1.

Vektorterek
1. Bevezet´es, defin´ıci´o ´es alt´er
Az
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
,
line´aris egyenletrendszert az
a
1
=
_
_
_
_
_
a
11
a
21
.
.
.
a
m1
_
_
_
_
_
, a
2
=
_
_
_
_
_
a
12
a
22
.
.
.
a
m2
_
_
_
_
_
, . . . , a
n
=
_
_
_
_
_
a
1n
a
2n
.
.
.
a
mn
_
_
_
_
_
´es
b =
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
vektorokkal t¨om¨oren ´ ugy is ´ırhatjuk, hogy
a
1
x
1
+a
2
x
2
+· · · +a
n
x
n
= b,
ahol az a
i
vektorok ´ un. m-dimenzi´os euklideszi vektorok.
Az ilyen vektorok ¨osszess´eg´et R
m
-mel jel¨olj¨ uk. Ezek
¨osszead´as´at ´es skal´arral val´o szorz´as´at a 3-dimenzi´oban
megszokott m´odon komponensenk´ent v´egezz¨ uk el.
Ennek a fejezetnek a c´elja, hogy a 3-dimenzi´os vek-
torokat ´altal´anos´ıtsuk, ebben az ´altal´anos´ıt´asban a ko-
ordin´atatengelyeket meg´erts¨ uk, ´es el´erj¨ uk, hogy lehet˝oleg
mer˝oleges koordin´atatengelyekkel rendelkezz¨ unk. Az
´altal´anos´ıtott t´er neve vektort´er:
1. defin´ıci´o. Legyen V egy nem¨ ures halmaz, amelyen k´et
m˝ uveletet ´ertelmez¨ unk:
1. ¨osszead´as: minden u, v ∈ V -hez hooz´arendel¨ unk egy
u +v-vel jel¨olt V -beli elemet;
2. skal´arral val´o szorz´as: minden α ∈ R ´es u ∈ V -hoz
hozz´arendel¨ unk egy αu szint´en V -beli elemet.
Ha ezek a m˝ uveletek rendelkeznek az al´abbi tulajdon-
dons´agokkal, akkor V -t val´os vektort´ernek mondjuk:
1. minden u, v ∈ V eset´en u +v ∈ V
2. minden u, v ∈ V eset´en u +v = v +u
3. minden u, v, w ∈ V eset´en (u +v) +w = u + (v +w)
4. l´etezik nullelem: 0: minden v ∈ V eset´en v + 0 = v;
5. l´etezik inverz: minden v ∈ V eset´en l´etezik −v: v +
(−v) = 0;
6. minden α ∈ R ´es u ∈ V eset´en αu ∈ V ;
7. minden v ∈ V eset´en 1v = v;
8. minden α, β ∈ R ´es v ∈ V eset´en (αβ)v = α(βv);
9. minden α, β ∈ R ´es v ∈ V eset´en (α+β)v = αv +βv;
10. minden α ∈ R ´es u, v ∈ V eset´en α(u+v) = αu+αv.
P´eld´ak vektort´erre:
1. A val´os komponens˝ u m-dimenzi´os vektorok tere (R
m
)
a szok´asos ¨osszead´assal, skal´arral szorz´assal.
2. A val´os komponens˝ u m×n-es m´atrixok tere (R
m×n
)
a szok´asos ¨osszead´assal, skal´arral val´o szorz´assal.
3. A legfeljebb n-edfok´ u val´os egy¨ utthat´os polinomok
tere (P
n
) a szok´asos ¨osszead´assal, skal´arral val´o
szorz´assal.
4. A legfeljebb n-edfok´ u val´os egy¨ utthat´os
trigonometrikus polinomok tere (T
n
) a szok´asos
¨osszead´assal, skal´arral val´o szorz´assal.
5. A minden x ∈ R eset´en folytonos f(x) f¨ uggv´enyek
tere, ahol (f+g)(x) = f(x)+g(x), ´es (cf)(x) = cf(x).
6. A konvergens

a
n
v´egtelen sorok a megismert
¨osszead´asra, skal´arral val´o szorz´asra.
Az al´abbi t´etelek az axi´om´akb´ol k¨onnyen kiolvashat´ok:
1. t´etel. 1. Minden λ ∈ R eset´en λu = 0.
2. Minden v ∈ V eset´en 0v = 0.
3. Minden v ∈ V eset´en (−1)v = −v.
Bizony´ıt´as: Csak 1.-et bizony´ıtjuk, a t¨obbi bizony´ıt´asa
hasonl´oan t¨ort´enik:
A 4. axi´oma szerint:
λ(v = 0) = λv,
ahol a bal oldal a 10. axi´oma szerint
λv +λ0 = λv.
Az 5. axi´oma szerint van a λv-nek ellentettje, amit balr´ol
mindk´et oldalhoz hozz´aadva kapjuk:
−(λv) + (λv +λ0) = −(λv) +λv = 0.
A 3. axi´oma szerint a baloldalt a k¨ovetkez˝ok´eppen cso-
portos´ıthatjuk:
(−(λv) +λv) +λ0 = 0,
ami az 5. ´es 2. axi´oma szerint
0 +λ0 = 0.
V´egezet¨ ul a 4. ´es 2. axi´oma szerint
λ0 = 0.
1
2. defin´ıci´o. A V vektort´er W r´eszhalmaza alt´er, ha
W r´eszhalmaza V -nek ´es maga is vektort´er a V -beli
m˝ uveletekkel.
K´et alteret biztosan tudunk: mag´at a V -t ´es a {0}.
Ezeket trivi´alis alt´ernek mondjuk.
Egy V vektort´erben l´ev˝o W r´eszhalmaz pontosan akkor
alkot alteret, ha az ¨osszead´asra ´es a skal´aral val´o szorz´asra
z´art.
2. t´etel. A W val´ odi alt´er V -ben akkor ´es csak akkor, ha
1. minden u, v ∈ W eset´en u +v ∈ W
2. minden α ∈ R ´es v ∈ W eset´en αv ∈ W.
Bizony´ıt´as: Ha W alt´er, akkor az 1. ´es 6. axi´om´ak
szerint 1. ´es 2. teljes¨ ul.,
Ha minden u, v ∈ W eset´en u + v ∈ W ´es minden α ∈ R
´es v ∈ W eset´en αv ∈ W, akkor az 1. ´es 6. axi´om´ak
nyilv´an teljes¨ ulnek. Mivel 2., 3., 7., 8., 9., 10. axi´om´ak
igazak V -ben, teh´at most is. Mivel 0 ∈ R, ez´ert v ∈ V
estet´en 0v = 0 ∈ W, teh´at van nullelem W-ben, ami 4.-et
bizony´ıtja. Mivel (−1)v = −v, ez´ert ellentett¨ unk is van,
ami 5.-¨ot bizony´ıtja.
P´ed´ak alt´erre:
1. R
3
-ben az orig´on ´atmen˝o s´ıkok ´es egyenesek val´odi
alteret alkotnak.
2. R
m
-ben az olyan vektorok, amelyek utols´o ko-
ordin´at´aja 0.
3. A mindenhol folytonos f¨ uggv´enyek vektorter´eben
azok a f¨ uggv´enyek, amelyek mindenhol deriv´alhat´ok.
4. Legyen A ∈ R
m×n
. Ekkor a
V = {x : x ∈ R
n
, Ax = 0}
alt´er R
n
-ben.
5. Legyen V egy vektort´er ´es v
1
, v
2
, . . . , v
k
∈ V . Ekkor

1
v
1

2
v
2
+· · · +λ
k
v
k
: λ
i
∈ R}
halmaz alt´er V -ben. A λ
1
v
1
+ λ
2
v
2
+ · · · + λ
k
v
k
¨osszeget liner´aris kombin´aci´onak h´ıvj´ak. Ezt a vek-
torteret a v
1
, v
2
, . . . , v
k
∈ V vektorok ´altal gener´alt
alt´ernek h´ıvj´ ak. Jel¨ol´es:
lin{v
1
, v
2
, . . . , v
k
}.
Megmutathat´ o, hogy ez a legsz˝ ukebb olyan alt´er
amely tartalmazza v
1
, v
2
, . . . , v
k
∈ V vektorokat.
P´eld´aul R
3
-ben a v
1
= (1, 0, 0) ´es v
2
= (0, 1, 0) vek-
torok ´altal gener´alt alt´er az xy s´ık.
3. defin´ıci´o. A V vektort´ernek a v
1
, v
2
, . . . , v
m
∈ V
vektorok gener´atorrendszere (G), ha
lin{v
1
, v
2
, . . . , v
k
} = V
P´eld´ak:
(a) R
3
-ben G:
v
1
= (1, 0, 0), v
2
= (0, 1, 0), v
3
= (0, 0, 1).
(b) T
n
-ben G:
v
1
= 1, v
2
= x, v
3
= x
2
, . . . , v
n+1
= x
n
.
Ha
lin{v
1
, v
2
, . . . , v
m
} = V
´es egy vektor pl. v
m
fel´ırhat´o a t¨obbi line´aris kom-
bin´aci´ojak´ent, azaz
v
m
= µ
1
v
1

2
v
2
+· · · +µ
m−1
v
m−1
,
akkor
λ
1
v
1

2
v
2
+· · · +λ
m
v
m
=
λ
1
v
1

2
v
2
+· · · +λ
m
v
m−1
+
λ
m

1
v
1

2
v
2
+· · · +µ
m−1
v
m−1
) =

1

m
µ
1
)v
1
+ (λ
2

m
µ
2
)v
2
+· · · +
+(λ
m−1

m
µ
m−1
)v
m−1
,
ez´ert
lin{v
1
, v
2
, . . . , v
m
} = lin{v
1
, v
2
, . . . , v
m−1
} = V
4. defin´ıci´o. Ha a {v
1
, v
2
, . . . , v
k
} ∈ V olyan hal-
mazok, amelyekre egyetlen v
i
vektor sem ´ırhat´o fel a
t¨obbi line´aris kombin´aci´ojak´ent, akkor ezeket a vek-
torokat line´arisan f¨ uggetlennek nevezz¨ uk.
3. t´etel. A v
1
, v
2
, . . . , v
k
vektorok akkor ´es csak
akkor line´arisan f¨ uggetlenek, ha a
λ
1
v
1

2
v
2
+· · · +λ
k
v
k
= 0
egyenletnek csak a trivi´alis: λ
1
= λ
2
= · · · = λ
k
= 0
megold´asa van.
Bizony´ıt´as: El˝osz¨or tegy¨ uk fel, hogy a v
1
, v
2
, . . . , v
k
vektorok line´arisan f¨ uggetlenek. Tegy¨ uk fel, hogy van
olyan
λ
1
v
1

2
v
2
+· · · +λ
k
v
k
= 0,
ahol valamely λ
i
0. Ekkor
v
i
= −
λ
1
λ
i
v
1
+· · · −
λ
i−1
λ
i
v
i−1

λ
i+1
λ
i
v
i+1
−· · · −
λ
k
λ
i
v
k
,
teh´at a v
1
, v
2
, . . . , v
k
vektorok nem line´arisan
f¨ uggetlenek (ekkor azt mondjuk, hogy line´arisan
¨osszef¨ ugg˝ok), ami ellentmond´as.
Ha
λ
1
v
1

2
v
2
+· · · +λ
k
v
k
= 0
egyenletnek csak trivi´alis van, akkor
v
i
= µ
1
v
1
+· · · +µ
i−1
v
i−1

i+1
v
i+1
+· · · +µ
k
v
k
2
nem lehet, mert k¨ ul¨onben
µ
1
v
1
+· · · +µ
i−1
v
i−1
−v
i

i+1
v
i+1
+· · · +µ
k
v
k
= 0
egy nemtrivi´ alis line´aris kombin´aci´o, ami ellent-
mond´as.
P´elda: R
4
-ben a
v
1
= (3, 2, 0, 4), v
2
= (4, 3, 2, 0), v
3
= (1, 1, 1, 1)
vektorok line´arisan f¨ uggetlenek.
A k¨ovetkez˝o fogalom alapvet˝o a vektorterek
elm´elet´eben:
5. defin´ıci´o. Legyen V egy vektort´er. A B =
{v
1
, v
2
, . . . , v
k
}, v
i
∈ V b´azisa V -nek, ha
(a) B line´arisan f¨ uggetlen
(b) B gener´atorrendszere V -nek.
P´eld´ak:
(a) R
m
-ben b´azis:
e
1
=
_
_
_
_
_
_
_
_
_
1
0
0
.
.
.
0
0
_
_
_
_
_
_
_
_
_
, e
2
=
_
_
_
_
_
_
_
_
_
0
1
0
.
.
.
0
0
_
_
_
_
_
_
_
_
_
, . . . , e
m
=
_
_
_
_
_
_
_
_
_
0
0
0
.
.
.
0
1
_
_
_
_
_
_
_
_
_
,
ezt R
m
term´eszetes b´azis´anak hivjuk.
(b) R
2
-ben b´azisok:
i. term´eszetes b´azis:
e
1
=
_
1
0
_
, e
2
=
_
0
1
_
ii. egy m´asik b´azis:
b
1
=
_
1
1
_
, b
2
=
_
0
2
_
(c)
P
n
= {a
0
+a
1
v +· · · +a
n
x
n
: a
i
∈ R
m
b´azisa:
{1, x, x
2
, . . . x
m
}
A V vektorteret v´eges dimenzi´osnak mondjuk, ha van
v´eges sok vektort tartalmaz´o b´azisa; egy´ebk´ent a vek-
tort´er v´egtelen dimenzi´os. Mi csak v´eges dimenzi´os
vektorterekkel foglalkozunk. Azt fogjuk megmuatni,
hogy ha a V vektort´er v´eges dimenzi´os, akkor k´et
b´azisnak ugyanannyi az elemsz´ama. Ez az al´abbi
t´etelen alapul:
4. t´etel. Ha az
f
1
, . . . , f
n
V vektort´erbeli vektorok line´arisan f¨ uggetlenek ´es
g
1
, . . . , g
k
vektorok V gener´atorrendszer´et alkotj´ak, akkor
n ≤ k.
Bizony´ıt´as: Tegy¨ uk fel, hogy n > k ´es ellentmond´ast
abb´ol kapunk, hogy megmutatjuk, hogy a
λ
1
f
1
+· · · +λ
n
f
n
= 0
egyenletnek nem csak trivi´alis (minden λ
i
= 0)
megold´asa van.
Mivel g
1
, . . . , g
k
gener´atorrendszert alkot, emiatt
f
1
= a
11
g
1
+ a
21
g
2
+. . . a
k1
g
k
f
2
= a
12
g
1
+ a
22
g
2
+. . . a
k2
g
k
.
.
.
f
n
= a
1n
g
1
+ a
2n
g
2
+. . . a
kn
g
k
,
alkalmas a
ij
∈ R konstansokkal. Ekkor
0 = λ
1
f
1
+· · · +λ
n
f
n
=
λ
1
(a
11
g
1
+a
21
g
2
+. . . a
k1
g
k
)+
λ
2
(a
12
g
1
+a
22
g
2
+. . . a
k2
g
k
)+
.
.
.
λ
n
(a
1n
g
1
+a
2n
g
2
+. . . a
kn
g
k
) =

1
a
11

2
a
12
+· · · +λ
n
a
1n
)g
1
+

1
a
21

2
a
22
+· · · +λ
n
a
2n
)g
2
+
.
.
.

