Bácsó Sándor

Diszkrét Matematika I.
mobiDIÁK könyvtár
Bácsó Sándor
Diszkrét Matematika I.
mobiDIÁK könyvtár
SOROZATSZERKESZTŐ
Fazekas István
Bácsó Sándor
Diszkrét Matematika I.
egyetemi jegyzet
mobiDIÁK könyvtár
Debreceni Egyetem Informatikai Intézet
Lektor
Fazekas István
Copyright c ( Bácsó Sándor, 2003
Copyright c ( elektronikus közlés mobiDIÁK könyvtár, 2003
mobiDIÁK könyvtár
Debreceni Egyetem
Informatikai Intézet
4010 Debrecen, Pf. 12
http://mobidiak.unideb.hu
A mű egyéni tanulmányozás céljára szabadon letölthető. Minden egyéb fel-
használás csak a szerző előzetes írásbeli engedélyével történhet.
A mű a A mobiDIÁK önszervező mobil portál (IKTA, OMFB-00373/2003)
és a GNU Iterátor, a legújabb generációs portál szoftver (ITEM, 50/2003)
projektek keretében készült.
Tartalomjegyzék
Bevezetés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1. Halmazelmélet; relációk, függvények . . . . . . . . . . . . . . . . . . . . . 11
1. Halmazelméleti alapfogalmak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. Relációk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3. Függvények . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2. Számfogalmak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1. Valós számok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2. Természetes számok, egész számok, racionális számok . . . . . . . . . . . 23
3. Komplex számok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4. Algebrai stuktúrák . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5. Számosságok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6. Kombinatorikai alapfogalmak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3. Vektorok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1. Vektorterek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2. Lineáris függőség, bázis, dimenzió . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3. Alterek direkt összege . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4. Faktortér . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4. Mátrixok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
1. Mátrixok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2. Determináns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3. Mátrix rangja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4. Lineáris egyenletrendszerek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5. Lineáris leképezések . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
1. Vektorterek lineáris leképezései . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2. Bázis- és koordinátatranszformáció . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3. Lineáris transzformációk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
7
8 TARTALOMJEGYZÉK
Irodalomjegyzék . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Tárgymutató . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Bevezetés
Ez a jegyzet programtervező matematikus hallgatók számára készült a
"Diszkrét matematika" című tantárgy előadásai alapján. Az első rész az
első szemeszterben elsajátítandó anyagot tartalmazza.
A jegyzet anyaga erősen támaszkodik a középiskolában elsajátított matem-
atikai tanulmányokra. A jegyzet első két fejezete előkészítő részei a nem
metrikus lineáris matematikai ismereteknek (a metrikus lineáris algebrai
fejezeteket a jegyzet második része tartalmazza). Itt csak a legfontosabb
fogalmakat és állításokat adjuk meg, több esetben bizonyítás nélkül. Az
irodalomjegyzékben található munkákban a bizonyítások is megismerhetők.
A jegyzet lényeges részei a harmadik, a negyedik és ötödik fejezetben
találhatók. Itt tisztázzuk a vektorterekhez, mátrixokhoz, determinánsokhoz,
lineáris egyenletrendszerekhez és lineáris leképezésekhez tartozó alapvető is-
mereteket teljes részletességgel.
Remélhetőleg a jegyzet eléri célját azzal, hogy használható ismereteket
nyújt a további tanulmányokhoz. A jegyzethez példatár is készül, amellyel
együtt alkot ez a munka egységes egészet.
A szerző köszönetet mond Fazekas István egyetemi docensnek az igen lelki-
ismeretes lektorálásért, nélkülözhetetlen tanácsaiért, továbbá Orosz Ágotá-
nak és Kaiser Zoltánnak a jegyzet gondos előállításáért.
9
1. fejezet
Halmazelmélet; relációk, függvények
1. Halmazelméleti alapfogalmak
Ebben a fejezetben alapfogalomként használjuk a halmaz, elem és az eleme
szavakat, az alábbi jelölések mellett. Halmaz: A, B, C, . . . vagy A
1
, A
2
, A
3
, . . . ;
elem: a, b, c, . . . vagy a
1
, a
2
, a
3
, . . . ; a eleme A-nak: a ∈ A ; a nem eleme A-
nak: a / ∈ A. Halmazt megadhatunk elemeinek felsorolásával: A = ¦a, b, . . . ¦;
illetve valamilyen kitüntető tulajdonsággal: A = ¦a [ T(a)¦. Ez utóbbi
azt jelenti, hogy az A halmaz elemei azon a elemek lesznek, amelyek ren-
delkeznek a T tulajdonsággal. Például: A = ¦x [ x ∈ R, x
2
> 0¦.
1.1. Definíció. Azt a halmazt, amelynek egyetlen eleme sincs, üres hal-
maznak nevezzük. Jele: ∅.
1.2. Definíció. Az A és a B halmazok egyenlőek, ha elemeik megegyeznek,
azaz
A = B ⇐⇒ (∀x ∈ A ⇒x ∈ B) és (∀x ∈ B ⇒ x ∈ A).
Jele: A = B.
1.3. Definíció. Az A halmaz részhalmaza a B halmaznak, ha
∀x ∈ A ⇒x ∈ B.
Jele: A ⊂ B. A valódi részhalmaza B-nek, ha A ⊂ B és A = B.
1.4. Tétel. A = B ⇐⇒ A ⊂ B és B ⊂ A.
Bizonyítás. Az 1.2. és az 1.3. definíciók alapján nyilvánvaló.
1.5. Tétel. Csak egy üres halmaz létezik.
Bizonyítás. Indirekt tegyük fel, hogy A és B is üres halmazok. Ekkor A ⊂ B
és B ⊂ A teljesül, így az 1.4. tétel miatt A = B.
1.6. Definíció. Halmazrendszernek nevezzük az olyan nem üres halmazt,
melynek elemei halmazok.
11
12 1. HALMAZELMÉLET; RELÁCIÓK, FÜGGVÉNYEK
1.7. Definíció. Egy A halmaz összes részhalmazaiból álló halmazt az A
hatványhalmazának nevezzük. Jele: 2
A
illetve P(A).
1.8. Példa. Az A = ¦x, y¦ halmaz hatványhalmaza:
2
A
=
¸
∅, ¦x¦, ¦y¦, ¦x, y¦
¸
.
1.9. Definíció. Legyen I = ∅ indexhalmaz, és ∀i ∈ I esetén adott egy A
i
halmaz. Ekkor ¦A
i
[ i ∈ I¦ indexelt halmazrendszer (vagy I-vel indexelt
halmazrendszer).
1.10. Definíció. Műveletek halmazok között:
1. A és B halmazok uniója: A∪ B = ¦x [ x ∈ A vagy x ∈ B¦;
2. A és B halmazok metszete: A∩ B = ¦x [ x ∈ A és x ∈ B¦;
3. A és B halmazok különbsége: A` B = ¦x [ x ∈ A és x / ∈ B¦.
4. Az S = ¦A
i
[ i ∈ I¦ halmazrendszer uniója:
¸
S =
¸
i∈I
A
i
= ¦x [ ∃A
i
: A
i
∈ S, x ∈ A
i
¦;
5. S = ¦A
i
[ i ∈ I¦ halmazrendszer metszete:
¸
S =
¸
i∈I
A
i
= ¦x [ ∀A
i
∈ S esetén x ∈ A
i
¦.
PSfrag replacements
A
A
A
A
B
B
B
B
A∪ B A∩ B
A\ B A ⊂ B
1.11. Definíció. Legyen X egy halmaz és A ⊂ X. Ekkor az A halmaz X-re
vonatkozó komplementerén az X ` A halmazt értjük. Jele: A vagy A
c
.
1.12. Tétel. Legyen X adott halmaz és A, B ⊂ X. Ekkor
1. A = B ⇐⇒ A = B;
2. A ⊂ B ⇐⇒ B ⊂ A;
1. HALMAZELMÉLETI ALAPFOGALMAK 13
3. A = A.
Bizonyítás. 1. Tegyük fel, hogy A = B. Ekkor
x ∈ A ⇐⇒ x / ∈ A ⇐⇒ x / ∈ B ⇐⇒ x ∈ B,
tehát A és B elemei megegyeznek, így A = B.
Fordítva, ha A = B , akkor
x ∈ A ⇐⇒ x / ∈ A ⇐⇒ x / ∈ B ⇐⇒ x ∈ B,
tehát A = B .
2. Tegyük fel, hogy A ⊂ B. Ekkor
x ∈ B ⇐⇒ x / ∈ B ⇒x / ∈ A ⇐⇒ x ∈ A,
tehát B elemei A-nek is elemei, azaz B ⊂ A.
Fordítva, ha B ⊂ A , akkor
x ∈ A ⇐⇒ x / ∈ A ⇒x / ∈ B ⇐⇒ x ∈ B,
tehát A ⊂ B.
3. x ∈ A ⇐⇒ x / ∈ A ⇐⇒ x ∈ A , tehát A = A.

