagonális mátrix segítségével a fenti
szorzat alakjában.
3 2 1
A 3 4 3 ;
2 4 0
Egy korábbi példában már előállítottuk ezen mátrix sajátértékeit. Ezek a következők
1 5, 2,3 2 . Tehát két valós sajátérték van, a λ1 = –5 sajátérték algebrai multiplicitása 1, a
λ2,3 = 2 sajátérték algebrai multiplicitása 2. Meghatároztuk a sajátértékekhez tartozó
sajátvektorokat is. Ezek rendre a következők.
1 2 1
s1 3 ; s 2 1 ; s3 0 ;
2 0 1
1 2 1 1 2 1
S 3 1 0 ; S 3 1 3 ;
1 1
7
2 0 1 2 4 5
154
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 1 3 2 1 1 2 1 5 0 0
S AS Λ; azaz ; 3 1 3 3 4 3 3 1 0 0 2 0 ;
1 1
7
2 4 5 2 4 0 2 0 1 0 0 2
3 2 1 1 2 1 5 0 0 1 2 1
A SΛS ; azaz ; 3 4 3 3 1 0 0 2 0 3 1 3 ;
1 1
7
2 4 0 2 0 1 0 0 2 2 4 5
A bemutatott példában az A mátrixnak csak két különböző sajátértéke van, de van három
lineárisan független sajátvektora. Ha viszont a különböző sajátértékek száma megegyezik a
mátrix rendjével sokkal egyszerűbb a helyzet.
2 1 1
A 1 2 1 ;
1 1 2
0 1 1
s1 1 ; s 2 1 ; s3 0 ;
1 1 1
0 1 1 1 0 1
S 1 1 0 ; S 1 1 1 ;
1
1 1 1 0 1 1
155
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 1 2 1 1 0 1 1 1 0 0
S 1AS Λ; azaz ; 1 1 1 1 2 1 1 1 0 0 2 0 ;
0 1 1 1 1 2 1 1 1 0 0 3
valamint megfordítva
2 1 1 0 1 1 1 0 0 1 0 1
A SΛS ; azaz ; 1 2 1 1 1 0 0 2 0 1 1 1 ;
1
Kaptuk tehát, hogy ha egy n-ed rendű kvadratikus mátrixnak létezik n db különböző sajátértéke,
vagy ha nem létezik n db különböző sajátérték, de létezik n db lineárisan független sajátvektor,
akkor diagonalizálható. Ha azonban a sajátértékek száma kisebb, mint n és ezzel együtt nem
létezik n db lineárisan független sajátvektor, akkor a mátrix nem diagonalizálható. Ebben
az esetben az ún. Jordan-féle alakra lehet hozni, amely a lineáris algebra egyik legnehezebb
tételén alapszik. Az érdeklődő olvasónak a szakirodalom tanulmányozását javasoljuk.
1 1 1
A 1 1 1 ;
0 1 2
1 1
s1 0 ; s 2 1 ;
1 1
A λ2,3 = 1 sajátérték algebrai multiplicitása 2, a sajátaltér dimenziója azonban csak 1, tehát nem
tudunk megadni egynél több lineárisan független sajátvektort ehhez a sajátértékhez. Összesen
tehát mindössze két lineárisan független sajátvektor létezik, tehát ez a mátrix nem
diagonalizálható, nem hasonló egy diagonális mátrixhoz.
156
Óbudai Egyetem BGK Fejezetek a matematikából
Határozzuk meg egyszerű számítással az A mátrix n-edik hatványát úgy, hogy felhasználjuk a
diagonalizálhatóságot, vagyis az A SΛS1 összefüggést. Ekkor ugyanis
An SΛS1 SΛS1 ... SΛS1 SΛS1SΛS1...SΛS1 SΛnS1 ;
elég tehát egy diagonális mátrixot hatványozni. Arra az eredményre jutottunk tehát, hogy
4 8
A ;
2 6
4 1
s1 ; s 2 ;
1 1
4 1 1 1 1 1
S ; S 3 1 4 ;
1 1
1 4 1 2 0 1 1
A SΛS 1; azaz ; A
3 1 1 0 4 1 4
;
Innen az ötödik hatvány könnyen adódik a diagonális mátrix ötödik hatványának kiszámításával.
5
1 4 1 2 0 1 1 1 4 1 32 0 1 1 384 1408
A
5
3 1 1 0 4 1 4 3 1 1 0 1024 1 4 352 1376
;
Q1AQ Λ;
1 0 ... 0
0 ... 0
S AS Q AQ Λ
1 1 2
; ahol i j ha i j;
... ... ... ...
0 0 ... n
összefüggés.
b) Ha az A mátrixnak n-nél kevesebb különböző sajátértéke van, akkor ez azt jelenti, hogy
vannak olyan sajátértékek, amelyeknek algebrai multiplicitása legalább 2. Itt nem részletezzük a
bizonyítást, csak megjegyezzük, hogy ha az A mátrix szimmetrikus, akkor minden egyes
sajátérték algebrai multiplicitása egyenlő a geometriai multiplicitással. Ez azt jelenti, hogy ha
n-nél kevesebb sajátérték van, akkor is meg lehet adni n-db lineárisan független sajátvektort, azaz
minden sajátaltér dimenziója megegyezik a megfelelő sajátérték algebrai multiplicitásával, azaz
minden legalább két dimenziós sajátaltérben meg lehet adni annyi lineárisan független
sajátvektort amennyi a sajátérték algebrai multiplicitása. Ha ezek nem ortogonálisak, akkor a
Gram-Schmidt-féle ortogonalizációs eljárással elő lehet állítani ortonormált sajátvektorokat. A
bizonyítás helyett inkább egy példán mutatjuk be az eljárást. Tehát ha a szimmetrikus A
mátrixnak vannak többszörös sajátértékei, akkor is létezik n db ortonormált sajátvektora, tehát
ugyancsak igaz az S1AS Q1AQ Λ összefüggés, annyi különbséggel, hogy most a diagonális
mátrix főátlójában lehetnek azonos elemek is. ■
Mivel a Q mátrix ortogonális, egy korábbi tétel alapján tudjuk, hogy inverze megegyezik a
transzponáltjával, azaz Q–1 = QT. Ebből következik, hogy szimmetrikus mátrixok
diagonalizációja az alábbi egyszerűbb összefüggéssel is megadható.
QT AQ Λ; vagy A QΛQT ;
158
Óbudai Egyetem BGK Fejezetek a matematikából
Felmerülhet a kérdés, hogy van-e olyan mátrix amely nem szimmetrikus és ortogonális
mátrixszal diagonalizálható. A válasz nemleges ez a tulajdonság a szimmetrikus mátrixok
privilégiuma.
Q
T T
AT QΛQT T
ΛTQT QΛTQT QΛQT A;
4 2
A ;
2 1
Korábban már kiszámítottuk, hogy a két sajátérték, λ1 = 0 és λ2 = 5, tehát létezik két különböző
sajátérték, a hozzájuk tartozó sajátvektorok pedig rendre a következők.
1 2
s1 ; s 2 ;
2 1
1 2
5 5
s1 1 4 5; s10 ; s 2 4 1 5; s02 ;
2 1
5 5
1 2 1 2
5 5
5 5
SQ ; S 1 Q 1 QT ;
2 1 2 1
5 5 5
5
1 2 1 2
5 5 4 2 5
5 0 0
QT AQ Λ;
2 1 2 1 2 1 0 5
5 5 5
5
1 2 1 2
4 2 5 5 0 0 5
5
A
1 0 5 2
QΛQT ;
2 1 2 1
5 5 5 5
Ebben a példában a diagonális Λ mátrix főátlójában is van zérus elem, de ez lehetséges, hiszen a
sajátértékek egyike zérus.
1 2 2
A 2 1 2 ;
2 2 1
1 2 2
det A E 2 1 2 5 1 0;
2
2 2 1
t 1
s1 t ; t R \ 0 ; például s1 1 ;
t 1
vektor. A kétszeres algebrai multiplicitású sajátértékhez tartozó sajátaltér viszont két dimenziós, a
sajátvektorok a következő módon adhatók meg.
160
Óbudai Egyetem BGK Fejezetek a matematikából
Ez utóbbi sajátaltérben kaptunk tehát két lineárisan független sajátvektort, amelyek láthatóan
ortogonálisak s1-re, de mivel s2 , s3 1 ezek a sajátvektorok nem ortogonálisak egymásra.
Tartsuk meg az q2 = s2 vektort változatlanul, s3 helyett pedig keressünk egy olyan második
bázisvektort a sajátaltérben, amely ortogonális q2-re. Ezt a Gram-Schmidt-féle ortogonalizációval
végezzük. Keressük a q3 vektort q3 = s3 – α23q2 alakban úgy, hogy q2 , q3 0 teljesüljön.
1
q2 , q3 q2 , s3 23 q2 , q2 0; azaz 1 223 0; ahonnan 23 ;
2
1 1 T
1 1 1
q3 s3 23q 2 0 1 1 ;
2 2 2
1 0
T
1 1
q1 1 1 1 ; q2 1 1 0 ; q3
T T
1 ;
2 2
T
1 1 1
T
1 1
T
1 1 2
q10 ; q2
0
0 ; q30 ;
3 3 3 2 2 6 6 3
1 1 1 1 1 1
3 2 6 3 3 3
1 1 1 1 1
1 1
SQ ; S Q Q
T
0 ;
3 2 6 2 2
1 2 1 1 2
0
3 3 6 6 3
161
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 1 1 1
3 3 3 1 2 2 3 2 6 5 0 0
1 1 1
0 2 1 2
1 1
Q AQ
T
0 1 0 Λ;
2 2 2 2 1 3 2 6
0 0 1
1
1 2 1 2
0
6 6 3 3 3
1 1 1 1 1 1
3 2 6 5 0 0 3 3 3
1 2 2
1 1
A 2 1 2
1 1 1
0 1 0 0 QΛQT ;
2 2 1
6
0 0 1
3 2 2 2
2
1
0
2 1
1
3 3 6 6 3
162
Óbudai Egyetem BGK Fejezetek a matematikából
Nézzük meg konkrétan n = 2 és n = 3 esetben, hogyan is néz ki egy ilyen kvadratikus alak. Két
dimenzióban az általános alakja a következő.
a a12 x1 2 2
Q x xT Ax x1 x2 11 aij xi x j a11x12 2a12 x1x2 a22 x22 ;
a12 a22 x2 i 1 j 1
5 2 5 3
1.81.Példa: Legyen A valamint B és írjuk fel mindkét mátrixhoz tartozó
2 3 1 1
kvadratikus alakot a fenti definíció szerint.
Egyrészt
5 2 x1
Q x xT Ax x1 x2 x 5 x1 2 x1 x2 2 x2 x1 3x2 5x1 4 x1 x2 3x2 ;
2 2 2 2
2 3 2
163
Óbudai Egyetem BGK Fejezetek a matematikából
másrészt pedig
5 3 x1
Q x xT Bx x1 x2 5 x12 3x1 x2 x2 x1 3x22 5x12 4 x1x2 3x22 ;
1 3 x2
Tehát a két mátrix ugyanazt a kvadratikus alakot határozza meg. Mi a kapcsolat a szimmetrikus
B BT
A és a nem szimmetrikus B mátrix között? Nyilván az, hogy A . Ez általában is igaz.
2
B BT
1.92.Tétel: HaB nem szimmetrikus mátrix, akkor az A szimmetrikus mátrix ugyanazt
2
a kvadratikus alakot határozza meg, mint a B.
Bizonyítás: Képezzük a B mátrixszal a kvadratikus alakot. Ha felhasználjuk a mátrixok
szorzásának disztributív tulajdonságát, valamint azt a tényt, hogy a valós számok szorzásának
kommutativitása miatt a BT nyilván ugyanazt a kvadratikus alakot határozza meg, mint B kapjuk,
hogy
B BT
Q x xT Bx
1 T
2
1 1
x Bx xT BT x xT B BT x xT
2 2
2
x xT Ax;
Elég tehát kizárólag szimmetrikus mátrixokhoz rendelni kvadratikus alakot. Ennek fő oka az,
hogy a szimmetrikus mátrixok az előző pontokban igazolt tételek alapján a legelőnyösebb
tulajdonságokkal rendelkeznek.
164
Óbudai Egyetem BGK Fejezetek a matematikából
4 2
a) Az A mátrix pozitív definit, ugyanis
2 3
4 2 x1
xT Ax x1 x2 4 x12 4 x1 x2 3x22 2 x1 x2 2 x22 0;
2
2 3 x2
1 1
b) A B mátrix negatív definit, ugyanis
1 3
1 1 x1
xT Bx x1 x2 x12 2 x1x2 3x22 x1 x2 2 x22 0;
2
1 3 x2
8 4
c) A C mátrix pozitív szemidefinit, ugyanis
4 2
8 4 x1
2
1
x Cx x1
T
x2 8 x1 8 x1 x2 2 x2 8 x1 2 x2 0;
2 2
4 2 x2
de nyilván nem csak a nullvektorhoz rendel nulla értéket. Legyen például x 1 2 . Látható
T
1 3
d) A D mátrix negatív szemidefinit, ugyanis
3 9
1 3 x1
xT Dx x1 x2 x12 6 x1 x2 9 x22 x1 3x2 0;
2
3 9 x2
és jól láthatóan nem csak a nulla vektorhoz rendel nulla értéket. Például az x 3 1
T
165
Óbudai Egyetem BGK Fejezetek a matematikából
2 1
e) Az F mátrix indefinit, ugyanis
1 4
2 1 x1
xT Fx x1 x2 2 x12 2 x1 x2 4 x22 ;
1 4 x2
és itt nincs szükség a további alakításra, ugyanis helyettesítéssel adódik, hogy például az
x 1 0 vektorhoz –2-t tehát negatív értéket, az x 0 1
T T
vektorhoz pedig +4-et, tehát
pozitív értéket rendel.
Vizsgáljuk meg elsőként egy speciális esetben, a másodrendű szimmetrikus mátrix esetében, mi a
feltétele annak, hogy az pozitív illetve negatív definit legyen. Legyen tehát
a b
A ;
b c
egy másodrendű szimmetrikus mátrix. Vizsgáljuk meg általánosan ezen mátrixhoz rendelt
kvadratikus alak előjelviszonyait. Teljes négyzetté kiegészítéssel és azonos átalakítással a
kvadratikus alak a következő formát ölti.
a b x1
2
b ad b2 2
Q x xT Ax x1 x2 ax1
2
2bx x
1 2 cx2
2
a 1
x x2 x2 ;
b c x2 a a
Első kérdés az, hogy milyen feltételek mellett teljesül, hogy A pozitív definit. Világos, hogy ha
teljesül, hogy a> 0 és ad– b2> 0 akkor az A pozitív definit mátrix. Ez a feltétel fordítva is nyilván
igaz, azaz ha A pozitív definit, akkor ennek a két egyenlőtlenségnek teljesülnie kell. Vegyük
észre, hogy az első feltétel az, hogy a bal felső sarokaldeterminánsa pozitív, a második feltétel
pedig az, hogy a determinánsa pozitív. E kettő tehát elégséges feltétel arra, hogy A pozitív
definit legyen. További kérdésként megfogalmazódik, hogy van-e valami kapcsolat a definitség
és a sajátértékek között. Hogy ezt kiderítsük, határozzuk meg a szimmetrikus másodrendű mátrix
sajátértékeit is. A karakterisztikus egyenlete a következő.
a b
A E 2 a d ad b2 0;
b c
166
Óbudai Egyetem BGK Fejezetek a matematikából
szükségképpen pozitív, mert ha negatív lenne, akkor d-nek is negatívnak kellene lennie, hogy
ad>b2 teljesülhessen, de ekkor a + d < 0 lenne. Igazoltuk tehát a következőt.
1.93.Tétel: A másodrendű szimmetrikus A mátrix akkor és csak akkor pozitív definit ha mindkét
sajátértéke pozitív, továbbá akkor és csak akkor pozitív definit, ha a determinánsa és a bal felső
sarokaldeterminánsa is pozitív. ■
Ez a tétel általánosan is igaz, ennek igazolása következik most. Azonban a rövidség érdekében
egybefogalmazunk két tételt.
1.94.Tétel: A szimmetrikus A mátrix akkor és csak akkor pozitív (negatív) definit, ha minden
sajátértéke pozitív (negatív).
Bizonyítás: Először tegyük fel, hogy az A mátrix pozitív (negatív) definit. Ekkor tetszőleges
nullvektortól különböző xRn esetén xT Ax 0 ( xT Ax 0 ). Ez természetesen igaz az
ortonormált sajátvektorokra is. Azaz tetszőleges si , (i = 1, 2, ..., n) sajátvektorra igaz, hogy
2
siT Asi siT i si i siTsi i si i 0; i 1, 2,..., n;
2
( siT Asi siT i si i siTsi i si i 0; i 1, 2,..., n; )
Ebből az alaptételből már következik, hogy ha a sajátértékek között van negatív is és pozitív is
akkor a mátrix indefinit, ha pedig a sajátértékek pozitívok és nullák akkor a mátrix pozitív
szemidefinit, ha negatívok és nullák akkor negatív szemidefinit. A sajátértékekkel tehát
kiválóan le lehet írni szimmetirkus mátrixok definit tulajdonságait.
167
Óbudai Egyetem BGK Fejezetek a matematikából
3 2 0
A 2 4 2 ;
0 2 5
2 2 1
3 3 3
s1 2
;s 1
; s ;
2
3 2 3 3 3
1 2 2
3 3 3
3 2 0 x1
x Ax x1
T
x2 x3 2 4 2 x2 3x12 4 x22 5 x32 4 x1 x2 4 x2 x3
0 2 5 x3
2 2
2 8 3 7
3 x1 x2 x2 x3 x32 ;
3 3 4 2
A pozitív definit tulajdonsággal kapcsolatban egy olyan állítást igazolunk, amely hasznos a
Gauss-féle normálegyenlet szempontjából. Emlékeztetünk rá, ez az egyenlet az amely a legkisebb
négyzetek módszere esetén oldandó meg. Ebben szerepel az ATA mátrix. Erre a mátrixra
vonatkozik a következő állítás.
1.95.Tétel: Legyen ARn×k tetszőleges mátrix. Ekkor az ATA mátrix pozitív szemidefinit. Ha
még az is teljesül, hogy az A rangja k, akkor az ATA mátrix pozitív definit.
Bizonyítás: Azt már korábban igazoltuk, hogy az ATA mátrix kvadratikus és szimmetrikus.
képezzünk ezzel a mátrixszal egy kvadratikus alakot. Legyen xRk tetszőleges. A mátrixszorzás
asszociativitása valamint a szorzat transzponálására vonatkozó összefüggés szerint azt írhatjuk,
hogy
168
Óbudai Egyetem BGK Fejezetek a matematikából
xT AT A x xT AT Ax Ax
T
Ax Ax 2 0;
1 2
A 2 1 ;
1 0
1 2
1 2 1 6 0 ;
A A
T
2 1 0 5
2 1 0
1 0
Mivel a szorzat diagonális mátrix, a főátlóban éppen a sajátértékek állnak, amelyek mind
pozitívok, tehát az ATA szorzat valóban pozitív definit mátrix.
Ezen mátrixok determinánsát főminoroknak nevezzük, vagy kevésbé elegáns kifejezéssel "bal
felső sarokaldeterminánsok"-nak.
169
Óbudai Egyetem BGK Fejezetek a matematikából
A definitség leírható a főminorok segítségével is, ezt fogalmazzuk meg az alábbi állításban.
A ... xk
xT Ax xk 0n k k xTk A k xk 0;
... ... 0nk
Ahol az A mátrix bal felső sarkában, éppen a k-ad rendű főminormátrix kap csak szerepet a
szorzásban. Ez az egyenlőtlenség azt jelenti, hogy az Akmátrix is pozitív definit. Mivel egy
pozitív definit mátrix minden sajátértéke pozitív, így Ak minden sajátértéke is pozitív. A
determináns pedig a sajátértékek szorzata. Pozitív számok szorzata pedig pozitív. Ez pontosan azt
jelenti, hogy minden k-ra a k-ad rendű főminor pozitív.
Most igazoljuk, hogy ha a főminorok pozitívok, akkor a pivotok is pozitívok. Az elimináció
során az A mátrix a következő módon alakul.
a11 a12 a13 ... a1n a11 a12 a13 ... a1n
1
a a2 n 0 a2 n
1 1
a22 a23 ... a22 a23 ...
21 2
A a31 a3n ~ 0 a3 n ;
2
a32 a33 ... 0 a33 ...
... ... ... ... ... ... ... ... ... ...
an1
an 2 an3 ... ann 0 n
0 0 ... ann
Az elimináció során alkalmazott lépések nem változtatják meg sem az A mátrix sem az
Akfőminormátrixok determinánsát. Ebből következik, hogy a főminorok a következő mátrixok
determinánsai.
170
Óbudai Egyetem BGK Fejezetek a matematikából
k 1
det Ak det Ak 1 akk ; k 1, 2,..., n
D L x ;
T
xT Ax xT LDLT x LT x T
Ezzel, ha bevezetjük az y = LTx jelet, akkor azt kapjuk, hogy a kvadratikus alak egy teljes
négyzet, és az együtthatók éppen a pivotok. Ebből már következik az A mátrix pozitív definit
tulajdonsága. Ezzel az állítást bizonyítottuk.■
Fontos tisztázni az előző tétel negatív definit mátrixokra vonatkozó megfelelőjét, mert van egy
nem nyilvánvaló különbség a két tételben.
1.85.Példa: Mutassuk meg, hogy az A mátrix pozitív definit, és ellenőrizzük ennek összes, fenti
tételekben leírt következményét.
2 1 1
A 1 2 1 ;
1 1 2
171
Óbudai Egyetem BGK Fejezetek a matematikából
2 1 1
2 1
det A1 2; det A 2 3; det A3 1 2 1 4;
1 2
1 1 2
1 1 1
3 2 6
1 1 1
s1 ; s 2 ; s3 ;
3 2 6
1 0 2
3 6
2 1 1 2 1 1
2 1 1
3 1 3 1
1 2 1 ~ 0 2 2 ~ 0 2 2
;
1 1 2
3 4
0 0
1
0 2
2 3
1.86.Példa: Mutassuk meg, hogy az A mátrix negatív definit, és ellenőrizzük ennek összes, fenti
tételekben leírt következményét.
2 2 2
A 2 5 4 ;
2 4 5
2 2 2
2 2
det A1 2; det A 2 6; det A3 2 5 4 10;
2 5
2 4 5
Ezek valóban váltakozó előjelűek, a páratlan rendűek negatívok a páros rendű pozitív.
Határozzuk meg a sajátértékeket. Ezek a következők λ1 = –10, λ2,3 = –1, valóban mind negatívok.
A későbbiek kedvéért megadjuk a hozzájuk tartozó ortonormált sajátvektorokat is. Ezek rendre a
következők.
172
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 2
3 5
3 5
1 4
s1 ; s 2
2
3 ; s3 ;
5 3 5
2 0 5
3
3 5
2 2 2 2 2 2 2 2 2
2 5 4 ~ 0 3 2 ~ 0 3 2 ;
2 4 5 0 2 3 0 0 2, 6
T
xT Ax xTQΛQT x QT x ΛQT x;
1 0 ... 0 y1
0 ... 0 y2 n
xT Ax y T Λy y1 y2 ... yn 2
i yi2 ;
... ... ... ... ... i 1
0 0 ... n yn
173
Óbudai Egyetem BGK Fejezetek a matematikából
2 1 x1
Q x xT Ax x1 x2 ;
1 2 x2
1 1
2 2
s1 ; s2 ;
1 1
2 2
1 1 1 T 1 1 1
Q 1 1 ; Q ;
2 2 1 1
1 1 1 2 1 1 1 1 1 0
QT AQ Λ;
2 1 1 1 2 2 1 1 0 3
illetve az A faktorizációját
2 1 1 1 1 1 0 1 1
A 2 1 1 0 3 1 1 QΛQ ;
T
1 2
174
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 x1 1 x1 x2 y1
y QT x ;
2 1 1 x2 2 x1 x2 y2
1 0 1 x1 x2
2 2
1 x x x x
x Ax y Λy
T T
x1 x2 x1 x2 1 1 2 3 1 2 ;
2 0 3 2 x1 x2 2 2
1 3
Q x x1 x2 2 x1 x2 2 ;
2 2
2 1 1 x1
Q x x Ax x1
T
x2 x3 1 2 1 x2 ;
1 1 2 x3
1 1 1
2
3 6
1 1 1
s1 ; s 2 ; s3 ;
3 2 6
1 0 2
3 6
1 1 1 1 1
1
3 2 6 3 3
3
1 1 1 T 1 1
Q ; Q 0 ;
3 2 6 2 2
2
1 0 2 1 1
6
3 6 6 6
175
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 1 1
1
3 3
3 2 1 1
3 2 6
4 0 0
1 1 1 1 1
Q AQ
T
0 1 2 1 0 1 0 Λ;
2 2
2 1 1 2
3 2 6
0 0 1
1 1 1 0 2
6
6 6 3 6
Illetve az A faktorizációja.
1 1 1 1 1
1
3 2 6 4 0 0 3 3
2 1 1 3
1 1 1
A 1 2 1
1 1
0 1 0 2 0 QΛQT ;
3 2 6 2
1 1 2 0 0 1 2
1 0 2 1 1
6
3 6 6 6
1 1 1 1 1
1 x1 x2 x3
3 3
3 x1 3 3 3
y1
1 1 1 1
y QT x 0 x2 x1 x2 y2 ;
2 2
2 x3
2 2 y
1 1 1 1 2 3
6 x1 x2 x3
6 6 6 6 6
4 0 0 y1
x Ax y Λy y1
T T
y2 y3 0 1 0 y2
0 0 1 y3
2 2 2
1 1 1 1 1 1 1 2
4 x1 x2 x3 1 x1 x2 1 x1 x2 x3 ;
3 3 3 2 2 6 6 6
Lineáris algebrai vizsgálataink utolsó lépéseként a fentiek egy további fontos következményét
említjük meg, amely spektráltétel néven ismeretes. A spektráltétel segítségével a szimmetrikusA
mátrixot nem faktorizáljuk, azaz nem szorzatként állítjuk elő, hanem összegként, felbontjuk
eleminek tekinthető, egyszerű szerkezetű mátrixok összegére.
176
Óbudai Egyetem BGK Fejezetek a matematikából
A QΛQT ;
1 0 0 s1
T
...
0
... 0 sT2
A QΛQT s1 s 2 ... s n 2
;
... ... ... ... ...
0 0 ... n sT
n
Felhívjuk a figyelmet, hogy a jobb oldalon, nem skaláris szorzatok hanem diadikus szorzatok
állnak. A diádok az ortonormált sajátvektorok saját magukkal képezett diadikus szorzatai, az
együtthatók pedig a sajátértékek. Igazoltuk tehát a következő tételt.
177
Óbudai Egyetem BGK Fejezetek a matematikából
2 1
A ;
1 2
1 1
2 2
s1 ; s2 ;
1 1
2 2
1 1 1 1 1 1
2 1
1 2 2 ; P s sT 2 1 1 2 2;
P1 s1s1T 2 2 2
1 2 2 1 1 1 2
2 1 1
2
2 2 2 2 2
1 1 1 1
2 2
2 2 2 1
A 1s1s1T 2s 2sT2 1 3
1 1 2
;
1 1 1
2 2 2 2
1.90.Példa: A témakör utolsó példájaként határozzuk meg az alábbi mátrix spektrális felbontását.
2 2 2
A 2 5 4 ;
2 4 5
Az 1.86. példából már tudjuk, hogy a sajátértékeket a következők λ1 = –10, λ2,3 = –1. A hozzájuk
tartozó ortonormált sajátvektorok pedig rendre az alábbiak.
1 2 2
3 5
3 5
1 4
s1 ; s 2
2
3 ; s3 ;
5 3 5
2 0 5
3
3 5
178
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 2 2 2 4 2
3 9 5 5 0
9 9 5
T 2 1 2 2 4 T 1 2 2
0 ;
2 4 1 1
P1 s1s1 ; P2 s 2s 2 0
3 3 3 9 9 5
5 5
3 9 5 5
2 2
4 4 0 0 0 0
3 9 9
9
2 4 8 10
45
3 5 45 45
4 2 4 5 8 16 20
P3 s3s3T ;
3 5 3 5 3 5 3 5 45 45 45
5 10 20 25
45 45 45
3 5
1 2 2 4 2 4 8 10
9 5 0 45
9 9 5 45 45 2 2 2
20
10 1 0 1 2 5 4 ;
2 4 4 2 1 8 16
9 9 9 5 5 45 45 45
2 4 5
2 4 4 0 0 0 10 20 25
9 9 9 45 45 45
179
Óbudai Egyetem BGK Fejezetek a matematikából
2. fejezet
Differenciálegyenletek
180
Óbudai Egyetem BGK Fejezetek a matematikából
181
Óbudai Egyetem BGK Fejezetek a matematikából
2.1.1.Példa: Tegyük fel, hogy egy pékműhelyben a pék T0 = 200°C-os hőmérsékletű kenyeret
vesz ki a kemencéből. A műhely hőmérséklete legyen Tk = 35°C. Határozzuk meg, hogy a kenyér
"milyen módon hűl ki", azaz határozzuk meg, hogy T(t) hőmérséklete hogyan függ a t időtől! A
kihűlés folyamatát leíró fizikai törvény a Newton-féle kihűlési törvény, mely szerint
dT t
k T t Tk
dt
2.1.2.Példa: Tegyük fel, hogy egy R ellenállást és egy C kapacitást tartalmazó, kezdetben nyitott
áramkörünk van. Az áramkörbe, nyitott kapcsolóállásnál, beiktatunk egy egyenáramú
áramforrást, melynek konstans elektromotoros ereje U0. Határozzuk meg, hogy az áramkör
zárását követően hogyan változik a kondenzátor Q töltése az időben, azaz állítsuk elő a Q = Q(t)
függvény analitikus alakját, feltéve, hogy az áramkör zárását megelőzően a kondenzátor töltése
zérus, azaz Q(0) = 0. A problémát leíró fizikai törvény nyilván a huroktörvény, mely szerint az
egyes áramköri elemeken eső feszültségek összege egyenlő az elektromotoros erővel. Eszerint az
egyenlet a következő:
Q t
I (t ) R U 0
C
Nyilvánvalóan a körben folyó I = I(t) áramerősség nem állandó, hanem függ a kondenzátor Q(t)
dQ t
töltésétől. Ha felhasználjuk azt a definíciót mely szerint I t , akkor kapjuk a problémát
dt
leíró egyenletet.
dQ t 1
R Q t U0
dt C
Ismét egy olyan egyenletet kaptunk, amelyben az ismeretlen egy függvény, és az egyenletben
szerepel a függvény deriváltja is. A későbbiekben meghatározzuk ezen egyenletek megoldását, de
előtte ezek kapcsán értelmezzük a differenciálegyenletek elméletének tárgyalásához szükséges
alapvető fogalmakat.
182
Óbudai Egyetem BGK Fejezetek a matematikából
F(x, y, y’) = 0
y’ = f(x, y)
y” = f(x, y, y’)
183
Óbudai Egyetem BGK Fejezetek a matematikából
2.1.1.Definíció: Azt mondjuk, hogy a valós számok halmazának I intervallumán értelmezett y(x)
függvény megoldása a differenciálegyenletnek, ha elvégezve a deriválásokat és a helyettesítést az
egyenlet tetszőleges xI esetén teljesül, tehát az egyenlet az I intervallumon azonosság! Szokás
mondani ekkor, hogy az y(x) függvény kielégíti a differenciálegyenletet. Ha egy y(x) függvény
megoldása a differenciálegyenletnek, akkor a függvény grafikonját a differenciálegyenlet
integrálgörbéjének nevezzük.
Az elnevezés abból adódik, hogy egy differenciálegyenlet megoldása integrálás útján adódik
(még akkor is ez a helyzet, ha egyes speciális esetekben ténylegesen nem végzünk integrálást). A
határozatlan integrál elméletéből ismeretes, hogy a primitív függvény meghatározása során
születik egy C integrációs állandó, egy konstans. Egy elsőrendű differenciálegyenlet megoldása
során tehát az integrálás következtében mindenképpen adódik egy C integrációs konstans, ami
„benne van a megoldásban”, ha y-t kifejezzük, a „másik oldalon” szerepel a C. Így a megoldás
sohasem egyetlen függvény y = y(x), hanem végtelen sok függvény y = y(x, C), azaz egy
függvénysereg, szokás mondani ebben az esetben, hogy egyparaméteres függvénysereg. Ezt az
egyparaméteres függvénysereget nevezzük a differenciálegyenlet általános megoldásának. Az
általános megoldás tehát egy végtelen sok függvényt tartalmazó függvényhalmaz. Természetesen
teljesülnie kell annak, hogy a függvénysereg bármely elemének grafikonja részhalmaza a
fentiekben definiált T tartománynak, más szóval az integrálgörbék T-ben haladnak. Ennek
minden egyes eleme kielégíti a differenciálegyenletet a fent említett értelemben.
184
Óbudai Egyetem BGK Fejezetek a matematikából
a) b)
2.1.1. Ábra. A2.1.3. példabeli (1) és (2) differenciálegyenletek iránymezője, és
az egyenletek néhány integrálgörbéje
185
Óbudai Egyetem BGK Fejezetek a matematikából
Az (1) és (2) egyenletek megoldását egyelőre csak szemléltettük. Az alábbiakban megadjuk majd
azokat az általános módszereket, amelyek segítségével ezen egyenletek megoldása konstruktív
úton előállítható.
Nyilvánvaló azonban, hogy egy konkrét fizikai, műszaki probléma megoldása sohasem végtelen
sok függvény, hanem egyetlen pontosan meghatározott függvény, az általános megoldáshoz
tartozó függvénysereg egy eleme. Ezt az egy függvényt valamilyen feltétellel ki kell választanunk
a függvényseregből. Ezt a feltételt a hagyományok szerint kezdeti feltételnek nevezzük, még
akkor is, ha az ismeretlen y(x) függvény változója nem a „t” idő! Ezt a kezdeti feltételt általában a
következő módon adjuk meg: előírjuk, hogy az integrálgörbe haladjon át egy
(x0, y0) T ponton, tehát, hogy teljesüljön az y(x0) = y0 feltétel. Egy konkrét probléma tehát
tartalmaz egy differenciálegyenletet és a differenciálegyenlethez tartozó kezdeti feltételt. Ezt a
két egyenletet együtt kezdeti érték problémának (k.é.p.) vagy Cauchy-féle feladatnak
nevezzük. Tehát egy explicit közönséges elsőrendű differenciálegyenletre vonatkozó kezdeti
érték probléma az alábbi:
Ennek a feladatnak a megoldása már egyértelmű, azaz egyetlenegy függvény, amennyiben létezik
megoldás. Ezt a függvényt a differenciálegyenlet adott kezdeti feltételt kielégítő partikuláris
megoldásának nevezzük.
186
Óbudai Egyetem BGK Fejezetek a matematikából
A tétel elégséges feltétel, de nem szükséges. Ez annyit jelent, hogy előfordulhat, hogy az a) és b)
feltételek egyike nem, vagy egyike sem teljesül, és ennek ellenére a differenciálegyenletnek
egyértelműen létezik megoldása.
1
2.1.4.Példa: Vizsgáljuk meg az y ' 2 differenciálegyenletet. Ekkor a jobb oldal folytonos
y
2
függvény, amely azonban y = 0 esetén nincs értelmezve, továbbá f ' y x, y 3 , így ez a
y
parciális derivált nem korlátos, ha y → 0, tehát az x-tengely pontjaiban. Az elégséges feltétel a
folytonosságra vonatkozó a) része és a korlátosságra vonatkozó b) része nem teljesül az x-tengely
mentén, azonban az egyenletnek mégis egyértelműen létezik megoldása bármely (x0, 0) kezdeti
feltétel esetén. Helyettesítéssel könnyen ellenőrizhető, hogy az egyenlet ezen kezdeti feltételt
kielégítő megoldása az y 3 3 x0 x függvény, és ezen a ponton áthaladó más megoldás nem
létezik, tehát a megoldás annak ellenére egyértelmű, hogy a parciális derivált nem korlátos. (A
Tisztelt Olvasó később konstruktívan is meg fogja tudni oldani ezt az egyenletet, mert ez egy
szeparálható differenciálegyenlet, amelyet az alábbiakban részletesen tárgyalunk.) A sík
x-tengelytől különböző bármely pontjára vonatkozólag teljesülnek a tétel feltételei, tehát minden
más kezdeti feltétel esetén a megoldás létezése és egyértelműsége az elégséges feltételből
következik.
2.1.5. Példa: Vizsgáljuk meg az y ' 3 3 y 2 differenciálegyenlet megoldásait az egyértelműség
szempontjából. Az egyenletet nyilván kielégíti az y = 0 azonosan nulla függvény, továbbá az
egyenlet általános megoldása az
187
Óbudai Egyetem BGK Fejezetek a matematikából
y x x C
3
2
3
3 3 x C 3 x C , tehát valóban azonosságot kaptunk. A 2.1.2. ábrán szemléltetjük a
2
differenciálegyenlet iránymezőjét, az általános megoldást és a konstans nulla megoldást is.
2.1.2. Ábra. A2.1.5. példabeli differenciálegyenlet iránymezője, ésaz egyenlet néhány integrálgörbéje
és az azonosan nulla megoldás
1
2
f ' y x, y 3 3 y 2 3 y 3
2
y 3 3y
tehát valóban a végtelenhez tart, ha y → 0. Ami annyit jelent, hogy nem teljesül az unicitási tétel
egyik feltétele, a parciális derivált korlátossága. Nézzük meg konkrétan ennek következményét.
Válasszuk ki az y = 0 egyenes, tehát az x-tengely egy tetszőleges x0 pontját. Ezen a ponton át a
differenciálegyenletnek végtelen sok integrálgörbéje halad át. Ugyanis ha x1 ≤ x0 akkor x ≤ x1
esetén megoldás az y x x x1 harmadfokú függvény – ennek a függvénynek az „alsó”
3
188
Óbudai Egyetem BGK Fejezetek a matematikából
alakú, ahol f(x) illetve f(y) folytonos függvények. Azt mondhatjuk, hogy az (I.) esetben az
egyenletben explicit módon nem szerepel az y, a (II.) egyenletben pedig nem szerepel az x
változó. Ekkor a megoldás egyetlen integrálással adódik. A (I.) esetben az integrálás eredménye
közvetlenül adja a megoldásfüggvényt, míg a (II.) esetben az integrálást követően a kapott
implicit függvényt meg kell oldani y(x)-re. A megoldások tehát:
y ' x 1
I . y x f x dx; illetve II . f y x dx kdx; vagy formálisan f y dy kx C
2.1.6. Példa: Határozzuk meg egy „lánchíd” tartókötelének az alakját azzal a feltételezéssel, hogy
az útpálya vízszintes és homogén tömegeloszlású, valamint tegyük fel, hogy a tartókötél tömege
az útpálya tömegéhez képest elhanyagolható. Készítsünk ábrát, amelynek alapján felállíthatjuk a
probléma differenciálegyenletét. Helyezzük el a kérdéses görbét egy alkalmasan választott
koordináta rendszerben, amelynek során kihasználjuk a szimmetriát.
A 2.1.3. ábra jelöléseit alkalmazva tegyük fel, hogy a meghatározandó függvény analitikus alakja
az y(x) függvény. A probléma egy statikai feladat, mely szerint a vízszintes és függőleges erők
összege külön-külön zérus. A könnyebb összegzés érdekében az FB érintő irányú erőt
felbontottuk vízszintes és függőleges erők összegére. Az erők egyensúlya a következő
egyenletekkel adható meg: FA = F2= FBcosα, valamint mg = F1 = FBsinα, ahol m az útpálya
tömegét jelenti a [0, x] szakaszon. A két egyenlet hányadosát képezve azt kapjuk, hogy
sin mg
tg
cos FA
Használjuk fel, hogy tgα éppen a keresett y(x) függvény x-pontbeli deriváltja, használjuk fel,
továbbá, hogy az útpálya a feltételek szerint homogén tömegeloszlású. Eszerint az m tömeg
arányos az x abszcisszával, m = βx. Mindezeket figyelembe véve kapjuk a görbe
differenciálegyenletét.
g
y ' x x
FA
189
Óbudai Egyetem BGK Fejezetek a matematikából
y
y(x)
F1
FB
F2
FA
útpálya
x
mg x
g g x 2
y x xdx C
FA FA 2
A válasz tehát az, hogy a mondott feltételek mellett egy „lánchíd” tartókötelének alakja parabola.
A 2.1.4. ábrán az egyenlet integrálgörbéit és az iránymezőtszemléltetjük
190
Óbudai Egyetem BGK Fejezetek a matematikából
dT t
0, 01 T t 35
dt
1 1
dT 0, 01dt; dT 0, 01dt; ln T 35 0, 01 t ln C
T 35 T 35
Az implicit megoldást ezzel elő is állítottuk. Ha az implicit egyenletet rendezzük T(t)-re, kapjuk a
hőmérséklet időfüggését.
