Lineáris algebra

(tömör bevezetés)
Wettl Ferenc, BME
2007-06-03, 0.4 változat
Tartalomjegyzék
Geometriai szemléltetés 1
Az egyenletek szemléltetése . . . . . . . . . . . . 1
Az egyenletrendszer vektoregyenlet-alakja . . . . . 2
Egyenletrendszerek 3
Az R
n
tér . . . . . . . . . . . . . . . . . . . . . . 3
Egyenletrendszerek leírása, mátrixok . . . . . . . . 3
Speciális alakú mátrixok . . . . . . . . . . . . . . 4
Egyenletrendszerek megoldása . . . . . . . . . . . 5
Szimultán egyenletrendszerek . . . . . . . . . . . 6
Mátrixm˝ uveletek 7
Összeadás, szorzás . . . . . . . . . . . . . . . . . 7
Inverz . . . . . . . . . . . . . . . . . . . . . . . . 8
M˝ uveletek speciális alakú mátrixokkal . . . . . . . 9
R
n
tér alterei 10
Az altér fogalma . . . . . . . . . . . . . . . . . . . 10
Képtér, magtér . . . . . . . . . . . . . . . . . . . . 10
A megoldások terei . . . . . . . . . . . . . . . . . 10
Bázis, dimenzió . . . . . . . . . . . . . . . . . . . 10
Sortér, oszloptér, rang . . . . . . . . . . . . . . . . 11
Mátrixokon értelmezett függvények 12
A determináns fogalma és tulajdonságai . . . . . . 12
Cramer-szabály . . . . . . . . . . . . . . . . . . . 13
Nyom . . . . . . . . . . . . . . . . . . . . . . . . 14
Mátrixpolinomok . . . . . . . . . . . . . . . . . . 14
Lineáris leképezés 14
Az R
n
→R
m
lineáris leképezések . . . . . . . . . 14
Sajátérték, sajátvektor . . . . . . . . . . . . . . . . 15
Ortogonális mátrixok . . . . . . . . . . . . . . . . 16
Áttérés másik bázisra . . . . . . . . . . . . . . . . 16
Hasonlóság, diagonalizálhatóság . . . . . . . . . . 17
Összefoglaló tétel 17
Vektortér 18
A vektortér általános fogalma . . . . . . . . . . . . 18
Geometriai szemléltetés
E fejezetben geometriai szemléltetéseket adunk a 2- és
3-ismeretlenes egyenletrendszerekre és azok megoldásaira.
Az egyenletek szemléltetése
P Tekintsünk a kétváltozós lineáris ax + by = c egyenletet,
ahol a, b és c valós konstansok. Középiskolából tudjuk, hogy
ha a és b legalább egyike nem nulla, akkor azoknak az (x, y)
pontoknak a mértani helye, melyek kielégítik ezt az egyenle-
tet, egy egyenes. Ha pedig a = b = c = 0, akkor az egyenlet
alakja 0x+0y = 0, azaz 0 = 0, ami minden (x, y) számpárra
fennáll, vagyis az egyenletet kielégít˝ o (x, y) pontok halmaza
az egész sík. Végül ha a = b = 0, de c = 0, akkor az egyen-
letnek nincs megoldása. Például az x + 2y = 4 egyenlet
grafikonja a következ˝ o ábrán látható. Ez könnyen megkap-
ható, ha x = 0, illetve y = 0 behelyettesítéssel meghatároz-
zuk az egyenesnek a tengelyekkel való metszéspontjait, vagy
bármely másik két pontját.
1.P Tekintsük az
x + y = 3
x + 2y = 4
egyenletrendszert. Két lépésben megoldhatjuk, ha az els˝ o
egyenletet kivonjuk a másodikból, majd az így kapott egyen-
letrendszerben a másodikat kivonjuk az els˝ ob˝ ol, azaz:

x + y = 3
y = 1

x = 2
y = 1
Az egyenletrendszer két egyenlete egy-egy egyenes egyen-
lete a síkban. Az, hogy az egyenletrendszer megoldható,
pontosan azt jelenti, hogy a két egyenesnek van közös pontja,
példánkban az (2, 1) pont. A következ˝ o ábrák a megoldás lé-
péseit szemléltetik az egyenletek grafikonjával:
1
P Tekintsük az
x + y = 3
x + y = 2
egyenletrendszert. Látható, hogy ez két párhuzamos egyenes
egyenlete, melyeknek nincs közös pontjuk, így az egyenlet-
rendszer nem oldható meg. Ha az els˝ o egyenletet kivonjuk
a másodikból, az ellentmondó 0 = −1 egyenletet kapjuk,
vagyis így is arra jutottunk, hogy az egyenletrendszer nem
oldható meg. Az
x + y = 3
x + y = 3
, vagy az
x + y = 3
2x + 2y = 6
egyenletrendszerekben az els˝ o egyenlettel kiejthet˝ o a máso-
dik, így csak az x + y = 3 egyenlet marad. Ennek összes
megoldása például úgy jellemezhet˝ o, hogy ha y = t, ahol t
egy tetsz˝ oleges valós szám, akkor x = 3−t, vagyis az összes
(x, y) = (3 −t, t) számpár megoldás. Ezek a pontok épp az
x + y = 3 egyenlet˝ u egyenes pontjai.
Összefoglalva: két egyenletb˝ ol álló kétismeretlenes egyen-
letrendszer esetén négy eset lehetséges. Vagy a) a két egyen-
let grafikonja két metsz˝ o egyenes, ekkor csak egyetlen meg-
oldás van, a két egyenes metszéspontja, vagy b) a két egyen-
let grafikonja két egybees˝ o egyenes, ekkor végtelen sok meg-
oldás van, ennek az egyenesnek a pontjai, vagy c) a két
egyenlet grafikonja párhuzamos, de különböz˝ o egyenes, ek-
kor nincs megoldás. A negyedik d) eset az, amikor mindkét
egyenlet 0x +0y = 0 alakú, ekkor is végtelen sok megoldás
van, nevezetesen minden lehetséges (x, y) számpár, azaz a
sík összes pontja megoldás. Az els˝ o három esetet szemlélteti
az alábbi ábra:
Értelemszer˝ uen kiterjeszthet˝ o ez az osztályozás azokra az
esetekre is, amikor az egyenletrendszer nem kett˝ o, hanem
tetsz˝ oleges számú egyenletb˝ ol áll.
Hasonló osztályozás végezhet˝ o háromváltozós egyenlet-
rendszerek esetén is. Ekkor minden egyenlet egy sík egyen-
lete. Az egyenletrendszer pontosan akkor oldható meg, ha
a síkoknak van közös pontjuk. Ha az egyenletrendszer meg-
oldható, a megoldások halmaza vagy egyetlen pont, vagy egy
egyenes, vagy egy sík összes pontja, a 0x + 0y + 0z = 0
alakú egyenlet esetén pedig a tér összes pontja. Ha a síkok-
nak nincs közös pontjuk, az egyenletrendszer nem oldható
meg.
2.P Vizsgáljuk meg az
x + y + z = 4
x + y − z = 2
2x + 2y = 6
2z = 2
egyenletrendszert. Ha az els˝ o és második egyenletet kivon-
juk a harmadikból, majd az els˝ ot kivonjuk, a másodikat hoz-
záadjuk a negyedikhez, a harmadik és negyedik egyenlet he-
lyén a 0 = 0, pontosabban a 0x + 0y + 0z = 0 egyenletet
kapjuk, mely elhagyható. Végül az els˝ o egyenletet kivonva
a másodikból, a másodikat osztva mínusz kett˝ ovel, majd ki-
vonva az els˝ ob˝ ol, az
x + y = 3
+ z = 1
egyenletrendszert kapjuk, melynek megoldása az y-nak tet-
sz˝ oleges t értéket választva: x = 3 − t, y = t, z = 1. Ez
egy egyenes paraméteres egyenletrendszere. A négy egyen-
let tehát négy, egy egyenesen átmen˝ o síkot határoz meg. A
megoldások száma végtelen.
Az egyenletrendszer
vektoregyenlet-alakja
M Az 1. példában szerepl˝ o egyenletrendszer ekvivalens az
alábbi vektoregyenlettel:
(1, 1)x + (1, 2)y = (3, 4).
Ez azt jelenti, hogy keressük a (3, 4) vektornak az (1, 1) és
az (1, 2) vektorokkal párhuzamos összetev˝ okre való felbon-
tását. (Kés˝ obb úgy fogunk fogalmazni, hogy állítsuk el˝ o a
(3, 4) vektort az (1, 1) és az (1, 2) vektorok lineáris kombi-
nációjaként.) E felbontást mutatja az alábbi ábra, melyr˝ ol
leolvasható, hogy x = 2, y = 1 a megoldás:
Ha követjük az 1. pédabeli egyenletrendszer megoldásainak
lépéseit a megfelel˝ o vektoregyenleteken, a következ˝ o soro-
zatot kapjuk:
(1, 1)x + (1, 2)y = (3, 4) ⇒ (1, 0)x + (1, 1)y = (3, 1)
⇒ (1, 0)x + (0, 1)y = (2, 1)
.
Tehát az egyenletrendszer megoldásának lépései a vektor-
egyenlettel szemléltetve:
Itt is az utolsó ábra mutatja legvilágosabban a megoldást
(x = 2, y = 1), azt viszont, hogy mi is történik az átala-
kítás közben, kés˝ obb fogjuk megérteni.
2
Egyenletrendszerek
Az R
n
tér
3.D R
n
a Descartes-szorzat definíciója alapján az R elemeib˝ ol
képzett rendezett szám-n-esek halmazát jelöli. Ugyanezt a
jelölést használjuk az n-dimenziós vektorok halmazára is.
Ha a vektorok halmazát ellátjuk az összeadás és a valós ska-
lárral való szorzás m˝ uveletével is, akkor az R
n
-r˝ ol, mint vek-
tortérr˝ ol beszélünk.
C
n
jelöli a rendezett komplex szám-n-esek, és egyúttal az
n-dimenziós komplex vektorok halmazát is. Ha ez utóbbi
halmazt ellátjuk a vektorösszeadás és a komplex skalárral
való szorzás m˝ uveletével, akkor az ugyancsak C
n
-nel jelölt
komplex n-dimenziós vektortér fogalmához jutunk.
D Az R
n
tér v
1
, v
2
, . . . , v
r
vektorainak k
1
, k
2
, . . . , k
r
∈ R
konstansokkal vett lineáris kombinációján a k
1
v
1
+k
2
v
2
+
· · · + k
r
v
r
összeget értjük. Azt mondjuk, hogy a v vek-
tor el˝ oáll a v
1
, v
2
, . . . , v
r
vektorok lineáris kombinációja-
ként, ha léteznek olyan k
1
, k
2
, . . . , k
r
∈ R konstansok, hogy
v = k
1
v
1
+ k
2
v
2
+· · · + k
r
v
r
.
M Az R
n
tér minden x = (x
1
, x
2
, . . . , x
n
) vektora
egyértelm˝ uen el˝ oáll az e
1
= (1, 0, . . . , 0), e
2
=
(0, 1, . . . , 0),. . . e
n
= (0, 0, . . . , 1) vektorok lineáris kombi-
nációjaként, nevezetesen x = x
1
e
1
+ x
2
e
2
+ · · · + x
n
e
n
.
Speciálisan R
3
-ben minden (x, y, z) vektorra (x, y, z) =
xi + yj + zk.
D Az R
n
tér e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0),. . . e
n
=
(0, 0, . . . , 1) vektorait R
n
standard bázisának nevezzük.
D Az R
n
tér v
1
, v
2
,. . . ,v
m
vektoraira azt mondjuk, hogy li-
neárisan függetlenek, ha csak a 0 konstansokkal vett li-
neáris kombinációjuk ad 0-vektort, azaz ha abból, hogy
k
1
v
1
+ k
2
v
2
+ · · · + k
m
v
m
= 0, következik, hogy k
1
=
k
2
= · · · = k
m
= 0. Lineárisan összefügg˝ oek azok a vek-
torok, melyek nem lineárisan függetlenek.
4.T Egyetlen vektor akkor lineárisan független, ha nem a 0-
vektor. Legalább két vektora pontosan akkor lineárisan füg-
getlen, ha egyikük sem fejezhet˝ o ki a többi lineáris kombi-
nációjaként. Eszerint egy legalább két vektorból álló vektor-
rendszer pontosan akkor lineárisan összefügg˝ o, ha van köz-
tük olyan, amely el˝ oáll a többi lineáris kombinációjaként.
B Az egy vektorra vonatkozó állítás a definíció alapján világos.
Tekintsünk a v
1
, v
2
,. . . , v
m
, vektorrendszert, mely legalább
két vektorból áll, tehát m ≥ 2.
Az az állítás, hogy „legalább két vektor pontosan akkor line-
árisan független, ha egyikük sem fejezhet˝ o ki a többi lineá-
ris kombinációjaként”, ekvivalens azzal, hogy „egy legalább
két vektorból álló vektorrendszer pontosan akkor lineárisan
összefügg˝ o, ha van köztük olyan, amely el˝ oáll a többi lineá-
ris kombinációjaként”.
Tegyük fel, hogy a vektorok valamelyike, mondjuk a v
1
kifejezhet˝ o a többi lineáris kombinációjaként, azaz v
1
=
k
2
v
2
+· · · +k
m
v
m
. Ekkor átrendezés után azt kapjuk, hogy
v
1
− k
2
v
2
− · · · − k
m
v
m
= 0. Ez azt jelenti, hogy a vek-
toroknak van olyan lineáris kombinációjuk, mely a 0-vektort
adja, de nem minden együttható 0, hisz v
1
együtthatója 1,
azaz a vektorok összefügg˝ oek.
Most tegyük fel, hogy a vektorok lineárisan összefügg˝ oek,
azaz léteznek olyan nem csupa 0 konstansok, melyekkel
vett lineáris kombinációjuk a 0-vektor, azaz k
1
v
1
+ k
2
v
2
+
· · · + k
m
v
m
= 0. A k
i
konstansok legalább egyike nem
0, mondjuk legyen ez épp a k
1
. Ezzel végigosztva kap-
juk, hogy v
1
+
k2
k1
v
2
+ · · · +
km
k1
v
m
= 0, azaz v
1
=

k2
k1
v
2
− · · · −
km
k1
v
m
. Tehát ki tudtuk az egyik vektort fe-
jezni a többi lineáris kombinációjaként.
P Az (1, 2, 3), (−2, 0, 1), (4, 4, 5) vektorok lineárisan össze-
függ˝ oek, mert −2 · (1, 2, 3) + 1 · (−2, 0, 1) + 1 · (4, 4, 5) =
(0, 0, 0). Az összefügg˝ oség úgy is belátható, hogy megmu-
tatjuk, van olyan vektor, amelyik a többi lineáris kombináci-
ója. Itt például (4, 4, 5) = 2 · (1, 2, 3) + (−1) · (−2, 0, 1).
Egyenletrendszerek leírása, mátrixok
5.D Lineáris egyenletrendszeren olyan egyenletrendszert értünk,
mely véges sok els˝ ofokú egyenletb˝ ol áll, és véges sok is-
meretlent tartalmaz. Az n-ismeretlenes, m egyenletb˝ ol álló
lineáris egyenletrendszer a következ˝ o általános alakra hoz-
ható:
a
11
x
1
+ a
12
x
2
+· · · + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+· · · + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+· · · + a
mn
x
n
= b
m

(1)
ahol x
j
jelöli az egyenletrendszer ismeretleneit, b
i
a konstan-
sait és a
ij
az együtthatóit (i = 1, 2, . . . , m, j = 1, 2, . . . , n).
A lineáris egyenletrendszert homogénnek mondjuk, ha b
1
=
b
2
= · · · = b
m
= 0, és inhomogénnek, ha a konstansok
legalább egyike nem 0.
D Egyenletrendszer elemi átalakításain a következ˝ o három
transzformációt értjük:
- két egyenlet felcserélése;
- egy egyenlet nem 0 számmal való beszorzása;
- egy egyenlet konstansszorosának egy másikhoz adása.
6.T Egyenletrendszer elemi átalakításai ekvivalens átalakítások,
azaz az eredeti és az átalakított egyenletrendszernek azono-
sak a megoldásai.
B Az els˝ o két elemi átalakításra ez nyilvánvaló. Nézzük a har-
madikat, legyen c egy tetsz˝ oleges konstans. Könnyen lát-
ható, hogy ha egy egyenlet, például az i-edik c-szeresét hoz-
záadjuk egy másik egyenlethez, például a j-edikhez, akkor a
régi egyenletrendszer minden megoldása az újnak is megol-
dása. Ezután az új egyenletrendszer i-edik egyenletének −c-
szeresét hozzáadjuk a j-edikhez. Így visszakapjuk a régit,
3
tehát az új egyenletrendszer minden megoldása megoldása a
réginek is. Vagyis a két megoldáshalmaz megegyezik. Tehát
ez az elemi átalakítás is ekvivalens átalakítás.
M Az egyenletrendszert megoldásakor elemi átalakításokkal
olyan alakra hozzuk, amelyb˝ ol a megoldás könnyen leolvas-
ható. A megoldás lépéseinek lejegyzéséhez elegend˝ o a line-
áris egyenletrendszer együtthatóinak és konstansainak válto-
zását egy számtáblázatban számon tartani.
7.D Az m sorba és n oszlopba rendezett mn elem˝ u sorozatokat
m × n típusú mátrixoknak nevezzük. Egy mátrix egy ele-
mének indexén azt a számpárt értjük, melyb˝ ol az els˝ o szám
azt mondja meg, hogy az elem hányadik sorban, míg a máso-
dik azt, hogy az elem hányadik oszlopban van. Pl. az a
i−1,2
elem a mátrix i −1-edik sorában és a 2. oszlopában van. Ha
az index mindkét eleme egyjegy˝ u, a vessz˝ o elhagyható, pl.
b
ij
az i-edik sor j-edik elemét jelöli. A mátrixokat könyvek-
ben félkövér (A, B), kézírásban gyakran kétszer aláhúzott
nagy bet˝ uvel (A) jelölik, indexében gyakran szerepel a mé-
rete (A
m×n
). Egy m × n-es A mátrixra, melynek i-edik
sorában és j-edik oszlopában az a
ij
elem áll, a következ˝ o
jelöléseket használjuk:
A
m×n
=

a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
¸
¸
¸
¸
¸
= [a
ij
]
m×n
(2)
Egy egyenletrendszer együtthatói is mátrixba rendezhet˝ ok.
Az (1) egyenletrendszer mátrixán vagy együtthatómátrixán
a (2)-beli mátrixot értjük, míg kiegészített mátrixán a követ-
kez˝ ot:

a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
¸
¸
¸
¸
¸
(3)
Az egyenletrendszeren végrehajtott elemi átalakítások a ki-
egészített mátrix sorain hasonló m˝ uveletekkel megvalósítha-
tók; ezeket elemi sorm˝ uveleteknek nevezünk. Az elemi sor-
m˝ uveletek tehát a következ˝ ok:
- két sor felcserélése;
- egy sor nem 0 számmal való beszorzása;
- egy sor konstansszorosának egy másikhoz adása.
Az elemi sorm˝ uveletekre a következ˝ o jelöléseket használjuk:
S
i
↔ S
j
jelöli az i-edik és a j-edik sorok cseréjét, kS
i
az
i-edik sor k-val való szorzását és +kS
i
→ S
j
jelöli azt, ha
az i-edik sor k-szorosát a j-edikhez adjuk.
M Az a kérdés, hogy az m-dimenziós a
1
, a
2
,. . . , a
n
vektorok
melyik lineáris kombinációja egyenl˝ o egy adott b vektorral –
azaz, hogy az x
1
a
1
+x
2
a
2
+· · ·+x
n
a
n
= b vektoregyenlet-
nek mik a megoldásai – egy n-ismeretlenes, m egyenletb˝ ol
álló lineáris egyenletrendszerrel írható le.
Speciális alakú mátrixok
D A (2)-beli A mátrix f˝ oátlóján az a
11
, a
22
, . . . , a
rr
elemeket
értjük, ahol r egyenl˝ o az m és az n számok közül a kisebbik-
kel. Az A mellékátlója azokból az elemekb˝ ol áll, amelyek
sor- és oszlopindexének összege n + 1.
P Az alábbi mátrixokban a f˝ o- illetve a mellékátlót kiemeltük:

1 3 5
4 3 0
0 1 2
¸
¸
,

2 3 2 5
2 0 3 6
3 9 3 1
¸
¸
,

1 3 2
0 1 2
3 2 0
1 3 2
¸
¸
¸
¸
.
D Az n × n típusú mátrixokat négyzetes mátrixoknak nevez-
zük. Egy mátrixot diagonálisnak nevezünk, ha nemnulla ele-
mei csak a f˝ oátlóban lehetnek. Egy mátrixot fels˝ o, illetve
alsó háromszögmátrixnak nevezünk, ha a f˝ oátló alatt, illetve
felett csak nullelemek állnak. Az alábbi ábrán egy diagoná-
lis, egy fels˝ o és egy alsó háromszögmátrix látható:

3 0 0
0 2 0
0 0 0
¸
¸
,

1 2 0
0 3 2
0 0 1
¸
¸
,

2 0 0
1 1 0
0 3 0
¸
¸
.
Az n×1 típusú mátrixokat, vagyis az egyetlen oszlopból álló
mátrixokat oszlopvektoroknak, míg az 1 ×n típusú mátrixo-
kat sorvektoroknak fogjuk nevezni. Avektorokat mátrixjelö-
lés esetén az oszlopvektorokkal fogjuk azonosítani, tehát pl.
az x = (x
1
, x
2
, . . . , x
n
), ill. a b = (b
1
, b
2
, . . . , b
m
) vektort

x
1
x
2
.
.
.
x
n
¸
¸
¸
¸
¸
, ill.

b
1
b
2
.
.
.
b
m
¸
¸
¸
¸
¸
(4)
fogja jelölni.
D A négyzetes [a
ij
]
n×n
mátrixot szimmetrikusnak nevezzük,
ha minden i, j esetén a
ij
= a
ji
, ferdén szimmetrikusnak, ha
minden i, j esetén a
ij
= −a
ji
.
M Ferdén szimmetrikus mátrix f˝ oátlójában szükségképpen 0-k
állnak. Az alábbi mátrix ferdén szimmetrikus:

0 1 −2
−1 0 3
2 −3 0
¸
¸
8.M Minden mátrix tekinthet˝ o úgy, mint amely oszlopvektorok-
ból, illetve sorvektorokból áll. Pl. ha a (2)-beli A mátrix
j-edik oszlopvektorát a
j
jelöli, akkor A a következ˝ o alakba
írható:
A :=

a
1
a
2
. . . a
n

, ahol a
j
:=

a
1j
a
2j
.
.
.
a
mj
¸
¸
¸
¸
¸
,
4
és j = 1, . . . , n. Hasonlóképpen
A :=

s
1
s
2
. . .
s
m
¸
¸
¸
¸
, ahol s
i
:=

a
i1
a
i2
. . . a
in

,
és i = 1, . . . , m.
M Az el˝ oz˝ o megjegyzésben alkalmazott függ˝ oleges, illetve víz-
szintes elválasztó vonalakat akkor használjuk, ha két vagy
több mátrixból rakunk össze egyet. Használatuk nem köte-
lez˝ o, csak a megértést segítik. Például a (3)-beli kiegészí-
tett mátrixot a (2)-beli A és az egyenletrendszer b
j
(j =
1, 2, . . . , m) konstansaiból képzett b vektorból képezzük,
amit így jelölünk:
[A|b] =

a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
¸
¸
¸
¸
¸
A több mátrixból összerakott mátrixot szokás blokkmátrix-
nak is nevezni. Pl. az A
n×n
, B
n×m
, C
m×n
, D
m×m
mát-
rixokból az alábbi (n + m) × (n + m)-es blokkmátrixok
képezhet˝ ok:
¸
A B
C D

,
¸
B A
D C

,
¸
C D
A B

,
¸
D C
B A

.
Egyenletrendszerek megoldása
D Azt mondjuk, hogy egy mátrix sorlépcs˝ os alakú, ha
1. a csupa 0-ból álló sorok (a zérus sorok) a mátrix alsó
sorai,
2. a nem-zérus sorok mindegyikének els˝ o nem 0 eleme 1,
amit vezet˝ o egyesnek vagy vezéregyesnek nevezünk,
3. bármely két nem-zérus sor vezet˝ o egyese közül a fels˝ o
soré balra helyezkedik el az alsó sor vezet˝ o egyesét˝ ol.
Ha ezeken túl még az is igaz, hogy a mátrixban
4. minden sor vezet˝ o egyesének oszlopában minden más
elem 0,
akkor azt mondjuk, hogy a mátrix redukált sorlépcs˝ os alakú.
P Az alábbi mátrixok sorlépcs˝ os alakúak, az utolsó kett˝ o rá-
adásul redukált sorlépcs˝ os alakú:

1 3 2 5
0 1 0 0
0 0 0 1
0 0 0 0
¸
¸
¸
¸
,

1 3 2 5
0 1 3 6
0 0 0 1
¸
¸
,

1 1 3 5
0 0 1 2
0 0 0 0
0 0 0 0
¸
¸
¸
¸
,

1 2 0 2 0 1
0 0 1 3 0 0
0 0 0 0 1 2
¸
¸
,

1 1 0 5
0 0 1 2
0 0 0 0
¸
¸
T Sorlépcs˝ os alakra hozás: Bármely mátrix elemi sorm˝ uvele-
tekkel sorlépcs˝ os alakra hozható.
Redukált sorlépcs˝ os alakra hozás: Bármely mátrix elemi
sorm˝ uveletekkel redukált sorlépcs˝ os alakra hozható.
B Tekintsünk egy tetsz˝ oleges m×n-es mátrixot, pl. a (2)-belit.
A következ˝ o eljárás egyes lépéseiben e mátrixnak le fogjuk
takarni egy-egy sorát vagy oszlopát. Az egyszer˝ uség kedvé-
ért a letakarás után keletkezett mátrix sorainak és oszlopai-
nak számát ismét m és n fogja jelölni, és a
ij
a letakarások
után maradt mátrix i-edik sorában lév˝ o j-edik elemet.
1. Ha az els˝ o oszlopban csak 0 elemek állnak, takarjuk le ezt
az oszlopot, és tekintsük a maradék mátrixot. Ha ennek els˝ o
oszlopában ismét csak 0 elemek vannak, azt is takarjuk le, és
ezt addig folytassuk, míg egy olyan oszlopot nem találunk,
amelyben van nem 0 elem. Ha ilyen oszlopot nem találunk,
az eljárásnak vége, a mátrix sorlépcs˝ os alakú.
2. Ha az els˝ o oszlop els˝ o sorában álló elem0, akkor cseréljük
ki e sort egy olyannal, melynek els˝ o eleme nem0. E lépésben
tehát elértük, hogy a
11
= 0.
3. Ha a
11
= 1, akkor elosztjuk az els˝ o sort a
11
-gyel, így az
els˝ o sor els˝ o eleme 1 lesz. Ezután az 1 alatti együtthatókat
a 2. sortól az m-edikig sorban haladva 0-ra változtatjuk: ha
az i-edik sorbeli a
i1
= 0, akkor az els˝ o sor −a
i1
-szeresét
hozzáadjuk az i-edik sorhoz.
4. A fenti átalakítás után takarjuk le az els˝ o sort és az els˝ o
oszlopot. Ha ekkor nem marad a mátrixban több sor, vége az
eljárásnak, a korábban letakart sorokat feltárva megkaptuk a
sorlépcs˝ os alakot. Egyébként ugorjunk vissza az 1. lépéshez,
és folytassuk az eljárást.
Ha nem sorlépcs˝ os alakra, hanem redukált sorlépcs˝ os alakra
akarunk jutni, akkor a sorlépcs˝ os alak vezet˝ o egyesei fölötti
értékeket is 0-ra változtatjuk a 3. lépésben leírt módon. Meg-
mutatható, hogy a redukált sorlépcs˝ os alak mindig egyér-
telm˝ u, de könny˝ u olyan mátrixot konstruálni, mely külön-
böz˝ o sorlépcs˝ os alakokra transzformálható.
D Azt az eljárást, amikor a lineáris egyenletrendszer kiegé-
szített mátrixát redukált sorlépcs˝ os alakra hozzuk, Gauss–
Jordan-módszernek, illetve Gauss–Jordan-eliminációnak
nevezzük. Gauss-módszerr˝ ol, illetve Gauss-eliminációról
akkor beszélünk, ha a kiegészített mátrixot sorlépcs˝ os alakra
hozzuk.
M A megoldás meghatározása: Az egyenletrendszer megold-
hatósága könnyen leolvasható a kiegészített mátrixból annak
sorlépcs˝ os vagy redukált sorlépcs˝ os alakra hozása után. Az
egyenletrendszernek nincs megoldása, ha e mátrixnak van
olyan sora, melyben az utolsó elem nem0, de az összes többi
igen, ennek ugyanis egy ellentmondó egyenlet felel meg. Ha
ilyen sor a kiegészített mátrixban nincs, az egyenletrendszer
megoldható. Az egyenletrendszernek egyetlen megoldása
van, ha megoldható és a zérus sorokat elhagyva a mátrix-
ból egy n × (n + 1)-es mátrixot kapunk. E mátrixban az
i-edik sor vezet˝ o egyese szükségképpen az i-edik oszlopban
5
van (i = 1, 2, . . . n). Ha a redukált alakban az utolsó oszlo-
pon kívül más oszlop is akad, melyben nincs vezet˝ o egyes,
és az egyenletrendszer megoldható, akkor az egyenletrend-
szernek végtelen sok megoldása van. Azokat a változókat,
melyekhez tartozó oszlopokban van vezet˝ o egyes, kifejez-
hetjük azok segítségével, melyekhez tartozó oszlopban nincs
vezet˝ o egyes. Az el˝ obbieket szokás kötött változóknak, míg
az utóbbiakat szabad változóknak nevezni. (Az, hogy melyik
változó kötött és melyik szabad, megváltozhat, ha az egyen-
letrendszerben a változók sorrendjét fölcseréljük, viszont a
számuk független e cserét˝ ol).
Egy lineáris egyenletrendszer megoldásai azonnal leolvasha-
tók a kiegészített mátrixból annak redukált sorlépcs˝ os alakra
hozása után. A sorlépcs˝ os alakból is gyorsan meghatároz-
ható a megoldás a kötött változók kifejezésével és alulról
kezdve mindegyiknek az el˝ oz˝ okbe helyettesítésével.
Az alábbi sorlépcs˝ os alakra vezet˝ o egyenletrendszereknek
rendre 0, 1, ill. végtelen sok megoldása van:

1 3 2 5
0 1 0 0
0 0 0 1
0 0 0 0
¸
¸
¸
¸
,

1 0 0 2
0 1 0 0
0 0 1 3
¸
¸
,

1 2 0 2 0 1
0 0 1 3 0 0
0 0 0 0 1 2
¸
¸
.
P Oldjuk meg a 2. példabeli egyenletrendszert. A kib˝ ovített
mátrixot elemi sorm˝ uveletekkel redukált sorlépcs˝ os alakra
hozzuk:

1 1 1 4
1 1 −1 2
2 2 0 6
0 0 2 2
¸
¸
¸
¸

1 1 1 4
0 0 −2 −2
0 0 −2 −2
0 0 2 2
¸
¸
¸
¸

1 1 0 3
0 0 1 1
0 0 0 0
0 0 0 0
¸
¸
¸
¸
Az utolsó mátrixot visszaírjuk egyenletredszer alakra:
x + y = 3
+ z = 1
Kötött ismeretlenek x, z, szabad ismeretlen y. A megoldás
tehát az y = t paraméterválasztással:
x = 3 −t
y = t
z = 1
azaz vektoralakba írva:

x
y
z
¸
¸
=

3 −t
t
1
¸
¸
=

3
0
1
¸
¸
+ t

−1
1
0
¸
¸
P Vizsgáljuk meg az el˝ oz˝ o példabeli egyenletrendszer homo-
gén változatát, azaz a jobb oldalon álló konstansokat cserél-
jük 0-ra. Ekkor az egyenletrendszer megoldásában a jobb
oldali oszlopot szükségtelen kiírni, mivel az mindig nullák-
ból áll. Ekkor tehát a megoldás:

1 1 1
1 1 −1
2 2 0
0 0 2
¸
¸
¸
¸

1 1 1
0 0 −2
0 0 −2
0 0 2
¸
¸
¸
¸

1 1 0
0 0 1
0 0 0
0 0 0
¸
¸
¸
¸
Visszaírva egyenletredszer alakra:
x + y = 0
+ z = 0
Kötött ismeretlenek x, z, szabad ismeretlen y. A megoldás
tehát az y = t paraméterválasztással vektoralakba írva:

x
y
z
¸
¸
=

−t
t
0
¸
¸
= t

−1
1
0
¸
¸
Figyeljük meg az el˝ oz˝ o példabeli inhomogén és e homogén
egyenletrendszer megoldásai közti kapcsolatot!
9.P Oldjuk meg az egyetlen egyenletb˝ ol álló x + y + z = 0
homogén lineáris egyenletrendszert!
Az együtthatómátrix [1 1 1], ami már redukált sorlépcs˝ os
alakú! y és z a szabad, x a kötött változók. Legyen y = t,
z = s, tehát az egyenletrendsszer megoldása:
x = −t −s
y = t
z = s
azaz vektoralakba írva:

x
y
z
¸
¸
=

−t −s
t
s
¸
¸
= t

−1
1
0
¸
¸
+ s

−1
0
1
¸
¸
Valójában nem tettünk mást, mint az x + y + z = 0 egyen-
let˝ u sík vektorait el˝ oállítottuk két vektor lineáris kombináci-
óiként. Könnyen látható, hogy e két vektor valóban benne
van a síkban, és hogy lineáris kombinációik valóban kiadják
a sík összes vektorát!
Szimultán egyenletrendszerek
10.D A több, azonos együtthatómátrixszal rendelkez˝ o egyenlet-
rendszert szimultán egyenletrendszernek nevezzük. Tekint-
sük a k egyenletrendszerb˝ ol álló, A
m×n
együtthatómátrixú
szimultán egyenletrendszert. Az els˝ o egyenletrendszer jobb
oldalán álló konstansok vektorát jelölje b
1
, az ismeretlenek
vektorát x
1
, a másodikét b
2
, illetve x
2
,. . . a k-adikét b
k
,
illetve x
k
. A szimultán egyenletrendszer kib˝ ovített mátrixa

A B

, ismeretleneinek mátrixa X, ahol
X =

x
1
x
2
. . . x
k

n×k
,
B =

b
1
b
2
. . . b
k

m×k
.
M Aszimultán egyenletrendszer is megoldható a Gauss-, illetve
a Gauss–Jordan-módszerrel. Ekkor az elemi sorm˝ uveleteket
az

A B

mátrixon végezzük el.
P Oldjuk meg a következ˝ o egyenletrendszereket, azaz a követ-
kez˝ o szimultán egyenletrendszert!
x + y = 2
x −y = 0
, és az
u + v = 5
u −v = 1
6
A szimultán egyenletrendszer kib˝ ovített mátrixán elvégez-
zük az elemi sorm˝ uveleteket:
¸
1 1 2 5
1 −1 0 1


¸
1 1 2 5
0 −2 −2 −4


¸
1 1 2 5
0 1 1 2


¸
1 0 1 3
0 1 1 2

.
A megoldás a mátrix jobb feléb˝ ol olvasható ki: az els˝ o
egyenletrendszer megoldása x = 1, y = 1, míg a másodiké
u = 3, v = 2.
Mátrixm˝ uveletek
Összeadás, szorzás
M A mátrixok összeadását és skalárral való szorzását úgy de-
finiáljuk, hogy a vektorokra vonatkozó összefüggések érvé-
nyesek legyenek az 1 × n-es vagy n × 1-es mátrixokra. A
mátrixok szorzását úgy vezetjük be, hogy az (1) egyenlet-
rendszer a (2)- és a (4)-beli jelölésekkel az Ax = b szorzat-
alakot vehesse fel.
D Legyen A = [a
ij
]
m×n
, B = [b
ij
]
m×n
, C = [c
jk
]
n×p
. Az
Atranszponáltján, c-szeresén (c ∈ R), Aés Bösszegén, B
és C szorzatán az alábbi mátrixokat értjük:
A
T
= [a
ij
]
T
m×n
:= [a
ji
]
n×m
,
cA = c [a
ij
]
m×n
:= [ca
ij
]
m×n
, −A := (−1)A,
A+B = [a
ij
]
m×n
+ [b
ij
]
m×n
:= [a
ij
+ b
ij
]
m×n
,
BC = [b
ij
]
m×n
[c
jk
]
n×p
=

n
¸
j=1
b
ij
c
jk
¸
¸
m×p
.
(Az utóbbi kifejezés azt jelenti, hogy a BC szorzatmátrix
i-edik sorának és k-adik oszlopának keresztez˝ odésében álló
elem a B mátrix i-edik sorvektorának és a C mátrix k-adik
oszlopvektorának skaláris szorzata. Egy m×n és egy p × q
típusú mátrix csak akkor szorozható össze, ha n = p, és
ekkor a szorzat típusa m×q méret˝ u lesz.)
P Néhány példa a fenti m˝ uveletekre:
¸
1 3 5
0 1 2

T
=

1 0
3 1
5 2
¸
¸
,

2 5 1

T
=

2
5
1
¸
¸
¸
1 3 5
0 1 2

+ 3 ·
¸
0 2 0
2 1 3

=
¸
1 9 5
6 4 11

¸
1 3 5
0 1 1

·

−1 −5
−1 0
1 1
¸
¸
=
¸
1 0
0 1

M Az x és y vektorok x· y skaláris szorzatát a vektorok szoká-
sos oszlopmátrix alakú reprezentációja esetén az x
T
y mát-
rixszorzat állítja el˝ o annyi különbséggel, hogy a skaláris
szorzat egy szám, míg e mátrixszorzat eredménye egy 1 ×1-
es mátrix. Az xy
T
szorzatot diadikus szorzatnak is szokás
nevezni, a m˝ uvelet jele ◦:
x◦y = xy
T
=

x
1
.
.
.
x
n
¸
¸
¸

y
1
. . . y
n

=

x
1
y
1
. . . x
1
y
n
.
.
.
.
.
.
.
.
.
x
n
y
1
. . . x
n
y
n
¸
¸
¸
M A lineáris egyenletrendszerek ún. mátrixszorzatos alakba ír-
hatók. Például az (1) egyenletrendszer a (2)- és a (4)-beli
jelölésekkel az Ax = b alakba írható. A mátrixok típusait is
jelölve: A
m×n
x
n×1
= b
m×1
. Hasonlóképp a 10. definíció-
beli szimultán egyenletrendszer felírható AX = B alakba!
11.M Legyen az A
m×n
mátrix oszlop-, illetve sorvektorokra fel-
bontott alakja a 8.M szerinti, a B
n×k
mátrix sor-, illetve osz-
lopvektorokra bontott alakja pedig legyen
B =

b
1
b
2
. . . b
k

=

r
1
.
.
.
r
n
¸
¸
¸.
Ekkor az AB mátrixszorzat sor-, illetve oszlopvektorokra
felbontott alakjai a következ˝ ok:
AB = A

b
1
. . . b
k

=

Ab
1
. . . Ab
k

=

s
1
. . .
s
m
¸
¸
B =

s
1
B
. . .
s
m
B
¸
¸
Ebb˝ ol az is kiolvasható, hogy az AB mátrix j-edik oszlopa,
azaz az Ab
j
vektor az Amátrix oszlopainak a b
j
vektor ko-
ordinátáival vett lineáris kombinációja. Hasonlóképp az AB
mátrix i-edik sora, azaz az s
i
Bsorvektor a Bsorvektorainak
lineáris kombinációja.
M Az AB szorzat vektorok diadikus szorzatainak összegeként
is el˝ oállítható, nevezetesen az A oszlopvektorai és a B sor-
vektorai szorzatainak összegeként:
AB = a
1
r
1
+a
2
r
2
+· · · +a
n
r
n
.
(Az utóbbi kifejezésben a
i
oszlopvektor, r
i
sorvektor, így
szorzatuk valóban diadikus szorzat: a
i
r
i
= a
i
◦ r
T
i
.)
P Példaként el˝ oállítjuk az

1 2
0 3

1 1
4 0

mátrixszorzatot diadikus
szorzatok összegeként:
¸
1 2
0 3
¸
1 1
4 0

=
¸
1
0

1 1

+
¸
2
3

4 0

=
¸
1 1
0 0

+
¸
8 0
12 0

=
¸
9 1
12 0

E felbontás érvényessége könnyen ellen˝ orizhet˝ o, itt most
csak 2 ×2-esre mutatjuk meg:
7
¸
a
11
a
21

b
11
b
12

+
¸
a
12
a
22

b
21
b
22

=
¸
a
11
b
11
a
11
b
12
a
21
b
11
a
21
b
12

+
¸
a
12
b
21
a
12
b
22
a
22
b
21
a
22
b
22

=
¸
a
11
b
11
+ a
12
b
21
a
11
b
12
+ a
21
b
22
a
21
b
11
+ a
22
b
21
a
21
b
12
+ a
22
b
22

=
¸
a
11
a
12
a
21
a
22
¸
b
11
b
12
b
21
b
22

M Az egyenletrendszerek mátrixszorzatos alakjából az is lát-
szik, hogy az Ax = b egyenletrendszer pontosan akkor old-
ható meg, ha a b vektor el˝ oáll az A oszlopvektorainak line-
áris kombinációjaként, ugyanis
b = Ax =

a
1
. . . a
n

x = a
1
x
1
+· · · +a
n
x
n
.
A megoldás épp e lineáris kombináció konstansainak meg-
keresését jelenti.
D A csupa zéruselemb˝ ol álló O mátrixot zérusmátrixnak ne-
vezzük. Egységmátrix az a négyzetes – azaz n×n típusú – I,
ill. I
n
mátrix, melynek f˝ oátlójában csupa 1 áll, a többi helyen
csupa 0. A csupa 1-esb˝ ol álló J mátrixot csupa-1-mátrixnak
nevezzük.
T M˝ uveleti azonosságok: Az alábbi azonosságok úgy érten-
d˝ ok, hogy ha az egyenl˝ oségjel bal oldalán álló m˝ uvelet el-
végezhet˝ o, akkor a jobb oldalán álló is, és a két kifejezés
egyenl˝ o. (O a megfelel˝ o méret˝ u zérusmátrixot, I az egység-
mátrixot jelöli.)
A+B = B+A, A+ (B+C) = (A+B) +C,
O+A = A, A+ (−A) = O,
A(BC) = (AB)C,
IA = A, AI = A,
A(B+C) = AB +AC, (A+B)C = AC +BC,
A(cB) = (cA)B = c(AB), 0A = O
c(A+B) = cA+ cB, (c + d)A = cA+ dA,
(A
T
)
T
= A, (cA)
T
= cA
T
,
(A+B)
T
= A
T
+B
T
, (AB)
T
= B
T
A
T
K Vektor mátrixszal való szorzásának linearitása: Legyen A
m×n-es mátrix, és legyen x és y két tetsz˝ oleges R
n
-beli
vektor, ekkor fönnáll az alábbi két összefüggés:
1. A(cx) = c(Ax)
2. A(x +y) = Ax +Ay.
K A lineáris kombináció megtartása: Legyen A m×n-es
mátrix, és legyenek x
1
, . . . x
k
tetsz˝ oleges R
n
-beli vektorok.
Ekkor bármely c
1
, . . . , c
k
∈ R számokkal fönnáll az alábbi
összefüggés:
A(c
1
x
1
+· · · + c
k
x
k
) = c
1
Ax
1
+· · · + c
k
Ax
k
.
Inverz
D Azt mondjuk, hogy az n × n-es A mátrix invertálható, ha
létezik olyan B mátrix, hogy AB = BA = I, ahol I az
n ×n-es egységmátrix. Az A mátrix inverzét A
−1
jelöli. A
nem invertálható mátrixot szingulárisnak nevezzük.
M Világos, hogy ha A inverze B, akkor B inverze A.
12.T Ha a négyzetes A mátrixhoz létezik olyan ugyancsak négy-
zetes B és C mátrix, hogy AB = CA = I, akkor B = C.
Ennek következménye, hogy egy mátrixnak legföljebb csak
egy inverze lehet.
B C = CI = C(AB) = (CA)B = IB = B.
13.T A négyzetes A mátrix pontosan akkor invertálható, ha elemi
sorm˝ uveletekkel az azonos méret˝ u I egységmátrixba alakít-
ható. Azok a sorm˝ uveletek, melyek A-t I-be viszik, az I-t
A
−1
-be transzformálják.
B Az A sorainak, ill. oszlopainak számát jelölje n. Tekint-
sük azt az n egyenletrendszerb˝ ol álló szimultán egyenlet-
rendszert, melynek együtthatómátrixa A, jobb oldalán pe-
dig az egységmátrix áll. Ennek megoldása az AX = I
mátrixegyenlet megoldásával ekvivalens. Ezt úgy végezzük,
hogy a szimultán egyenletrendszer kib˝ ovített mátrixát, azaz
az [A|I] mátrixot redukált sorlépcs˝ os alakra hozzuk. Meg-
mutatjuk, hogyha ez [I|B] alakú, akkor B az A inverze.
Mivel B az AX = I egyenlet megoldása, ezért AB = I
fennáll. Meg kell még mutatnunk, hogy a BA = I mátrix-
egyenl˝ oség is igaz. Ehhez tekintsük a szimultán BY = I
egyenletet. Ennek megoldásához a [B|I] mátrixot kell sor-
lépcs˝ os alakra hozni. Ez biztosan lehetséges, hisz ha az
[A|I] ∼ · · · ∼ [I|B] átalakítás lépéseit fordított sorrendben
végezzük el az [I|B] helyett a két részmátrix fölcserélésével
kapott [B|I] mátrixon, akkor az [I|A] mátrixot kell kapnunk,
ami azt jelenti, hogy Y = A a megoldás, azaz BA = I.
Meg kell még mutatnunk, hogy ha az [A|I] mátrix redukált
sorlépcs˝ os alakjában a bal oldal nem az egységmátrix, ak-
kor az AX = I egyenletnek nincs megoldása. Ha a sorlép-
cs˝ os alaknak van olyan sora, amely a bal oldalon csupa 0-ból
áll, de a jobb oldalon van nem-0 elem is, akkor a szimul-
tán egyenletrendszernek nincs megoldása. Az az eset pedig,
hogy végtelen sok megoldása legyen, azaz hogy a sorlépcs˝ os
alaknak legyen 0-sora, nem fordulhat el˝ o, hisz ha A-nak van
inverze, azaz ha AX = I megoldható, akkor csak egyetlen
megoldása van, mint azt az el˝ oz˝ o tételben beláttuk.
T Az A =

a b
c d

mátrix pontosan akkor invertálható, ha ad −
bc = 0, azaz ha a

a b
c d

determináns nem 0, és ekkor
A
−1
=
¸
a b
c d

−1
=
1

a b
c d

¸
d −b
−c a

.
B Azt, hogy az A mátrixnak valóban a fenti mátrix az in-
verze, egyszer˝ u mátrixszorzással ellen˝ orizhetjük. Azt, hogy
8
az ad − bc = 0 feltétel az invertálhatóságnak elégséges fel-
tétele, a képlet bizonyítja. Azt, hogy szükséges feltétele is,
úgy lehet bizonyítani, ha észrevesszük, hogy ad − bc = 0,
azaz ad = bc pontosan akkor áll fenn, ha Aegyik sora a má-
sik skalárszorosa. Ekkor ugyanis az egyik sor kinullázható,
vagyis az Amátrix nem alakítható elemi sorm˝ uveletekkel az
egységmátrixba.
P Elemi sorm˝ uveletekkel kiszámítjuk egy mátrix inverzét (ki-
cseréljük az els˝ o és harmadik sort (S
1
↔ S
3
), a harmadik-
hoz adjuk az els˝ o −2-szeresét (−2S
1
→ S
3
), a második
és harmadik sor cseréje után a második −5-szörösét a har-
madikhoz adjuk (S
2
↔ S
3
, −5S
2
→ S
3
), a harmadik sor
−3-szorosát az els˝ ohöz adjuk (−3S
3
→ S
1
), a második sor
−2-szeresét az els˝ ohöz adjuk (−2S
2
→ S
1
)):
2
4
2 5 6 1 0 0
0 5 1 0 1 0
1 2 3 0 0 1
3
5