1.13. Tétel. Legyen X adott halmaz és A, B, C ⊂ X. Ekkor
1. A ∪ B = B ∪ A és A ∩ B = B ∩ A, azaz a metszet- és az unióképzés
kommutatív;
2. (A∪B) ∪C = A∪(B∪C) és (A∩B) ∩C = A∩(B∩C), azaz a metszet-
és az unióképzés asszociatív;
3. A∪ (B ∩ C) = (A∪ B) ∩ (A∪ C) és A∩ (B ∪ C) = (A∩ B) ∪ (A∩ C),
azaz teljesül a disztributivitás;
4. A∪A = A és A∩A = A, azaz a metszet- és az unióképzés idempotens;
5. A∪ ∅ = A és A∩ ∅ = ∅;
6. A∪ X = X és A ∩ X = A;
7. ∅ = X és X = ∅;
8. A∪ A = X és A∩ A = ∅;
9. A∪ B = A ⇐⇒ B ⊂ A;
10. A ∩ B = A ⇐⇒ A ⊂ B.
Bizonyítás. Csak a 3. állítást igazoljuk, a többi bizonyítás hasonlóan végez-
hető. x ∈ A ∪ (B ∩ C) ⇐⇒ x ∈ A vagy x ∈ (B ∩ C) ⇐⇒ x ∈ A vagy
(x ∈ B és x ∈ C) ⇐⇒ (x ∈ A vagy x ∈ B) és (x ∈ A vagy x ∈ C) ⇐⇒
x ∈ (A ∪ B) és (A ∪ C) ⇐⇒ x ∈ (A∪ B) ∩ (A ∪ C).
14 1. HALMAZELMÉLET; RELÁCIÓK, FÜGGVÉNYEK
1.14. Tétel (de Morgan-féle azonosságok). Legyen X adott halmaz, és
A, B ⊂ X. Ekkor
(A∪ B) = A ∩ B és (A ∩ B) = A ∪ B.
Bizonyítás. x ∈ (A ∪ B) ⇐⇒ x / ∈ (A∪ B) ⇐⇒ x / ∈ A és x / ∈ B ⇐⇒ x ∈
A és x ∈ B ⇐⇒ x ∈ A ∩ B.
PSfrag replacements
A A B B
A∪ B A∩ B
Hasonlóan igazolható a második állítás is.
2. Relációk
2.1. Definíció. Legyenek A és B tetszőleges halmazok. Rendezett elempár
alatt az (a, b) szimbólumot értjük, ahol a ∈ A és b ∈ B. Két rendezett
elempár egyenlőségét az alábbi módon definiáljuk:
(a, b) = (c, d) ⇐⇒ a = c és b = d.
2.2. Definíció. Az A és a B halmazok Descartes-féle szorzatán az
AB = ¦(a, b) [ a ∈ A, b ∈ B¦
halmazt értjük.
2.3. Tétel. Legyenek A, B és C tetszőleges halmazok. Ekkor
1. AB = ∅ ⇐⇒ A = ∅ vagy B = ∅;
2. (A ∪ B) C = (A C) ∪ (B C);
3. A(B ∪ C) = (A B) ∪ (AC);
4. (A ∩ B) C = (A C) ∩ (B C);
5. A(B ∩ C) = (A B) ∩ (AC);
6. (A ` B) C = (A C) ` (B C);
7. A(B ` C) = (A B) ` (A C);
8. B ⊂ C ⇒A B ⊂ A C;
9. AB = B A ⇐⇒ A = B.
2. RELÁCIÓK 15
Bizonyítás. A második állítást igazoljuk:
2. (x, y) ∈ (A∪B)C ⇐⇒ x ∈ (A∪B) és y ∈ C ⇐⇒ (x ∈ A vagy x ∈ B)
és y ∈ C ⇐⇒ (x ∈ A és y ∈ C) vagy (x ∈ B és y ∈ C) ⇐⇒ (x, y) ∈
(A C) ∪ (B C).
-
6
C
A B
AC B C