T (t ) 35 Ce0,01t
Ha most figyelembe vesszük a kezdeti feltételt, akkor kapjuk a C állandó értékét, valamint a
kezdeti feltételt kielégítő partikuláris megoldást. T(0) = 200 °C adat alapján adódik, hogy
C = 165. Tehát a partikuláris megoldás a következő.
T (t ) 35 165e0,01t
191
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
Q ' t Q t 10; Q ' t 10 Q t ; dQ 1dt ; dQ 1dt
10 Q 10 Q
Q(t ) 10 10 et 10 1 et
Azt kaptuk tehát, hogy a kondenzátor töltése exponenciális függvény szerint növekszik, és t → ∞
esetén éri el a 10 egységnyi töltést. A 2.1.6 ábrán szemléltetjük az egyenlet iránymezőjét, néhány
integrálgörbét és a partikuláris megoldást.
192
Óbudai Egyetem BGK Fejezetek a matematikából
y’ = f(x)∙g(y)
alakra hozható. (Ez annyit jelent, hogy az egyenletet y’-re rendezve a jobb oldal egy olyan
szorzatként írható, melynek egyik tényezője csak x-től, a másik tényezője pedig csak y-tól függ.
Ez utóbbi, implicit módon természetesen függ az x változótól is.)
y ' x
f x
g y x
y ' x
g y x dx f x dx
dy 1
f ( x) g ( y); dy f x dx;
dx g y
193
Óbudai Egyetem BGK Fejezetek a matematikából
1
g ( y) dy f ( x)dx
A lényeges különbség a korábbihoz képest, hogy itt a bal oldalon az integrációs változó az y és
nem az x. Az integrálásokat elvégezve, és ha lehetséges, az y(x) függvényt kifejezve, megkapjuk
az egyenlet általános megoldását explicit alakban. Ha az y(x) függvény a kapott egyenletből nem
fejezhető ki, akkor implicit alakú megoldás adódik.
Az f(x) és g(y) konkrét ismerete nélkül az egyenlet megoldásáról többet nem mondunk. Ezért
lássunk egy konkrét illusztráló példát.
cos y 1 e x sin y y ' 0; y 0
4
A jobb oldal valóban egy x-től és egy y-tól függő tényező szorzata. A formális átalakításokat
elvégezve válasszuk szét a változókat és integráljunk
sin y 1
cos y dy 1 e x dx;
A jobb oldal integrálása előtt célszerű az integrandust bővíteni ex-szel, így a következőt kapjuk
sin y ex
cos y
dy x
e 1
dx;
cos y C e x 1 ; azaz y x arccos C e x 1 ;
Ha a kezdeti feltételt is figyelembe vesszük, akkor kapjuk a C konstans értékét.
194
Óbudai Egyetem BGK Fejezetek a matematikából
cos
4
C e0 1 ;2
2
C 1 1 ; ahonnan C
4
2
2
y x arccos
4
ex 1
A következő pontban egy olyan egyenlettípust vizsgálunk, amely közvetlenül nem szeparálható,
de egy transzformáció segítségével szétválasztható változójú egyenletté alakítható.
195
Óbudai Egyetem BGK Fejezetek a matematikából
y
y f
x
alakra hozható. (Ez annyit jelent, hogy az egyenletet y’-re rendezve a jobb oldalon az y ismeretlen
függvény és az x változó hányadosa, ennek a hányadosnak hatványai illetve függvényei
szerepelnek.) Az elnevezés okára világítunk rá az alábbi fogalommal:
x 4 3xy3
f x, y ;
xy y 2
Azt állítjuk, hogy ez a függvény egy másodfokú homogén függvény. A definíció szerint ugyanis
f x , y
x 3x y
4
4
3 x 3xy
4 3
2 x4 3xy3 2 f x, y
xy y 2 xy y 2
2
xy y 2
y
A differenciálegyenlet megoldása.Az y f egyenlet megoldásához vezessünk be egy új
x
ismeretlen függvényt az
196
Óbudai Egyetem BGK Fejezetek a matematikából
y x
u x
x
definícióval. Transzformáljuk az eredeti egyenletet úgy, hogy abban az u(x) függvény legyen az
ismeretlen. Ehhez átrendezzük ezt az egyenletet: y(x) = u(x) ∙ x, majd deriváljuk az x változó
szerint
u’x + u = f(u)
u
1
x
f u u
du
Valóban, a jobb oldal egy x-től és egy u-tól függő tényező szorzata. Bevezetve u’ helyére a
dx
formális hányadost, azt kapjuk, hogy
f u u
du 1
dx x
1 1
f (u) u du x dx
Ha itt kiszámítjuk az integrálokat, már meg is kaptuk az u-ra vonatkozó egyenlet általános
megoldását. Ha felidézzük az y(x) = u(x) ∙ x definíciót, és a kapott megoldásban u(x) helyére
y x
behelyettesítjük az hányadost, akkor előállt az eredeti differenciálegyenlet általános
x
megoldása implicit alakban. Ha ebből kifejezhető y(x) akkor az explicit megoldást kapjuk.
197
Óbudai Egyetem BGK Fejezetek a matematikából
1
eu du dx
x
du dx; eu ln x C; u ln C ln x
u 1
e x
y( x) x ln C ln x
198
Óbudai Egyetem BGK Fejezetek a matematikából
y ' x f x y x g x
alakra hozható, ahol f(x) és g(x) egy adott [a, b] intervallumon folytonos függvények.
Ha g(x) = 0 tetszőleges x[a, b] esetén, tehát a differenciálegyenlet jobb oldala azonosan zérus,
akkor az egyenletet homogén lineárisnak nevezzük, ellenkező esetben az egyenlet inhomogén
lineáris.
A továbbiak során kiderül, hogy az inhomogén lineáris differenciálegyenlet általános
megoldásához külön-külön meg kell oldani a homogén és az inhomogén egyenletet. Az
alábbiakban ennek megfelelően részletezzük a megoldás módszereit.
kezdeti érték probléma egyértelműen megoldható, és a megoldás értelmezve van a teljes [a, b]
intervallumon.
dy
y ' f x y 0; y ' f x y; f x y
dx
1
y dy f ( x)dx
a bal oldalon álló integrál kiszámítható, a primitív függvény ln│y│, a jobb oldal azonban csak
akkor számítható ki, ha ismerjük az f(x) függvényt. A jobb oldalon az integrációs állandót
célszerű logaritmusos alakban felírni, ahol C ≠ 0.
199
Óbudai Egyetem BGK Fejezetek a matematikából
ln y f ( x)dx ln C ; ln y ln e ln C ; ln y ln Ce
f ( x ) dx f ( x ) dx
;
yhá ( x) C e
f ( x ) dx
x
f t dt
yhá ( x) y0 e x0
Másrészt az, hogy minden megoldás előáll C∙y(x) alakban abból, következik, hogy folytonos f(x)
esetén a Cauchy-féle feladat egyértelműen megoldható, azaz alkalmazható az általános
egzisztencia és unicitási tétel. ■
y 'sin x y cos x 0 .
Az egyenlet valóban homogén lineáris, ugyanis, ott ahol sin x 0 a következő standard alakra
hozható.
cos x
y ' y0
sin x
200
Óbudai Egyetem BGK Fejezetek a matematikából
1 cos x 1 cos x
dy dx; dy dx; ln y ln sin x ln C ln C sin x
y sin x y sin x
yhá x C sin x
kezdeti érték probléma egyértelműen megoldható, és a megoldás értelmezve van a teljes [a, b]
intervallumon.
Az inhomogén egyenlet vizsgálatánál fontos szerepe van annak az egyenletnek, amelyet úgy
kapunk, hogy az inhomogén egyenlet jobboldalán a g(x) függvény helyére az azonosan nulla
függvényt írjuk. Így kapjuk az inhomogén lineáris egyenlethez tartozó homogén lineáris
egyenletet.
Az inhomogén lineáris differenciálegyenlet megoldásainak szerkezetét adja meg az alábbi
tétel.
201
Óbudai Egyetem BGK Fejezetek a matematikából
2.1.6.Tétel: Tegyük fel, hogy yhá(x) az inhomogén lineáris egyenlethez tartozó homogén lineáris
egyenletet nem triviális megoldása, yip(x) pedig az inhomogén egyenlet egy tetszőleges
partikuláris megoldása. Ekkor tetszőleges CR állandó esetén a
tehát valóban kielégíti az inhomogén differenciálegyenletet. Másrészt pedig tegyük fel, hogy φ(x)
az inhomogén egyenlet egy tetszőleges megoldása, és yip(x) az inhomogén egyenlet egy
partikuláris megoldása. Ekkor megmutatjuk, hogy a φ(x) – yip(x) különbség a homogén lineáris
egyenlet megoldása. Helyettesítve és deriválva, mivel mindkét függvény az inhomogén egyenlet
megoldása, kapjuk, hogy
x yip x f x x yip x
'
yip ( x) C x e
f ( x ) dx
202
Óbudai Egyetem BGK Fejezetek a matematikából
C x e C x e f x f x C x e
f ( x ) dx f ( x ) dx f ( x ) dx
g x
Mint látható az f(x) konkrét alakjától függetlenül ebből az egyenletből a középső két tag összege
zérus, tehát az egyenlet bal oldalán csak az a tag marad meg, amelyik a C’(x) derivált függvényt
tartalmazza:
C x e
f ( x ) dx
g x
C x g x e
f ( x ) dx
C x g x e
f ( x ) dx
dx
Ennél az integrálásnál is születik elvileg egy integrációs állandó! De most csak egyetlen
partikuláris megoldás előállítása a feladat, ezért nem szükséges kitenni egy tetszőleges állandót,
illetve az állandót úgy határozhatjuk meg, hogy az a leginkább megfeleljen a feladat
kívánalmainak.
Ha ezt a C(x)-et behelyettesítjük az yip(x)-et megadó összefüggésbe, akkor előállítottuk az
inhomogén egyenlet egy partikuláris megoldását:
yip x g x e
f ( x ) dx
dx e
f ( x ) dx
Ahol a szinusz függvény nem nulla, az egyenlet ekvivalens az alábbi standard alakú inhomogén
lineáris egyenlettel.
cos x 1
y ' y
sin x sin x
203
Óbudai Egyetem BGK Fejezetek a matematikából
yip x C x sin x
cos x 1
C ' x sin x C x cos x C x sin x
sin x sin x
Látható ebben a konkrét esetben is, hogy a bal oldalon csak az ismeretlen C(x) függvény
deriváltja marad meg. Összevonás, rendezés és integrálás után azt kapjuk, hogy:
1 1 1
C ' x sin x ; C ' x 2
; C x 2 dx ctg x
sin x sin x sin x
2 2 2
C sin cos C ; ahonnan C 2
2 4 4 2 2
y x 2sin x cos x
204
Óbudai Egyetem BGK Fejezetek a matematikából
2.1.10. Ábra: A 2.1.13. példabeli inhomogén lineáris differenciálegyenlet iránymezője, néhány integrálgörbe és
a kezdeti feltételt kielégítő partikuláris megoldás
y ' x f x y x g x y x
1 y ' y 1 f x yy 1 g x y y
1 y ' y 1 f x y1 1 g x
Vezessük be a következő jelöléseket.
205
Óbudai Egyetem BGK Fejezetek a matematikából
u x y1 x
1
y x u 1
x
Ezzel a Bernoulli-féle differenciálegyenlet általános megoldását meghatároztuk.
2
u ' u 0
x
206
Óbudai Egyetem BGK Fejezetek a matematikából
1 2
u du x dx
ln u 2ln x ln C
C
uh
x2
1
u p ( x) C ( x)
x2
1 2
u p '( x) C '( x) 2
C ( x) 3
x x
x6
C '( x) x ; C ( x)
5
6
1 x6 1 x 4
u p ( x) C ( x) 2 2
x 6 x 6
1 x4
u ( x) C
x2 6
1
y ( x)
1 x4
C 2
x 6
207
Óbudai Egyetem BGK Fejezetek a matematikából
A 2.1.11. ábra alapján is világos, de már az első lépésben végrehajtott átalakításból is következik,
hogy az x = 0 helyen a differenciálegyenlet szinguláris. Az x = 0 feltétel helyettesítésével az
eredeti egyenletből is következik, hogy y = 0, tehát az origón végtelen sok integrálgörbe halad át.
Ezen a helyen nem teljesülnek a megoldás egyértelműségének a feltételei.
2.1.7.Definíció: Legyen a T tartomány a síknak, tehát R2-nek egy részhalmaza, továbbá tegyük
fel, hogy az F(x, y) kétváltozós függvény parciális deriváltjai folytonosak a T tartományon. Azt
mondjuk, hogy az F(x, y) függvény, a T tartományon folytonos P(x, y) és Q(x, y) függvénypár
primitív függvénye, ha F’x(x, y) = P(x, y) és F’y(x, y) = Q(x, y). Tehát az F primitív függvény, ha
F első változó szerinti parciális deriváltja a P, a második változó szerinti parciális deriváltja a Q.
Felmerül a kérdés, hogy egy P(x, y), Q(x, y) függvénypárnak milyen feltételek mellett létezik
primitív függvénye? Erre ad választ az alábbi tétel:
2.1.7.Tétel: Tegyük fel, hogy a P(x, y), Q(x, y) kétváltozós függvények és aP’y(x, y), Q’x(x, y)
parciális derivált függvények folytonosak. Ilyen feltételek mellett a P(x, y), Q(x, y)
függvénypárnak a T tartományon akkor és csak akkor létezik primitív függvénye, ha
P’y(x, y) = Q’x(x, y)
Bizonyítás: Egyrészt tegyük fel, hogy létezik primitív függvény, azaz létezik F(x, y) függvény, a
T tartományon olyan, hogy
208
Óbudai Egyetem BGK Fejezetek a matematikából
F F
x, y P x, y ; x, y Q x, y ;
x y
2 F P 2F Q
x, y
x , y ; x, y x , y ;
yx y xy x
F ( x, y) P x, y dx h y
F
x, y Q x , y
y
F ( x, y)
P x, y dx h ' y Q x, y
y
y
h ' y Q x, y P x, y dx; azaz h y Q x, y P x, y dx dy
y y
F ( x, y) P x, y dx Q x, y P x, y dx dy
y
Könnyen ellenőrizhető az
209
Óbudai Egyetem BGK Fejezetek a matematikából
F 'x x, y P x, y , F ' y x, y Q x, y
2.1.8.Definíció: Tegyük fel, hogy a P(x, y), Q(x, y) kétváltozós függvények a T tartományon
folytonosak. A
P’y(x, y) = Q’x(x, y)
egyenlet. Az egzakt differenciálegyenlet alakja egy kissé szokatlan a korábbiakhoz képest, ezért
más ekvivalens formában is felírjuk. Tegyük fel, hogy a T tartományban a Q(x, y) függvény sehol
sem zérus. Ekkor az egzakt differenciálegyenlet felírható az alábbi megszokottabb alakban
P x, y
y x
Q x, y
F(x, y) = C
implicit módon megadott függvénnyel, ahol C tetszőleges valós szám az F(x, y) függvény
értékkészletéből.
Bizonyítás: Tegyük fel, hogy az F(x, y) = C egyenlet által meghatározott implicit függvény az
y= y(x) függvény. Képezzük az F(x, y) = C egyenlet x-változó szerinti deriváltját. Az összetett
függvény deriválási szabályát felhasználva kapjuk, hogy
210
Óbudai Egyetem BGK Fejezetek a matematikából
Egyetlen kérdés maradt tehát. Hogyan állítható elő egy P(x, y), Q(x, y) függvénypár primitív
függvénye? A válasz a következő, meg kell oldani az
1 F 'x x, y P x, y
2 F ' y x, y Q x, y
F ( x, y) P x, y dx h y
itt a primitív függvény tartalmaz egy „állandót” amely az x-változó szerinti deriváláskor eltűnik,
ilyen módon ez lehet az y változónak egy tetszőleges függvénye: h(y). A kapott F(x, y) függvényt
deriváljuk az y-változó szerint
F
P x, y dx h ' y
y
( x, y)
y
Q( x, y ) P x, y dx h ' y ; azaz h ' y Q( x, y ) P x, y dx;
y y
1
3x e
2 y
3sin x x3e y y ' 0
y
1
P( x, y) 3x 2e y 3sin x ; Q( x, y) x3e y
y
211
Óbudai Egyetem BGK Fejezetek a matematikából
Ezek a deriváltak egyenlők, tehát az egyenlet egzakt. Létezik tehát egy F(x, y) függvény, amelyre
teljesülnek az alábbi egyenletek
1 F 'x ( x, y) 3x 2e y 3sin x ;
3 y 1
2 F ' y ( x, y ) x e
y
F ( x, y) 3x 2e y 3sin x dx x3e y 3cos x h( y)
ahol h(y) az y változónak egyelőre tetszőleges függvénye, ugyanis x-változó szerinti deriváláskor
valóban eltűnik. A h(y) meghatározásához deriváljuk F-et az y-változó szerint és vessük össze a
(2) egyenlettel
1
F ' y ( x, y) x3e y h '( y) x3e y ;
y
1
Ebből látszik, hogy h '( y ) , tehát h y ln y . Meghatároztuk tehát az F(x, y) primitív
y
függvényt.
F ( x, y) x3e y 3cos x ln y
x3e y 3cos x ln y C .
212
Óbudai Egyetem BGK Fejezetek a matematikából
P’y(x, y) = Q’x(x, y)
egyenlőség. Ekkor felmerül a kérdés, hogy nem lehet-e az egyenletet egzakttá tenni. A válasz az,
hogy bizonyos esetekben igen. Szorozzuk meg a
2.1.9.Definíció: Ha az m(x, y) függvény olyan, hogy az m(x, y)∙P(x, y), m(x, y)∙Q(x, y)
függvénypárnak létezik primitív függvénye, akkor az m(x, y) függvényt a differenciálegyenlet
integráló tényezőjének vagy multiplikátorának nevezzük.
y 2 1 xy 1 y ' 0
P x, y y 2 1; Q x, y xy 1
Ekkor P ' y x, y 2 y; Q 'x x, y y . Ezek a parciális deriváltak nem egyenlők, tehát az egyenlet
nem egzakt.
a) Keressünk csak az x-változótól függő m(x) multiplikátort. Ekkor az egyenlet alakja a
következő
m x y 2 1 m x xy 1 y ' 0
az a kérdés, létezik-e olyan m(x) függvény, amely esetén teljesül az egzaktság feltétele. A
szükséges parciális deriváltak a következők
y
m x y2 1 2 y m x ; m x xy 1 m ' x xy 1 y m x ;
x
213
Óbudai Egyetem BGK Fejezetek a matematikából
m ' x y
m x 2 y m ' x xy 1 m x y; azaz
m x xy 1
b) Próbálkozzunk csak y-tól függő integráló tényező keresésével. Ekkor az egyenlet alakja
m y y 2 1 m y xy 1 y ' 0
y
m y y2 1 m ' y y2 1 2 y m y ; m y xy 1 y m y
x
m ' y y
m ' y y 2 1 2 y m y y m y ; azaz 2
m y y 1
dm
1 2y
2 y 1
2
1
dy; ln m y ln y 2 1 ; ahonnan m y
1
m 2 y2 1
Ezzel tehát megkaptuk az integráló tényezőt. Ellenőrizzük, hogy valóban egzakt egyenletet
kaptunk-e. Az egyenlet alakja most
y2 1
xy 1 y ' 0
y2 1
y xy 1 y
y2 1 ; ;
y y 2 1 x y 2 1 y2 1
Az egyenlet tehát valóban egzakt. A megoldás a korábbiak szerint innen már meghatározható.
214
Óbudai Egyetem BGK Fejezetek a matematikából
2.1.9.Tétel: Tegyük fel, hogy a P(x, y) + Q(x, y)∙y’(x) = 0 differenciálegyenletnek létezik csak x
változótól függő m(x) multiplikátora. Ekkor teljesül az
P ' y x, y Q 'x x, y
ln m x dx
Q x, y
Q 'x x, y P ' y x, y
ln m y dy
P x, y
Az egzaktság feltétele a
P x, y Q x, y
m x P x, y m x ; m x Q x, y m ' x Q x, y m x
y y x x
P x, y Q x, y
m x m ' x Q x, y m x
y x
P ' y x, y Q 'x x, y
ln m x dx
Q x, y
215
Óbudai Egyetem BGK Fejezetek a matematikából
Az állítást ezzel igazoltuk. Hasonlóan, értelemszerű módosításokkal adódik a csak y-tól függő
multiplikátorra vonatkozó integrálképlet. ■
1
y ' f x g y; f x y' 0
g y
Vizsgáljuk meg végezetül, hogy az inhomogén lineáris differenciálegyenlet egzakt-e. Ehhez írjuk
fel az egyenletet az ekvivalens
f x y g x y ' 0
alakban. Innen azonnal látható, hogy az egyenlet nem egzakt. Kérdés, hogy létezik-e integráló
tényező. Keressünk csak x-től függő multiplikátort
m x f x y g x m x y ' 0
m x f x y g x m x f x ; m x m ' x
y x
216
Óbudai Egyetem BGK Fejezetek a matematikából
f x dx f x dx
e f x y g x e y' 0
217
Óbudai Egyetem BGK Fejezetek a matematikából
my " t Dy t ;
y " 2 y 0
2.2.2.Példa: Egészítsük ki az előző példabeli problémát azzal, hogy az m tömegű tömegpont nem
súrlódásmentesen mozog, hanem ellenálló közegben, és tegyük fel, hogy a közegellenállás
arányos a pillanatnyi sebességgel. Tehát hangsúlyozzuk, hogy nem súrlódási erő hat a
tömegpontra, hanem közegellenállási erő. Legyen a közegellenállási erő alakja F= –kv. Ekkor a
tömegpont mozgására vonatkozólag a dinamika alaptörvénye a következő: ma = –Dy – kv. Ha
kitérítés után magára hagyjuk a tömegpontot a mozgás egyenes pályán történik, így ismét skaláris
egyenletet kapunk: ma = –Dy– kv. Ha felhasználjuk, hogy a pillanatnyi sebesség a helykoordináta
első deriváltja, akkor a következő differenciálegyenletet kapjuk:
my " t Dy t ky ' t ;
218
Óbudai Egyetem BGK Fejezetek a matematikából
Ebben az egyenletben az ismeretlen függvény mellett szerepel annak első és második deriváltja
is, de ismételten másodrendű differenciálegyenletet kaptunk. A harmonikus és közegellenállási
erő együttes hatására kialakuló mozgást csillapított rezgőmozgásnak nevezzük. Ha alkalmazzuk a
D k
fizikában megszokott jelöléseket, azaz bevezetjük az 2 , 2 jelöléseket, akkor kapjuk a
m m
csillapított rezgés differenciálegyenletét
2.2.3.Példa: Tegyük fel, hogy a csillapított rezgő rendszerre egy periodikus gerjesztő erő is hat,
amely egy harmonikus rezgést kényszerít a tömegpontra. Legyen ennek a gerjesztésnek a
körfrekvenciája Ω, ekkor a gerjesztő erő az F = F0sinΩt analitikus formában adható meg. Ekkor a
mozgásegyenlet alakja a következő: ma = –Dy– kv+ F0sinΩt. Használjuk fel az előző példában
F
bevezetett jelöléseket és vezessük be továbbá a fizikában megszokott f 0 0 jelölést. Ekkor
m
kapjuk gerjesztett vagy kényszerített (és csillapított) rezgés differenciálegyenletét
y " x f x, y x , y ' x
ahol a jobb oldal, az f függvény az R3, tehát a háromdimenziós tér egy T tartományában van
értelmezve. A továbbiakban alkalmazni fogjuk az y = y(x) egyszerűsítő jelölést.
Először is tisztázzuk mit értünk általában egy ilyen másodrendű differenciálegyenlet megoldásán.
Egy másodrendű differenciálegyenlet megoldása során elvileg két alkalommal integrálunk, még
akkor is, ha ezt konkrétan egyes esetekben nem kell elvégeznünk, tehát adódik a megoldás során
két integrációs konstans: C1 és C2. Így az általános megoldás ugyancsak végtelen sok függvény,
de ezek a függvények két szabad paramétertől függenek, y = y(x, C1, C2), tehát ebben az esetben
az általános megoldás egy kétparaméteres függvénysereg.
Egy konkrét probléma megoldásaként ennek a függvényseregnek csak egy eleme jöhet szóba, ezt
úgy választjuk ki, hogy a C1 és C2 konstansokat bizonyos feltételekből meghatározzuk. Mivel itt
két konstans szerepel nyilván két kezdeti feltételre van szükség. Ezek standard alakja a
219
Óbudai Egyetem BGK Fejezetek a matematikából
következő: y(x0) = y0 és y’(x0) = y1. Ez annyit jelent, hogy előírjuk, hogy az integrálgörbe
haladjon át az (x0, y0) ponton, és ebben a pontban az integrálgörbe meredeksége legyen y1.
Természetesen felmerül a kérdés, hogy milyen feltételek mellett létezik megoldás, és milyen
esetben egyértelmű ez a megoldás. Az elsőrendű differenciálegyenletek elméletében adott
feltételt általánosítjuk, tehát ragaszkodunk egy egyszerűen ellenőrizhető, a mérnöki gyakorlatban
kielégítő feltétel megadásához.
A mondottak szerint tehát az integrálgörbék adott kezdeti feltételek mellett egyértelműen létező
térbeli görbék. Ez a szemléltetést némileg megnehezíti, mert a megoldásokat térben kellene
ábrázolni. Ezért, azt tesszük, hogy az integrálgörbék (x,y)-síkra vonatkozó vetületét ábrázoljuk,
ezzel illusztrálva a megoldásokat. Ebben az esetben azonban már nem teljesül az egyértelműség
abban az értelemben, hogy a T háromdimenziós térbeli tartomány (x, y)-síkra vonatkozó T’
vetületének egy (x0, y0) pontján át nem pontosan egy, hanem végtelen sok megoldás halad át.
Ugyanis végtelen sok integrálgörbe vetülete illeszkedik erre a pontra, hiszen az y’(x0) = y1 feltétel
végtelen sokféle módon megválasztható a rögzített y(x0) = y0 feltétel mellett. Ez szemléletesen a
következőt jelenti: az y(x0) = y0 kezdeti feltétel azt jelenti, hogy az y(x) megoldás illeszkedik az
(x0, y0) pontra, az y’(x0) = y1 pedig azt jelenti, hogy az adott pontra illeszkedő y = y(x) görbe adott
pontbeli meredeksége y1, ami végtelen sokféle módon megválasztható.
220
Óbudai Egyetem BGK Fejezetek a matematikából
Ez a legegyszerűbb eset, a megoldás lényegében abból áll, hogy a jobboldali f(x) függvényt
egymás után kétszer integráljuk. Azaz
2.2.4.Példa: Ebbe a kategóriába tartozó egyik legegyszerűbb ugyanakkor legfontosabb példa, egy
tömegpont állandó erő hatására kialakuló mozgásállapotának meghatározása. Legyen tehát
F
ma = F = állandó, azaz a állandó . Ekkor a megoldandó differenciálegyenlet a következő
m
y " a; a R
221
Óbudai Egyetem BGK Fejezetek a matematikából
t2
y ' t v t at C1; y t a C1t C2 .
2
a 2
y ' t v t at v0 ; y t t v0t y0 .
2
Ebben az esetben egy olyan módszer teszi lehetővé a megoldást, amely nagyon gyakran
alkalmazható a differenciálegyenletek megoldása során, és amelyet már az elsőrendű egyenletek
tárgyalása során is bemutattunk, ez pedig az új ismeretlen függvény bevezetése.
Legyen u(x) = y’(x) az új ismeretlen függvény. Ekkor nyilvánvalóan teljesül, hogy u’(x) = y”(x),
tehát az egyenlet alakja a következő:
2.2.5.Példa: Tegyük fel, hogy egy m tömegű motorcsónak egy tóban állandó v0 sebességgel
egyenes pályán halad. t = 0s-kor kikapcsoljuk a motort. Tegyük fel továbbá, hogy a
motorcsónakra a pillanatnyi sebességgel egyenesen arányos, és azzal ellentétes irányú
közegellenállási erő hat a vízben. Határozzuk meg a motorcsónak helyét az idő függvényében a
motor kikapcsolását követően, ha a kezdeti feltételek a következők: y(0) = 0, y’(0) = v(0) = v0. A
csónak mozgásegyenlete a következő: ma = –kv. Ha a szokásos módon áttérünk a deriváltakra,
akkor kapjuk az
222
Óbudai Egyetem BGK Fejezetek a matematikából
k
Vezessük be az új ismeretlen függvényt az u(x) = y’(x) definícióval. Ekkor, az 0
m
egyszerűsítő jelölés bevezetésével a következő elsőrendű, szétválasztható változójú egyenletet
kapjuk
u ' u
Ahol C1 tetszőleges 0-tól különböző valós szám. Ezzel meg is kaptuk az y’ derivált függvény,
tehát a sebesség időfüggésének analitikus alakját: y ' t v t C1et . Ennek integrálásával
kapjuk a hely időfüggését.
C1 t C
y t C1et dt e C2 C2 1 et
v m t
k
v t v0e t
; y t 0 1 e m
k
Azt kaptuk tehát, hogy mind a sebesség, mind a hely az idő exponenciális függvénye szerint
változik.
223
Óbudai Egyetem BGK Fejezetek a matematikából
a) b)
2.2.6.Példa: Határozzuk meg, hogy egy homogén tömegeloszlású lánc (kötél, zsinór, stb.)
kizárólag a saját súlyának a hatására, a gravitációs térben milyen alakot vesz fel. Azaz feladatként
tűzzük ki a „láncgörbe” analitikus alakjának meghatározását.
F2 FB
y(x)
α
F1
FA
mg x
2.2.2.Ábra. A „láncgörbe” meghatározásához tartozó statikai probléma diagramja
Alkalmazzuk az ábra jelöléseit. A görbének nyilván van egy abszolút minimuma, ahol az érintője
vízszintes. Helyezzük el úgy a görbét a koordináta rendszerben, hogy ennek a pontnak az
abszcisszája a 0 pontba kerüljön, majd vizsgáljuk a görbét a [0, x] intervallumon. Az ábra a lapján
világos, hogy egy olyan statikai problémával állunk szemben, melyben az FA erő az FB erő
224
Óbudai Egyetem BGK Fejezetek a matematikából
x
s x 1 y ' t dt
2
ha az arányossági tényezőt β jelöli, azaz m = βs, akkor kapjuk a következő egyenletet az y(x)
függvényre vonatkozólag
g g x x
y ' x
s x 1 y ' t dt
2 2
FA
FA 0
1 y ' t dt K
0
Ahol K egy állandó. Ez még nem „igazi differenciálegyenlet”, hiszen az ismeretlen függvény egy
integrandusban is szerepel. Ez a probléma eltűnik, ha egyszer deriváljuk ezt az egyenletet.
y " x K 1 y ' x
2
u ' K 1 u2
1 1
du Kdx; du Kdx; arsh u x Kx C1; u x sh Kx C1
1 u 2
1 u2
1 1
y x u x dx sh Kx dx ch Kx C2 ; általánosan y x ch Kx C1 C2
K K
225
Óbudai Egyetem BGK Fejezetek a matematikából
Kaptuk tehát, hogy egy lánc alakja a saját súlyának hatására egy koszinusz hiperbolikusz
függvény görbéje. Ezért nevezzük az említett függvény grafikonját láncgörbének.
a) b)
du du dy du du
y" u ' y' u
dx dy dx dy dy
226
Óbudai Egyetem BGK Fejezetek a matematikából
du
y " f y, y ' helyett u ' f y, u
dy
y ' x u y x
du 1 1 1 1
y u; du dy; du dy; ln u ln y ln C1 ; u y C1 y
dy u y u y
dy 1 1
u y C1 y; y ' C1 y; C1 y; dy C1dx; dy C1dx; ln y C1x C2 ; y x eC1x C2
dx y y
227
Óbudai Egyetem BGK Fejezetek a matematikából
du
y u ln y u 2 0
dy
Ezt az egyenletet is kielégíti az u = 0 azonosan nulla függvény, tehát minden y(x) = C konstans
függvény megoldása az egyenletnek. Tegyük most fel, hogy u ≠ 0 és osszuk el vele az egyenletet.
Ekkor kapunk egy szeparálható egyenletet, melynek megoldása a következő
du 1 1 C
y ln y u 0; du dy; ln u ln ln y ln C1 ; u 1
dy u y ln y ln y
C1
y' ; ln ydy C1dx; ln ydy C1dx; y ln y y C1x C2 ;
ln y
228
Óbudai Egyetem BGK Fejezetek a matematikából
2.2.3.Definíció: Tegyük fel, hogy az f1(x), f2(x) és a g(x) függvények folytonosak a valós számok
halmazának egy korlátos és zárt I = [a, b] intervallumán. Az explicit közönséges másodrendű
differenciálegyenletet lineárisnak nevezzük, ha ekvivalens átalakítások útján az alábbi alakra
hozható
Az elsőrendű esethez hasonlóan az egyenlet homogén lineáris, ha g(x) = 0, xI, tehát ha a jobb
oldal azonosan 0 az [a, b] intervallumon, ellenkező esetben az egyenlet inhomogén lineáris.
Felmerül a megoldás létezésének és egyértelműségének a kérdése. Ennek a kérdésnek a
vizsgálatához az általános érvényű 2.2.1. tételt alkalmazzuk.
2.2.2.Tétel: Ha az f1(x), f2(x) és a g(x) függvények folytonosak a valós számok halmazának egy
korlátos és zárt I = [a, b] intervallumán, akkor tetszőleges x0 a, b , y0 R, y1 R esetén az
229
Óbudai Egyetem BGK Fejezetek a matematikából
f f
x, y, y ' f2 x ; x, y, y ' f1 x ;
y y '
és a feltételek szerint ezek a függvények folytonosak a korlátos és zárt [a, b] intervallumon, ebből
következően korlátosak is, tehát a parciális deriváltak korlátosak. Az egzisztenciát és unicitást
biztosító elégséges feltételek tehát teljesülnek. ■
összeget, ahol α1, α2,…αnR valós számok, de elvileg megengedhetjük azt is, hogy az
együtthatók komplexek legyenek.
A most következő értelmezéssel lényegében egy egyszerűsítő jelölést vezetünk be, amellyel a
későbbiekben egyszerűbb jelölés- és tárgyalásmódra nyílik lehetőség.
L y : y " f1 x y ' f 2 x y
Ez az operátor tehát előállítja a homogén lineáris differenciálegyenlet bal oldalát egy adott y
függvényre alkalmazva. Elsőként bizonyítjuk ezen operátor legfontosabb tulajdonságait.
230
Óbudai Egyetem BGK Fejezetek a matematikából
n n n
L i yi i L yi i 0 0
i 1 i 1 i 1
Mivel a 0 valós része is és képzetes része is 0, szükségképpen teljesül, hogy L[u] = 0 és L[v] = 0.
Ezt kellett igazolni. ■
231
Óbudai Egyetem BGK Fejezetek a matematikából
egyenlőség minden x[a, b] esetén csak akkor áll fenn, ha α1 = α2= 0. Ellenkező esetben azt
mondjuk, hogy az y1(x) és y2(x) függvények az [a, b] intervallumon lineárisan összefüggő
rendszert alkotnak.
y1 x y2 x
W y1 x , y2 x
y1 x y2 x
y1 y2 y3
W y1 , y2 , y3 y1 y2 y3
y1 y2 y3
232
Óbudai Egyetem BGK Fejezetek a matematikából
2
y2 y2
y x y2 x 1 2 y2 y2
W y1 x , y2 x 1 0
y1 x y2 x 2 1 y2 y2
y2 y2
1
A bizonyított tétel szó szerint igaz n> 2 számú függvény esetére is, a bizonyítás is átvihető erre
az esetre értelemszerű módosítással.
2.2.9.Példa: Igazoljuk a bizonyított tétel alapján, hogy az 1, cos2x, cos2x függvények lineárisan
összefüggenek. A három függvény Wronski-determinánsa
1 cos 2 x cos 2 x
2sin 2 x sin 2 x
W y1 , y2 , y3 0 2sin 2 x 2 cos x sin x
4 cos 2 x 2 cos 2 x
0 4 cos 2 x 2sin x 2 cos x 2 2
valóban azonosan nulla a teljes számegyenesen, tehát a függvények lineárisan összefüggenek. Ezt
a tényt egy ismert trigonometrikus azonosság alapján is tudjuk. Eszerint
1 cos 2 x 1 1
cos2 x ; azaz cos 2 x cos 2 x 0;
2 2 2
valóban elő lehet állítani az azonosan nulla függvényt nem kizárólag zérus együtthatókkal.
2.2.10.Példa: Igazoljuk a bizonyított tétel alapján, hogy az ex, e–x, shx függvények lineárisan
összefüggenek. A három függvény Wronski-determinánsa
ex e x sh x ex e x sh x
W y1 , y2 , y3 e x e x ch x 0 2e x ch x sh x 0
ex e x sh x 0 0 0
a teljes számegyenesen, tehát a három függvény valóban lineárisan összefügg. Ezt azonban már a
hiperbolikus függvény definíciója alapján is tudjuk, mely szerint
233
Óbudai Egyetem BGK Fejezetek a matematikából
e x e x 1 1
sh x ; azaz e x e x sh x 0;
2 2 2
1 y1 x0 2 y2 x0 0
1 y '1 x0 2 y '2 x0 0
y x 1 y1 x 2 y2 x 0;
ahol legalább az egyik αi ≠ 0, ami azt jelenti, hogy az y1(x) és y2(x) függvények lineárisan
összefüggenek. Ez ellentmond a tétel azon feltételének, hogy ezek a függvények lineárisan
függetlenek. ■
234
Óbudai Egyetem BGK Fejezetek a matematikából
Ebben a rendszerben az ismeretlenek száma nagyobb, mint az egyenletek száma, tehát végtelen
sok megoldás van, azaz létezik olyan megoldás is, amelyben legalább az egyik αi ≠ 0. Mivel
megoldások tetszőleges lineáris kombinációja is megoldás, tehát az 1 y1 x 2 y2 x 3 y3 x
függvény is megoldás, a megoldás egyértelműsége miatt azonban
1 y1 x 2 y2 x 3 y3 x 0; x a, b
Ezzel a tétellel analóg tétel igazolható n-ed rendű lineáris differenciálegyenletre, mely szerint egy
n-ed rendű lineáris egyenlet bármely n + 1 db megoldása lineárisan összefüggő. Mint azt a
lineáris algebrában is láttuk, ha egy rendszer lineárisan összefüggő, akkor a rendszerből
egyenként elhagyhatók mindazok a függvények, amelyek előállíthatók a többi függvény lineáris
kombinációjával, ekkor a rendszer által előállítható függvények lineáris tere nem változik, a
maradék lineárisan független rendszer ugyanazt a lineáris teret generálja. Ebből következik, hogy
a másodrendű homogén lineáris differenciálegyenlet megoldása során elég meghatároznunk két
lineárisan független megoldást.
235
Óbudai Egyetem BGK Fejezetek a matematikából
a11 a12
W y1 x , y2 x a11a22 a12 a21 0
a21 a22
nullától különbözik. Ez pontosan azt jelenti, hogy az y1(x), y2(x) függvények alaprendszert
alkotnak. Mivel az aij konstansok végtelen sokféle módon megválaszthatók úgy, hogy a
determináns nullától különbözzön, valóban végtelen sok alaprendszer létezik. ■
L y 0; y x0 h x0 ; y ' x0 h ' x0 ;
1 y1 x0 2 y2 x0 0;
1 y1 ' x0 2 y2 ' x0 0;
236
Óbudai Egyetem BGK Fejezetek a matematikából
A tétel állítása azt jelenti tehát, hogy a differenciálegyenlet általános megoldásának előállításához
meg kell határozni a differenciálegyenlet két lineárisan független megoldását. Egy probléma van
azonban, az általános, függvény együtthatójú esetben erre nincs módszer. Azt tehetjük, hogy az
f1(x) és f2(x) függvények konkrét alakjától függően próbafüggvényeket alkalmazunk,
megpróbálunk az egyenletbe helyettesíteni egy polinom függvényt, exponenciális függvényt,
racionális törtfüggvényt, trigonometrikus függvények lineáris kombinációját,…stb, és ha
szerencsénk van, létezik ilyen alakú megoldás.
2 x 1 y " 4 xy ' 4 y 0;
Mivel az említettek szerint általános módszer nincs a megoldás előállítására, próbafüggvényekkel
juthatunk célhoz.
Egy megoldást próbáljunk keresni elsőfokú polinom formájában, azaz legyen y1 x Ax B .
Helyettesítéssel a következőt kapjuk.
2 x 1 0 4 x A 4 Ax B 0;
Ez az egyenlőség azonosan teljesül, ha B = 0, és A tetszőleges valós szám. Válasszuk ez utóbbit a
legegyszerűbben, legyen A = 1. Kaptuk tehát, hogy y1 x megoldása a differenciálegyenletnek.
A második, lineárisan független megoldást keressük exponenciális függvény alakjában, legyen
tehát y2 x eax . Ismét helyettesítve az egyenletbe azt kapjuk, hogy
e2 x
1
x
W x, e 2 x
2 xe2 x e2 x 2 x 1 e2 x
2 x
2e
237
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
ez pedig különbözik nullától a , ; , intervallumon bármelyikén. Ezek szerint
2 2
megkaptuk a differenciálegyenlet alaprendszerét a megjelölt intervallumokon. Innen már
következik, hogy a differenciálegyenlet általános megoldása a következő.