2
4
1 2 3 0 0 1
0 5 1 0 1 0
2 5 6 1 0 0
3
5

2
4
1 2 3 0 0 1
0 5 1 0 1 0
0 1 0 1 0 −2
3
5

2
4
1 2 3 0 0 1
0 1 0 1 0 −2
0 0 1 −5 1 10
3
5

2
4
1 2 0 15 −3 −29
0 1 0 1 0 −2
0 0 1 −5 1 10
3
5

2
4
1 0 0 13 −3 −25
0 1 0 1 0 −2
0 0 1 −5 1 10
3
5
Tehát
2
4
2 5 6
0 5 1
1 2 3
3
5
−1
=
2
4
13 −3 −25
1 0 −2
−5 1 10
3
5
.
T Az inverz algebrai tulajdonságai: Legyen A invertálható,
ekkor
1. A
−1
is invertálható, és (A
−1
)
−1
= A.
2. nemnegatív egész n esetén A
n
is invertálható, és
(A
n
)
−1
= A
−n
= (A
−1
)
n
.
3. tetsz˝ oleges c = 0 konstansra (cA)
−1
= c
−1
A
−1
.
4. ha A és B azonos méret˝ u invertálható mátrixok, akkor
szorzatuk is invertálható, és
(AB)
−1
= B
−1
A
−1
.
T Ha A négyzetes mátrix, akkor az Ax = b egyenletrendszer
pontosan akkor oldható meg egyértelm˝ uen, ha A invertál-
ható, és ekkor a megoldás x = A
−1
b. Hasonlóképp a szi-
multán AX = B egyenletrendszer pontosan akkor oldható
meg egyértelm˝ uen, ha A invertálható, és ekkor a megoldás
X = A
−1
B.
M˝ uveletek speciális alakú mátrixokkal
T Diagonális és háromszög alakú mátrixok
1. Diagonális mátrixok összege, skalárszorosa, szorzata,
inverze diagonális.
2. Fels˝ o háromszögmátrixok összege, skalárszorosa,
szorzata, inverze fels˝ o háromszögmátrix.
3. Fels˝ o háromszögmátrix (s így a diagonális mátrix is)
pontosan akkor invertálható, ha f˝ oátlójában egyik elem
sem zérus.
4. Diagonális mátrix pozitív egészkitev˝ os hatványára a
következ˝ o összefüggés áll fenn:

d
1
0 . . . 0
0 d
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . d
n
¸
¸
¸
¸
¸
k
=

d
k
1
0 . . . 0
0 d
k
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . d
k
n
¸
¸
¸
¸
¸
Az összefüggés negatív k-ra is fennáll, ha a mátrix in-
vertálható, azaz ha egyik f˝ oátlóbeli eleme sem 0.
M A definíció alapján nyilvánvaló, hogy a négyzetes A mát-
rix pontosan akkor szimmetrikus, ha A = A
T
, és pontosan
akkor ferdén szimmetrikus, ha A = −A
T
.
T Szimmetrikus mátrixok szorzata pontosan akkor szimmetri-
kus, ha a mátrixok felcserélhet˝ ok.
B Ha A és B szimmetrikus, azaz A
T
= A és B
T
= B, akkor
(AB)
T
= B
T
A
T
= BA, így (AB)
T
= AB pontosan
akkor áll fenn, ha AB = BA.
T Minden négyzetes mátrix felbontható egy szimmetrikus és
egy ferdén szimmetrikus mátrix összegére, nevezetesen
A =
1
2
(A+A
T
) +
1
2
(A−A
T
)
B A+A
T
szimmetrikus, mert (A+A
T
)
T
= A
T
+(A
T
)
T
=
A
T
+A = A+A
T
, így
1
2
(A+A
T
) is szimmetrikus. Ha-
sonlóan bizonyítható, hogy
1
2
(A−A
T
) ferdén szimmetrikus,
összegük pedig nyilván A.
M A blokkmátrixok közti összeadás és szorzás m˝ uveletek úgy
végezhet˝ ok, mintha a blokkok helyén számok állnának. Pél-
dául ha A, B, C és D rendre 2 × 2, 2 × 1, 1 × 2, 1 × 1
méret˝ uek, és hasonlóképp az A

, B

, C

és D

, akkor
¸
A B
C D

·
¸
A

B

C

D

=
¸
AA

+BC

AB

+BD

CA

+DC

CB

+DD

M Egy négyzetes blokkmátrixot blokkdiagonálisnak nevezünk,
ha a f˝ oátlójában négyzetes mátrixok vannak, a többi nullmát-
rix. Ha egy blokkdiagonális mátrix f˝ oátlójában lév˝ o mátri-
xok nem szingulárisak, akkor a mátrix invertálható:

A
1
O . . . O
O A
2
. . . O
.
.
.
.
.
.
.
.
.
.
.
.
O O . . . A
n
¸
¸
¸
¸
¸
−1
=

A
−1
1
O . . . O
O A
−1
2
. . . O
.
.
.
.
.
.
.
.
.
.
.
.
O O . . . A
−1
n
¸
¸
¸
¸
¸
.
9
R
n
tér alterei
Az altér fogalma
14.D Azt mondjuk, hogy az L ⊆ R
n
nem üres vektorhalmaz az
R
n
vektortér lineáris altere, vagy egyszer˝ uen altere, ha L-
b˝ ol bárhogy kiválasztva véges sok a
1
, . . . , a
k
vektort, azok
minden lineáris kombinációja is L-ben lesz.
M Könnyen látható, hogy a nem üres L vektorhalmaz pontosan
akkor lineáris altér, ha tetsz˝ oleges a, b ∈ L vektor és tet-
sz˝ oleges c
1
, c
2
∈ R valós szám esetén c
1
a + c
2
b ∈ L. E
feltétellel ekvivalens az alábbi kett˝ o:
1. tetsz˝ oleges a, b ∈ L vektorok esetén a +b ∈ L,
2. tetsz˝ oleges a ∈ L vektor és c ∈ R valós szám esetén
ca ∈ L.
P a. A zérusvektorból álló L = {0} halmaz és az L = R
n
halmaz egyaránt alterek. Ezeket triviális altereknek ne-
vezzük.
b. Az R
2
nemtriviális alterei azok a vektorhalmazok,
amelyekben a vektorok végpontjai egy origón átmen˝ o
egyenesen vannak. Ilyen altérhez úgy jutunk, ha
vesszük egy nem-0-vektor összes skalárszorosát. R
3
nemtriviális alterei olyan vektorokból állnak, melyek
végpontjai vagy egy origón áthaladó egyenesen, vagy
egy origón áthaladó síkon vannak.
Képtér, magtér
15.D Legyen A
m×n
egy valós elem˝ u mátrix. Tekintsük a követ-
kez˝ o T
A
függvényt:
T
A
: R
n
→R
m
: x → Ax.
Ezt a T
A
függvényt az A mátrixhoz tartozó leképezésnek
nevezzük. E leképezés értelmezési tartománya R
n
, érték-
készlete pedig R
m
része, melyet szokás T
A
képterének is
nevezni. A T
A
által a 0 vektorba képezett vektorok halmazát
a T
A
leképezés magterének nevezzük. Az A mátrix magte-
rén és képterén a hozzá tartozó T
A
leképezés magterét és
képterét értjük.
M Az Ax = b egyenletrendszer pontosan akkor oldható meg,
ha b az A képterében van. A homogén lineáris Ax = 0
egyenletrendszer megoldásai az A magterét alkotják.
16.T Homogén lineáris egyenletrendszer megoldásainak minden
lineáris kombinációja megoldás, azaz másként fogalmazva
az A
m×n
x
n×1
= 0
m×1
egyenletrendszer megoldásai az R
n
tér egy lineáris alterét alkotják, vagyis a magtér az R
n
altere.
B A magtér nem üres, hisz a 0-vektor benne van. Másrészt, ha
x és y megoldás, azaz Ax = 0 és Ay = 0, akkor A(c
1
x +
c
2
y) = c
1
Ax + c
2
Ay = 0 +0 = 0.
17.T Az A
m×n
mátrix képtere az R
m
egy lineáris altere. Más-
ként fogalmazva: azok a b vektorok, melyekre az Ax = b
egyenletrendszer megoldható, alteret alkotnak R
m
-ben.
B Legyen b
1
és b
2
a képtér két tetsz˝ oleges vektora, azaz lé-
tezik olyan x és y vektor, hogy Ax = b
1
és Ay = b
2
.
Legyen c
1
, c
2
∈ R két tetsz˝ oleges szám. Ekkor A(c
1
x +
c
2
y) = c
1
Ax + c
2
Ay = c
1
b
1
+ c
2
b
2
, tehát c
1
b
1
+ c
2
b
2
is A képterében van. Nyilvánvaló, hogy a képtér nem üres,
hisz az értelmezési tartomány minden vektorának van képe.
Tehát a képtér R
m
altere.
A megoldások terei
18.T Az Ax = b egyenletrendszer összes megoldását megkapjuk,
ha egyetlen megoldásához hozzáadjuk a homogén Ax = 0
egyenletrendszer összes megoldását.
B El˝ oször megmutatjuk, hogy ha az inhomogén egyenletrend-
szer egy megoldásához hozzáadjuk a homogén bármelyik
megoldását, az inhomogén egy megoldását kapjuk. Legyen
x
0
az inhomogén, y a homogén egy tetsz˝ oleges megoldása,
akkor x
0
+ y az inhomogén egy megoldását adja, ugyanis
A(x
0
+y) = Ax
0
+Ay = b +0 = b.
Ezután megmutatjuk, hogy ha x
0
az inhomogén egy rög-
zített megoldása, x
1
pedig egy tetsz˝ oleges megoldása, ak-
kor létezik olyan y megoldása a homogén egyenletrendszer-
nek, melyre x
1
= x
0
+ y. Nem meglep˝ o módon legyen
y := x
1
−x
0
. Meg kell mutatnunk, hogy y megoldása a ho-
mogén egyenletrendszernek. Mivel x
1
és x
2
az inhomogén
egyenletrendszer megoldásai, azaz Ax
0
= b és Ax
1
= b,
ezért Ay = A(x
1
−x
0
) = Ax
1
−Ax
0
= b−b = 0, tehát
az y vektor megoldása a homogén egyenletrendszernek.
M Összefoglalva: Az Ax = 0 homogén lineáris egyenletrend-
szer összes megoldása alteret alkot. Az Ax = b egyenlet-
rendszer összes megoldása nem alkot alteret, ha b = 0, vi-
szont egy altér eltoltja. Ez az altér épp az egyenletrendszer-
hez tartozó Ax = 0 homogén egyenletrendszer megoldása-
inak altere. Eszerint a kétismeretlenes Ax = b egyenlet-
rendszer megoldásainak vektorhalmaza b = 0 esetén vagy
üres, vagy a sík egy origótól különböz˝ o vektorából, vagy egy
origón nem áthaladó egyenes pontjaiba mutató vektorokból
áll.
Bázis, dimenzió
D Tekintsük az R
n
tér egy L alterét, és annak a
1
, . . . , a
k
∈ L
vektorait. Tudjuk, hogy e vektorok összes lineáris kombiná-
ciója alteret alkot. Azt mondjuk, hogy az a
1
, . . . , a
k
vekto-
rok kifeszítik az L alteret, ha összes lineáris kombinációjuk
altere megegyezik L-lel.
D Legyen adva az R
n
valamely L alterében egy B =
{a
1
, a
2
, . . . , a
n
} vektorrendszer. Azt mondjuk, hogy B bá-
zis L-ben, ha B elemei lineárisan függetlenek, és kifeszítik
L-et.
P Példák bázisra:
1. Az e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0),. . . e
n
=
(0, 0, . . . , 1), vektorok bázist alkotnak R
n
-ben. Ezt ne-
vezzük R
n
standard bázisának.
10
2. A 9. példabeli x+y +z = 0 egyenletb˝ ol álló egyenlet-
rendszer megoldásai terének a (−1, 1, 0) és a (−1, 0, 1)
vektorok bázisát alkotják. Ez egyúttal azt is jelenti,
hogy az x + y + z = 0 egyenlet˝ u sík vektorainak terét
e két vektor kifeszíti.
3. Az R
2
sík 3x − 4y = 0 egyenlet˝ u egyenesének vekto-
rai alteret alkotnak R
2
-ben. Ennek egy bázisa a (4, 3)
vektorból álló vektorrendszer.
T R
n
egy L alterének bármely két bázisa azonos számú vek-
torból áll.
D Az L altér dimenzióján valamely bázisának elemszámát ért-
jük. Az L dimenzióját dim(L) jelöli.
T 1. Ha L n-dimenziós, és B = {a
1
, a
2
, . . . , a
n
} lineárisan
független L-beli vektorokból áll, akkor B bázis L-ben.
2. Ha L n-dimenziós, és B = {a
1
, a
2
, . . . , a
n
} kifeszíti
V -t, akkor B bázis.
Sortér, oszloptér, rang
D Az m×n-es Amátrix n-dimenziós sorvektorai által kifeszí-
tett teret az Asorterének, míg az m-dimenziós oszlopvekto-
rok által kifeszített teret A oszlopterének nevezzük.
19.T a. Elemi sorm˝ uveletek közben a sortér nem változik.
b. Egy mátrix sorlépcs˝ ossé transzformált alakjának nem-
zérus vektorai a sortér egy bázisát adják.
20.T a. Elemi sorm˝ uveletek közben az oszlopvektorok közötti
lineáris összefügg˝ oségek nem változnak.
b. Egy mátrixnak azok az oszlopai, amelyekbe a sorlép-
cs˝ os alakra hozás közben vezet˝ o egyes kerül, az oszlop-
vektorok egy maximális lineárisan független rendszerét
adják, azaz e vektorok kifeszítik az oszlopteret.
P a) Tekintsük az (1, 1, 1, 4), (1, 1, −1, 2), (2, 2, 0, 6),
(0, 0, 2, 2) vektorokat. Határozzuk meg egy bázisát az
általuk kifeszített altérnek!
b) Tekintsük az (1, 1, 2, 0), (1, 1, 2, 0), (1, −1, 0, 2),
(4, 2, 6, 2) vektorokat! Válasszunk ki e vektorok közül egy
maximális lineárisan független rendszert!
Mindkét feladat egyetlen mátrix sorlépcs˝ os alakra hozásával
megoldható, hisz ugyanannak a mátrixnak az a)-beli vekto-
rok sorvektorai, a b)-beli vektorok oszlopvektorai.

1 1 1 4
1 1 −1 2
2 2 0 6
0 0 2 2
¸
¸
¸
¸

1 1 1 4
0 0 −2 −2
0 0 −2 −2
0 0 2 2
¸
¸
¸
¸

1 1 0 3
0 0 1 1
0 0 0 0
0 0 0 0
¸
¸
¸
¸
Az el˝ oz˝ o két tétel szerint tehát az a)-beli vektorok által ki-
feszített tér egy bázisa (1, 1, 0, 3), (0, 0, 1, 1); a b)-beli vek-
torok közt az els˝ o és harmadik vektor maximális független
rendszert alkot!
T Egy mátrix sorterének és oszlopterének dimenziója mindig
megegyezik.
D Egy vektorrendszer rangján a vektorok által kifeszített altér
dimenzióját értjük, míg egy mátrix rangján a sorvektorai ál-
tal kifeszített tér, vagyis a sortér dimenzióját. Egy A mátrix
rangját rang(A), míg az {a
1
, . . . , a
m
} vektorrendszer rang-
ját rang(a
1
, . . . , a
m
) jelöli.
21.T Legyen A
m×n
egy tetsz˝ oleges mátrix, az általa generált le-
képezést jelölje T
A
, A sorvektorainak rendszerét jelölje S,
oszlopvektorainak rendszerét O. Az alábbi állítások ekviva-
lensek:
1. rang(S) = r;
2. rang(O) = r;
3. rang(A) = r;
4. az S-b˝ ol kiválasztható lineárisan független vektorok
számának maximuma r;
5. az O-ból kiválasztható lineárisan független vektorok
számának maximuma r;
6. A sorterének dimenziója r;
7. A oszlopterének dimenziója r;
8. T
A
képterének dimenziója r;
22.T Egyenletrendszer megoldhatósága és az oszloptér:
a) Az Ax = b egyenletrendszer pontosan akkor oldható
meg, ha a b vektor benne van az A mátrix oszlopteré-
ben.
b) Az Ax = b egyenletrendszer pontosan akkor oldható
meg, ha A és

A b

oszloptere azonos.
c) Az Ax = b egyenletrendszer pontosan akkor oldható
meg, ha rang(A) = rang(

A b

).
d) Az Ax = b egyenletrendszer pontosan ak-
kor oldható meg egyértelm˝ uen, ha rang(A) =
rang(

A b

) = n, ahol n az ismeretlenek száma.
e) A homogén Ax = 0 egyenletrendszer mindig meg-
oldható, hisz mindig megoldás az x = 0, azaz a trivi-
ális megoldás. E homogén lineáris egyenletrendszer-
nek pontosan akkor van nem-triviális megoldása, ha
rang(A) < n (n az ismeretlenek száma).
B Az a) abból következik, hogy Ax az oszlopainak egy line-
áris kombinációja. b) ekvivalens a)-val, c) és d) a redukált
sorlépcs˝ os alakra hozás következménye. e) a d) következmé-
nye.
23.T Ha A egy m×n-es mátrix, rangja k, akkor
1. T
A
magterének dimenziója n −k,
2. A sorlépcs˝ os alakjában k nemzérus sor és m−k zérus
sor van,
3. A sorlépcs˝ os alakjában k vezet˝ o 1-es van,
4. az Ax = 0 egyenletrendszer megoldásában k kötött és
n − k szabad változó van.
K Ha A egy m×n-es mátrix, tehát T
A
: R
n
→R
m
, akkor T
A
magtere és képtere dimenziójának összege n.
11
Mátrixokon értelmezett függvények
A determináns fogalma és tulajdonságai
M A 2×2-es, illetve a 3×3-as determináns értéke megegyezik a
sorvektorai által kifeszített paralelogramma el˝ ojeles területé-
vel, illetve paralelepipedon el˝ ojeles térfogatával. Az el˝ ojeles
térfogat 4 fontos tulajdonságát felhasználva általánosítjuk e
fogalmat.
24.D Az R
n
standard bázisának elemeit jelölje e
i
(i = 1, . . . , n).
Legyenek a
1
, a
2
, . . . a
n
∈ R
n
tetsz˝ oleges vektorok. E vek-
torok által kifeszített paralelepipedon el˝ ojeles térfogatán egy
olyan n-dimenziós vektor-n-eseken értelmezett valós érték˝ u
V függvényt értünk, melyre
(1) V (e
1
, e
2
, . . . , e
n
) = 1 (az egységkocka térfogata 1);
(2) V (a
1
, . . . , ca
i
, . . . , a
n
) = cV (a
1
, . . . , a
i
, . . . , a
n
);
(3) V (a
1
, . . . , a

i
, . . . , a
n
) + V (a
1
, . . . , a
∗∗
i
, . . . , a
n
) =
V (a
1
, . . . , a

i
+a
∗∗
i
, . . . , a
n
);
(4) V (. . . , a
i
, . . . , a
j
, . . . ) = −V (. . . , a
j
, . . . , a
i
, . . . ).
T Egyetlen olyan függvény van, mely a fenti tulajdonságokat
teljesíti.
D Egy n ×n-es mátrix determinánsán a sorvektorai által kife-
szített paralelepipedon el˝ ojeles térfogatát értjük. Jelölése:

a
1
.
.
.
a
n

=

a
11
a
12
. . . a
1n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn

D Tekintsük a négyzetes A = [a
ij
]
n×n
mátrixot! Az a
ij
elem-
hez tartozó aldeterminánson az i-edik sor és a j-edik oszlop
elhagyásával kapott (n−1)×(n−1)-es mátrix determinánsát
értjük. Jelölje A
ij
az a
ij
-hez tartozó aldetermináns (−1)
i+j
-
szeresét, amit az a
ij
-hez tartozó el˝ ojeles aldeterminánsnak
nevezünk.
M A következ˝ okben összefoglaljuk a determinánsok tulajdon-
ságait, köztük megismételjük azokat, melyeket a 24.D defi-
nícióban adtunk meg, és azokat is, melyek ezekb˝ ol levezet-
het˝ ok.
25.T A determináns tulajdonságai: A továbbiakban n jelöli a de-
termináns sorainak számát, Aés Bis egy-egy n×n-es mát-
rixot jelöl.
A. A determináns és az elemi sorm˝ uveletek
1. Ha a determináns két sorát felcseréljük, értéke −1-
szeresére változik (24.D (4)).
2. Ha egy sor helyébe annak konstansszorosát írjuk, a
determináns értéke is ugyanannyiszorosára változik
(24.D (2)).
3. Ha a determináns egyik sorához egy másik sorának
konstansszorosát adjuk, értéke nem változik.
B. Determináns sorai és oszlopai
1. Ha a determinánst f˝ oátlóján tükrözzük, értéke nem vál-
tozik, azaz det(A) = det(A
T
).
2. A determináns sorain végzett elemi átalakítások azonos
szabályok mellett az oszlopokon is elvégezhet˝ ok.
C. Speciális alakú determinánsok értékének kiszámítása
1. Az egységmátrix determinánsa 1 (24.D (1)).
2. Ha a f˝ oátló alatt csupa zérus áll, akkor a determináns
értéke a f˝ oátlóbeli elemek szorzata.
3. Ha egy determinánsnak minden sorában és oszlopában
pontosan egy nemnulla eleme van, akkor értéke meg-
egyezik ezeknek az elemeknek a szorzatával, vagy an-
nak ellentettjével attól függ˝ oen, hogy e determináns pá-
ros vagy páratlan számú sorcserével hozható diagonális
alakra.
D. Determináns felbontása
1. Ha az i-edik sorban csupa kéttagú összeg szerepel, ak-
kor a determináns egyenl˝ o annak a két determinánsnak
az összegével, amelyek i-edik sorában e kéttagú össze-
gek els˝ o, illetve második tagja áll, minden más soruk
pedig megegyezik az eredeti determinánséval (24.D
(3)).
2. Tekintsük azokat a determinánsokat, melyeket úgy ka-
punk az eredetib˝ ol, hogy kiválasztunk n elemet, me-
lyek közül semelyik kett˝ o sincs egy sorban vagy osz-
lopban, a többit pedig 0-val helyettesítjük. Minden de-
termináns felbomlik az összes ilyen módon kreált de-
termináns összegére.
3. Lényegében az el˝ oz˝ ovel azonos tartalmú az alábbi
felbontás: tekintsük a determináns elemeib˝ ol kép-
zett összes olyan a
1i1
a
2i2
. . . a
nin
szorzatot, ahol
i
1
, i
2
, . . . , i
n
az 1, 2, . . . , n számok egy permutáci-
ója. Szorozzuk meg e szorzatot −1-gyel, ha az
(i
1
, i
2
, . . . , i
n
) permutáció az 1, 2, . . . , n-b˝ ol páratlan
sok elempár cseréjével kapható meg. Az így kapott
szorzatok összege megegyezik a determináns értéké-
vel.
4. Kifejtési tétel: A determináns értéke bármely sora vagy
oszlopa szerint „kifejtve” meghatározható:
det(A) = a
i1
A
i1
+ a
i2
A
i2
+· · · + a
in
A
in
= a
1j
A
1j
+ a
2j
A
2j
+ · · · + a
nj
A
nj
ahol i, j = 1, 2, . . . , n, és A
ij
az a
ij
elemhez tartozó
el˝ ojeles aldetermináns.
5. Ferde kifejtési tétel: Ha egy determináns egy sorának
(oszlopának) minden elemét egy másik sor (oszlop)
elemeihez tartozó el˝ ojeles aldeterminánssal szorozzuk
meg, és ezeket adjuk össze, 0-t kapunk eredményül:
a
i1
A
k1
+ a
i2
A
k2
+· · · + a
in
A
kn
= 0,
a
1j
A
1k
+ a
2j
A
2k
+· · · + a
nj
A
nk
= 0.
ahol k = i, illetve k = j.
12
E. Determináns értékének zérus volta
1. Ha a determináns egyik sorának minden eleme zérus,
akkor a determináns értéke is zérus.
2. Ha a determináns egyik sora a másiknak konstansszo-
rosa, akkor a determináns értéke zérus.
3. A determináns értéke pontosan akkor zérus, ha sorvek-
torai lineárisan összefügg˝ oek.
F. További algebrai tulajdonságok
1. det(kA) = k
n
det(A), (k ∈ R),
2. det(AB) = det(A) det(B),
3. det(A
m
) = (det(A))
m
, (m ∈ N),
4. Ha A invertálható, akkor det(A
−1
) =
1
det(A)
.
P Vandermonde-determináns: A v
1
, v
2
,. . . v
n
számokból kép-
zett n×n-es Vandermonde-determinánsonazt a determinánst
értjük, melynek oszlopaiban e számok hatványai vannak 0-
tól n −1-ig. E determináns és értéke:

1 v
1
v
2
1
. . . v
n−1
1
1 v
2
v
2
2
. . . v
n−1
2
.
.
.
.
.
.
.
.
.
.
.
.
1 v
n
v
2
n
. . . v
n−1
n

=
¸
1≤i<j≤n
(v
j
−v
i
)
A Vandermonde-determináns értékének kiszámítását egy 3×
3-as determinánson mutatjuk be. A módszer n × n-esre ha-
sonlóan megy. El˝ oször vonjuk ki az utolsó oszlopból az
utolsó el˝ otti v
1
-szeresét, majd az utolsó el˝ otti oszlopból az
azt megel˝ oz˝ o v
1
-szeresét, stb. Ezután kifejtjük az els˝ o sora
szerint. Az így kapott kisebb méret˝ u determináns els˝ o so-
rából kiemeljük a v
2
− v
1
, második sorából a v
3
− v
1
,. . .
kifejezéseket. Amit kapunk, az ismét egy Vandermonde-
determináns. Ugyanígy folytatjuk.