2.4. Definíció. Legyenek A és B halmazok. Ekkor F ⊂ AB-t az A és B
halmazok közötti (binér) relációnak nevezzük. Jele: aFb, ahol a ∈ A és b ∈
B vagy b = F(a), azaz az F reláció mellett az a elem képe b.
2.5. Definíció. Az F ⊂ AB reláció értelmezési tartománya:
D
F
˙ =¦x [ x ∈ A, ∃y ∈ B, (x, y) ∈ F¦;
értékkészlete:
R
F
˙ =¦y [ y ∈ B, ∃x ∈ A, (x, y) ∈ F¦.
2.6. Definíció. Ha D
F
= A, akkor F az A-nak B-be történő leképezése;
ha R
F
= B, akkor F egy A-ból B-re történő leképezés;
ha D
F
= A és R
F
= B, akkor F az A-nak B-re történő leképezése.
2.7. Definíció. Ha F ⊂ AB, C ⊂ A, akkor az F reláció mellett C képe:
F(C) ˙ =¦y [ y ∈ B, ∃x ∈ C, (x, y) ∈ F¦.
2.8. Definíció. Legyen F ⊂ A B reláció és C ⊂ D
F
, ekkor az F reláció
C-re való leszűkítése:
F

C
= ¦(x, y) [ (x, y) ∈ F, x ∈ C¦.
indexF

C
16 1. HALMAZELMÉLET; RELÁCIÓK, FÜGGVÉNYEK
2.9. Definíció. Legyen F ⊂ A B reláció. Ekkor F inverze:
F
−1
˙ =¦(y, x) [ (y, x) ∈ B A, (x, y) ∈ F¦.
2.10. Következmény. Legyen F ⊂ AB reláció. Ekkor:
1. D
F
−1 = R
F
;
2. R
F
−1 = D
F
;
3. (F
−1
)
−1
= F.
2.11. Definíció. Legyenek A, B és C halmazok. Ekkor az F ⊂ AB és a
G ⊂ B C relációk kompozíciója vagy összetétele a G◦ F ⊂ AC reláció:
G◦ F ˙ =¦(x, z) [ x ∈ A, z ∈ C, ∃y ∈ B, (x, y) ∈ F, (y, z) ∈ G ¦.
2.12. Következmény. Legyenek A, B, C és D halmazok, és F ⊂ A
B, G ⊂ B C, H ⊂ C D relációk. Ekkor
1. (G◦ F)
−1
= F
−1
◦ G
−1
;
2. (F ◦ G) ◦ H = F ◦ (G◦ H).
2.13. Definíció. Legyen A egy halmaz. Az R ⊂ A A relációt rendezési
relációnak nevezzük, ha ∀x, y, z ∈ A esetén teljesülnek az alábbi tulajdon-
ságok:
1. xRx, azaz reflexív;
2. (xRy és yRx) ⇒x = y, azaz antiszimmetrikus;
3. (xRy és yRz) ⇒xRz, azaz tranzitív;
4. xRy és yRx közül legalább az egyik fennáll, azaz teljes.
Ekkor az (A, R) párt rendezett halmaznak nevezzük, és a rendezési reláció
jele: ≤ . Ha x ≤ y és x = y, akkor x < y-t írunk. Az x ≤ y illetve x < y
kifejezésekre használatos az y ≥ x, illetve y > x jelölés is.
Ha csak az 1.,2.,3. tulajdonság teljesül a relációra, akkor parciális rendezésről
vagy féligrendezésről beszélünk.
2.14. Példa. Az x ≤ y reláció [0, 1] [0, 1]-en és ennek inverze (az átló
mindkét relációhoz hozzátartozik):
0
1
1 0
1
1
x ≤ y x ≤ y inverze
2.15. Definíció. Legyen (A, R) rendezett halmaz.
2. RELÁCIÓK 17
1. Egy B ⊂ A halmazt felülről korlátosnak nevezünk, ha ∃a ∈ A úgy, hogy
∀b ∈ B esetén b ≤ a, és ekkor az a elemet a B halmaz felső korlátjának
nevezzük.
2. Egy B ⊂ A halmazt alulról korlátosnak nevezünk, ha ∃a ∈ A úgy, hogy
∀b ∈ B esetén b ≥ a, és ekkor az a elemet a B halmaz alsó korlátjának
nevezzük.
3. Egy B ⊂ A halmazt korlátosnak nevezünk, ha alulról és felülről is kor-
látos.
2.16. Definíció. 1. Egy B ⊂ A halmaz pontos felső korlátja egy olyan
a ∈ A felső korlát, amelynél kisebb felső korlátja a B-nek nincsen. Jele:
a = supB (szuprémum).
2. Egy B ⊂ A halmaz pontos alsó korlátja egy olyan a ∈ A alsó korlát,
amelynél nagyobb alsó korlátja a B-nek nincsen. Jele: a = inf B (infi-
mum).
2.17. Definíció. Egy rendezett halmazt teljesnek nevezünk, ha bármely
nem üres felülről korlátos részhalmazának létezik pontos felső korlátja.
A matematika vizsgán az egymással (közelítőleg) azonos tudású diákok
kapnak azonos jegyet. Így a diákokat öt osztályba soroljuk: 1-es, 2-es, . . . ,
5-ös tudású diákok. Ezen osztályozás alapja az ekvivalens (azonos) tudás.
2.18. Definíció. Legyen A egy halmaz. Az R ⊂ AA relációt ekvivalencia
relációnak nevezzük, ha ∀x, y, z ∈ A esetén teljesülnek az alábbi tulajdon-
ságok:
1. xRx, azaz reflexív;
2. xRy →yRx, szimmetrikus;
3. xRy és yRz →xRz, tranzitív.
Jele: a ∼ b. Ekkor azt is mondjuk, hogy a ekvivalens b-vel.
2.19. Példa. Z
+
-on (azaz a pozitív egész számok halmazán) értelmezett
aRb ˙ ⇐⇒ 5