1
a
k1

2
a
k2
+· · · +λ
n
a
kn
)g
k
.
Ez biztosan teljes¨ ul, ha az egy¨ utthat´ok 0-k, azaz:
λ
1
a
11

2
a
12
+· · · +λ
n
a
1n
= 0
λ
1
a
21

2
a
22
+· · · +λ
n
a
2n
= 0
.
.
.
λ
1
a
k1

2
a
k2
+· · · +λ
n
a
kn
= 0.
Mivel feltett¨ uk, hogy n > k, ez´ert ennek, a λ
i
-ket
tekintve ismeretleneknek, homog´en line´aris egyenle-
trendszernek l´etezik nemtrivi´alis megold´asa, ami el-
lentmond´as.
3
5. t´etel. Ha a v´eges dimenzi´os vektort´ernek B
1
=
{v
1
, . . . , v
n
} ´es B
2
= {u
1
, . . . , u
m
} b´azisai, akkor n =
m
Bizony´ıt´as: Mivel B
1
b´azis, ez´ert gener´atorrendszer
is ´es mivel B
2
b´azis, ez´ert line´arisan f¨ uggetlen. Ez´ert
az el˝oz˝o t´etel szerint
n ≥ m
M´asr´eszt mivel B
2
b´azis, ez´ert gener´atorrendszer is
´es mivel B
1
b´azis, ez´ert line´arisan f¨ uggetlen. Ez´ert az
el˝oz˝o t´etel szerint
m ≥ n
ez alapj´an
n = m
Most m´ar tudjuk ´ertelmezni a vektort´er dimenzi´oj´at:
6. defin´ıci´o. Ha V egy v´eges dimenzi´os vektort´er,
akkor egy b´azisban l´ev˝o vektorok sz´am´at a vektort´er
dimenzi´oj´anak mondjuk. Jel¨ol´es: dimV .
P´eld´ak:
(a) dimR
m
= m
(b) dimR
m×n
= mn
(c) dimP
n
= n + 1
A k¨ovetkez˝o t´etel egy ar´anylag k¨onnyen ellen˝orizhet˝o
felt´etelt ad arra, hogy ha tudjuk, hogy dimV = n,
akkor eld¨onts¨ uk, hogy adott n db vektor b´azist alkot-
e.
6. t´etel. Tegy¨ uk fel, hogy a V vektort´erre dimV = n.
Ekkor
(a) ha v
1
, . . . , v
n
vektorok line´arisan f¨ uggetlenek,
akkor b´azist alkotnak;
(b) ha v
1
, . . . , v
n
vektorok gener´atorrendszert, akkor
egyben b´azisok.
Bizony´ıt´as: a. Tegy¨ uk fel, hogy a v
1
, . . . , v
n
vek-
torok line´arisan f¨ uggetlenek. Azt kell megmutatnunk,
gener´atorrenszert alkotnak. Indirekt m´odon tegy¨ uk
fel, hogy nem alkot gener´atorrendszert, azaz l´etezik
v ∈ V , amelyre
v = λ
1
v
1
+· · · +λ
n
v
n
.
Ekkor a
v, v
1
, . . . , v
n
vektorok lin´arisan f¨ uggetlen rendszert alkotnak, mert
ha
µ
0
v +µ
1
v
1
+. . . µ
n
v
n
= 0,
akkor µ
0
= 0 eset´en
µ
1
v
1
+. . . µ
n
v
n
= 0,
ami csak trivi´alis m´odon lehet, mivel v
1
, . . . , v
n
vek-
torok line´arisan f¨ uggetlenek.
M´ıg ha µ
0
= 0, akkor
v = −
µ
1
µ
0
v
1
−· · · −
µ
n
µ
0
v
n
,
ami nem lehets´eges.
Ellentmond´ast ´ ugy kapunk, hogy egy n dimenzi´os
vektort´erben van olyan gener´atorrendszer (egy b´azis
ilyen), amelyik n vektort tartalmaz, ´es itt nem lehet
n + 1 line´arisan f¨ uggetlen vektor.
b. Ha v
1
, . . . , v
n
gener´atorrendszert alkot, akkor azt
kell megmutatnunk, hogy egyben line´arisan f¨ uggetlen
rendszer is. Ha nem ´ıgy lenne, akkor lenne egy
v
i
vektor, amely kifejezhet˝o a t¨obbi line´aris kom-
bin´aci´ojak´ent. Ekkor
V = lin{v
1
, . . . , v
n
} = lin{v
1
, . . . , v
i−1
, v
i+1
, . . . , v
n
},
ez´ert V -nek van n − 1 vektort tartalmaz´o
gener´atorrendszere, ami ellentmond´as, mert van
n vektort tartalmaz´o f¨ uggetlen vektorrendszer.
Mivel legt¨obbsz¨or az R
m
t´erben dolgozunk, ez´ert most
megmutatjuk, hogyan hat´arozhatjuk meg itt
lin{v
1
, . . . , v
k
}
egy b´azis´at: Irjuk a vektorokat mint sorvektorok
egym´as al´a egy m´atrixba, majd alkalmazzuk a
Gauss-elimin´aci´ot. Meggondolhat´o, hogy a Gauss-
elimin´aci´on´al alkalmazott l´ep´esek sor´an a gen´ar´alt
alt´er nem v´altozik. A Gauss-elimin´aci´o v´eg´en kapott
m´atrix nemnulla sorai adj´ak a genar´alt alt´er b´azis´at.
P´elda: Hat´arozza meg R
4
azon alter´enek egy b´azis´at,
amelyet a
v
1
= (1, 2, 3, 4), v
2
= (2, −1, 0, 3), v
3
= (3, 1, 3, 7).
A b´azisok seg´ıts´eg´evel defini´alhatjuk a koordin´ata fo-
galm´at.
7. t´etel. Ha B = {b
1
, . . . , b
n
} b´azist alkotnak V -ben,
akkor minden v ∈ V egy´ertelm˝ uen ´ırhat´o
v = α
1
b
1
+· · · +α
n
b
n
alakba.
Bizony´ıt´as: Mivel B gener´atorrendszert alkot ez´ert
van legal´abb egy
v = α
1
b
1
+· · · +α
n
b
n
fel´ır´as. Tegy¨ uk fel, hogy van egy m´asik fel´ır´as:
v = α

1
b
1
+· · · +α

n
b
n
.
4
Ekkor
0 = v −v = (α
1
b
1
+· · · +α
n
b
n
)−

1
b
1
+· · · +α

n
b
n
) =

1
−α

1
)b
1
+· · · + (α
n
−α

n
)b
n
,
ami a line´aris f¨ uggetlens´eg miatt csak ´ ugy lehets´eges,
ha
α
i
= α

i

7. defin´ıci´o. Ha a v´eges dimenzi´os V vektort´er egy
b´azisa B = {b
1
, . . . , b
n
}, akkor a v ∈ V vektor ko-
ordin´at´aja
_
_
_
_
_
α
1
α
2
.
.
.
α
n
_
_
_
_
_
, ha
v = α
1
b
1
+· · · +α
n
b
n
.
Jel¨ol´es: (v)
B
.
A k¨ovetkez˝ o p´elda mutatja, hogy mi´ert van sz¨ uks´eg
k¨ ul¨onb¨oz˝o b´azisokra:
Hat´arozza meg azokat az (x, y) pontokat, amelyekre
x
2
+xy +y
2
= 1.
A k´erd´es prec´ızen a k¨ovetkez˝o: Hat´arozza meg az
i =
_
1
0
_
, j =
_
0
1
_
term´eszetes b´azisban azon xi + yj vektorokat, ame-
lyekre x
2
+xy +y
2
= 1.
A feladatot ´ ugy oldjuk meg, hogy m´as b´azist
v´alasztunk. Legyen
b
1
=
_

2
2 √
2
2
_
=

2
2
i +

2
2
j
b
2
=
_


2
2 √
2
2
_
= −

2
2
i +

2
2
j.
Ha ebben az ´ uj b´azisban egy pont koordn´at´aja (x

, y

),
akkor
x

(

2
2
i +

2
2
j) +y

(−

2
2
i +

2
2
j) =
(

2
2
x



2
2
y

)i + (

2
2
x

+

2
2
y

)j.
Ebben az ´ uj b´azisban a felt´etel ´ıgy ´ırhat´o:
(

2
2
x



2
2
y

)
2
+ (

2
2
x



2
2
y

)(

2
2
x

+

2
2
y

)+
+(

2
2
x

+

2
2
y

)
2
= 1,
azaz
3
2
x
2
+
1
2
y
2
= 1.
Mivel az ´ uj b´azis a term´eszetes b´azis 45˙-kal t¨ort´en˝o
elforgatottja, emiatt a keresett halmaz egy olyan ellip-
szis, amelynek tengelyei az (i, j) ´altal meghat´arozott
der´eksz¨og˝ u koordin´atarendszerben 45˙ ill. 135˙-ot
z´arnak be.
Az el˝oz˝o p´elda is mutatja, hogy meg kell
hat´aroznunk, hogy k´et V -beli b´azis eset´en az
egyikben meghat´arozott koordin´at´akb´ol hogyan
kapjuk meg a m´asik b´azisban a koordin´at´akat. Ezt
hivj´ak b´aziscser´enek.
Legyen B = {b
1
, . . . , b
n
} ´es B

= {b

1
, . . . , b

n
} k´et
b´azisa a V vektort´ernek. Jel¨olje P azt az n × n-es
m´atrixot, amelyik i-edik oszlop´aban a (b

i
)
B
ko-
ordin´at´ak vannak. A P m´atrixot ´atmenet m´atrixnak
h´ıvjuk. Megmutathat´o, hogy
(v)
B
= P
−1
(v)
B
.
P´elda: Legyen R
2
k´et b´azisa:
B =
__
1
0
_
,
_
0
2
__
B

=
__
2
0
_
,
_
1
1
__
Ekkor
P =
_
2 1
0 0, 5
_
,
´es innen
P
−1
=
_
0, 5 −1
0 2
_
.
Teh´at p´eld´aul a P(1,2) pont koordin´at´ai B-ben
_
1
1
_
´es a megfelel˝o m´atrixszorz´as ut´an a B

-beli
koordin´at´ak
_
−0, 5
2
_
lesznek.
Az
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
n1
x
1
+ a
n2
x
2
+· · · + a
nn
x
n
= b
n
,
line´aris egyenletrendszert az
a
1
=
_
_
_
_
_
a
11
a
21
.
.
.
a
n1
_
_
_
_
_
, a
2
=
_
_
_
_
_
a
12
a
22
.
.
.
a
n2
_
_
_
_
_
, . . . , a
n
=
_
_
_
_
_
a
1n
a
2n
.
.
.
a
nn
_
_
_
_
_
´es
b =
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
5
vektorokkal t¨om¨oren ´ ugy is ´ırhatjuk, hogy
a
1
x
1
+a
2
x
2
+· · · +a
n
x
n
= b.
Ha az a
1
, a
2
, . . . , a
n
vektorok az R
n
b´azis´at alkotj´ak
´es az e
1
, . . . , e
n
jel¨oli a term´eszetes b´azist R
m
-ben,
akkor
b = b
1
e
1
+b
2
e
2
+· · · +b
n
e
n
.
Ha az a
1
, . . . , a
n
vektorok az R
n
b´azisai, akkor
az egyenletrendszer megold´as´at b´aziscserek´ent
is felfoghatjuk. Ekkor az ´atmenetm´atrix az
egy¨ utthat´om´atrix lesz ´es az x = Ab megold´ast
kapjuk.
Az
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
m´atrix eset´en a sorvektorok R
n
-b˝ol vannak. Az
´altaluk gener´alt alt´er a sort´er; hasonl´oan az os-
zlopvektorok R
m
-b˝ol vannak. Az ´altaluk gener´alt
alt´er az oszlopt´er. Megmuathat´o, hogy
dim(sort´er) = dim(oszlopt´er).
8. defin´ıci´o. Az A m´atrix rangja a sort´er dimenzi´oja.
Jel¨ol´es: rang(A).
Megmutathat´ o, hogy az al´abbi ´all´ıt´asok ekvivalensek:
8. t´etel. Az A n × n-es m´atrixok eset´en az al´abbi
´all´ıt´asok ekvivalensek:
(a) A invert´ alhat´o;
(b) az Ax = 0 egyenletrendszernek csak az x = 0
megold´asa van;
(c) az A elemi sorm˝ uveletekkel az I
n
egys´egm´atrixsz´a transzform´alhat´o;
(d) az Ax = b minden b ∈ R
n
megoldhat´o;
(e) detA = 0;
(f) rang(A) = 0;
(g) A sorai line´arisan f¨ uggetlenek;
(h) A oszlopai line´arisan f¨ uggetlenek.
A fenti rang(A) fogalom seg´ıts´eg´evel megadhat´o egy
sz¨ uks´eges ´es el´egs´eges felt´etel a line´aris egyenletrend-
szer megold´as´ara:
9. t´etel. Az al´abbi ´all´ıt´asok ekvivalensek:
(a) az Ax = b egyenletrendszer megoldhat´o;
(b) a b az A oszlopter´eben van;
(c) rang(A|b) = rang(A)
2. Skal´arszorzatos vektorterek
Az R
3
-ben megismert skal´arszorzat mint´aj´ara
term´eszetes R
n
-ben a skal´arszorzatot a
k¨ovetkez˝ok´eppen defini´alni: Legyen
u = (u
1
, u
2
, . . . , u
n
), v = (v
1
, v
2
, . . . , v
n
).
Ekkor
uv = u
1
v
1
+u
2
v
2
+· · · +u
n
v
n
=
n

i=1
u
i
v
i
K¨onnen ellen˝orizhet˝o, hogy ez a skalr´arszorzat ren-
delkezik az al´abbi tulajdons´agokkal:
(a) uv = vu, minden u, v ∈ R
n
;
(b) (u +v)w = uw +vw minden u, v, w ∈ R
n
(c) (αu)v = α(uv) minden α ∈ R, u, v ∈ V
(d) uu ≥ 0 ´es uu = 0 akkor ´es csak akkor, ha u = 0.
Ennek ´altal´anos´ıt´asak´ent vezetj¨ uk be a
skal´arszorzatot:
9. defin´ıci´o. Egy V vektort´erben skal´arszorzatnak
nevez¨ unk egy olyan m˝ uveletet, amely b´armely u, v ∈
V ponthoz egy < u, v > val´os sz´amot (m´as
n´even skal´ar sz´amot) rendel hozz´a a k¨ovetkez˝o tulaj-
dons´agokkal:
(a) < u, v >=< v, u >, minden u, v ∈ R
n
;
(b) < (u + v), w >=< u, w > + < v, w > minden
u, v, w ∈ R
n
eset´en
(c) < (αu), v >= α < u, v > minden α ∈ R, u, v ∈
V eset´en
(d) < u, u >≥ 0 ´es < u, u >= 0 akkor ´es csak akkor,
ha u = 0.
P´eld´ak:
(a) V = R
n
,
u = (u
1
, u
2
, . . . , u
n
), v = (v
1
, v
2
, . . . , v
n
).
< u, v >= u
1
v
1
+u
2
v
2
+· · · +u
n
v
n
(b) V = {f(x) :
2π szerint periodikus folytonos f¨ uggv´eny}:
< f(x), g(x) >=