1 v
1
v
2
1
1 v
2
v
2
2
1 v
3
v
2
3

=

1 v
1
0
1 v
2
v
2
2
−v
1
v
2
1 v
3
v
2
3
−v
1
v
3

=

1 0 0
1 v
2
−v
1
v
2
2
−v
1
v
2
1 v
3
−v
1
v
2
3
−v
1
v
3

=

v
2
−v
1
v
2
2
−v
1
v
2
v
3
−v
1
v
2
3
−v
1
v
3

= (v
2
−v
1
)(v
3
−v
1
)

1 v
2
1 v
3

= (v
2
−v
1
)(v
3
−v
1
)(v
3
−v
2
).
T Egy négyzetes mátrix pontosan akkor invertálható, ha deter-
minánsa nem 0. Ha A invertálható, akkor
A
−1
=
1
det(A)
[A
ij
]
T
vagyis az inverz az A
ij
el˝ ojeles aldeterminánsokból kép-
zett mátrix transzponáltjának a determináns reciprokával vett
szorzata.
B A tétel egyszer˝ u következménye a determinánsok tulajdon-
ságai közt felsorolt kifejtési tételnek. Szorozzuk meg az A
mátrixot a fenti kifejezéssel:

1
det(A)
[A
ij
]
T
=
1
det(A)
[a
ij
][A
ij
]
T
Az [a
ij
] mátrix i-edik sorának és az [A
ij
]
T
mátrix j-edik
oszlopának skalárszorzata
¸
n
k=1
a
ik
A
jk
, ami i = j esetén
det(A), egyébként 0, és épp ezt akartuk bizonyítani.
26.K Legyen az A négyzetes mátrix. Az Ax = 0 homogén li-
neáris egyenletrendszernek pontosan akkor van nem-triviális
megoldása, ha det(A) = 0 (ugyanis rangja ekkor kisebb,
mint az oszlopainak száma).
Cramer-szabály
M Tekintsük az alábbi egyenletrendszert:
ax + cy = e
bx + dy = f
Ez ekvivalens az (a, b)x+(c, d)y = (e, f) vektoregyenlettel.
Az egyenletrendszernek a megoldása tehát annak a kérdés-
nek a megválaszolásával ekvivalens, hogy az (a, b) és (c, d)
melyik lineáris kombinációja egyenl˝ o az (e, f) vektorral. Te-
kintsük az alábbi ábrát, mely konkrétan a
3x + 2y = 7
x + 4y = 4
egyenletrendszert szemlélteti, ahol (a, b) = (3, 1), (c, d) =
(2, 4) és (e, f) = (7, 4).
(a,b)=(3,1)
(c,d)=(2,4) (e,f)=(7,4)
Könnyen ellen˝ orizhet˝ o, hogy x = 2 és y =
1
2
a megoldás. Ez
megkapható a következ˝ o módon: az (e, f) vektor csúcsában
párhuzamost húzunk a (c, d) vektor egyenesével. Ez az (a, b)
vektor egyenesét olyan pontban metszi, hogy az ide mutató
vektor épp az (a, b) irányú összetev˝ o. Az ábráról leolvas-
ható, hogy e vektornak az (a, b) vektorral való aránya (azaz
a megoldás x-értéke), megegyezik az (e, f) és (c, d) által
kifeszített paralelogramma és az (a, b) és (c, d) által kifeszí-
tett paralelogramma területeinek arányával. Hasonlóképpen
kapható meg az y értéke is:
(c,d)
(e,f)
(a,b)
(c,d)
(a,b)
(e,f)
13
Az el˝ ojeles területeket determinánssal felírva tehát azt kap-
juk, hogy
x =

e c
f d

a c
b d

és y =

a e
b f

a c
b d

.
Ennek általánosítása többismeretlenes egyenletrendszerekre
a következ˝ o:
27.T Cramer-szabály: Ha az n-ismeretlenes Ax = b egyenlet-
rendszer n egyenletb˝ ol áll, azaz A n ×n-es, és B
i
jelöli azt
a mátrixot, melyet A-ból úgy kapunk, hogy i-edik oszlop-
vektorát kicseréljük a b vektorra, akkor az egyenletrendszer
megoldása
x
1
=
det(B
1
)
det(A)
, x
2
=
det(B
2
)
det(A)
, . . . x
n
=
det(B
n
)
det(A)
.
B Mivel
x = A
−1
b =
1
det(A)

A
11
A
21
. . . A
n1
A
12
A
22
. . . A
n2
.
.
.
.
.
.
.
.
.
.
.
.
A
1n
A
2n
. . . A
nn
¸
¸
¸
¸
¸

b
1
b
2
.
.
.
b
n
¸
¸
¸
¸
¸
,
ezért
x
i
=
A
1i
b
1
+ A
2i
b
2
+· · · + A
ni
b
n
det(A)
,
a számlálóban pedig épp B
i
determinánsa szerepel az i-edik
oszlopa szerinti kifejtésben.
Nyom
D A négyzetes A = [a
ij
]
n×n
mátrix nyomán f˝ oátlója elemei-
nek összegét értjük. A nyom, mint függvény jele tr. Tehát
tr(A) =
¸
n
i=1
a
ii
.
T A nyom tulajdonságai: Ha Aés Bn×n-es mátrixok, akkor
1. tr(A
T
) = tr(A)
2. tr(cA) = c tr(A)
3. tr(A+B) = tr(A) + tr(B)
4. tr(AB) = tr(BA)
Mátrixpolinomok
M Mátrixhoz mátrixot rendel˝ o függvények szoros kapcsolatba
hozhatók a valós függvényekkel. A legegyszer˝ ubb példa
a mátrixpolinomé, amelynek definiálása magától értet˝ od˝ o,
hisz négyzetes mátrix nemnegatív egész kitev˝ os hatványa,
skalárszorosa és összege is definiálva van.
T Ha A olyan négyzetes mátrix, melynek valamely m-edik
hatványára A
m
= O, akkor I −A invertálható, és
(I −A)
−1
= I +A+A
2
+· · · +A
m−1
.
T Ha A olyan négyzetes mátrix, melyben az elemek abszolút
értékének összege minden oszlopban (vagy sorban) kisebb,
mint 1, akkor I −A invertálható, és
(I −A)
−1
= I +A+A
2
+ . . . .
Lineáris leképezés
Az R
n
→R
m
lineáris leképezések
28.D Legyen V és W két olyan nemüres halmaz, melyek elemei
közt értelmezve van az összeadás és a valós skalárral való
szorzás m˝ uvelete. Az f : V → W leképezést lineáris leké-
pezésnek nevezzük, ha
1. f homogén, azaz bármely v ∈ V és c ∈ R esetén
f(cv) = cf(v);
2. f additív, azaz bármely u, v ∈ V esetén f(u + v) =
f(u) + f(v).
(Hasonlóan definiálható valós helyett komplex számtesttel is
a homogenitás olyan V és W halmazok esetén, ahol a komp-
lex számmal való szorzás is definiálva van.)
T Az el˝ oz˝ o definíció 1. és 2. pontja ekvivalens a következ˝ ovel:
3. bármely u, v ∈ V és c
1
, c
2
∈ R esetén f(c
1
u+c
2
v) =
c
1
f(u) + c
2
f(v).
P Példák lineáris leképezésre:
1. Jelölje V az [a, b] intervallumon differenciálható, W
az [a, b] intervallumon értelmezett függvények halma-
zát. A V → W : g → g

leképezés (a differenciálás
operátora) lineáris leképezés.
2. Legyen V az [a, b] intervallumon folytonos függvények
halmaza, és legyen W = R. A V → W : g →

b
a
g
leképezés lineáris.
3. Legyen V azon valós függvények halmaza, melyeknek
van határértékük az x
0
pontban. Legyen W = R. Az
a leképezés, mely minden függvényhez az x
0
pontbeli
határértékét rendeli, azaz a V → W : g → lim
x0
g
leképezés lineáris.
29.T a) Ha A egy m × n-es valós (komplex) elem˝ u mátrix,
akkor az T
A
: x → Ax leképezés egy R
n
-b˝ ol R
m
-be
(C
n
-b˝ ol C
m
-be) képez˝ o lineáris leképezés.
b) Ha f : R
n
→ R
m
egy lineáris leképezés, akkor van
olyan m× n-es A mátrix, hogy f = T
A
. Ez a mátrix
a bázistól függ˝ oen egyértelm˝ u. Ha R
n
egy bázisának
elemeit e
1
, e
2
,. . . e
n
jelöli, akkor
A =

f(e
1
) f(e
2
) . . . f(e
n
)

.
B a) azonnal következik a mátrixm˝ uveletek tulajdonságaiból,
ugyanis A(c
1
u + c
2
v) = c
1
Au + c
2
Av.
14
b) bizonyításához tegyük fel, hogy f lineáris leképezés. Le-
gyen x = x
1
e
1
+ x
2
e
2
+· · · + x
n
e
n
. Mivel f lineáris,
f(x) = f(x
1
e
1
+ x
2
e
2
+· · · + x
n
e
n
)
= x
1
f(e
1
) + x
2
f(e
2
) +· · · + x
n
f(e
n
)
=

f(e
1
) f(e
2
) . . . f(e
n
)

x
1
.
.
.
x
n
¸
¸
¸.
Az el˝ oállítás egyértelm˝ usége abból következik, hogy ha két
mátrix különböz˝ o, mondjuk az i-edik oszopukban különböz-
nek, akkor az általuk generált lineáris leképezések az e
i
vek-
tort máshová képzik, tehát azok is különböznek.
P Az origó körüli forgatás lineáris leképezés, melynek mátrixa
α szöggel való forgatás esetén:
¸
cos α −sinα
sin α cos α

x
y
(cos α, sin α)
(−sinα, cos α)
α
α
P Az origón átmen˝ o egyenesre való tükrözés lineáris leképe-
zés, melynek mátrixa, ha az egyenes az x-tengellyel α/2 szö-
get zár be:
¸
cos α sinα
sin α −cos α

A bizonyítás leolvasható az
alábbi ábráról:
x
y
(cos α, sin α)
(sin α, −cos α)
α
α
P Az origón átmen˝ o egyenesre való mer˝ oleges vetítés lineáris
leképezés, melynek mátrixa, ha az egyenes az x-tengellyel α
szöget zár be:
¸
cos
2
α sin αcos α
sin αcos α sin
2
α

A bizonyítás leolvasható az alábbi ábráról, hisz az ott látható
két derékszög˝ u háromszög befogóinak hossza cos α, illetve
sin α, és így például a cos α hosszú szakasz két tengelyvetü-
lete cos
2
α és cos αsin α hosszú.
x
y
α
(sin αcos α, sin
2
α)
(cos
2
α, sin αcos α)
P Mi a (5, 10) koordinátájú pontnak a 3x − 4y = 0 egyenlet˝ u
egyenesre való mer˝ oleges vetületének koordinátái?
Amegadott egyenes iránytangense tg α = 3/4, így irányszö-
gének szinusza és koszinusza is kiszámolható: sin α = 3/5,
cos α = 4/5. Innen a vetítés mátrixának és a pontba mutató
vektornak a szorzata:
¸
16
25
12
25
12
25
9
25
¸
¸
5
10

=
¸
8
6

Sajátérték, sajátvektor
D Azt mondjuk, hogy az n × n-es A mátrixnak (illetve az
A: R
n
→ R
n
lineáris leképezésnek) x ∈ R
n
nemzérus
vektor sajátvektora, ha megadható egy olyan λ ∈ R szám,
hogy Ax = λx (illetve A(x) = λx). E λ számot sajátér-
téknek nevezzük, az x vektort e sajátértékhez tartozó saját-
vektornak.
Adefiníció hasonlóan fogalmazható meg egy komplex elem˝ u
A mátrixra, illetve az A: C
n
→ C
n
lineáris leképezésre is,
ekkor x ∈ C
n
és λ ∈ C.
Egy A mátrix, illetve egy A: R
n
→ R
n
lineáris leképezés
sajátvektora az a vektor, amelyet a T
A
, illetve az A lineáris
leképezés a saját maga skalárszorosába visz. Ha egy v vek-
tor sajátvektor, akkor annak minden nemnulla skalárszorosa
is sajátvektor, ezért elég csak az ún. sajátirányokat meghatá-
rozni.
Egy sajátértékhez tartozó sajátvektorok a zérusvektorral
együtt alteret alkotnak, ezt sajátaltérnek nevezzük.
Gyakran el˝ ofordul, hogy bár A elemei valósak, azt mint C
feletti mátrixot tekintjük, és a komplex sajátértékeit és saját-
vektorait is vizsgáljuk.
D Aλ → det(A−λI) függvény λ polinomja, amit az Amátrix
karakterisztikus polinomjának nevezünk, a det(A−λI) = 0
egyenletet pedig az A karakterisztikus egyenletének.
30.T Legyen A egy n × n-es mátrix, λ egy adott szám. Ekkor a
következ˝ ok ekvivalensek:
(a) λ az A sajátértéke.
(b) A homogén lineáris (A − λI)x = 0 egyenletnek van
nemtriviális megoldása.
(c) λ megoldása a det(A − λI) = 0 karakterisztikus
egyenletnek.
B (a) ⇐⇒ (b): λ az A sajátértéke ⇐⇒ Ax = λx és x = 0
⇐⇒ Ax − λIx = 0 (x = 0) ⇐⇒ az (A − λI)x = 0
egyenletnek x nemtrivi megoldása.
(b) ⇐⇒ (c): az (A − λI)x = 0 homogén egyenletnek x
nemtriviális megoldása ⇐⇒ az együtthatómátrix determi-
nánsa 0 ⇐⇒ az adott λ-ra det(A−λI) = 0.
T Ha Aegy háromszögmátrix (alsó, fels˝ o vagy diagonális), ak-
kor sajátértékei megegyeznek f˝ oátlójának elemeivel.
15
31.T Az A mátrixnak a 0 pontosan akkor sajátértéke, ha A nem
invertálható.
B A 30.T tétel szerint a 0 pontosan akkor sajátértéke A-nak, ha
det(A) = 0, azaz ha A nem invertálható.
T Ha A
n×n
sajátértékei λ
1
, λ
2
,. . . , λ
n
, akkor det(A) =
λ
1
λ
2
. . . λ
n
, tr(A) = λ
1
+ λ
2
+ · · · + λ
n
, ahol tr(A) az
A mátrix f˝ oátlóban lév˝ o elemeinek összegét jelöli.
T Ha A négyzetes mátrix, λ egy sajátértéke, melynek mul-
tiplicitása k, akkor a λ-hoz tartozó sajátaltér legfeljebb k-
dimenziós.
P Az alábbi Aés Bmátrix mindegyikének azonnal látható mó-
don (λ −1)
2
(λ −2) a karakterisztikus polinomja, így λ = 1
kétszeres, és λ = 2 egyszeres sajátértéke, de míg az Aesetén
a λ = 1 sajátértékhez tartozó sajátaltér 2-dimenziós, addig a
B esetén ez 1-dimenziós.
A =

2 0 0
1 1 0
1 0 1
¸
¸
, B =

2 0 0
1 1 0
1 1 1
¸
¸
.
A−1 · I =

2 −1 0 0
1 1 −1 0
1 0 1 −1
¸
¸
=

1 0 0
1 0 0
1 0 0
¸
¸
,
tehát A-nak a λ = 1-hez tartozó sajátaltere megegyezik
az x = 0 egyenletb˝ ol álló egyenletrendszer megoldásai-
val, vagyis az yz-sík vektoraival ((x, y, z) = t(0, 1, 0) +
s(0, 0, 1)). Ez 2-dimenziós.
B−1 · I =

2 −1 0 0
1 1 −1 0
1 1 1 −1
¸
¸
=

1 0 0
1 0 0
1 1 0
¸
¸
,
tehát B-nek a λ = 1-hez tartozó sajátaltere megegyezik az
x = 0, x + y = 0 egyenletekb˝ ol álló egyenletrendszer
megoldásaival, vagyis a z-tengely vektoraival ((x, y, z) =
t(0, 0, 1)). Ez 1-dimenziós.
Ortogonális mátrixok
D A négyzetes C mátrixot ortogonálisnak nevezzük, ha
C
−1
= C
T
.
D Az R
n
egy vektorrendszerét ortonormáltnak nevezzük, ha
elemei páronként mer˝ oleges egységvektorok.
T Legyen A egy n ×n-es mátrix. Ekkor a következ˝ o állítások
ekvivalensek:
1. A
−1
= A
T
, azaz A ortogonális,
2. minden x ∈ R
n
vektorra |Ax| = |x|, aza T
A
távolság-
tartó,
3. minden x, y ∈ R
n
vektorra Ax · Ay = x · y, azaz T
A
skalárszorzattartó,
4. A oszlopvektorai ortonormált rendszert alkotnak,
5. A sorvektorai ortonormált rendszert alkotnak.
P Ha f : R
2
→R
2
ortogonális, akkor f vagy egy origó közep˝ u
forgatás, vagy egy origón átmen˝ o egyenesre való tükrözés. f
mátrixa tehát (ha az elforgatás szöge α, illetve ha a tükrözés
tengelye az x-tengellyel α/2 szöget zár be):
¸
cos α −sinα
sin α cos α

, illetve
¸
cos α sinα
sin α −cos α

Áttérés másik bázisra
M Legyen az R
2
tér két tetsz˝ oleges bázisa E = {e
1
, e
2
} és
F = {f
1
, f
2
}. Fejezzük ki az F bázis elemeit az E bázisban:
[f
1
]
E
=
¸
a
b

, [f
2
]
E
=
¸
c
d

,
azaz
f
1
= ae
1
+ be
2
f
2
= ce
1
+ de
2
.
Legyen egy tetsz˝ oleges x vektor koordinátás alakja az F bá-
zisban [x]
F
=
¸
x
1
x
2

, azaz x = x
1
f
1
+ x
2
f
2
. Behelyettesítve
a fenti egyenl˝ oségeket a következ˝ oket kapjuk:
[x]
E
=
¸
a c
b d

F→E
[x]
F
Az F → E a mátrix indexében azt jelzi, hogy a mátrix az F
bázisból az E-be való áttérés mátrixa. Általában, ha E =
{e
1
, . . . , e
n
} és F = {f
1
, . . . , f
n
} az R
n
két bázisa, akkor
az F → E áttérés mátrixa:

[f
1
]
E
[f
2
]
E
. . . [f
n
]
E

T Ha C az F-b˝ ol az E bázisba való áttérés mátrixa, akkor C
invertálható, és az E-b˝ ol az F bázisba való áttérés mátrixa
C
−1
.
T Ha E és F egyaránt ortonormált bázisok, akkor az áttérés C
mátrixára C
−1
= C
T
, tehát C ortogonális, így sorvektorai
és oszlopvektorai is ortonormált rendszert alkotnak.
T Legyen E = {e
1
, . . . , e
n
} és F = {f
1
, . . . , f
n
} az R
n
két bázisa, az F → E áttérés mátrixát jelölje C. Le-
gyen A: R
n
→ R
n
egy lineáris leképezés. A 29.T té-
tel szerint az A leképezés mátrixa az E, illetve F bázis-
ban [A]
E
=

[A(e
1
)]
E
. . . [A(e
n
)]
E

, illetve [A]
F
=

[A(f
1
)]
F
. . . [A(f
n
)]
F

. Ezek között fennáll a követ-
kez˝ o összefüggés:
[A]
F
= C
−1
[A]
E
C.
16
Hasonlóság, diagonalizálhatóság
D Azt mondjuk, hogy az azonos méret˝ u és négyzetes A és
B mátrixok hasonlóak, ha van olyan invertálható C mátrix,
hogy
B = C
−1
AC.
T Két mátrix pontosan akkor hasonló, ha létezik két olyan bá-
zis, hogy az egyik mátrix az egyik bázisban, a másik mátrix
a másik bázisban ugyanannak a lineáris leképezésnek a mát-
rixa.
32.T Hasonló mátrixoknak azonos a
1. deteminánsuk,
2. rangjuk,
3. nyomuk,
4. karakterisztikus polinomjuk, így azonosak a sajátérté-
keik is.
B El˝ oször az utolsó állítást bizonyítjuk:
det(B−λI) = det(C
−1
AC−λC
−1
IC)
= det(C
−1
(A−λI)C) = det(C
−1
) det(A−λI) det(C)
= det(A − λI), hisz det(C
−1
) det(C) = 1. Tehát a ka-
rakterisztikus polinomok azonosak, így a sajátértékek is.
Mivel a determináns és a nyom kifejezhet˝ o a sajátértékek se-
gítségével, és hasonló mátrixok sajátértékei azonosak, ezért
determinánsuk és nyomuk is azonos.
A rangokra vonatkozó állítás abból a könnyen bizonyítható
tételb˝ ol következik, hogy ha egy invertálható mátrixot szor-
zunk egy r-rangúval, akkor a szorzatnak is r lesz a rangja.
P A

1 2
0 3

és a

2 2
1 2

mátrixok biztosan nem hasonlóak, mert
különböz˝ o a determinánsuk.
D Azt mondjuk, hogy a négyzetes A mátrix diagonalizálható,
ha létezik olyan invertálható Cmátrix, hogy C
−1
ACdiago-
nális.
T 1. Az A
n×n
mátrix pontosan akkor diagonalizálható, ha
van n lineárisan független sajátvektora.
2. Különböz˝ o sajátértékekhez tartozó sajátvektorok lineá-
risan függetlenek.
3. Ha az A
n×n
mátrixnak n különböz˝ o valós sajátértéke
van, akkor diagonalizálható.
B Az els˝ o állítást bizonyítjuk. Ha Adiagonalizálható, akkor lé-
tezik olyan Ddiagonális és Cinvertálható mátrix, hogy D =
C
−1
AC, azaz AC = CD. Legyen C = [c
1
|c
2
| . . . |c
n
], és
D f˝ oátlójának elemei legyenek d
1
, d
2
,. . . , d
n
. Ekkor
A[c
1
| c
2
| . . . | c
n
] = [c
1
| c
2
| . . . | c
n
]

d
1
0 . . . 0
0 d
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . d
n
¸
¸
¸
¸
¸
.
A szorzások elvégzése után az oszlopvektorok összevetése
igazolja az állítást:
[Ac
1
| Ac
2
| . . . | Ac
n
] = [d
1
c
1
| d
2
c
2
| . . . | d
n
c
n
]
P Diagonalizáljuk az A =

11 15
−6 −8

mátrixot!
Az el˝ oz˝ o tétel bizonyítása egyúttal módszert is ad a diagona-
lizálásra. A sajátvektorokból álló mátrixszal, és annak in-
verzével kell szorozni az adott mátrixot. E mátrix sajátérté-
kei 1 és 2, a hozzájuk tartozó sajátvektorok (−3, 2), illetve
(−5, 3). Így a C =

−3 −5
2 3

mátrixszal és annak inverzével,
a C
−1
=

3 5
−2 −3

mátrixszal számolva kapjuk, hogy
D = C
−1
AC
=
¸
3 5
−2 −3
¸
11 15
−6 −8
¸
−3 −5
2 3

=
¸
1 0
0 2

33.T F˝ otengelytétel és spektrálfelbontás: Ha A n × n-es szim-
metrikus mátrix, akkor minden sajátértéke valós, és saját-
vektoraiból kiválasztható ortonormált rendszer. Legyen egy
ilyen rendszer s
1
, s
2
,. . . s
n
. Az s
i
vektorhoz tartozó sajátér-
téket jelölje λ
i
(i = 1, . . . , n). Ekkor
A =

s
1
s
2
. . . s
n

λ
1
0 . . . 0
0 λ
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . λ
n
¸
¸
¸
¸
¸

s
T
1
s
T
2
.
.
.
s
T
n
¸
¸
¸
¸
¸
A m˝ uveleteket elvégezve:
A = λ
1
s
1
◦ s
1
+ λ
2
s
2
◦ s
2
+· · · + λ
n
s
n
◦ s
n
= λ
1
s
1
s
T
1
+ λ
2
s
2
s
T
2
+· · · + λ
n
s
n
s
T
n
.
Ez utóbbi felbontást nevezik az A mátrix spektrálfelbon-
tásának.
P Határozzuk meg az A =