a − b reláció ekvivalencia reláció. (5

a − b jelentése: 5 osztója
a − b-nek.) Azok a pozitív egész számok lesznek ekvivalensek egymással,
amelyek 5-tel osztva ugyanazt a maradékot adják.
2.20. Definíció. Legyen H = ∅ halmaz. Az S halmazrendszert H egy osz-
tályozásának nevezzük, ha S elemei páronként diszjunktak, és egyesítésük
H. Azaz ∀A, B ∈ S, esetén A, B ⊂ H, A ∩ B = ∅ vagy A = B; továbbá
¸
S = H.
2.21. Tétel. Ha S egy osztályozás H-n, akkor H-n megadható egy S-hez
tartozó ekvivalencia reláció. Ha H-n adott egy ekvivalencia reláció, akkor
az indukál egy osztályozást H-n.
18 1. HALMAZELMÉLET; RELÁCIÓK, FÜGGVÉNYEK
2.22. Példa. A 2.19. példában szereplő ekvivalancia reláció által indukált
osztályozás esetén (egy osztályba kerülnek az egymással ekvivalens elemek)
öt különböző osztályt kapunk. Ha pedig Z
+
-on azt az osztályozást adjuk
meg, amelynél azonos osztályba kerülnek azok az elemek, amelyek 5-tel
osztva ugyanazt a maradékot adják, és két elem akkor és csak akkor áll
relációban egymással, ha egy osztályba tartoznak, akkor megkapjuk a fenti
ekvivalencia relációt.
3. Függvények
A függvény fogalmát úgy alakítjuk ki, hogy ne lehessen "többértékű" füg-
gvényről beszélni.
3.1. Definíció. Az f ⊂ A B relációt függvénynek nevezzük, ha bármely
a ∈ A esetén egyértelműen létezik olyan b ∈ B, melyre (a, b) ∈ f.
Jelölés: f : A → B, b = f(a).
Ekkor a függvény értelmezési tartománya: A, értékkészlete: B, a függvény
képhalmaza: f(A) = ¦b [ b ∈ B, ∃a ∈ A : (a, b) ∈ f¦.
3.2. Megjegyzés. Minden függvény reláció, de nem minden reláció függ-
vény.
3.3. Definíció. Az f : A →B függvény invertálható, ha f
−1
: f(A) → A is
függvény. Ekkor f
−1
-et az f inverzfüggvényének nevezzük. Az invertálható
függvényeket kölcsönösen egyértelműnek nevezzük.
3.4. Tétel. Az f : A → B függvény akkor és csak akkor invertálható, ha
bármely a
1
, a
2
∈ A; a
1
= a
2
esetén f(a
1
) = f(a
2
).
Másképpen: ∀a
1
, a
2
∈ A : f(a
1
) = f(a
2
) ⇐⇒ a
1
= a
2
.
Bizonyítás. (a) Tegyük fel, hogy f invertálható, vagyis az f
−1
reláció füg-
gvény. Ha a
1
, a
2
∈ A, akkor (a
1
, f(a
1
)) ∈ f és (a
2
, f(a
2
)) ∈ f, így
(f(a
1
), a
1
) ∈ f
−1
, (f(a
2
), a
2
) ∈ f
−1
. Ha f(a
1
) = f(a
2
) teljesül, akkor
a
1
= f
−1
(f(a
1
)) = f
−1
(f(a
2
)) = a
2
, mivel az f
−1
függvény egyértelműen
rendeli hozzá az elemekhez a képüket.
(b) Most tegyük fel, hogy ∀a
1
, a
2
∈ A : f(a
1
) = f(a
2
) ⇐⇒ a
1
= a
2
, és
f
−1
nem függvény, azaz létezik f(a) ∈ f(A) úgy, hogy (f(a), a
1
) ∈ f
−1
,
(f(a), a
2
) ∈ f
−1
és a
1
= a
2
. Ez nyilván ellentmondás, hiszen f(a
1
) =
f(a) = f(a
2
) miatt a
1
= a
2
.