_
0
f(x)g(x)dx
10. defin´ıci´o. Ha V skal´arszorzatos vektort´er vek-
tort´er, akkor egy v ∈ V vektort´er hossza:
||u|| =

< u, u >
6
P´elda: R
n
-ben az u = (u
1
, u
2
, . . . , u
n
) hossza:
||u|| =
¸
¸
¸
_
n

i=1
u
2
i
Az R
3
-ben az
u = (u
1
, u
2
, u
3
),
v = (v
1
, v
2
, v
3
)
vektorok t´avols´aga:
|v −u| =
¸
¸
¸
_
3

i=1
(v
i
−u
i
)
2
Ennek ´altal´ anos´ıt´asa:
11. defin´ıci´o. Ha V egy skal´arszorzatos vektort´er,
akkor u, v ∈ V k¨oz¨otti t´avols´ag:
d(u, v) = ||v −u||.
A k¨ovetkez˝o c´el k´et vektor ´altal bez´art sz¨oget
´ertelmezni. Ehhez sz¨ uks´eges az al´abbi t´etel:
10. t´etel. Legyen V egy skal´arsorzatos vektort´er.
Ekkor minden u, v ∈ V eset´en
| < u, v > | ≤ ||u|| · ||v||.
Bizony´ıt´as: Ha u = 0, akkor mindk´et oldal 0.
Tegy¨ uk fel, hogy u = 0, akkor minden t ∈ R eset´en
0 ≥ ||v −tu|| =< v −tu, v −tu >=
< v, v > −2t < u, v > +t
2
< u, u > .
Mivel ez menden t ∈ R eset´en igaz, ez´ert a dis-
zkrimin´ans negat´ıv, teh´at
4 < u, v >
2
−4||u|| · ||v|| ≤ 0,
ez´ert
| < u, v > | ≤
_
||u|| · ||v||.
A kor´abban bevezetett hossz´ us´agnak az al´abbi tulaj-
dons´agai vannak:
(a) ||u|| ≥ 0
(b) ||u|| = 0 akkor ´es csak akkor, ha u = 0
(c) ||αu|| = |α| · ||u||
(d) ||u +v|| ≤ ||u|| +||v||
(d) bizony´ıt´ asa:
||u+v||
2
=< u+v, u+v >= ||u||
2
+||v||
2
+2 < u, v >≤
||u||
2
+||v||
2
+ 2||u|| · ||v|| = (||u +v||)
2

12. defin´ıci´o. Legyen V egy skal´arszorzatos vek-
tort´er. Az u, v ∈ V , u, v = 0 vektorok ´altal bez´art
sz¨og α, ahol
cos α =
< u, v >
||u|| · ||v||
.
A fenti defin´ıci´o ´ertelemes, mert
¸
¸
¸
¸
< u, v >
||u|| · ||v||
¸
¸
¸
¸
≤ 1.
13. defin´ıci´o. Az u, v vektorok ortogon´alisak, ha
< u, v >= 0.
11. t´etel. Ha v
1
, v
2
, . . . , v
k
vektorok (v
i
= 0)
p´aronk´ent ortogon´alisak, akkor line´arisan
f¨ uggetlenek.
Bizony´ıt´as: Legyen
λ
1
v
1

2
v
2
+· · · +λ
k
v
k
= 0.
Vegy¨ uk mindk´et oldal v
i
-vel vett skal´arszorzat´at:
< λ
1
v
1

2
v
2
+· · · +λ
k
v
k
, v
i
>=< 0, v
i
> .
Mivel tetsz˝oleges α ∈ R eset´en
< 0, v
i
>=< α0, v
i
>= α < 0, v
i
>,
ez´ert
< 0, v
i
>= 0.
De
< λ
1
v
1

2
v
2
+· · · +λ
k
v
k
, v
i
>=
< λ
1
v
1
, v
i
> + < λ
2
v
2
, v
i
> +· · · + < λ
k
v
k
, v
i
>=
λ
1
< v
1
, v
i
> +λ
2
< v
2
, v
i
> +· · · +λ
k
< v
k
, v
i
> .
Az ortogonalit´as miatt
< v
j
, v
i
>=
_
0, ha i = j
||v
i
||
2
, ha i = j
ez´ert
λ
i
||v
i
||
2
= 0,
teh´at
λ
i
= 0.
P´elda: T
n
-ben az
1, cos x, sin x, cos 2x, sin 2x, . . . , cos nx, sin nx
f¨ uggv´enyek ortogon´alisak a Fourier-sorokn´al tanultak
szerint, ez´ert line´arisan f¨ uggetlenek; tov´abb´a nyilv´an
gener´atorrendszert alkotnak ´ıgy b´azist is.
7
2.1. Ortogon´alis b´azisok
12. t´etel. Legyen V egy v´eges dimenzi´os,
skal´arszorzatos vektort´er, dimV = n. Ennek
van olyan b
1
, b
2
, . . . , b
n
b´azisa, ahol a vektorok
p´aronk´ent ortogon´alisak.
Bizony´ıt´as A bizony´ıt´as sor´an haszn´alt algorit-
must Gram-Schmidt-f´ele ortogonaliz´aci´os elj´ar´asnak
h´ıvj´ak.
Legyen v
1
, v
2
, . . . , v
n
egy b´azisa V -nek. Legyen
b
1
= v
1
.
A m´asodik b´azisvektort a k¨ovetkez˝o alakban ker-
ess¨ uk:
b
2
= v
2

21
b
1
,
ahol azt akarjuk, hogy b
1
´es b
2
ortogon´alisak legyenek.
Ekkor
0 =< b
1
, b
2
>=< b
1
, v
2

21
b
1
>=
< b
1
, v
2
> +α
21
< b
1
, b
1
>,
ez´ert
α
21
= −
< b
1
, v
2
>
||b
1
||
2
.
A k¨ovetkez˝o b´azisvektort
b
3
= v
3

31
b
1

32
b
2
alakban keress¨ uk. Azt akarjuk, hogy b
3
ortogon´alis
legyen b
1
´es b
2
vektorokra. Ez´ert
0 =< b
1
, b
3
>=< b
1
, v
3

31
b
1

32
b
2
>=
< b
1
, v
3
> +α
31
< b
1
, b
1
> +α
32
< b
1
, b
2
> .
Mivel < b
1
, b
2
>= 0, ez´ert
α
31
= −
< b
1
, v
3
>
||b
1
||
2
.
Hasonl´oan kapjuk, hogy
α
32
= −
< b
2
, v
3
>
||b
2
||
2
.
Ezt folytatva b
1
, b
2
, . . . , b
n
p´aronk´ent ortogon´alis vek-
torokhoz jutunk. Kor´abban bebizony´ıtottuk, hogy
az ortogonalit´asb´ol k¨ovetkezik a f¨ uggetlens´eg, teh´at
dimenzi´osz´amnyi f¨ uggetlen vektort kaptunk, amib˝ol
k¨ovetkezik, hogy b´azist alkotnak.
14. defin´ıci´o. Ha az ortogon´alis b´azisban a
b´azisvektorokat elosztjuk a hosszukkal, akkor egys´eg
hossz´ us´ag´ u, p´aronk´ent ortogon´alis vektorokat ka-
punk. Az ilyen b´azis neve ortonorm´alt b´azis.
13. t´etel. Ha B = {b
1
, b
2
, . . . , b
n
} egy ortonorm´alt
b´azis az V -ben, akkor u, v ∈ V eset´en, ha
(u)
B
=
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
´es
(v)
B
=
_
_
_
_
_
v
1
v
2
.
.
.
v
n
_
_
_
_
_
,
akkor
< u, v >= u
1
v
1
+u
2
v
2
+· · · +u
n
v
n
.
Bizony´ıt´as:
< u, v >=
< u
1
b
1
+u
2
b
2
+. . . u
n
b
n
, v
1
b
1
+v
2
b
2
+. . . v
n
b
n
>=
n

i=1
n

j=1
u
i
v
j
< b
i
, b
j
> .
Mivel B ortonorm´alt rendszer, ez´ert
< b
i
, b
j
>=
_
1, ha i = j
0, ha i = j
Innen
< u, v >=
n

i=1
u
i
v
i
.
14. t´etel. Legyen B
1
´es B
2
k´et ortonorm´alt b´azis. Ha
P = P
B
1
,B
2
a b´azis´atmenet m´atrix, akkor P
T
= P
−1
.
Bizony´ıt´as: Azt kell megmutatni, hogy
P
T
P = I
n
.
Legyen
B
2
= {b
(2)
1
, b
(2)
2
, . . . , b
(2)
n
}.
Ekkor a P
T
i-edik sor´aban a
(b
(2)
i
)
T
B
1
= (u
1
, u
2
, . . . , u
n
)
´es a P j-edik oszlop´aban a
(b
(2)
j
)
B
1
=
_
_
_
_
_
v
1
v
2
.
.
.
v
n
_
_
_
_
_
lesz. Innen kapjuk, hogy P
T
P i-edik sor´anak j-edik
oszlop´aban B
1
ONB tulajdons´aga miatt
u
1
v
1
+u
2
v
2
+· · · +u
n
v
n
=< b
(2)
i
, b
(2)
j
>=
=
_
1, ha i = j
0, ha i = j
a B
2
ONB volta miatt, ami bizony´ıtja az ´all´ıt´ast.
8
15. defin´ıci´o. Ha A olyan n ×n-es m´atrix, amelyre
A
−1
= A
T
, akkor azt mondjuk, hogy A ortogon´alis
m´atrix.
A defin´ıci´ob´ol l´atszik, hogy
15. t´etel. Ha A ortogon´alis n×n-es m´atrix, akkor a
sorvektorai ´es oszlopvektorai is ONB-t alkotnak R
n
-
ben.
3. Line´aris transzform´aci´ o
16. defin´ıci´o. Legyen V ´es W vektorterek, T : V →
W pedig egy olyan f¨ uggv´eny, amelyre
(a) T(u+v)=T(u)+T(v), minden u, v ∈ V eset´en
(b) T(αu) = αT(u) minden α ∈ B ´es u ∈ V eset´en.
Ekkor T-t line´aris transzform´aci´onak nevezz¨ uk.
P´eld´ak:
(a) R
2
:
i. Vet´ıt´es az x tengelyre:
T
__
u
1
u
2
__
=
_
u
1
0
_
ii. T¨ ukr¨ oz´es az y = x egyenesre:
T
__
u
1
u
2
__
=
_
u
2
u
1
_
iii. Forgat´as 90˙-kal:
T
__
u
1
u
2
__
=
_
−u
2
u
1
_
(b) R
3
:
i. T¨ ukr¨ oz´es 0 −ra:
T
_
_
_
_
u
1
u
2
u
3
_
_
_
_
=
_
_
−u
1
−u
2
−u
3
_
_
ii. Vet´ıt´es az xy s´ıkra:
T
_
_
_
_
u
1
u
2
u
3
_
_
_
_
=
_
_
u
1
u
2
0
_
_
(c) Legyen
V = {f(x) : f(x) mindenhol deriv´alhat´o
:
T(f(x)) = f

(x)
(d) Legyen A ∈ R
m×n
, x ∈ R
n
, T(x) = Ax.
(e) Legyen a
1
, a
2
, . . . , a
n
n-dimenzi´os sorvektorok.
K´epezz¨ uk bel˝ole az n × n-es m´atrixot. Ha az
i-edik sort kiv´eve r¨ogz´ıtj¨ uk a a sorvektorokat,
akkor ´ıgy egy
T(a
i
) = det(a
1
, a
2
, . . . , a
n
)
f¨ ugv´enyt kapunk. Ez egy line´aris transz-
form´aci´o.
3.1. Determin´ans geometriai jelent´ese
Az al´abbiakban megmutatjuk, hogy a dtermin´ansnak
mi a geometria jelent´ese. L´atni fogjuk, hogy az
a
1
, a
2
, . . . , a
n
sorokat tartalmaz´o n×n-es determin´ans
az ezen vektorok ´altal meghat´arozott paralelepipedon
el˝ojeles t´erfogat´at adja meg. Jel¨olje (a m´eg nem
defini´alt) t´erfogatot
V (a
1
, a
2
, . . . , a
n
)
Mit v´arunk el egy el˝ojeles t´erfogatt´ol?
Vizsg´aljuk az R
2
-et! Ter´eszetes feltev´es, hogy
V (a

1
+a

1
, a
2
) = V (a

1
, a
2
) +V (a

1
, a
2
)
´abra!!!!!
Hasonl´oan term´eszetes, hogy
V (αa
1
, a
2
) = αV (a
1
, a
2
).
Ha az R
3
-re tekint¨ unk, akkor ott ha az a
1
, a
2
, a
3
vek-
torok egy s´ıkban vannak, akkor
V (a
1
, a
2
, a
3
) = 0
ez´ert term´eszetes azt elv´arni egy el˝ojeles t´erfogatt´ol,
hogy ha
dimlin{a
1
, a
2
, . . . , a
n
} < n ⇒V (a
1
, a
2
, . . . , a
n
) = 0
V´eg¨ ul term´eszetes azt megk´ıv´annunk, hogy az
egys´egkocka t´erfogat 1 legyen, azaz, ha e
1
, e
2
, . . . , e
n
jel¨oli a term´eszetes b´azist, akkor
V (e
1
, e
2
, . . . , e
n
) = 1.
Az al´abbi t´etel mutatja, hogy ezek a k¨ovetelm´enyek
m´ar egy´ertelm˝ uen meghat´arozz´ak az el˝ojeles
t´erfogatot ´es ´ıgy ´eppen adetermin´anst kapjuk:
16. t´etel. Legyen a
i
∈ R
n
. Ekkor ha a
V (a
1
, a
2
, . . . , a
n
) f¨ uggv´enyre teljes¨ ul, hogy
(a) V (a
1
, a
2
, . . . , a
n
) b´armely vektor´at kiv´eve a
t¨obbit r¨ogz´ıtettnek vessz¨ uk, a kapott f¨ uggv´eny
liner´aris transzform´aci´o;
(b) ha a
1
, a
2
, . . . , a
n
legfeljebb n − 1 dimenzi´os al-
teret alkot, akkor
V (a
1
, a
2
, . . . , a
n
) = 0;
(c) V (e
1
, e
2
, . . . , e
n
) = 1
akkor
V (a
1
, a
2
, . . . , a
n
) = det(a
1
, a
2
, . . . , a
n
).
9
Bizony´ıt´as: Tudjuk, hogy a determin´ansra tel-
jes¨ ulnek a megk´ıv´ant tulajdons´agok, ´ıgy csak azt
kell megmutatnunk, hogy nincs m´as megfelel˝o
V (a
1
, a
2
, . . . , a
n
) f¨ uggv´eny. El˝osz¨or azt mutatjuk
meg, hogy k´et vektort felcser´elve a V (a
1
, a
2
, . . . , a
n
)
f¨ uggv´eny el˝ojelet v´alt. Tudjuk, hogy ha k´et meg-
egyez˝o vektorunk van, akkor az el˝ojeles t´erfogat 0.
Emiatt pl.
0 = V (a
1
+a
2
, a
1
+a
2
, a
3
, . . . , a
n
) =
V (a
1
, a
1
, a
3
, . . . , a
n
) +V (a
1
, a
2
, a
3
, . . . , a
n
)+
V (a
2
, a
1
, a
3
, . . . , a
n
) +V (a
2
, a
2
, a
3
, . . . , a
n
) =
V (a
1
, a
2
, a
3
, . . . , a
n
) +V (a
2
, a
1
, a
3
, . . . , a
n
).
Most megmutatjuk, hogy legfeljebb egy megfelel˝o
f¨ uggv´eny van:
´
Irjuk fel a term´eszetes b´azisban az a
i
-
ket:
V (a
1
, a
2
, a
3
, . . . , a
n
) =
V (a
11
e
1
+a
12
e
2
+· · · +a
1n
e
n
,
a
21
e
1
+a
22
e
2
+· · · +a
2n
e
n
, . . .
a
n1
e
1
+a
n2
e
2
+· · · +a
nn
e
n
),
ami (b) alapj´an