1 2
2 −2

mátrix spektrálfelbontását!
Könnyen kiszámolható, hogy az A mátrix sajátértékei λ
1
=
−3 és λ
2
= 2. A hozzájuk tartozó egységnyi sajátvektorok
x
1
= (1/

5, −2/

5) és x
2
= (2/

5, 1/

5).
A =
¸
1 2
2 −2


1
x
1
x
T
1
+ λ
2
x
2
x
T
2
=−3 ·
¸
1/

5
−2/

5

1/

5 −2/

5

+ 2 ·
¸
2/

5
1/

5

2/

5 1/

5

=−3 ·
¸
1
5

2
5

2
5
4
5
¸
+ 2 ·
¸
4
5
2
5
2
5
1
5
¸
Összefoglaló tétel
T Legyen A egy n ×n-es mátrix. Ekkor a következ˝ o állítások
ekvivalensek:
1. A elemi sorm˝ uveletekkel az I
n
-be transzformálható,
17
2. A invertálható,
3. az Ax = 0 egyenletnek csak triviális megoldása van,
4. az Ax = b egyenlet minden b ∈ R
n
vektorra megold-
ható,
5. az Ax = b egyenletnek minden b ∈ R
n
vektorra csak
egyetlen megoldása van,
6. A sorvektorai lineárisan függetlenek,
7. A oszlopvektorai lineárisan függetlenek,
8. A sorvektorai kifeszítik R
n
-t,
9. A oszlopvektorai kifeszítik R
n
-t,
10. A sorvektorai R
n
bázisát alkotják,
11. A oszlopvektorai R
n
bázisát alkotják,
12. det(A) = 0,
13. rang(A) = n,
14. a 0 nem sajátértéke A-nak,
15. T
A
kölcsönösen egyértelm˝ u,
16. T
A
magtere csak a 0-vektorból áll,
17. T
A
képtere az egész R
n
.
Vektortér
A vektortér általános fogalma
34.D Legyen V egy tetsz˝ oleges nemüres halmaz. Legyen defini-
álva V -n két m˝ uvelet: az összeadás, és a skalárral való szor-
zás, azaz bármely a, b ∈ V elemre és α ∈ R skalárra legyen
definiálva az a + b és az αa elem. Azt mondjuk, hogy a V
halmaz e két m˝ uvelettel valós test feletti vektorteret alkot, ha
bármely a, b, c ∈ V elemre és α, β ∈ R skalárra fennállnak
az alábbi összefüggések:
(1) a +b ∈ V (V az összeadásra nézve zárt);
(2) a +b = b +a (

+

kommutatív);
(3) (a +b) +c = a + (b +c) (

+

asszociatív);
(4) ∃o ∈ V , hogy o +a = a (létezik zéruselem);
(5) ∀a∃b, hogy a +b = o (létezik additív inverz);
(6) αa ∈ V (V zárt a skalárral való szorzásra);
(7) α(a +b) = αa + αb;
(8) (α + β)a = αa + βa;
(9) α(βa) = (αβ)a;
(10) 1a = a;
Bármik is a V halmaz elemei, a V -b˝ ol képzett vektortér ele-
meit a vektortér vektorainak nevezzük.
M A fenti definícióban a valós R test kicserélhet˝ o bármely más
testre, így például a C testre, ekkor C test feletti vektortérr˝ ol
beszélünk. Ha külön nem említjük, a továbbiakban valós test
feletti vektorterekr˝ ol beszélünk.
T Tetsz˝ oleges test feletti V vektortérre igazak az alábbi állítá-
sok:
1. Csak egyetlen zéruselem létezik.
2. Minden a ∈ V vektornak egyetlen additív inverze léte-
zik.
3. Minden a ∈ V vektorra: 0a = o.
4. Minden α ∈ R valósra: αo = o.
5. Jelölje a tetsz˝ oleges a ∈ V elem additív inverzét −a.
E jelölés mellett (−1)a = −a.
6. Ha αa = o, akkor α = 0 vagy a = o.
P Néhány példa vektortérre:
1. az R
3
tér origón áthaladó egy egyenesének (egy sík-
jának) pontjaiba mutató vektorok halmaza a szokásos
vektorm˝ uveletekkel;
2. az [a, b] intervallumon értelmezett folytonos függ-
vények C[a, b] halmaza (differenciálható függvények
D[a, b] halmaza) a függvények között értelmezett
összeadás és valós számmal való szorzás m˝ uveletével;
3. az m × n típusú valós mátrixok a mátrixok összeadá-
sának és valós skalárral való szorzásának szokásos m˝ u-
veletével valósok feletti vektorteret alkot;
4. az m × n típusú komplex mátrixok valós skalárral
való szorzás esetén valós test feletti vektorteret ad, míg
komplex skalárral való szorzás esetén komplex test fe-
letti vektorteret;
5. a legfeljebb negyedfokú valósegyütthatós polinomok
halmaza a szokásos polinomm˝ uveletekkel.
M A vektortér elemeinek lineáris kombinációja, lineáris füg-
getlensége ugyanúgy definiálható, mint korábban.
D Egy V vektortér egy Lrészhalmazát a V alterének nevezzük,
ha L vektortér a V -beli összeadás és skalárral való szorzás
m˝ uveletével.
T Legyen L a V vektortér egy nemüres részhalmaza. Ekkor az
alábbi állítások ekvivalensek:
1. L altere V -nek;
2. tetsz˝ oleges a, b ∈ L és α ∈ R esetén a + b ∈ L
és αa ∈ L (azaz abból, hogy L eleget tesz-e a 34.D
definíció tíz kikötésének, elég csak az (1)-t és az (6)-t
ellen˝ orizni);
3. tetsz˝ oleges a, b ∈ L és α, β ∈ R esetén αa +βb ∈ L;
4. tetsz˝ oleges L-beli a
1
, . . . , a
k
vektorok összes lineáris
kombinációja is L-ben van.
18

2) vektorokkal párhuzamos összetev˝ kre való felbono o o tását. azaz a sík összes pontja megoldás. pontosabban a 0x + 0y + 0z = 0 egyenletet kapjuk. a két egyenes metszéspontja. vagyis így is arra jutottunk. majd az els˝ t kivonjuk. akkor x = 3−t. Látható. 1) és az (1. 2)y = (3. kés˝ bb fogjuk megérteni. Ezek a pontok épp az x + y = 3 egyenlet˝ egyenes pontjai. y) számpár. melyr˝ l o leolvasható. ha a síkoknak van közös pontjuk. t) számpár megoldás. vagy az x+ y =3 2x + 2y = 6 egyenletrendszert. eko kor nincs megoldás. hanem o tetsz˝ leges számú egyenletb˝ l áll. y) = (3 − t. hogy mi is történik az átalakítás közben. Az els˝ három esetet szemlélteti o az alábbi ábra: egyenletrendszert kapjuk. y = 1). Ha az els˝ és második egyenletet kivono juk a harmadikból. az egyenletrendszer nem oldható meg. 2) vektorok lineáris kombinációjaként. amikor az egyenletrendszer nem kett˝ .) E felbontást mutatja az alábbi ábra. az ellentmondó 0 = −1 egyenletet kapjuk. Ha a síkoknak nincs közös pontjuk. az o o x+y =3 +z =1 egyenletrendszerekben az els˝ egyenlettel kiejthet˝ a másoo o dik. vagy egy sík összes pontja. ennek az egyenesnek a pontjai. hogy ez két párhuzamos egyenes egyenlete. Az x+y =3 x+y =3 . a következ˝ soroo o zatot kapjuk: (1. a harmadik és negyedik egyenlet helyén a 0 = 0. ahol t o egy tetsz˝ leges valós szám. Ha az egyenletrendszer megoldható. 1)x + (1.P Vizsgáljuk meg az x+ y+ z =4 x+ y− z =2 2x + 2y =6 2z = 2 Ha követjük az 1. pédabeli egyenletrendszer megoldásainak lépéseit a megfelel˝ vektoregyenleteken. de különböz˝ egyenes. hogy az egyenletrendszer nem oldható meg. Végül az els˝ egyenletet kivonva o a másodikból. ⇒ (1. Ez o egy egyenes paraméteres egyenletrendszere. A o megoldások száma végtelen. 2. A négy egyenlet tehát négy. mely elhagyható. o 2 . vagy b) a két egyenlet grafikonja két egybees˝ egyenes. hogy állítsuk el˝ a (3. 2)y = (3. 0)x + (0. Az egyenletrendszer vektoregyenlet-alakja M Az 1. o o Hasonló osztályozás végezhet˝ háromváltozós egyenleto rendszerek esetén is. példában szerepl˝ egyenletrendszer ekvivalens az o alábbi vektoregyenlettel: (1. A negyedik d) eset az. Ekkor minden egyenlet egy sík egyenlete. vagy c) a két egyenlet grafikonja párhuzamos. a megoldások halmaza vagy egyetlen pont. 4) vektort az (1. amikor mindkét egyenlet 0x + 0y = 0 alakú. 1) Tehát az egyenletrendszer megoldásának lépései a vektoregyenlettel szemléltetve: Itt is az utolsó ábra mutatja legvilágosabban a megoldást (x = 2. 4). 4) ⇒ (1. 1) . u Összefoglalva: két egyenletb˝ l álló kétismeretlenes egyeno letrendszer esetén négy eset lehetséges. y = t. melyeknek nincs közös pontjuk. 1)y = (2. egy egyenesen átmen˝ síkot határoz meg. ekkor is végtelen sok megoldás van. ekkor végtelen sok mego oldás van. azt viszont. Ez azt jelenti. nevezetesen minden lehetséges (x. Ennek összes megoldása például úgy jellemezhet˝ .P Tekintsük az x+y =3 x+y =2 egyenletrendszert. 1) és az (1. a másodikat hozo záadjuk a negyedikhez. z = 1. vagyis az összes o (x. 1)y = (3. majd kio vonva az els˝ b˝ l. (Kés˝ bb úgy fogunk fogalmazni. 0)x + (1. 1)x + (1. így csak az x + y = 3 egyenlet marad. vagy egy egyenes. hogy x = 2. 4) vektornak az (1. Vagy a) a két egyenlet grafikonja két metsz˝ egyenes. Az egyenletrendszer pontosan akkor oldható meg. ekkor csak egyetlen mego oldás van. y = 1 a megoldás: Értelemszer˝ en kiterjeszthet˝ ez az osztályozás azokra az u o esetekre is. melynek megoldása az y-nak tetsz˝ leges t értéket választva: x = 3 − t. a másodikat osztva mínusz kett˝ vel. hogy keressük a (3. Ha az els˝ egyenletet kivonjuk o a másodikból. így az egyenletrendszer nem oldható meg. hogy ha y = t. a 0x + 0y + 0z = 0 alakú egyenlet esetén pedig a tér összes pontja.

mely a 0-vektort adja. hogy v1 − k2 v2 − · · · − km vm = 0. n). Most tegyük fel. 5) vektorok lineárisan összefügg˝ ek. . Egyenletrendszerek leírása. Az összefügg˝ ség úgy is belátható. hogy ha egy egyenlet. ha egyikük sem fejezhet˝ ki a többi lineáris kombio nációjaként. melyekkel vett lineáris kombinációjuk a 0-vektor. ha b1 = b2 = · · · = bm = 0. . vm . 0). 0). 4.. 1. . amely el˝ áll a többi lineáris kombinációjaként. . például a j-edikhez. z) vektorra (x. 1. . . . y. 1) + 1 · (4. hogy megmuo tatjuk. v2 . D Az Rn tér v1 . A ki konstansok legalább egyike nem 0. B Az egy vektorra vonatkozó állítás a definíció alapján világos. .T Egyenletrendszer elemi átalakításai ekvivalens átalakítások. 1) vektorait Rn standard bázisának nevezzük. 0). A lineáris egyenletrendszert homogénnek mondjuk. hogy a v vektor el˝ áll a v1 . 0. Eszerint egy legalább két vektorból álló vektorrendszer pontosan akkor lineárisan összefügg˝ . D Egyenletrendszer elemi átalakításain a következ˝ három o transzformációt értjük: . . és inhomogénnek. . en = (0. . xn ) vektora egyértelm˝ en el˝ áll az e1 = (1. hogy „egy legalább két vektorból álló vektorrendszer pontosan akkor lineárisan összefügg˝ . x2 . 1). . o azaz a vektorok összefügg˝ ek. mátrixok 5. . 3) + (−1) · (−2. 0.. Könnyen láto ható. Ha a vektorok halmazát ellátjuk az összeadás és a valós skalárral való szorzás m˝ veletével is. . 6. . . kr ∈ R konstansok. 0. hogy lineárisan függetlenek. . . ha nem a 0vektor. 2. (−2. Az n-ismeretlenes. de nem minden együttható 0. k2 . ha csak a 0 konstansokkal vett lineáris kombinációjuk ad 0-vektort. o Cn jelöli a rendezett komplex szám-n-esek. m egyenletb˝ l álló o lineáris egyenletrendszer a következ˝ általános alakra hozo ható:  a11 x1 + a12 x2 + · · · + a1n xn = b1     a21 x1 + a22 x2 + · · · + a2n xn = b2  (1) . bi a konstansait és aij az együtthatóit (i = 1. és véges sok iso o meretlent tartalmaz. . 0. azaz v1 = k1 km k2 − k1 v2 − · · · − k1 vm . akkor az Rn -r˝ l. azaz ha abból. . hogy a vektorok valamelyike. melyek nem lineárisan függetlenek. .két egyenlet felcserélése. Ugyanezt a jelölést használjuk az n-dimenziós vektorok halmazára is. . hogy v = k1 v1 + k2 v2 + · · · + kr vr . ha léteznek olyan k1 . mely véges sok els˝ fokú egyenletb˝ l áll. M Az Rn tér minden x = (x1 .. nevezetesen x = x1 e1 + x2 e2 + · · · + xn en . (4. D Az Rn tér e1 = (1. hogy a vektorok lineárisan összefügg˝ ek. Ha ez utóbbi halmazt ellátjuk a vektorösszeadás és a komplex skalárral való szorzás m˝ veletével. . akkor a régi egyenletrendszer minden megoldása az újnak is megoldása. k2 . hogy a vektoroknak van olyan lineáris kombinációjuk. . 4. . 3) + 1 · (−2. . . Az az állítás. Ezután az új egyenletrendszer i-edik egyenletének −cszeresét hozzáadjuk a j-edikhez.  .. . .egy egyenlet konstansszorosának egy másikhoz adása. kr ∈ R konstansokkal vett lineáris kombinációján a k1 v1 + k2 v2 + · · · + kr vr összeget értjük. 4. . mondjuk a v1 kifejezhet˝ a többi lineáris kombinációjaként. Itt például (4. 2. 0. o azaz léteznek olyan nem csupa 0 konstansok. y. Speciálisan R3 -ben minden (x. 1) vektorok lineáris kombinációjaként. 0. e2 = u o (0.egy egyenlet nem 0 számmal való beszorzása. . mondjuk legyen ez épp a k1 . . 0. vr vektorainak k1 . például az i-edik c-szeresét hozzáadjuk egy másik egyenlethez. . . . hogy k1 v1 + k2 v2 + · · · + km vm = 0. m. . hogy k1 = k2 = · · · = km = 0. Tegyük fel. 0. . . e2 = (0. v2 . következik. vektorrendszert. 5) = o (0. amelyik a többi lineáris kombinációja. B Az els˝ két elemi átalakításra ez nyilvánvaló. . 5) = 2 · (1. vr vektorok lineáris kombinációjao ként. hisz v1 együtthatója 1. .Egyenletrendszerek Az Rn tér 3. . .  . . Azt mondjuk. . Nézzük a haro madikat. ha van közo o tük olyan. akkor az ugyancsak Cn -nel jelölt u komplex n-dimenziós vektortér fogalmához jutunk. . 3). Tehát ki tudtuk az egyik vektort fejezni a többi lineáris kombinációjaként. . azaz k1 v1 + k2 v2 + · · · + km vm = 0. . 1). P Az (1. .    am1 x1 + am2 x2 + · · · + amn xn = bm ahol xj jelöli az egyenletrendszer ismeretleneit. . . j = 1. 2. Tekintsünk a v1 . Ez azt jelenti. n k2 v2 + · · · + km vm . mely legalább két vektorból áll.D Rn a Descartes-szorzat definíciója alapján az R elemeib˝ l o képzett rendezett szám-n-esek halmazát jelöli. 0). azaz az eredeti és az átalakított egyenletrendszernek azonosak a megoldásai. . . és egyúttal az n-dimenziós komplex vektorok halmazát is. ha a konstansok legalább egyike nem 0. amely el˝ áll a többi lineáo o ris kombinációjaként”. 2. . 0). Legalább két vektora pontosan akkor lineárisan független. ha van köztük olyan. D Az R tér v1 . .D Lineáris egyenletrendszeren olyan egyenletrendszert értünk. v2 . v2 . 2. van olyan vektor. hogy v1 + k1 v2 + · · · + km vm = 0. Így visszakapjuk a régit. tehát m ≥ 2. . mert −2 · (1.T Egyetlen vektor akkor lineárisan független. ha egyikük sem fejezhet˝ ki a többi lineáo ris kombinációjaként”.vm vektoraira azt mondjuk. . legyen c egy tetsz˝ leges konstans. . mint veku o tortérr˝ l beszélünk. z) = xi + yj + zk. . azaz v1 = o 3 . . hogy „legalább két vektor pontosan akkor lineárisan független. Ekkor átrendezés után azt kapjuk. 4. . en = (0. . . . Lineárisan összefügg˝ ek azok a veko torok. ekvivalens azzal. Ezzel végigosztva kapk2 juk. .

A mátrixokat könyvekben félkövér (A. oszlopában van. . Pl. indexében gyakran szerepel a méu rete (Am×n ). . vagyis az egyetlen oszlopból álló mátrixokat oszlopvektoroknak. ill. . . xn bm fogja jelölni. illetve o o alsó háromszögmátrixnak nevezünk. . u o bij az i-edik sor j-edik elemét jelöli. hogy az m-dimenziós a1 .. . . pl. . . m egyenletb˝ l o álló lineáris egyenletrendszerrel írható le. a1n b1  a21 a22 . a22 .tehát az új egyenletrendszer minden megoldása megoldása a réginek is.   . amn Speciális alakú mátrixok D A (2)-beli A mátrix f˝ átlóján az a11 . hogy az x1 a1 +x2 a2 +· · ·+xn an = b vektoregyenletnek mik a megoldásai – egy n-ismeretlenes. . an . .  . Egy mátrixot diagonálisnak nevezünk. ha minden i. tehát pl. melyb˝ l az els˝ szám o o azt mondja meg.  . amn bm Az egyenletrendszeren végrehajtott elemi átalakítások a kiegészített mátrix sorain hasonló m˝ veletekkel megvalósíthau tók. illetve o felett csak nullelemek állnak.  0 3 2 . amelyb˝ l a megoldás könnyen leolvaso ható. Az A mellékátlója azokból az elemekb˝ l áll.M Minden mátrix tekinthet˝ úgy. illetve sorvektorokból áll. hogy az elem hányadik oszlopban van.  . . a következ˝ o jelöléseket használjuk:   a11 a12 .  . ahol aj :=  . Egy mátrixot fels˝ . . 0 0 0 0 0 1 0 3 0 Az n×1 típusú mátrixokat. míg kiegészített mátrixán a követo kez˝ t:   a11 a12 . kSi az i-edik sor k-val való szorzását és +kSi → Sj jelöli azt. j esetén aij = aji .D Az m sorba és n oszlopba rendezett mn elem˝ sorozatokat u m × n típusú mátrixoknak nevezzük. ha az i-edik sor k-szorosát a j-edikhez adjuk. x2 . arr elemeket o értjük. .egy sor konstansszorosának egy másikhoz adása. kézírásban gyakran kétszer aláhúzott nagy bet˝ vel (A) jelölik. b2 . ill.egy sor nem 0 számmal való beszorzása. Egy m × n-es A mátrixra. . Az elemi sorm˝ veletekre a következ˝ jelöléseket használjuk: u o Si ↔ Sj jelöli az i-edik és a j-edik sorok cseréjét. A megoldás lépéseinek lejegyzéséhez elegend˝ a lineo áris egyenletrendszer együtthatóinak és konstansainak változását egy számtáblázatban számon tartani. . . a2n b2    (3)  . A vektorokat mátrixjelölés esetén az oszlopvektorokkal fogjuk azonosítani.  1 1 0 . . egy fels˝ és egy alsó háromszögmátrix látható: o       3 0 0 1 2 0 2 0 0  0 2 0 . ha a (2)-beli A mátrix j-edik oszlopvektorát aj jelöli.  2 0 3 6 . . . . . ferdén szimmetrikusnak. . amelyek o sor. . a1n  a21 a22 . . P Az alábbi mátrixokban a f˝ . a2 . . . . . am1 am2 . 7. . .  . .  . ahol r egyenl˝ az m és az n számok közül a kisebbiko kel. .. Az elemi sor˝ m˝ veletek tehát a következ˝ k: u o . Vagyis a két megoldáshalmaz megegyezik. .   . míg a második azt. míg az 1 × n típusú mátrixokat sorvektoroknak fogjuk nevezni. akkor A a következ˝ alakba o írható:   a1j  a2j    A := a1 a2 . a vessz˝ elhagyható.  = [aij ]m×n .két sor felcserélése. am1 am2 .és oszlopindexének összege n + 1. . . o Az (1) egyenletrendszer mátrixán vagy együtthatómátrixán a (2)-beli mátrixot értjük. .   . Az alábbi mátrix ferdén szimmetrikus:   0 1 −2  −1 0 3  2 −3 0 8. mint amely oszlopvektoroko ból. .   . ezeket elemi sormuveleteknek nevezünk.illetve a mellékátlót kiemeltük: o       1 3 2 1 3 5 2 3 2 5    4 3 0  . hogy az elem hányadik sorban. Ha az index mindkét eleme egyjegy˝ . amj 4 M Az a kérdés. ha nemnulla elemei csak a f˝ átlóban lehetnek. .. M Az egyenletrendszert megoldásakor elemi átalakításokkal olyan alakra hozzuk. . .  .  0 1 2  . . M Ferdén szimmetrikus mátrix f˝ átlójában szükségképpen 0-k o állnak. B). . melynek i-edik sorában és j-edik oszlopában az aij elem áll... an vektorok melyik lineáris kombinációja egyenl˝ egy adott b vektorral – o azaz. ha minden i. Tehát ez az elemi átalakítás is ekvivalens átalakítás. a2n    (2) Am×n =  . . . 3 2 0  0 1 2 3 9 3 1 1 3 2 D Az n × n típusú mátrixokat négyzetes mátrixoknak nevezzük. a b = (b1 . Az alábbi ábrán egy diagonális. az x = (x1 . az ai−1. . . Egy egyenletrendszer együtthatói is mátrixba rendezhet˝ k. . Pl. bm ) vektort     x1 b1  x2   b2      (4)  . xn ). D A négyzetes [aij ]n×n mátrixot szimmetrikusnak nevezzük. Egy mátrix egy elemének indexén azt a számpárt értjük. . . j esetén aij = −aji . ha a f˝ átló alatt.2 elem a mátrix i − 1-edik sorában és a 2.