3.5. Példa. A K = ¦(x, y) [ x
2
+ y
2
= 1¦ ⊂ [−1, 1] [−1, 1] reláció nem
függvény, hisz pl. (0, 1) valamint (0, −1) is hozzá tartozik.
3. FÜGGVÉNYEK 19
Viszont az F = ¦(x, y) [ y =

1 −x
2
¦ ⊂ [−1, 1] [0, 1] reláció függvény.
Ez a függvény nem invertálható. Viszont megszorítása [0, 1]-re már invertál-
ható (és inverze önmaga).
(Csak megjegyezzük, hogy az eredeti K mint reláció inverze önmaga.)
3.6. Definíció. Legyenek f : A →B és g : B →C függvények. Ekkor a
g ◦ f ⊂ A C relációt összetett függvénynek nevezzük, f a belső függvény,
g a külső függvény.
3.7. Tétel. Legyenek f : A → B és g : B → C függvények. Ekkor az g ◦ f
reláció is függvény. Jelölés: (g ◦ f)(x) = g(f(x)).
Bizonyítás. Ha (x, z) ∈ (g ◦ f), akkor definíció szerint létezik olyan y ∈ B,
melyre (x, y) ∈ f és (y, z) ∈ g. Mivel f függvény, így y = f(x) egyértelműen
létezik, és ehhez az egyértelműen létező y-hoz egyértelműen tartozik z =
g(y) = g(f(x)), mert g is függvény. Eszerint bármely x ∈ A esetén egyér-
telműen létezik z ∈ C úgy, hogy z = (g ◦ f)(x), azaz (x, z) ∈ (g ◦ f), tehát
g ◦ f is függvény.
3.8. Definíció. Legyen f : A →B függvény. Ekkor
1. f injektív, ha bármely x, y ∈ A és x = y esetén f(x) = f(y), azaz a
függvény invertálható;
2. f szürjektív, ha f(A) = B;
3. f bijektív, ha injektív és szürjektív.
3.9. Definíció. Az A halmaz identikus függvénye: id
A
: A →A
id
A
(x) = x ∀x ∈ A.
3.10. Definíció. Az A és B halmazok ekvivalensek egymással, ha létezik a
halmazok között bijektív függvény: ∃f : A →B bijektív.
3.11. Definíció. Legyen A tetszőleges halmaz. Ekkor az f : A A → A
függvényt (binér) műveletnek nevezzük.
3.12. Definíció. Elemi függvényeknek nevezzük az alábbi négy (a valós szá-
mok halmazából a valós számok halmazába képező) függvényből:
1. f(x) = c konstans függvény;
2. f(x) = x identikus függvény;
3. f(x) = a
x
, a > 0 hatványfüggvény;
4. f(x) = sin x
összeadással, szorzással, kivonással, osztással, összetettfüggvény-képzéssel és
invertálással előállítható függvényeket.
2. fejezet
Számfogalmak
1. Valós számok
1.1. Definíció. Legyen adott egy R halmaz, és legyen rajta értelmezve két
művelet:
f
1
: RR →R, f
1
(x, y) = x +y, ∀x, y ∈ R;
f
2
: RR →R, f
2
(x, y) = x y, ∀x, y ∈ R.
Azt mondjuk, hogy (R, +, ) test, ha teljesíti az alábbi tulajdonságokat, az
úgynevezett testaxiómákat:
1. kommutativitás
x +y = y +x ∀x, y ∈ R,
x y = y x ∀x, y ∈ R,
2. asszociativitás
(x +y) +z = x + (y +z) ∀x, y, z ∈ R,
(x y) z = x (y z) ∀x, y, z ∈ R,
3. disztributivitás
x (y +z) = x y +x z ∀x, y, z ∈ R,
4. létezik zéruselem (vagy nullelem), jele: 0,
∃0 ∈ R : x + 0 = x ∀x ∈ R,
5. létezik additív inverz
∀x ∈ R esetén ∃(−x) ∈ R : x + (−x) = 0,
6. létezik egységelem, jele: 1,
∃1 ∈ R, 1 = 0 : x 1 = x ∀x ∈ R,
7. létezik multiplikatív inverz
∀x ∈ R, x = 0 esetén ∃(x
−1
) ∈ R : x (x
−1
) = 1.
21
22 2. SZÁMFOGALMAK
1.2. Definíció. Legyen adva az R testen egy ≤ rendezési reláció:
≤ ⊂ R R. Azt mondjuk, hogy (R, +, , ≤) rendezett test, ha teljesül az
alábbi két tulajdonság:
1. ha x, y ∈ R és x ≤ y, akkor x +z ≤ y +z ∀z ∈ R,
2. ha x, y ∈ R és x ≥ 0, y ≥ 0, akkor x y ≥ 0.
1.3. Definíció. Az (R, +, , ≤) rendezett test teljes, ha bármely felülről ko-
rlátos nemüres részhalmazának létezik pontos felső korlátja.
1.4. Definíció. Valós számok halmazának nevezünk egy teljes rendezett
testet. Jele: R.
1.5. Tétel. R-ben az egységelem és a nullelem egyértelműen létezik.
Bizonyítás. Indirekt tegyük fel, hogy két nullelem létezik: 0
1
és 0
2
. Ekkor
0
1
= 0
1
+ 0
2
= 0
2
+ 0
1
= 0
2
.
1.6. Megjegyzés. Mivel R-ben az összeadás és a szorzás ugyanazokkal a
műveleti tulajdonságokkal rendelkezik (úgynevezett Abel-csoportot alkot-
nak), így az additív tulajdonságokra vonatkozó bizonyítások multiplikatív
esetben hasonlóan végezhetők. Az összeadás helyét a szorzás, a nullelem
helyét az egységelem veszi át.
1.7. Tétel. Egyszerűsítési szabály.
1. Ha x, y, z ∈ R, x +y = x +z, akkor y = z.
2. Ha x, y, z ∈ R, x = 0, xy = xz, akkor y = z.
Bizonyítás. Az 1. állítást igazoljuk: y = y +0 = y +(x +(−x)) = (y +x) +
(−x) = (x+y) +(−x) = (x+z) +(−x) = (z +x) +(−x) = z +(x+(−x)) =
z + 0 = z.
1.8. Tétel. Minden R-beli elemnek egyértelműen létezik additív inverze, és
minden nem nulla valós számnak egyértelműen létezik multiplikatív inverze.
Bizonyítás. A multiplikatív esetet igazoljuk. Indirekt tegyük fel, hogy az x
nem nulla valós számnak két inverze van, azaz x x
−1
1
= 1 és x x
−1
2
= 1.
Ekkor x x
−1
1
= x x
−1
2
, így az egyszerűsítési szabály miatt x
−1
1
= x
−1
2
.
1.9. Tétel. Kivonási és osztási szabály.
1. Bármely x, y ∈ Resetén egyértelműen létezik z
1
∈ R, amelyre x = y+z
1
.
z
1
jele: x −y.
2. Bármely x, y ∈ R, y = 0 esetén egyértelműen létezik z
2
∈ R, amelyre
x = yz
2
. Ekkor z
2
-re az
x
y
jelölést használjuk.
Bizonyítás. Az 1. állításnál legyen z
1
= x + (−y).
2. TERMÉSZETES SZÁMOK, EGÉSZ SZÁMOK, RACIONÁLIS SZÁMOK 23
(a) Mivel y +z
1
= y +x + (−y) = (y + (−y)) +x = 0 +x = x, így létezik
x −y.
(b) Ha z
1
és z
2
esetén is teljesül, hogy y + z
1
= x = y + z
2
, akkor az
egyszerűsítési szabály miatt z
1
= z
2
, tehát x −y egyértelműen létezik.