(m
1
,m
2
,...,m
n
),1≤m
i
≤n
a
1m
1
a
2m
2
. . . a
nm
n
V (e
m
1
, e
m
2
, . . . , e
m
n
).
Az itt szerepl˝o V (e
m
1
, e
m
2
, . . . , e
m
n
) viszont m´ar
egy´ertelm˝ uen meghat´arozott, mivel ha van k´et meg-
egyez˝o vektor itt, akkor az ´ert´eke 0, m´ıg ha
nincs, akkor sorcser´ekkel egys´egm´atrixra hozhat´o,
ami szint´en m´ar el˝o´ırja, hogy mi lehet csak. .
3.2. Magt´er, k´ept´er
17. defin´ıci´o. A T : V →W line´aris transztform´aci´o
magtere az ¨osszes olyan V -beli, vektor, amelynek a
k´epe a 0:
Ker(T) = {v : v ∈ V, T(v) = 0}.
A T : V → W line´aris transztform´aci´o k´eptere az
¨osszes olyan W-beli, vektor, amely el˝o´all k´epk´ent:
Im(T) = {w : w ∈ W, l´etezik v ∈ V , hogy T(v) = w}.
P´elda: Legyen T : R
3
→ R
3
az a line´aris transz-
form´aci´o, amelyik az x, y s´ıkra vet´ıt. Ekkor a magt´er
a z tengely, azaz
Ker(T) = {(0, 0, t) : t ∈ R},
a k´ept´er pedig maga az x, y s´ık:
Im(T) = {(x, y, 0) : x ∈ R, y ∈ R}.
Megmutathat´ o az al´abbi t´etel:
17. t´etel. Tetsz˝oleges T : V → W line´aris transz-
form´aci´o eset´en
dimV = dim(Ker(T)) + dim(Im(T)).
3.3. Line´aris lek´epez´esek m´atrixa
A line´aris lek´epez´es defin´ıci´oj´ab´ol l´atszik, hogy
tetsz˝oleges v
1
, v
2
, . . . , v
m
∈ V vektorok ´es
α
1
, α
2
, . . . , α
m
val´os sz´amok eset´en:
T(α
1
v
1

2
v
2
+· · · +α
m
v
m
) =
T(α
1
v
1
) +T(α
2
v
2
) +· · · +T(α
m
v
m
) =
α
1
T(v
1
) +α
2
T(v
2
) +· · · +α
m
T(v
m
)
A tov´abbiakban csak T : R
n
→ R
n
line´aris transz-
form´aci´oval foglalkozunk.
Legyen
v =
_
_
_
_
_
v
1
v
2
.
.
.
v
m
_
_
_
_
_
.
Ekkor
T(v) =
n

i=1
v
i
T(e
i
).
Tekints¨ uk a k¨ovetkez˝o n ×n-es m´atrixot:
T = (T(e
1
), T(e
2
), . . . , T(e
n
)) .
Ekkor
T(v) = Tv.
A T m´atrixot a T line´aris transzform´aci´o term´eszetes
b´azisban vett transzform´aci´om´atrix´anak h´ıvjuk.
P´eld´ak:
(a) R
2
-ben 60˙-kal forgat´as az orig´o k¨or¨ ul. Ekkor
T(e
1
) =
1
2
e
1
+

3
2
e
2
´es
T(e
2
) = −

3
2
e
1
+
1
2
e
2
,
ez´ert
T =
_
1
2


3
2 √
3
2
1
2
_
.
(b) R
2
-ben t¨ ukr¨oz´es az x tengelyre. Mivel
T(e
1
) = e
1
= 1e
1
+ 0e
2
´es
T(e
2
) = −e
2
= 0e
1
+ (−1)e
2
,
ez´ert
T
1
=
_
1 0
0 −1
_
.
10
(c) R
2
-ben t¨ ukr¨oz´es az y tengelyre. Mivel
T(e
1
) = −e
1
= (−1)e
1
+ 0e
2
´es
T(e
2
) = e
2
= 0e
1
+ 1e
2
,
ez´ert
T
2
=
_
−1 0
0 1
_
.
(d) R
2
-ben t¨ ukr¨oz´es az orig´ora. Mivel
T(e
1
) = −e
1
= (−1)e
1
+ 0e
2
´es
T(e
2
) = −e
2
= 0e
1
+ (−1)e
2
,
ez´ert
T =
_
−1 0
0 −1
_
.
Leellen˝orizhet˝o, hogy egy vektorra el˝obb T
1
, majd
T
2
transzform´aci´ot alkalmazva ´eppen T
3
transz-
form´aci´ob´ol sz´armaz´o vektort kapjuk. Ez a
m´atrixokra n´ezve a k¨ovetkez˝ot jelenti: T
2
T
1
= T
3
.
Ez ´altal´aban is igaz:
A defin´ıci´o alapj´an k¨onnyen l´atszik, hogy ha T
1
, T
2
:
R
n
→R
n
line´aris transzform´aci´ok, akkor T
2
(T
1
(v)) is
line´aris transzform´aci´o (T
3
) ´es teljes¨ ul r´ajuk, hogy
T
2
T
1
= T
3
.
A traszform´aci´ot nem csak a term´eszetes b´azisban
vizsg´alhatjuk. Legyen B = {b
1
, b
2
, . . . , b
n
} egy b´azisa
R
n
-nek ´es T : R
n
→ R
n
egy line´aris transzform´aci´o.
Ekkor T line´aris transzform´aci´o B b´azisban vett tran-
szform´aci´om´atrixa:
T
B
= ((T(b
1
))
B
, (T(b
2
))
B
, . . . , (T(b
n
))
B
) .
Ekkor
(T(v))
B
= T
B
(v)
b
Hogyan kaphatjuk meg B
1
´es B
2
b´azisok eset´en T
B
1
-
b˝ol T
B
2
-t? Tudjuk, hogy
(T(v))
B
1
= T
B
1
(v)
B
1
,
(T(v))
B
2
= T
B
2
(v)
B
2
.
Jel¨olje P a b´azis´atmenet m´atrixot. Ekkor
(v)
B
2
= P
−1
(v)
B
1
,
azaz
(v)
B
1
= P(v)
B
2
´es
(T(v))
B
1
= P(T(v))
B
2
.
Innen
(T(v))
B
1
= T
B
1
(v)
B
1
= T
B
1
P(v)
B
2
,
m´asr´eszt
(T(v))
B
1
= P(T(v))
B
2
= PT
B
2
(v)
B
2
ez´ert
T
B
1
P(v)
B
2
= PT
B
2
(v)
B
2
,
ami minden (v)
B
2
eset´en teljes¨ ul, ez´ert
T
B
1
P = PT
B
2
,
ahonnan
T
B
2
= P
−1
T
B
1
P.
3.4. Diagonaliz´al´as
18. defin´ıci´o. Ha A ´es B n×n-es m´atrixok ´ea l´etezik
P invert´alhat´o n ×n-es m´atrix, hogy
B = P
−1
AP,
akkor A ´es B m´atrixokat hasonl´onak mondjuk.
A c´el, hogy adott A n × n-es m´atrix eset´en adjunk
meg olyan P n × n-es invert´alhat´o m´atrixot, hogy
P
−1
AP, sz´ep legyen!
Mit ´erts¨ unk ”sz´ep” m´atrix alatt?
19. defin´ıci´o. A D n ×n-es m´atrix diagon´alis, ha a
f˝o´atl´on k´ıv¨ ul minden elem 0, azaz
D =
_
_
_
_
_
λ
1
0 . . . 0
0 λ
2
. . . 0
.
.
.
0 0 . . . λ
n
_
_
_
_
_
.
Ha
E =
_
_
_
_
_
µ
1
0 . . . 0
0 µ
2
. . . 0
.
.
.
0 0 . . . µ
n
_
_
_
_
_
,
akkor
DE =
_
_
_
_
_
λ
1
µ
1
0 . . . 0
0 λ
2
µ
2
. . . 0
.
.
.
0 0 . . . λ
n
µ
n
_
_
_
_
_
,
emiatt
D
m
=
_
_
_
_
_
λ
m
1
0 . . . 0
0 λ
m
2
. . . 0
.
.
.
0 0 . . . λ
m
n
_
_
_
_
_
.
11
20. defin´ıci´o. Az A n × n m´atrix diagonaliz´alhat´o,
ha l´etezik P invert´alhat´o n×n-es m´atrix, amelyre egy
diagon´alis D m´atrixra
D = P
−1
AP.
Pr´ob´aljunk adott A m´atrixhoz megfelel˝o P m´atrixot
tal´alni! A defin´ıci´o alapj´an
PD = AP.
A P oszlopvektorai legyenek:
P = (p
1
|p
2
| . . . |p
n
).
Ekkor
PD = (λ
1
p
1

2
p
2
| . . . |λ
n
p
n
),
m´asr´eszt
AP = (Ap
1
|Ap
2
| . . . |Ap
n
),
ez´ert
Ap
i
= λ
i
p
i
.
21. defin´ıci´o. Az A n × n-es m´atrix saj´at´ert´eke a
λval´os sz´am, ha l´etezik x = 0 vektor, hogy
Ax = λx.
Ekkor x-et saj´atvektornak mondjuk.
Hogyan keress¨ uk meg a saj´at´ert´ekeket,
saj´atvektorokat?
Nyilv´an
Ax = λx ⇔Ax = λI
n
x ⇔
Ax −λI
n
x = 0 ⇔(A−λI
n
)x = 0.
Ez egy homog´en line´aris egyenletrendszer. Ennek
pontosan akkor van nemtrivi´alis (x = 0) megold´asa,
ha
det(A−λI
n
) = 0.
22. defin´ıci´o. A
det(A−λI
n
) = (−1)
n
λ
n
+a
n−1
λ
n−1
+· · · +a
1
λ+a
0
polinomot karakterisztikus polinomnak h´ıvjuk.
P´eld´ak:
(a)
A =
_
1/2 1/2
1/2 1/2
_
.
saj´at´ert´ekei, saj´atvektorai (y = x egyenesre
vet´ıt´es m´atrixa a term´eszetes b´azisban)
(b) 45˙-kal val´o forgat´as m´atrixa a term´eszetes
b´azisban:
B =
_
1/

2 −1/

2
1/

2 1/

2
_
.
(c)
C =
_
_
0 1 1
1 0 1
0 1 1
_
_
.
A saj´atvektorokkal m´ar le´ırhat´o, hogy egy n × n-es
m´atrix mikor diagonaliz´alhat´o:
18. t´etel. Az A n ×n-es m´atrix akkor ´es csak akkor
diagonaliz´alhat´o, ha van n db f¨ uggetlen saj´atvektora.
Bizony´ıt´as: Tegy¨ uk fel, hogy az A n × n-es m´atrix
diagonaliz´alhat´o, azaz l´etezik egy invert´alhat´o n ×n-
es P m´atrix, amelyre
D = P
−1
AP,
ahol
D =
_
_
_
_
_
λ
1
0 . . . 0
0 λ
2
. . . 0
.
.
.
0 0 . . . λ
n
_
_
_
_
_
.
Ekkor
PD = AP.
A P oszlopvektorai legyenek:
P = (p
1
|p
2
| . . . |p
n
).
Ekkor oszlopvektorok szerinti fel´ır´asban
PD = (λ
1
p
1

2
p
2
| . . . |λ
n
p
n
),
m´asr´eszt
AP = (Ap
1
|Ap
2
| . . . |Ap
n
),
azaz p
i
-ik saj´atvektorok (p
i
= 0, mert P in-
vet´alhat´o) ´es p
i
-k line´arisan f¨ uggetlenek szint´en az in-
vert´alhat´os´ag miatt.
Most tegy¨ uk fel, hogy A-nak l´etezik n db line´arisan
f¨ uggetlen saj´atvektora. Legyenek ezek:
p
1
, p
2
, . . . , p
n
,
´es
Ap
i
= λ
i
p
i
.
Legyen P az a m´atrix, amelynek oszlopvektorai
p
1
, p
2
, . . . , p
n
:
P = (p
1
|p
2
| . . . |p
n
).
´es legyen
D =
_
_
_
_
_
λ
1
0 . . . 0
0 λ
2
. . . 0
.
.
.
0 0 . . . λ
n
_
_
_
_
_
.
Ekkor
AP = (Ap
1
|Ap
2
| . . . |Ap
n
).
12
´es
PD = (λ
1
p
1