2.2.13.Tétel: (Liouville-tétele)
Ha y1(x) és y2(x) függvények az I intervallumon megoldásai az y” + f1(x)∙y’ + f2(x)∙y = 0 (xI)
differenciálegyenletnek, akkor a W(y1(x), y2(x)) Wronski-determináns az I intervallumon eleget
tesz az
y’ + f1(x)∙y = 0
y1 x y2 x y x y2 x y1 x y2 x
W ' y1 x , y2 x 1
y1 x y2 x y "1 x y "2 x y "1 x y "2 x
Hiszen az első determináns két sora megegyezik. Vegyük most figyelembe a homogén lineáris
egyenlet explicit alakját. Ekkor kapjuk, hogy
y1 y2 y1 y2
W ' y1 , y2
y "1 y "2 f1 x y1 ' f 2 x y1 f1 x y2 ' f 2 x y2
y1 y2 y y2 y y2
f1 x f2 x 1 f1 x 1 f1 x W y1 , y2
y '1 y '2 y1 y2 y '1 y '2
y ( x) C e 1
f ( x ) dx
238
Óbudai Egyetem BGK Fejezetek a matematikából
egyenletet kapjuk. Ez az összefüggés lehetőséget biztosít egy ismert megoldás birtokában arra,
hogy egy másik, lineárisan független megoldást is előállítsunk. Legyen ugyanis az ismert
megoldás y1(x). Ekkor az
y1 x y
C e 1 ; azaz y1 x y ' y '1 x y C e 1
f ( x ) dx f ( x ) dx
;C0
y '1 x y'
y1 x y ' y '1 x y
e 1
C f ( x ) dx
y12 x y12 x
y
A kapott egyenlet bal oldalát vizsgálva vegyük észre, hogy az éppen az hányados
y1 x
deriváltja. Ennek figyelembe vételével az egyenlet megoldása nagyon egyszerű
y C f ( x ) dx
e 1 e 1
C f ( x ) dx
y1 x
2
y1 x
; ahonnan y2 x y1 x 2
y
1 x
dx
1 1
x 2 ln xy " xy ' y 0; standard alakban y " y ' 2 y0
x ln x x ln x
239
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
x y dx dx
1 e x ln x ; azaz xy ' y e x ln x ;
1 y'
differenciálegyenlet megoldását kell meghatároznunk. A C konstanst, célszerűségi okokból
–1-nek választottuk. Felhívjuk a figyelmet, hogy az f1(x) függvényt a differenciálegyenlet
standard alakjáról olvassuk le, amikor is az y” második derivált függvény együtthatója 1. Ha nem
így járunk el, természetesen hibát követünk el. Ez, mint említettük egy elsőrendű inhomogén
lineáris differenciálegyenlet, ám némileg speciális. Megoldása során kihasználjuk azt az
észrevételt, amelyet a Liouville-tétel bizonyítása utáni megjegyzésben tettünk. Eszerint az
egyenlet felírható az alábbi ekvivalens alakban
y
1
1 x ln x dx
2 e 2 ln x
1 ln ln x 1
2 e
x x x x
y 1 ln x 1 ln x 1
2 ln xdx 2 dx ; ahonnan y2 x ln x 1
x x x x x x
Előállítottuk tehát a differenciálegyenlet egy második megoldását. Kérdés, hogy a két megoldás
lineárisan független-e. Ennek eldöntéséhez kiszámítjuk a Wronski-determinánst.
x ln x 1
W x, ln x 1 1 1 ln x 1 ln x
1
x
Ez pedig különbözik nullától a 0,1; 1, intervallumok bármelyikén. Eszerint bármely említett
intervallumon a differenciálegyenlet általános megoldása a következő
e x 1 y " 2 y ' e x y 0; standard alakban y "
2
ex 1
y '
ex
ex 1
y0
240
Óbudai Egyetem BGK Fejezetek a matematikából
e x
1 y " 2 y ' e x y e x 1 e x 2e x e x e x 1 e2 x e x 2e x e 2 x e x 0
2 2
ex 1 e x 1dx
y dx
C e e x 1 ; tehát az e 1 y ' e y Ce
x x
;
ex y'
differenciálegyenletet. Vegyük figyelembe, hogy a bal oldal, az egyenlet (ex – 1)2-nel történő
osztása után egy hányados deriváltja. Az integrandus célszerű átalakításával a következőt kapjuk.
x
e
y C 2 dx
e x 1
C 2ln e x 1 C Ce2 x
x e e
e 1 e
2 2 2 2 2
ex 1 ex 1 e x 1 e x 1 2x
1
y Ce2 x C 1 1
dx ; ahonnan y2 x x
e 1
2 e 1 e 1
x 2 2x
e2 x 1
Itt a konstansnak a C = –2 értéket adtuk. Kaptunk tehát egy második megoldást. Az általános
tételből következik, hogy a két megoldás lineárisan független, de azért megmutatjuk ebben a
konkrét esetben is, hogy ez igaz. Kiszámítjuk a Wronski-determinánst
1
ex 1
1 e 1
x
2e2 x
W e x 1, x ex 0
e 1
2
ex ex 1
e 1
2
x
sehol sem zérus, így a kapott két függvény a differenciálegyenlet alaprendszerét képezi a teljes
számegyenesen. Az általános megoldás ezért a következő
yhá x C1 e x 1 C2 1
e 1
; C1 , C2 R
x
241
Óbudai Egyetem BGK Fejezetek a matematikából
Már csak azt kell megmutatni, hogy bármely megoldás előáll ilyen alakban. Legyen h(x) egy
tetszőleges megoldása az inhomogén egyenletnek. Ekkor ugyancsak az L operátor linearitása
miatt, kapjuk, hogy
Ami azt jelenti, hogy a h(x) – yip(x) függvény megoldása a homogén lineáris egyenletnek. A
homogén lineáris egyenlet általános megoldása pedig előáll az alaprendszer lineáris
kombinációjaként, azaz teljesül, hogy alkalmas C1 és C2 állandókkal
A tétel szerint, ha birtokunkban van a homogén lineáris egyenlet egy alaprendszere, akkor
az általános megoldáshoz egyetlen partikuláris megoldás előállítására van csak szükség! Ha
ismert az alaprendszer, akkor ez a probléma is megoldható. A megoldást ebben az esetben is az
állandók variálásának módszere jelenti. Most többes számot használtunk, hiszen a homogén
egyenlet általános megoldásában két állandó szerepel, C1 és C2. Keressük tehát az inhomogén
egyenlet partikuláris megoldását az alábbi alakban.
242
Óbudai Egyetem BGK Fejezetek a matematikából
W1 x W2 x
C1 x dx, C2 x dx
W y1 x , y2 x W y1 x , y2 x
0 y2 x y x 0
W1 x ; W2 x 1
g x y2 x y1 x g x
yip C1 y1 C2 y2
y 'ip C1 y '1 C2 y '2 C '1 y1 C '2 y2
y "ip C1 y "1 C2 y "2 C '1 y '1 C '2 y '2 C '1 y1 C '2 y2 '
A két ismeretlen függvény meghatározásához két feltételre van szükség. Legyenek ezek a
következők.
C '1 x y1 x C '2 x y2 x 0
C '1 x y '1 x C '2 x y '2 x g x
243
Óbudai Egyetem BGK Fejezetek a matematikából
L yip C1L y1 C2 L y2 g x 0 0 g x g x
0 y2 x y1 x 0
g x y2 x y1 x g x
C '1 x ; C '2 x
y1 x y2 x y1 x y2 x
y1 x y2 x y1 x y2 x
4x 4
2 x 1 y " 4 xy ' 4 y 2 x 12 ; standard alakban y " y ' y 2 x 1 ;
2 x 1 2 x 1
Korábban már előállítottuk a megfelelő homogén lineáris differenciálegyenlet egy alaprendszerét.
Ez a következő: y1 x x; y2 x e2 x . Ezek felhasználásával már elő lehet állítani az
inhomogén egyenlet egy partikuláris megoldását. Alkalmazva a tétel jelöléseit
e2 x
1
x
W x, e 2 x
2 x 1 e2 x ;
2 x
2e
0 e2 x x 0
W1 x 2 x 1 e2 x ; W2 x 2 x 1 x;
2 x 1 2e2 x 1 2x 1
W1 x 2 x 1 e2 x
C1 x dx dx 1dx x;
W y1 x , y2 x 2 x 1 e2 x
C2 x
2 x 1 x dx xe2 x dx e2 x 1 x ;
2 x 1 e2 x
4 2
244
Óbudai Egyetem BGK Fejezetek a matematikából
1 x x 1
yip x x x e2 x e2 x x 2
4 2 2 4
x 1
yiá x C1x C2e2 x x 2 ; C1 , C2 R
2 4
( x 1) 1
xy " ( x 1) y ' y x 2e x ; standard alakban az y " y ' y xe x
x x
xe x x 1 e x e x 0; másrészt x 0 x 1 1 x 1 0;
Valóban megoldások. Kérdés, hogy lineárisan függetlenek-e. Ehhez ki kell számítani Wronski-
determinánsukat.
ex ( x 1)
W ( y1; y2 ) e x ( x 1)e x xe x
e x
1
0 ( x 1) ex 0
W1 x( x 1)e x ; W2 xe2 x
xe x
1 e x
xe x
245
Óbudai Egyetem BGK Fejezetek a matematikából
W1 x x( x 1)e x x2
C1 ( x) dx dx ( x 1)dx x
W y1 , y2 xe x 2
W2 x xe2 x
C2 ( x) dx x dx e x dx e x
W y1 , y2 xe
x2
yip x e x x 1 e x
2
x2
y C1e x C2 ( x 1) x e x x 1 e x
2
246
Óbudai Egyetem BGK Fejezetek a matematikából
másodrendű homogén lineáris differenciálegyenlet. Az általános tétel szerint meg kell határozni
az egyenlet egy alaprendszerét, vagyis két lineárisan független megoldást. Mint látni fogjuk az
állandó együtthatójú esetben ez tetszőleges a, b, cR esetén nagyon könnyen megoldható feladat.
A megoldás alapgondolata az, hogy elsőként megvizsgáljuk az állandó együtthatójú elsőrendű
homogén lineáris egyenletet:
y’ + a∙y = 0, aR
Ezt abban az esetben is könnyen meg tudjuk oldani, amikor az a konstans helyén egy folytonos
f(x) függvény áll. Mint láttuk a megoldás az állandó szorzótól eltekintve
y ( x) e
f ( x ) dx
y( x) e ax
247
Óbudai Egyetem BGK Fejezetek a matematikából
Tehát a megoldás egy exponenciális függvény. Felmerül a kérdés, hogy vajon a másodrendű
egyenletnek van-e ilyen alakú megoldása. Próbálkozzunk meg a másodrendű egyenletet
kielégíteni egy
y( x) ex
alakú „próbafüggvénnyel”. A kérdés nyilván az, hogy létezik-e olyan λ valós vagy komplex
szám, amelyre ez a függvény megoldása a homogén egyenletnek. Ezt a legegyszerűbben úgy
lehet eldönteni, hogy behelyettesítjük a függvényt az egyenletbe. Ehhez a próbafüggvényt kétszer
kell deriválni:
a∙λ2 + b∙λ + c = 0
1.eset: D> 0.Ekkor a karakterisztikus egyenletnek két különböző valós megoldása van:
b D b D
1 ; 2 ;
2a 2a
y1 ( x) e1x ; y2 ( x) e2 x
e1x e 2 x
W y1 x , y2 x 1x 2 x
2 1 e1x e2 x
1e 2e
Mivel az exponenciális függvény sehol sem zérus, és a feltevés miatt a λ1 – λ2 különbség sem
zérus a Wronski-determináns nem nulla. Ez pontosan azt jelenti, hogy az y1(x) és y2(x)
248
Óbudai Egyetem BGK Fejezetek a matematikából
y " 5 y ' 6 y 0;
b
2a
y1 ( x) ex
Ehhez még keresni kell egy olyan megoldást, ami ezzel együtt alaprendszert alkot. Ehhez
felhasználhatjuk a Liouville-féle tételt, ami éppen ezt a célt szolgálja. Az említett tétel szerint a
keresett másik megoldás kielégíti az
e x y b
dx
C e a
e x y'
249
Óbudai Egyetem BGK Fejezetek a matematikából
Megkaptuk tehát a differenciálegyenlet egy másik megoldását. Erről egyébként egyszerűen úgy is
meggyőződhetünk, ha ezt a függvényt kétszer deriváljuk és a D = 0 feltételt felhasználva
behelyettesítjük az egyenletbe.
a 2ex x 2ex b ex xex cxex xex a 2 b c 2aex bex
b
xex 0 ex 2a b 0
2a
y2 ( x) x ex
ex xex
x
W e , xe x
e x x
e xe x
e2x 1 x x e2x 0
y " 4 y ' 4 y 0;
3.eset: D < 0. Ha a diszkrimináns negatív, akkor a másodfokú egyenletnek két konjugált komplex
megoldása van.
b D b 1 D b i D
12 i
2a 2a 2a
Itt felhasználtuk, hogy a │D│ pozitív valós szám, így van valós négyzetgyöke. Ekkor tehát
komplex szám szerepel az exponenciális függvény kitevőjében
250
Óbudai Egyetem BGK Fejezetek a matematikából
y ( x) ex e
i x
ex eix ex cos x i sin x
ex cos x i ex sin x
Itt felhasználtuk az eiβx= cosβx + i∙sinβx Euler-féle összefüggést. Az ilyen módon előállított y(x)
függvény valós változójú de komplex értékű. Mivel az egyenlet valós együtthatójú, ezért
elvárjuk, hogy a megoldás is valós függvény legyen. Ehhez egyrészt azt kell észrevenni, hogy az
y(x) komplex értékű függvény valós része is és képzetes része is valós-valós függvény.
y1 x Re y x ex cos x
y2 x Im y x ex sin x
e2x cos x sin x cos 2 x cos x sin x sin 2 x e 2x 0
Ami azt jelenti, hogy az y1 és y2 függvények a teljes számegyenesen alaprendszerét képezik a
differenciálegyenletnek. Ezzel előállítottuk a homogén lineáris egyenlet általános megoldását a
D< 0 esetben is.
y " 4 y ' 29 y 0;
251
Óbudai Egyetem BGK Fejezetek a matematikából
W1 x W2 x
C1 x dx, C2 x dx
W y1 x , y2 x W y1 x , y2 x
0 y2 x y x 0
W1 x ; W2 x 1
g x y2 x y1 x g x
252
Óbudai Egyetem BGK Fejezetek a matematikából
e2 x e4 x
W x 4e2 x 2e2 x 6e2 x ;
4 x
2e 2x
4e
0 y2 x 0 e4 x
W1 x 3e2 x ;
g x y2 x 3e2 x 4e 4 x
y1 x 0 e2 x 0
W2 x 3e4 x ;
y1 x g x 2e2 x 3e 2x
W1 x 3e2 x 1
C1 x dx dx x;
W y1 x , y2 x 6e 2 x
2
W2 x 3e4 x 1 6x e6 x
C2 x dx dx 2
e dx ;
W y1 x , y2 x 6e2 x 12
1 2 x 1 6 x 4 x 1 1
yip x C1 x y1 x C2 x y2 x xe e e x e 2 x
2 12 2 12
1 1
yiá x C1e2 x C2e4 x x e2 x ; C1 , C2 R
2 12
1
y " y
cos x
253
Óbudai Egyetem BGK Fejezetek a matematikából
cos x sin x
W x cos2 x sin 2 x 1;
sin x cos x
0 sin x
0 y2 x sin x
W1 x 1 ;
g x y2 x cos x cos x
cos x
cos x 0
y1 x 0
W2 x 1 1;
y1 x g x sin x
cos x
W1 x sin x
C1 x dx dx ln cos x ;
W y1 x , y2 x 1 cos x
W2 x 1
C2 x dx dx 1dx x;
W y1 x , y2 x 1
254
Óbudai Egyetem BGK Fejezetek a matematikából
1. A jobb oldalon egy polinom függvény áll, azaz g(x) = pn(x) egy n-ed fokú polinom.
a) Tegyük fel, hogy c 0 , ami egyenértékű azzal a kijelentéssel, hogy a 0 valós szám nem
gyöke a homogén egyenlet k a 2 b c karakterisztikus polinomjának. Ekkor létezik
az egyenletnek n-ed fokú polinom alakú partikuláris megoldása, tehát kereshető a megoldás
alakban, ahol az Ai valós számok az egyelőre határozatlan együtthatók. Könnyen látható, hogy
valóban létezik ilyen alakú megoldás, ugyanis ha ezt az n-ed fokú polinomot helyettesítjük az
egyenletbe, akkor először elő kell állítani az elsőrendű deriváltját, amely egy n – 1-ed fokú
polinom, majd a második deriváltját, amely egy n – 2-ed fokú polinom. Ha ezeket helyettesítjük
az inhomogén egyenletbe, akkor a bal oldalon egy n-ed fokú polinomot kapunk, a jobb oldal
ugyanakkor szintén egy n-ed fokú polinom. Alkalmazzuk az együttható összehasonlítás
módszerét, vagyis a polinomok megfelelő hatványainak együtthatóit rendre egyenlővé tesszük.
Így kapunk egy n + 1 db egyenletből álló lineáris egyenletrendszert, hiszen a konstans tag, az első
hatvány, a második hatvány, stb. az n-edik hatvány együtthatóinak száma éppen ennyi. Ha végül
figyelembe vesszük, hogy a próbafüggvény is n + 1 db ismeretlen együtthatót tartalmaz, akkor
világos, hogy a probléma egyértelműen megoldható.
2 A 3 2 Ax B 4 Ax 2 Bx C 3x 2 5;
255
Óbudai Egyetem BGK Fejezetek a matematikából
4 Ax2 6 A 4B x 2 A 3B 4C 3x 2 0 x 5
4 A 3; 6 A 4B 0; 2 A 3B 4C 5;
3 9 25
melynek megoldása A ; B ; C , tehát a keresett partikuláris megoldás a következő
4 8 8
3 2 9 25
yip x x x ;
4 8 8
Tekintettel arra, hogy az együttható összehasonlítás módszere, az a) pont szerint akkor vezet
egyértelmű eredményre, ha az egyenlet mindkét oldalán n-ed fokú polinom áll, ezt a helyzetet
célszerű elérni a próbafüggvénnyel. Figyelembe véve, hogy egy k-ad fokú polinom első deriváltja
k – 1-ed fokú, a második deriváltja pedig k – 2-ed fokú polinom, világos, hogy az r = 1 esetben
próbafüggvényként egy n + 1-ed fokú, az r = 2 esetben pedig egy n + 2-ed fokú polinom
alkalmazása vezet célra. Ha tehát a jobb oldalon egy n-ed fokú polinom áll, akkor az r = 1 illetve
r = 2 esetben rendre az
yip x An1x n1 An xn An1x n1 ... A1x x An1x n An x n1 An1x n2 ... A1 xqn x ;
256
Óbudai Egyetem BGK Fejezetek a matematikából
x 2 An 2 x n An1 x n1 An x n2 ... A2 x 2 qn x ;
tehát egy n-ed fokú polinomnak és x2-nek a szorzata. Ha ezeket helyettesítjük az inhomogén
egyenletbe, az együttható összehasonlítással ismét egyértelmű eredményt kapunk, hiszen mindkét
esetben ugyancsak n + 1 db határozatlan együttható van az egyenletben, amelyre felírható egy
n + 1 db egyenletből álló lineáris rendszer.
y " 2 y ' x2 3x
yip x x q2 x x Ax 2 Bx C Ax3 Bx 2 Cx;
y 'ip x 3 Ax 2 2 Bx C; y "ip x 6 Ax 2 B;
6 Ax 2B 2 3 Ax 2 2 Bx C x 2 3x;
6 Ax2 6 A 4B x 2B 2C x 2 3x 0;
6 A 1; 6 A 4B 3; 2B 2C 0;
1 1 1
melynek megoldása A ; B ; C , az egyenlet egy partikuláris megoldása tehát
6 2 2
1 3 1 2 1
yip x x x x
6 2 2
257
Óbudai Egyetem BGK Fejezetek a matematikából
2. A jobb oldalon egy polinom függvénynek és egy exponenciális függvénynek a szorzata áll,
azaz g(x) = pn(x)eαx.
ay " by ' cy pn x ex an xn an1x n1 ... a1x a0 ex ; a, an 0
yip x q x ex
ahol q(x) egy polinom függvény. Helyettesítsük ezt a próbafüggvényt az inhomogén egyenletbe.
Ehhez szükségesek a deriváltak
a q " x ex 2q ' x ex q x 2ex b q ' x ex q x ex cq x ex pn x ex ;
Világos, hogy az egyenlet elosztható a sehol sem nulla exponenciális tényezővel. Rendezés után
az adódik, hogy
aq " x 2a b q ' x a2 b c q x pn x ;
258
Óbudai Egyetem BGK Fejezetek a matematikából
yip x qn x ex An x n An1x n1 ... A1x A0 ex
yip x q1 x e6 x Ax B e6 x
6 Ae 6x
6 Ae6 x Ax B 36e6 x 5 Ae6 x Ax B 6e6 x 4 Ax B e6 x 2 xe6 x
36 A 30 A 4 A x 6 A 6 A 36B 5 A 30B 4B 2 x 0;
azaz 70 Ax 17 A 70B 2 x 0;
az x együtthatói : 70 A 2;
a konstans tagok : 17 A 70 B 0;
1 17
Ennek megoldása a következő A ; B ; , ami azt jelenti, hogy az inhomogén
35 2450
egyenlet egy partikuláris megoldása a következő
1 17 6 x
yip x x e
35 2450
259
Óbudai Egyetem BGK Fejezetek a matematikából
aq " x 2a b q ' x a 2 b c q x aq " x 2a b q ' x pn x ;
Ezt a kérdést részletesen megvizsgáltuk az 1.b) pontban. Azt mondhatjuk tehát, hogy az r = 1
illetve r = 2 multiplicitású esetben a q(x) polinom foka rendre n + 1 illetve n + 2, kiegészítve
azzal, hogy az r = 1 esetben a polinom konstans tagja tetszőleges, így célszerűen 0-nak
választjuk, míg az r = 2 esetben a polinom konstans és első fokú tagja tetszőleges így ezeket is
0-nak választjuk. Kaptuk tehát, hogy a vizsgált esetben az inhomogén egyenletnek rendre az r = 1
illetve r = 2 esetben létezik
yip x x qn x ex x An x n An1x n1 ... A1x A0 ex ;
yip x x 2 qn x ex x 2 An x n An1x n1 ... A1x A0 ex
alakú partikuláris megoldása.
y " 6 y ' 9 y e3 x
260
Óbudai Egyetem BGK Fejezetek a matematikából
yip x Ax 2e3x
2 Ae3x
12 Axe3 x 9 Ax 2e3 x 6 2 Axe3 x 3 Ax 2e3 x 9 Ax 2e3 x e3 x ;
1
Az összevonás eredménye a 2 Ae3 x e3 x egyenlet, amelyből A következik. A partikuláris
2
megoldás tehát a következő
1 2 3x
yip x xe
2
ay " by ' cy pn x ex cos x an x n an1x n1 ... a1x a0 ex cos x; a, an 0;
261
Óbudai Egyetem BGK Fejezetek a matematikából
tehát a jobb oldal olyan függvények összege, melyek egy n-ed fokú polinomnak és egy
exponenciális függvénynek a szorzataként írhatók fel. Vizsgálva a jobb oldalakat világos, hogy
két esetet kell megkülönböztetni.
a) Az i illetve i komplex szám nem gyöke a homogén egyenlet k a 2 b c
karakterisztikus polinomjának. Ebben az esetben a 2. pontbeli vizsgálatok eredményére
támaszkodva mondhatjuk, hogy létezik az egyenletnek
azaz
yip x ex q
x sn x cos x i qn x sn x sin x
n
alakú partikuláris megoldása, ahol Qn(x) és Rn(x) szintén n-ed fokú polinomok. Ez a függvény
formálisan komplex értékű. Ha azonban valós együtthatójú az egyenlet, elvárjuk, hogy valós
megoldásai legyenek, ezért komplex értékű függvényt nem fogadunk el megoldásként. Azonban
valós együtthatójú esetben ez a függvény valóban csak „formálisan” komplex, hiszen valós
együtthatójú polinomot helyettesítve és az együtthatókat összehasonlítva sehol sem kerülnek elő
komplex számok. Ez tehát azt jelenti, hogy a vizsgált esetben az inhomogén egyenlet partikuláris
megoldása előáll
262
Óbudai Egyetem BGK Fejezetek a matematikából
2 2e2 x A cos 3x B sin 3x e2 x 3 A sin 3x 3B cos 3x e2 x A cos 3x B sin 3 x e 2 x cos 3 x;
Az egyenletet eloszthatjuk a nem nulla exponenciális tényezővel. Az osztás után rendezve az
egyenletet a koszinusz és szinusz függvények szerint, az adódik, hogy
cos3x együtthatói : 8 A 6 B 1;
sin 3x együtthatói : 6 A 8B 0;
4 3
Ennek megoldása A ; B ahonnan a keresett partikuláris megoldás
50 50
4 3
yip x e2 x cos 3x sin 3x ;
50 50
263
Óbudai Egyetem BGK Fejezetek a matematikából
y " 9 y 5sin 3x
5
Ebből következik, hogy A ; B 0 tehát a partikuláris megoldás a következő
6
5
yip x x cos3x
6
264
Óbudai Egyetem BGK Fejezetek a matematikából
2.2.6.Rezgések elmélete
Ebben a pontban a másodrendű lineáris differenciálegyenletek fizikai alkalmazásaként megoldjuk
a bevezető 2.2.1., 2.2.2. és 2.2.3. példájában említett differenciálegyenleteket.
y " 2 y 0;
D
ahol alkalmaztuk az 2 egyszerűsítő jelölést, D a rugóállandó, m az anyagi pont tömege. Ez
m
az egyenlet egy állandó együtthatójú másodrendű, homogén lineáris differenciálegyenlet.
Megoldásához szükség van a karakterisztikus egyenletre. Ez az alábbi
2 2 0
Mivel ω valós szám, ennek az egyenletnek valós megoldása nincs. A komplex gyökök pedig a
következők: 1,2 i , ahol i az imaginárius egység. Ha alkalmazzuk a 2.2.5.1. pontbeli 3. eset
jelöléseit, akkor az írhatjuk, hogy 1,2 i i ahonnan adódik, hogy α = 0, β = ω. Így a
hivatkozott pont alapján azonnal felírhatjuk az egyenlet általános megoldását
265
Óbudai Egyetem BGK Fejezetek a matematikából
v0
y ' t C2 cos t; ahonnan y ' 0 C2 cos 0 C2 v0 ; azaz C2
ami azt jelenti, hogy a kezdeti feltételeket kielégítő partikuláris megoldás a következő függvény.
v0
y t sin t
y t A sin t
Ha szükséges a harmonikus rezgést végző tömegpont sebessége illetve gyorsulása akkor nincs
más dolgunk, mint a kapott kitérés-idő függvény első és második deriváltját előállítani. Így a
sebesség-idő és gyorsulás-idő függvény az alábbi.
266
Óbudai Egyetem BGK Fejezetek a matematikából
y " 2 y 0; y 0 y0 ; y ' 0 v0 ;
tehát az időmérés kezdetén a tömegpontnak már van 0-tól különböző y0 kitérése, ahol a
pillanatnyi sebessége v0. Az általános megoldást alapul véve
y t C1 cos t C2 sin t ;
y ' t C1 sin t C2 cos t ;
ahonnan
v0
y t y0 cos t sin t ;
Mivel az együtthatók négyzetösszege 1, ezért létezik olyan φ0 szög melynek a két együttható
rendre szinusza és koszinusza, azaz teljesül, hogy
v0
y0
sin 0 ; cos 0
v2 v2
y02 02 y02 02
Ilyen φ0 szög valóban létezik, hiszen a két definiáló egyenlőség hányadosából az következik,
hogy
267
Óbudai Egyetem BGK Fejezetek a matematikából
y0 y
tg 0 ; ahonnan 0 arctg 0
v0 v0
v02
Ezzel a szöggel és az A y02 jelölés bevezetésével a kezdeti feltételeket kielégítő
2
partikuláris megoldás alakja egy addíciós tétel felhasználásával
Tehát ismét egy szinusz függvény. A különbség a korábbi megoldáshoz képest csak annyi, hogy
az argumentumban szerepel a φ0 konstans, ami egyrészt annyit jelent, hogy a korábban kapott
megoldásból ez a megoldás egy időtengely mentén alkalmazott eltolással kapható, tehát
lényegében ugyanaz a megoldás. Másrészt a φ0 konstans jelentése akkor látható, ha alkalmazzuk
az argumentumban a t = 0 helyettesítést. Ez azt jelenti, hogy az időmérés kezdetén a tömegpont
helyzetéhez már tartozik egy φ0 szög, amit kezdőfázisnak nevezünk. Ezt a fogalmat általánosan
is használjuk. A megoldásban szereplő trigonometrikus függvény argumentumát, tehát az
t 0 mennyiséget általánosan a rezgés fázisának nevezzük.
A 2.2.6. ábrán illusztráljuk az egyenlet megoldását az általános kezdeti feltételek esetén. Az
ábrán érzékelhető, hogy a megoldás lényegében valóban nem függ a kezdeti feltételektől, a 2.2.5.
ábra megoldásfüggvényéhez képest a különbség valóban csak egy eltolás.
Hangsúlyozzuk, hogy az utóbb bevezetett A konstans jelentése pontosan az, ami a korábbi
esetben, a maximális kitérést, tehát az amplitúdót jelenti az általánosabb kezdeti feltételek esetén.
268
Óbudai Egyetem BGK Fejezetek a matematikából
A sin t 0 A sin t T 0
Ekkor nyilván igaz, hogy az argumentumok különbsége 2π, hiszen az időben és fázisban
legközelebbi olyan pontot keressük, amikor a kitérések megegyeznek, tehát
2
t 2 t T ; ahonnan 2 T ; tehát ;
T
D k
ahol alkalmaztuk az 2 , 2 jelöléseket. A D rugóállandó a rugó erősségére jellemző, a k
m m
konstans pedig a csillapítás erősségét méri. A felírt kezdeti érték probléma egy másodrendű,
állandó együtthatójú, homogén lineáris differenciálegyenletre vonatkozó Cauchy-feladat.
Megoldásához elő kell állítani a karakterisztikus egyenlet megoldásait. A karakterisztikus
egyenlet a következő
2 2 2 0 .
269
Óbudai Egyetem BGK Fejezetek a matematikából
2 2 2 2
1,2 2 2
2
y 0 C1e0 C2e0 C1 C2 0;
y ' t C11e1 t C2 2e 2 t miatt
y ' 0 C11e0 C2 2e0 C11 C2 2 v0
v0 v0
C2 C1; C11 C1 2 v0 ; C1 ; C2
1 2 1 2
y t
v0
1 2
e1 t e2 t
Ha itt figyelembe vesszük a gyökök konkrét alakját, akkor a következő módon írható a megoldás
Az utolsó törtben felismerhetjük a szinusz hiperbolikusz függvényt. A megoldás végső alakja így
y t
2
v0
2
et sh
2 2 t
270
Óbudai Egyetem BGK Fejezetek a matematikából
2 0
1,2
2
271
Óbudai Egyetem BGK Fejezetek a matematikából
y 0 C1e0 C2 0e0 C1 0;
y ' t C2te t C e
2
t
C2t e t ; miatt
y t v0te t
Ez a megoldás sem periodikus, a kitérés minden pozitív t-re pozitív és t → ∞ esetén tart a
zérushoz. Ezt a speciális esetet nevezzük aperiodikus határesetnek.
272
Óbudai Egyetem BGK Fejezetek a matematikából
2 2i 2 2
1,2 i 2 2
2
y t et C1 cos
2 2 t C2 sin
2 2 t ; C1 , C2 R
y 0 e0 C1 cos 0 C2 sin 0 C1 0;
y t et
v0
2 2
sin 2 2 t
A megoldás tehát egy szigorúan monoton csökkenő exponenciális függvény és egy periodikus
függvény szorzata. Ha összehasonlítjuk ezt a megoldásfüggvényt a harmonikus rezgés kitérés-idő
függvényével, akkor kvalitatíve azt mondhatjuk, hogy a rezgés, amelyet a periodikus tényező ír
le, exponenciálisan csökkenő amplitúdójú csillapított rezgés.
2.2.9. Ábra. A csillapított harmonikus rezgés kitérés-idő függvénye relatíve gyenge csillapítás mellett,
ω = 2,β = 0,15 konstansok esetén, y 0 0; y ' 0 3 kezdeti feltételekkel
273
Óbudai Egyetem BGK Fejezetek a matematikából
y t T e
t T
sin t T e
2 2
T
k
T
sin t
e m
y t et 2 2
A kapott hányados konstans, független az időtől, ami azt jelenti, hogy bármely t időpont esetén,
majd T idővel később mérve a kitéréseket, a későbbi és korábbi kitérés hányadosa állandó. Ezt az
állandót, amely a számítások szerint eT -vel egyenlő, csillapítási hányadosnak nevezzük. Ezt
az eredményt úgy is fogalmazhatjuk, hogy a kitérések, T-időtartamonként, csökkenő mértani sor
szerint követik egymást.
Tovább vizsgálva a kapott partikuláris megoldást, mivel a szinusz függvény korlátos, az
exponenciális függvény pedig zérushoz tart ha t → ∞, ezért a kitérés-idő függvény t → ∞ esetén
ugyancsak tart a zérus kitéréshez, amint az a 2.2.12. ábrán is jól látható.
274
Óbudai Egyetem BGK Fejezetek a matematikából
hogy az inhomogén egyenlet egy partikuláris megoldását előállítjuk. Ehhez a 2.2.5.2. pontban
tárgyalt próbafüggvény módszerét alkalmazzuk. Eszerint a partikuláris megoldást kereshetjük a
következő alakban
y ' A cos t B sin t; y " A2 sin t B2 cos t;
A 2 2 B 2 f 0
A2 B 0
2 2
Ennek az egyenletrendszernek a megoldása a következő
2 2 2
A f0 ; B f0
2 2
2
2 422 2
2 422
2 2 2
yip t f 0 sin t f 0 cos t ;
2 2
2 2 422 2 2 422
Ismét alkalmazzuk azt a fogást, amit a harmonikus rezgések esetén már bemutattunk. A
trigonometrikus függvények együtthatóit úgy alakítjuk, hogy négyzetösszegük 1 legyen.
275
Óbudai Egyetem BGK Fejezetek a matematikából
f0 2 2 2
yip t sin t cos t ;
2 2
2 2
2 2 2
4
2 2
4 2 2
2 2 42 2
2 2 2
cos 0 ; sin 0 ;
2 2
2
2
4 2 2 2
2
4
2 2
2
definícióval, ahol tehát tg 0 , akkor egy addíciós tétel felhasználásával azt kapjuk,
2
2
hogy
f0
yip t cos 0 sin t sin 0 cos t
2
2
2
4 2 2
f0
yip t sin t 0 ;
2
2
2
4 2 2
f0
A=
2
2
2 422
2
0 arctg 2 2
276
Óbudai Egyetem BGK Fejezetek a matematikából
yhá t et C1 cos
2 2 t C2 sin
2 2 t
f0
sin t 0 ;
2
2
2
4
2 2
2.2.10. Ábra. A gerjesztett és csillapított harmonikus rezgés kitérés-idő függvénye különböző csillapítások mellett,
ω = 2,Ω = 2,5, f0 = 5 konstansok esetén, y 0 0; y ' 0 3 kezdeti feltételekkel
277
Óbudai Egyetem BGK Fejezetek a matematikából
f0
A0 A0
2
2
2 422
dA0
f0
2 2 22 0
d 2
3
2
2
2 422
Ennek az egyenletnek a megoldása
f0 f0
A0 A0
2 2
2
2
2
formula által adott módon függ a gerjesztés frekvenciájától. Ebben az esetben, a fenti számítások
eredményének ismerete nélkül is azonnal látható, hogy az amplitúdó Ω → ω esetén nem korlátos,
azaz A0 → ∞, a maximális kitérés tehát nem korlátos. Ezt az esetet nevezzük rezonancia
katasztrófának. A csillapított esettel ellentétben tehát a csillapítatlan esetben, rezonancia akkor
adódik, ha a gerjesztési frekvencia pontosan megegyezik a sajátfrekvenciával. A 2.2.11. ábrán az
amplitúdó gerjesztési frekvenciától való függését ábrázoltuk különböző β csillapítások esetén.
278
Óbudai Egyetem BGK Fejezetek a matematikából
279
Óbudai Egyetem BGK Fejezetek a matematikából
280
Óbudai Egyetem BGK Fejezetek a matematikából
2.3.1.Példa: Elsőként vizsgáljuk két induktív módon csatolt rezgőkört. Az egyik rezgőkörben
legyen egy periodikusan változó U(t) = U0sinωt elektromotoros erő, egy R1 ohmikus ellenállás és
egy L1 önindukciós együtthatójú tekercs. Ez a tekercs induktív módon csatolva van egy L2
önindukciós együtthatójú tekercshez, amely egy olyan áramkörben van, amelyben nincs
áramforrás és amelynek eredő ohmikus ellenállása R2. Legyen a két tekercs együttesének
kölcsönös indukciós együtthatója L12. Kérdés, hogy az első és második áramkörben folyó
áramerősségek hogyan változnak az idő függvényében, tehát meghatározandók az I1(t) és I2(t)
függvények.
dI t dI t
I1 t R1 1 L1 2 L12 U 0 sin t ;
dt dt
I t R dI 2 t L dI1 t L 0;
2 2
2 12
dt dt
Világos, hogy az L12 kölcsönös indukciós együttható miatt a két egyenlet nem független
egymástól, az I1(t) áramerősség pillanatnyi értéke függ az I2(t) függvény deriváltjának pillanatnyi
értékétől és fordítva. Amit kaptunk, az tehát egy differenciálegyenlet rendszer. Mivel az
ismeretlen függvényeknek csak első deriváltjai vannak az egyenletekben ez egy elsőrendű
differenciálegyenlet rendszer.
281
Óbudai Egyetem BGK Fejezetek a matematikából
ma1 Dy1 k y2 y1 ;
ma2 Dy2 k y2 y1 ;
m m
y1 y2
2.3.1. ábra. Csatolt mechanikai rezgések
y1" t 2 2 y1 t 2 y2 t ;
" 2 2
2
y2 t y1 t y2 t ;
D 2 k
ahol alkalmaztuk az 2 , jelöléseket. Ez a két differenciálegyenlet sem független
m m
egymástól, az y1(t) és y2(t) függvények pillanatnyi értékek kölcsönösen befolyásolják egymást.
Tehát a két egyenlet egy differenciálegyenlet rendszert képez. Mivel az ismeretlen függvények
második deriváltja szerepel ezekben az egyenletekben, ez egy másodrendű differenciálegyenlet
rendszer.
282
Óbudai Egyetem BGK Fejezetek a matematikából
2.3.1.Definíció: Legyen adott egy I = ]a, b[ nyitott intervallum, továbbá tegyük fel, hogy az
aij : I R; t aij t és a gi : I R; t gi t (i, j = 1, 2, 3, …, n) függvények mind
folytonosak az I intervallumon. Ezen feltételekkel az xi(t), i = 1, 2, …, n ismeretlen függvényekre
vonatkozó
283
Óbudai Egyetem BGK Fejezetek a matematikából
x ' t A t x t g t
A rendszert azért nevezzük normál alakúnak, mert minden egyenlet rendezve van az egyik
ismeretlen függvény deriváltjára, és ennek együtthatója minden egyenletben 1. A továbbiakban, a
lineáris egyenletek mintájára külön vizsgáljuk majd először a homogén, azután az inhomogén
rendszer megoldhatóságát. A megoldások esetében különbséget teszünk általános és partikuláris
megoldás között a megszokott értelemben. Ezeket pontosan megfogalmazzuk, de az világos,
hogy a partikuláris megoldás előállításához szükség van kezdeti feltételre. Tisztázzuk, hogy
ebben az esetben mit értünk kezdeti érték problémán.
x ' t A t x t g t
x t0 x 0
Nyilvánvalóan merül fel a kérdés, hogy milyen feltételek esetén létezik megoldás. Ezt tisztázza
az alapvető fontosságú, bizonyítás nélkül megfogalmazott alábbi tétel.
x ' t A t x t g t
x t0 x 0
284
Óbudai Egyetem BGK Fejezetek a matematikából
Mielőtt belekezdünk az elmélet kifejtésébe, két példán keresztül megmutatjuk, hogy a vizsgált
típusú, tehát elsőrendű, normál alakú rendszer nem annyira erős megszorítás, mint az esetleg
gondolható. Ennek érdekében megmutatjuk, hogy a 2.3.1 és 2.3.2. példákban felállított
rendszerek átalakíthatók elsőrendű normál alakú rendszerré.