1.10. Tétel. Bármely x ∈ R esetén −(−x) = x, és ha x = 0, (x
−1
)
−1
= x.
(−x) jele: −x és x
−1
jele:
1
x
.
Bizonyítás. Az additív inverz tulajdonsága miatt (−x) + x = 0 és (−x) +
(−(−x)) = 0, így az egyszerűsítési szabály miatt x = −(−x).
1.11. Tétel. Legyen x, y ∈ R. Ekkor xy = 0 ⇐⇒ x = 0 vagy y = 0.
Bizonyítás. (a) Tegyük fel, hogy x = 0. Ekkor
xy = 0 + 0y = 0y = (0 + 0)y = 0y + 0y,
és az egyszerűsítési szabály miatt 0 = 0y.
(b) Most indirekt tegyük fel, hogy x = 0, y = 0, de xy = 0. Mivel nem nulla
számoknak létezik multiplikatív inverzük, így az (a) részben bizonyított
állítás felhasználásával:
0 = (xy)
....
0
y
−1
x
−1
= x(yy
−1
)
. .. .
1
x
−1
= xx
−1
= 1,
az ellentmondás oka az x, y = 0 feltétel.

2. Természetes számok, egész számok, racionális
számok
2.1. Definíció. Az N ⊂ Rhalmazt a természetes számok halmazának nevez-
zük, ha rendelkezik a következő tulajdonságokkal:
1. 1 ∈ N,
2. ∀n ∈ N =⇒n + 1 ∈ N,
3. ∀n ∈ N, n −1 ∈ N ⇐⇒ n = 1,
4. teljes indukció elve: ha M ⊂ N olyan, hogy
1 ∈ M,
m ∈ M =⇒m+ 1 ∈ M,
akkor M = N .
2.2. Tétel. A természetes számok halmaza rendelkezik a következő két tu-
lajdonsággal:
24 2. SZÁMFOGALMAK
1. N ⊂ R felülről nem korlátos ,
2. archimedeszi tulajdonság: ∀x ∈ R, x ≥ 0 és ∀y ∈ R esetén ∃n ∈ N :
y < nx.
2.3. Megjegyzés. Az archimedeszi tulajdonság az 1. állítás következménye.
Eszerint létezik n ∈ N :
x
y
< n, amiből y < nx.
2.4. Definíció. Azokat a valós számokat, amelyek előállnak két természetes
szám különbségeként, egész számoknak nevezzük:
Z ˙ =¦x [ x ∈ R, ∃m, n ∈ N : x = m−n¦.
2.5. Definíció. Legyen x ∈ R és n ∈ N. Ekkor
1. x
1
˙ =x,
2. x
n
˙ =x
n−1
x, ha n = 1,
3. x
−n
˙ =
1
x
n
, ha x = 0,
4. x
0
˙ =1, ha x = 0.
2.6. Definíció. Azokat a valós számokat, amelyek előállnak két egész szám
hányadosaként, racionális számoknak nevezzük:
Q˙ =

x [ x ∈ R, ∃p, q ∈ Z, q = 0 : x =
p
q

2.7. Definíció. Az R` Q halmaz elemeit irracionális számoknak nevezzük.
2.8. Megjegyzés. 1. Q test, hiszen könnyen látható, hogy a racionális
számok összege, szorzata, additív inverze és multiplikatív inverze is
racionális szám.
2. R ` Q nem üres halmaz, azaz létezik olyan valós szám, amely nem
racionális szám. Ha például a

2 racionális szám lenne, akkor léteznének
olyan p és q egész számok, melyekre

2 =
p
q
, ahol p és q legnagyobb közös osztója 1.
Ekkor 2q
2
= p
2
lenne, így q osztója volna p-nek, ami ellentmond annak,
hogy p és q relatív prímek.
2.9. Definíció. Bevezetjük az alábbi elnevezéseket:
1. R
+
˙ =¦x [ x ∈ R, x > 0¦: pozitív valós számok halmaza,
2. ¦x [ x ∈ R, x ≥ 0¦: nem negatív számok halmaza,
3. R