D Azt az eljárást. Ezután az 1 alatti együtthatókat o o a 2. Hasonlóképpen   s1  s  A :=  2  . . . illetve vízo o o szintes elválasztó vonalakat akkor használjuk. Egyébként ugorjunk vissza az 1. Az egyenletrendszernek egyetlen megoldása van. . am1 am2 . 4. amit így jelölünk:   a11 a12 . . ahol si := ai1  . illetve Gauss-eliminációról o akkor beszélünk. . az eljárásnak vége. . m) konstansaiból képzett b vektorból képezzük. ha a kiegészített mátrixot sorlépcs˝ s alakra o hozzuk. . bármely két nem-zérus sor vezet˝ egyese közül a fels˝ o o soré balra helyezkedik el az alsó sor vezet˝ egyesét˝ l. Ha nem sorlépcs˝ s alakra. és aij a letakarások után maradt mátrix i-edik sorában lév˝ j-edik elemet. 0 0 5 . és ezt addig folytassuk. de az összes többi igen. de könny˝ olyan mátrixot konstruálni. Ha az els˝ oszlopban csak 0 elemek állnak. o 3. Használatuk nem kötelez˝ . . E mátrixban az i-edik sor vezet˝ egyese szükségképpen az i-edik oszlopban o Egyenletrendszerek megoldása D Azt mondjuk. Bn×m . a csupa 0-ból álló sorok (a zérus sorok) a mátrix alsó sorai.  sm és i = 1. akkor elosztjuk az els˝ sort a11 -gyel. . o 2. o ai2 . mely különu u o o böz˝ sorlépcs˝ s alakokra transzformálható. . . hogy a redukált sorlépcs˝ s alak mindig egyéro telm˝ . ha megoldható és a zérus sorokat elhagyva a mátrixból egy n × (n + 1)-es mátrixot kapunk. o és folytassuk az eljárást. . . ha két vagy több mátrixból rakunk össze egyet. o amit vezet˝ egyesnek vagy vezéregyesnek nevezünk. így az o els˝ sor els˝ eleme 1 lesz. ennek ugyanis egy ellentmondó egyenlet felel meg. vége az eljárásnak. lépésben leírt módon. hogy a mátrixban 4. . hogy a11 = 0. a1n b1  a21 a22 . takarjuk le ezt az oszlopot. ha e mátrixnak van olyan sora. ain . ha o 1. . m. melyben az utolsó elem nem 0. .. a mátrix sorlépcs˝ s alakú. melynek els˝ eleme nem 0. D C B A . amelyben van nem 0 elem. o M Az el˝ z˝ megjegyzésben alkalmazott függ˝ leges. hanem redukált sorlépcs˝ s alakra o o akarunk jutni. .  . . B A D C . Ha ilyen oszlopot nem találunk. akkor cseréljük o o ki e sort egy olyannal. és tekintsük a maradék mátrixot. a korábban letakart sorokat feltárva megkaptuk a sorlépcs˝ s alakot. a nem-zérus sorok mindegyikének els˝ nem 0 eleme 1. . o o Ha ezeken túl még az is igaz. Megmutatható. sortól az m-edikig sorban haladva 0-ra változtatjuk: ha az i-edik sorbeli ai1 = 0. akkor azt mondjuk. Cm×n .  0 1 3 6 . M A megoldás meghatározása: Az egyenletrendszer megoldhatósága könnyen leolvasható a kiegészített mátrixból annak sorlépcs˝ s vagy redukált sorlépcs˝ s alakra hozása után. lépéshez. akkor a sorlépcs˝ s alak vezet˝ egyesei fölötti o o értékeket is 0-ra változtatjuk a 3. n. az o adásul redukált sorlépcs˝ s alakú: o      1 3 2 5 1 1 3 2 5  0 1 0 0   . csak a megértést segítik. illetve Gauss–Jordan-eliminációnak nevezzük. E lépésben o tehát elértük. . o A következ˝ eljárás egyes lépéseiben e mátrixnak le fogjuk o takarni egy-egy sorát vagy oszlopát. . a2n b2    [A|b] =  .. C A D B . pl. Ha ilyen sor a kiegészített mátrixban nincs. o 1. Ha ennek els˝ o oszlopában ismét csak 0 elemek vannak. Gauss– o Jordan-módszernek. akkor az els˝ sor −ai1 -szeresét o hozzáadjuk az i-edik sorhoz.   . . 2. Például a (3)-beli kiegészío tett mátrixot a (2)-beli A és az egyenletrendszer bj (j = 1. T Sorlépcs˝ s alakra hozás: Bármely mátrix elemi sorm˝ veleo u tekkel sorlépcs˝ s alakra hozható. amikor a lineáris egyenletrendszer kiegészített mátrixát redukált sorlépcs˝ s alakra hozzuk. . o P Az alábbi mátrixok sorlépcs˝ s alakúak. Dm×m mátrixokból az alábbi (n + m) × (n + m)-es blokkmátrixok képezhet˝ k: o A B C D . Ha a11 = 1. . az egyenletrendszer megoldható.  0   0 0 0 1 0 0 0 0 1 0 0 0 0 0    1 2 0 2 0 1 1 1 0 0 1 3 0 0 . 0 0 0 0 0 0 1 2 0 0 utolsó kett˝ ráo 1 0 0 0 0 1 0 3 1 0 0  5 2 0  5 2 . Ha ekkor nem marad a mátrixban több sor. Az o o egyenletrendszernek nincs megoldása. 2. Gauss-módszerr˝ l. míg egy olyan oszlopot nem találunk. az An×n . . Ha az els˝ oszlop els˝ sorában álló elem 0. Redukált sorlépcs˝ s alakra hozás: Bármely mátrix elemi o sorm˝ veletekkel redukált sorlépcs˝ s alakra hozható.. 3. A fenti átalakítás után takarjuk le az els˝ sort és az els˝ o o oszlopot. . hogy a mátrix redukált sorlépcs˝ s alakú. a (2)-belit. amn bm A több mátrixból összerakott mátrixot szokás blokkmátrixnak is nevezni.. Pl. .és j = 1. Az egyszer˝ ség kedvéu ért a letakarás után keletkezett mátrix sorainak és oszlopainak számát ismét m és n fogja jelölni.. azt is takarjuk le. . hogy egy mátrix sorlépcs˝ s alakú. . u o B Tekintsünk egy tetsz˝ leges m × n-es mátrixot. minden sor vezet˝ egyesének oszlopában minden más o elem 0.

Könnyen látható. azonos együtthatómátrixszal rendelkez˝ egyenleto tehát az y = t paraméterválasztással: rendszert szimultán egyenletrendszernek nevezzük. és hogy lineáris kombinációik valóban kiadják a sík összes vektorát! P Oldjuk meg a 2. ha az egyenletrendszerben a változók sorrendjét fölcseréljük. 0 0 1 3 0 0 0 0 1 2 0 0 0 0 Visszaírva egyenletredszer alakra: x+y =0 +z =0 Kötött ismeretlenek x. 0 1 0 0 . ahol x 3−t 3 −1 y  =  t  = 0 + t  1  X = x1 x2 . z 1 1 0 B = b1 b2 . . Ha a redukált alakban az utolsó oszlopon kívül más oszlop is akad. kifejezhetjük azok segítségével. tehát az egyenletrendsszer megoldása: x = −t − s y=t z=s azaz vektoralakba írva:         x −t − s −1 −1 y  =  t  = t  1  + s  0   z s 0 1   Valójában nem tettünk mást. hogy e két vektor valóban benne van a síkban. viszont a számuk független e cserét˝ l). x a kötött változók. oldali oszlopot szükségtelen kiírni. Ekkor az egyenletrendszer megoldásában a jobb az A B mátrixon végezzük el. . bk m×k . Az alábbi sorlépcs˝ s alakra vezet˝ egyenletrendszereknek o o rendre 0. o és az egyenletrendszer megoldható.D A több. a k-adikét bk . ill. szabad ismeretlen y. A megoldás 10. Am×n együtthatómátrixú o x=3−t szimultán egyenletrendszert. melyekhez tartozó oszlopban nincs vezet˝ egyes. P Vizsgáljuk meg az el˝ z˝ példabeli egyenletrendszer homoo o M A szimultán egyenletrendszer is megoldható a Gauss-. melyben nincs vezet˝ egyes. o melyekhez tartozó oszlopokban van vezet˝ egyes. megváltozhat. (Az. Az el˝ bbieket szokás kötött változóknak. Tekintsük a k egyenletrendszerb˝ l álló. Legyen y = t. Ekkor tehát a megoldás: P Oldjuk meg a következ˝ egyenletrendszereket.P Oldjuk meg az egyetlen egyenletb˝ l álló x + y + z = 0 o homogén lineáris egyenletrendszert! Az együtthatómátrix [1 1 1]. akkor az egyenletrendszernek végtelen sok megoldása van. míg o o az utóbbiakat szabad változóknak nevezni. mivel az mindig nullákból áll. azaz a jobb oldalon álló konstansokat cseréla Gauss–Jordan-módszerrel. illetve xk . azaz a követo       1 1 1 1 1 0 1 1 1 kez˝ szimultán egyenletrendszert! o  1 1 −1   0 0 −2   0 0 1        x+y =2 u+v =5  2 2 0  ∼  0 0 −2  ∼  0 0 0  . A megoldás tehát az y = t paraméterválasztással vektoralakba írva:       x −t −1 y  =  t  = t  1  z 0 0 o o Figyeljük meg az el˝ z˝ példabeli inhomogén és e homogén egyenletrendszer megoldásai közti kapcsolatot! 9. Azokat a változókat. . Az els˝ egyenletrendszer jobb o y=t oldalán álló konstansok vektorát jelölje b1 . . z. az ismeretlenek z=1 vektorát x1 .van (i = 1. illetve gén változatát. A sorlépcs˝ s alakból is gyorsan meghatározo ható a megoldás a kötött változók kifejezésével és alulról o o kezdve mindegyiknek az el˝ z˝ kbe helyettesítésével. A szimultán egyenletrendszer kib˝ vített mátrixa o azaz vektoralakba írva:         A B . A kib˝ vített o mátrixot elemi sorm˝ veletekkel redukált sorlépcs˝ s alakra u o hozzuk:      1 1 1 1 1 0 4 1 1 1 4  1 1 −1 2   0 0 −2 −2   0 0 1       2 2 0 6  ∼  0 0 −2 −2  ∼  0 0 0 0 0 2 2 0 0 2 2 0 0 0 Az utolsó mátrixot visszaírjuk egyenletredszer alakra: x+y =3 +z =1 3 1 0 0 Szimultán egyenletrendszerek Kötött ismeretlenek x. . 1. szabad ismeretlen y. a másodikét b2 . z = s. példabeli egyenletrendszert. illetve x2 . xk n×k . végtelen sok megoldása van:       1 3 2 5 1 2 0 2 0 1 0 1 0 0  1 0 0 2       0 0 0 1 . és az x−y =0 u−v =1 0 0 2 0 0 2 0 0 0 6 . z. . mint az x + y + z = 0 egyen let˝ sík vektorait el˝ állítottuk két vektor lineáris kombináciu o óiként. . ami már redukált sorlépcs˝ s o alakú! y és z a szabad. n). o Egy lineáris egyenletrendszer megoldásai azonnal leolvashatók a kiegészített mátrixból annak redukált sorlépcs˝ s alakra o hozása után. Ekkor az elemi sorm˝ veleteket u jük 0-ra. . 0 0 1 3 0 0 . ismeretleneinek mátrixa X. 2. hogy melyik változó kötött és melyik szabad.. .

A és B összegén. 2 5 0 1 2 5 2 1 3 0 1 1 T 1 3 0 1 5 0 2 0 1 9 5 +3· = 2 2 1 3 6 4 11   −1 −5 5  1 0 · −1 0  = 1 0 1 1 1   2 = 5 1 mátrixszorzatot diadikus 2 3 1 1 1 = 4 0 0 = = 1 0 1 1 + 4 0 1 8 0 + 0 12 0 M Az x és y vektorok x · y skaláris szorzatát a vektorok szokásos oszlopmátrix alakú reprezentációja esetén az xT y mátrixszorzat állítja el˝ annyi különbséggel. míg e mátrixszorzat eredménye egy 1 × 1es mátrix. xn yn M A lineáris egyenletrendszerek ún. így szorzatuk valóban diadikus szorzat: ai ri = ai ◦ rT . . m×p Ebb˝ l az is kiolvasható.) u P Néhány példa a fenti m˝ veletekre: u   T 1 0 1 3 5 = 3 1 . illetve oszlopvektorokra felbontott alakjai a következ˝ k: o AB = A  b1 . bk =  . . illetve oszlopvektorokra bontott alakja pedig legyen   r1  . szorzás M A mátrixok összeadását és skalárral való szorzását úgy definiáljuk.) i P Példaként el˝ állítjuk az o szorzatok összegeként: 1 0 2 3 12 03 11 40 (Az utóbbi kifejezés azt jelenti. cA = c [aij ]m×n := [caij ]m×n .M szerinti. bij cjk  . x1 yn  . hogy az (1) egyenletrendszer a (2).A szimultán egyenletrendszer kib˝ vített mátrixán elvégezo zük az elemi sorm˝ veleteket: u 1 1 1 0 1 2 5 −1 0 1 5 2 ∼ ∼ 1 0 1 0 0 1 1 2 5 −2 −2 −4 1 3 1 2 . illetve sorvektorokra felbontott alakja a 8. nevezetesen az A oszlopvektorai és a B sorvektorai szorzatainak összegeként: AB = a1 r1 + a2 r2 + · · · + an rn . Hasonlóképp a 10. . . bk = Ab1    s1 s1 B =  . rn Mátrixmuveletek ˝ Összeadás. Abk BC = [bij ]m×n [cjk ]n×p =  A + B = [aij ]m×n + [bij ]m×n := [aij + bij ]m×n .  sm sm B . Az A transzponáltján. (Az utóbbi kifejezésben ai oszlopvektor. B és C szorzatán az alábbi mátrixokat értjük: AT = [aij ]m×n := [aji ]n×m . . n T Ekkor az AB mátrixszorzat sor-. v = 2. Például az (1) egyenletrendszer a (2). ∼ 1 2 1 1 A megoldás a mátrix jobb feléb˝ l olvasható ki: az els˝ o o egyenletrendszer megoldása x = 1. . xn xn y1 . . hogy a skaláris o 9 1 12 0 E felbontás érvényessége könnyen ellen˝ rizhet˝ . . A mátrixok típusait is jelölve: Am×n xn×1 = bm×1 . Az xyT szorzatot diadikus szorzatnak is szokás nevezni. a m˝ velet jele ◦: u     x1 x1 y1 .  . .   .. A mátrixok szorzását úgy vezetjük be. . . míg a másodiké u = 3. és ekkor a szorzat típusa m × q méret˝ lesz. M Az AB szorzat vektorok diadikus szorzatainak összegeként o is el˝ állítható. hogy a BC szorzatmátrix i-edik sorának és k-adik oszlopának keresztez˝ désében álló o elem a B mátrix i-edik sorvektorának és a C mátrix k-adik oszlopvektorának skaláris szorzata.. . D Legyen A = [aij ]m×n .és a (4)-beli jelölésekkel az Ax = b szorzatalakot vehesse fel. .M Legyen az Am×n mátrix oszlop-. ri sorvektor. hogy az AB mátrix j-edik oszlopa. Hasonlóképp az AB mátrix i-edik sora.  x◦y = xyT =  . c-szeresén (c ∈ R)... B = [bij ]m×n . yn =  . . szorzat egy szám.  y1 . ha n = p.  . itt most o o csak 2 × 2-esre mutatjuk meg: 7 .. hogy a vektorokra vonatkozó összefüggések érvényesek legyenek az 1 × n-es vagy n × 1-es mátrixokra.  B = b1 b2 . Egy m × n és egy p × q típusú mátrix csak akkor szorozható össze. . C = [cjk ]n×p . definícióbeli szimultán egyenletrendszer felírható AX = B alakba! 11. azaz az si B sorvektor a B sorvektorainak lineáris kombinációja.és a (4)-beli jelölésekkel az Ax = b alakba írható. mátrixszorzatos alakba írhatók. o azaz az Abj vektor az A mátrix oszlopainak a bj vektor koordinátáival vett lineáris kombinációja. y = 1. . . a Bn×k mátrix sor-. .. B =  .   j=1 −A := (−1)A.

de a jobb oldalon van nem-0 elem is. . o o vektor. A + (B + C) = (A + B) + C. [A|I] ∼ · · · ∼ [I|B] átalakítás lépéseit fordított sorrendben O + A = A. hogy a BA = I mátrixegyenl˝ . hisz ha az o A + B = B + A. (AB)T = BT AT hogy végtelen sok megoldása legyen. akkor B az A inverze. Ha a sorlépc(A + B) = cA + cB. M Világos. ha a b vektor el˝ áll az A oszlopvektorainak lineo áris kombinációjaként. amely a bal oldalon csupa 0-ból o T T T T áll. jobb oldalán pevezzük. egyszer˝ mátrixszorzással ellen˝ rizhetjük. hogy az Ax = b egyenletrendszer pontosan akkor oldB C = CI = C(AB) = (CA)B = IB = B. Meg kell még mutatnunk. hogyha ez [I|B] alakú. . a11 b11 a21 b11 a11 b12 a b + 12 21 a21 b12 a22 b21 a11 b11 + a12 b21 a21 b11 + a22 b21 a11 a21 a12 a22 b11 b21 a11 b12 + a21 b22 a21 b12 + a22 b22 b12 b22 M D T K 12. azaz ha AX = I megoldható. ami azt jelenti. ha létezik olyan B mátrix. csupa 0. 0A = O kor az AX = I egyenletnek nincs megoldása. hogy az n × n-es A mátrix invertálható. A megoldás épp e lineáris kombináció konstansainak megkeresését jelenti. akkor csak egyetlen m × n-es mátrix. hogy ha az [A|I] mátrix redukált A(B + C) = AB + AC. akkor az [I|A] mátrixot kell kapnunk. Mego Muveleti azonosságok: Az alábbi azonosságok úgy érten˝ mutatjuk. b T Az A = a d mátrix pontosan akkor invertálható. sorlépcs˝ s alakjában a bal oldal nem az egységmátrix. azaz ha a a d determináns nem 0. és legyenek x1 . hogy az A mátrixnak valóban a fenti mátrix az inverze. A(cx) = c(Ax) 2. . Ezt úgy végezzük. és a két kifejezés o fennáll. ha elemi sorm˝ veletekkel az azonos méret˝ I egységmátrixba alakítu u b = Ax = a1 . azaz o nevezzük. mint azt az el˝ z˝ tételben beláttuk. In mátrix. ahol I az n × n-es egységmátrix. B Azt. (cA) = cA . akkor a jobb oldalán álló is. A csupa 1-esb˝ l álló J mátrixot csupa-1-mátrixnak o hogy a szimultán egyenletrendszer kib˝ vített mátrixát. hogy ha az egyenl˝ ségjel bal oldalán álló m˝ velet elo o u Mivel B az AX = I egyenlet megoldása. ill. Az az eset pedig. B Az A sorainak. AI = A. az [A|I] mátrixot redukált sorlépcs˝ s alakra hozzuk. . Ennek következménye. IA = A. hogy Y = A a megoldás. ck ∈ R számokkal fönnáll az alábbi összefüggés: A(c1 x1 + · · · + ck xk ) = c1 Ax1 + · · · + ck Axk . melynek f˝ átlójában csupa 1 áll. hogy AB = BA = I. azaz BA = I.Inverz a11 a21 = = = b11 b12 + a12 a22 b21 b22 a12 b22 a22 b22 D Azt mondjuk. Ez biztosan lehetséges. melyek A-t I-be viszik. ha ad − c b bc = 0. akkor B inverze A. oszlopainak számát jelölje n. az I-t u A−1 -be transzformálják. . ható meg. ekkor fönnáll az alábbi két összefüggés: 1. Meg kell még mutatnunk. akkor a szimul(A ) = A.T Ha a négyzetes A mátrixhoz létezik olyan ugyancsak négyzetes B és C mátrix. melynek együtthatómátrixa A. . ható. Az egyenletrendszerek mátrixszorzatos alakjából az is látszik. Ehhez tekintsük a szimultán BY = I mátrixot jelöli. és legyen x és y két tetsz˝ leges Rn -beli o megoldása van. (c + d)A = cA + dA. végezzük el az [I|B] helyett a két részmátrix fölcserélésével kapott [B|I] mátrixon. d˝ k. ezért AB = I végezhet˝ . (A + B)T = AT + BT . (A + B)C = AC + BC. xk tetsz˝ leges Rn -beli vektorok. . azaz hogy a sorlépcs˝ s o alaknak legyen 0-sora. A−1 = a b c d −1 = 1 a c b d d −c −b a . akkor B = C. tán egyenletrendszernek nincs megoldása. ugyanis 13. dig az egységmátrix áll. cs˝ s alaknak van olyan sora. .T A négyzetes A mátrix pontosan akkor invertálható. ako A(cB) = (cA)B = c(AB). hogy egy mátrixnak legföljebb csak egy inverze lehet. an x = a1 x1 + · · · + an xn . . Egységmátrix az a négyzetes – azaz n×n típusú – I. A(BC) = (AB)C. Az A mátrix inverzét A−1 jelöli. Ennek megoldása az AX = I ill. (O a megfelel˝ méret˝ zérusmátrixot. A nem invertálható mátrixot szingulárisnak nevezzük. o Ekkor bármely c1 . Azok a sorm˝ veletek. és ekkor c K A lineáris kombináció megtartása: Legyen A m × n-es mátrix. hogy u o 8 . hisz ha A-nak van o Vektor mátrixszal való szorzásának linearitása: Legyen A inverze. A + (−A) = O. Ennek megoldásához a [B|I] mátrixot kell sorlépcs˝ s alakra hozni. nem fordulhat el˝ . Azt. A(x + y) = Ax + Ay. I az egységo o u o egyenl˝ ség is igaz. a többi helyen o mátrixegyenlet megoldásával ekvivalens. Tekintsük azt az n egyenletrendszerb˝ l álló szimultán egyenleto A csupa zéruselemb˝ l álló O mátrixot zérusmátrixnak neo rendszert. hogy AB = CA = I.) egyenletet. hogy ha A inverze B.

. 4. a képlet bizonyítja... hogy a négyzetes A mátrix pontosan akkor szimmetrikus. o M Egy négyzetes blokkmátrixot blokkdiagonálisnak nevezünk. ha A invertálu ható. a harmadiko hoz adjuk az els˝ −2-szeresét (−2S1 → S3 ). M A definíció alapján nyilvánvaló. mert (A + AT )T = AT + (AT )T = 1 AT + A = A + AT . O O A−1 2 . . úgy lehet bizonyítani. O .. .. Hasonlóan bizonyítható. akkor az Ax = b egyenletrendszer pontosan akkor oldható meg egyértelm˝ en. ha A = −AT . . . . 1 × 1 méret˝ ek. 2 összegük pedig nyilván A.. M A blokkmátrixok közti összeadás és szorzás m˝ veletek úgy u végezhet˝ k. .. P Elemi sorm˝ veletekkel kiszámítjuk egy mátrix inverzét (kiu cseréljük az els˝ és harmadik sort (S1 ↔ S3 ). akkor u A B C D · A′ C′ B′ D′ = AA′ + BC′ CA′ + DC′ AB′ + BD′ CB′ + DD′ Muveletek speciális alakú mátrixokkal ˝ T Diagonális és háromszög alakú mátrixok 1. inverze fels˝ háromszögmátrix. . . Fels˝ háromszögmátrixok összege. −5S2 → S3 ). . 0 . ekkor 1. . . . így (AB)T = AB pontosan akkor áll fenn. .. ha A = AT . hogy ad − bc = 0. o szorzata. ha a mátrix ino vertálható. 2. 0 0 . . akkor (AB)T = BT AT = BA. és ekkor a megoldás u X = A−1 B. O O .az ad − bc = 0 feltétel az invertálhatóságnak elégséges feltétele. . . o 4. nevezetesen A= 1 1 (A + AT ) + (A − AT ) 2 2 Tehát 2 2 4 0 1 5 5 2 3−1 2 13 6 1 5 =4 1 −5 3 −3 0 1 3 −25 −2 5 . . ha A és B azonos méret˝ invertálható mátrixok. B′ . hogy 1 (A−AT ) ferdén szimmetrikus. ha A invertálható. a második o és harmadik sor cseréje után a második −5-szörösét a harmadikhoz adjuk (S2 ↔ S3 . 1 × 2. . hogy szükséges feltétele is. C és D rendre 2 × 2. . 0 0 . . . . B A + AT szimmetrikus. O O . és (An )−1 = A−n = (A−1 )n . O O A2 . ha AB = BA. . . a harmadik sor −3-szorosát az els˝ höz adjuk (−3S3 → S1 )... Fels˝ háromszögmátrix (s így a diagonális mátrix is) o pontosan akkor invertálható.. An   =  . . . −1      A−1 1 O .. B.. azaz ha egyik f˝ átlóbeli eleme sem 0. 0 0 d2 . . .. ha a mátrixok felcserélhet˝ k.  .. A−1 n   . . a második sor o −2-szeresét az els˝ höz adjuk (−2S2 → S1 )): o 3 2 1 2 3 0 0 2 5 6 1 0 0 4 0 5 1 0 1 0 5∼4 0 5 1 0 1 1 2 3 0 0 1 2 5 6 1 0 2 3 2 1 2 3 0 0 1 0 1 2 3 4 0 5 1 0 1 0 5∼4 0 1 0 1 0 1 0 1 0 −2 0 0 1 −5 3 2 2 1 0 0 1 2 0 15 −3 −29 4 0 1 0 1 0 −2 5 ∼ 4 0 1 0 1 10 0 0 1 −5 0 0 1 2 3 1 0 5∼ 0 3 0 1 0 −2 5 ∼ 1 10 13 −3 −25 1 0 −2 5 −5 1 10 3 3. dk n               =   Az összefüggés negatív k-ra is fennáll. . azaz AT = A és BT = B.. 2. . . o B Ha A és B szimmetrikus.  . . . . Hasonlóképp a szimultán AX = B egyenletrendszer pontosan akkor oldható meg egyértelm˝ en. 0 0 dk 2 . Diagonális mátrixok összege. Ekkor ugyanis az egyik sor kinullázható. Ha egy blokkdiagonális mátrix f˝ átlójában lév˝ mátrio o xok nem szingulárisak. T Ha A négyzetes mátrix. Azt. 2 × 1. mintha a blokkok helyén számok állnának. szorzata. Diagonális mátrix pozitív egészkitev˝ s hatványára a o o következ˝ összefüggés áll fenn:  d1 0 . vagyis az A mátrix nem alakítható elemi sorm˝ veletekkel az u egységmátrixba. skalárszorosa. A−1 is invertálható. 10 T Az inverz algebrai tulajdonságai: Legyen A invertálható. ha A egyik sora a másik skalárszorosa. .. akkor a mátrix invertálható:      9 A1 O . a többi nullmáto rix. . . ha f˝ átlójában egyik elem o sem zérus... Pélo dául ha A. O . és (A−1 )−1 = A. skalárszorosa. tetsz˝ leges c = 0 konstansra (cA)−1 = c−1 A−1 . és (AB)−1 = B−1 A−1 . C′ és D′ . dn k  dk 1 0 . és ekkor a megoldás x = A−1 b. így 2 (A + AT ) is szimmetrikus.. T Minden négyzetes mátrix felbontható egy szimmetrikus és egy ferdén szimmetrikus mátrix összegére. 0 . akkor u szorzatuk is invertálható. T Szimmetrikus mátrixok szorzata pontosan akkor szimmetrikus.. és hasonlóképp az A′ . azaz ad = bc pontosan akkor áll fenn. .. .. ha észrevesszük. és pontosan akkor ferdén szimmetrikus.. 3. ha a f˝ átlójában négyzetes mátrixok vannak. nemnegatív egész n esetén An is invertálható.. inverze diagonális. .