2.3.3.Példa: Az induktív módon csatolt rezgőkörökre a 2.3.1. példában felírt d.e.r. elsőrendű de
nem normál alakú. A két egyenlet rendezésével azonban elérhető, hogy az normál alakúvá váljon.
Ehhez nem kell mást tenni, mint az I1(t) és I2(t) függvények deriváltjára meg kell oldani a felírt
rendszert. Ez egy egyszerű algebrai feladat. Az említett deriváltakat ismeretlennek tekintve, a
felírt rendszer lineáris, melynek megoldása a következő
dI 2 t R1L12 I t R2 L1 I t U 0 L12 sin t ;
dt 2 1 2
L1L2 L12 L1L2 L12
2
L1L2 L12
2
2.3.4.Példa: A 2.3.2. példában a csatolt rezgésekre felállított d.e.r. nem elsőrendű, hanem
másodrendű rendszer. Azonban egy általános módszer segítségével, amelyet később a magasabb
rendű egyenletek megoldása kapcsán fogunk alkalmazni, a rendszert át lehet alakítani elsőrendű
rendszerré. Ennek természetesen van ára, mégpedig az, hogy az ismeretlen függvények száma
megszaporodik, kettőről négyre növekszik.
Vezessünk be új ismeretlen függvényeket a következő definícióval. Legyen x1 = y1 és legyen
x2 = x1’. Ekkor természetesen x2’ = y1”. Hasonlóan legyen x3 = y2 és legyen x4 = x3’. Ekkor
természetesen x4’ = y2”. Ezzel a négy ismeretlen függvénnyel a 2.3.2. példában felírt rendszer a
következő, négy egyenletből álló ekvivalens alakra hozható
x1 ' t x2 t ;
2
x2 ' t x1 t x3 t ;
2 2
x3 ' t x4 t ;
4 1
x ' t 2 x t 2 2 x t ;
3
285
Óbudai Egyetem BGK Fejezetek a matematikából
0 1 0 0
x1 ' t x1 t
2 2
x2 ' t
0 2 0 x t
;
2
x3 ' t 0 0 0 1 x3 t
x4 ' t
2
0 2 2 0 x4 t
alakban írható, amely már jól láthatóan egy elsőrendű, normál alakú, állandó együtthatójú
homogén lineáris differenciálegyenlet rendszer.
286
Óbudai Egyetem BGK Fejezetek a matematikából
x ' t A t x t
1x1 t 2 x2 t ... n xn t 0
287
Óbudai Egyetem BGK Fejezetek a matematikából
1x1 t 2 x2 t ... n xn t 0; t I
Vegyük észre, hogy ez egy algebrai, homogén lineáris egyenletrendszer az α1, α2, …, αn
ismeretlenekre, mely rendszerben az együtthatók az x1(t), x2(t), … xn(t) vektor-skalár függvények
koordinátafüggvényei, tehát a rendszer együtthatómátrixa éppen a W x1 t , x2 t ,..., xn t
Wronski-determináns. A feltevés szerint a rendszernek minden t-re van nemtriviális megoldása,
hiszen αk ≠ 0. Ez pedig csakis akkor lehetséges, ha a rendszer determinánsa az I intervallum
minden pontjában zérus. ■
et e t sh t
t t
x1 t e ; x2 t e ; x3 t ch t ;
2 2 0,5
sin t cos t
1 1
függvények lineárisan összefüggenek, ugyanis nyilván igaz, hogyx1 t x2 t x3 t 0 .
2 2
Megmutatjuk, hogy a három függvény Wronski-determinánsa azonosan zérus. Valóban, egyszerű
számításokkal adódik, hogy
et et sh t et e t sh t
W x1 t , x 2 t , x3 t e t
e t
ch t 0 2e t
ch t sh t
sin 2 t cos 2 t 0,5 sin 2 t cos 2 t 0,5
et et cos 2 t ch t sh t sin 2 t e t ch t sh t 1 cos 2 t sin 2 t 0
A tétel közvetlen megfordítása nem igaz, tehát a Wronski-determináns nulla értékéből nem
következik a függetlenség. Ezt igazolja a következő egyszerű példa.
t 3 t 2
x1 t ; x2 t ; t I R
t
2
t
288
Óbudai Egyetem BGK Fejezetek a matematikából
t3 t2
W x1 t , x2 t t 4 t 4 0; t I
2
t t
2.3.3.Tétel: Tegyük fel, hogy az x1(t), x2(t), … xn(t) függvények megoldásai az x ' t A t x t
homogén lineáris rendszernek, és legyenek α1, α2, …, αn tetszőleges valós (vagy akár komplex)
állandók. Ekkor az
n
x t i xi t
i 1
n n
n
x ' t i x 'i t i A t xi t A t i xi t A t x t
i 1 i 1 i 1
2.3.4.Tétel: Tegyük fel, hogy az I intervallumon értelmezett x1(t), x2(t), … xn(t) vektor-skalár
függvények megoldásai az x ' t A t x t homogén lineáris rendszernek, továbbá tegyük fel,
hogy létezik olyan t0 I , hogy
W x1 t0 , x2 t0 ,..., xn t0 0;
289
Óbudai Egyetem BGK Fejezetek a matematikából
1x1 t0 2 x2 t0 ... n xn t0 0
n
x t i xi t
i 1
n
i xi t 0
i 1
Ez pedig pontosan azt jelenti, hogy az x1(t), x2(t), … xn(t) függvények lineárisan összefüggenek
az I intervallumon. ■
2.3.5.Tétel: Az x ' t A t x t homogén lineáris rendszer x1(t), x2(t), … xn(t) megoldásai akkor
és csak akkor lineárisan függetlenek, ha létezik olyan t0 I , amelyre teljesül, hogy
W x1 t0 , x2 t0 ,..., xn t0 0
Az első kérdés, ami felmerül, hogy létezik-e egyáltalán alaprendszer. A válasz pozitív.
290
Óbudai Egyetem BGK Fejezetek a matematikából
x1 t0 b1; x2 t0 b2 ; ... ; xn t0 bn ;
kezdeti feltételeket. Azt állítjuk, hogy az így meghatározott x1(t), x2(t), … xn(t) megoldások
alaprendszert alkotnak, ugyanis a lineáris függetlenségről szóló tétel szerint, ha létezik olyan
t0 I , amelyre W x1 t0 , x2 t0 ,..., xn t0 0 akkor az x1(t), x2(t), … xn(t) megoldások
lineárisan függetlenek. Márpedig
W x1 t0 , x2 t0 ,..., xn t0 det(B) 0
2.3.7.Tétel: Legyen x1(t), x2(t), … xn(t) az x ' t A t x t homogén lineáris rendszer egy
alaprendszere. Legyen továbbá x(t) a rendszer egy tetszőleges megoldása. Ekkor egyértelműen
léteznek α1, α2, …, αn konstansok úgy, hogy
n
x t i xi t
i 1
1x1 t0 2 x2 t0 ... n xn t0 x t0
291
Óbudai Egyetem BGK Fejezetek a matematikából
n
ezt a megoldást β1, β2, …, βn. Tekintsük most ezekkel a konstansokkal a i xi t megoldást.
i 1
n
Erre teljesül, hogy x t0 i xi t0 . A megoldás egyértelműsége miatt ez azt jelenti, hogy
i 1
n
x t i xi t
i 1
ami éppen azt jelenti, hogy a tetszőleges x(t) megoldás előáll az alaprendszer függvényeinek
lineáris kombinációjaként. Már csak az egyértelműséget kell igazolnunk. Tegyük fel, hogy
n
létezik két különböző előállítás. Azaz tegyük fel, hogy x(t) előáll x t i xi t alakban is.
i 1
Ekkor képezve a két előállítás különbségét azt kapjuk, hogy
n
i i xi t 0
i 1
2.3.8.Definíció: Legyen x1(t), x2(t), … xn(t) az x ' t A t x t homogén lineáris rendszer egy
alaprendszere. Ekkor a rendszer összes megoldásainak
n
i xi t i R; i 1, 2,..., n
i 1
A bizonyított tételek és a most megfogalmazott definíció alapján tehát nyilvánvaló, hogy egy
homogén lineáris rendszer megoldásához elő kell állítani egy alaprendszerét. Azonban az a
helyzet, hogy az általános, „függvényegyütthatós” esetben az alaprendszer előállítására nincs
általános módszer. Az alaprendszert csak akkor tudjuk konstruktív úton előállítani, ha a
differenciálegyenlet rendszer együtthatói állandók. Erre a témára visszatérünk, de annak
érdekében, hogy a jelzett esetben kimerítően le tudjuk írni a megoldásokat, szükség van egy
praktikus definícióra amely megkönnyíti a kezdeti érték probléma megoldását. Ezután még
megvizsgáljuk az inhomogén rendszer megoldhatóságának problémáját.
A megoldások lineáris függetlensége könnyedén eldönthető egy egyszerű feltétel alapján, amely
a kezdeti feltételekhez kötődik. Ezt fogalmazzuk meg az alábbi állításban.
292
Óbudai Egyetem BGK Fejezetek a matematikából
különbözik nullától, ami pontosan azt jelenti, hogy az x1(t), x2(t), … xn(t) megoldások lineárisan
független rendszert alkotnak. ■
2.3.9.Definíció: Legyen x1(t), x2(t), … xn(t) az x ' t A t x t homogén lineáris rendszer egy
alaprendszere. Ekkor azt a Φ t mátrix-függvényt, amelynek i-edik oszlopvektora az
alaprendszer xi(t) megoldásfüggvénye, a homogén lineáris rendszer alapmátrixának nevezzük.
Az alapmátrix tehát a következő
Bizonyítás: Csak az e) pont szorul bizonyításra, a többi állítás nyilvánvaló. Ehhez bevezetőként
csak annyit kell megjegyeznünk, hogy egy mátrix függvény deriváltját úgy értelmezzük, hogy
minden komponensét deriváljuk. A Φ ' t A t Φ t pedig abból következik, hogy az
alapmátrix i-edik oszlopvektora értelmezés szerint az xi(t) megoldásfüggvény, amelyre teljesül,
hogy xi ' t A t xi t . A mátrixegyenlet pedig ezt az n db differenciálegyenlet rendszert
293
Óbudai Egyetem BGK Fejezetek a matematikából
„foglalja össze” úgy, hogy a bal oldal i-edik oszlopa egyenlő a jobb oldal i-edik oszlopával. Ezzel
az állítást igazoltuk. ■
vektort. Ekkor a felírt lineáris kombináció, a mátrixok sor-oszlop szorzásának definíciója szerint
egyenértékű az x t Φ t c művelet eredményével. Igazoltuk tehát a következőt.
A homogén rendszer vizsgálatát tekintve hátra van még a kezdeti érték probléma megoldásának
előállítása. ■
x t Φ t Φ1 t0 x0
Bizonyítás: Már igazoltuk, hogy az alapmátrix reguláris, tehát létezik inverze, a felírt
kifejezésnek tehát minden esetben van értelme. Világos, hogy ez a függvény x t Φ t c alakú,
ahol c Φ1 t0 x0 konstans vektor. Az előzőek szerint ez azt jelenti, hogy valóban megoldása a
homogén lineáris rendszernek. Már csak azt kell igazolni, hogy kielégíti az x t0 x0 kezdeti
feltételt. Ez egyszerű helyettesítéssel azonnal adódik
x t0 Φ t0 Φ1 t0 x0 Ex0 x0
294
Óbudai Egyetem BGK Fejezetek a matematikából
x ' t A t x t g t
inhomogén lineáris rendszer általános megoldása. Továbbra is élünk a 2.3.2. pont feltevéseivel,
mely szerint az egyenletben szereplő függvények folytonosak az I intervallumon. Elsőként
kapcsolatot teremtünk az inhomogén és a homogén rendszer között az alábbi értelemben.
x1 ' t A t x1 t g t
x2 ' t A t x2 t g t
Erre az egyszerű állításra alapozva már megfogalmazhatjuk azt a tételt, amely leírja az
inhomogén rendszer általános megoldásának szerkezetét.
2.3.13.Tétel: Legyen az x1(t), x2(t), … xn(t) az x ' t A t x t homogén lineáris rendszer egy
alaprendszere, és xip(t) az x ' t A t x t g t inhomogén rendszer egy tetszőleges
partikuláris megoldása. Ekkor az inhomogén rendszer tetszőleges x(t) megoldása felírható
n
x t i xi t xip t
i 1
alakban.
Bizonyítás: Az előző tétel szerint az x t xip t különbség a homogén lineáris rendszer egy
megoldása. Azt már korábban igazoltuk, hogy ez utóbbi tetszőleges megoldása egyértelműen
n
felírható i xi t alakban alkalmas α1, α2, …, αn konstansokkal. Eszerint egyértelműen
i 1
léteznek olyan konstansok, melyekkel teljesül, hogy
295
Óbudai Egyetem BGK Fejezetek a matematikából
n
x t xip t i xi t
i 1
2.3.10.Definíció: Legyen x1(t), x2(t), … xn(t) az x ' t A t x t homogén lineáris rendszer egy
alaprendszere, xip(t) az x ' t A t x t g t inhomogén rendszer egy tetszőleges
partikuláris megoldása. Ekkor az inhomogén rendszer összes megoldásainak
n
i xi t xip t i R; i 1, 2,..., n
i 1
Az igazolt tételek és a definíció alapján tehát azt kaptuk, hogy – az első és másodrendű
inhomogén lineáris differenciálegyenletek megoldásához hasonlóan – az inhomogén lineáris
rendszer általános megoldását úgy kapjuk, hogy a homogén rendszer általános
megoldásához hozzáadjuk az inhomogén rendszer egy tetszőleges partikuláris megoldását.
Nem maradt más hátra, mint az inhomogén rendszer egy partikuláris megoldásának előállítása.
Erre egy jól bevált eljárást általánosítunk. Alkalmazzuk az állandó variálásának módszerét.
Ennek lényege, hogy az inhomogén rendszer egy partikuláris megoldását olyan alakban keressük,
mint a homogén rendszer általános megoldása, azaz x t Φ t c , csak az abban szereplő
c R n konstans vektor helyére egy t c t vektor skalár függvényt helyettesítünk, és
megvizsgáljuk, hogy milyen c(t) függvény esetén megoldása az inhomogén rendszernek.
Keressük tehát az inhomogén rendszer egy megoldását x t Φ t c t alakban. Ennek létezését
biztosítja az alábbi tétel.
xip t Φ t c t
296
Óbudai Egyetem BGK Fejezetek a matematikából
Φ t c t ' A t Φ t c t g t
a deriválási szabályok alkalmazásával kapjuk ebből, hogy
Φ ' t c t Φ t c ' t A t Φ t c t g t
Φ ' t A t Φ t c t Φ t c ' t g t
Itt a bal oldal első tagja azonosan zérus, hiszen Φ t a homogén rendszer alapmátrixa, tehát
azonosan teljesül, hogy Φ ' t A t Φ t . A kapott összefüggés az ismeretlen c(t)-re egy
egyszerű szerkezetű differenciálegyenlet
Φ t c ' t g t
amelyből az ismeretlen függvény két lépésben határozható meg. Elsőként szorozzuk az egyenlet
mindkét oldalát balról az alapmátrix inverzével
Innen a keresett függvény már egy integrálással a kezünkben van. Csak abban kell
megállapodnunk, hogy egy mátrixfüggvényt úgy integrálunk, hogy minden komponensét külön-
külön integráljuk. A megoldás tehát
c t Φ1 t g t dt
Megkaptuk tehát a c(t) függvényt. Ezzel az inhomogén egyenlet egy partikuláris megoldása a
következő módon írható fel
297
Óbudai Egyetem BGK Fejezetek a matematikából
t
x t Φ t Φ1 t0 x0 Φ t Φ1 g d
t0
Bizonyítás: Ez a megoldás pontosan olyan alakú, mint az általános megoldás, abban különbözik,
hogy a konstans vektort c Φ1 t0 x0 alakban vettük fel, a primitív függvényt pedig a t0
ponthoz tartozó integrálfüggvénnyel helyettesítettük. Ez utóbbiról az analízisből tudjuk, hogy
ugyancsak primitív függvény. A felírt függvény tehát valóban megoldása az inhomogén
rendszernek. Már csak azt kell megmutatni, hogy kielégíti a kezdeti feltételt. Ez helyettesítéssel
ellenőrizhető
t0
x t0 Φ t 0 Φ 1
t0 x0 Φ t0 Φ1 g d Ex0 0 x0
t0
A tétel tehát ad egy „megoldóképletet” a problémára. Ha azonban nem szeretnénk adott ponthoz
tartozó integrálfüggvényt számolni akkor megoldhatjuk a kezdeti érték problémát úgy is, hogy a
x t0 Φ t0 c Φ t0 Φ1 t g t dt x0
Ezen viszonylag hosszú és kimerítő elméleti bevezető után rátérhetünk az elmélet alkalmazására.
Mint már említettük alapvető kérdés a homogén lineáris rendszer Φ t alapmátrixának
előállítása. Ennek birtokában tudjuk meghatározni mind a homogén, mind az inhomogén rendszer
általános megoldását valamint mindkét rendszer esetében a kezdeti érték probléma megoldását.
Azonban az általános esetben nem létezik konstruktív módszer az alapmátrix előállítására, csak
akkor, ha a rendszer együtthatói állandók. Ennek a problémának a vizsgálatára térünk rá a
következő pontban. A megoldások szerkezetével kapcsolatosan új tételeket megfogalmaznunk
nem szükséges, hiszen minden tételt megfogalmaztunk és igazoltunk, amire szükség van, ezeket
természetesen alkalmazhatjuk a speciális esetben is. Egyetlen feladatunk marad, az alaprendszer
előállítása.
298
Óbudai Egyetem BGK Fejezetek a matematikából
x ' t Ax t
Fogalmazzuk meg erre a rendszerre vonatkozólag a kezdeti érték problémát is. Az x ' t Ax t
rendszerhez kapcsolunk egy kezdeti feltételt. Előírjuk, hogy az x(t) vektor-skalár függvény az
I = R intervallum (ld. az egzisztencia és unicitási tétel adott esetre vonatkozó alkalmazását a
következő bekezdésben) valamely t0 pontjában áthaladjon az Rn tér egy x0 pontján. Azaz kezdeti
feltételként az x(t0) = x0 egyenlőség teljesülését írjuk elő. Ezzel a kezdeti érték probléma a
következő módon van értelmezve
x ' t Ax t
x t0 x0
299
Óbudai Egyetem BGK Fejezetek a matematikából
A 2.3.3. pont szerint egyetlen feladatunk az x ' t Ax t homogén lineáris rendszer egy
alaprendszerének előállítása. Ebben a problémakörben felhasználjuk a lineáris algebrában
(1. fejezet) tárgyalt sajátértékek és sajátvektorok elméletét. A sajátértéke multiplicitása és valós
illetve komplex volta szerint különböző eseteket vizsgálunk.
Emlékeztetőül felidézzük, mit jelent az, hogy egy polinomnak csupa egyszeres multiplicitású
valós gyöke van. Ez a k(λ) karakterisztikus polinom esetében azt jelenti, hogy a polinom felírható
n db különböző (elsőfokú) gyöktényező szorzataként. Tehát a karakterisztikus polinom szorzat
alakja
k 1 1 2 ... n ;
n
i R; i j ha i j
Ebben az esetben az alábbi tétel alapján könnyen megadható egy alaprendszer.
xi t eit si ; i 1, 2,..., n
n n
x t Ci xi t Ci eit si
i 1 i 1
Bizonyítás: Két dolgot kell igazolnunk. Egyrészt azt, hogy az xi t eit si függvények a
homogén lineáris rendszer megoldásai, másrészt azt, hogy ez az n db függvény lineárisan
független rendszert alkot.
300
Óbudai Egyetem BGK Fejezetek a matematikából
Legyen λ az A mátrix sajátértéke és s a hozzá tartozó sajátvektor, ekkor definíció szerint teljesül,
hogy As = λs. Ha ezek után x t et s , akkor kapjuk, hogy
x ' t et s et s et s et As A et s Ax
x ' 5x y
y ' 3x 3 y
5 1
Elsőként határozzuk meg az A együtthatómátrix sajátértékeit és sajátvektorait. Felírjuk
3 3
az A mátrix karakterisztikus egyenletét
5 1
k det A E 2 8 12 0
3 3
5 2 1 s1 0 3 1 s1 0
1 2 : ; tehát 3s1 s2 0;
3 2 s2 0 3 1 s2 0
;
3
5 6 1 s1 0 1 1 s1 0
2 6 : ; tehát s1 s2 0;
3 6 s2 0 3 3 s2 0
;
3
301
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
s1 ; s 2 ;
3 1
e 2t e 6t
Φ t
3e e6t
2t
x(t ) C1 2t 1 6t 1
y (t ) t C C1 e 3 C2 e 1
2
x ' 5x y x 0 1
; x 0
y ' 3x 3 y y 0 2
x t Φ t Φ1 t0 x0
formulát. Ehhez tehát szükség van a Φ t mátrix inverzére a t0 helyen. Elsőként kiszámítjuk az
alapmátrix helyettesítési értékét a t0 = 0 pontban.
e0 e0 1 1
Φ t0 Φ 0
3e
0
e0 3 1
Ennek inverze
302
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1
Φ1 t0 Φ1 0
4 3 1
Koordinátánként írva
1 5 3 5
x(t ) e2t e6t ; y(t ) e2t e6t ;
4 4 4 4
2.3.9.Példa: Határozzuk meg az alábbi homogén lineáris rendszerre vonatkozó kezdeti érték
probléma megoldását.
x1 ' 3x1 4 x2 2 x3 x1 0 4
x2 ' x1 x3 ; x 0 x2 0 2
x ' 6 x 6 x 5x x3 0 3
3 1 2 3
3 4 2
k det A E 1 1 3 2 2 2 0
6 6 5
303
Óbudai Egyetem BGK Fejezetek a matematikából
Keressük ennek a harmadfokú egyenletnek a megoldását. Ezt most kétféle módon tehetjük.
Egyrészt próbálgatással kapjuk, hogy λ = 1 megoldás, tehát a polinomot eloszthatjuk a λ – 1
gyöktényezővel. (A próbálgatással kapcsolatban megjegyezzük, hogy egész megoldás csak a
konstans tag osztói közül kerülhet ki.) Így kapunk egy másodfokú egyenletet. A megoldások,
tehát a sajátértékek a következők: λ1 = 1, λ2 = 2, λ3 = –1. Egy másik módszer ebben az esetben
az, hogy észrevesszük, az első két tagból kiemelhető – λ2 , így a karakterisztikus polinom
szorzattá alakítható: 3 22 2 2 2 2 1 2 2 . Ebből a felsorolt
gyökök azonnal adódnak. Ezek után kiszámítjuk a sajátvektorokat. A megoldandó homogén
lineáris rendszerek a következők
3 1 4 2 s1 0 4 4 2 s1 0
1 1: 1 1 1 s2 0 ; 1 1 1 s 0 ;
2
6 6 5 1 s3 0 6 6 4 s3 0
Itt a harmadik egyenlet az első két egyenlet következménye, az első egyenlet ellentettjének és a
második egyenlet kétszeresének az összege, így elhagyható. Az első két egyenletből álló rendszer
szabadságfoka 1, legyen ezért például s3 = u, u ≠ 0. Helyettesítéssel kapjuk, hogy
t 1
s1 t ; t 0; például s1 1 ;
0 0
hasonlóan kapjuk a többi sajátvektort is. A számításokat nem részletezzük, csak az eredményeket
közöljük.
1 0 1
x1 t e 1 ; x2 t e 1 ; x3 t e 0 ;
t 2t t
0 2 1
304
Óbudai Egyetem BGK Fejezetek a matematikából
et 0 e t
Φ t et e 2t 0
0 2e2t et
e0 0 e0 1 0 1
Φ t0 Φ 0 e 0 e0 0 1 1 0
0 2e0 e0 0 2 1
a kapott mátrixot invertáljuk
1 2 1
Φ t0 Φ 0 1 1 1 ;
1 1
2 2 1
x1 t 11e 15e
t t
x
2 t 11e t
9e 2t
x3 t 18e2t 15et
305
Óbudai Egyetem BGK Fejezetek a matematikából
C1e0 C3e0 C C 4
1 3
1 C e 0
C2 e 0
1 C C2 2
0
2C2e C3e 2C2 C3 3
0
A karakterisztikus polinom szorzat alakja ebben az esetben formálisan ugyanaz, mint az első
esetben, tehát
k 1 1 2 ... n ;
n
i j ha i j; és létezik p és q hogy p q
a különbség csak annyi, hogy a gyökök között előfordulnak komplex értékek is. Mivel valós
problémákat vizsgálunk, valós együtthatójú a karakterisztikus polinom. Ebben az esetben pedig a
komplex gyökök csakis párosával léphetnek fel, minden komplex gyök mellett annak konjugáltja
is gyöke a polinomnak.
Tegyük fel tehát hogy a karakterisztikus egyenlet egyik komplex gyöke, tehát az egyik komplex
sajátérték i , ahol i az imaginárius egység. Az ehhez tartozó komplex sajátvektor az
s u iv Cn vektor, ahol az u R n valós vektor tartalmazza a vektor valós komponenseit, a
v R n valós vektor pedig a képzetes komponenseket. A gyökökről mondottak szerint ekkor
sajátérték az előbbi sajátérték komplex konjugáltja is i . A lineáris algebrából tudjuk,
hogy az ehhez tartozó sajátvektor a λ komplex sajátvektorhoz tartozó s vektor komplex
konjugáltja s u iv Cn .
x t et s e
i t
u iv
komplex értékű függvény megoldása a homogén rendszernek. Az Euler-formula alkalmazásával
fejtsük ki ezt a szorzatot a következő módon
306
Óbudai Egyetem BGK Fejezetek a matematikából
x t e
i t
u iv et cos t i sin t u iv
et u cos t v sin t i v cos t u sin t
Ez a komplex értékű függvény tehát megoldása a homogén lineáris rendszernek. Ekkor azonban
külön a valós rész és külön a képzetes rész is megoldása a homogén rendszernek, hiszen ha
x t x1 t ix2 t komplex értékű megoldás, akkor írhatjuk, hogy
Ahhoz hogy ez a két függvény része lehessen egy alaprendszernek, már csak azt kell
megmutatnunk, hogy lineárisan függetlenek. Ehhez egyrészt felidézzük azt a lineáris algebrában
igazolt tételt, mely szerint ha s u iv Cn komplex sajátvektor, akkor az u és v valós vektorok
lineárisan függetlenek. A komplex értékű megoldás valós és képzetes része rendre kielégíti az
x1 0 u; x2 0 v; kezdeti feltételeket. A 2.3.8. tétel valamint u és v lineáris függetlensége már
garantálja, hogy az x1(t), x2(t) valós és képzetes rész lineárisan függetlenek. Igazoltuk tehát az
alábbi tételt.
2.3.17.Tétel: Tegyük fel hogy a valós együtthatójú karakterisztikus egyenlet egyik komplex
sajátértéke i , a hozzá tartozó komplex sajátvektor pedig a s u iv Cn komplex
vektor. Ekkor a valós együtthatójú x ' t Ax t homogén lineáris rendszer két lineárisan
független megoldása a következő
x1 ' x1 x2 x3 x1 0 1
x2 ' x1 x2 ; x 0 x2 0 2
x ' 3x x x3 0 0
3 1 3
307
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1
k det A E 1 1
0 1 2 2 5 0
3 0 1
0 1 1 s1 0
1 1: 1 0 0 s2 0 ; ahonnan s1 0; s2 s3 0;
3 0 0 s3 0
0 0
s1 t ; t 0; például s1 1 ;
t 1
Térjünk rá a komplex sajátérték esetére. Világos, hogy elég az egyik esetben kiszámítani a
sajátvektort, a másik esetben ennek a komplex konjugáltja az eredmény. A megoldandó rendszer
a következő
2i 1 1 s1 0
2 1 2i : 1 2i 0 s2 0 ;
3 0 2i s3 0
Ha itt az első egyenletet megszorozzuk 2i-vel, akkor világos, hogy a kapott egyenlet a második és
harmadik egyenlet összege. Ezért az első egyenletet elhagyhatjuk a rendszerből. A maradék
rendszer a következő
s1 2is2
3s1 2is3
308
Óbudai Egyetem BGK Fejezetek a matematikából
2it 0 2t 0 2
2,3 1 2i : s2,3 t u iv t i 0 ; t 0; pl. s 2 u iv 1 i 0 ;
3t 3t 0 3 0
0 0 2
t
x1 t e 1 ; x 2 t e cos tu sin tv e cos 2t 1 sin 2t 0 ;
t t
1 3 0
2 0
x3 t e cos tv sin tu e cos 2t 0 sin 2t 1 ;
t t
0 3
309
Óbudai Egyetem BGK Fejezetek a matematikából
x1 0 2C3 1
x 0 x2 0 C1 C2 2 ;
x3 0 C1 3C2 0
3 1 1
aminek megoldása C1 ; C2 ; C3 . Innen a partikuláris megoldás a következő
2 2 2
3 1 1
x1 t et sin 2t cos 2t ; x2 t et cos 2t sin 2t ;
2 2 2
3 3 3
x3 t et cos 2t sin 2t ;
2 2 2
3. eset: Az ARn×n együttható mátrixnak van többszörös valós gyöke, és a többszörös valós
gyök algebrai multiplicitása megegyezik a geometriai multiplicitással
Tegyük fel, hogy a λi sajátérték a k(λ) karakterisztikus polinomnak pi-szeres gyöke. Ez a lineáris
algebrában bevezetett szóhasználattal azt jelenti, hogy a λi sajátérték algebrai multiplicitása pi.
Ebben a 3. esetben feltesszük, hogy ennek a sajátértéknek a geometriai multiplicitása ugyancsak
pi, ami azt jelenti, hogy ehhez a λi sajátértékhez tartozik pi db lineárisan független sajátvektor,
tehát a sajátaltér dimenziója pi. A karakterisztikus polinom szorzat alakja ebben az esetben a
következő
kn i i Qn pi ;
p
ahol a karakterisztikus polinom kn(λ) jelölésében az n index arra utal, hogy egy n-ed fokú
polinomról van szó. A szorzat alak második tényezőjével kapcsolatban a Qn–pi(λ) jelölés csak arra
utal, hogy egy n – pi-ed fokú polinomról van szó. Ez utóbbit ugyancsak szorzattá kell bontanunk,
amelyben lehetnek egyszeres és többszörös gyökök. Mi a továbbiakban egy adott ilyen
többszörös gyök vizsgálatával foglalkozunk.
Ha tehát a λi sajátérték algebrai és geometriai multiplicitása ugyancsak pi akkor a geometriai
multiplicitás definíciója szerint létezik pi db lineárisan független sajátvektor, jelölje ezeket
si , si ,..., si i , melyekre teljesül, hogy
1 2 p
310
Óbudai Egyetem BGK Fejezetek a matematikából
xi t eit si , xi t eit si ,..., xi i t eit si i ;
1 1 2 2 p p
Tegyük most fel, hogy van m db különböző sajátérték, amelyek algebrai multiplicitása rendre
p1, p2, …, pm. Nyilván teljesül, hogy p1 + p2 + … + pm = n. Az előzőekben mutatott
gondolatmenetet elismételve minden sajátértékre pontosan n db lineárisan független sajátvektort
tudunk előállítani, hiszen különböző sajátértékekhez tartozó sajátvektorok többszörös
multiplicitás esetén is lineárisan függetlenek, így kapunk n db lineárisan független megoldást,
tehát egy alaprendszert. A mondottakat egy példán illusztráljuk.
x1 ' 4 x1 x2 x3
x2 ' x1 2 x2 x3 ;
x ' x x 2x
3 1 2 3
4 1 1
k det A E 1 1 2 3 0
2
2
1 1 2
4 2 1 1 s1 0 2 1 1 s1 0
1 2 : 1 2 2 1 s2 0 ; 1 0 1 s 0 ;
2
1 1 2 2 s3 0 1 1 0 s3 0
s1 s3 0 s1 s3
; ; tehát s1 s2 s3 ;
s1 s2 0 s1 s2
t 1
s1 t ; t 0; például s1 1 ;
t 1
311
Óbudai Egyetem BGK Fejezetek a matematikából
Azt látjuk, hogy a rendszer három egyenlete megegyezik. Ez azt jelenti, hogy egy egyenletet
kaptunk a három ismeretlenre. Másképpen fogalmazva az együttható mátrix rangja ρ = 1, mert
1 db lineárisan független sorvektora van, az ismeretlenek száma viszont k = 3. Ez azt jelenti,
hogy a rendszer szabadságfoka k – ρ = 2, tehát 2 ismeretlen szabadon választható. A megoldandó
egyenlet
s1 s2 s3 0;
A szabad változók legyenek például s2 és s3. Ezeket úgy kell megválasztani, hogy két lineárisan
független megoldást kapjuk. Legyen ezért egyrészt s2 = 1 és s3 = 0, amikor s1 = 1 másrészt pedig,
s2 = 0 és s3 = 1, amikor ugyancsak s1 = 1. Innen a λ2 = 3 sajátértékhez tartozó sajátvektorok a
következők
1 1
1
s2 2
1 ; valamint s 2 0 ;
0 1
Mivel ezek a vektorok nem párhuzamosak, egyik nem konstans szorosa a másiknak, ezért
lineárisan függetlenek. Ezzel megkaptuk a rendszer általános megoldását. Általános jelölésekkel
ez a következő
1 1 1
3t 3t
x t C1e 1 C2e 1 C3e 0 ; C1 , C2 , C3 R;
2t
312
Óbudai Egyetem BGK Fejezetek a matematikából
4. eset: Az ARn×n együttható mátrixnak van többszörös valós gyöke, és a többszörös valós
gyök algebrai multiplicitása nagyobb, mint a geometriai multiplicitás
Tegyük fel, hogy a λi sajátérték algebrai multiplicitása pi. A karakterisztikus polinom szorzat
alakja így ugyanaz, mint a 3. esetben, tehát
kn i i Qn pi ;
p
x1 ' x1 x2 2 x3
x2 ' 4 x1 x2 ;
x ' 2x x x
3 1 2 3
1 1 2
k det A E 4 1 1 0
2
1 0
2 1 1
313
Óbudai Egyetem BGK Fejezetek a matematikából
0 0
s1 2t ; t 0; például s1 2 ;
t 1
Térjünk át a kétszeres algebrai multiplicitású λ2 = –1 sajátérték esetére. Elő kell állítanunk két
független megoldást. Ehhez először megoldjuk azt a lineáris egyenletrendszert, amely a
sajátvektort adja meg
1 1 1 2 s1 0 0 1 2 s1 0
1 1: 4 11 0 s2 0 ; 4 2 0 s 0 ;
2
2 1 1 1 s3 0 2 1 0 s3 0
t 1
s 2 2t ; t 0; például s 2 2 ;
t 1
A 3. esetben tapasztaltaktól ellentétben azonban most nem tudunk előállítani egy s2 vektortól
lineárisan független sajátvektort. Azonban szükség van még egy lineárisan független megoldásra,
hiszen egyelőre csak két lineárisan független megoldást, az
0 1
x1 t e s1 e 2 ; x2 t e s 2 e 2 ;
1t
t 2t t
1 1
314
Óbudai Egyetem BGK Fejezetek a matematikából
tartozó általános megoldás et C1t C2 alakú. Ebből kiindulva megpróbáljuk az egyenletet
kielégíteni egy ehhez hasonló szerkezetű függvénnyel, amely a vizsgált probléma természetéből
adódóan némileg általánosabb. Ha alkalmazzuk az s2 s2 jelölést, utalva arra, hogy a λ2 = –1
1
sajátértékhez tartozó „első” megoldást adó sajátvektorról van szó, keressünk megoldást
alakban, ahol s2 egyelőre ismeretlen vektor. Kérdés, hogy létezik-e olyan s2 vektor, amelyre
2 2
x ' t e2t s2 2te2t s2 2e2t s2 Ate2t s2 Ae2t s2 Ax t
1 1 2 1 2
Ez az egyenlőség pontosan akkor azonosság, ha a jobb és bal oldalon az e2t és te2t függvények
együtthatói rendre megegyeznek. Rendezve az egyenletet ezen szempontok szerint kapjuk, hogy
2
e2t s2 2s2 te2t 2s2 e2t As2 te2t As2 ;
1 1 2 1
As1 s1
2 2 2
2 2 1
;
2
As s
2 2 s 2
Azt kaptuk tehát, hogy az s2 vektor az A mátrix λ2 = –1 sajátértékhez tartozó sajátvektora,
1
s2
2
ahogyan azt eddig is tudtuk, az vektor azonban nem sajátvektor, hanem az
As2 2s2 s2
2 2 1
egyenlet által van meghatározva. Az ilyen vektort általánosított
sajátvektornak nevezzük. A fogalmat a későbbiekben pontosan definiáljuk. Feladatunk tehát egy
As2 2s2 s2 egyenletnek eleget tevő s2 vektor előállítása, ahol s2 már ismert
2 2 1 2 1
0 1 2 s1 1
4 2 0 s 2 ;
2
2 1 0 s3 1
315
Óbudai Egyetem BGK Fejezetek a matematikából
Itt szintén igaz, hogy a 2. egyenlet a 3. egyenlet kétszerese, így a 2. egyenlet elhagyható a
rendszerből. Az 1. és 3. egyenletből álló rendszer pedig a következő
s2 2s3 1 1 s2 2s3
; azaz ;
2s1 s2 1 1 s2 2s1
0
2
s2 1 ;
1
Azonnal látható, hogy a kapott s2 és az s2 vektorok lineárisan függetlenek, hiszen egyik a
2 1
másiknak nem konstans szorosa. A korábbiak szerint tehát azt kapjuk, hogy az
1 0
x3 t te2t s2
1 2t
e s2 2 t t
te 2 e 1 ;
1 1
1 1 1 1
Azt már tudjuk, hogy ezek a függvények valóban megoldások, már csak ezek függetlenségét kell
igazolnunk. A függetlenség abból a tételből következik, amely szerint egy függvényrendszer
pontosan akkor lineárisan független, ha lineárisan független kezdeti feltételekhez tartoznak.
Márpedig világos, hogy t = 0-ban
lineárisan független rendszert kapunk, ezt már megvizsgáltuk, de erről meggyőz bennünket az is,
ha kiszámítjuk a három vektorból képezett mátrix determinánsát
316
Óbudai Egyetem BGK Fejezetek a matematikából
0 1 0
2 2 1 1 0;
1 1 1
amely nem zérus, tehát a három vektor független. Összefoglalva az eddigieket, a rendszer
általános megoldása
vektor, amely a sajátvektorral együtt lineárisan független rendszert alkot, és amely esetén az
x t et s ;
1 1
x t tet s et s
2 1 2
alakú megoldása. Kérdés, hogy milyen feltételeket elégít ki az s vektor. Ennek a kérdésnek a
2
1 2
tet s et s s tet As et As ;
1 1 2
317
Óbudai Egyetem BGK Fejezetek a matematikából
As1 s1
2 1 2
;
As s s
Az első egyenlet pontosan azt jelenti, amit már eddig is tudtunk, hogy az s az A mátrix λ
1
sajátértékhez tartozó sajátvektora. A második egyenlet azonban arra szolgál, hogy abból ismert
s sajátvektor esetén az s vektort meghatározzuk. A fenti két egyenlet ekvivalens az alábbi
1 2
két egyenlettel
A E s1 0
2 1
;
A E s s
Igazoltuk tehát, hogy létezik a kívánalmaknak megfelelő s vektor. Már csak azt kell igazolni,
2
pontosan azt jelenti, hogy egyik vektor a másik konstans szorosa, ha lineárisan összefüggenének,
akkor s Cs lenne. De ekkor
2 1
vektor független. Ebből már adódik a tételbeli x(1)(t) és x(2)(t) lineáris függetlensége, hiszen a
1 1 2 2
t = 0 pontban x 0 s ; és x 0 s , tehát lineárisan független kezdeti feltételekhez
tartozó megoldások. Ezt kellett igazolni. ■
As s s ;
2 2 1
A E s 2 s1
318
Óbudai Egyetem BGK Fejezetek a matematikából
Mint azt a fenti példában láttuk, amikor a sajátérték algebrai multiplicitása nagyobb, mint a
geometriai multiplicitás, a megoldás előállításához szükség van az általánosított sajátvektorok
előállítására is. Azonban még nem tisztáztunk minden lehetséges esetet. A kérdés az, hogy ha
például az algebrai és geometriai multiplicitás közötti különbség nem csak 1, mint az előbbi
példában, hanem legalább 2, akkor hogyan kapunk megoldást. Ezt vizsgáljuk az alábbiakban.
Kövessük az előző logikát. Tűzzünk ki egy feladatot, és annak kapcsán tisztázzuk az elméletet.
x1 ' 4 x1 x2
x2 ' 3x1 x2 x3 ;
x ' x x
3 1 3
4 1 0
k det A E 3 1 2 0;
3
1
1 0 1
Kapjuk tehát egyrészt, hogy λ = 2 az egyetlen sajátérték, valamint olyan sajátérték, amelynek
algebrai multiplicitása 3. Elő kell tehát állítanunk 3 db lineárisan független megoldást. Kezdjük
a sajátvektorok meghatározásával. A megoldandó rendszer a következő.