2
p
2
| . . . |λ
n
p
n
),
´ıgy
AP = PD.
Mivel a p
i
-k line´arisan f¨ uggetlenek, emiatt P in-
vert´alhat´o, ez´ert
D = P
−1
AP.
A fenti t´etel szerint a diagonaliz´al´as sor´an az A
n×n-es m´atrixhoz keres¨ unk n db line´arisan f¨ uggetlen
saj´atvektort:
Ap
i
= λ
i
p
i
.
Ekkor
P = (p
1
|p
2
| . . . |p
n
).
´es
D =
_
_
_
_
_
λ
1
0 . . . 0
0 λ
2
. . . 0
.
.
.
0 0 . . . λ
n
_
_
_
_
_
.
m´atrixokkal
D = P
−1
AP.
P´elda: Diagonaliz´aljuk az
A =
_
3 3
4 2
_
.
m´atrixot!
Megold´as:...
Mire haszn´alhatjuk a diagonaliz´al´ast? Ha az A
m´atrix diagonaliz´alhat´o, akkor k¨onnyen sz´amolhat´o
az A hatv´anyai:
D = P
−1
AP ⇒A = PDP
−1
,
ez´ert
A
m
= (PDP
−1
)(PDP
−1
) . . . (PDP
−1
) =
PD(P
−1
P)D(P
−1
P)D. . . (P
−1
PDP
−1
=
PD
m
P
−1
,
de ebben a szorzatban m´ar mindent ismer¨ unk.
A k¨ovetkez˝o itt nem bizony´ıtott t´etel egy el´egs´eges
felt´etelt ad arra, hogy mikor diagonaloz´alhat´o egy
m´atrix:
19. t´etel. Az A n×n-es m´atrix diagonaliz´alhat´o, ha
A-nak n db k¨ ul¨onb¨oz˝o saj´at´ert´eke van.
4. Kvadratikus alakok
A saj´at´er´ekek alkalmaz´asak´ent v´eg¨ ul olyan k´erd´eseket
vizsg´alunk meg, hogy az
Ax
2
+By
2
+Cxy = 1
vagy
Ax
2
+By
2
+Cz
2
+Dxy +Exz +Fyz = 1
milyen g¨orb´eket ill. fel¨ uleteket ´ır le.
El˝osz¨or n´ezz¨ uk meg, hogyan kapcsol´odik ez a line´aris
algebr´ahoz!
Legyen
A =
_
a
11
a
12
a
21
a
22
_
´es
x =
_
x
y
_
.
Ekkor
x
T
Ax = a
11
x
2
+a
22
y
2
+ (a
12
+a
21
)xy.
Ha
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
´es
x =
_
_
x
y
z
_
_
,
akkor
x
T
Ax = a
11
x
2
+a
22
y
2
+a
33
z
2
+
(a
12
+a
21
)xy + (a
13
+a
31
)xz + (a
23
+a
32
)yz.
´
Altal´aban, ha
A = (a
ij
)
n×n
´es
x =
_
_
_
_
x
1
x
2
. . .
x
n
_
_
_
_
,
akkor
x
T
Ax = a
11
x
2
1
+a
22
x
2
2
+· · · +a
nn
x
2
n
+
(a
12
+a
21
)x
1
x
2
+ (a
13
+a
31
)x
1
x
3
+. . .
· · · + (a
n−1,n
+a
n,n−1
)x
n−1
x
n
A k¨oz´episkol´aban tanultuk, hogy az
Ax
2
+By
2
= 1
egyenlet vagy ellipszist vagy hperbol´at ´ır le. A c´elunk
az, hgy egy
x
T
Ax
13
´ un. kvadratikus alakban az x
i
-ket ´ ugy transz-
form´aljuk:
y
i
= c
i1
x
1
+c
i2
x
2
+· · · +c
in
x
n
,
amelyre
x
T
Ax = y
T
Dy
teljes¨ ul valamely D diagon´alis m´atrixxal. Legyen
x = Py.
Ekkor
x
T
Ax = (Py)
T
A(Py) = y
T
P
T
APy,
ez´ert
D = P
T
AP,
m´asr´eszt a diagonaliz´al´as azt adja, hogy
D = P
−1
AP,
ez´ert
P
T
= P
−1
,
azaz P ortogon´alis m´atrix
23. defin´ıci´o. Az A n × n-es m´atrix ortogon´alisan
diagnaliz´alhat´o, ha l´etezik egy P n×n-es ortogon´alis
m´atrix, amelyre
D = P
−1
AP,
valamely diagon´alis D m´atrix eset´en. Bebizony´ıthat´o:
20. t´etel. Az A n × n m´atrix ortogon´alisan diago-
naliz´alhat´o, akkor ´es csak akkor, ha A szimmetrikus
m´atrix.
Mivel minden kvadratikus alak fel´ırhat´o
a
11
x
2
1
+a
22
x
2
2
+· · · +a
nn
x
2
n
+
+2a
12
x
12
+ 2a
13
x
1
x
3
+· · · + 2a
n−1,n
x
n−1
x
n
alakban, emiatt minden kvadratikus alakhoz
tal´alhat´o A szimmetrikus m´atrix, amelyre a
kvadratikus alak
x
T
Ax
alak´ u, ez´ert minden kvadratikus alak diago-
naliz´alhat´o.
Hogyan diagonaliz´alhat´o egy
x
T
Ax = 1
egyenlet?
(a) A kvadratikus alakot ´ırjuk
x
T
Ax
alakba, ahol A szimmetrikus m´atrix
(b) Hat´arozzuk meg azt a
P = (p
1
|p
2
| . . . , |p
n
)
m´atrixot, amely ortogon´alisan diagonaliz´alja A-
t. Ekkor
Ap
i
= λ
i
p
i
.
(c) Ekkor a p
1
, p
2
, . . . , p
n
´altal meghat´arozott ´ uj ko-
ordin´atarendszerben a keresett egyenelet:
λ
1
y
2
1

2
y
2
2
+· · · +λ
n
y
2
n
P´elda:
(a) Hat´arozza meg az
x
2
+xy +y
2
= 1
megold´as´at!
(b) Hat´arozza meg az
4x
2
+ 4y
2
+ 4z
2
+ 4xy + 4xz + 4yz = 1
megold´as´at!
14

defin´ o. v 2 . ami ellentmond´s. minden u. azaz a o e vm = µ1 v 1 + µ2 v 2 + · · · + µm−1 v m−1 . v 3 = (0. v k ∈ V . v 2 . A V vektort´r W r´szhalmaza alt´r. . Ha a {v 1 . v m } = V ´s egy vektor pl. hogy line´risan u a ¨sszef¨gg˝k). v k } = V 2 teh´t a v 1 . . 0). . hogy ez a legsz˝kebb olyan alt´r o u e amely tartalmazza v 1 . . R3 -ben az orig´n ´tmen˝ s´ o a o ıkok ´s egyenesek val´di e o alteret alkotnak. Legyen A ∈ Rm×n . . 8. a 2.. 0. u K´t alteret biztosan tudunk: mag´t a V -t ´s a {0}. 0) veke a e torok ´ltal gener´lt alt´r az xy s´ a a e ık. ´s 6. ha e o e e 1. akkor λ1 v 1 + λ2 v 2 + · · · + λm v m = λ1 v 1 + λ2 v 2 + · · · + λm v m−1 + λm (µ1 v 1 + µ2 v 2 + · · · + µm−1 v m−1 ) = (λ1 + λm µ1 )v1 + (λ2 + λm µ2 )v2 + · · · + +(λm−1 + λm µm−1 )vm−1 . Ezt a veko a a o ıvj´ a a torteret a v 1 . . amelyek utols´ koo ordin´t´ja 0. (b) Tn -ben G: v 1 = 1. v 2 . 7. Ekkor e e {λ1 v 1 + λ2 v 2 + · · · + λk v k : λi ∈ R} Ax = 0} m P´ld´k: e a (a) R3 -ben G: v 1 = (1. . . teh´t most is. 1). . . v k vektorok akkor ´s csak e e akkor line´risan f¨ggetlenek. defin´ o. v 2 . teljes¨l. axi´m´k ıt´ e e o a szerint 1. λi λi λi λi v 2 = x. v k ıt´ o o u vektorok line´risan f¨ggetlenek. ´s 6. . . . v 2 . . amelyekre egyetlen v i vektor sem ´ ırhat´ fel a o t¨bbi line´ris kombin´ci´jak´nt. ez´rt ellentett¨nk is van. Megmutathat´. 0) ´s v 2 = (0. P´d´k alt´rre: e a e 1. amelyek mindenhol deriv´lhat´k. v 3 = x2 . . v k } ∈ V olyan halıci´ mazok. e e Bizony´ as: Ha W alt´r. . . ha az ¨sszead´sra ´s a skal´ral val´ szorz´sra o a e a o a z´rt. . . . 9. v m−1 } = V 4. ez´rt e lin{v 1 . . . ha a a u λ1 v 1 + λ2 v 2 + · · · + λk v k = 0 egyenletnek csak a trivi´lis: λ1 = λ2 = · · · = λk = 0 a megold´sa van. e u Ha minden u. Mivel 0 ∈ R. . . . akkor az 1. v 2 . . akkor az 1. v k ∈ V vektorokat. . . . Ekkor a V = {x : x ∈ Rn . 2.2. A V vektort´rnek a v 1 . R -ben az olyan vektorok. 0. akkor a vi = µ1 v 1 + · · · + µi−1 v i−1 + µi+1 v i+1 + · · · + µk v k . Mivel 2. . . . 0. t´tel. v ∈ W eset´n u + v ∈ W ´s minden α ∈ R e e ´s v ∈ W eset´n αv ∈ W . ami 4. v 2 . v k vektorok nem line´risan a a f¨ggetlenek (ekkor azt mondjuk. v 2 = (0. v 2 . o u o a Ha λ1 v 1 + λ2 v 2 + · · · + λk v k = 0 egyenletnek csak trivi´lis van. hogy a v 1 .. . P´ld´ul R3 -ben a v 1 = (1. 0). . Mivel (−1)v = −v. Ekkor vi = − λ1 λi−1 λi+1 λk v 1 +· · ·− v i−1 − v i+1 −· · ·− v k . . A λ1 v 1 + λ2 v 2 + · · · + λk v k e ¨sszeget liner´ris kombin´ci´nak h´ ak. u e a o 4. e u ami 5. ´s 2.. . v ∈ W eset´n u + v ∈ W e 2. . vm fel´ e ırhat´ a t¨bbi line´ris komo o a bin´ci´jak´nt. Ha lin{v 1 . a e Egy V vektort´rben l´v˝ W r´szhalmaz pontosan akkor e e o e alkot alteret. a Bizony´ as: El˝sz¨r tegy¨k fel. . . . e 5. halmaz alt´r V -ben. v 2 .. . . Tegy¨k fel. a u u 3. . . A mindenhol folytonos f¨ggv´nyek vektorter´ben u e e azok a f¨ggv´nyek.. minden α ∈ R ´s v ∈ W eset´n αv ∈ W . . hogy van a u u olyan λ1 v 1 + λ2 v 2 + · · · + λk v k = 0. 1. . v k }. . ahol valamely λi 0. . vn+1 = xn . v m ∈ V ıci´ e vektorok gener´torrendszere (G).-et e a bizony´ ıtja. ha a lin{v 1 . axi´m´k e e e o a nyilv´n teljes¨lnek. alt´r Rn -ben. 1.-¨t bizony´ o ıtja. v 2 . . . 3.. defin´ o. v m } = lin{v 1 . t´tel. . v 2 . ez´rt v ∈ V a e estet´n 0v = 0 ∈ W . A v 1 . aa 3. teh´t van nullelem W -ben. Jel¨l´s: e ıvj´ oe lin{v 1 . v 2 . v k ∈ V vektorok ´ltal gener´lt alt´rnek h´ ak. . akkor ezeket a veko a a o e torokat line´risan f¨ggetlennek nevezz¨k. 3. A W val´di alt´r V -ben akkor ´s csak akkor. Legyen V egy vektort´r ´s v 1 . . . . ha ıci´ e e e W r´szhalmaza V -nek ´s maga is vektort´r a V -beli e e e m˝veletekkel. v 2 . 10. axi´m´k a u o a igazak V -ben. . e a e Ezeket trivi´lis alt´rnek mondjuk.

em =        0 1 0 0 0 . λ1 ak1 + λ2 ak2 + · · · + λn akn = 0. egy´bk´nt a veke o a e e tort´r v´gtelen dimenzi´s. . . . . 3.nem lehet. ami ele a a lentmond´s. azaz: u u o λ1 a11 + λ2 a12 + · · · + λn a1n = 0 λ1 a21 + λ2 a22 + · · · + λn a2n = 0 . akkor k´t b´zisnak ugyanannyi az elemsz´ma. λn (a1n g 1 + a2n g 2 + . Ekkor 0 = λ1 f 1 + · · · + λn f n = λ1 (a11 g 1 + a21 g 2 + . defin´ o. hogy n > k. . Ez biztosan teljes¨l. . akn g k . g k gener´torrendszert alkot. . . ıci´ e {v 1 . Ha az e f 1. 1. Mi csak v´ges dimenzi´s e e o e o vektorterekkel foglalkozunk. v 2 . a P´ld´k: e a (a) Rm -ben b´zis: a      e1 =     0 0 1 0 0 . mert k¨l¨nben uo µ1 v 1 + · · · + µi−1 v i−1 − v i + µi+1 v i+1 + · · · + µk v k = 0 egy nemtrivi´lis line´ris kombin´ci´. ha az egy¨tthat´k 0-k. . . . . egy m´sik b´zis: a a b1 = (c) Pn = {a0 + a1 v + · · · + an xn : b´zisa: a {1. . . 2. . . Mivel feltett¨k. . . a Mivel g 1 . . emiatt a f1 = f2 = . . Bizony´ as: Tegy¨k fel. hogy n > k ´s ellentmond´st ıt´ u e a abb´l kapunk. . v 2 = (4. 4). e a a (b) R2 -ben b´zisok: a i. . . . v3 = (1. . 1. . e2 = 0 1 (λ1 a11 + λ2 a12 + · · · + λn a1n )g 1 + (λ1 a21 + λ2 a22 + · · · + λn a2n )g 2 + .      . term´szetes b´zis: e a e1 = 1 0 . . ha van e o v´ges sok vektort tartalmaz´ b´zisa. . 0). akn g k ) = ezt Rm term´szetes b´zis´nak hivjuk. x. . . . ak2 g k + . . . 1) a vektorterek A B = 4. e e o e hogy ha a V vektort´r v´ges dimenzi´s. . . vektorok line´risan f¨ggetlenek. ak2 g k )+ . b2 = 0 2 (λ1 ak1 + λ2 ak2 + · · · + λn akn )g k . x2 . f n V vektort´rbeli vektorok line´risan f¨ggetlenek ´s e a u e g1 .      . a . gk vektorok V gener´torrendszer´t alkotj´k. . fn = a11 g 1 a12 g 1 a1n g 1 + + + a21 g 2 a22 g 2 a2n g 2 + . ami ellenta a a o mond´s. Azt fogjuk megmuatni. a u A k¨vetkez˝ fogalom alapvet˝ o o o elm´let´ben: e e 5.            . t´tel. ha a (a) B line´risan f¨ggetlen a u (b) B gener´torrendszere V -nek. Ez az al´bbi a a a t´telen alapul: e 3 ai ∈ Rm 1 1 . . Legyen V egy vektort´r. .    alkalmas aij ∈ R konstansokkal. hogy megmutatjuk. . a λi -ket u e tekintve ismeretleneknek. . . v i ∈ V b´zisa V -nek. hogy a o λ1 f 1 + · · · + λn f n = 0 egyenletnek nem csak trivi´lis (minden λi = 0) a megold´sa van. 2. xm } A V vektorteret v´ges dimenzi´snak mondjuk.         e2 =     0 0 0 1 0 . ii. . . ak1 g k )+ λ2 (a12 g 1 + a22 g 2 + . . . . 0. v k }. ak1 g k + . ez´rt ennek. akkor a e a n ≤ k. homog´n line´ris egyenlee a trendszernek l´tezik nemtrivi´lis megold´sa. . . . a P´lda: R4 -ben a e v 1 = (3.