˙ =¦x [ x ∈ R, x < 0 ¦: negatív valós számok halmaza,
4. ¦x [ x ∈ R, x ≤ 0¦: nem pozitív valós számok halmaza.
2. TERMÉSZETES SZÁMOK, EGÉSZ SZÁMOK, RACIONÁLIS SZÁMOK 25
2.10. Definíció. Legyen x ∈ R. Ekkor x abszolút értékét az alábbi módon
definiáljuk:
[x[ =

x ha x ≥ 0,
−x ha x < 0.
2.11. Tétel. Az abszolút érték tulajdonságai: x, y ∈ R esetén
1. [ −x[ = [x[,
2. [xy[ = [x[[y[,
3.

x
y

=
[x[
[y[
4. [x +y[ ≤ [x[ +[y[,
5. [[x[ −[y[[ ≤ [x −y[.
2.12. Definíció. Legyen x, y ∈ R. A d(x, y) = [x −y[ valós számot az x és
az y számok távolságának nevezzük. A d : RR →R függvényt metrikának
nevezzük R-en.
2.13. Tétel. Ad metrika rendelkezik a következő tulajdonságokkal. Bármely
x, y, z ∈ R esetén:
1. d(x, y) ≥ 0,
d(x, y) = 0 ⇐⇒ x = y, (nem negativitás);
2. d(x, y) = d(y, x), (szimmetria);
3. d(x, y) ≤ d(x, z) +d(z, y), (háromszög-egyenlőtlenség).
2.14. Megjegyzés. Az a, b végpontú intervallumokra a következő jelöléseket
vezetjük be:
1. ]a, b[= ¦x [ x ∈ R, a < x < b¦,
2. ]a, b] = ¦x [ x ∈ R, a < x ≤ b¦,
3. [a, b[= ¦x [ x ∈ R, a ≤ x < b¦,
4. [a, b] = ¦x [ x ∈ R, a ≤ x ≤ b¦,
2.15. Definíció. Az a ∈ R szám δ > 0 sugarú nyílt gömbkörnyezetén az
alábbi halmazt értjük:
k(a, δ) = ¦x [ x ∈ R, d(a, x) < δ¦.
2.16. Definíció. Az ¦[a
i
, b
i
]¦ ⊂ R, i ∈ N, indexelt halmazrendszert egymásba
skatulyázott intervallumrendszernek nevezzük, ha a
i
≤ a
i+1
, b
i+1
≤ b
i
∀i ∈
N (azaz [a
i+1
, b
i+1
] ⊂ [a
i
, b
i
] ∀i ∈ N).
26 2. SZÁMFOGALMAK
2.17. Tétel (Cantor-féle metszettétel). Legyen ¦[a
i
, b
i
]¦ ⊂ R, i ∈ N
egymásba skatulyázott zárt intervallumrendszer. Ekkor

¸
i=1
[a
i
, b
i
] = ∅.
2.18. Definíció. A H ⊂ R halmaz mindenütt sűrű R-ben, ha ∀x, y ∈ R,
x = y, x < y esetén létezik h ∈ H, melyre x < h < y .
2.19. Megjegyzés. A racionális számok, valamint az irracionális számok
halmaza mindenütt sűrű R- ben.
2.20. Tétel. Bármely x ∈ R, x ≥ 0 és n ∈ N esetén egyértelműen létezik
y ∈ R és y ≥ 0, melyre y
n
= x.
2.21. Definíció. Legyen x ∈ R, x ≥ 0 és n ∈ N. Azt az egyértelműen
létező y ∈ R nem negatív számot, melyre y
n
= x teljesül, az x valós szám
n-edik gyökének nevezzük. Jele:
n

x = y vagy x
1
n
= y.
2.22. Definíció. Legyen n ∈ N páratlan és x ∈ R tetszőleges. Ha x < 0,
akkor
n

x = x
1
n
˙ =−
n

−x.
2.23. Definíció. Legyen x ∈ R, r ∈ Q és r =
m
n
, m ∈ Z, n ∈ N. Ekkor
x
r
˙ =
n

x
m
, ha ez az előbbiek alapján értelmezhető.
2.24. Definíció. Ha S ⊂ R felülről nem korlátos, akkor supS ˙ =∞ és ha
S ⊂ R alulról nem korlátos, akkor inf S ˙ =−∞. Ha ezzel a két szimbólummal
kibővítjük a valós számok halmazát, akkor az így kapott halmazt bővített
valós számok halmazának nevezzük:
R
b
= R∪ ¦∞¦ ∪ ¦−∞¦.
2.25. Megjegyzés. R
b
nem test.
3. Komplex számok
3.1. Definíció. Tekintsük a valós számokból képzett (a, b) számpárok hal-
mazát. Ezen a halmazon értelmezzük a szorzás és az összeadás műveletét az
alábbi módon:
(a, b) + (c, d) ˙ =(a +c, b +d),
(a, b)(c, d) ˙ =(ac −bd, bc +ad).
A valós számpárok halmazát ezen két művelettel ellátva (C, +, )-ral jelöljük
3. KOMPLEX SZÁMOK 27
és elemeit komplex számoknak nevezzük. Ha z ∈ C és z = (a, b), akkor
a Re(z) ˙ =a számot a komplex szám valós részének nevezzük, és Im(z) ˙ =b a
komplex szám képzetes (imaginárius) része.
3.2. Következmény. Két komplex szám akkor és csak akkor egyenlő, ha a
valós és a képzetes részük is megegyezik, vagyis
(a, b) = (c, d) ⇐⇒ a = c, b = d.
3.3. Tétel. C test.
Bizonyítás. 1. Additív tulajdonságok: ∀(a, b), (c, d), (e, f) ∈ C esetén
(a) (a, b) + (c, d) = (a +c, b +d) = (c, d) + (a, b), kommutativitás,
(b)

(a, b) + (c, d)