4 2 1 0 s1 0 2 1 0 s1 0
2: 3 1 2 1 s2 0 ; 3 1 1 s 0 ;
2
1 0 1 2 s3 0 1 0 1 s3 0
Látható, hogy az 1. sor és a 3. sor összege a 2. sor. Tehát a rendszerből a 2. egyenlet elhagyható.
A maradék sorvektorok azonban lineárisan függetlenek, tehát az együtthatómátrix rangja ρ = 2.
Az ismeretlenek száma k = 3, tehát a szabadságfok k – ρ = 3 – 2 = 1. A redukált rendszer
2s1 s2 0 s 2s1
; azaz 2 ;
s1 s3 0 s3 s1
t 1
1
2t ; t 0; például s 2 ;
1
s
t 1
319
Óbudai Egyetem BGK Fejezetek a matematikából
1
x 1
t e t 1
s e2t 2 ;
1
Szükségünk van azonban még két lineárisan független megoldásra. Egy második megoldás
előállítására alkalmazhatjuk a az előző tételbeli eredményt illetve gondolatmenetet. Keresünk egy
s általánosított sajátvektort. Ez kielégíti az As s s tehát az A E s s
2 2 2 1 2 1
4 2 1 0 s1 1 2 1 0 s1 1
3
1 2 1 s2 2 ; 3 1 1 s 2 ;
2
1 0 1 2 s3 1 1 0 1 s3 1
2s1 s2 1 s 2s1 1
; azaz 2 ;
s1 s3 1 s3 s1 1
1
s 2
1 ;
0
1 1 1
1 t 1 2 t 1 t 2 2t 2t
x t e s e 2 ; x t te s e s te 2 e 1 ;
2t
320
Óbudai Egyetem BGK Fejezetek a matematikából
2 t 12
3
x t et s tet s et s et s ts s ;
3 t 1 2 3 2
2 2
t 2 1 3
t t
3
2
2 1 2
t t
e s ts s e ts s Ae s ts s ;
1 2
2 2
t 2 t 1
2
1
3
2 t2
2
1
e s tet s s et s s et As tet As et As ;
2 2 3
As1 s1
2 2 1
As s s ;
3 3 2
As s s
A E s1 0
2 1
A E s s ;
A E s s
3 2
egyenleteket. Itt az első egyenlet ismét azt jelenti, hogy az s vektor sajátvektora az A
1
321
Óbudai Egyetem BGK Fejezetek a matematikából
4 2 1 0 s1 1 2 1 0 s1 1
3
1 2 1 s2 1 ; 3 1 1 s 1 ;
2
1 0 1 2 s3 0 1 0 1 s3 0
2s1 s2 1 s 2s1 1
; azaz 2 ;
s1 s3 0 s3 s1
1
s 3
1 ;
1
2 1 1 1
3 t 2 1 2 3 2t t 2 t 1 1 ;
x t e s ts s e
t
2 2 1 0 1
1 1 1 1 1 1 0 1 1
2 1 1 1 0 0 1 0 0 1 0;
1 0 1 1 0 1 0 0 1
A kapott három megoldás lineárisan független, ugyanis a t = 0 kezdeti értékhez tartozó kezdeti
feltételek rendre az s , s és s vektorok, amelyekről éppen most mutattuk meg, hogy
1 2 3
lineárisan függetlenek. Ebből pedig egy korábbi tétel szerint már következik a
megoldásfüggvények lineáris függetlensége. Ez azt jelenti, hogy a fentiekben valóban
alaprendszert állítottunk elő. A rendszer általános megoldása tehát a következő
322
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 2 1 1 1
2t 2t t 2 t 1 1 ;
x t C1e 2 C2e t 2 1 C3e
2t
1 1 0 2 1 0 1
hogy
Ha a sajátérték algebrai és geometriai dimenziója közötti különbség kettő, akkor szükség van az
s másodrendű általánosított sajátvektorra is amely eleget tesz az
3
következő egyenleteknek
……………………………………………..
p 1
s s ; A E s s ;
p 1 p p 1 p
As
323
Óbudai Egyetem BGK Fejezetek a matematikából
akkor azonnal látható, hogy az A E p s p1 vektor sajátvektora az A mátrixnak, tehát
teljesül, hogy A E p s p1 0 , hiszen sajátvektor nem lehet nullvektor, azonban az is igaz,
s
p 1 p 1
hogy A E 0 . A fentiek szerint szükség van az alábbi értelmezésre.
tp 1 t p 1 2 t p 2 3 t 2 p 1 p 1
x t et s s s ... s ts s
p
p! p 1! p 2 ! 2!
As s s ; A E s s ;
2 2 1 2 1
As s s ; A E s s ;
3 3 2 3 2
……………………………………………..
p 1
s s ; A E s s ;
p 1 p p 1 p
As
324
Óbudai Egyetem BGK Fejezetek a matematikából
tp t p 1 t p 2 t2 p 1
Ax t et As As As ... As tAs As ;
1 2 3 p 1 p
p! p 1! p 2 ! 2!
tp 1 t p 1 2 t p 2 3 t 2 p 1 p 1
x ' t et s s s ........ s ts s
p
p! p 1! p 2 ! 2!
t p 1 1 t p 2 2 t p 3 3 p
s ... ts s
p 1
et s s
p 1! p 2 ! p 3!
x1 t et s
1
x2 t et ts s
1 2
t2 1 3
x 3 t e t s ts s
2
2!
t 1 t 2
3 2
4
x4 t et s s ts s
3
3! 2!
…
325
Óbudai Egyetem BGK Fejezetek a matematikából
t p 1 1 t p 2 2 t p 3 3 p
x p t et s ... ts s
p 1
s s
p 1! p 2 ! p 3!
tp 1 t p 1 2 t p 2 3 t 2 p 1 p 1
x p 1 t et s s s ... s ts s
p
p! p 1! p 2 ! 2!
Bizonyítás: Azt az előző tétel bizonyítja, hogy ezek a függvények valóban megoldások. Már csak
a függetlenséget kell igazolnunk. Ez utóbbi abból következik, hogy ezek a megoldások az
xi 0 s ; i 1, 2,..., p 1 kezdeti feltételekhez tartoznak. Az si ; i 1, 2,..., p 1 vektorok
i
azonban lineárisan független rendszert alkotnak. Ha ugyanis s lineárisan függ s -től, akkor
2 1
2 1 1
teljesül, hogy s C s . De ekkor A E s A E C s C A E s 0 ez
2 1
azonban ellentmond annak, hogy A E s 2 s1 és s sajátvektor, tehát nem lehet
1
3 2
azonban egyrészt igaz, hogy A E s s másrészt pedig az, hogy
Ezzel az esettel részletesen nem foglalkozunk, csak utalunk rá, hogy a 2., 3. és 4. esetben
részletesen bemutatott módszerek alapján egy alaprendszer ebben az esetben is előállítható. Ilyen
szituáció csak akkor fordulhat elő, ha n legalább 4. Ilyen méretű rendszer megoldásával általában
nem foglalkozunk, bár jelezzük, hogy a korábbiakhoz képest csak a számítások mennyisége
szaporodik, az elvi háttér nem módosul. Egyedüli nehézséget az jelenthet, hogy a karakterisztikus
egyenlet negyedfokú, amelynek a megoldásait esetleg probléma lehet előállítani. Egy ilyen esetet
bemutatunk a 2.3.20. példában a fejezet végén.
326
Óbudai Egyetem BGK Fejezetek a matematikából
x ' t A t x t g t
inhomogén lineáris rendszer. Feladatul tűzzük ki ebben a pontban ezen rendszer általános
megoldásának a meghatározását elsősorban az állandó variálásának módszerét alkalmazva. Ehhez
felhasználjuk tehát a 2.3.4. pontban igazolt
x1 ' x1 x2 e
3t
x1 ' 1 1 x1 e3t
; mátrix jelölésekkel: x ' 3 1 x
2
x ' 3 x1 x2 t 2 2 t
1 1
k det A E 2 4 0
3 1
1 1 s1 0
1 2 : ; tehát s1 s2 0; s1 s2 ;
3 3 s2 0
3 1 s1 0
2 2 : ; tehát 3s1 s2 0; s2 3s1;
3 1 s2 0
327
Óbudai Egyetem BGK Fejezetek a matematikából
x (t ) e e2t C1
2t
xhá t Φ t c 1 ;
x2 (t ) e
2t
3e2t C2
ahol C1 és C2 tetszőleges valós állandók. Ezek után rátérünk az inhomogén rendszer egy
partikuláris megoldásának előállítására.
Szükség van tehát az alapmátrix inverzére. Emlékeztetünk arra, hogy egy 2×2 méretű mátrix
inverzét a következő módon számoljuk
a b 1 d b
ha A ; akkor A 1 ha det A ad bc 0
c d ad bc c a
Itt csak arra hívjuk fel a figyelmet, hogy az alapmátrix komponensei függvények és nem
konstansok. Az alapmátrix determinánsa nem más, mint a Wronski-determináns
e 2t e2t
det Φ t W x1 t , x2 t 3 1 4;
e 2t 3e2t
1 3e e2t
2t
Φ t
1
;
4 e2t e2t
328
Óbudai Egyetem BGK Fejezetek a matematikából
Eszerint
t 2t 1 2t
3e t
e e
1
Φ t g t dt 4 1 5t t 2t 1 2t ;
1 2 4
e e e
5 2 4
t 1
3et e2t e2t
1 e
2t 2t
e
xip t Φ t Φ t g t dt
1 2 4
;
4 e2t 3e2t 1 e5t t e2t 1 e2t
5 2 4
4 3t t
5e 4
xip t ;
3 e3t t 1
5 4 4
4 3t t
e2t e 5e 4
2t
xiá t C1 C2 ; C1 , C2 R
2t
e 3e 3 e3t t 1
2t
5 4 4
2. megoldás: Az inhomogén rendszer egy partikuláris megoldását előállítjuk más módszerrel is.
A másodrendű állandó együtthatójú differenciálegyenleteknél alkalmaztuk a próbafüggvény
módszerét. Ez ebben az esetben is működik, ha a jobb oldalon egyszerű szerkezetű függvények
állnak, tehát, hatvány, polinom, exponenciális illetve trigonometrikus, vagy ezek szorzata. A
korábbiak szerint keressük a megoldást
x1 p (t ) Ae3t Bt C
3t ;
x2 p (t ) De Et F
329
Óbudai Egyetem BGK Fejezetek a matematikából
3 Ae B A D e B E t C F e ;
3t 3t 3t
3De E 3 A D e 3B E t 3C F t ;
3t 3t
3 A A D 1;
B E 0;
B C F;
3D 3 A D;
3B E 1 0;
E 3C F ;
4 1 3 1 1
A ; B ; C 0; D ; E ; F ;
5 4 5 4 4
4 3
k det A E 1 2 0;
2 1
3 3 s1 0
1 1: ; tehát 3s1 3s2 0; s1 s2 ;
2 2 s2 0
2 3 s1 0
2 2 : ; tehát 2s1 3s2 0;3s2 2s1;
2 3 s2 0
330
Óbudai Egyetem BGK Fejezetek a matematikából
1 3 et 3e2t
s1 ; s 2 ; Φ t ;
1 2 e
t
2e2t
x (t ) e 3e2t C1
t
xhá t Φ t c 1 ;
x2 (t ) e 2e2t C2
t
et 3e2t
det Φ t W x1 t , x2 t 2e3t 3e3t e3t ;
t 2t
e 2e
eat eat
e sin tdt
at
a sin t cos t ; e cos tdt
at
sin t a cos t ;
1 a2 1 a2
331
Óbudai Egyetem BGK Fejezetek a matematikából
x1 p (t ) A cos t B sin t
;
x2 p (t ) C cos t D sin t
x1 ' x2 tg t 1
2
x1 ' 0 1 x1 tg 2 t 1
; mátrix jelölésekkel: x ' 1 0 x ;
2 x ' x1 tg t 2 2 tg t
inhomogén lineáris rendszer általános megoldását. Szokás szerint kezdjük a homogén rendszer
alapmátrixának előállításával. A karakterisztikus egyenlet
332
Óbudai Egyetem BGK Fejezetek a matematikából
1
k det A E 2 1 0;
1
i 1 s1 0
1 i : ; tehát is1 s2 0; s2 is1;
1 i s2 0
Ebben az esetben az első egyenlet –i-szerese a második egyenlet, így ez utóbbi a rendszerből
valóban elhagyható.Kapjuk tehát a sajátvektorokat
1 1 0
x t eit cos t i sin t i ;
i 0 1
komplex megoldás valós és képzetes része adja. Ezeket megkapjuk ha elvégezzük a szorzást
1 0 1 0
x t cos t sin t i sin t cos t ;
0 1 0 1
cos t sin t
xhá t Φ t c C1 C2 ;
sin t cos t
333
Óbudai Egyetem BGK Fejezetek a matematikából
cos t sin t
det Φ t cos2 t sin 2 t 1;
sin t cos t
sin t
Φ t g t dt 1 cos t ;
1
cos t
sin t
cos t sin t tg t ;
xip t Φ t Φ t g t dt
1
cos t 2
1
sin t cos t
cos t
cos t sin t tg t
xiá t Φ t c Φ t Φ1 t g t dt C1 C2 ; C1 , C2 R
sin t cos t 2
1 1
x1 ' x1 x2 x1 ' 1 1 x1
cos t ; mátrix jelölésekkel: x cos t ;
2
x ' 2 1 2
x2 ' 2 x1 x2 0
inhomogén lineáris rendszer általános megoldását. Szokás szerint kezdjük a homogén rendszer
alapmátrixának előállításával. A karakterisztikus egyenlet
334
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
k det A E 2 1 0;
2 1
1 i 1 s1 0
1 i : ; tehát 1 i s1 s2 0; s2 1 i s1;
2 1 i s2 0
Könnyen látható, hogy az első egyenlet (1 + i)-szerese a második egyenlet, tehát ez utóbbi
valóban elhagyható a rendszerből. Innek kapjuk a sajátvektorokat
1 1 0 1 1 0
s1 i ; s2 i ;
1 i 1 1 1 i 1 1
Az alapmátrixban csak a valós megoldások lehetnek, ezt a kapott komplex megoldás valós és
képzetes része szolgáltatja. A komplex megoldás egyrészt az
1 1 0
x t eit cos t i sin t i ;
1 i 1 1
függvény valamint ennek komplex konjugáltja. Szorzással kapjuk a valós és képzetes részt
1 0 1 0
x t cos t sin t i sin t cos t ;
1 1 1 1
Ahonnan az alapmátrix már felírható
cos t sin t
Φ t ;
cos t sin t sin t cos t
cos t sin t
xhá t Φ t c C1 C2 ;
cos t sin t sin t cos t
335
Óbudai Egyetem BGK Fejezetek a matematikából
cos t sin t
det Φ t cos t sin t cos 2 t cos t sin t sin 2 t 1;
cos t sin t sin t cos t
1
cos t sin t sin t 1 tg t
Φ t g t cos t
1
;
cos t sin t cos t 0 1 tg t
t ln cos t
Φ t g t dt t ln cos t ;
1
336
Óbudai Egyetem BGK Fejezetek a matematikából
megoldását keressük. Feltettük, hogy az n-ed rendű derivált együtthatója 1, ami nem jelent
megszorítást, hiszen nyilván teljesül, hogy an ≠ 0, hiszen ha zérus lenne, az egyenlet nem lenne
n-ed rendű. ha pedig nem nulla, akkor az egyenletet oszthatjuk vele. A felírt egyenlet legyen az,
amelyet az an együtthatóval történő osztás után kapunk.
Bebizonyítjuk, hogy ez az egyenlet egyenértékű egy elsőrendű lineáris rendszerrel. Ehhez a
következőt kell tennünk. Bevezetünk új ismeretlen függvényeket, pontosan n db-ot, a következő
definícióval. Legyen
x1 ' t x2 t y ' t ;
x2 ' t x3 t y " t ;
x3 ' t x4 t y "' t ;
...
xn1 ' t xn t y t ;
n 1
xn ' t y t ;
n
337
Óbudai Egyetem BGK Fejezetek a matematikából
alakban írva, a kapott rendszer, mátrixos jelölésekkel, a következő standard formára hozható.
x1 ' t 0 1 0 0 ... 0 x1 t 0
x2 ' t 0 0 1 0 ... 0 x2 t 0
x3 ' t 0 0 0 1 ... 0 x3 t 0
;
... ... ... ... ... ... ... ... ...
x ' t 0 0 0 0 ... 1 xn1 t 0
n 1
xn ' t a0 a1 a2 a3 ... an 1 xn t g t
Ez a rendszer tehát egyenértékű az eredeti n-ed rendű egyenlettel abban az értelemben, hogy
minden n-ed rendű, állandó együtthatójú differenciálegyenlethez, hozzárendelhető ez az
elsőrendű, normál alakú rendszer, mely x(t) megoldásának, tehát a vektor-skalár függvénynek az
első koordinátafüggvénye az n-ed rendű differenciálegyenlet megoldása, tehát x1 t y t . Ezt
nevezzük átviteli elvnek.
y " a1 y ' a0 y g t ;
differenciálegyenlet egyenértékű az
x1 ' 0 1 x1 0
x ' a ;
a1 x2 g t
2 0
rendszerrel. A harmadrendű
egyenlet egyenértékű az
x1 ' 0 1 0 x1 0
x ' 0
2 0 1 x2 0 ;
x3 ' a0 a1 a2 x3 g t
338
Óbudai Egyetem BGK Fejezetek a matematikából
y " 4 y ' 5 y 0;
x1 ' 0 1 x1
x ' 5 4 x ;
2 2
1
k det A E 2 4 5 0;
5 4
2 i 1 s1 0
1 i : ; tehát 2 i s1 s2 0; s2 2 i s1;
5 2 i s2 0
1 1 0 1 1 0
s1 i ; s2 i ;
2 i 2 1 2 i 2 1
Az alapmátrixban csak a valós megoldások lehetnek, ezt a kapott komplex megoldás valós és
képzetes része szolgáltatja. A komplex megoldás egyrészt az
1 2t 1 0
x t e
2i t
2 i e cos t i sin t 2 i 1 ;
függvény valamint ennek komplex konjugáltja. Szorzással kapjuk a valós és képzetes részt
1 0 1 0
x t e2t cos t sin t ie2t sin t cos t ;
2 1 2 1
339
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 1 0
x1 t e2t cos t sin t ; x2 t e2t sin t cos t ;
2 1 2 1
x1 ' 0 1 0 x1
x ' 0 0 1 x2 ;
2
x3 ' 8 4 2 x3
1 0
k det A E 0 1
2 2 4 0;
8 4 2
Kapjuk tehát egyrészt, hogy λ1 = 2 az egyetlen valós sajátérték. Ezen kívül van még két
konjugált komplex sajátérték, λ2,3 = ±2i. Elő kell állítanunk 3 db lineárisan független megoldást.
Kezdjük a sajátvektorok meghatározásával. A megoldandó rendszer egyrészt a következő.
2 1 0 s1 0
1 2 : 0 2 1 s2 0 ;
8 4 0 s3 0
Látható, hogy az 1. sor –4-szerese a 3. sor, tehát ez utóbbi a rendszerből elhagyható. A maradék
sorvektorok azonban lineárisan függetlenek, tehát az együtthatómátrix rangja ρ = 2. Az
ismeretlenek száma k = 3, tehát a szabadságfok k – ρ = 3 – 2 = 1. A redukált rendszer
340
Óbudai Egyetem BGK Fejezetek a matematikából
2s1 s2 0 s2 2s1
; azaz ;
2s2 s3 0 s3 2s2
2i 1 0 s1 0
1 2i : 0 2i 1 s2 0 ;
8 4 2 2i s3 0
2is1 s2 0 s2 2is1
; azaz ;
2is2 s3 0 s3 2is2
Ezek ismeretében már megadható két lineárisan független valós megoldás, a kapott
1 1 0
x t e 2i cos 2t i sin 2t 0 i 2 ;
2it
4 4 0
341
Óbudai Egyetem BGK Fejezetek a matematikából
y 8 y " 16 y 0;
4
x1 ' 0 1 0 0 x1
x ' 0 0 1 0 x2
2 ;
x3 ' 0 0 0 1 x3
x4 ' 16 0 8 0 x4
1 0 0
0 1
0
k det A E
2
2 4 0;
0 0 1
16 0 8
Ennek az egyenletnek két db, kétszeres multiplicitású komplex megoldása van, λ1 = 2i és λ2 = –2i
kétszeres komplex gyökök. Most megkeressük a sajátvektorokat. Kezdjük a λ1 = 2i komplex
sajátértékhez tartozó sajátvektorral. Ehhez meg kell oldanunk az alábbi homogén lineáris
rendszert
2i 1 0 0 s1 0
0 2i 1
0 s2 0
;
0 0 2i 1 s3 0
16 0 8 2i s4 0
Ezen rendszer együtthatómátrixának rangja 3, ugyanis a bal felső 3×3-as almátrix determinánsa
– tekintettel arra, hogy egy felső háromszögmátrixról van szó –, a főátlóbeli komponensek
szorzata, azaz (–2i)3 ≠ 0. Azonban a négy sorvektor lineárisan összefügg, hiszen ellenőrizhető,
hogy ha az első egyenletet szorozzuk –8i-vel, a másodikat –4-gyel, a harmadikat pedig –2i-vel,
és ezeket összeadjuk, akkor a 4. egyenletet kapjuk. A mátrix rangja tehát ρ = 3, az ismeretlenek
száma k = 4, tehát a rendszer szabadságfoka k – ρ = 1. A 4. egyenlet elhagyásával adódó redukált
rendszer a következő
342
Óbudai Egyetem BGK Fejezetek a matematikából
2is1 s2 0; s2 2is1;
2is2 s3 0; azaz s3 2is2 ;
2is s 0; s 2is ;
3 4 4 3
és itt egy ismeretlen szabadon választható. Azt kaptuk tehát, hogy a λ1 = 2i komplex sajátérték
algebrai multiplicitása 2, geometriai multiplicitása azonban csak 1, mert a hozzá tartozó sajátaltér
1 dimenziós. Ennek a sajátaltérnek egy bázisvektora tehát egy sajátvektor, és a konjugált λ2 = –2i
sajátértékhez tartozó konjugált sajátvektor például a következő
Ezek alapján megadhatunk két lineárisan független megoldást a szokott módon. Képezzük az
1 1 0
2i
x t e 2it cos 2t i sin 2t 0 i 2 ;
4 4 0
0 8
8i
megoldásokat. Ez azonban csak két lineárisan független megoldás. Szükség van további két olyan
függvényre, amely ezzel a két megoldással együtt lineárisan független rendszert, tehát
alaprendszert alkot.
x t te1t s e1t s
1 2
Ez az összefüggés változtatás nélkül igaz, hiszen ott nem használtuk fel, hogy a sajátértékek és a
sajátvektorok valósak, tehát ezek az összefüggések komplex esetre is igazak. Megoldandó tehát
2 1
az A E s s inhomogén lineáris egyenletrendszer.
2i 1 0 0 s1 1
0 2i 1
0 s2 2i
;
0 0 2i 1 s3 4
16 0 8 2i s4 8i
Itt pontosan azt tudjuk elmondani a rendszerről és annak együttható mátrixáról, mint korábban,
tehát azt, hogy a 4. egyenlet következménye az első három egyenletnek, így a redukált rendszer a
következő
2is1 s2 1; s2 1 2is1;
2is2 s3 2i; azaz s3 2i 2is2 ;
2is s 4; s 4 2is ;
3 4 4 3
1,5i 0 1,5
0
2 2 2
s i ;
2i 0 2
0 0 0
t 1 t 2
helyettesítve az x t te 1 s e 1 s formulába, kapjuk a
1 1,5i
2i 2
x t te2it e2it ;
4 2i
8i 0
tehát az
344
Óbudai Egyetem BGK Fejezetek a matematikából
1 0 0 1,5
0 2 2 0
x t t cos 2t i sin 2t i cos 2t i sin 2t i ;
4 0 0 2
0 8 0 0
komplex megoldást. Szétválasztva a valós és képzetes részeket adódik két újabb lineárisan
független megoldás.
Figyelembe véve az x1(t) és x2(t) megoldásokat, kapjuk az átviteli elv alkalmazásával kapott
lineáris rendszer általános megoldását
345
Óbudai Egyetem BGK Fejezetek a matematikából
346
Óbudai Egyetem BGK Fejezetek a matematikából
3. fejezet
Sorelmélet
347
Óbudai Egyetem BGK Fejezetek a matematikából
348
Óbudai Egyetem BGK Fejezetek a matematikából
Induljunk ki a következő problémából. Adott egy (an), nN+ valós számsorozat. Képezzünk az
alábbi módon ebből a sorozatból egy másik (sn), nN+ sorozatot. Legyen
s1 = a1
s2 = a1 + a2
s3 = a1 + a2 + a3
…
sn = a1 + a2 +…+ an (nN+)
…
Fogalmilag az ilyen módon értelmezett sorozat is egy ugyanolyan valós sorozat, mint amiből
kiindultunk, csak a képzési szabály sajátos. Ezért a sorozatok témakörében megismert fogalmak
(monotonitás, korlátosság, határérték, konvergencia,…,stb.) és tételek változtatás nélkül igazak
ebben az esetben is.
349
Óbudai Egyetem BGK Fejezetek a matematikából
an am an A A am an A am A
2 2
an A an ani ani A an ani ani A
2 2
350
Óbudai Egyetem BGK Fejezetek a matematikából
Két kérdést teszünk majd fel vizsgálataink során egy numerikus sorral kapcsolatban:
1. Létezik-e határértéke, tehát létezik-e a sornak összege?
2. Ha létezik a sornak összege, akkor mi az összeg?
Mint látni fogjuk az 1. kérdésre nagyon sok esetben tudunk majd válaszolni, de a 2. kérdés az
általános esetben akkor is bonyolult, ha tudjuk, hogy a sornak van összege. Ennek
megállapítására csak különleges esetekben van módszer, általában ad-hoc módszereket
alkalmazunk. Az egyetlen olyan numerikus sor, amelynek összegzésére általános érvényű
összefüggéseket tudunk mondani, a mértani sor.
an = qn–1, nN+
Írjuk fel a sorozat néhány tagját: 1, q, q2, q3, …, qn – 1,… Mint ismeretes, a mértani sorozat az
alábbi konvergencia tulajdonságokkal rendelkezik.
, ha q 1
1, ha q 1
lim qn 1
0, ha 1 q 1
divergens,ha q 1
n
sn qi 1 1 q q 2 ... q n 1
i 1
A mértani sorozat határérték tulajdonságai alapján meg tudjuk állapítani, hogy a mértani sor mely
esetekben konvergens, sőt azt is, hogy mi az összege. Ehhez segítségül hívjuk a mértani sorozat
első n db tagjának összegére vonatkozó összegképletet.
qn 1
sn 1 q q 2 ... q n 1 ; ha q 1
q 1
Az előbbiek alapján világos, hogy a sor csak a –1 < q < 1 esetben konvergens, és ekkor
határértéke
351
Óbudai Egyetem BGK Fejezetek a matematikából
1 1
lim sn qi 1 ; ha q 1
i 1
q 1 1 q
Ha q> 1 akkor a sor összege +∞, ha q ≤ –1 akkor a sornak nem létezik összege. Ha q = 1 akkor ez
az összegképlet nem használható, de ekkor sn = 1 + 1 + 1+… + 1 = n, a sorösszeg nyilván ekkor
is végtelen.
Általánosítsuk most a fenti sort. Legyen aR egy 0-tól különböző valós szám. Végtelen mértani
sornak nevezzük az an = a∙qn–1 sorozatból képezett végtelen sort is, melynek n-edik részletösszege
a következő.
n
sn aqi 1 a aq aq 2 ... aq n 1
i 1
Világos, hogy ennek a sornak a konvergenciájáról pontosan azokat az állításokat mondhatjuk el,
mint az előbbiekben. Az „általánosított” mértani sor pontosan akkor konvergens, ha –1 < q < 1,
és ekkor a sor összege:
a
lim sn aqi 1 a aq aq 2 ... aq n 1 ... ; ha 1 q 1
i 1
1 q
A mértani sor esetében tehát egyszerűen megállapítható a konvergencia ténye és a sor összege is
könnyen kiszámítható.
3k 1
k
3 3k 3
2k 1
21 4k 6 4
k 1 2 k 1 k 1
3
Az átalakítások mutatják, hogy a kvóciens, q = ]–1, 1[, tehát a sor konvergens. Összege
4
3
6
3k 1
22k 1 43 18
k 1 1
4
124 35 35 35 124 35 1 1
A ... 1 ...
1000 105 107 109 1000 105 102 104
352
Óbudai Egyetem BGK Fejezetek a matematikából
Ebben felfedezhető egy mértani sor, melynek első tagja 1, kvóciense pedig q = 0,01. Mivel a
kvóciens kisebb, mint 1 és nagyobb, mint –1 a mértani sor konvergens. Az összegképlet alapján
az összegzés könnyedén végrehajtható.
x1
t
v u
353
Óbudai Egyetem BGK Fejezetek a matematikából
pozitív mennyiség. Zénón azt állította ezek alapján, hogy Akhilleusz nem érheti utol a teknőst,
mert végtelen sokszor ismétlődik az a folyamat, hogy Akhilleusznak egy pozitív időtartamra van
szüksége egy adott útszakasz megtételéhez. Vagyis egy olyan végtelen tagú összeg a keresett
időtartam, melynek minden tagja pozitív. Ez az összeg Zénón szerint, csak a végtelen lehet.
Az ókori görög filozófusoktól nem lehet elvárni, hogy a határérték és a végtelen sorok fogalmát
megfelelő módon alkalmazzák. Gondolatmenetében nyilván az a hibás, hogy azt hitte,
végtelen sok pozitív mennyiség összege szükségképpen végtelen. Mi már tudjuk, hogy ez nem
igaz, ezáltal feloldjuk a paradoxont.
x1 u x1 u 2 x1 u n1 x1
t t1 t2 t3 ... tn ... ... n1 ..
v v v v2 v v v
u
Vegyük észre, hogy ez éppen egy mértani sor, melynek kvóciense q . Mivel a feltétel szerint
v
u<v, ezért q< 1 és nyilván q> 0, tehát a mértani sor konvergens. Az összegző képlet
alkalmazásával azt kapjuk, hogy
x1 x1
n 1
u x x
t n1 1 v v 1
n 1 v v 1 u v u v u
v v
1 A B
n n 1 n n 1
354
Óbudai Egyetem BGK Fejezetek a matematikából
1 A n 1 Bn
n n 1 n n 1
Mivel itt a nevezők egyenlők a számlálóknak is azonosan egyenlőknek kell lennie tetszőleges
természetes n-re. Ha a nevezőnek egyszeres gyökei vannak, mint ebben a példában, akkor
célszerű a nevező gyökeit helyettesíteni. Ha n = 0 akkor adódik, hogy A = 1, ha n = –1 akkor
pedig B = –1. Tehát a parciális törtekre bontott alak a következő:
1 1 1
n n 1 n n 1
n n
1 1 1
sn
i 1
i i 1 i 1 i i 1
1 1 1 1 1 1 1 1 1
1 ...
2 2 3 3 4 n 1 n n n 1
Innen jól látható, hogy az összeg tagjai páronként eltűnnek, hiszen összegük zérus, megmarad az
első és utolsó tag.
1
sn 1
n 1
Ezzel meg tudtuk határozni az n-edik részletösszeget „zárt alakban”. Ebből következik a sor
összege.
1 1
lim sn lim 1 1
i 1
i i 1 n 1
A határérték tehát 1, vagyis a sor összege 1. A módszerrel tehát ki tudtuk számítani a sor
összegét. A példán keresztül látható a módszer alkalmazhatósága.
8
3.1.4. Példa: Vizsgáljuk meg konvergencia szempontjából a n3 4 n numerikus sort. Az
n 3
előző példabeli eljárás mintájára elvégezzük a tört elemi résztörtekre bontását:
8 8 A B C 1 2 1
n3 4n n n 2 n 2 n 2 n n 2 n 2 n n 2
355
Óbudai Egyetem BGK Fejezetek a matematikából
n n
8 1 2 1
sn
i 3
i i 2 i 2 i 3 i 2 i i 2
1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1
...
1 3 5 2 4 6 3 5 7 4 6 8 n 3 n 1 n 1 n 2 n n 2
Ebben az összegben számos tagot hármasával tudunk csoportosítani úgy, hogy az összeg zérus.
Az összevonást elvégezve, a megmaradó tagokat feltüntetve kapjuk az n-edik részletösszeget
"zárt alakban":
n
1 2 1 2 1 2 1 1 1 2 1 2 1 1
sn 1
i 3
i2 i i2 3 2 4 3 4 n 1 n 1 n n n 1 n 2
ennek az összegnek a határértéke a sor összege. Mivel az utolsó 6 tag mindegyike 0-hoz tart, a
sor összege az első 5 tag összegével egyezik meg:
8 2 1 2 1 1 11
n3 4n 1 3 2 4 3 4 12
n 3
Bizonyítás: A tétel állítása egyszerűen következik a 3.1.2. tételből. Ha a sor konvergens, akkor
tetszőleges ε-hoz létezik a tételnek megfelelő n0 küszöbindex. Alkalmazzuk a Cauchy-kritériumot
tetszőleges m > n0 és n = m + 1 esetére. Ekkor azonnal következik, hogy ha m > n0 akkor
am 0 am 0 , és éppen azt jelenti, hogy a sorozat 0-hoz tart. ■
Ez azt jelenti, hogy ha egy sorozatból végtelen sort képezünk, csak abban az esetben lehet
konvergens a sor, ha a sorozat a 0-hoz konvergál. Az alkalmazás fordított logikával működhet.
Ha egy sorozatról igazoljuk, hogy nem tart nullához, akkor a belőle képezett sor biztosan
divergens. Kihangsúlyozzuk, hogy a feltétel nem elégséges, tehát létezik olyan sor, amelyre igaz
a lim(an) = 0 feltétel és divergens. A későbbiekben látunk példát ilyen sorokra.
356
Óbudai Egyetem BGK Fejezetek a matematikából
3n 1 3n 1 3
3.1.5.Példa: Konvergens-e a 2n 5 numerikus sor? Mivel lim 0 , a sor
2n 5 2
n 1
biztosan divergens.
Az a) esetben a ∑bn sort a ∑ansor konvergens majoránsának nevezzük, a b) esetben pedig azt
mondjuk, hogy a ∑an sor a ∑bnsor divergens minoránsa.
Bizonyítás: A tétel triviálisan igaz. Hiszen ha pl. az a) pontban a majoráns sor konvergens, akkor
az összege véges, valós szám. Ekkor a ∑an sor összege szükségképpen véges, hiszen a ∑bnsor
összegénél kisebb vagy egyenlő pozitív való szám lehet csak, ami éppen azt jelenti, hogy a
majorált sor konvergens. ■
1
3.1.6.Példa: Vizsgáljuk meg konvergencia szempontjából a n ún. harmonikus sort. Írjuk fel a
n 1
sort „kibontva”, majd becsüljük az egyes tagokat megfelelően csoportosítva.
357
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 1 1 1 1 1
n 1 2 3 4 5 ... 8 9 ... 16 ...
n 1
1 1 1 1 1 1 1
1 ... ... ...
2 4 4 8 8 16 16
1 1 1 1
1 ...
2 2 2 2
Tehát alulról tudtuk becsülni a harmonikus sort egy numerikus sorral, azaz minoráltuk. Az
1
1 sor pedig nyilvánvalóan divergens, összege végtelen, ez a sor tehát egy divergens
n 1
2
minoráns sor. Ebből következik, hogy a harmonikus sor divergens. Megjegyezzük, hogy
1
lim 0 , tehát a szükséges feltétel teljesül (3.1.3.tétel), a sor azonban divergens.
n
A sor elnevezésével kapcsolatban megjegyezzük, hogy a sort azért nevezzük harmonikusnak,
mert arra a sorozatra, amelyből képezzük, igaz a következő: minden tagja a hozzá képest
szimmetrikusan elhelyezkedő tagok harmonikus közepe. Valóban
2 1 1 2 2 1
H a, b ; Eszerint : H ,
1 1
n k n k n k n k 2 n n
a b
1
3.1.7.Példa: Vizsgáljuk meg konvergencia szempontjából a n2 numerikus sort. Alkalmazzuk
n 1
az alábbi nyilvánvaló becslést.
1 1
; ha n 2
n2 n 1 n
1
Vegyük észre, hogy a n 1 n sor az első tagtól eltekintve ugyanaz a sor, mint amit a 3.1.3.
n2
példában vizsgáltunk. Ott kiderült, hogy ez a sor konvergens. Tehát találtunk egy olyan
1
konvergens numerikus sort, amely a sort n ≥ 2 esetén majorálja. Tehát ez a sor a vizsgált
2
n 1 n
1
sor konvergens majoránsa, azaz a sor konvergens.
2
n 1 n
Megjegyezzük ezzel a sorral kapcsolatban azt az Euler által bizonyított érdekes tényt, hogy a sor
1 2
összege n2 6
. Ezt az egyenlőséget jelen pillanatban nem tudjuk igazolni, mert nincs a
n 1
kezünkben a szükséges apparátus, azonban később a Fourier-sorok elméletében, a 3.3 fejezetben
358
Óbudai Egyetem BGK Fejezetek a matematikából
bizonyítani fogjuk. Hangsúlyozzuk azonban ennek a ténynek a fényében azt, hogy a végtelen
tagú összegek sokszor másképpen viselkednek, mint a véges összegek. Erre a későbbiekben is
rámutatunk majd más szempontból. Ebben a példában az látszik, hogy az összeg tagjai mind
racionális számok, az összeg azonban irracionális. Végtelen sok racionális szám összege tehát
nem szükségképpen racionális. Véges összeg esetében ilyen természetesen nem fordulhat elő.
konvergens. Legyen lim n an q . Ezen feltételek és jelölés esetén, ha q< 1 akkor a sor
konvergens, ha q> 1 akkor a sor divergens, és ha q = 1 akkor mindkét eset lehetséges, ebben az
utóbbi esetben tehát a gyökkritériummal nem dönthető el a konvergencia.
Bizonyítás:
A tétel a majoráns kritériummal igazolható. A konvergencia esetét tekintve ha q< 1, akkor
1 – q> 0. Legyen ε = (1 – q)/2. Ekkor ε > 0 továbbá q + ε < 1 is teljesül. Mivel az n an , nN+
sorozat konvergens és határértéke q, ezért ehhez az ε-hoz létezik olyan n0 küszöbindex, hogy ha
n>n0, akkor n an q azaz an q . Mivel q + ε< 1 a q
n i
sor egy konvergens
i 1
mértani sor, amely majorálja a ∑an sort, tehát a 3.1.4. tétel szerint a ∑an sor konvergens. A
divergencia hasonló módon igazolható. ■
n
2n
n2 2n
n 1
numerikus sor. A képletre tekintve azonnal látszik, hogy célszerű alkalmazni a gyök-kritériumot.
n
2n 2n
lim n
2 lim 2 0 1
n n n n
Tehát a sor konvergens. A sor összegének meghatározására azonban nincs általános módszer.
n2
3n 2
3n 5
n 1
numerikus sor. A képlet alapján ismét látszik, hogy célszerű alkalmazni a gyök-kritériumot.
359
Óbudai Egyetem BGK Fejezetek a matematikából
n
2 2
n2 n 1 7
3n 2 3n 2 3n e3
lim n lim lim e3 1.
3n 5 3n 5 5 5
1
3n e3
3.1.10. Példa: Illusztráljuk azt az esetet, amikor q = 1. A 3.1.6. és 3.1.7. példák eredményére
támaszkodunk. A 3.1.6. példa alapján tudjuk, hogy a harmonikus sor divergens, másrészt
1 1 1
lim n lim 1 . A 3.1.7. példabeli sor azonban konvergens, de ebben az esetben is igaz,
n n n 1
1 1 1
hogy lim n lim 1 . Megmutattuk tehát, hogy a q = 1 esetben nem
2 2
n nn 12
q
k
sorozat, a belőle képezett mértani sor konvergens. Tehát a an egy konvergens
k
mértani sor, az említett okok miatt a ∑an sor egy konvergens majoránsa. Ebből következik, hogy
a ∑an sor konvergens. A divergencia hasonlóan igazolható. ■
360
Óbudai Egyetem BGK Fejezetek a matematikából
3n 2
n!
n 1
numerikus sor. Mivel a képletben hatványozás és faktoriális szerepelnek, világos, hogy könnyen
oszthatjuk a szomszédos tagokat. Alkalmazzuk tehát a hányados-kritériumot.
a 3n 3 n! 3
lim n 1 lim lim 0 1
an
n 1 ! 3n 2
n 1
tehát a numerikus sor konvergens. Ebben az esetben „véletlenül” meg tudjuk majd mondani a sor
összegét a Taylor-sorok elméletének tárgyalása során. Ez ugyanis egy nevezetes függvény
Taylor-sorának adott pontbeli helyettesítési értéke. A válaszra még visszatérünk később a 3.2.
fejezetben.
nn
n!
n 1
an 1 n 1n 1 n ! n 1
n
1
n
lim lim lim lim 1 e 1
an n 1! nn n n
Tehát ez a sor divergens, az összeg ∞.