. e akkor eld¨nts¨k. mert van a a n vektort tartalmaz´ f¨ggetlen vektorrendszer. . . . e Ellentmond´st ugy kapunk. . . . . v n } = lin{v 1 . ez´rt gener´torrendszer ıt´ a e a is ´s mivel B2 b´zis. . Bizony´ as: Mivel B gener´torrendszert alkot ez´rt ıt´ a e van legal´bb egy a v = α1 b1 + · · · + αn bn fel´ as. ez´rt gener´torrendszer is a e a e a ´s mivel B1 b´zis. mivel v 1 . . . akkor azt a kell megmutatnunk. a u gener´torrenszert alkotnak. . ami ellentmond´s. . ´s itt nem lehet e n + 1 line´risan f¨ggetlen vektor. . ez´rt most o o e e megmutatjuk. hogy ha tudjuk. Ez´rt e a e a u e az el˝z˝ t´tel szerint o o e n≥m M´sr´szt mivel B2 b´zis. . t´tel. o u Mivel legt¨bbsz¨r az Rm t´rben dolgozunk. . 4). . A b´zisok seg´ eg´vel defini´lhatjuk a koordin´ta foa ıts´ e a a galm´t. a u akkor b´zist alkotnak. . e a akkor minden v ∈ V egy´rtelm˝en ´ e u ırhat´ o v = α1 b1 + · · · + αn bn alakba. . hogy adott n db vektor b´zist alkoto u a e. . . . oa oe P´ld´k: e a (a) dim Rm = m (b) dim Rm×n = mn (c) dim Pn = n + 1 A k¨vetkez˝ t´tel egy ar´nylag k¨nnyen ellen˝rizhet˝ o o e a o o o felt´telt ad arra. . µn v n = 0. Tegy¨k fel. . . . a u M´ ha µ0 = 0. 0. v n vekıt´ u torok line´risan f¨ggetlenek. . . . . . a Bizony´ as: a. amelyik n vektort tartalmaz. azaz l´tezik a e v ∈ V . Azt kell megmutatnunk. . majd alkalmazzuk a a a a Gauss-elimin´ci´t. defin´ o. 6. ez´rt V -nek van n − 1 vektort tartalmaz´ e o gener´torrendszere. . . Indirekt m´don tegy¨k a o u fel. hogy egy n dimenzi´s a ´ o vektort´rben van olyan gener´torrendszer (egy b´zis e a a ilyen). 3. Ekkor a o e V = lin{v 1 . a 7. Ha B = {b1 . e u e Ekkor (a) ha v 1 . Tegy¨k fel. Ha V egy v´ges dimenzi´s vektort´r. . t´tel. um } b´zisai. v n vektorok lin´risan f¨ggetlen rendszert alkotnak. 1. A Gauss-elimin´ci´ v´g´n kapott e a a o e e m´trix nemnulla sorai adj´k a genar´lt alt´r b´zis´t. akkor a egyben b´zisok. v n vektorok gener´torrendszert. hogy nem alkot gener´torrendszert. bn } b´zist alkotnak V -ben. akkor lenne egy v i vektor. Tegy¨k fel. . a u b. . . v n } ´s B2 = {u1 . hogy dim V = n. µn v n = 0. v i+1 . .5. v n veka o torok line´risan f¨ggetlenek. . ıci´ e o e akkor egy b´zisban l´v˝ vektorok sz´m´t a vektort´r a e o a a e dimenzi´j´nak mondjuk. mert a u ha µ0 v + µ1 v 1 + . µ0 µ0 n ami nem lehets´ges. . hogy van egy m´sik fel´ as: ır´ u a ır´ v = α1 b1 + · · · + αn bn . v n gener´torrendszert alkot. hogyan hat´rozhatjuk meg itt a lin{v 1 . 2. 7). . ez´rt line´risan f¨ggetlen. . hogy a V vektort´rre dim V = n. Ez´rt az e a e a u e el˝z˝ t´tel szerint o o e m≥n ez alapj´n a n=m Most m´r tudjuk ´rtelmezni a vektort´r dimenzi´j´t: a e e oa 6. 4 ami csak trivi´lis m´don lehet. ez´rt line´risan f¨ggetlen. 3). 3. hogy a v 1 . v 3 = (3. −1. Ha a v´ges dimenzi´s vektort´rnek B1 = e e o e {v 1 . . akkor n = e a m Bizony´ as: Mivel B1 b´zis. . akkor µ0 = 0 eset´n e µ1 v 1 + . . v 2 = (2. v n vektorok line´risan f¨ggetlenek. a a a e a a P´lda: Hat´rozza meg R4 azon alter´nek egy b´zis´t. . hogy a Gaussa o o elimin´ci´n´l alkalmazott l´p´sek sor´n a gen´r´lt a o a e e a aa alt´r nem v´ltozik. Ekkor a v. . . akkor ıg v=− µ1 µn v1 − · · · − v . v i−1 . v 1 . Ha nem ´ ıgy lenne. . amelyre v = λ1 v 1 + · · · + λn v n . . . a (b) ha v 1 . t´tel. Jel¨l´s: dim V . hogy egyben line´risan f¨ggetlen a u rendszer is. . . Ha v 1 . . v k } egy b´zis´t: Irjuk a vektorokat mint sorvektorok a a egym´s al´ egy m´trixba. vn }. Meggondolhat´. . amely kifejezhet˝ a t¨bbi line´ris komo o a bin´ci´jak´nt. e a e a a amelyet a v 1 = (1. .

  . 2 2 Mivel az uj b´zis a term´szetes b´zis 45˙-kal t¨rt´n˝ ´ a e a o e o elforgatottja. . 135˙-ot e o u a z´rnak be. an =    .  α1  α2    ordin´t´ja  . emiatt a keresett halmaz egy olyan ellipa a szis. ha aa  . an1 x1 + + a12 x2 a22 x2 +···+ +···+ a1n xn a2n xn = b1 = b2 = bn . αn v = α1 b1 + · · · + αn bn . A P m´trixot ´tmenet m´trixnak aa a a a h´ ıvjuk. y ). an1 ´s e an2    b=  b1 b2 .Ekkor 0 = v − v = (α1 b1 + · · · + αn bn )− (α1 b1 + · · · + αn bn ) = (α1 − α1 )b1 + · · · + (αn − αn )bn . akkor a v ∈ V vektor koa . ann           Ha ebben az uj b´zisban egy pont koordn´t´ja (x . amee a lyekre x2 + xy + y 2 = 1. . . . 5 0. hogy meg kell o o e hat´roznunk. azaz 2 1 0 0. . j= 0 1 3 2 1 2 x + y = 1. a2 =  . bn } ´s B = {b1 . . . amelyik i-edik oszlop´ban a (bi )B koa a ordin´t´k vannak.. . . oe A k¨vetkez˝ p´lda mutatja. . A feladatot ugy oldjuk meg. y) pontokat. Megmutathat´. 2 Az a11 x1 a21 x1 . . a Az el˝z˝ p´lda is mutatja. Ha a v´ges dimenzi´s V vektort´r egy ıci´ e o e b´zisa B = {b1 . bn }. hogy mi´rt van sz¨ks´g o o e e u e k¨l¨nb¨z˝ b´zisokra: uo o o a Hat´rozza meg azokat az (x. . a u e ´ e ha αi = αi 7. . defin´ o. hogy m´s b´zist ´ a a v´lasztunk. . . .  . hogy k´t V -beli b´zis eset´n az a e a e egyikben meghat´rozott koordin´t´kb´l hogyan a aa o kapjuk meg a m´sik b´zisban a koordin´t´kat. ´ a aa akkor √ √ √ √ 2 2 2 2 x( i+ j) + y (− i+ j) = 2 2 2 2 √ √ √ √ 2 2 2 2 x − y )i + ( x + y )j. . bn } k´t e e b´zisa a V vektort´rnek. . . 2 2 Teh´t p´ld´ul a P(1. Jel¨l´s: (v)B . j) ´ltal meghat´rozott der´ksz¨g˝ koordin´tarendszerben 45˙ ill. 0 2 1 1 .  . 5 koordin´t´k aa lesznek. amelynek tengelyei az (i. 2 2 5 + an2 x2 + · · · + ann xn  line´ris egyenletrendszert az a    a12 a11  a21   a22    a1 =  . A k´rd´s prec´ e e ızen a k¨vetkez˝: Hat´rozza meg az o o a i= 1 0 . .2) pont koordin´t´i B-ben a e a aa 1 ´s a megfelel˝ m´trixszorz´s ut´n a B -beli e o a a a 1 −0. Ezt a a aa hivj´k b´ziscser´nek. √ = √ 2 2 i+ j 2 2 √ b2 = √ 2 2 =− i+ j. Jel¨lje P azt az n × n-es a e o m´trixot. . bn      . . . a a e Legyen B = {b1 .  . Legyen a b1 = √ 2 2 √ 2 2 √ − 2 2 √ 2 2 . hogy o (v)B = P −1 (v)B . ( 2 2 2 2 Ebben az uj b´zisban a felt´tel ´ ´ ´ a e ıgy ırhat´: o √ √ √ √ √ √ 2 2 2 2 2 2 2 x − y ) +( x − y )( x + y )+ ( 2 2 2 2 2 2 √ √ 2 2 2 +( x + y ) = 1. amelyekre a x2 + xy + y 2 = 1. . P´lda: Legyen R2 k´t b´zisa: e e a B= B = Ekkor P = ´s innen e P −1 = 1 0 2 0 . ami a line´ris f¨ggetlens´g miatt csak ugy lehets´ges.  a1n a2n . 5 −1 0 2 term´szetes b´zisban azon xi + yj vektorokat.

w ∈ Rn eset´n e (c) < (αu). (b) < (u + v). Megmuathat´. Ha az a1 . . . akkor a az egyenletrendszer megold´s´t b´ziscserek´nt aa a e is felfoghatjuk. w > + < v. v ∈ V (d) uu ≥ 0 ´s uu = 0 akkor ´s csak akkor. a2 . t´tel. v ∈ Rn . defin´ o. . . v ∈ Rn . Skal´rszorzatos vektorterek a Az R3 -ben megismert skal´rszorzat mint´j´ra a aa term´szetes e Rn -ben a skal´rszorzatot a a k¨vetkez˝k´ppen defini´lni: Legyen o o e a u = (u1 . . am1 a12 a22 am2 . t´tel. v = (v1 . .vektorokkal t¨m¨ren ugy is ´ o o ´ ırhatjuk. Ha az a1 . un ). az In < u. a u (h) A oszlopai line´risan f¨ggetlenek. . v >=< v. . oe Megmutathat´. e e Ennek ´ltal´nos´ asak´nt a a ıt´ e skal´rszorzatot: a vezetj¨k u be a a11 a21 . Ekkor az ´tmenetm´trix az a a egy¨tthat´m´trix lesz ´s az x = Ab megold´st u o a e a kapjuk. . an vektorok az Rn b´zis´t alkotj´k a a a ´s az e1 . . Az a e o ´ltaluk gener´lt alt´r a sort´r. u >≥ 0 ´s < u. . . . g(x) >= 0 f (x)g(x)dx 10. un ). e a a a o (d) az Ax = b minden b ∈ R megoldhat´. e e 8. v ∈ V eset´n e (d) < u. u = (u1 . . an vektorok az Rn b´zisai. . . . Az A n × n-es m´trixok eset´n az al´bbi e a e a ´ll´ asok ekvivalensek: a ıt´ (a) A invert´lhat´. u2 . a o (b) az Ax = 0 egyenletrendszernek csak az x = 0 megold´sa van. w >=< u. u2 . . v > val´s sz´mot (m´s o a a n´ven skal´r sz´mot) rendel hozz´ a k¨vetkez˝ tulaje a a a o o dons´gokkal: a (a) < u. v. Ekkor n v = (v1 . defin´ o. . Az ´ltaluk gener´lt o a a alt´r az oszlopt´r. minden u. . . . v > minden α ∈ R. o (b) a b az A oszlopter´ben van. . o (e) detA = 0. . P´ld´k: e a (a) V = Rn . u > . (f) rang(A) = 0. u. hogy a1 x1 + a2 x2 + · · · + an xn = b. v. v2 . . vn ). Az A m´trix rangja a sort´r dimenzi´ja. w > minden u.. en jel¨li a term´szetes b´zist Rm -ben. Az    A=   a1n a2n     . ıci´ a e o Jel¨l´s: rang(A). m´trix eset´n a sorvektorok Rn -b˝l vannak. ha u = 0. (b) (u + v)w = uw + vw minden u. defin´ o. . Egy V vektort´rben skal´rszorzatnak ıci´ e a nevez¨nk egy olyan m˝veletet. e o e a akkor b = b1 e1 + b2 e2 + · · · + bn en . . uv = u1 v1 + u2 v2 + · · · + un vn = i=1 ui vi K¨nnen ellen˝rizhet˝. a u A fenti rang(A) fogalom seg´ eg´vel megadhat´ egy ıts´ e o sz¨ks´ges ´s el´gs´ges felt´tel a line´ris egyenletrendu e e e e e a szer megold´s´ra: aa 9. w ∈ Rn (c) (αu)v = α(uv) minden α ∈ R. u. amn 2. Az al´bbi ´ll´ asok ekvivalensek: e a a ıt´ (a) az Ax = b egyenletrendszer megoldhat´. u >. u >= 0 akkor ´s csak akkor. . Ha V skal´rszorzatos vektort´r vekıci´ a e tort´r. a (c) az A elemi sorm˝veletekkel u egys´gm´trixsz´ transzform´lhat´. . v2 . e (c) rang(A|b) = rang(A) 6 n 9.. v ∈ u u a V ponthoz egy < u. vn ). hasonl´an az osa a e e o zlopvektorok Rm -b˝l vannak. . hogy e e o dim(sort´r) = dim(oszlopt´r). . hogy az al´bbi ´ll´ asok ekvivalensek: o a a ıt´ 8.. (g) A sorai line´risan f¨ggetlenek. akkor egy v ∈ V vektort´r hossza: e e ||u|| = √ < u. hogy ez a skalr´rszorzat reno o o a delkezik az al´bbi tulajdons´gokkal: a a (a) uv = vu. . v >= u1 v1 + u2 v2 + · · · + un vn (b) V = {f (x) 2π szerint periodikus folytonos f¨ggv´ny}: u e 2π : < f (x). amely b´rmely u. . minden u.. v >= α < u. e e ha u = 0.