D Legyen adva az Rn valamely L alterében egy B = {a1 . és kifeszítik L-et. hogy az a1 . 1. Az A mátrix magterén és képterén a hozzá tartozó TA leképezés magterét és képterét értjük. akkor A(c1 x + c2 y) = c1 Ax + c2 Ay = 0 + 0 = 0. melyre x1 = x0 + y. tetsz˝ leges a.T Az Ax = b egyenletrendszer összes megoldását megkapjuk. vagy egy origón áthaladó síkon vannak. 10 . Tekintsük a követu kez˝ TA függvényt: o TA : Rn → Rm : x → Ax. hogy Ax = b1 és Ay = b2 . azaz másként fogalmazva az Am×n xn×1 = 0m×1 egyenletrendszer megoldásai az Rn tér egy lineáris alterét alkotják. amelyekben a vektorok végpontjai egy origón átmen˝ o egyenesen vannak. Ezt a TA függvényt az A mátrixhoz tartozó leképezésnek nevezzük. magtér 15. . 0). . 0. Mivel x1 és x2 az inhomogén egyenletrendszer megoldásai. hisz az értelmezési tartomány minden vektorának van képe. E o ha egyetlen megoldásához hozzáadjuk a homogén Ax = 0 feltétellel ekvivalens az alábbi kett˝ : o egyenletrendszer összes megoldását. 17. . ha b = 0. azaz léo tezik olyan x és y vektor. melyekre az Ax = b egyenletrendszer megoldható. hogy ha az inhomogén egyenletrendo 2. azaz Ax = 0 és Ay = 0. ha Lu b˝ l bárhogy kiválasztva véges sok a1 . an } vektorrendszer. . Ilyen altérhez úgy jutunk. . . hogy a képtér nem üres. Tehát a képtér Rm altere. A homogén lineáris Ax = 0 egyenletrendszer megoldásai az A magterét alkotják. . 1). c2 ∈ R valós szám esetén c1 a + c2 b ∈ L. B A magtér nem üres. ha B elemei lineárisan függetlenek. alteret alkotnak Rm -ben. R3 nemtriviális alterei olyan vektorokból állnak. .Rn tér alterei Az altér fogalma 14. vagy egy o origón nem áthaladó egyenes pontjaiba mutató vektorokból áll. . P Példák bázisra: 1. . Azt mondjuk. sz˝ leges c1 . hogy ha x0 az inhomogén egy rögo zített megoldása. A zérusvektorból álló L = {0} halmaz és az L = R akkor x0 + y az inhomogén egy megoldását adja.. B Legyen b1 és b2 a képtér két tetsz˝ leges vektora. A TA által a 0 vektorba képezett vektorok halmazát a TA leképezés magterének nevezzük. b ∈ L vektor és teto 18. Másrészt. Nem meglep˝ módon legyen o y := x1 − x0 . ak vektort. E leképezés értelmezési tartománya Rn . hogy a nem üres L vektorhalmaz pontosan A megoldások terei akkor lineáris altér. Nyilvánvaló. vagy egyszer˝ en altere. vagy a sík egy origótól különböz˝ vektorából. ha vesszük egy nem-0-vektor összes skalárszorosát. Ekkor A(c1 x + o c2 y) = c1 Ax + c2 Ay = c1 b1 + c2 b2 . . . tehát az y vektor megoldása a homogén egyenletrendszernek. . . . Képtér. M Összefoglalva: Az Ax = 0 homogén lineáris egyenletrendszer összes megoldása alteret alkot. viszont egy altér eltoltja. .T Az Am×n mátrix képtere az R egy lineáris altere. . ha x és y megoldás. ak ∈ L vektorait. .D Legyen Am×n egy valós elem˝ mátrix. . 0. vezzük. ezért Ay = A(x1 − x0 ) = Ax1 − Ax0 = b − b = 0. Az e1 = (1. hogy y megoldása a homogén egyenletrendszernek. Ez az altér épp az egyenletrendszerhez tartozó Ax = 0 homogén egyenletrendszer megoldásainak altere. 1. M Könnyen látható. e2 = (0. 0). . 16.T Homogén lineáris egyenletrendszer megoldásainak minden lineáris kombinációja megoldás. hogy e vektorok összes lineáris kombinációja alteret alkot. o B El˝ ször megmutatjuk. o P a. Másként fogalmazva: azok a b vektorok. hisz a 0-vektor benne van. hogy B bázis L-ben. a2 . ha összes lineáris kombinációjuk altere megegyezik L-lel. melyet szokás TA képterének is nevezni. megoldását. azaz Ax0 = b és Ax1 = b. Az Ax = b egyenletrendszer összes megoldása nem alkot alteret.D Azt mondjuk. . Ezután megmutatjuk. M Az Ax = b egyenletrendszer pontosan akkor oldható meg. c2 ∈ R két tetsz˝ leges szám. dimenzió D Tekintsük az Rn tér egy L alterét. Legyen c1 . b. . ak vektorok kifeszítik az L alteret. vektorok bázist alkotnak Rn -ben. Azt mondjuk. vagyis a magtér az Rn altere. Tudjuk. b ∈ L vektorok esetén a + b ∈ L. melyek végpontjai vagy egy origón áthaladó egyenesen. Ezeket triviális altereknek neA(x0 + y) = Ax0 + Ay = b + 0 = b. . . hogy az L ⊆ Rn nem üres vektorhalmaz az Rn vektortér lineáris altere. x1 pedig egy tetsz˝ leges megoldása. Az R2 nemtriviális alterei azok a vektorhalmazok. Ezt nevezzük Rn standard bázisának. . tehát c1 b1 + c2 b2 is A képterében van. az inhomogén egy megoldását kapjuk. ha b az A képterében van. tetsz˝ leges a ∈ L vektor és c ∈ R valós szám esetén o szer egy megoldásához hozzáadjuk a homogén bármelyik ca ∈ L. ugyanis halmaz egyaránt alterek. azok o minden lineáris kombinációja is L-ben lesz. és annak a1 . en = (0. y a homogén egy tetsz˝ leges megoldása. m Bázis. . Eszerint a kétismeretlenes Ax = b egyenletrendszer megoldásainak vektorhalmaza b = 0 esetén vagy üres. . értékkészlete pedig Rm része. Meg kell mutatnunk. Legyen n x0 az inhomogén. . . ha tetsz˝ leges a. . akkor létezik olyan y megoldása a homogén egyenletrendszernek.

     1 1 0 1 1 1 4 1 1 1 4  1 1 −1 2   0 0 −2 −2   0 0 1       2 2 0 6  ∼  0 0 −2 −2  ∼  0 0 0 0 0 0 0 0 2 2 0 0 2 2 a) Az Ax = b egyenletrendszer pontosan akkor oldható meg. 1. (4. oszloptér. Egy A mátrix rangját rang(A). 0. amelyekbe a sorlépcs˝ s alakra hozás közben vezet˝ egyes kerül. . A sorterének dimenziója r. 1) vektorok bázisát alkotják. ahol n az ismeretlenek száma. 0  3. Egy mátrix sorlépcs˝ ssé transzformált alakjának nemo zérus vektorai a sortér egy bázisát adják.2. A sorvektorainak rendszerét jelölje S. rang 7. b) ekvivalens a)-val. 2. . 2) vektorokat! Válasszunk ki e vektorok közül egy maximális lineárisan független rendszert! Mindkét feladat egyetlen mátrix sorlépcs˝ s alakra hozásával o megoldható. akkor TA torok közt az els˝ és harmadik vektor maximális független o magtere és képtere dimenziójának összege n. (0. an } kifeszíti 5. o b. c) és d) a redukált sorlépcs˝ s alakra hozás következménye.T a. P a) Tekintsük az (1. . hogy az x + y + z = 0 egyenlet˝ sík vektorainak terét u e két vektor kifeszíti. 1. D Egy vektorrendszer rangján a vektorok által kifeszített altér dimenzióját értjük. 2. Az L dimenzióját dim(L) jelöli. (1. Ha L n-dimenziós. am ) jelöli. (1. A oszlopterének dimenziója r. 0). (1. am } vektorrendszer rangját rang(a1 . ha rang(A) = ˝ rang( A b ) = n. (0. az O-ból kiválasztható lineárisan független vektorok V -t. b) Az Ax = b egyenletrendszer pontosan akkor oldható meg. . 1. −1. . akkor  1. 0. 0. 0. hisz mindig megoldás az x = 0. míg egy mátrix rangján a sorvektorai által kifeszített tér. A 9. ha rang(A) = rang( A b ). B Az a) abból következik. ha rang(A) < n (n az ismeretlenek száma). A sorlépcs˝ s alakjában k nemzérus sor és m − k zérus o 1  sor van. és B = {a1 . c) Az Ax = b egyenletrendszer pontosan akkor oldható meg. akkor B bázis. . rang(O) = r. A sorlépcs˝ s alakjában k vezet˝ 1-es van. an } lineárisan független L-beli vektorokból áll. 23. 2.T Egyenletrendszer megoldhatósága és az oszloptér: rok által kifeszített teret A oszlopterének nevezzük. e) a d) következméo nye. ha A és A b oszloptere azonos. hogy Ax az oszlopainak egy lineáris kombinációja. 1. feszített tér egy bázisa (1. 0). 2. tett teret az A sorterének. számának maximuma r. −1. 0. 2). TA képterének dimenziója r. T Egy mátrix sorterének és oszlopterének dimenziója mindig megegyezik. rangja k. Elemi sorm˝ veletek közben a sortér nem változik. d) Az Ax = b egyenletrendszer pontosan akkor oldható meg egyértelmuen. . Sortér. 0) és a (−1. (2. Az alábbi állítások ekvivatorból áll. T D T D 21. 6. Az R2 sík 3x − 4y = 0 egyenlet˝ egyenesének vektou rai alteret alkotnak R2 -ben. az Ax = 0 egyenletrendszer megoldásában k kötött és Az el˝ z˝ két tétel szerint tehát az a)-beli vektorok által kio o n − k szabad változó van. jük. vagyis a sortér dimenzióját. T magterének dimenziója n − k. az S-b˝ l kiválasztható lineárisan független vektorok számának maximuma r. hisz ugyanannak a mátrixnak az a)-beli vektorok sorvektorai. a2 . és B = {a1 . míg az {a1 . lensek: Az L altér dimenzióján valamely bázisának elemszámát ért1. rendszert alkot! 11 .T a. 4). . o 4. 6). 1. Ez egyúttal azt is jelenti. . 20. o o 0 4. 1). 3. a2 . 1. . az oszlopo o vektorok egy maximális lineárisan független rendszerét adják. 6. 1. n 19. Ennek egy bázisa a (4. tehát TA : Rn → Rm . rang(S) = r. 0. . akkor B bázis L-ben. 1. 2. Egy mátrixnak azok az oszlopai. E homogén lineáris egyenletrendszernek pontosan akkor van nem-triviális megoldása.T Legyen Am×n egy tetsz˝ leges mátrix. 2. a b)-beli vekK Ha A egy m × n-es mátrix. . Elemi sorm˝ veletek közben az oszlopvektorok közötti u lineáris összefügg˝ ségek nem változnak. a b)-beli vektorok oszlopvektorai. . rang(A) = r. Határozzuk meg egy bázisát az általuk kifeszített altérnek! b) Tekintsük az (1. 1.T Ha A egy m × n-es mátrix. az általa generált leo képezést jelölje TA . 2. 2) vektorokat. Az m × n-es A mátrix n-dimenziós sorvektorai által kifeszí8. azaz e vektorok kifeszítik az oszlopteret. példabeli x + y + z = 0 egyenletb˝ l álló egyenleto rendszer megoldásai terének a (−1. azaz a triviális megoldás. 3) vektorból álló vektorrendszer. ha a b vektor benne van az A mátrix oszlopterében. . A 3  2. R egy L alterének bármely két bázisa azonos számú vekoszlopvektorainak rendszerét O. Ha L n-dimenziós. 3. u b. 2). míg az m-dimenziós oszlopvekto22. . 3). . e) A homogén Ax = 0 egyenletrendszer mindig megoldható.

azaz det(A) = det(AT ). illetve paralelepipedon el˝ jeles térfogatával. . . an ). cai . . . i2 . . . . n számok egy permutációja. D Egy n × n-es mátrix determinánsán a sorvektorai által kifeszített paralelepipedon el˝ jeles térfogatát értjük. . . Ha a determinánst f˝ átlóján tükrözzük. 2. .D (2)). Determináns felbontása 1.D (4)). . an ) + V (a1 . . Ha egy determinánsnak minden sorában és oszlopában pontosan egy nemnulla eleme van. o 5. n. an ). o C. . . = D Tekintsük a négyzetes A = [aij ]n×n mátrixot! Az aij elemhez tartozó aldeterminánson az i-edik sor és a j-edik oszlop elhagyásával kapott (n−1)×(n−1)-es mátrix determinánsát értjük. ahol k = i. . Lényegében az el˝ z˝ vel azonos tartalmú az alábbi o o felbontás: tekintsük a determináns elemeib˝ l képo zett összes olyan a1i1 a2i2 . i i (4) V (. ai . Ha a determináns két sorát felcseréljük. . ai .D definícióban adtunk meg. . . an2 . A determináns sorain végzett elemi átalakítások azonos szabályok mellett az oszlopokon is elvégezhet˝ k. a∗ . . A és B is egy-egy n × n-es mátrixot jelöl. melyre (1) V (e1 . . . . hogy kiválasztunk n elemet. . . 4. . n). . a∗ + a∗∗ . (2) V (a1 . és Aij az aij elemhez tartozó el˝ jeles aldetermináns. . . . 3. in ) permutáció az 1. értéke nem változik. 3. . . . ahol i1 . ). . . . Jelölése: o a1 . an ) = cV (a1 . an ∈ Rn tetsz˝ leges vektorok. a többit pedig 0-val helyettesítjük. en ) = 1 (az egységkocka térfogata 1). . Minden determináns felbomlik az összes ilyen módon kreált determináns összegére. j = 1. o 3. a1j A1k + a2j A2k + · · · + anj Ank = 0. M A következ˝ kben összefoglaljuk a determinánsok tulajdono ságait. akkor értéke megegyezik ezeknek az elemeknek a szorzatával. . mely a fenti tulajdonságokat teljesíti. . . in az 1. . an ) = i i V (a1 . . . illetve második tagja áll. . . a1n . . Az így kapott szorzatok összege megegyezik a determináns értékével. akkor a determináns o értéke a f˝ átlóbeli elemek szorzata. an1 a12 . melyek ezekb˝ l levezeto het˝ k. . 12 .Mátrixokon értelmezett függvények A determináns fogalma és tulajdonságai M A 2×2-es. . an a11 . melyeket úgy kapunk az eredetib˝ l. Speciális alakú determinánsok értékének kiszámítása 1. illetve a 3×3-as determináns értéke megegyezik a sorvektorai által kifeszített paralelogramma el˝ jeles területéo vel. amit az aij -hez tartozó el˝ jeles aldeterminánsnak o nevezünk. ai . T Egyetlen olyan függvény van. . Ferde kifejtési tétel: Ha egy determináns egy sorának (oszlopának) minden elemét egy másik sor (oszlop) elemeihez tartozó el˝ jeles aldeterminánssal szorozzuk o meg. . o 25. . . Ha a f˝ átló alatt csupa zérus áll. Tekintsük azokat a determinánsokat. köztük megismételjük azokat. . . . . 24. . . 2. Jelölje Aij az aij -hez tartozó aldetermináns (−1)i+j szeresét. D. . . . . Ha egy sor helyébe annak konstansszorosát írjuk. a determináns értéke is ugyanannyiszorosára változik (24. . ha az (i1 . vagy annak ellentettjével attól függ˝ en. Ha az i-edik sorban csupa kéttagú összeg szerepel. . . . . . . Determináns sorai és oszlopai 1. értéke −1szeresére változik (24. és azokat is. aj . Ha a determináns egyik sorához egy másik sorának konstansszorosát adjuk. .D (1)). . illetve k = j. meo lyek közül semelyik kett˝ sincs egy sorban vagy oszo lopban.. . . . értéke nem válo tozik. . Az el˝ jeles o o térfogat 4 fontos tulajdonságát felhasználva általánosítjuk e fogalmat. . 2. melyeket a 24. Legyenek a1 . . . e2 . 2. hogy e determináns páo ros vagy páratlan számú sorcserével hozható diagonális alakra.D Az R standard bázisának elemeit jelölje ei (i = 1. . ) = −V (.D (3)).. . 2. . . . a2 . 0-t kapunk eredményül: ai1 Ak1 + ai2 Ak2 + · · · + ain Akn = 0. A. Az egységmátrix determinánsa 1 (24. (3) V (a1 . . . és ezeket adjuk össze. . aj . minden más soruk o pedig megegyezik az eredeti determinánséval (24. anin szorzatot. A determináns és az elemi sorm˝ veletek u 1. . .T A determináns tulajdonságai: A továbbiakban n jelöli a determináns sorainak számát. amelyek i-edik sorában e kéttagú összegek els˝ . . 2. . . . . .. . . . .. . n-b˝ l páratlan o sok elempár cseréjével kapható meg. E veko torok által kifeszített paralelepipedon el˝ jeles térfogatán egy o olyan n-dimenziós vektor-n-eseken értelmezett valós érték˝ u V függvényt értünk. . a∗∗ . . i2 . . .. ann n B. . Kifejtési tétel: A determináns értéke bármely sora vagy oszlopa szerint „kifejtve” meghatározható: det(A) = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = a1j A1j + a2j A2j + · · · + anj Anj ahol i. 2. akkor a determináns egyenl˝ annak a két determinánsnak o az összegével. . Szorozzuk meg e szorzatot −1-gyel.

. b) irányú összetev˝ . Determináns értékének zérus volta 1. E determináns és értéke: 1 1 . f ) = (7. 3. Ugyanígy folytatjuk. d) = (2. 1 v1 1 v2 1 v3 = 1 1 1 2 v1 2 v2 2 v3 (c. hogy e vektornak az (a. d) melyik lineáris kombinációja egyenl˝ az (e. mint az oszlopainak száma). Az ábráról leolvaso ható. T Egy négyzetes mátrix pontosan akkor invertálható. Hasonlóképpen kapható meg az y értéke is: = 1 1 1 v1 v2 v3 0 v2 − v1 v3 − v1 0 2 v2 − v1 v2 2 v3 − v1 v3 1 1 0 2 v2 − v1 v2 2 v3 − v1 v3 = v2 − v1 v3 − v1 2 v2 − v1 v2 2 v3 − v1 v3 = (v2 − v1 )(v3 − v1 ) v2 v3 = (v2 − v1 )(v3 − v1 )(v3 − v2 ). d) által kifeszített paralelogramma és az (a. megegyezik az (e. Teo kintsük az alábbi ábrát. hogy az (a.. . . 3. akkor A−1 = 1 [Aij ]T det(A) (c.. stb. ahol (a. v2 . f ) vektor csúcsában o párhuzamost húzunk a (c. Ez az (a. hogy x = 2 és y = 2 a megoldás. Szorozzuk meg az A mátrixot a fenti kifejezéssel: A· 1 1 [Aij ]T = [aij ][Aij ]T det(A) det(A) Az [aij ] mátrix i-edik sorának és az [Aij ]T mátrix j-edik n oszlopának skalárszorzata k=1 aik Ajk . o F.f) vagyis az inverz az Aij el˝ jeles aldeterminánsokból képo zett mátrix transzponáltjának a determináns reciprokával vett szorzata.K Legyen az A négyzetes mátrix. det(kA) = k n det(A). b)x+(c. 26. (c. . . d) vektor egyenesével.b) (e. (k ∈ R). (m ∈ N). Ezután kifejtjük az els˝ sora o o o szerint. . .d) (a. melynek oszlopaiban e számok hatványai vannak 0tól n − 1-ig. f ) vektorral. . A módszer n × n-esre hao sonlóan megy. 2..E.b)=(3. . 1 v1 v2 . ha sorvektorai lineárisan összefügg˝ ek. f ) vektoregyenlettel. = 1≤i<j≤n (vj − vi ) n−1 . 4. . B A tétel egyszer˝ következménye a determinánsok tulajdonu ságai közt felsorolt kifejtési tételnek. . 4) és (e. vn számokból képzett n×n-es Vandermonde-determinánson azt a determinánst értjük. . d) által kifeszített paralelogramma területeinek arányával. 2.d) (a. Ha A invertálható. P Vandermonde-determináns: A v1 . .d)=(2. második sorából a v3 − v1 .4) (a. . b) vektorral való aránya (azaz a megoldás x-értéke). ha det(A) = 0 (ugyanis rangja ekkor kisebb..f)=(7. A determináns értéke pontosan akkor zérus.1) 1 Könnyen ellen˝ rizhet˝ . det(AB) = det(A) det(B).. det(Am ) = (det(A))m . majd az utolsó el˝ tti oszlopból az o o azt megel˝ z˝ v1 -szeresét.f) (c. Amit kapunk.b) (e. 2 vn n−1 v1 n−1 v2 . f ) és (c. és épp ezt akartuk bizonyítani. vn A Vandermonde-determináns értékének kiszámítását egy 3× 3-as determinánson mutatjuk be. akkor det(A−1 ) = 1 det(A) .4) (e. . d)y = (e. b) és (c. Az egyenletrendszernek a megoldása tehát annak a kérdésnek a megválaszolásával ekvivalens. az ismét egy Vandermondedetermináns. egyébként 0. b) és (c. b) vektor egyenesét olyan pontban metszi. Az Ax = 0 homogén lineáris egyenletrendszernek pontosan akkor van nem-triviális megoldása. akkor a determináns értéke is zérus. 1). További algebrai tulajdonságok 1. hogy az ide mutató vektor épp az (a. mely konkrétan a 3x + 2y = 7 x + 4y = 4 egyenletrendszert szemlélteti. Ha a determináns egyik sorának minden eleme zérus. akkor a determináns értéke zérus. . vn 2 v1 2 v2 .. El˝ ször vonjuk ki az utolsó oszlopból az utolsó el˝ tti v1 -szeresét. b) = (3. ami i = j esetén det(A). 4). Ha A invertálható. Ez o o megkapható a következ˝ módon: az (e. kifejezéseket. Ha a determináns egyik sora a másiknak konstansszorosa. Az így kapott kisebb méret˝ determináns els˝ sou o rából kiemeljük a v2 − v1 . ha determinánsa nem 0. 13 . Cramer-szabály M Tekintsük az alábbi egyenletrendszert: ax + cy = e bx + dy = f Ez ekvivalens az (a.