3.1.13. Példa: Ismét illusztráljuk azt az esetet, amikor q = 1. Ugyancsak a 3.1.6. és 3.1.7. példák
eredményére támaszkodunk. A 3.1.6. példa alapján tudjuk, hogy a harmonikus sor divergens,
1
n 1
másrészt lim
n
lim 1 . A 3.1.7. példabeli sor azonban konvergens, de ebben az
1 n 1
n
esetben is igaz, hogy
1
n 12 2
lim lim n 1 .
1 n 1
2
n
361
Óbudai Egyetem BGK Fejezetek a matematikából
3.1.7.Tétel:( Integrálkritérium)
Tegyük fel, hogy létezik olyan n0N+pozitív egész szám, hogy az f valós függvény az [n0, +∞[
intervallumon monoton csökkenő pozitív függvény. Ekkor a
f (i )
i n0
numerikus sor és az
f ( x)dx
n0
1
n2 1
n 1
1
numerikus sor. Definiáljuk az f függvényt a következő módon: f x . Világos, hogy a
2
x 1
függvény pozitív és az is, hogy a pozitív valós számok halmazán a függvény szigorúan monoton
csökkenő, hiszen a nevező szigorúan monoton növekszik. Ez azt jelenti, hogy most n0 = 1
választással alkalmazhatjuk az integrál kritériumot.
1
x2 1 dx arctg x1 lim arctg x arctg1
x 2
4
4
1
362
Óbudai Egyetem BGK Fejezetek a matematikából
Az improprius integrál konvergens, tehát az integrál értéke véges. Ez a kritérium szerint azt
jelenti, hogy a numerikus sor konvergens. Hangsúlyozzuk azonban, hogy arról nincs szó, hogy a
sor összege megegyezne az integrál értékével. Csak annyit állíthatunk, hogy a sor összege véges.
n
n2 1
n 1
x
numerikus sor. Definiáljuk az f függvényt a következő módon: f x
. Az világos, hogy a
2
x 1
függvény pozitív a pozitív valós számok halmazán. A függvény monotonitása azonban nem
már következik, hogy ha x ≥ 1 akkor a függvény monoton csökkenő, tehát az integrál kritérium
ismét alkalmazható n0 = 1 választással.
dx ln x 2 1 lim ln x 2 1 ln 2 ln 2
x 1 2x 1
2
dx
2 x2 1 2 1 x
1 x 1 1
Az improprius integrál divergens, amiből a kritérium szerint az következik, hogy a numerikus sor
divergens, az összege ∞.
3.1.8.Tétel: ( Leibniz-kritérium)
Legyen a ∑an egy váltakozó előjelű sor, és tegyük fel, hogy az abszolút értékek an , nN+
sorozata monoton csökkenő módon a 0-hoz tart. Ekkor a sor konvergens.
Bizonyítás: A bizonyításhoz a Cauchy-féle konvergencia kritériumot használjuk. Felhasználjuk,
hogy az abszolút értékek sorozata monoton csökkenő, azaz ak ak 1 minden pozitív egész
363
Óbudai Egyetem BGK Fejezetek a matematikából
k-ra. Ekkor egy bizonyos n0 küszöbindexnél nagyobb n, m egészekre, amelyekre m < n, páratlan
számú tag esetén teljesül, hogy
n
ai am 1 am 2 am 3 ... an 1 an am 1 am 2 am 3 ... an 1 an
i m 1
Legyen most ε > 0 tetszőleges, és legyen n0 olyan egész, amelyre m > n0 esetén igaz, hogy
am . Ilyen n0 és ε létezik, hiszen a feltétel szerint az abszolút értékek sorozata 0-hoz tart. Ha
az előbbi egyenlőtlenségben figyelembe vesszük a monoton csökkenést, akkor azt kapjuk, hogy
n > m > n0 esetén
n
ai am 1 am 2 am 3 ... an 1 an am 1 am
i m 1
ugyanis a zárójelezett különbségek mind nem negatívok a monoton csökkenés miatt. Ha páros
számú tagot veszünk figyelembe az összegben, akkor az egyenlőtlenség ugyancsak igaz, hiszen
az utolsó tag előjele az összegben negatív, tehát az összeghez egy nem pozitív számot veszünk
hozzá. A kapott egyenlőtlenség a Cauchy kritérium szerint éppen azt jelenti, hogy a váltakozó
előjelű sor konvergens. ■
3.1.16. Példa: Későbbi vizsgálatok érdekében tűzzük ki az alábbi, nagyon egyszerű példát.
Vizsgáljuk meg, hogy konvergens-e a
n 1 1
1
n
n 1
Ebben az esetben kiszámítjuk a sor összegét is. Ennek egyik oka, hogy az eredmény nevezetes,
másrészt illusztrálja a számítás azt is, hogy az összegzés módszere mennyire specifikus.
Vizsgáljuk meg elsőként a sor egy páros indexű részletösszegét. Azonos átalakításokkal a
következőt kapjuk.
1 1 1 1 1 1 1 1 1 1
s2n 1 ... 1 ... 2 ...
2 3 2n 2 3 2n 1 2n 2 4 2n
1 1 1 1 1 1 1
1 ... 1 ...
2 3 2 n 1 2n 2 3 n
364
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 1 1 1 1 1 1
... ...
n 1 n 2 2n 1 2n n 1 1 1 2 n 1 n
1 1
n n n n
A kapott összegen azt kell észrevenni, hogy nem más, mint egy integrál közelítő összeg,
1
pontosan az f x függvény integrál közelítő összege az [1, 2] intervallumra vonatkozólag,
x
mely összegben az [1, 2] intervallumot n egyenlő hosszúságú részre osztottuk, és minden
részintervallumban a jobb oldali végpontban számítottuk a függvényértéket. Ebből következően a
2
1
páros indexű részletösszegek határértéke a következő: lim s2n dx ln 2 . A páratlan
n x
1
1 1
indexű részletösszeg a következő módon írható: s2n 1 s2n . Mivel lim 0 , ezért
2n 1 2n 1
a páratlan indexű részletösszegek sorozata is ln2-höz tart. Kaptuk tehát a nevezetes eredményt,
miszerint
n 1 1
1 n
ln 2
n 1
n
1
n
2
n 1 n 1
numerikus sor. Az világos, hogy a sor váltakozó előjelű. A 3.1.15. példabeli számítás eredménye
n n n
alapján az is következik, hogy az abszolút értékek an 1 sorozata monoton
n2 1 n2 1
1
n
csökkenő. Továbbá az is igaz, hogy lim an lim lim n 0 , tehát a sor Leibniz
2
n 1 1 2
1
n
típusú, azaz konvergens.
Ha egy numerikus sorra teljesülnek a tétel feltételei, akkor azt szokás Leibniz típusú sornak
nevezni. Ezzel a terminológiával azt mondhatjuk, hogy ha egy sor Leibniz típusú akkor
konvergens. Azonban a tétel nem alkalmazható fordítva, másképpen fogalmazva, a tétel
elégséges feltétel, de nem szükséges. Előfordulhat olyan eset, hogy egy váltakozó előjelű sor nem
Leibniz típusú és mégis konvergens. Erre vonatkozik a következő példa.
365
Óbudai Egyetem BGK Fejezetek a matematikából
1
; ha n 2k 1 (n ptl)
3n
an
1 ; ha n 2k (n ps)
2n
Az világos, hogy a sor váltakozó előjelű. Azonban a sor nem Leibniz típusú, ugyanis az abszolút
1 1
értékek sorozata nem monoton csökkenő, mert egyrészt nyilvánvalóan igaz, hogy ,
22k 32k 1
1 1
másrészt viszont az egyenlőtlenség is fennáll, hiszen azonos átalakításokkal a
2k 1 2k 2
3 2
k
4 9
formára hozható, amely minden pozitív egész kitevőre teljesül. Ami azt jelenti, hogy
3 4
a2k a2k 1 viszont a2k 1 a2k 2 . Tehát a sorozat valóban nem monoton csökkenő. Ennek
ellenére a sor konvergens, ugyanis összege két konvergens mértani sor összegeként áll elő.
1 1
k k
1 1 1 1 1 1 9 1 4 1
n 3 9 4 3 1 4 1 3 8 4 3 24
a
n 1 k 0 k 1 1 1
9 4
366
Óbudai Egyetem BGK Fejezetek a matematikából
3.1.19. Példa: A 3.1.16. példában láttuk, hogy a hiperharmonikus sor konvergens. Ezen sor
abszolút értékeiből képezett sor azonban a harmonikus sor, amely divergens (3.1.6. példa).
Kijelenthetjük tehát, hogy a
n 1 1
1
n
n 1
n
1
n
n 1 n2 1
3.1.21. Példa: A 3.1.18. példában szereplő váltakozó előjelű sor abszolút konvergens, hiszen az
abszolút értékekből képezett sor két konvergens mértani sorra bontható.
367
Óbudai Egyetem BGK Fejezetek a matematikából
Igen könnyen igazolhatunk egy pozitív tényt az abszolút konvergens sorokkal kapcsolatban.
Ez tehát annyit jelent, hogy a sor tagjait eltérő sorrendben adjuk össze, és ismét hangsúlyozzuk,
hogy kérdés az összegek egyenlősége tekintetében csak akkor merül fel, ha végtelen sok tag
sorrendjét megváltoztatjuk. Az átrendezéssel kapcsolatban két nevezetes tételt említünk
bizonyítás nélkül.
3.1.10. Tétel: Ha a ∑an sor abszolút konvergens akkor tetszőleges ain átrendezése is abszolút
konvergens, és az átrendezett sor összege megegyezik az eredeti sor összegével. ■
Ez a tétel lényegében azt mutatja, hogy az abszolút konvergens sorok azok, amelyek a jelzett
szempont szerint úgy viselkednek mint a véges összegek.
368
Óbudai Egyetem BGK Fejezetek a matematikából
A tételt nem bizonyítjuk, ehelyett illusztrációképpen egy példát hozunk olyan átrendezésre,
melynek összege különbözik az eredeti, átrendezetlen sor összegétől.
n 1 1
3.1.22. Példa: Vizsgáljuk a 1 hiperharmonikus sort. Erről a 3.1.16. példában
n 1
n
bebizonyítottuk, hogy konvergens és összege ln2, a 3.1.19. példában pedig megmutattuk, hogy
feltételesen konvergens. A hiperharmonikus sor n-edik részletösszegét jelölje ebben a példában
sn. Rendezzük át ezt a sort két különböző módon.
a) Elsőként rendezzük át úgy, hogy egy pozitív tagot két negatív előjelű tag kövessen. Vizsgáljuk
meg ennek az átrendezett sornak egy 3n elemű részletösszegét, jelölje ezt a részletösszeget s3n
*
.
1 1 1 1 1 1 1 1 1 1 1
s3*n 1 ...
2 4 3 6 8 5 10 12 2n 1 2 2n 1 4n
Minden egyes zárójelben vonjuk össze az első két tagot, majd a kapott összeg nevezőjéből
emeljünk ki 2-t. Ekkor a következő adódik:
1 1 1 1 1 1 1 1 1 1 1
s3*n 1 ...
2 4 3 6 8 5 10 12 2 n 1 2 2 n 1 4 n
1 1 1 1 1 1 1 1
...
2 4 6 8 10 12 2 2n 1 2 2n
1 1 1 1 1 1 1 1
1 ...
2 2 3 4 5 6 2n 1 2n
1
Ha most még figyelembe vesszük, hogy s3*n1 s3*n valamint azt, hogy
2n 1
1 1 1
s3*n 2 s3*n , akkor tekintetbe véve, hogy lim 0 , azt kapjuk, hogy az
2n 1 2 2n 1 2n 1
1
említett módon átrendezve a hiperharmonikus sort, annak összege ln 2 , tehát a fele a
2
hiperharmonikus sor összegének.
369
Óbudai Egyetem BGK Fejezetek a matematikából
b) Rendezzük most át olyan módon, hogy két pozitív előjelű tagot kövessen egy negatív előjelű
tag. A tagokat célszerű hármasával csoportosítani. Az átrendezett sor 3n indexű részletösszege
így a következő.
1 1 1 1 1 1 1 1 1 1 1
s3**n 1 ...
3 2 5 7 4 9 11 6 4n 3 4n 1 2n
Ezt az összeget egészítsük ki úgy, hogy szerepeljen benne az átrendezetlen hiperharmonikus sor
s4n részletösszege.
1 1 1 1 1 1 1 1 1 1 1
s3**n 1 ...
3 2 5 7 4 9 11 6 4n 3 4n 1 2n
1 1 1 1 1
...
2n 2 2n 4 2n 6 4n 2 4n
1 1 1 1 1
...
2n 2 2n 4 2n 6 4n 2 4n
Megjelent tehát az összegben az s4n részletösszeg. Az utolsó zárójeles összeg minden tagjának
nevezőjéből emeljünk ki 2-t. Ekkor a következő adódik.
1 1 1 1 1 1
s3**n s4n ...
2 n 1 n 2 n 3 2n 1 2 n
1 1 3
lim s3**n lim s4n lim s2n ln 2 ln 2 ln 2
2 2 2
1 1 1
Ha végül figyelembe vesszük, hogy s3**n 1 s3**n , továbbá s3**n 2 s3**n ,
4n 1 4n 1 4 n 3
1 1
valamint azt, hogy lim lim 0 , akkor kapjuk, hogy az átrendezett sor összege
4n 1 4n 3
3
lim sn** ln 2
2
3
tehát a hiperharmonikus sor összegének a -szerese.
2
370
Óbudai Egyetem BGK Fejezetek a matematikából
Mutattunk tehát két különböző átrendezést, amely esetén a sorösszeg különbözik az eredeti
összegtől is és egymástól is. Ezzel azonban még nem merítettük ki az összes lehetőséget, amely a
hiperharmonikus sorban rejlik.
c) Igazolható a következő: Ha a hiperharmonikus sort úgy rendezzük át, hogy a sorban p db
pozitív előjelű tagot q db negatív előjelű tag követ, akkor az átrendezett sor összege
1 p
lim sn ln 2 ln
2 q
371
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.2.Definíció: Legyen az xI tetszőlegesen rögzített valós szám. Ekkor az fn(x) (nN+)
helyettesítési értékek egy valós számsorozatot alkotnak. Tekintsük azokat az x helyeket az I
intervallumban, ahol az fn(x) (nN+) valós sorozat konvergens. Ezen pontok halmazát a
függvénysorozat konvergencia halmazának (konvergencia tartomány) nevezzük és KH-val
jelöljük. Ezen a konvergencia halmazon a függvénysorozat értelmez egy új függvényt, amit a
függvénysorozat határfüggvény-ének nevezünk. Jelölje ezt f(x), x KH. A konvergencia
szokásos értelmezése szerint a következőt mondhatjuk.
Az f(x), x KH függvény az fn(x) (nN+) x I függvénysorozat határfüggvénye, ha
tetszőleges ε > 0 hibakorláthoz létezik n0(ε, x) ε-tól és általában x-től is függő küszöbindex
olyan, hogy ha n>n0(ε, x), akkor teljesül, hogy fn x f x ha x KH .
n 1
f n x f x x n 1 0 x n 1 x
372
Óbudai Egyetem BGK Fejezetek a matematikából
egyenlőtlenség egyenértékű az
ln ln ln
n 1 ; n 1 n0 , x 1 ;
ln x ln x ln x
3.2.2.Példa: A következő példa, túl azon, hogy ismét nagyon egyszerű, nagyon fontos szerepet
kap majd a Fourier-sorok elméletében, és rávilágít arra, hogy létezik egy másfajta, az
előbbiekben illusztráltnál erősebb konvergencia fogalom, amely teljesülése maga után von
számos hasznos tulajdonságot függvénysorokra vonatkozólag.
Vizsgáljuk meg konvergencia szempontjából az fn x
sin nx
n
; n N , x R
függvénysorozatot. Mivel a szinusz függvény értékkészlete a [–1, 1] intervallum, ezért minden
valós x-re igaz a következő egyenlőtlenséglánc:
sin nx 1
0
n n
1
Figyelembe véve azt, hogy az sorozat határértéke 0, a közrefogási elv alkalmazásával az
n
adódik, hogy a függvénysorozat minden valós x-re a nullához tart. Tehát most a konvergencia
halmaz KH = R, és a határfüggvény a teljes számegyenesen az azonosan nulla függvény.
Keressünk ismét tetszőleges ε > 0 hibakorláthoz küszöbindexet.
sin nx sin nx 1 1 1
fn x f x 0 ; ha n n0 ;
n n n
373
Óbudai Egyetem BGK Fejezetek a matematikából
alábbiakban kiderül, ez egy minőségileg más formája a konvergenciának. Ennek okán más
elnevezést alkalmazunk a fogalom megjelölésére.
3.2.3.Definíció: Azt mondjuk, hogy az fn(x) (nN+) xI valós függvénysorozat egyenletesen
konvergens a KH halmazon, és határfüggvénye azf(x), x KH függvény ha tetszőleges ε > 0
hibakorláthoz létezik n0(ε) kizárólag ε-tól függő – tehát az x KH helytől független –
küszöbindex olyan, hogy ha n > n0(ε), akkor teljesül, hogy fn x f x ha x KH .
Összevetve a 3.2.1. és 3.2.2. példákban szereplő függvénysorozatokat és a példabeli számítások
eredményét, azt mondhatjuk, hogy az f n x
sin nx
n
; n N , x R függvénysorozat
egyenletesen konvergens az egész számegyenesen és határfüggvénye az azonosan nulla
függvény. Míg az fn(x) = xn–1 (nN+), xR függvénysorozat konvergens a KH = ]–1, 1]
intervallumon, de nem egyenletesen konvergens. Ez utóbbi konvergenciát, megkülönböztetésül,
lehet pontonkénti konvergenciának nevezni.
s1(x) = f1(x)
s2(x) = f1(x) + f2(x)
s3(x) = f1(x) + f2(x) + f3(x)
…
sn(x) = f1(x) + f2(x) +…+ fn(x); nN+; xI
…
n
sn x fi x ; x I
i 1
374
Óbudai Egyetem BGK Fejezetek a matematikából
fn ; fn x ; vagy a fn x
n 1
formulával jelöljük.
Felmerül a kérdés, hogy mit értünk egy függvénysor konvergenciáján, határértékén? A választ a
numerikus sorok konvergenciájának a fogalmára építjük. Legyen x0 I az I intervallum
tetszőleges pontja. Helyettesítsük a ∑fn(x) függvénysorban x helyére mindenütt x0-t. Mivel az
fn(x0) helyettesítési értékek valós számok, az ilyen módon kapott ∑fn(x0) sor egy végtelen
numerikus sor. Erre vonatkozólag a konvergencia fogalma ismert, és az említett kritériumokkal
meg is tudjuk vizsgálni a konvergencia tényét! Ez azt jelenti, hogy az I intervallum minden egyes
x pontjában megvizsgálhatjuk, hogy a ∑fn(x) végtelen numerikus sor konvergens-e. Azokban a
pontokban ahol konvergens, értelmezhetünk egy új függvényt az alábbi módon.
f n : KH f n R ; x f n x
n 1 n 1
Tehát az I intervallum minden olyan pontjához, ahol a ∑fn(x) numerikus sor konvergens, tehát a
konvergencia-halmaz minden x pontjához, hozzárendeljük a ∑fn(x) numerikus sor összegét. Ezt a
függvényt a függvénysor összegfüggvényének nevezzük.
n
fi x ha x KH f n .
i m 1
375
Óbudai Egyetem BGK Fejezetek a matematikából
n
fi x ha x KH f n .
i m 1
x 1, 1
1
x n 1 1 x x 2 x3 x 4 ... 1 x ;
n 1
A] –1, 1[ intervallumon kívül a függvénysor nem határoz meg függvényt, a függvénysor ezen
intervallumon kívül divergens. A konvergenciát grafikusan szemlélteti a 3.2.1. ábra.
3.2.1. ábra. A mértani sor összegfüggvénye (kék színű görbe) és az azt közelítő ötödfokú polinom
(piros színű görbe). A pontozott egyenesek a konvergencia halmaz határait jelölik.
376
Óbudai Egyetem BGK Fejezetek a matematikából
n
x
3.2.4.Példa: Vizsgáljuk meg, hogy a x 1 függvénysornak mi a konvergencia tartománya
n 0
és ezen a halmazon mi a sor összegfüggvénye. Az előzőnél némileg bonyolultabb szerkezetű
függvénysorral van dolgunk, de abban megegyeznek, hogy adott x-re ez is egy mértani sor.
Vizsgáljuk meg, hogy a mértani sor konvergenciájának mi a feltétele. Akkor konvergens a sor, ha
x x
teljesül, hogy 1, tehát ha igaz, hogy 1 1 . Ennek az egyenlőtlenség láncnak a
x 1 x 1
1
megoldáshalmaza az x félegyenes. Az egyenlőtlenség megoldásához ábrázoljuk az
2
x x 1 1 1
1 lineáris törtfüggvényt. A grafikon alapján a megoldáshalmaz azonnal
x 1 x 1 x 1
leolvasható a 3.2.2. ábráról.
1
Kaptuk tehát, hogy a függvénysor konvergencia halmaza a KH ; intervallum. Az
2
összegfüggvény ugyancsak a mértani sor összegképlete alapján kapható.
n
x 1 1
x 1 x x 1; x 2 ;
n 0 1
x 1
377
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.3. ábra. A 3.2.4. példabeli függvénysor összegfüggvénye (kék színű görbe) és a sor hetedik részletösszege
(piros színű görbe). A pontozott egyenes a konvergencia halmaz bal oldali határát jelöli.
Szeretnénk még rámutatni arra, hogy az előző két példában miért nem vizsgáltuk az egyenletes
konvergenciát. Ennek oka a következő. A 3.2.3. példabeli függvénysor egy általános
kategóriának a képviselője, amelyekre általános eredményeket fogunk megfogalmazni elméleti és
műszaki gyakorlati jelentősége miatt. A 3.2.4. példabeli sor pedig csak az illusztrációt szolgálta, a
későbbiekben nem vizsgáljuk.
378
Óbudai Egyetem BGK Fejezetek a matematikából
x2
n
tétel érvényessége következik. A numerikus sor konvergens majoráns sor a [–x1, x1]
intervallumon, tehát ezen az intervallumon a x n 1 függvénysor egyenletesen konvergens.
n 1
Ez a tény egyébként egy alábbiakban tárgyalt általános tétel speciális esete.
379
Óbudai Egyetem BGK Fejezetek a matematikából
n
x
x 1 függvénysor
kvóciensű mértani sor. Ebből pedig a 3.2.5. tétel szerint következik a
n 0
egyenletes konvergenciája a megadott intervallumon. Ehhez hasonló gondolatmenettel
1
igazolható, hogy tetszőleges x 3 0 esetén egyenletesen konvergens az x3 , 0
2
intervallumon is.
A pont lezárásaképpen bizonyítás nélkül rámutatunk arra az okra, amiért ennyire hangsúlyoztuk
az egyenletes konvergencia fontosságát.
fn x F x , x I
n 1
akkor
f 'n x F ' x , x I illetve f n x dx F x dx, x I .
n 1 n 1
3.2.3. Hatványsorok
Ebben a pontban olyan függvénysorokat vizsgálunk, amelyekben az fn(x) függvények a
legegyszerűbb típusú függvények, azaz hatványfüggvények. Az általánosságot nem csorbítjuk
azáltal, ha az összegzést ezután nem 1 hanem 0 indexszel kezdjük. Legyen tehát fn(x) = cn∙(x–x0)n,
n = 0, 1, 2,…, ahol x0 I és a cn R együtthatók valós számok.
cn x x0
n
3.2.6.Definíció: Rögzítsük az x0R valós számot. A függvénysort
n 0
x0-középpontú hatványsornak nevezzük. A cnR valós számok a hatványsor együtthatói.
380
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.7.Tétel: (Cauchy-Hadamard)
cn x x0
n
A hatványsor az x = x0 pontban mindig konvergens, ezen kívül létezik egy nem
n 0
negatív R valós szám olyan, hogy ha x x0 R akkor a hatványsor divergens, ha x x0 R
akkor a hatványsor konvergens. Az x x0 R feltételeknek eleget tevő pontokban a hatványsor
lehet konvergens is és divergens is, ezt minden konkrét esetben meg kell vizsgálni.
Az R valós számot a hatványsor konvergencia-sugarának nevezzük. A konvergencia-sugár
meghatározására több lehetőség is van, használhatjuk a gyökkritériumot is és a hányados-
kritériumot is az alábbi formulák szerint:
1 c 1
lim n 1 ; vagy lim n cn
R cn R
n 1
cn 1 x x0 cn 1 x x0 cn 1
lim lim x x0 lim
cn x x0
n n n cn n cn
Az említett kritérium szerint, ha ez a szorzat kisebb, mint 1, akkor a sor konvergens, ha nagyobb,
mint 1, akkor pedig divergens, ha éppen 1 akkor pedig mindkét eset előfordulhat. Vizsgáljunk
most meg három esetet.
c
a) Tegyük fel, hogy lim n 1 R , tehát az idézett határérték pozitív valós érték. Ekkor a
n cn
1
konvergencia elégséges feltétele a következő: x x0
. Ha ez utóbbi hányadosra
cn 1
lim
n cn
bevezetjük az R jelölést, éppen a tételben megfogalmazott állítást kapjuk, az említett hányados
pedig definiálja a konvergencia sugarat. Az intervallum két végpontjában egymástól függetlenül
előfordulhat konvergencia és divergencia, ezt a hányados kritérium tárgyalásánál megmutattuk.
cn 1 c
b) Tegyük fel, hogy lim . Ekkor az x x0 lim n 1 1 feltétel egyetlen x0-tól
n cn n cn
különböző valós x számra sem igaz. Ez azt jelenti, hogy ebben az esetben a konvergencia halmaz
381
Óbudai Egyetem BGK Fejezetek a matematikából
a bevezetőben említett KH = {x0} halmaz. Ez egyben azt is jelenti, hogy a konvergencia sugár
R = 0.
c c
c) Tegyük fel, hogy lim n 1 0 . Ekkor az x x0 lim n 1 1 feltétel minden valós x
n cn n cn
számra igaz, ami azt jelenti, hogy a sor mindenütt konvergens, vagyis R = ∞. ■
x 2 n 1 1 1
2n (n 1) 22 1 x 2 x 2 3 x 2 4 ...
2
3 4
n2 2 2 2 3
1 cn 1 2n (n 1) n 1 1
lim lim lim
R cn n 1 2n 2
2 n
2 n 1n
x = –4: n
(n 1)
n 2 2 (n 1) n2
2n 1
x = 0: 2n (n 1) (n 1)
n2 n2
382
Óbudai Egyetem BGK Fejezetek a matematikából
Ez pedig a harmonikus sor, amelyről tudjuk, hogy divergens. Itt tehát a hatványsor is divergens.
Összefoglalva, a hatványsor konvergencia tartománya a [–4, 0 [ félig zárt intervallum.
n! 1 2! 3!
2n x 3 x 3 2 x 32 3 x 33 ...
n
n 1
2 2 2
c 2n (n 1)! n 1
lim n 1 lim lim
cn n 1 2
2 n!
A Cauchy-Hadamard tétel b) pontja szerint ez azt jelenti, hogy a konvergencia sugár R = 0, tehát
a hatványsor konvergencia halmaza egyelemű, KH = {3}.
3n 2 n 34 2 35 3
n! x 32
33
x
2!
x x ...
3!
n 0
3n 2
Ebben az esetben az együtthatók a következők: cn , ismét a hányados kritériumot
n!
alkalmazzuk.
c 3n 3 n ! 3
lim n 1 lim lim 0
cn 3n 2
n 1! n 1
Ez az eredmény pedig pontosan azt jelenti a tétel szerint, hogy a konvergencia sugár R = ∞, tehát
a konvergencia tartomány a valós számok halmaza, KH = R.
383
Óbudai Egyetem BGK Fejezetek a matematikából
n 0
n n
n x2 x0 x2 x0
cn x x0 cn x2 x0 cn x1 x0
n n
K
x1 x0 x1 x0
n
x2 x0 x x
A feltételek szerint 1 ami azt jelenti, hogy a K 2 0 numerikus sor 1-nél
x1 x0 x x0
n 0 1
cn x x0
n
kisebb kvóciensű mértani sor, tehát konvergens majoránsa a hatványsornak az
n 0
x0 x2 ; x0 x2 zárt intervallumon. A 3.2.5. tétel szerint ezzel az állítást bizonyítottuk. ■
Az Abel-tétel szerint tehát bármely hatványsor a konvergencia halmazhoz tartozó bármely zárt
intervallumon egyenletesen konvergens. Ennek számunkra legfontosabb következménye az, hogy
a 3.2.6. tétel alkalmazható hatványsorokra. A két tétel együttesen az alábbi állításban foglalható
össze.
3.2.9.Tétel: Ha a ∑cn∙(x – x0)n hatványsor egy nyílt intervallumon vagy az egész valós
számegyenesen konvergens, és ott az összegfüggvénye
s x cn x a
n
n 0
c
n cn x a n 1; illetve n n 1 x a n 1
n 1 n0
384
Óbudai Egyetem BGK Fejezetek a matematikából
c
n cn x a n 1 sx ; illetve n n 1 x a n 1 S x S a
n 0 n 0
ahol S(x) az s(x) összegfüggvény egy primitív függvénye. A tagonkénti deriválás és integrálás
nem változtatja meg a konvergencia sugarat, továbbá ezen a halmazon az összegzés és a
deriválás, illetve az összegzés és az integrálás műveletének a sorrendje felcserélhető. ■
Azt az alapvetően fontos tényt, hogy a tagonkénti deriválás illetve tagonkénti integrálás során
a konvergencia sugár nem változik meg, igen egyszerűen igazolhatjuk. Induljunk ki abból,
hogy definíció szerint a kiindulásként alapul vett hatványsor konvergencia sugara
1
R
c
lim n 1
cn
cn
Ha a sort deriváljuk, akkor a cn együttható n cn re illetve re módosul. Ha ezekre az
n 1
együtthatókra alkalmazzuk a konvergencia sugár kiszámítására vonatkozó formulát, akkor azt
kapjuk, hogy deriválás esetén
1 1 1
R
n 1 cn 1 n 1
lim
cn 1
1 lim
cn 1
lim lim
n cn n cn cn
1 1 1
R
n 1 cn 1 n 1
lim
cn 1
1 lim
cn 1
lim lim
n 2 cn n2 cn cn
Hangsúlyozzuk azonban, hogy bár a konvergencia sugár nem változik meg a vizsgált műveletek
során, a konvergencia halmaz megváltozhat, ami azt jelenti, hogy a végpontokban megváltozhat a
konvergencia ténye. Erre vonatkozólag látunk példát az alábbiakban.
385
Óbudai Egyetem BGK Fejezetek a matematikából
ilyen jellegű általános tétel nincs. Egyes esetekben a 3.2.9. tétel segíthet, illetve különböző ad-
hoc módszereket alkalmazhatunk, de általános eredmény erre vonatkozólag nem létezik.
3.2.3. Taylor-sorok
Az előző pontban felvetettük azt a problémát, hogy egy hatványsor konvergens-e és ha igen
akkor mi az összegfüggvény. Most tegyük fel a kérdést fordítva. Legyen adott egy függvény,
amely tetszőlegesen sokszor deriválható. Kérdés melyik az a hatványsor, amelynek egy adott
intervallumon éppen ez a függvény az összegfüggvénye. Ez a problémakör vezet el bennünket a
Taylor-sor és a MacLaurin-sor fogalmához.
Legyen adott egy f(x) függvény és tegyük fel, hogy egy I intervallumon a f(x)-et „előállítja” egy
hatványsor.
f(x) = c0 + c1(x – x0) + c2(x – x0)2 + c3(x – x0)3 +…+ cn(x – x0)n +… (xI)
f(x0) = c0
f ’(x) = c1+ 2c2(x – x0) +3c3(x – x0)2 +…+ ncn(x – x0)n–1 +…; innen f’(x0) = 1∙c1
f ”(x) = 2c2 + 2∙3c3(x – x0) +…+ n(n – 1)cn(x – x0)n–2 +…; innen f ”(x0) = 1∙2∙c2
f ’”(x) = 2∙3c3 +…+ n(n – 1)(n – 2)cn(x – x0)n–3 +…; innen f ’”(x0) = 1∙2∙3∙c3
f(n)(x) = n(n – 1)(n – 2)…2∙1cn + …; innen f(n)(x0) = n(n – 1)(n – 2)…2∙1∙cn = n!∙cn
f ( n) ( x0 )
cn ; n = 0, 1, 2, …
n!
386
Óbudai Egyetem BGK Fejezetek a matematikából
Bevezetünk egy elnevezést. Ha egy f(x) függvényhez a fenti eljárással hozzárendelünk egy
hatványsort, akkor azt mondjuk, hogy a függvényt hatványsorba fejtjük.
3.2.7. Definíció: Tegyük fel, hogy az f(x) függvény az x = x0 pontot tartalmazó nyílt
intervallumban tetszőlegesen sokszor differenciálható. Ekkor a
f (n) ( x0 ) f "( x0 ) f ( n) ( x0 )
n! x x0 f ( x0 ) f ( x0 )( x x0 ) 2! ( x x0 ) ... n! x x0 ...
n n
2
n 0
Ez a sorfejtés minden olyan esetben elvégezhető, amikor az f(x) függvény tetszőlegesen sokszor
deriválható. De kérdés, hogy a sor konvergens-e egyáltalán és ha igen előállítja-e a függvényt. Ez
a probléma azt jelenti a gyakorlatban, hogy minden Taylor-sorfejtés esetében meg kell vizsgálni a
konvergencia kérdését.
3.2.10.Tétel: (Taylor-tétel)
Ha az f(x) függvény az x = x0 pont valamely környezetében legalább n + 1-szer differenciálható
és x hozzátartozik ehhez a környezethez, akkor létezik x és x0 között egy olyan ξ hely, hogy
fennáll az alábbi egyenlőség.
f "( x0 ) f (n) ( x0 )
Txn ( x) f ( x0 ) f ( x0 )( x x0 ) ( x x0 )2 ... x x0 n
0 2! n!
f (n 1) ()
Rn ( x) x x0 n 1
n 1!
Összefésülve az előző két formulát, a következőt kapjuk.
387
Óbudai Egyetem BGK Fejezetek a matematikából
f (n 1) ()
f ( x) Txn ( x) x x0 n 1 Txn0 ( x) Rn x
0 n 1!
Ezt az egyenlőséget úgy interpretálhatjuk, hogy egy f(x) függvényértéke előállítható egy polinom,
a Taylor-polinom helyettesítési értéke és a maradéktag helyettesítési értékének összegeként. Ez
utóbbi tagot az alkalmazások során gyakran hibatagnak tekintjük, illetve nevezzük, ugyanis ezzel
lehet becsülni a függvény polinommal történő közelítésének hibáját. Ezek a fogalmak a Taylor-
sorok alkalmazásánál illetve a konvergencia vizsgálatánál játszanak szerepet.
Mire használhatjuk a Taylor-polinomot? Nagyon sok lehetőség van erre, a lényeg minden esetben
az, hogy az f(x) függvényt egy alkalmasan választott x0 pont egy környezetében a megfelelően
magas fokú Taylor-polinomjával helyettesítünk. Alkalmazhatjuk például:
- Függvényértékek közelítő kiszámítására,
- Egyenletek (különösen transzcendens egyenletek) közelítő megoldására,
- Olyan függvények integrálására, amelyeknek nem létezik primitív függvénye,
vagy amelyek integrálása nagyon bonyolult,
- Differenciálegyenletek soralakú megoldásának előállítására,
- Határértékek kiszámítására,…stb
f ( n) ( x0 )
n! x x0 ; xI
n
f ( x)
n 0
egyenlőség, tehát pontosan akkor állítja elő a Taylor-sor az f(x) függvényt, ha minden xI esetén
teljesül, hogy lim Rn(x) = 0, tehát ha a Lagrange-féle maradéktag határértéke zérus. ■
A témakör alkalmazásaképpen elsőként arra mutatunk példákat, hogyan lehet egy függvény
Taylor sorát előállítani. Erre a következő módszerek alkalmazhatók.
388
Óbudai Egyetem BGK Fejezetek a matematikából
f (n) (0) n 1 2 1 n xn
T0 exp( x) n! x 1 x
2!
x ...
n!
x ... n!
n 0 n 0
Hátra van még a konvergencia vizsgálata. Elsőként meg kell határoznunk a konvergencia sugarat.
1
Az együtthatók a következők: cn n N . Ebből következően a Cauchy-Hadamard tétel
n!
szerint
1 c n! 1
lim n 1 lim lim 0
R cn n 1! n 1
Ez az idézett tétel szerint azt jelenti, hogy a konvergencia sugár R = ∞, tehát a konvergencia
xn
halmaz az egész R halmaz: KH R . Hátra van még annak kimutatása, hogy a sor
n !
n 0
valóban az exponenciális függvényt állítja elő. Ehhez a 3.2.11. tétel szerint igazolnunk kell, hogy
a Lagrange-féle maradéktag a nullához tart. Legyen x tetszőleges valós szám. Ekkor a Taylor-
tétel szerint létezik ξ ] 0, x [ vagy ξ ] x, 0 [ olyan, hogy
f (n 1) () n 1 e x n 1
Rn ( x) x
n 1! n 1!
Ebben a hányadosban az exponenciális faktor egy konstans szorzó, elég az n-től függő hányados
konvergenciáját vizsgálni. Az egyszerűség érdekében vezessük be az m = n + 1 jelölést, és legyen
m0 > x pozitív egész. Ekkor igaz a következő becslés:
x m m0 x m0 x m m0
m
xm x m0 m m0 x m m m0 x
0 0 0
m! m0 ! m0 1 ... m m0 ! m0m m0 m0 ! m0m m0 ! m0
x
Az utolsó tagban az m0 választása miatt egy q 1, 1 kvóciensű mértani sorozat m-edik
m0
tagja áll. Erről tudjuk, hogy a 0-hoz konvergál. Ha most alkalmazzuk a közrefogási elvet – a
kérdéses hányadost alulról is és felülről is becsüljük egy 0-hoz tartó sorozattal –, akkor látjuk,
hogy az állítást igazoltuk, a Lagrange-féle maradéktag valóban nullához tart.
389
Óbudai Egyetem BGK Fejezetek a matematikából
Ez más szavakkal azt jelenti, hogy a fenti Taylor-sor előállítja az exponenciális függvényt, tehát a
Taylor-sort egyenlővé tehetjük az exponenciális függvénnyel
xn 1 1
exp( x) e x n! 1 x 2! x2 ... n! xn ...; x R
n 0
3.2.4. ábra. Az exponenciális függvény grafikonja (kék színű görbe) és a függvény közelítése a
Taylor-sor első hat tagjával, tehát az ötödfokú Taylor-polinommal (piros színű görbe).
3n 2
3.2.11.Példa: A numerikus sorok témakörében a 3.1.11. példában vizsgáltuk a n!
n 1
numerikus sort. Ott megmutattuk a hányados kritériummal, hogy a sor konvergens, de nem
tudtuk megállapítani, hogy mi az összeg. Az exponenciális függvény Taylor-sorának birtokában
3n
azonban már meg tudjuk határozni a sor összegét. Vegyük észre, hogy a sor felírható 9
n!
n 1
alakban is, erről pedig már látható – a 9-es szorzótól eltekintve –, hogy éppen az exponenciális
függvény hatványsorának a helyettesítési értéke az x = 3 helyen. Eszerint a sor összege:
n2
3
9 e3
n !
n 0
390
Óbudai Egyetem BGK Fejezetek a matematikából
Mondhatjuk, hogy "szerencsénk" volt, nem általános dolog, hogy egy numerikus sor esetében
ráismerünk egy nevezetes Taylor-sorra.
3.2.12.Példa: Határozzuk meg az f(x) = cosx függvény 0-körüli Taylor-sorát! Ehhez elő kell
állítanunk tetszőleges n esetén a függvény n-edik deriváltját,
f (0)(x) = cosx; f ’(x) = –sinx; f ”(x) = –cosx; f (3)(x) = sinx; f (4)(x) = cosx; …
f (n) (0) n 1 0 1 0 1 0
n!
x 1 0 x x 2 x3 x 4 x5 x6 x7 ...
2! 3! 4! 5! 6! 7!
n 0
ha itt elhagyjuk azokat a tagokat, amelyek zérussal egyenlők, megkapjuk a cosx függvény
MacLaurin-sorát.
T0 cos( x) 1
x 2 x 4 x6 x8
...
1n x2n
n 0
2! 4! 6! 8! 2n !