cos nx. v i > . u. cos 2x. a akkor line´risan a f¨ggetlenek. sin 2x. . . ||vi ||2 . ahol o < u. akkor mindk´t oldal 0. ha u = 0 e (c) ||αu|| = |α| · ||u|| (d) ||u + v|| ≤ ||u|| + ||v|| (d) bizony´ asa: ıt´ ||u+v||2 =< u+v. Vegy¨k mindk´t oldal vi -vel vett skal´rszorzat´t: u e a a < λ1 v 1 + λ2 v 2 + · · · + λk v k . Az u. u Bizony´ as: Legyen ıt´ λ1 v 1 + λ2 v 2 + · · · + λk v k = 0. Ehhez sz¨ks´ges az al´bbi t´tel: e u e a e 10. v vektorok ortogon´lisak. teh´t a λi = 0. Az u. v2 . un ) hossza: e n ||u|| = i=1 u2 i 12. v i >= 0. u2 . v i >= λ1 < v 1 . v i >= α < 0. ıci´ a e akkor u. cos x. v > cos α = . v > | ≤ ||u|| · ||v||. ez´rt e < 0. defin´ o. v = 0 vektorok ´ltal bez´rt e a a sz¨g α. . . u > . ıt´ e Tegy¨k fel. . . Bizony´ as: Ha u = 0. defin´ o. t´tel. ||u|| · ||v|| 13. v i > + < λ2 v 2 . u2 . u3 ). Mivel tetsz˝leges α ∈ R eset´n o e < 0. 11. u+v >= ||u||2 +||v||2 +2 < u. v i >= ez´rt e 0. tov´bb´ nyilv´n e a u a a a gener´torrendszert alkotnak ´ b´zist is. v = (v1 . v > −4||u|| · ||v|| ≤ 0. Ha v 1 . a 4 < u. Az ortogonalit´s miatt a < v j . e a e Ekkor minden u. v > −2t < u. v >≤ ||u||2 + ||v||2 + 2||u|| · ||v|| = (||u + v||)2 7 λi ||vi ||2 = 0. P´lda: Tn -ben az e 1. v i > + · · · + λk < v k . . . v3 ) vektorok t´vols´ga: a a 3 |v − u| = i=1 (vi − ui )2 < u. Ha V egy skal´rszorzatos vektort´r. v 2 . Legyen V egy skal´rsorzatos vektort´r. ez´rt e | < u. v ∈ V eset´n e | < u. . ez´rt a dise e zkrimin´ns negat´ teh´t a ıv. v i >=< α0. ||u|| · ||v|| A fenti defin´ o ´rtelemes. v > | ≤ ||u|| · ||v||. hogy u = 0. v i > + · · · + < λk v k . mert ıci´ e < u. v >= 0. Mivel ez menden t ∈ R eset´n igaz. v ∈ V k¨z¨tti t´vols´g: o o a a d(u. . ez´rt line´risan f¨ggetlenek. v k vektorok (vi = 0) e p´ronk´nt a e ortogon´lisak. a ıgy a . v i > . v i >=< 0. ha ıci´ a Az R3 -ben az u = (u1 . . v > ≤ 1. ha i = j ha i = j Ennek ´ltal´nos´ asa: a a ıt´ 11. v i >= < λ1 v 1 . v i > +λ2 < v 2 . A k¨vetkez˝ c´l k´t vektor ´ltal bez´rt sz¨get o o e e a a o ´rtelmezni. . Legyen V egy skal´rszorzatos vekıci´ a tort´r. v) = ||v − u||. sin x. akkor minden t ∈ R eset´n u e 0 ≥ ||v − tu|| =< v − tu. 2 2 A kor´bban bevezetett hossz´s´gnak az al´bbi tulaja ua a dons´gai vannak: a (a) ||u|| ≥ 0 (b) ||u|| = 0 akkor ´s csak akkor. defin´ o. De < λ1 v 1 + λ2 v 2 + · · · + λk v k .P´lda: Rn -ben az u = (u1 . sin nx f¨ggv´nyek ortogon´lisak a Fourier-sorokn´l tanultak u e a a szerint. v − tu >= < v. v > +t < u. v i >. v ∈ V . t´tel.

un ) B ´s a P j-edik oszlop´ban a e a    (2) (bj )B1 =   v1 v2 . hogy ıt´ P T P = I n. ha i = j a B2 ONB volta miatt. b3 >=< b1 . A k¨vetkez˝ b´zisvektort o o a b3 = v 3 + α31 b1 + α32 b2 alakban keress¨k. . . v1 b1 + v2 b2 + . b2 >= 0. . Az ilyen b´zis neve ortonorm´lt b´zis. Mivel < b1 . bj >= Innen < u. . ||b1 ||2 13. e a Ekkor 0 =< b1 . v 3 > . b2 . teh´t a o o u e a dimenzi´sz´mnyi f¨ggetlen vektort kaptunk. o a 14. Legyen V egy v´ges dimenzi´s. v 3 > =− . Ez´rt e e 0 =< b1 . Legyen B1 ´s B2 k´t ortonorm´lt b´zis. . v 3 > +α31 < b1 . bj (2) (2) (2) (2) (2) Hasonl´an kapjuk. hogy P T P i-edik sor´nak j-edik a oszlop´ban B1 ONB tulajdons´ga miatt a a u1 v1 + u2 v2 + · · · + un vn =< bi . v ∈ V eset´n. A m´sodik b´zisvektort a k¨vetkez˝ alakban kera a o o ess¨k: u b2 = v 2 + α21 b1 . akkor egys´g a e hossz´s´g´. Ortogon´lis b´zisok a a 12. un ´s e    (v)B =   akkor < u.1. defin´ o. ahol a vektorok a p´ronk´nt ortogon´lisak. hogy o α32 < b2 . ez´rt a e < bi .B a b´zis´tmenet m´trix. vn lesz. ıtja a ıt´ . dim V = n. . b2 > . t´tel. n Ekkor a P T i-edik sor´ban a a (bi )T 1 = (u1 . i=1 j=1 Mivel B ortonorm´lt rendszer. . un bn . Innen kapjuk. amib˝l o a u o k¨vetkezik. . =− ||b2 ||2      Ezt folytatva b1 . hogy b´zist alkotnak. v >= i=1 1. v 3 + α31 b1 + α32 b2 >= < b1 . vn    . . hogy b3 ortogon´lis u a legyen b1 ´s b2 vektorokra. v 2 > =− . 0. v 2 . v 2 + α21 b1 >= < b1 . e e o skal´rszorzatos vektort´r. u2 . Ha e e e a a P = P B . n ha i = j ha i = j u i vi . ahol azt akarjuk. bn p´ronk´nt ortogon´lis veka e a torokhoz jutunk. b1 >. . . ıvj´ Legyen v 1 . v 2 > +α21 < b1 . a e Ennek van olyan b1 . .   . bn } egy ortonorm´lt e a b´zis az V -ben. t´tel. . ha i = j 0. . Azt akarjuk. ez´rt e α21 < b1 . akkor u. . b2 . b2 >=< b1 . ez´rt e α31 < b1 . . . Ha az ortogon´lis b´zisban a ıci´ a a b´zisvektorokat elosztjuk a hosszukkal. v >= u1 v1 + u2 v2 + · · · + un vn . Kor´bban bebizony´ a ıtottuk. . v >= < u1 b1 + u2 b2 + . Ha B = {b1 . . . . bj > . vn bn >= n n v1 v2 .2. b1 > +α32 < b1 . a e a Bizony´ as A bizony´ as sor´n haszn´lt algoritıt´ ıt´ a a must Gram-Schmidt-f´le ortogonaliz´ci´s elj´r´snak e a o aa h´ ak. t´tel. . B2 = {b1 . hogy b1 ´s b2 ortogon´lisak legyenek. . Bizony´ as: ıt´ < u. v n egy b´zisa V -nek.  . . a a a 1 2 Bizony´ as: Azt kell megmutatni. . ami bizony´ az ´ll´ ast.  ui vj < bi . . Legyen a b1 = v 1 . p´ronk´nt ortogon´lis vektorokat kaua u a e a punk. . b2 . ||b1 ||2 Legyen 14. . a a a 8 >= = 1. . hogy az ortogonalit´sb´l k¨vetkezik a f¨ggetlens´g. bn b´zisa. . b(2) }. . ha a e   u1  u2    (u)B =  . akkor P T = P −1 . b2 . .

an ) = 0. . a a o u P´ld´k: e a (a) R2 : i. . Vet´ es az xy s´ ıt´ ıkra:     u1 u1 T  u2  =  u2  u3 0 (c) Legyen V = {f (x) : : T (f (x)) = f (x) (d) Legyen A ∈ R . . . e2 . Ha az R3 -re tekint¨nk. e e Ekkor T -t line´ris transzform´ci´nak nevezz¨k. . a A defin´ ob´l l´tszik. . hogy o e V (αa1 . . minden u. . . a2 ). hogy az e a a1 . . u e form´ci´. Jel¨lje (a m´g nem o e a o e defini´lt) t´rfogatot a e V (a1 . . an } < n ⇒ V (a1 . a kapott f¨ggv´ny u u e liner´ris transzform´ci´. akkor ott ha az a1 . Az al´bbi t´tel mutatja. (c) V (e1 . . . . hogy ezek a k¨vetelm´nyek a e o e m´r egy´rtelm˝en meghat´rozz´k az el˝jeles a e u a a o t´rfogatot ´s ´ ´ppen adetermin´nst kapjuk: e e ıgy e a 16. akkor o e a V (e1 . hogy a dtermin´nsnak a a mi a geometria jelent´se. . Ha A ortogon´lis n × n-es m´trix. T : V → ıci´ e W pedig egy olyan f¨ggv´ny. . an ) f¨ggv´nyre teljes¨l. defin´ o. . a2 . en e e jel¨li a term´szetes b´zist. . . . e e a o e o hogy ha dim lin{a1 . an ) b´rmely vektor´t kiv´ve a t¨bbit r¨gz´ o o ıtettnek vessz¨k. a2 . . an legfeljebb n − 1 dimenzi´s alo teret alkot. . hogy u e u a a e (a) V (a1 . . e o ıtj¨ akkor ´ egy ıgy T (ai ) = det(a1 . hogy ıci´ o a 15. an ). . an ) = 0 3. Forgat´s 90˙-kal: a T = (b) R3 : i. v ∈ V eset´n e (b) T (αu) = αT (u) minden α ∈ B ´s u ∈ V eset´n. a2 . (e) Legyen a1 . . . a2 .1. hogy A ortogon´lis a m´trix. a2 . . . defin´ o. . hogy a e e V (a1 + a1 . L´tni fogjuk. . 3. . . e2 . T (x) = Ax. . . . . an ) f¨gv´nyt kapunk. e2 . a2 . . Vet´ es az x tengelyre: ıt´ T u1 u2 u1 u2 u1 u2 = u1 0 u2 u1 −u2 u1 ii. ha e1 . amelyre ıci´ a −1 T A = A . . a2 . an ) = det(a1 . o a K´pezz¨k bel˝le az n × n-es m´trixot. . a a o (b) ha a1 . a o Ez egy line´ris transza m×n n V´g¨l term´szetes azt megk´ annunk. . Determin´ns geometriai jelent´se a e Az al´bbiakban megmutatjuk. . a2 . akkor V (a1 . Ha az e u o i-edik sort kiv´ve r¨gz´ uk a a sorvektorokat. . . . . a2 . a2 ) = V (a1 . x ∈ R . akkor azt mondjuk. . a2 . a2 . a3 ) = 0 ez´rt term´szetes azt elv´rni egy el˝jeles t´rfogatt´l. a2 . . amelyre u e (a) T(u+v)=T(u)+T(v). en ) = 1 akkor V (a1 . an sorokat tartalmaz´ n×n-es determin´ns o a az ezen vektorok ´ltal meghat´rozott paralelepipedon a a el˝jeles t´rfogat´t adja meg. an ) Mit v´runk el egy el˝jeles t´rfogatt´l? a o e o Vizsg´ljuk az R2 -et! Ter´szetes feltev´s. . t´tel. Legyen V ´s W vektorterek. . . akkor V (a1 . . a2 ) = αV (a1 . . t´tel. . . a2 ) + V (a1 . . 9 f (x) mindenhol deriv´lhat´ a o . e Ekkor ha a V (a1 . .15. a2 . akkor a e a a sorvektorai ´s oszlopvektorai is ONB-t alkotnak Rn e ben. a3 veku torok egy s´ ıkban vannak. a2 . Line´ris transzform´ci´ a a o 16. en ) = 1. . T¨kr¨z´s 0 − ra: u o e     u1 −u1 T  u2  =  −u2  u3 −u3 ii. azaz. . . a2 ) ´bra!!!!! a Hasonl´an term´szetes. Legyen ai ∈ Rn . hogy az e u e ıv´ egys´gkocka t´rfogat 1 legyen. an n-dimenzi´s sorvektorok. . Ha A olyan n × n-es m´trix. T¨kr¨z´s az y = x egyenesre: u o e T = iii.

a1 . . . . . . . em2 . e e a o ami szint´n m´r el˝´ e a oırja. . El˝sz¨r azt mutatjuk meg. 0) : x ∈ R. anmn V (em1 . akkor az ´rt´ke 0. an ) + V (a2 . . an ) f¨ggv´ny. y ∈ R}. .mn ). Tudjuk. . a3 . . a1 . o o e Emiatt pl. . . . an ) e e f¨ggv´ny el˝jelet v´lt. P´ld´k: e a (a) R2 -ben 60˙-kal forgat´s az orig´ k¨r¨l. . 10 ez´rt e ´s e . T (v) = 0}. hogy legfeljebb egy megfelel˝ o f¨ggv´ny van: ´ u e Irjuk fel a term´szetes b´zisban az ai e a ket: V (a1 . . 0 = V (a1 + a2 . a3 . . amely el˝´ll k´pk´nt: o oa e e Im(T ) = {w : w ∈ W. Tekints¨k a k¨vetkez˝ n × n-es m´trixot: u o o a Az itt szerepl˝ V (em1 . . an ) + V (a1 . a2 . Megmutathat´ az al´bbi t´tel: o a e 17. a1 + a2 . y s´ e e ık: Im(T ) = {(x. Ekkor a o ou √ 1 3 T (e1 ) = e1 + e 2 2 2 ´s e T (e2 ) = − ez´rt e T = 1 √2 3 2 17. a1m1 a2m2 . a o Legyen   v1  v2    v =  . vektor. a1 . . t) : t ∈ R}. ´ u ıv´ a ıgy csak azt kell megmutatnunk. an )+ V (a2 . . . a k´pt´r pedig maga az x. an ). hogy mi lehet csak. (b) R2 -ben t¨kr¨z´s az x tengelyre. m´ ha o e e ıg nincs. .. a2 . an ) = V (a11 e1 + a12 e2 + · · · + a1n en .Bizony´ as: Tudjuk. . α2 . . . . . Magt´r. . . . a3 . . . . . akkor az el˝jeles t´rfogat 0. 3. hogy ha k´t megu e o a e egyez˝ vektorunk van.  . . mivel ha van k´t mege u a e egyez˝ vektor itt. A T : V → W line´ris transztform´ci´ ıci´ a a o magtere az ¨sszes olyan V -beli. v m o ∈ V vektorok ´s e α1 .. . αm val´s sz´mok eset´n: o a e T (α1 v 1 + α2 v 2 + · · · + αm v m ) = T (α1 v 1 ) + T (α2 v 2 ) + · · · + T (αm v m ) = α1 T (v 1 ) + α2 T (v 2 ) + · · · + αm T (v m ) A tov´bbiakban csak T : Rn → Rn line´ris transza a form´ci´val foglalkozunk. hogy a determin´nsra telıt´ a jes¨lnek a megk´ ant tulajdons´gok. akkor sorcser´kkel egys´gm´trixra hozhat´. hogy T (v) = w}. T (en )) . . Ekkor T (v) = T v. t´tel. . . emn ). . 1 0 0 −1 T1 = . emn ) viszont m´r o a egy´rtelm˝en meghat´rozott. . . amelynek a o k´pe a 0: e Ker(T ) = {v : v ∈ V. an ) = V (a1 . y.  . em2 . . a2 . Line´ris lek´pez´sek m´trixa a e e a A line´ris lek´pez´s defin´ oj´b´l l´tszik.1≤mi ≤n 3. ami (b) alapj´n a (m1 . a2 . . . ... . A T : V → W line´ris transztform´ci´ k´ptere az a a o e ¨sszes olyan W -beli. y s´ a o a z tengely. vektor. . . k´pt´r e e e T = (T (e1 ). 2 2 − √ 3 2 1 2 P´lda: Legyen T : R3 → R3 az a line´ris transze a ıkra vet´ Ekkor a magt´r ıt. an1 e1 + an2 e2 + · · · + ann en ). . v 2 . Tetsz˝leges T : V → W line´ris transze o a form´ci´ eset´n a o e dim V = dim(Ker(T )) + dim(Im(T )). . . . .2. . A T m´trixot a T line´ris transzform´ci´ term´szetes a a a o e b´zisban vett transzform´ci´m´trix´nak h´ a a o a a ıvjuk. .3. . a3 . . . e √ 3 1 e1 + e2 . a2 . . a3 . a3 . l´tezik v ∈ V . . . hogy a e e ıci´ a o a tetsz˝leges v 1 . Mivel u o e T (e1 ) = e1 = 1e1 + 0e2 T (e2 ) = −e2 = 0e1 + (−1)e2 . a21 e1 + a22 e2 + · · · + a2n en . a3 . . an ) = V (a1 . Most megmutatjuk. . amelyik az x. . hogy nincs m´s megfelel˝ a o u e o o V (a1 . T (e2 ). azaz Ker(T ) = {(0. e form´ci´. an ) + V (a2 . 0. a3 .m2 . hogy k´t vektort felcser´lve a V (a1 . vm Ekkor T (v) = i=1 n vi T (ei ). defin´ o. . . a2 . .