és (I − A)−1 = I + A + A2 + . f additív.  . b] intervallumon differenciálható. tr(A + B) = tr(A) + tr(B) 4. An1 a homogenitás olyan V és W halmazok esetén. . mint 1. mely minden függvényhez az x0 pontbeli határértékét rendeli. f (en ) . .) . azaz A n × n-es. 14 . Ann ezért A1i b1 + A2i b2 + · · · + Ani bn xi = . . ahol a komp A12 A22 . tr(AB) = tr(BA) Mátrixpolinomok M Mátrixhoz mátrixot rendel˝ függvények szoros kapcsolatba o hozhatók a valós függvényekkel. o o hisz négyzetes mátrix nemnegatív egész kitev˝ s hatványa. .Az el˝ jeles területeket determinánssal felírva tehát azt kapo juk. melyeknek van határértékük az x0 pontban. hogy e f a b c d c d a e b f . o skalárszorosa és összege is definiálva van. . . . f homogén. x2 = . . . . 2. . melyek elemei közt értelmezve van az összeadás és a valós skalárral való rendszer n egyenletb˝ l áll. akkor az egyenletrendszer megoldása 1. A V → W : g → g ′ leképezés (a differenciálás operátora) lineáris leképezés.. b] intervallumon folytonos függvények b halmaza. melynek valamely m-edik hatványára Am = O. . .  . akkor 1. . azaz bármely v ∈ V és c ∈ R esetén f (cv) = cf (v). akkor van olyan m × n-es A mátrix. és (I − A)−1 = I + A + A2 + · · · + Am−1 . i=1 T A nyom tulajdonságai: Ha A és B n × n-es mátrixok. Legyen V azon valós függvények halmaza. u akkor az TA : x → Ax leképezés egy Rn -b˝ l Rm -be o (Cn -b˝ l Cm -be) képez˝ lineáris leképezés. b] intervallumon értelmezett függvények halmazát.D Legyen V és W két olyan nemüres halmaz. pontja ekvivalens a következ˝ vel: o o o bn A1n A2n . c2 ∈ R esetén f (c1 u+c2 v) = c1 f (u) + c2 f (v). . . . en jelöli. azaz bármely u. tr(AT ) = tr(A) 2. ha vektorát kicseréljük a b vektorra.  T Az el˝ z˝ definíció 1. . . akkor A= f (e1 ) f (e2 ) . hogy f = TA . azaz a V → W : g → limx0 g leképezés lineáris. mint függvény jele tr. 3. T Ha A olyan négyzetes mátrix. B Mivel    (Hasonlóan definiálható valós helyett komplex számtesttel is b1 A11 A21 . melyben az elemek abszolút értékének összege minden oszlopban (vagy sorban) kisebb. . 29. B a) azonnal következik a mátrixm˝ veletek tulajdonságaiból. A V → W : g → a g leképezés lineáris. v ∈ V és c1 . és 2. amelynek definiálása magától értet˝ d˝ . hogy i-edik oszloppezésnek nevezzük. melyet A-ból úgy kapunk. akkor I − A invertálható. det(A) 3. o o b) Ha f : Rn → Rm egy lineáris leképezés. tr(cA) = c tr(A) 3.. x=A b=  . v ∈ V esetén f (u + v) = f (u) + f (v). u ugyanis A(c1 u + c2 v) = c1 Au + c2 Av. An2   b2  1    −1 lex számmal való szorzás is definiálva van. x1 = det(A) det(A) det(A) 2.T Cramer-szabály: Ha az n-ismeretlenes Ax = b egyenlet. Az a leképezés.T a) Ha A egy m × n-es valós (komplex) elem˝ mátrix.28. . . akkor I − A invertálható. . Ha Rn egy bázisának o u elemeit e1 . A nyom. P Példák lineáris leképezésre: 1. Jelölje V az [a. és Bi jelöli azt o szorzás m˝ velete. Legyen W = R. bármely u. xn = . . Legyen V az [a. Az f : V → W leképezést lineáris lekéu a mátrixot. Tehát tr(A) = n aii . W az [a. . A legegyszer˝ bb példa u a mátrixpolinomé. Ez a mátrix a bázistól függ˝ en egyértelm˝ . det(B2 ) det(Bn ) det(B1 ) . a c b d T Ha A olyan négyzetes mátrix. a számlálóban pedig épp Bi determinánsa szerepel az i-edik oszlopa szerinti kifejtésben. x= és y = Lineáris leképezés Az Rn → Rm lineáris leképezések Ennek általánosítása többismeretlenes egyenletrendszerekre a következ˝ : o 27.  det(A)  . . Nyom D A négyzetes A = [aij ]n×n mátrix nyomán f˝ átlója elemeio nek összegét értjük. e2 . és legyen W = R.

Innen a vetítés mátrixának és a pontba mutató vektornak a szorzata: 16 25 12 25 12 25 9 25 Az el˝ állítás egyértelm˝ sége abból következik. Legyen x = x1 e1 + x2 e2 + · · · + xn en . λ egy adott szám.T Legyen A egy n × n-es mátrix. Ekkor a szöget zár be: következ˝ k ekvivalensek: o cos2 α sin α cos α (a) λ az A sajátértéke. azt mint C o feletti mátrixot tekintjük. (cos2 α. hogy ha két o u mátrix különböz˝ . a det(A−λI) = 0 egyenletet pedig az A karakterisztikus egyenletének. amelyet a TA . Ha egy v vektor sajátvektor. tehát azok is különböznek. két derékszög˝ háromszög befogóinak hossza cos α. hogy Ax = λx (illetve A(x) = λx). P Az origó körüli forgatás lineáris leképezés. melynek mátrixa. melynek mátrixa α szöggel való forgatás esetén: cos α sin α y (− sin α. illetve u (c) λ megoldása a det(A − λI) = 0 karakterisztikus sin α. . sin α) α x Egy A mátrix. fels˝ vagy diagonális). . xn P Mi a (5. Egy sajátértékhez tartozó sajátvektorok a zérusvektorral együtt alteret alkotnak. sin2 α) α x (b) ⇐⇒ (c): az (A − λI)x = 0 homogén egyenletnek x nemtriviális megoldása ⇐⇒ az együtthatómátrix determinánsa 0 ⇐⇒ az adott λ-ra det(A − λI) = 0. melynek mátrixa. E λ számot sajátértéknek nevezzük. f (en )  . Mivel f lineáris.  . o 15 . − cos α) (cos α. akkor az általuk generált lineáris leképezések az ei vektort máshová képzik. ezt sajátaltérnek nevezzük. lete cos α és cos α sin α hosszú. hogy bár A elemei valósak. D A λ → det(A−λI) függvény λ polinomja. sin α) x − sin α cos α 5 8 = 10 6 Sajátérték. ha megadható egy olyan λ ∈ R szám. akkor annak minden nemnulla skalárszorosa is sajátvektor. illetve egy A : Rn → Rn lineáris leképezés sajátvektora az a vektor. és így például a cos α hosszú szakasz két tengelyvetü2 egyenletnek. hogy f lineáris leképezés. illetve az A lineáris leképezés a saját maga skalárszorosába visz. f (x) = f (x1 e1 + x2 e2 + · · · + xn en ) = x1 f (e1 ) + x2 f (e2 ) + · · · + xn f (en )   x1  . ha az egyenes az x-tengellyel α/2 szöget zár be: y cos α sin α sin α − cos α α (sin α. ako kor sajátértékei megegyeznek f˝ átlójának elemeivel. amit az A mátrix karakterisztikus polinomjának nevezünk. T Ha A egy háromszögmátrix (alsó. . A definíció hasonlóan fogalmazható meg egy komplex elem˝ u A mátrixra. ezért elég csak az ún. az x vektort e sajátértékhez tartozó sajátvektornak. y B (a) ⇐⇒ (b): λ az A sajátértéke ⇐⇒ Ax = λx és x = 0 ⇐⇒ Ax − λIx = 0 (x = 0) ⇐⇒ az (A − λI)x = 0 egyenletnek x nemtrivi megoldása. cos α) α α (cos α. sin α cos α sin2 α (b) A homogén lineáris (A − λI)x = 0 egyenletnek van A bizonyítás leolvasható az alábbi ábráról.  = f (e1 ) f (e2 ) . sajátvektor D Azt mondjuk. hisz az ott látható nemtriviális megoldása. cos α = 4/5. 10) koordinátájú pontnak a 3x − 4y = 0 egyenlet˝ u egyenesre való mer˝ leges vetületének koordinátái? o A megadott egyenes iránytangense tg α = 3/4. sin α cos α) (sin α cos α. így irányszögének szinusza és koszinusza is kiszámolható: sin α = 3/5.b) bizonyításához tegyük fel. A bizonyítás leolvasható az alábbi ábráról: P Az origón átmen˝ egyenesre való mer˝ leges vetítés lineáris o o leképezés. Gyakran el˝ fordul. P Az origón átmen˝ egyenesre való tükrözés lineáris leképeo zés. sajátirányokat meghatározni. ekkor x ∈ Cn és λ ∈ C. hogy az n × n-es A mátrixnak (illetve az A : Rn → Rn lineáris leképezésnek) x ∈ Rn nemzérus vektor sajátvektora. és a komplex sajátértékeit és sajátvektorait is vizsgáljuk. mondjuk az i-edik oszopukban különbözo nek. ha az egyenes az x-tengellyel α 30. illetve az A : Cn → Cn lineáris leképezésre is.

1. Legyen egy tetsz˝ leges x vektor koordinátás alakja az F báo x1 . 1)). T Ha An×n sajátértékei λ1 .T tétel szerint a 0 pontosan akkor sajátértéke A-nak. és az E-b˝ l az F bázisba való áttérés mátrixa o C−1 . .     2 0 0 2 0 0 A =  1 1 0 . T Ha E és F egyaránt ortonormált bázisok. ha E = {e1 . o o T Ha A négyzetes mátrix. λ2 . tehát A-nak a λ = 1-hez tartozó sajátaltere megegyezik az x = 0 egyenletb˝ l álló egyenletrendszer megoldásaio val. . [fn ]E Ortogonális mátrixok D A négyzetes C mátrixot ortogonálisnak nevezzük. ha C−1 = CT . A 29. addig a B esetén ez 1-dimenziós. így λ = 1 kétszeres. akkor f vagy egy origó közep˝ u forgatás. akkor C o invertálható. akkor det(A) = λ1 λ2 . és λ = 2 egyszeres sajátértéke. . azaz TA skalárszorzattartó. azaz A ortogonális. minden x ∈ Rn vektorra |Ax| = |x|. λ egy sajátértéke. T Ha C az F -b˝ l az E bázisba való áttérés mátrixa. akkor az áttérés C mátrixára C−1 = CT . ha det(A) = 0. Fejezzük ki az F bázis elemeit az E bázisban: [f1 ]E = azaz f1 = ae1 + be2 f2 = ce1 + de2 . illetve cos α sin α sin α − cos α Áttérés másik bázisra o M Legyen az R2 tér két tetsz˝ leges bázisa E = {e1 . . illetve ha a tükrözés tengelye az x-tengellyel α/2 szöget zár be): cos α − sin α sin α cos α . aza TA távolságtartó. . .. illetve [A]F = [A(f1 )]F . ahol tr(A) az A mátrix f˝ átlóban lév˝ elemeinek összegét jelöli. fn } az Rn két bázisa. 3. z) = t(0. T Legyen E = {e1 . z) = t(0. en } és F = {f1 . y. f o mátrixa tehát (ha az elforgatás szöge α. az F → E áttérés mátrixát jelölje C. vagyis az yz-sík vektoraival ((x. . λn . . akkor a λ-hoz tartozó sajátaltér legfeljebb kdimenziós. 1)). . 0. o T Legyen A egy n × n-es mátrix.T Az A mátrixnak a 0 pontosan akkor sajátértéke. Behelyettesítve zisban [x]F = x2 a fenti egyenl˝ ségeket a következ˝ ket kapjuk: o o [x]E = a b c d [x]F F →E a . ha A nem invertálható. b [f2 ]E = c . . . vagyis a z-tengely vektoraival ((x. hogy a mátrix az F bázisból az E-be való áttérés mátrixa. 1 0 1 1 1 1     2−1 0 0 1 0 0 A−1·I = 1 1−1 0  =  1 0 0 . 4. 16 . minden x. 0) + s(0. . e2 } és F = {f1 . . azaz x = x1 f1 + x2 f2 . en } és F = {f1 . Általában. Ez 1-dimenziós. y ∈ Rn vektorra Ax · Ay = x · y. Ezek között fennáll a következ˝ összefüggés: o [A]F = C−1 [A]E C. ha elemei páronként mer˝ leges egységvektorok. . A sorvektorai ortonormált rendszert alkotnak. vagy egy origón átmen˝ egyenesre való tükrözés. y. . Ekkor a következ˝ állítások o ekvivalensek: 1. fn } az Rn két bázisa. . B A 30. Legyen A : Rn → Rn egy lineáris leképezés. 1 0 1−1 1 0 0 5. B =  1 1 0 . Ez 2-dimenziós. P Az alábbi A és B mátrix mindegyikének azonnal látható módon (λ − 1)2 (λ − 2) a karakterisztikus polinomja. 2. . 0. tehát C ortogonális.31. . d tehát B-nek a λ = 1-hez tartozó sajátaltere megegyezik az x = 0. illetve F bázisban [A]E = [A(e1 )]E . D Az Rn egy vektorrendszerét ortonormáltnak nevezzük.     2−1 0 0 1 0 0 1−1 0  =  1 0 0 . B−1·I=  1 1 1 1−1 1 1 0 Az F → E a mátrix indexében azt jelzi. [A(en )]E .. f2 }. tr(A) = λ1 + λ2 + · · · + λn . . . . így sorvektorai és oszlopvektorai is ortonormált rendszert alkotnak. A oszlopvektorai ortonormált rendszert alkotnak. . de míg az A esetén a λ = 1 sajátértékhez tartozó sajátaltér 2-dimenziós. P Ha f : R2 → R2 ortogonális. .T tétel szerint az A leképezés mátrixa az E. akkor az F → E áttérés mátrixa: [f1 ]E [f2 ]E . [A(fn )]F . x + y = 0 egyenletekb˝ l álló egyenletrendszer o megoldásaival.. melynek multiplicitása k. azaz ha A nem invertálható. A−1 = AT . λn . . .

T Hasonló mátrixoknak azonos a P Diagonalizáljuk az A = 11 15 −6 −8 mátrixot! Az el˝ z˝ tétel bizonyítása egyúttal módszert is ad a diagonao o lizálásra. deteminánsuk. hogy az egyik mátrix az egyik bázisban. ezért determinánsuk és nyomuk is azonos. így a sajátértékek is. . hogy D = C−1 AC = 3 5 −2 −3 11 15 −6 −8 −3 −5 2 3 1 0 1. . ha van olyan invertálható C mátrix. 3. . 33. o Ez utóbbi felbontást nevezik az A mátrix spektrálfelbontásának. 0    A[c1 | c2 | . .   . . . ha létezik két olyan bázis. 2 3 3 5 a C−1 = −2 −3 mátrixszal számolva kapjuk. | cn ]  . diagonalizálhatóság D Azt mondjuk. −2/ 5) és x2 = (2/ 5.. s2 . . . azaz AC = CD. A sajátvektorokból álló mátrixszal. a hozzájuk tartozó sajátvektorok (−3. E mátrix sajátértékei 1 és 2. sn  . .. hogy D = C−1 AC. . 0 0 . . A m˝ veleteket elvégezve: u A rangokra vonatkozó állítás abból a könnyen bizonyítható A = λ1 s1 ◦ s1 + λ2 s2 ◦ s2 + · · · + λn sn ◦ sn tételb˝ l következik. | dn cn ] =λ1 x1 xT + λ2 x2 xT 1 2 √ √ √ 1/ √ 5 =−3· 1/ 5 −2/ 5 −2/ 5 √ √ √ 2/√5 +2· 2/ 5 1/ 5 1/ 5 =−3· 1 5 2 −5 2 −5 4 5 +2· 4 5 2 5 2 5 1 5 Összefoglaló tétel T Legyen A egy n × n-es mátrix. dn . 1 2 n 22 P A 1 2 és a 1 2 mátrixok biztosan nem hasonlóak.  . rakterisztikus polinomok azonosak. . Legyen egy ilyen rendszer s1 . A √ = hozzájuk tartozó √ egységnyi sajátvektorok √ x1 = (1/ 5. A= 1 2 2 −2 B Az els˝ állítást bizonyítjuk. . 2. . .T F˝ tengelytétel és spektrálfelbontás: Ha A n × n-es szimo 4. 1/ 5). és sajátkeik is. . sn . . . . Az si vektorhoz tartozó sajátérB El˝ ször az utolsó állítást bizonyítjuk: o téket jelölje λi (i = 1. ha létezik olyan invertálható C mátrix. λn sT n gítségével. . . . . . hogy C−1 AC diagonális. . illetve (−5. a másik mátrix a másik bázisban ugyanannak a lineáris leképezésnek a mátrixa. . Ekkor det(B − λI) = det(C−1 AC − λC−1 IC)   T −1 −1 = det(C (A − λI)C) = det(C ) det(A − λI) det(C) λ1 0 . . vektoraiból kiválasztható ortonormált rendszer. d2 . akkor léo tezik olyan D diagonális és C invertálható mátrix.. . . és hasonló mátrixok sajátértékei azonosak. nyomuk. dn A szorzások elvégzése után az oszlopvektorok összevetése igazolja az állítást: [Ac1 | Ac2 | . hogy B = C−1 AC. 3. T 1. . = λ1 s1 sT + λ2 s2 sT + · · · + λn sn sT . . . akkor a szorzatnak is r lesz a rangja. akkor diagonalizálható. . Ha az An×n mátrixnak n különböz˝ valós sajátértéke o van. = 0 2 2. mert 03 különböz˝ a determinánsuk. 0 s1 −1 = det(A − λI).  . hisz det(C ) det(C) = 1. . Legyen C = [c1 |c2 | . Ekkor a következ˝ állítások o ekvivalensek: 1. |cn ]. Mivel a determináns és a nyom kifejezhet˝ a sajátértékek seo 0 0 . Ekkor o   d1 0 . . mátrix spektrálfelbontását! Könnyen kiszámolható.. . 32. karakterisztikus polinomjuk. . . . Az An×n mátrix pontosan akkor diagonalizálható. ha van n lineárisan független sajátvektora. Tehát a ka 0 λ2 . Így a C = −3 −5 mátrixszal és annak inverzével. | cn ] = [c1 | c2 | . hogy ha egy invertálható mátrixot szoro zunk egy r-rangúval. | Acn ] = [d1 c1 | d2 c2 | . 2). 3). . és annak inverzével kell szorozni az adott mátrixot. 0  0 d2 .Hasonlóság. n). . . Ha A diagonalizálható. T Két mátrix pontosan akkor hasonló. . hogy a négyzetes A mátrix diagonalizálható. . és D f˝ átlójának elemei legyenek d1 .  . így azonosak a sajátértémetrikus mátrix. . .   . 0  sT    2  A = s1 s2 . hogy az A mátrix sajátértékei λ1 = −3 és λ2 √ 2. . rangjuk. akkor minden sajátértéke valós. . . u 17 . . Különböz˝ sajátértékekhez tartozó sajátvektorok lineáo risan függetlenek. . hogy az azonos méret˝ és négyzetes A és u B mátrixok hasonlóak. P Határozzuk meg az A = 1 2 2 −2 D Azt mondjuk. . A elemi sorm˝ veletekkel az In -be transzformálható.

2. 8. A oszlopvektorai kifeszítik Rn -t. u 3. hogy a + b = o (létezik additív inverz). P Néhány példa vektortérre: 5.D Legyen V egy tetsz˝ leges nemüres halmaz. 3. A oszlopvektorai Rn bázisát alkotják. tetsz˝ leges a. n T Tetsz˝ leges test feletti V vektortérre igazak az alábbi állítáo sok: 1. 9. akkor α = 0 vagy a = o. b ∈ V elemre és α ∈ R skalárra legyen definiálva az a + b és az αa elem. ekkor C test feletti vektortérr˝ l o beszélünk. TA magtere csak a 0-vektorból áll. 6. (7) α(a + b) = αa + αb. azaz bármely a. 18 . L altere V -nek. (5) ∀a∃b. az [a. o 4. mint korábban. 11. u T Legyen L a V vektortér egy nemüres részhalmaza. (3) (a + b) + c = a + (b + c) (′ +′ asszociatív). A oszlopvektorai lineárisan függetlenek. 7. b. az R3 tér origón áthaladó egy egyenesének (egy síkjának) pontjaiba mutató vektorok halmaza a szokásos vektorm˝ veletekkel. Csak egyetlen zéruselem létezik. Ha αa = o. . A sorvektorai kifeszítik Rn -t.D definíció tíz kikötésének. a továbbiakban valós test feletti vektorterekr˝ l beszélünk. 3. a legfeljebb negyedfokú valósegyütthatós polinomok halmaza a szokásos polinomm˝ veletekkel. u 16. a V -b˝ l képzett vektortér elemeit a vektortér vektorainak nevezzük. D Egy V vektortér egy L részhalmazát a V alterének nevezzük. u M A vektortér elemeinek lineáris kombinációja. Jelölje a tetsz˝ leges a ∈ V elem additív inverzét −a. b ∈ L és α. míg komplex skalárral való szorzás esetén komplex test feletti vektorteret. Azt mondjuk. A invertálható. det(A) = 0. ak vektorok összes lineáris o kombinációja is L-ben van. hogy L eleget tesz-e a 34. . 12. és a skalárral való szoru zás. b] halmaza) a függvények között értelmezett összeadás és valós számmal való szorzás m˝ veletével. b] intervallumon értelmezett folytonos függvények C[a. o E jelölés mellett (−1)a = −a.2. Legyen definio álva V -n két m˝ velet: az összeadás. tetsz˝ leges a. u 2. TA képtere az egész Rn . Minden α ∈ R valósra: αo = o. A sorvektorai R bázisát alkotják. M A fenti definícióban a valós R test kicserélhet˝ bármely más o testre. TA kölcsönösen egyértelm˝ . Minden a ∈ V vektornak egyetlen additív inverze létezik. . (8) (α + β)a = αa + βa. 5. az m × n típusú valós mátrixok a mátrixok összeadásának és valós skalárral való szorzásának szokásos m˝ u veletével valósok feletti vektorteret alkot. 14. 6. Ekkor az alábbi állítások ekvivalensek: 1. β ∈ R esetén αa + βb ∈ L. 15. Minden a ∈ V vektorra: 0a = o. (2) a + b = b + a (′ +′ kommutatív). 4. 1. b] halmaza (differenciálható függvények D[a. 10. (9) α(βa) = (αβ)a. a 0 nem sajátértéke A-nak. az Ax = b egyenletnek minden b ∈ Rn vektorra csak egyetlen megoldása van. 17. az m × n típusú komplex mátrixok valós skalárral való szorzás esetén valós test feletti vektorteret ad. Ha külön nem említjük. lineáris függetlensége ugyanúgy definiálható. (4) ∃o ∈ V . β ∈ R skalárra fennállnak az alábbi összefüggések: (1) a + b ∈ V (V az összeadásra nézve zárt). az Ax = b egyenlet minden b ∈ Rn vektorra megoldható. így például a C testre. tetsz˝ leges L-beli a1 . ha u bármely a. elég csak az (1)-t és az (6)-t ellen˝ rizni). rang(A) = n. o (6) αa ∈ V (V zárt a skalárral való szorzásra). hogy o + a = a (létezik zéruselem). A sorvektorai lineárisan függetlenek. o 3. 4. b ∈ L és α ∈ R esetén a + b ∈ L o és αa ∈ L (azaz abból. 5. Vektortér A vektortér általános fogalma 34. . hogy a V halmaz e két m˝ velettel valós test feletti vektorteret alkot. o Bármik is a V halmaz elemei. c ∈ V elemre és α. 2. 13. az Ax = 0 egyenletnek csak triviális megoldása van. 4. ha L vektortér a V -beli összeadás és skalárral való szorzás m˝ veletével. (10) 1a = a.

Sign up to vote on this title
UsefulNot useful