Kérdés, hogy a sor elállítja-e a függvényt. Ehhez elsőként a konvergencia sugarat kell
meghatározni. Ezt most a következő módon számítjuk. Rögzítünk egy valós x-et, és
megvizsgáljuk a hányados kritériummal, hogy az adott x helyen abszolút konvergens-e, tehát
konvergens-e a sor.
n 1 2n 2
lim
2n ! 1 x
lim
x2
0
1n x2n 2n 2 ! 2n 1 2n 2
A határérték tetszőlegesen rögzített x valós szám esetén zérus, ami a hányados kritérium szerint
azt jelenti, hogy a sor minden valós x esetén konvergens, tehát a konvergencia sugár R = ∞, ami
azt jelenti, hogy a koszinusz függvény hatványsorának konvergencia halmaza is az egész R
1n x2n R . Annak kimutatását, hogy a Lagrange-féle maradéktag
halmaz: KH
n 0 2n !
nullához tart minden x-re a 3.2.8. példabeli gondolatmenet megismétlésével az Olvasóra bízzuk.
Ezek az eredmények pedig pontosan azt jelentik, hogy a felírt MacLaurin-sor előállítja a
koszinusz függvényt a teljes számegyenesen.
391
Óbudai Egyetem BGK Fejezetek a matematikából
1n x2n 1 x2 x4 x6 x8 ...;
cos( x) 2n ! xR
n 0
2! 4! 6! 8!
3.2.5. ábra. Az koszinusz függvény grafikonja (kék színű görbe) és a függvény közelítése különböző fokszámú
Taylor-polinomokkal (piros színű görbék). Az ábrán a koszinusz görbe feletti görbék az egyre pontosabb közelítés
szerint rendre az n = 4, 8, 12 fokszámú polinomok grafikonjai, a koszinusz függvény grafikonja alatt levő görbék, az
egyre pontosabb közelítésnek megfelelően rendre az n = 6, 10, 14 fokszámú Taylor-polinomok grafikonjai.
Megemlítjük még ebben az esetben azt a tényt, hogy a koszinusz függvény Taylor-sorában csak
páros kitevőjű hatványok szerepelnek. Ez, annak fényében, hogy a koszinusz függvény páros,
magától értetődőnek tűnik. Ezt az észrevételt mindenesetre felhasználhatjuk arra, hogy
könnyebben megjegyezzük a Taylor-sort. A későbbiek előrevetítéseként megjegyezzük, hogy a
paritás sokkal többet jelentő tény például akkor, ha egy páros vagy páratlan periodikus függvényt
Fourier-sorba fejtünk. Ehhez utalunk a Fourier-sorok című fejezetre ahol ezt a kérdést részletesen
megvizsgáljuk.
A 3.2.8. és 3.2.10. példák alapján egyszerűen felírható például egy tetszőleges pozitív valós alapú
exponenciális függvény, a szinusz függvény a szinusz-hiperbolikusz valamint a koszinusz-
hiperbolikusz függvény Taylor sora is. Javasoljuk, hogy ezeket a számításokat az Olvasó végezze
el.
392
Óbudai Egyetem BGK Fejezetek a matematikából
Ha a definíció szerint néhány sort felírunk, akkor ezekből a 3.2.9. tétel felhasználásával további
Taylor-sorok adódnak, ha egy ismert sort deriválunk vagy integrálunk. Vegyük észre azt is, hogy
1
a 3.2.3. példában szereplő hatványsor is egy Taylor-sor, méghozzá az f ( x) függvény
1 x
Taylor-sora, melynek konvergencia tartománya a ]–1, 1[ intervallum. Ezt a sort nem a definíció
alapján kaptuk, hanem a mértani sorra való hivatkozással. Ha itt kvóciensként nem x-et, hanem
–x-et, x2-et,…stb. választunk, számos újabb Taylor-sort kaphatunk. Ezeket is lehet integrálni,
deriválni. Ezek után már csak fantázia kérdése, hogy újabb és újabb sorokat állítsunk elő.
3.2.13. Példa: Határozzuk meg az f(x) = sin2x függvény 0-körüli Taylor-sorát. Ebben az esetben
nem a definíció alapján dolgozunk, hanem felhasználjuk az alábbi trigonometrikus azonosságot,
amelyet leggyakrabban linearizáló formulaként emlegetünk:
1 cos 2 x
sin 2 x
2
Itt használjuk fel, hogy ismerjük a koszinusz függvény mindenütt konvergens Taylor-sorát
(3.2.10. példa). Nem kell más tennünk, mint abban x helyére 2x-et írni és készen is vagyunk.
Mivel a konvergencia halmaz R, ez a helyettesítés nem változtat a konvergencia tényén, a kapott
sor tehát ugyancsak mindenütt konvergens.
1 1 1
n
1 1
sin x cos(2 x)
2
2 x 2 n
2 2 2 2 n 0 2n !
1 2 x 2 23 x 4 25 x6 27 x8
...; x R
2 2! 4! 6! 8!
3.2.14. Példa: Határozzuk meg az f(x) = ln(1 + x), (x > –1) függvény 0-körüli Taylor-sorát.
Alkalmazzuk a hatványsorok deriválására-integrálására vonatkozó 3.2.9. tételt. Ezért először
deriváljuk f(x)-et.
1
f ' x
1 x
Itt vegyük észre, hogy ez a függvény tekinthető egy q = –x kvóciensű mértani sor összegének is.
1 1
1 x x 2 x3 x 4 ... 1 x n ; x 1,1
n
1 x 1 ( x) n 0
393
Óbudai Egyetem BGK Fejezetek a matematikából
n 1
n x
ln(1 x) 1 x n dx 1 x n dx 1
n n
C
n 1
n 0 n 0 n 0
x 2 x3 x 4 x5
x ... C; x 1,1
2 3 4 5
n 1 xn x 2 x3 x 4 x5
ln(1 x) 1 x ...; x 1,1
n 1
n 2 3 4 5
A konvergencia feltétele az, hogy a kvóciens abszolút értékben kisebb legyen, mint 1. Mivel most
q = –x, akkor konvergens a sor, ha teljesül, hogy –x ] –1, 1[, ez azonban nyilván pontosan akkor
teljesül ha x ] –1, 1[, ezért írhattuk, hogy KH = ] –1, 1[.
3.2.6. ábra. Az ln(1 + x) függvény grafikonja (kék színű görbe) és közelítése hatod fokú Taylor-polinommal
(piros színű görbe). A pontozott egyenesek a konvergencia tartomány határait jelölik.
394
Óbudai Egyetem BGK Fejezetek a matematikából
2x
3.2.15. Példa: Határozzuk meg az f x függvény 0-körüli Taylor-sorát. Vegyük
1 x
2 2
észre, hogy ha integráljuk az f(x) függvényt, akkor egy olyan függvénysort kapunk, amelynek
1
már ismerjük a Taylor-sorát. Az f(x) egy primitív függvénye ugyanis az F x
1 x2
2
függvény. Ez pedig – az előjeltől eltekintve –, egy q = – x kvóciensű mértani sor összege.
1
1 x 2
1
2
1 ( x )
1 x 2 x 4 x6 x8 ... 1 x 2n
n 0
n
1
n 0
n 1 2n
x
2x n 1
f x 3 5 7
2 x 4 x 6 x 8 x ... 1 2n x 2n 1; x 1,1
1 x2
2
n 1
6x 8
3.2.16. Példa: Fejtsük 0-körüli Taylor-sorba az f x ; x R \ 2,3 valós függvényt.
2
x x6
Tekintettel arra, hogy ez a függvény egy valódi racionális törtfüggvény, megpróbálkozhatunk az
elemi résztörtekre bontás módszerével.
6x 8 6x 8 A B 2 4
x2 x 6 x 3 x 2 x 3 x 2 x 3 x 2
Így olyan tagokhoz jutottunk, amelyeket a korábbiak alapján már Taylor-sorba fejthetünk. Az
összeg mindkét tagja emlékeztet egy mértani sor összegére. Végezzük el a szükséges
átalakításokat, hogy pontosan úgy nézzen ki, mint egy mértani sor összegfüggvénye. Az alábbi
x
átalakítások mutatják, hogy első tag egy q kvóciensű mértani sor összege.
3
2 x 2 1
n n
2 2 1 2 1
xn
x 3 3 x 1 3 1 x 3 n 0 3 3 n 0 3
3 3
x
a második tag pedig egy q kvóciensű mértani sor összege.
2
395
Óbudai Egyetem BGK Fejezetek a matematikából
n n
4 4 1 1 x 1
2 2 2 xn
x 2 2 x 1 x n 0
2 n 0
2
1
2 2
2 1 n 1 n
n n n n
1 n 21
T0 f x
3 n 0 3
x 2 2 x 3 3 2 x
2
n 0 n 0
Már csak az a kérdés, hogy mi a hatványsor konvergencia halmaza. Az első tag sora konvergens,
x
ha 1, azaz 3 x 3 , a második tag sora pedig akkor konvergens, ha
3
x
1, azaz 2 x 2 . Ebből következően az f(x) függvény hatványsora a ]–2, 2[
2
intervallumon konvergens és ott a sor előállítja a függvényt. A 3.3.7. ábrán láthatjuk a függvényt
és közelítését harmadfokú Taylor-polinommal.
3.2.7. ábra. A 3.2.16. példabeli racionális törtfüggvény grafikonja (kék színű görbe) és közelítése harmad fokú
Taylor-polinommal (piros színű görbe). A pontozott egyenesek a konvergencia tartomány határait jelölik.
396
Óbudai Egyetem BGK Fejezetek a matematikából
n
n
a b k a n k bk
n
k 0
hangsúlyozzuk azonban, hogy ezek a formulák csak akkor értelmesek, ha n és k nem negatív
egészek továbbá k ≤ n. Alakítsuk át a binomiális tételt úgy, hogy alkalmazzuk az a = 1, b = x
jelöléseket. Ekkor a következőt kapjuk.
n
n nk k n n
k n 2 n n
1 x n 1 x x 1 nx x ... x
k 0 k 0 2 n
k k
Kaptunk tehát egy n-ed fokú polinomot, a várakozásnak megfelelően. Felvetjük azt a problémát,
hogy lehet-e ezt a formulát általánosítani arra az esetre, amikor a kitevő tetszőleges valós szám. A
válasz bizonyos korlátozásokkal az, hogy igen. Természetesen arról van szó, hogy a kérdéses
függvényt Taylor-sorba fejtjük és a sor konvergencia halmazában a fenti előállítás
általánosítható.
Induljunk ki az f x 1 x ; R függvényből, és fejtsük Taylor-sorba a 0-pont körül.
Ehhez szükség van a függvény k-ad rendű deriváltjára, illetve ezeknek a 0-helyen vett
helyettesítési értékére tetszőleges nem negatív egész k-ra
f x 1 x
1 f 0 1
f ' x 1 x
f ' 0
2
f '' x 11 x f '' 0 1
3
f ''' x 1 2 1 x f ''' 0 1 2
... ...
f x 1 2 ... k 11 x f 0 1 2 ... k 1
k k k
... ...
397
Óbudai Egyetem BGK Fejezetek a matematikából
Ha a binomiális együttható értelmezését felidézzük, akkor magától értetődőnek tűnik egy jelölés
bevezetése az alábbi definíció által.
3.2.9. Definíció: Tetszőleges R valós és k nem negatív egész szám esetén legyen a
binomiális együttható általánosítása az alábbi szimbólum:
1 2 ... k 1
; R, k N
k k!
Ezzel az egyszerűsítő jelöléssel sokkal kompaktabb módon írható fel a kapott hatványsor, melyre
a binomiális tétellel való rokonsága miatt az alábbi elnevezést használjuk.
3.2.10.Definíció: Az f x 1 x ; R függvény 0-körüli Taylor-sorát binomiális sornak
nevezzük. Az előzőek szerint a binomiális sor a következő:
k
1 2 ... k 1
xk ; x 1,1
1 x x
k 0 k k 0
k !
398
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.17.Példa: Írjuk fel az f x 3 1 x függvény 0-körüli Taylor-sorát, azaz írjuk fel a binomi-
1
ális sort esetén.
3
1 1 1 1
1 1 2 ... k 1
3 xk k ! x k ; x 1,1
3 1 x 3 3 3 3
k 0 k k 0
11 1 1 1
1 1 2
3 1 x 1 x
1 x2 x3... 1 1 x 1 x 2 5 x3 ...; x 1,1
3 3 3 3 3
3 2! 3! 3 9 81
3.2.8. ábra. A 3.2.17. példabeli irracionális függvény grafikonja (kék színű görbe) és közelítése harmad fokú Taylor-
polinommal (piros színű görbe). A pontozott egyenesek a konvergencia tartomány határait jelölik.
399
Óbudai Egyetem BGK Fejezetek a matematikából
Bizonyítás: A bizonyítást úgy végezzük el, hogy felírjuk az egyenlőségben szereplő mindhárom
függvény 0-körüli Taylor-sorát, és az eredményeket összehasonlítjuk.
A 3.2.12. példában előállítottuk a koszinusz függvény Taylor-sorát.
cos( x)
1 2n
n
x 1
x 2 x 4 x6 x8
...; xR
n 0 2 n ! 2! 4! 6! 8!
sin( x)
1
n
x3 x5 x 7 x9
x 2n 1 x ...; xR
n 0
2n 1! 3! 5! 7! 9!
cos x i sin x
1 2n
n
x i
1
n
x 2n 1
n 0 n 0
2n ! 2n 1!
x 2 x 4 x6 x8 x3 x5 x 7 x9
1 ... i x ...
2! 4! 6! 8! 3! 5! 7! 9!
x2 x3 x 4 x5 x 6 x 7 x8 x9
1 ix i i i i ...; x R
2! 3! 4! 5! 6! 7! 8! 9!
Ezek után nem kell mást tennünk, mint felírni a bal oldali függvény Taylor-sorát. Ehhez
felhasználjuk a 3.2.10. példa eredményét.
ix n ix
2
ix ix
3 4
ix
n
ix
e n!
1 ix
2!
3!
4!
...
n!
...; x R
n 0
400
Óbudai Egyetem BGK Fejezetek a matematikából
f (n 1) ( )
n
f ( x) Tx ( x) x x0 n 1 Txn0 ( x) Rn x ; azaz f x Txn0 ( x) Rn x
0 n 1!
Ez annyit jelent, hogy a közelítő függvényérték nem más, mint a Taylor-polinom helyettesítési
értéke, a hiba pedig a Lagrange féle maradéktag abszolút értékével becsülhető.
Mielőtt általános jellegű közelítéseket végeznénk a soron következő feladatokon belül, először a
két leggyakrabban alkalmazott közelítést emeljük ki.
a) Lineáris közelítés
Ha a Taylor-polinomból csak az első fokú tagot tartjuk meg, akkor beszélünk elsőfokú vagy
lineáris közelítésről. Ebben az esetben a közelítő formula az alábbi.
f x f x0 f ' x0 x x0
Mivel a jobboldal az x változóban elsőfokú függvény, ezért a jobboldali függvény képe egyenes.
Ezért is nevezzük ezt a közelítést lineárisnak. A lineáris közelítést akkor szokás alkalmazni, ha az
x hely, ahol a közelítő függvényértéket számítjuk „elég közel van” az x0 helyhez. Itt
emlékeztetnénk a derivált definíciójára:
f x f x0
f ' x0 lim
x x0 x x0
401
Óbudai Egyetem BGK Fejezetek a matematikából
1
tagjára. Egyrészt f 1 ln1 0 , másrészt f ' x miatt f ' 1 1 tehát a lineáris közelítést adó
x
elsőfokú Taylor-polinom T11 f x 0 1 x 1 x 1 . Ezt szemlélteti a 3.2.9. ábra.
f " x0
f x f x0 f ' x0 x x0 x x0 2
2
1 2 x2
T02 ch x 1 0 x x 1
2 2
402
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.18.Példa: Határozzuk meg ln2 közelítő értékét úgy, hogy a hatod-fokú Taylor-polinommal
közelítünk és becsüljük meg a közelítés hibáját. A számításhoz felhasználjuk a 3.2.14. példa
eredményét, az f(x) = ln(1+x) függvény Taylor-sorát. A feladat azt kívánja, hogy a hatod fokú
Taylor-polinommal közelítsünk, ezért a sorból megtartjuk az első 6 tagot.
6 n
n 1 x x 2 x3 x 4 x5 x 6
T06 f x 1 n
x
2
3 4
5
6
n 1
Mivel ln2 = f(1) ezért a közelítő érték a polinom x = 1 helyen vett helyettesítési értéke. Tehát
írhatjuk, hogy
6
n 1 1n 1 1 1 1 1 37
ln 2 T06 f 1 1 n
1
2 3 4 5 6 60
0, 616666...
n 1
f (7) ( ) 7 f (7) ( ) 7
f ( x) T06 ( x) x x
7! 5040
egyenlőség. Mivel a 0,1 valós számnak csak a létezését biztosítja a tétel, de nem ad
módszert annak konkrét meghatározására, a maradéktagot csak becsülni tudjuk, célszerűen
403
Óbudai Egyetem BGK Fejezetek a matematikából
természetesen felülről. Ehhez szükség van az f(x) = ln(1+x) függvény hetedik deriváltjára.
Könnyen előállítható a függvény n-ed rendű deriváltja tetszőleges pozitív egész n-re.
n 1 n 1 !
f x 1
n
1 x n
Ebből a hetedik derivált is azonnal adódik. Kérdés, hogy hogyan lehet ennek az abszolút értékét a
[0, 1] intervallumon felülről becsülni. Mivel a nevező x növekedésével szigorúan növekszik, a
tört szigorúan csökken, így az x = 0 helyen veszi fel a legnagyobb értékét. Innen a közelítő érték
hibája a következő.
37 1 37 1
ln 2 ; 0, 4738;0, 7595
60 7 60 7
Látható, hogy a hiba még relatíve nagy, ami annak az oka, hogy a sor lassan konvergál, sokkal
több tagot kellene figyelembe vennünk egy olyan eredmény meghatározásához, amelynél ln2-nek
már vannak értékes jegyei. Pontosítva ezt, a számításból látható, hogy az n-ed fokú Taylor
1 1 1 1
4 1 2 ... k 1
T04 f x
3 3 3 3 x k 1 1 x 1 x 2 5 x3 10 x 4
k 0
k! 3 9 81 243
404
Óbudai Egyetem BGK Fejezetek a matematikából
1
3
30 3 27 3 3 33 3 3 3 1
9
1
Ebben az esetben már helyesen járunk el, ha a felírt Taylor-polinomba az x értéket
9
helyettesítjük, ugyanis ezen a helyen a Binomiális sor konvergál. Ezek szerint a közelítő
függvényérték:
3 30 3 T 4 f 1 3 1 1 1 1 1 5 1 10 1 3,10723107
0 3 9 9 2 81 3 243 4
9 9 9 9
Megkaptuk tehát a közelítő értéket, de meg kell becsülni a közelítés hibáját is. Ezt ismét a
Lagrange-féle maradéktaggal végezzük el. A negyedfokú polinomhoz tartozó maradéktag a
f (5) ( ) 5
következő: R4 x x . Ehhez tehát szükséges az f(x) függvény ötödik deriváltja.
5!
1
f x 1 2 3 4 1 x 3
5 1 1 1 1 1 5 880 1
3 3 3 3 3
243 3 1 x 14
f (5) ( ) 5 1 880 1
f ( x) T04 ( x) x x5
5!
120 243 3 1 14
880 1 1 28160 1
0, 0000163
5
29160 3 1 0 14 9 29160 59049
3.2.20.Példa: Fordítsuk most meg a kérdésfeltevés logikáját. Előírunk egy hibakorlátot, és annak
megfelelően közelítünk Taylor-polinommal. Példaképpen számítsuk ki az Euler-féle e szám
közelítő értékét 10–5 pontossággal! Ehhez nyilván az exponenciális függvény Taylor-sorát
használjuk fel. Ha az n-ed fokú Taylor-polinommal közelítünk, akkor figyelembe véve, hogy az
exponenciális függvény szigorúan monoton növekedő, hogy e = f(1), tehát x = 1, továbbá azt,
hogy 0 1 valamint azt az analízisből ismert becslést, hogy e < 3, a Lagrange-féle
maradéktagot a következő módon becsülhetjük.
405
Óbudai Egyetem BGK Fejezetek a matematikából
Ha az előírás az, hogy a hiba legyen kisebb, mint 10–5, akkor a feltétel n-re az, hogy
3
105 , azaz 300000 n 1! teljesüljön. Ez igaz n = 8 esetén, ugyanis
n 1!
(8 + 1)! = 362880. Tehát ha a 3.2.10. példa eredményét felhasználva a nyolcad fokú Taylor-
polinommal közelítünk az x = 1 helyen, akkor e értékét a kívánt pontossággal kapjuk.
8
f (n) (0) n 1 1 1 1 1 1 1
e T08 exp(1) n! 1 1 1 2! 3! 4! 5! 6! 7! 8! 2, 71827876...
n 0
Ismerve az e szám több tizedesre pontos értékét, e = 2,71828182..., látható, hogy a becslés hibája
valóban a kívánt nagyságrendbe esik. Mivel ebben az esetben, egy n-ed fokú polinommal
1
közelítve, a hiba lényegében nagyságrendjébe esik, mondhatjuk, hogy a Taylor-sor
n 1!
ebben az esetben gyorsan konvergál, viszonylag kis számú tag figyelembe vételével pontos
közelítést adhatunk a függvényértékre.
Integrálás
f t dt
a
406
Óbudai Egyetem BGK Fejezetek a matematikából
alakú integrált számítunk ki, ha az integrandusnak nem létezik primitív függvénye, de Taylor-
sorba fejthető. Ha az integrandusnak létezik hatványsora, akkor a hatványsorokról elmondott
általános tételek szerint, a hatványsort a konvergencia halmaz bármely zárt részintervallumán
tudjuk tagonként integrálni, mert ott egyenletesen konvergens, és a tagonkénti integrálással
kapott hatványsor ugyanabban a nyílt intervallumban konvergens ahol az integrandus. Ha ezt
alkalmazni akarjuk határozott integrál kiszámítására, akkor nem kell mást tennünk, mint az
integrálással kapott sorban az x változó helyére helyettesíteni a konkrét felső határt. Az integrál
hibájának becslésére pontosan azok a módszerek használhatóak, amelyeket a közelítő
függvényértékek hibabecslésénél alkalmaztunk, tehát a Taylor-tétel illetve a maradéktag, de
gyakran ennél sokkal egyszerűbben is célhoz érünk.
f (n 1) ( )
f ( x) Txn ( x) x x0 n 1 Txn0 ( x) Rn x
0 n 1!
Taylor-tételen. Innen egy adott [a, b] intervallumra vonatkozó határozott integrál közelítő értéke
és a közelítés hibája a következő módon becsülhető.
b b b b b b
f ( x)dx Txn ( x)dx
0 Rn x dx; f ( x)dx Txn ( x)dx
0
Rn x dx Rn x
max
b a
a a a a a a
Az integrál hibája tehát nem más, mint a maradéktag abszolút értékének maximuma szorozva az
integrációs intervallum hosszával. Ez az általános elv azonban nem minden esetben
gyümölcsöző, gyakran sokkal jobb becslést kapunk a hibára, ha a később tárgyalt 3.2.22. és 23.
példákban követett gondolatmenetet követjük. Ezt illusztráljuk is az alábbiakban.
x4
T04 f ( x) 1 x 2
2!
407
Óbudai Egyetem BGK Fejezetek a matematikából
1 4 1
1
x2
1
2 x
x3 x5
e
4
dx T0 f ( x)dx 1 x dx x 0, 766666...
0 0 0
2! 3 10
0
Kérdés, hogy milyen pontossággal kaptuk az integrál értékét. A hibabecsléshez szükség van a
Lagrange-féle maradéktagra. Ebben szerepel az f(x) függvény ötödik deriváltja, ez a következő:
f x e x 32 x5 16 x3 48x 2 72 x 24 . A hibabecsléshez ezt a deriváltat kell felülről
5 2
becsülni a [0, 1] intervallumon. Itt elkel némi grafikus segítség.Az ötödik derivált-függvény
görbéje látható a 3.2.11. ábrán.
1 1
f (5) ( ) 5 40
f ( x)dx T04 ( x)dx 1 1 0 1 0 0,33
5! 120
0 0
3.2.22.Példa: Tűzzük ki ismét az előző feladatbeli problémát kis módosítással. Határozzuk meg
x
2
t
az e dt integrálfüggvényt hatványsor alakban. A sorfejtéshez felhasználjuk a 3.2.10. példa
0
408
Óbudai Egyetem BGK Fejezetek a matematikából
t 4 t 6 t 8 t10
et 1 t 2
2
...; t R
2! 3! 4! 5!
x
t 2 x3 x5 x7 x9 x11
e dt x
3 5 2! 7 3! 9 4! 11 5!
...; x R
0
1
t 2
Ezzel a primitív függvény közelítését megkaptuk. Alkalmazzuk most ezt a sort az e dt
0
határozott integrál közelítésére. Írjunk elő 10–4 pontosságot. Az x helyére tehát írjunk 1-et, és
számoljunk:
1
t 2 1 1 1 1 1 1 1 1 1 1 1 1
dt 1 3 5 2! 7 3! 9 4! 11 5! 13 6! 1 3 10 42 216 1320 9360
e
0
1 0,333333 0,100000 0, 023809 0, 004629 0, 000757 0, 000106 0, 746836
409
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.13. ábra. Az exp(–x2) függvény numerikus módszerrel kapott integrálfüggvényének grafikonja (kék színű görbe)
és az integrálfüggvény közelítése heted fokú Taylor-polinommal (piros színű görbe). A pontozott egyenes az
integrálás felső határát jelöli a példabeli konkrét esetben.
et 1
x
3.2.23.Példa: Határozzuk meg az Ei x : dt integrálfüggvényt hatványsor alakban. Az
0 t
integrandus hatványsorát ugyancsak a 3.2.10. példa eredménye alapján tudjuk meghatározni.
et 1 1 t n t n 1 t t 2 t3 t n 1
1 1 ... ...; t R
t t n 0 n ! n 1 n ! 2! 3! 4! n!
410
Óbudai Egyetem BGK Fejezetek a matematikából
t n 1
x t x
e 1 xn x2 x3 x4 xn
t dt n! dt n n! x 2 2! 3 3! 4 4! ... n n! ...; x R
0 n 1 0n 1
1 t
e 1 1 1 1 1 1 1 1 1 1 1
t
dt 1
2 2! 3 3! 4 4! 5 5! 6 6!
1
4 18 96 600 4320
0
1 0, 250000 0, 055555 0, 010416 0, 001666 0, 000231 1,317868
1 1 1 1 1 1 1 1
... ...
7 7! 8 8! 9 9! 10 10! 7 7! 7 8! 7 9! 7 10!
1 1 1 1 1 1 1 1 1
... 1 ...
7 7! 1 8 8 9 8 9 10 7 7! 8 8 2
83
1 1 1 8
3, 239 105
7 7! 1 1 7 7! 7
8
Ez a közelítés hibájának felülről becsült értéke. Ebből látható, hogy a határozott integrál értékét
valóban négy tizedes pontossággal kaptuk.
0,5
cos x
2
3.2.24.Példa: Számítsuk ki az dx határozott integrál közelítő értékét hét tizedes
0
pontossággal. Ehhez felhasználjuk a koszinusz függvény Taylor-sorát, amelyet a 3.2.12. példában
2
meghatároztunk. Ez a sor mindenütt konvergens, így az x x helyettesítéssel ugyancsak
mindenütt konvergens sort kapunk. Ez utóbbi az integrandus Taylor-sora:
t 4 t 8 t12 t16 t 4n
cos t 2 1 ... ; t R
2! 4! 6! 8! n 0 2 n !
411
Óbudai Egyetem BGK Fejezetek a matematikából
x 4n 1
x
x5 x9 x13 x17
cos t dt x 5 2! 9 4! 13 6! 17 8! ... 4n 1 2n !; x R
2
0 n 0
Ebben a sorban kell az x helyére 0,5-et helyettesíteni és kellő számú tagot figyelembe venni a
kívánt pontosság eléréséhez.
0,5
1 1 1 1 1 1
cos t
2
dt
2 9
2 2 5 2! 2 9 4! 2 40 18432
0
0,50000000 0, 02500000 0, 00005425 0, 47505425
A közelítő érték hibájának becsléséhez azt kell figyelembe venni, hogy az integrálfüggvényt adó
sor olyan sorozatból van képezve, amely az x = 0,5 helyen váltakozó előjelű és abszolút értékben
szigorúan monoton csökkenő sorozatból van képezve. Eszerint, felhasználva a 3.1.8. tétel
bizonyításának gondolatmenetét, az elhagyott végtelen sok tag összege biztosan kisebb, mint az
elhagyott tagok között az első tag abszolút értéke. Ez pedig a következő.
1 1
1,304 108
213 13 6! 76677120
A hiba ennél kisebb. Eszerint, a kapott közelítő érték hét tizedes pontossággal adja a kérdéses
határozott integrál értékét.
412
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.25. Példa: Első illusztráló példaként oldjuk meg az y ' y x; y 0 0 állandó együtthatójú
egyenletre vonatkozó kezdeti érték problémát. Keressük a megoldást y x cn x n alakban. A
n 0
kezdeti feltételből máris következik, hogy c0 0 . Az egyenletbe történő helyettesítéshez szükség
van az y deriváltjára: y ' x ncn x n1 . Ezek után helyettesíthetünk az egyenletbe, vagy
n 1
célszerűbben annak y ' y x átrendezett alakjába:
c1 2c2 x 3c3 x 2 4c4 x3 ... ncn x n1 ... x c0 c1x c2 x 2 c3 x3 c4 x 4 ... cn x n ...
Figyelembe véve a kezdeti feltételt és kissé több tagot, némi rendezés után azt kapjuk, hogy:
xn
y x ex x 1
n2 n !
413
Óbudai Egyetem BGK Fejezetek a matematikából
Helyettesítsünk az egyenletbe.
c0 x 2 c1 x3 c2 x 4 c3 x5 c4 x6 ... cn4 x n2 ...
Mielőtt az együtthatókat összevetjük, vegyük figyelembe a kezdeti feltételeket. Az y 0 1
feltételből következik, hogy c0 1 , az y ' 0 1 feltételből pedig az következik, hogy c1 1 .
Ezek után írhatjuk, hogy
2c2 0; c2 0;
6c3 0; c3 0;
1
12c4 c0 1; c4 ;
12
1
20c5 c1 1; c5 ;
20
30c6 c2 0; c6 0; ...stb.
Az eredmény alapján fel tudjuk írni a megoldásfüggvény Taylor-sorának első néhány tagját.
1 4 1 5
y x 1 x x x ...
12 20
Ebben az esetben nem kaptunk nevezetes Taylor-sort, a zárt alak – amennyiben létezik – ebből
még nem határozható meg. Ettől eltekintve a megoldásfüggvény polinommal történő közelítését
megadtuk olyan esetben, amikor a megoldáshoz nem létezik kvadratura, azaz olyan algoritmus,
amellyel az egyenlet megoldható lenne. Amennyiben pontosabb megoldásra van szükség,
természetesen több tagot veszünk figyelembe a sorból.
414
Óbudai Egyetem BGK Fejezetek a matematikából
Világos, hogy ez az egyenlet valóban transzcendens, az x ismeretlent véges sok lépésben nem
lehet kifejezni. Ennek az oka, hogy az egyenletben szerepel a sinx függvényérték. Helyettesítsük
ezért a szinusz függvényt egy alkalmas fokszámú Taylor-polinomjával. Annak érekében, hogy
megoldható algebrai egyenletet kapjunk, válasszuk a harmadfokú Taylor-polinomot. Ekkor a
következő egyenlet adódik.
x3 x3
6 x x3 2 x 2 ; azaz 6 x x3 2 x 2 ; tehát 6 x x3 x3 2 x 2
3! 6
egyenletet. Ennek megoldása, amely tehát az eredeti transzcendens egyenlet közelítő megoldása:
x1 0; x2 3 . A példa lezárásaként megjegyezzük, hogy az x1 = 0 gyök nem csak közelítő,
hanem pontos megoldása az eredeti transzcendens egyenletnek, amiről helyettesítéssel könnyen
meggyőződhetünk.
Határértékek kiszámítása
t2
1 cos t
lim 2
t 0 t4
0
Helyettesítéssel látható, hogy a határértéktípusú kritikus határérték. Ahelyett azonban, hogy az
0
ilyenkor szokásos L'Hospital szabályt alkalmaznánk, sorfejtést végzünk. A 3.2.12. példa
eredményét, tehát a koszinusz függvény Taylor sorát felhasználva, azt írhatjuk, hogy
415
Óbudai Egyetem BGK Fejezetek a matematikából
1 t2 t2 t4 t6 1 t4 t6 1 t2 t4 1
lim 1 1 ... lim ... lim ...
t 0 t
4 4
2 2 4! 6! t 0 t 4! 6! t 0 4! 6! 8! 24
x arctgx
lim
x 0 x3
0
Ez ugyancsak típusú kritikus határérték. A kiszámításához elsőként sorba kell fejteni az
0
arkusztangens függvényt. Induljunk ki a függvény deriváltjából.
1
f ' x arctgx '
1 x2
1 1
f ' x arctgx ' 1 x 2 x 4 x6 ...; x 1,1
1 x 2
1 x 2
Innen az arkusztangens függvény sora tagonkénti integrálással adódik.
x3 x5 x 7
arctg x x ...; x 1,1
3 5 7
x arctgx 1 1 x3 x5 x 7
lim
x 0 3
lim
x 0 x 3 x arctg x lim
x 0 x 3
x x ...
x 3 5 7
1 x2 x4 1
lim ...
x 0 3
5 7 3
416
Óbudai Egyetem BGK Fejezetek a matematikából
3.2.14. ábra. Az arkusztangens függvény grafikonja (kék színű görbe) és a közelítő heted fokú Taylor-polinom
(piros színű görbe). A pontozott egyenesek a konvergencia halmaz határait jelölik.
417
Óbudai Egyetem BGK Fejezetek a matematikából
3.3. Fourier-sorok
3.3.1. Problémafelvetés
A probléma nagyban hasonlít ahhoz a kérdéskörhöz, amelyet a hatványsorok témakörében
vizsgáltunk. Az alapvető különbség az, hogy ebben az esetben periodikus függvények
sorfejtésének a lehetőségét vizsgáljuk. Mivel a függvény, amelyet függvénysor összegeként
állítunk elő periodikus, nem meglepő, hogy a függvénysor tagjai is periodikus függvények.
Konkrétan azt tűzzük ki feladatként, hogy egy periodikus függvényt szinusz és koszinusz
függvények végtelen összegeként állítsunk elő.
Induljunk ki az alábbi R2-beli problémából. Adott R2-ben a standard {e1, e2} bázis, amelyről
tudjuk, hogy egységnyi hosszúságú vektorok és merőlegesek. Adott egy tetszőleges x R2 vektor
az alábbi lineáris kombinációval.
x = α1∙e1 + α2∙e2
x
α2e2
e2
e1 α1e1
3.3.1.Definíció: AzR2-beli x és y vektorok <x, y>-nal jelölt skaláris szorzatán értjük az alábbi
háromtényezős szorzatot:
<x, y> = │x│∙│y│çosα
418
Óbudai Egyetem BGK Fejezetek a matematikából
A továbbiakban skaláris szorzatnak nevezünk majd minden olyan leképezést, amely két általános
értelemben vett vektorhoz olyan módon rendel valós számot, hogy teljesülnek az 1-4.
tulajdonságok. Így innentől kezdve a 3.3.1. definíció értelmezi a skaláris szorzat fogalmát.
A definícióból adódóan, ha egy vektort saját magával szorzunk skalárisan, akkor abszolút
értékének négyzetét kapjuk, hiszen ekkor α = 0, tehát cos0 = 1 miatt <x, x> = │x│2.
Azért alkalmazunk itt a lineáris algebrában megszokott xTy jelöléstől eltérő jelölést a skaláris
szorzatra, mert az ott megismert fogalmat itt általánosabb értelemben használjuk majd, olyan
„vektorok” esetében is, amelyeknél nincs értelme a transzponálás műveletének, de a skaláris
szorzat fogalma, általánosabb értelemben, érvényben marad.
Van még egy nagyon fontos tulajdonsága a skaláris szorzatnak, amely használatát nagyon
praktikussá teszi: <x, y> = 0 akkor és csak akkor, ha x merőleges y-ra.
2
x, ei
2 2 2 2
x 12 22 x, e1 x, e2
i1
3.3.2.Definíció: Legyen L egy lineáris tér. Értelmezzünk egy <∙, ∙> szimbólummal jelölt
leképezést az L × L térben az alábbi módon: <∙, ∙>: L × L → R, tehát a leképezés két L-beli
elemhez (vektorhoz) egy valós számot rendel, és tegyük fel, hogy teljesülnek az alábbi
tulajdonságok.
419
Óbudai Egyetem BGK Fejezetek a matematikából
A pont elején felvetet problémában szerepelt a merőlegesség fogalma. Általánosítsuk ezt is.
3.3.3.Definíció: Legyen adva egy x és egy y „vektor” egy L lineáris térben. Az x és y vektorokat
ortogonálisaknak nevezzük, ha <x, y> = 0.
3.3.4.Definíció: Legyen adva egy L lineáris tér, és értelmezzünk egy ║∙║ szimbólummal jelölt
║∙║: L → R leképezést az alábbi tulajdonságokkal.
A klasszikus esetben egy vektort egységnyi abszolút értékűnek neveztünk. Most azt mondjuk,
hogy egy vektor normája egységnyi, és azt írjuk, hogy ║x║= 1. Nem meglepő, ha azt állítjuk,
hogy a fent értelmezett két művelet között van kapcsolat. Vegyük észre a műveleti
tulajdonságokat vizsgálva, hogy a x x, x definícióval meghatározott művelet teljesíti a
normára vonatkozó definíció követelményeit, tehát ez a művelet norma.
3.3.5.Definíció: Legyen L egy lineáris tér, és legyen <∙, ∙>: L × L → R leképezés egy L-beli
skaláris szorzat. Legyen továbbá B = {b1, b2, b3, …, bn,…} az L tér egy bázisa. A B bázist
ortonormált bázisnak nevezzük, ha a bázisvektorok páronként ortogonálisak és minden
bázisvektor normája egységnyi. Tehát <bi, bj> = 0 ha i ≠ j, és ║bi║= 1, ha i = 1,2,3,…n,… .
420
Óbudai Egyetem BGK Fejezetek a matematikából
A definícióban nem szükséges feltételezni, hogy a bázis elemszáma véges, tehát az említett
fogalmak végtelen dimenziós vektorterekben is érvényesek, sőt az alábbi vizsgálatok
szempontjából még fontosabbak. A jegyzetben tárgyalt alkalmazások, a Fourier-sorok végtelen
dimenziós lineáris terekben értelmezett sorfejtések.
3.3.6.Definíció: Legyen L egy lineáris tér, és legyen B = {b1, b2, b3, …, bn,…} az L tér egy
ortonormált bázisa. Tetszőleges xL vektort felírhatunk a báziselemek egyértelmű lineáris
kombinációjaként.
x = α1∙b1 + α2∙b2 +α3∙b3 +…+αn∙bn +…
Az αi együtthatókat a fenti gondolatmenettel kapjuk: <x, bi> = αi, i = 1,2,3,…n,… tehát ekkor az
x vektor előállítása.
x = <x, b1> ∙b1 + <x, b2> ∙b2 +<x, b3> ∙b3 +…+<x, bn> ∙bn +…
Ezt az összeget (végtelen sort) az x vektor B ortonormált bázis szerint általános Fourier-
sorának nevezzük.
3.3.1.Tétel: Legyen adott egy [a, b] intervallum. Az f(x) és g(x) legyen értelmezve ezen az
intervallumon, és tegyük fel, hogy az f(x)∙g(x) szorzat integrálható ezen az intervallumon. Az
b
f ( x), g ( x) f ( x) g ( x)dx
a
összefüggéssel értelmezett <∙, ∙>: L2 × L2 → Rleképezés, egy L2-n értelmezett skaláris szorzat.
3.3.2.Tétel: Legyen adott egy [a, b] intervallum. Az f(x) legyen értelmezve ezen az
intervallumon, és tegyük fel, hogy az f2(x) függvény integrálható („négyzetesen integrálható”)
ezen az intervallumon. Az
421
Óbudai Egyetem BGK Fejezetek a matematikából
b
f
2
f ( x) ( x)dx
a
422
Óbudai Egyetem BGK Fejezetek a matematikából
3.3.3.Tétel: Ha a B = {g1, g2, g3, …, gn,…} egy teljes ortonormált rendszer, akkor az fL2
négyzetesen integrálható függvény f , gi gi általános értelemben vett Fourier-sora az L2-beli
i 1
normában tart az f függvényhez, azaz teljesül, hogy
n
lim f f , gi gi 0
n i 1
Induljunk ki tehát abból, hogy a sor négyzetintegrálra tart az összegfüggvényhez. Használjuk ki,
hogy a normát skaláris szorzatból származtattuk. Ha figyelembe vesszük a skaláris szorzat
tulajdonságait, valamint azt, hogy a rendszer elemei páronként ortogonálisak, akkor teljes
négyzetté kiegészítés és azonos átalakítások után a következőket írhatjuk.