λn µn  0 0   . A traszform´ci´t nem csak a term´szetes b´zisban a o e a vizsg´lhatjuk. a e o o Ez ´ltal´ban is igaz: a a A defin´ o alapj´n k¨nnyen l´tszik.. 0 0  0 0   . 2 1 Diagonaliz´l´s aa 18. . . . .  0 . 2 . hogy a a o e u a T 2T 1 = T 3. . Legyen B = {b1 . ahonnan T B = P −1 T B P . λm n . . (T (b2 ))B .  Leellen˝rizhet˝. bn } egy b´zisa a a Rn -nek ´s T : Rn → Rn egy line´ris transzform´ci´.. . ez´rt e u e TB P = PTB . hogy a o a P −1 AP .. m´sr´szt a e (T (v))B1 = P (T (v))B2 = P T B (v)B2 2 ez´rt e T B P (v)B2 = P T B (v)B2 .(c) R2 -ben t¨kr¨z´s az y tengelyre. . hogy ha T1 . Ekkor (T (v))B = T B (v)b Hogyan kaphatjuk meg B1 ´s B2 b´zisok eset´n T B e a e 1 b˝l T B -t? Tudjuk. majd o o o T2 transzform´ci´t alkalmazva ´ppen T3 transza o e form´ci´b´l sz´rmaz´ vektort kapjuk. akkor T2 (T1 (v)) is a a o line´ris transzform´ci´ (T3 ) ´s teljes¨l r´juk. . Mivel u o e o T (e1 ) = −e1 = (−1)e1 + 0e2 ´s e T (e2 ) = −e2 = 0e1 + (−1)e2 . . . . ez´rt e T2 = −1 0 0 1 . . . .. hogy a o a B = P −1 AP . 0  0 λ2 .  emiatt    Dm =   λm 0 . 1 2 (d) R2 -ben t¨kr¨z´s az orig´ra. akkor A ´s B m´trixokat hasonl´nak mondjuk. . hogy o 2 µ1 0 . . . 1 0 λm . 2 Jel¨lje P a b´zis´tmenet m´trixot. .  . sz´p legyen! e Mit ´rts¨nk ”sz´p” m´trix alatt? e u e a 19. ha a ıci´ a a f˝´tl´n k´ ul minden elem 0. . A D n × n-es m´trix diagon´lis. azaz (v)B1 = P (v)B2 ´s e (T (v))B1 = P (T (v))B2 .  0 Ha    E=  akkor    DE =   λ1 µ1 0 .. 0 µ2 . ez´rt e T = −1 0 0 −1 .. defin´ o. 1 . hogy adott A n × n-es m´trix eset´n adjunk e a e meg olyan P n × n-es invert´lhat´ m´trixot. µn (T (v))B2 = T B (v)B2 . 3. 0 11 0 . λn  0 0   . Mivel u o e T (e1 ) = −e1 = (−1)e1 + 0e2 ´s e T (e2 ) = e2 = 0e1 + 1e2 . hogy egy vektorra el˝bb T1 . Ha A ´s B n×n-es m´trixok ´a l´tezik ıci´ e a e e P invert´lhat´ n × n-es m´trix. e a a o Ekkor T line´ris transzform´ci´ B b´zisban vett trana a o a szform´ci´m´trixa: a o a T B = ((T (b1 ))B . b2 . . . . T2 : ıci´ a o a Rn → Rn line´ris transzform´ci´k.4. 1 2 ami minden (v)B2 eset´n teljes¨l. . 0 0 (T (v))B1 = T B (v)B1 . . (T (bn ))B ) . azaz oa o ıv¨   λ1 0 . . . 0 λ2 µ 2 . .. . a o o a o Ez a m´trixokra n´zve a k¨vetkez˝t jelenti: T 2 T 1 = T 3 . . . . 1 1 . 0    D= .. Innen (T (v))B1 = T B (v)B1 = T B P (v)B2 . . e a o A c´l. defin´ o. . Ekkor o a a a (v)B2 = P −1 (v)B1 .

|Apn ). Legyen P az a m´trix. Ekkor P D = (λ1 p1 |λ2 p2 | . |λn pn ). . hogy A-nak l´tezik n db line´risan u e a f¨ggetlen saj´tvektora. ha l´tezik x = 0 vektor. Az A n × n-es m´trix akkor ´s csak akkor e a e u a diagonaliz´lhat´. ez´rt e Api = λi pi . hogy o a e Ax = λx. |Apn ). . Pr´b´ljunk adott A m´trixhoz megfelel˝ P m´trixot o a a o a tal´lni! A defin´ o alapj´n a ıci´ a P D = AP . . . p2 . . |pn ). . . . defin´ o. . . . azaz l´tezik egy invert´lhat´ n × na o e a o es P m´trix. 22. λn + · · · + a1 λ + a0 ´s e Api = λi pi . |λn pn ). a a ha det(A − λI n ) = 0. amelyre egy e a o a diagon´lis D m´trixra a a D = P −1 AP . m´sr´szt a e AP = (Ap1 |Ap2 | . . . P´ld´k: e a (a) A= 1/2 1/2 1/2 1/2 . . Ennek e a pontosan akkor van nemtrivi´lis (x = 0) megold´sa. Ekkor x-et saj´tvektornak mondjuk. ha van n db f¨ggetlen saj´tvektora. a Hogyan keress¨k u meg a saj´t´rt´keket. 21. Az A n × n m´trix diagonaliz´lhat´. A ıci´ det(A − λI n ) = (−1) λ + an−1 λ n n n−1 (c)  0 1 1 C =  1 0 1 . defin´ o. A P oszlopvektorai legyenek: P = (p1 |p2 | .. . Legyenek ezek: u a p1 . amelynek oszlopvektorai a p1 . 0 λ2 . λ1 0 . . p2 . m´sr´szt a e AP = (Ap1 |Ap2 | . pn . . . a o Bizony´ as: Tegy¨k fel. mert P ina vet´lhat´) ´s pi -k line´risan f¨ggetlenek szint´n az ina o e a u e vert´lhat´s´g miatt. 0 λ2 . ae e saj´tvektorokat? a Nyilv´n a Ax = λx ⇔ Ax = λI n x ⇔ Ax − λI n x = 0 ⇔ (A − λI n )x = 0. . . . Ez egy homog´n line´ris egyenletrendszer. 0 1 1  A saj´tvektorokkal m´r le´ a a ırhat´. . saj´tvektorai (y = x egyenesre ae e a vet´ es m´trixa a term´szetes b´zisban) ıt´ a e a (b) 45˙-kal val´ forgat´s m´trixa a term´szetes o a a e b´zisban: a √ √ 1/√2 −1/√2 B= . .  saj´t´rt´kei. A P oszlopvektorai legyenek: P = (p1 |p2 | .. ahol    D=  Ekkor P D = AP . ıci´ a a o ha l´tezik P invert´lhat´ n×n-es m´trix. ´s legyen e    D=  Ekkor P = (p1 |p2 | . |Apn ). λn AP = (Ap1 |Ap2 | . amelyre a D = P −1 AP . . . hogy az A n × n-es m´trix ıt´ u a diagonaliz´lhat´. 0 0 . Az A n × n-es m´trix saj´t´rt´ke a ıci´ a ae e λval´s sz´m.. defin´ o. pn : polinomot karakterisztikus polinomnak h´ ıvjuk.  . hogy egy n × n-es o m´trix mikor diagonaliz´lhat´: a a o 18. . . . .. . . t´tel. .20. 1/ 2 1/ 2 12 λ1 0 . a oa Most tegy¨k fel. 0 0  0 0   . . azaz pi -ik saj´tvektorok (pi = 0. .  0 0   . Ekkor oszlopvektorok szerinti fel´ asban ır´ P D = (λ1 p1 |λ2 p2 | . |pn ). . . . |pn ). . .

´s e    D=  m´trixokkal a D = P −1 AP . emiatt P invert´lhat´.n−1 )xn−1 xn A k¨z´piskol´ban tanultuk. |λn pn ).   . A fenti t´tel szerint a diagonaliz´l´s sor´n az A e aa a n × n-es m´trixhoz keres¨nk n db line´risan f¨ggetlen a u a u saj´tvektort: a Api = λi pi . . fel¨leteket ´ le. . t´tel. de ebben a szorzatban m´r mindent ismer¨nk.. hogy az o e a Ax2 + By 2 = 1 egyenlet vagy ellipszist vagy hperbol´t ´ le.. Az A n × n-es m´trix diagonaliz´lhat´. a u A k¨vetkez˝ itt nem bizony´ o o ıtott t´tel egy el´gs´ges e e e felt´telt ad arra. Ha a11 A =  a21 a31   a12 a22 a32  a13 a23  a33 x y .´s e P D = (λ1 p1 |λ2 p2 | . λ2 .  xn  AP ⇒ A = P DP −1 . ez´rt a o e D = P −1 AP . hogyan kapcsol´dik ez a line´ris o o e u o a algebr´hoz! a Legyen a11 a12 A= a21 a22 ´s e x= Ekkor xT Ax = a11 x2 + a22 y 2 + (a12 + a21 )xy. akkor xT Ax = a11 x2 + a22 x2 + · · · + ann x2 + 1 2 n (a12 + a21 )x1 x2 + (a13 + a31 )x1 x3 + .. . . (P −1 P DP −1 = P Dm P −1 .. 0 0 0   . Ekkor P = (p1 |p2 | . akkor  x x =  y . . . λ1 0 . . ´ ıgy AP = P D. hogy az a Ax2 + By 2 + Cxy = 1 vagy Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz = 1 milyen g¨rb´ket ill. |pn ). z xT Ax = a11 x2 + a22 y 2 + a33 z 2 + (a12 + a21 )xy + (a13 + a31 )xz + (a23 + a32 )yz. Kvadratikus alakok A saj´t´r´kek alkalmaz´sak´nt v´g¨l olyan k´rd´seket aee a e e u e e vizsg´lunk meg. . .. P´lda: Diagonaliz´ljuk az e a A= m´trixot! a Megold´s:. . λn ´s e 3 3 4 2 . uo o o ae e 13 −1 4.  . a Mire haszn´lhatjuk a diagonaliz´l´st? Ha az A a aa m´trix diagonaliz´lhat´. a u Mivel a pi -k line´risan f¨ggetlenek. ´ Altal´ban. hgy egy xT Ax ..n + an. · · · + (an−1. . ha e a a o A-nak n db k¨l¨nb¨z˝ saj´t´rt´ke van. akkor k¨nnyen sz´molhat´ a a o o a o az A hatv´nyai: a D=P ez´rt e Am = (P DP −1 )(P DP −1 ) . ha a A = (aij )n×n ´s e  x1  x  x =  2 . 0 0 . . o e u ır El˝sz¨r n´zz¨k meg. . . (P DP −1 ) = P D(P −1 P )D(P −1 P )D . A c´lunk a ır e az. . . hogy mikor diagonaloz´lhat´ egy e a o m´trix: a 19.

amelyre a D = P −1 AP . ahol A szimmetrikus m´trix a 14 alak diago- . p2 .n xn−1 xn alakban. amely ortogon´lisan diagonaliz´lja Aa a a t. pn ´ltal meghat´rozott uj koordin´tarendszerben a keresett egyenelet: a 2 2 2 λ1 y1 + λ2 y2 + · · · + λn yn teljes¨l valamely D diagon´lis m´trixxal. Az A n × n m´trix ortogon´lisan diagoe a a naliz´lhat´. defin´ o. . |pn ) m´trixot. Az A n × n-es m´trix ortogon´lisan ıci´ a a diagnaliz´lhat´. ha l´tezik egy P n × n-es ortogon´lis a o e a m´trix. T P´lda: e (a) Hat´rozza meg az a x2 + xy + y 2 = 1 megold´s´t! aa (b) Hat´rozza meg az a 4x2 + 4y 2 + 4z 2 + 4xy + 4xz + 4yz = 1 megold´s´t! aa azaz P ortogon´lis m´trix a a 23. ´ kvadratikus alakban az xi -ket ugy transz´ form´ljuk: a yi = ci1 x1 + ci2 x2 + · · · + cin xn . valamely diagon´lis D m´trix eset´n. . a Mivel minden kvadratikus alak fel´ ırhat´ o a11 x2 + a22 x2 + · · · + ann x2 + 1 2 n +2a12 x12 + 2a13 x1 x3 + · · · + 2an−1. Ekkor xT Ax = (P y)T A(P y) = y T P T AP y. ha A szimmetrikus a o e m´trix. m´sr´szt a diagonaliz´l´s azt adja. ez´rt minden kvadratikus u e naliz´lhat´. hogy a e aa D = P −1 AP . ez´rt e P T = P −1 . .un. amelyre a a o a kvadratikus alak xT Ax alak´. amelyre xT Ax = y T Dy (b) Hat´rozzuk meg azt a a P = (p1 |p2 | . Bebizony´ a a e ıthat´: o 20. t´tel. akkor ´s csak akkor. a o Hogyan diagonaliz´lhat´ egy a o xT Ax = 1 egyenlet? (a) A kvadratikus alakot ´ ırjuk xT Ax alakba. emiatt minden kvadratikus alakhoz tal´lhat´ A szimmetrikus m´trix. a a ´ (c) Ekkor a p1 . . ez´rt e D = P AP . . . Legyen u a a x = P y. Ekkor Api = λi pi . .

Sign up to vote on this title
UsefulNot useful