423
Óbudai Egyetem BGK Fejezetek a matematikából
2
f i gi f i gi , f j g j f , f 2 i f , gi i j gi , g j
i 1 i 1 j 1 i 1 i 1 j 1
f , gi f , gi 2 i f , gi i2
2 2 2
f
i 1 i 1 i 1 i 1
f , gi f , gi i 0
2 2 2
f
i 1 i 1
Ebben az összegben az utolsó tag definíció szerint zérus, hiszen a szummában minden különbség
zérus a Fourier-együtthatók értelmezése miatt. Az egyenlőséglánc végén azért áll zérus, mert a
feltétel szerint a Fourier-sor L2-beli normában tart a függvényhez. Ha ezeket figyelembe vesszük,
f , gi
2 2
akkor azt kapjuk, hogy f 0 , és éppen ezt kellett igazolni. ■
i 1
Megjegyezzük, hogy ha a négyzetek helyére az abszolút érték négyzetét írjuk – amely valós
esetben ugyanazt jelenti –, olyan összefüggéseket kapunk, amelyek komplex együtthatók és
komplex függvények esetén is érvényesek.
424
Óbudai Egyetem BGK Fejezetek a matematikából
1, cosx, sinx, cos2x, sin2x, cos3x, sin3x, cos4x, sin4x, …, cosnx, sinnx,…
1. <1, cosnx> = 0
2. <1, sinnx> = 0
3. <sinnx, coskx> = 0
4. <sinnx, sinkx> = 0
5. <cosnx, coskx> = 0
a 2 a 2
sin nx sin n a 2 sin na
1, cos nx 1 cos nxdx n a
n
n
0
a
a 2 a 2
sin n k x sin n k x dx
1
sin nx, cos kx sin nx cos kxdx
2
a a
a 2
1 cos n k x cos n k x
2 nk nk a
425
Óbudai Egyetem BGK Fejezetek a matematikából
ugyanis a koszinusz függvény periódusa ugyancsak 2π, ezért a zárójeles kifejezések külön-
külön egyenlők nullával. Hasonlóan adódik a 4. és 5. egyenlőség is, ha felhasználjuk a
cos cos
1
2
cos cos ; sin sin cos cos
1
2
trigonometrikus azonosságokat. ■
a 2
1 12 dx x aa 2 a 2 a 2
a
a 2 a 2 a 2
1 cos 2nx x sin 2nx
2
cos nx cos nxdx dx 2 4n
2 a
a a
Itt ismét felhasználtuk, hogy a szinusz függvény periódusa 2π. Hasonlóan adódik sinnx normája
is.
sin nx
Ha egy „vektor” normája nem 1, akkor könnyen „lenormálhatjuk” úgy, hogy a vektort elosztjuk
a normájával. A 3.3.4. tétel alapján tudjuk, hogy a trigonometrikus függvényrendszer ortogonális
rendszer. Az előbbiekben kiszámítottuk a függvényrendszer minden egyes tagjának a normáját.
Osszuk most el a függvényrendszer tagjait a normájukkal, így ortonormált függvényrendszerhez
jutunk. Bebizonyítottuk tehát az alábbi állítást.
426
Óbudai Egyetem BGK Fejezetek a matematikából
3.3.10.Definíció: Legyen f(x) egy [a, a + 2π] intervallumon értelmezett négyzetesen integrálható
függvény. Az f(x) függvény ortonormált trigonometrikus rendszer szerinti
1 1 cos nx cos nx sin nx sin nx
f ( x) ~ f ( x), f ( x), f ( x),
2 2 n 1
1 1 1
f ( x) ~ f ( x),11 f ( x), cos nx cos nx f ( x),sin nx sin nx
2 n 1
a 2
1 1
a0
2
f ( x),1
2 f ( x)dx
a
a 2
1 1
an
f ( x), cos nx
f ( x) cos nx dx; n 1, 2,3,...
a
a 2
1 1
bn
f ( x),sin nx
f ( x) sin nx dx; n 1, 2,3,...
a
427
Óbudai Egyetem BGK Fejezetek a matematikából
f ( x) ~ a0 an cos nx bn sin nx
n 1
az a0, an, bn együtthatók kiszámítására vonatkozó formulákat pedig épp az előzőekben adtuk meg.
A Fourier-sorba fejtés tehát más jellegű, mit a 3.2. fejezetekben vizsgált Taylor-sor. Az
együtthatókat nem deriválással, hanem integrálással számítjuk. Egy sorfejtés általában 3 db
integrál kiszámítását igényli. Az an-re és bn-re vonatkozó formulákat úgy számítjuk, hogy az n-et
paraméternek tekintjük, tehát egy integrálás végtelen sok együtthatót szolgáltat.
1 cos nx sin nx
f ( x), 2 a0 ; f ( x), an ; f ( x), bn
2
a 2
;
f 2 x dx 2 a0 an bn
2 2 2 2
f
a n 1
A 3.3.3. illetve 3.3.7. tétel szerint a Fourier-sor négyzetintegrálra, tehát normában tart az
összegfüggvényhez. Ez nem egyenértékű a pontonkénti konvergenciával. Ez utóbbira
vonatkozólag egyetlen olyan elégséges feltételt fogalmazunk meg, amely a műszaki
alkalmazások szempontjából teljes mértékben kielégítő, és amelynek feltételei könnyedén
ellenőrizhetők.
428
Óbudai Egyetem BGK Fejezetek a matematikából
1 f x0 0 f x0 0
lim f x lim f x
2 x x0 0 x x0 0 2
429
Óbudai Egyetem BGK Fejezetek a matematikából
Tegyük fel, hogy a 2πszerint periodikusf(x) függvényt előállítja egy trigonometrikus Fourier-sor
egy 2π -hosszúságú intervallumon, azaz teljesül, hogy
f ( x) a0 an cos nx bn sin nx
n 1
a 2 a 2 a 2
f ( x)dx n
a0 dx
a cos nx bn sin nx dx
a a a n 1
a 2 a 2 a 2
a0 dx an cos nxdx bn sin nxdx
n 1
a a a
a 2
a 2
a0 dx a0 x a a0 a 2 a0 a 2a0
a
a 2 a 2
sin nx sin n a 2 sin na
cos nxdx n a
n
0
a
a 2 a 2
cos nx cos n a 2 cos na
sin nxdx n a
n
0
a
Az utóbbi két integrál értéke azért zérus, mert mind a szinusz függvény, mind a koszinusz
függvény periódusa 2π, tehát a függvényértékek a számlálókban rendre egyenlők, akármi is az a
konkrét értéke. Ha az első egyenlőséget figyelembe vesszük, megkapjuk az a0 együtthatót:
430
Óbudai Egyetem BGK Fejezetek a matematikából
a 2 a 2
1
f ( x)dx 2 a0 ; azaz: a0 f x dx
2
a a
a 2 a 2 a 2 a 2
f ( x) cos kx dx 0
a cos kx dx n
a cos nx cos kx dx bn sin nx cos kx dx
a a n 1 a a
Ebben az esetben a jobb oldalon öt integrált kell kiszámítanunk, ugyanis külön kell
foglalkoznunk a k = n és a k ≠ n esettel. Az integrálok kiszámításához fel kell használnunk az
alábbi trigonometrikus azonosságokat.
1
sin sin ;
sin cos
2
cos cos cos cos ;
1
2
sin sin cos cos ;
1
2
1 cos 2 1 cos 2
cos2 ; sin 2 ; sin 2 2sin cos
2 2
a 2 a 2
sin kx sin k a 2 sin ka
a0 cos kx dx a0 k a a0
k
0
a
a szinusz függvény 2π szerinti periodicitása miatt. Folytassuk most az an együtthatók mellett álló
integrálok kiszámításával. Ha egyrészt feltesszük, hogy k ≠ n, akkor az idézett azonosságok
szerint
a 2 a 2
cos n k x cos n k x dx
1
cos nx cos kx dx
2
a a
a 2
1 sin n k x sin n k x
2 nk nk a
1 sin n k a 2 sin n k a sin n k a 2 sin n k a
0
2 nk nk
431
Óbudai Egyetem BGK Fejezetek a matematikából
a 2 a 2 a 2
1 cos 2kx
cos kx cos kx dx cos2 kx dx 2
dx
a a a
a 2
x sin 2kx a 2 a sin 2k a 2 sin 2ka
2 4k a 2 4k
A számításokból kiderül, hogy az an együtthatók között mindössze egy van olyan, a k indexű,
amelynek szorzója különbözik 0-tól. Folytassuk most a számításokat a bn együtthatók szorzóinak
kiszámításával. Ehhez ismét alkalmaznunk kell trigonometrikus azonosságokat. Itt elsőként
ugyancsak feltesszük, hogy k ≠ n. Ekkor a következő adódik.
a 2 a 2
sin n k x sin n k x dx
1
sin nx cos kx dx
2
a a
a 2
1 cos n k x cos n k x
2 nk nk a
1 cos n k a 2 cos n k a cos n k a 2 cos n k a
0
2 nk nk
a 2 a 2 a 2
1 1 cos 2kx 1 cos 2k a 2 cos 2ka
sin kx cos kx dx
2 sin 2kx dx
2 2k a
2
2k
0
a a
az idézett periodicitás miatt. Kaptuk tehát, hogy a bn együtthatók szorzói minden n-re zérussal
egyenlők. Ha figyelembe vesszük az eddigi eredményeket, akkor azt kapjuk, hogy
a 2 a 2
1
f ( x) cos kx dx ak ; azaz: ak
f ( x) cos kx dx
a a
432
Óbudai Egyetem BGK Fejezetek a matematikából
a 2 a 2 a 2
a 2
f ( x)sin kx dx a0 sin kx dx an cos nx sin kx dx bn sin nx sin kx dx
n 1
a a a a
Ezeket a számításokat már nem részletezzük. A Tisztelt Olvasóra bízzuk annak ellenőrzését,
hogy a b) pontbeli azonosságok alkalmazásával, a fenti számítások mintájára az adódik, hogy
mindössze egyetlen együttható, konkrétan a bk együttható az, amelynek szorzója különbözik
0-tól. A jelzett integrál értéke ugyancsak π, tehát fennáll a következő egyenlőség.
a 2 a 2
1
f ( x)sin kx dx bk ; azaz: bk
f ( x)sin kx dx
a a
n
lim a0 ak cos kx bk sin kx f x
n k 1
a 2 2
a 2
n
lim a0 ak cos kx bk sin kx dx f 2 x dx
n
a k 1 a
433
Óbudai Egyetem BGK Fejezetek a matematikából
a 2 a 2
a02dx a02 x a02 a 2 a02a 2a02
a
a
továbbá
a 2 a 2
1 cos 2kx
ak2 cos kx dx ak2
2
dx
2
a a
a 2
x sin 2kx a 2 a sin 2k a 2 sin 2ka
ak2 ak2 2
ak
2 4k a 2 4 k
végül pedig
a 2 a 2
1 cos 2kx
bk2 sin kx dx bk2
2
dx
2
a a
a 2
x sin 2kx a 2 a sin 2k a 2 sin 2ka
bk2 bk2 2
bk
2 4k a 2 4 k
a 2 2
n
lim 2a02 ak2 bk2 f x dx
n k 1
a
a 2
f 2 x dx 2a02 an2 bn2
n 1
a
0, ha x 0
f ( x) x, ha 0 x
f ( x 2), különben
434
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 x2 1 2
a0
2 f ( x)dx 2 x dx 2 2 2 2 4
0 0
1 1 1 sin nx sin nx
an f ( x) cos nx dx x cos nx dx x dx
n 0 n
0 0
1 sin n cos nx 1 cos n 1 1 1 1
n
0
2 2 2 2 2
n n 0 n n n n
1 1 1 cos nx cos nx
bn f ( x) sin nx dx x sin nx dx x dx
n 0 n
0 0
1 cos n sin nx 1 cos n n 1 1
0 0 0 1
n n2 0 n n
2 cos(2n 1) x n 1 sin nx
f ( x) 1
4 n 1 2n 12 n 1 n
2 cos 3 x cos 5 x cos 7 x sin 2 x sin 3 x sin 4 x
cos x ... sin x ...
4 32
52
7 2
2 3 4
3.3.1. ábra. A 3.3.1. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor „első kilenc” tagjával (piros
színű görbe), a konstans tag mellett 4 db koszinuszos és 4 db szinuszos tag figyelembe vételével
435
Óbudai Egyetem BGK Fejezetek a matematikából
3, ha x 0
3, ha 0 x
f ( x)
0, ha x k , k Z
f ( x 2), különben
Ismét az együttható formulákba helyettesítünk. Elsőként azonban vegyük észre, hogy az f(x)
függvény páratlan. Ezért a [–π, π] intervallumra vonatkozó integrálja zérus, tehát a0 = 0.
Továbbá, mivel f(x) páratlan cosnx pedig páros, szorzatuk ugyancsak páratlan, tehát kapjuk, hogy
a szorzatuk origóra szimmetrikus intervallumra vonatkozó integrálja minden n-re zérus. Ezért
1
an
f ( x) cos nx dx 0
Végül a bn együtthatókat kell kiszámítanunk. Ehhez használjuk fel, hogy az f(x) függvény
páratlan, de a sinnx függvény is páratlan, ezért szorzatuk páros, elég tehát a [0, π] intervallumon
integrálni:
6 cos nx
f ( x) sin nx dx 3 sin nx dx n 0 n cos n cos 0 n 1 1
1 2 6 6 n
bn
0
Ezen együtthatók közül minden páros indexű szintén zérus, a páratlan indexűek értéke pedig
12
bn ha n páratlan. Ezek felhasználásával a Fourier-sor a következő.
n
Mivel az f(x) függvény teljesíti a 3.3.8. tétel feltételeit, hiszen a szakadási helyeken, tehát az
x = kπ helyeken a függvényérték az egyoldali határértékek (3 illetve –3) számtani közepe (zérus),
ezért jogosan írtuk az egyenlőséget a függvény és a sor közé, a sor előállítja a függvényt.
A feladat megoldása során több egyszerűsítő észrevételt is tettünk, amelyek a paritással voltak
kapcsolatosak. A 3.3.6. pontban szisztematikusan vizsgáljuk majd ezt a kérdést.
436
Óbudai Egyetem BGK Fejezetek a matematikából
3.3.2. ábra. A 3.3.2. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor első négy tagjával
(piros színű görbe), azaz 4 db szinuszos tag figyelembe vételével
2
12 144 1
18 bn
2
n k 0
2k 1 k 0 2k 12
1 2
k 0 2k 1
2 8
437
Óbudai Egyetem BGK Fejezetek a matematikából
a a a
Ha f x páratlan : f x dx 0; Ha f x páros : f x dx 2 f x dx.
a a 0
Végül fogalmazzunk meg néhány nyilvánvaló tényt páros illetve páratlan függvények szorzatára
vonatkozólag: két páros függvény szorzata páros, azonban két páratlan függvény szorzata is
páros. Ha azonban egy páros és egy páratlan függvényt szorzunk, akkor a szorzat páratlan. Ezeket
az egyszerű észrevételeket mind használni fogjuk az együttható formulák kiértékelése során.
f ( x) a0 an cos nx
n 1
x, ha x 0
f ( x) x, ha 0 x
f ( x 2), különben
A függvény páros, így azonnal adódik, hogy bn = 0, n = 1,2,3,… Tehát csak két integrált kell
kiszámítanunk.
1 2 1 x2
a0
2 f ( x ) dx
2 x dx
2 2
0 0
438
Óbudai Egyetem BGK Fejezetek a matematikából
1 2 2 sin nx sin nx
an
f ( x ) cos nx dx
x cos nx dx
x
n 0 n
dx
0 0
2 sin n cos nx 2 cos n 1 2 1 1
n
0
2 2 2 2 2
n n 0 n n n n
4
Ennek a kifejezésnek az értéke páros n esetén zérus, páratlan n esetén pedig an 2 . Az
n
integrálok kiszámításánál felhasználtuk azt az egyszerű tényt, hogy ha egy origóra szimmetrikus
intervallumra integrálunk egy páros függvényt, akkor az intervallumot megfelezhetjük, és az
integrál értékét szorozzuk 2-vel.
4
Ezzel előállítottuk a Fourier-sor együtthatóit. Innen a sorfejtés, ha a közös szorzó-tényezőt
kiemeljük, az alábbi.
3.3.3. ábra. A 3.3.4. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor első öt tagjával
(piros színű görbe), azaz a konstans taggal és az azt követő 4 db koszinuszos tag figyelembe vételével
439
Óbudai Egyetem BGK Fejezetek a matematikából
Mivel az f(x) definíciója szerint f(0) = 0, továbbá cos0 = 1, ezért azt kapjuk, hogy:
4 1 1 4 1
0 1 ...
2 3 2
52
2 n 1 2n 12
1 1 1 2
1 ...
n 1 2n 1
2
32 52 8
Páratlan függvényFourier-sora
f ( x) bn sin nx
n 1
x, ha x
f ( x) 0, ha x 2k
f ( x 2), különben
440
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 2 2 cos nx cos nx
bn
f ( x) sin nx dx
x sin nx dx
x sin nx dx
x
n 0 n
dx
0 0
2 cos n sin nx 2 cos n n 1 2
0 0 0 1
n n2 0 n n
n 1 2sin nx sin 2 x sin 3x sin 4 x
f ( x) bn sin nx 1 2 sin x ...
n 1 n 1
n 2 3 4
3.3.4. ábra. A 3.3.6. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor első négy tagjával
(piros színű görbe), azaz 4 db szinuszos tag figyelembe vételével
x3 3 3 2 3
f
2
x dx x dx
2
3
3 3 3
1 2n 2 4
2 3
bn
2
4
1
3 n 1
n 1 n 2 n 1 n
2
441
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 1 1 2
2
1
22
32
...
n2
...
6
n 1 n
Ezt a sorösszeget a numerikus sorok elméletének tárgyalása során (3.1. fejezet) már bizonyítás
nélkül említettük, most érkeztünk el oda, hogy igazolni is tudjuk. Ennek az eredménynek a
birtokában, figyelembe véve a 3.3.3. illetve 3.3.5. példákban kapott eredményt, kiszámítható a
páros számok reciprokainak négyzetösszegét is. Induljunk ki a következő nyilvánvaló
összefüggésből.
1 1 1
n2
k 1 2k k 0 2k 1
2 2
n 1
2 1 2
1 2 2 2
; átrendezve ;
6 k 1 2k 2 8 k 1 2 k 2 6 8 24
1 1 1 1 1 2
... ... ;
k 1 2k 2k 2
2
22 42 62 24
442
Óbudai Egyetem BGK Fejezetek a matematikából
A számításokat nem végezzük el olyan részletességgel, mint az említett pontokban, csak nagy
vonalakban vázoljuk az eljárást, a számítások részletes kivitelezését az Olvasóra bízzuk.
2 2
Ha bevezetjük a rezgéstanban szokásos jelölést, akkor elsőként a következőt
T 2p p
állítjuk. Tetszőleges valós a esetén az [a, a + T] intervallumon a
függvényrendszer ortogonális rendszer. Ezt pontosan úgy igazolhatjuk, mint a 3.3.4. tételben.
Ahhoz hogy ortonormált függvényrendszert tudjuk képezni, szükség van minden egyes függvény
normájára.
a T
1 12 dx xaa T a T a T 2p
a
a T a T a T
1 cos 2nx x sin 2nx
cos nx cos 2 nxdx 2
dx 2 4n
a
a a
Az utolsó lépésben kihasználtuk, hogy a szinusz függvény periódusa 2π. Hasonló módon
T
igazolható, hogy sin nx p.
2
Ezen számítások eredményének birtokában kijelenthetjük, hogy az
1 cos x sin x cos 2x sin 2x cos 3x sin 3x cos nx sin nx
; ; ; ; ; ; ;...; ; ;...
2p p p p p p p p p
443
Óbudai Egyetem BGK Fejezetek a matematikából
1 1 cos nx cos nx sin nx sin nx
f ( x) ~ f ( x), f ( x), f ( x),
2 p 2 p n 1 p p p p
f ( x) ~ a0 an cos nx bn sin nx
n 1
a2 p a T
1 1 1
a0
2p
f ( x),1
2p f ( x)dx
T f ( x) dx
a a
a2 p a T
1 1 2
an f ( x), cos nx
p p f ( x) cos nx dx
T f ( x) sin nx dx; n 1, 2,3,...
a a
a2 p a T
1 1 2
bn
p
f ( x),sin nx
p f ( x) sin nx dx
T f ( x) sin nx dx; n 1, 2,3,...
a a
f , gi
2 2
Könnyen általánosíthatjuk az f Parseval-képletet is, csak azt kell figyelembe
i 1
venni, hogy az együttható formulák átrendezésével a következő adódik.
a2 p
f 2 x dx 2 p a0 p an bn
2 2 2
a n 1
a T
a
f 2 x dx T a0
2 T
2 n 1 2
an bn
2
A T = 2p szerint periodikus függvények pontonkénti illetve egyenletes konvergenciájára
vonatkozó Dirichlet-Jordan tétel értelemszerű módosításokkal átvihető.
444
Óbudai Egyetem BGK Fejezetek a matematikából
4 x ; ha 2 x 2
2
f x
f x 4 ; különben
2
1 x3
4 x
2 2 2
1 1 2 8
dx 4 x 2 dx 4 x
2
a0 f ( x)dx
2p 4 4 2 3 3
2 2 0 0
2 2 2
sin nx sin nx sin nx
4 x2 2 x dx 0 2 x dx
n 0 n n
0 0
2 2 2
cos nx cos nx 4 sin nx
2 x 2 dx cos n 2 0 2
n 22 0 0 n 22 n 22 2 n33 0
n 1 n 1
n 4 1 16 1
2
4 2 4
cos n sin n 2 sin 0 1
n 22 n33 2 0 n22 n22 n 2 2
Kaptuk tehát az f(x) függvény Fourier-sorát. A Dirichlet-Jordan féle konvergencia tétel alapján
tudjuk, hogy a sor előállítja a függvényt, hiszen ez a függvény folytonos, tehát írhatjuk az
egyenlőséget:
n 1 n 1
8 4 1 8 16 1
f x cos nx cos n x
3 n 1 n22 3 2 n 1 n2 2
8 16 1 1 3 1
cos x cos x cos x cos 2x ...
3 2 2 4 9 2 16
445
Óbudai Egyetem BGK Fejezetek a matematikából
3.3.5. ábra. A 3.3.8. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor első öt tagjával
(piros színű görbe), azaz a konstans taggal és az azt követő 4 db koszinuszos tag figyelembe vételével
2
2 2
x3 x5
4 x
2 64 32 512
2
dx 2 16 8 x x dx 2 16 x 8 2 32
2 4
2 0 3 5 0 3 5 15
2
16 1 n 1
512 8
2
4 2
512 256 512 1
4 4
; azaz
15 3 2 2
n 1 n
15 9 n 1 n
Rendezve a kapott egyenletet, ismét egy nevezetes végtelen numerikus sor összegét nyerjük.
1 4
4
90
n 1 n
446
Óbudai Egyetem BGK Fejezetek a matematikából
b
f , g f x g x dx
a
határozott integrált értjük. Most is könnyen ellenőrizhető, hogy a 3.3.2. definícióban szereplő
feltételek mind teljesülnek.
447
Óbudai Egyetem BGK Fejezetek a matematikából
Ha ezt a két összefüggést, mint egyenletrendszert tekintjük, akkor látható, hogy a sinx és cosx
trigonometrikus függvények kifejezhetők komplex exponenciális függvényekkel. A
későbbiekben szükségünk lesz ezekre az összefüggésekre ezért felírjuk őket:
a 2
a 2 a 2
i nk x
ei n k x
einx , eikx einx eikx dx e dx
a a
i n k
a
a 2
cos n k x i sin n k x
i n k a
448
Óbudai Egyetem BGK Fejezetek a matematikából
Az eredmény azért zérus, mert a szinusz függvény és a koszinusz függvény periódusa 2π, tehát a
zárójelben szereplő törtek értéke külön-külön zérus. Éppen ezt kellett igazolni. ■
Szeretnénk átalakítani az exponenciális rendszert úgy, hogy ortonormált rendszer legyen. Ehhez
meg kell határozni a rendszer elemeinek normáit.
2 a 2
einx einx , einx einx einx dx
a
a 2 a 2
ei 0 x dx 1dx x aa 2 a 2 a 2
a a
Ha adott egy ortonormált rendszer, továbbá egy négyzetesen integrálható f(x) függvény – amely
komplex esetben azt jelenti, hogy az abszolút érték négyzete integrálható –, akkor a 3.3.7.
definíció szerint az f(x) függvény ezen ortonormált rendszer szerint Fourier-sorba fejthető.
einx einx
f ( x) f ( x), 2 2
n
449
Óbudai Egyetem BGK Fejezetek a matematikából
1 einx 1
cn f ( x), f ( x), einx ; n Z
2 2 2
f ( x) ~ cneinx ... c3e3ix c2e2ix c1eix c0 c1eix c2e 2ix c3e3ix ...
n
a 2
1
cn f x einx dx; n Z
2
a
Ebben az esetben tehát nem kell három együttható formulát megjegyezni és három integrált
kiszámítani egy sorfejtésnél, hanem elég egy formula és egy integrál. A számítás annyiban
szokatlanabb, hogy általában komplex mennyiségekkel kell számolnunk. További lényeges
eltérés, hogy ez a függvénysor mindkét irányban végtelen sor.
e
inx
3.3.12. Tétel: Az n Z ; x a, a 2 függvényrendszer teljes ortonormált rendszer a
2
megadott intervallumon. Tetszőleges négyzetesen integrálható f(x) függvény esetén a komplex
Fourier-sor négyzetintegrál normában tart az f(x) függvényhez, azaz teljesül, hogy
n
lim f ( x)
n
ck eikx 0
k n
450
Óbudai Egyetem BGK Fejezetek a matematikából
2 2
f 2 cn
n
1 einx 1
cn f ( x), f ( x), g n x ; n Z; ahonnan f ( x), g n x 2 cn
2 2 2
2 2
Ebből pedig már azonnal következik, hogy f , gn 2 cn , és éppen ezt kellett
n n
igazolni. ■
e x , ha x
e e
f x , ha x 2k ; k Z
2
f x 2 különben
1 inx 1 inx 1 1in x dx
f x e e e
x
cn dx e dx
2 2 2
1 e
1in x
1 e1in e1in 1 eein eein
2 1 in 2 1 in
2 1 in
451
Óbudai Egyetem BGK Fejezetek a matematikából
1
n
e e
1
n
sh
sh 1
n
1 in 2 1 in 1 in
1n
1 n
einx
inx sh
f x
sh e
n
1 in n 1 in
A kapott sor jelentős mértékben különbözik attól, amelyet trigonometrikus sorfejtés esetén
kaptunk volna. A legfontosabb különbség az, hogy a periodikus f(x) függvény valós függvény,
ennek ellenére egy komplex együtthatós függvénysort kaptunk, amelyben a sor függvényei is
komplex függvények. Természetesen van kapcsolat a valós sorfejtés és a komplex sorfejtés
között. Ennek a kérdésnek a részletes vizsgálatára visszatérünk a 3.3.11. pontban. Azt azonban
már most is hangsúlyozzuk, hogy tekintettel az Euler formulára, lényegében a kapott sor is
szinusz és koszinusz függvények szerint haladó sor, így a Dirichlet-Jordan tétel alkalmazható erre
az esetre is. Így megállapíthatjuk, hogy a kapott sor előállítja a függvényt, hiszen a szakadási
helyeken, tehát az x = π + k2π helyeken éppen úgy definiáltuk a függvényt, hogy a helyettesítési
érték az egyoldali határértékek számtani közepe legyen.
A sorfejtést közvetlenül szemléltetni nem tudjuk, hiszen valós változós komplex értékű
függvényeket kellene ábrázolnunk. Azt megtehetnénk, hogy ábrázoljuk külön a valós és a
képzetes részeket, de inkább más utat választunk. Először áttranszformáljuk a komplex sort
trigonometrikus sorrá, és azt szemléltetjük majd a 3.3.12. példában. A problémakört részletesen
vizsgáljuk majd a 3.3.11. pontban.
e2 x e2 e2
2 2x
f x dx e dx sh 2
2 2
A négyzetösszeg a következő.
2 2
sh 2 1n 2sh 2 1 in
1 in
2
2 cn 2
n
n 2 n 1 in 1 in
452
Óbudai Egyetem BGK Fejezetek a matematikából
2sh 2 1
n 1 n2
sh 2 2sh ch
Ha rendezzük a kapott egyenlőséget, ismét kaptuk egy végtelen numerikus sor összegét.
1 ch
2
sh
cth
n 1 n
Induljunk ki tehát abból, hogy az f(x) függvény páros a [–π, π] intervallumon és ezt terjesztjük ki
2π-szerint periodikus módon a számegyenesre. Írjuk fel az együttható formulát. Ha figyelembe
vesszük az Euler-összefüggést, azt kapjuk, hogy
1 1
cn f x einx dx f x cos nx i sin nx dx
2 2
1 i 1
f x cos nx dx f x sin nx dx f x cos nx dx
2 2 2
ugyanis a második integrál zérus, hiszen egy páros és páratlan függvény szorzatának, vagyis egy
páratlan függvénynek origóra szimmetrikus intervallumra vonatkozó integrálja. Ebben az esetben
tehát egyrészt azt kaptuk, hogy az együttható a kapott egyszerűbb összefüggéssel számítható,
aminek közvetlen következménye, hogy az együtthatók mind valós számok. Páros függvény
komplex Fourier-sorában tehát – a trigonometrikus esettel ellentétben – minden tag megtalálható,
de minden együttható valós szám.
453
Óbudai Egyetem BGK Fejezetek a matematikából
Ha még figyelembe vesszük, hogy a nem nulla integrál két páros függvény szorzatának, tehát egy
páros függvénynek origóra szimmetrikus intervallumra vonatkozó integrálja, akkor az együttható
formula az alábbi legegyszerűbb alakot ölti.
1 2 1
cn f x cos nx dx f x cos nx dx f x cos nx dx
2 2
0 0
3.3.11. Példa: Határozzuk meg az alábbi függvény („egyenirányított harmonikus jel”) komplex
Fourier-sorát.
x
cos , ha x
f x 2
f x 2 különben
1 1 x
cn f x cos nx dx cos cos nx dx
2
0 0
1 1 1 1 sin 0,5 n x sin 0,5 n x
cn
2 cos n x cos n x dx
2 2
2 0,5 n
0,5 n 0
0
1 sin 0,5 n sin 0,5 n 1 sin 2n 1 2 sin 2n 1 2
0 0
2 0,5 n 0,5 n 2n 1 2n 1
n 1 n 1
1 1 1 1 1 1 2 1
n n
2n 1 2n 1 2n 1 2n 1 4n2 1
n 1
2 1
f x
n 4n2 1
einx
454
Óbudai Egyetem BGK Fejezetek a matematikából
Induljunk ki most abból, hogy az f(x) függvény páratlan a [–π, π] intervallumon és ezt terjesztjük
ki 2π-szerint periodikus módon a számegyenesre. Írjuk fel az együttható formulát. Ha figyelembe
vesszük az Euler-összefüggést, azt kapjuk, hogy
1 inx 1
cn
2 f x e dx
2 f x cos nx i sin nx dx
1 i i
f x cos nx dx f x sin nx dx f x sin nx dx
2 2 2
ugyanis ebben az esetben az első integrál zérus, hiszen egy páratlan és páros függvény
szorzatának, vagyis egy páratlan függvénynek origóra szimmetrikus intervallumra vonatkozó
integrálja. Ebben az esetben tehát egyrészt azt kaptuk, hogy az együttható a kapott egyszerűbb
összefüggéssel számítható, aminek közvetlen következménye, hogy az együtthatók mind
imaginárius számok. Páratlan függvény komplex Fourier-sorában tehát – a trigonometrikus
esettel ellentétben – minden tag megtalálható, de minden együttható imaginárius szám.
Ha még figyelembe vesszük, hogy a nem nulla integrál két páratlan függvény szorzatának, tehát
egy páros függvénynek origóra szimmetrikus intervallumra vonatkozó integrálja, akkor az
együttható formula az alábbi legegyszerűbb alakot ölti.
i 2i i
cn f x sin nx dx f x sin nx dx f x sin nx dx
2 2
0 0
455
Óbudai Egyetem BGK Fejezetek a matematikából
Ha ezt a két egyenletet összeadjuk, azonnal látszik, hogy a két irányban végtelen sor,
trigonometrikus függvények szerint rendezve egy hagyományos trigonometrikus függvénysorrá
alakítható, mely cosnx és sinnx szerint van rendezve. Ha a c0 konstans tagot első tagnak tekintjük,
akkor a komplex Fourier-sor az alábbi ekvivalens alakban írható.
f x ~ c0 cneinx cneinx c0 cn cn cos nx i cn cn sin nx
n 1 n 1
Innen pedig következik a trigonometrikus és komplex sor együttható közötti alábbi összefüggés.
a0 c0 ; an cn cn ; és bn i cn cn
illetve megfordítva
a ibn a ibn
c0 a0 ; cn n ; és cn n
2 2
3.3.12. Példa: Határozzuk meg a 3.3.9. példában szereplő függvény trigonometrikus Fourier-
sorát. A hivatkozott példában megkaptuk a komplex Fourier-sort. A komplex Fourier együtthatók
ismeretében az
a0 c0 ; an cn cn ; és bn i cn cn
sh 1
0
sh
a0 c0
1 i 0
n
sh 1 1 n sh 1 in 1 in 2sh 1
n n
an cn cn 1
1 in 1 in 1 n 2 1 n2
n n 1
sh 1 1 sh 1 in 1 in 2sh 1 n
n
bn i cn cn i i 1 n
1 in 1 in 1 n 2 1 n2
456
Óbudai Egyetem BGK Fejezetek a matematikából
n 1
sh 2sh 1 1
n
n
f ( x)
n 1 1 n2
cos nx
1 n2
sin nx
sh 1 1 1 2 1 3 1 4
f ( x) 1 2 cos x sin x cos 2 x sin 2 x cos3x sin 3x cos 4 x sin 4 x...
2 2 5 5 10 10 17 17
3.3.6. ábra. A 3.3.9. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor „első kilenc” tagjával
(piros színű görbe), azaz a konstans tagot követően 4 db koszinuszos és 4 db szinuszos tag figyelembe vételével
3.3.13. Példa: Határozzuk meg a 3.3.11. példában szereplő függvény trigonometrikus Fourier-
sorát a komplex Fourier-sor együtthatóinak felhasználásával. Az előző példa megoldásához
hasonlóan járunk el.
0 1
2 1 2
a0 c0
4 0 1
2
n 1
an cn cn
2 1
1n 1 2 1n 1 1n 1 4 1n 1
4n 2 1 4 n 2 1 4n 2 1 4 n 2 1 4 n 2 1
457
Óbudai Egyetem BGK Fejezetek a matematikából
n 1 n 1 n 1 n 1
2 1 1 2 1 1
bn i cn cn i i 0
4n 2 1 4 n 2 1 4n 2 1 4 n 2 1
A legutóbbi eredmény a várakozásnak megfelelően azt jelenti, hogy egy páros függvény Fourier
sorában nincsenek szinuszos tagok. Mint látjuk ez természetesen a „komplex irányból
megközelítve” is adódik. A számítások eredményeire támaszkodva adódik a trigonometrikus
Fourier-sor.
n 1
2 4 1
f ( x) cos nx
n 1 4n2 1
2 1 1 1
f ( x) 1 2 cos x cos 2 x cos 3x ...
3 15 35
Mint már említettük, a Fourier-sor mindenütt előállítja a függvényt, tehát valóban írhatunk
egyenlőséget. A sorfejtést szemlélteti a 3.3.7. ábra.
3.3.7. ábra. A 3.3.11. példabeli f(x) függvény (kék színű görbe) közelítése a Fourier-sor első négy tagjával
(piros színű görbe), azaz a konstans tagot követően 3 db koszinuszos tag figyelembe vételével
458
Óbudai Egyetem BGK Fejezetek a matematikából
Irodalomjegyzék
Bronstejn-Szemengyajev: Matematikai zsebkönyv. Typotex. 2006.
Fagyejev-Szominszkij: Felsőfokú algebrai feladatok. Műszaki Kiadó, Budapest, 1973
Fuksz-Sabat: Komplex függvénytan. Műszaki Kiadó, 1978.
Freud Róbert: Lineáris algebra, ELTE Eötvös kiadó, 2006
Fried Ervin: Klasszikus és lineáris algebra. Tankönyvkiadó, Budapest, 1995.
Halmos Pál: Véges dimenziós vektorterek. Műszaki Kiadó. Bp. 1984.
Hajós György: Bevezetés a geometriába. Tankönyvkiadó, Budapest, 1993.
Járai Antal: Modern alkalmazott analízis. Typotex, Budapest, 2008.
Kiss Emil: Bevezetés az algebrába, Typotex Kiadó, Budapest, 2007.
Kovács – Takács - Takács: Analízis. Nemzeti Tankönyvkiadó, 2005.
Krekó Béla: Lineáris Algebra. Közgazdasági és Jogi Könyvkiadó. Budapest, 1976
Laczkovich Miklós – T. Sós Vera: Analízis I-II., Nemzeti Tankönyvkiadó, 2007.
Pontrjagin: Közönséges differenciálegyenletek. Akadémiai Kiadó. Bp. 1976.
Obádovics J. Gyula: Mátrixok és differenciálegyenlet-rendszerek. Scolar. Bp. 2005.
Obádovics J. Gyula: Lineáris algebra, Példákkal. Scolar. Bp. 2001.
Ponomarjov: Differenciálegyenletek felállítása és megoldása. Tankönyvkiadó, Bp. 1969.
Prasolov: Lineáris algebra. Typotex. Bp. 2006.
Rózsa Pál: Bevezetés a mátrixelméletbe. Typotex, Budapest, 2009.
Rózsa Pál: Lineáris algebra és alkalmazásai. Műszaki Kiadó, Budapest, 1984.
Scharnitzky viktor: Differenciálegyenletek. Műszaki Kiadó, Budapest, 2008.
Scharnitzky Viktor: Mátrixszámítás. Műszaki Kiadó, Budapest, 2008.
Scharnitzky Viktor: Matematikai feladatok, Nemzeti Tankönyvkiadó 1996
Simon Péter - Tóth János: Differenciálegyenletek. Typotex. Bp. 2006.
Stoyan Gisbert: MATLAB. Typotex. Bp. 2010.
Szász Gábor: Matematika I-II-III. Nemzeti Tankönyvkiadó, 2007.
Szász Pál: A differenciál és integrálszámítás elemei I-II. Typotex, Budapest, 2008
Thomas-féle kalkulus I-II-III: Typotex, Budapest, 2008.
459
Óbudai Egyetem BGK Fejezetek a matematikából
Tartalomjegyzék
Előszó ............................................................................................................................................... 5
1. fejezet Mátrixelmélet, Lineáris algebra ....................................................................................... 7
1. Lineáris algebra ............................................................................................................................ 9
1.1. A lineáris tér. Alapfogalmak .................................................................................................... 9
1.2. Vektorrendszerek és tulajdonságaik ........................................................................................ 13
1.3. Elemi bázistranszformáció ...................................................................................................... 20
1.4. Az elemi bázistranszformáció alkalmazásai ........................................................................... 24
1.5. Mátrixok .................................................................................................................................. 27
1.6. Műveletek mátrixokkal ........................................................................................................... 30
1.7. Kvadratikus mátrix determinánsa............................................................................................ 43
1.8. Kvadratikus mátrix inverze ..................................................................................................... 56
1.9. Lineáris egyenletrendszerek .................................................................................................... 62
1.10. Gauss elimináció, mátrixok LU-felbontása ........................................................................... 77
1.11. Mátrix sajátértéke, sajátvektora............................................................................................. 95
1.12. Kvadratikus mátrixok hatványozása ................................................................................... 114
1.13. Speciális mátrixok tulajdonságai ......................................................................................... 120
1.14. Ortogonális projekciók. Lineáris egyenletrendszer legjobban közelítő megoldása, a
legkisebb négyzetek módszere ..................................................................................................... 132
1.15. Gram-Schmidt-féle ortogonalizáció. Reguláris mátrixok QR-felbontása .......................... 142
1.16. Hasonló mátrixok. Diagonalizáció ...................................................................................... 150
1.17. Kvadratikus alakok. Pozitív definit mátrixok ..................................................................... 163
2. fejezet Differenciálegyenletek................................................................................................. 180
2.1. Elsőrendű differenciálegyenletek .......................................................................................... 182
2.1.1. Bevezető példák ................................................................................................................. 182
2.1.2. A differenciálegyenlet fogalma .......................................................................................... 183
2.1.3. Explicit közönséges elsőrendű differenciálegyenlet .......................................................... 184
2.1.4. Az y’= f(x, y) differenciálegyenlet megoldhatósága, a megoldás egyértelműsége
(egzisztencia és unicitás) .............................................................................................................. 187
2.1.5. Közvetlenül integrálható differenciálegyenletek ............................................................... 189
2.1.6. Szétválasztható változójú (szeparálható) differenciálegyenlet .......................................... 193
2.1.7. Homogén differenciálegyenlet ........................................................................................... 196
2.1.8. Elsőrendű lineáris differenciálegyenlet ............................................................................. 199
2.1.8.1. Homogén lineáris differenciálegyenlet ........................................................................... 199
460
Óbudai Egyetem BGK Fejezetek a matematikából
461
Óbudai Egyetem BGK Fejezetek a matematikából
462