+ (e, f) = (a +c +e, b +d +f) = (a, b) +

(c, d) +
(e, f)

, asszociativitás,
(c) (a, b) + (0, 0) = (a, b), létezik nullelem,
(d) (a, b) + (−a, −b) = (0, 0), létezik additív inverz.
2. Multiplikatív tulajdonságok: ∀(a, b), (c, d), (e, f) ∈ C esetén
(a) (a, b)(c, d) = (ac −bd, bc +ad) = (c, d)(a, b), kommutativitás,
(b)

(a, b)(c, d)

(e, f) =

(ac − bd)e − (bc + ad)f, (ac − bd)f + (bc +
ad)e

= (a, b)

(c, d)(e, f)

, asszociativitás,
(c) (a, b)(1, 0) = (a, b), létezik egységelem,
(d) ha (a, b) = (0, 0), akkor (a, b)

a
a
2
+b
2
,
−b
a
2
+b
2

= (1, 0), létezik
multiplikatív inverz.
3. Disztributivitás: ∀(a, b), (c, d), (e, f) ∈ C esetén

(a, b) + (c, d)

(e, f) = (a +c, b +d)(e, f) =

(a +c)e −(b +d)f, (a +c)f + (b +d)e

= (a, b)(e, f) + (c, d)(e, f).

3.4. Megjegyzés. A valós számok tekinthetők úgy, mint 0 képzetes részű
komplex számok, hiszen a Φ : R → C, a → (a, 0) leképezés injektív. Ez
a leképezés egy beágyazása R-nek C-be. Könnyen meggyőződhetünk arról,
hogy a komplex számokra definiált műveletek az (a, 0) alakú számokon az
eredeti (valós számokon értelmezett) összeadást illetve szorzást adják.
Ezen megjegyzés alapján az (a, 0) alakú komplex számot gyakran csak
a-val jelöljük (a ∈ R). Speciálisan a (0, 0) nullelemet 0-val.
3.5. Definíció. Az i = (0, 1) komplex számot képzetes egységnek nevezzük.
3.6. Tétel. i
2
= −1
Bizonyítás. (0, 1)(0, 1) = (0 −1, 0 + 0) = (−1, 0).
28 2. SZÁMFOGALMAK
3.7. Tétel. Minden (a, b) komplex szám megadható az a +ib algebrai írás-
módban.
Bizonyítás. A kétféle megadás egyenértékű, hiszen
a +ib = (a, 0) + (0, 1)(b, 0) = (a, b).
3.8. Definíció. Egy z ∈ C , z = a +ib szám konjugáltja: z ˙ =a −ib.
3.9. Megjegyzés. z = a+ib-re zz = a
2
+b
2
. Ez alapján a z-vel való osztás
a konjugálttal történő bővítéssel végezhető el. Pl. w = c + id jelöléssel (ha
z = 0)
wz
−1
=
w
z
=
wz
zz
=
wz
a
2
+b
2
. . .
a formális számolás.
3.10. Tétel. A konjugálás tulajdonságai. Minden z, w ∈ C esetén
1. z +w = z +w,
2. zw = z w,
3. z +z = 2Re(z),
4. z −z = 2iIm(z),
5. zz ≥ 0 ; zz = 0 ⇐⇒ z = 0.
3.11. Definíció. Egy z ∈ C szám abszolút értékén a [z[ =

zz nem negatív
valós számot értjük. Ekkor [z[ =

a
2
+b
2
.
3.12. Tétel. Az abszolút érték tulajdonságai:
1. 0 ≤ [z[
és [z[ = 0 ⇐⇒ z = 0,
2. [z[ = [z[,
3. [zw[ = [z[[w[,
4. [Re(z)[ ≤ [z[,
5. [Im(z)[ ≤ [z[,
6. [z +w[ ≤ [z[ +[w[.
Bizonyítás. Az 1-5. állítások nyilvánvalóak. A háromszög-egyenlőtlenség
(azaz 6.) bizonyítása:
[z+w[
2
= (z+w)(z +w) = (z+w)(z+w) = zz+zw+wz+ww = [z[
2
+[w[
2
+
zw +wz = [z[
2
+[w[
2
+ 2Re(zw) ≤ [z[
2
+[w[
2
+ 2[z[[w[ = ([z[ +[w[)
2
.
3.13. Megjegyzés. A komplex számok halmaza és az Euklideszi sík pontjai
között kölcsönösen egyértelmű megfeleltetés létezik: a z = a + bi komplex
számnak a sík (a, b) pontját (vektorát) feleltetjük meg. Ekkor a komplex
számok összeadása éppen a megfelelő vektorok összeadását jelenti. Továbbá
3. KOMPLEX SZÁMOK 29
z abszolút értéke éppen az (a, b) vektor hossza.
-
6
*
Re
Im
z=(a,b)
a
b
1
i
φ
a = [z[ cos φ
b = [z[ sin φ
z = a +ib = [z[(cos φ +i sin φ)
Látható, hogy egy komplex számot egyértelműen meghatároz a hossza (ab-
szolút értéke) és a valós tengellyel bezárt szöge. Az így kapott, úgynevezett
trigonometrikus alak igen hasznos a hatványozás és a gyökvonás szempont-
jából.
3.14. Definíció. Egy z ∈ C szám trigonometrikus alakjának nevezzük a
z = [z[(cos φ+i sin φ) alakot, ahol φ a z argumentuma, azaz a valós tengellyel
bezárt szöge.
3.15. Következmény. 1. Ha z ∈ C, z = a+ib = [z[(cos φ+i sin φ), akkor
φ = arccos(a/[z[) = arcsin(b/[z[).
2. Ha z = [z[(cos φ +i sin φ) és w = [w[(cos ψ +i sin ψ), akkor
z = w ⇐⇒ [z[ = [w[ és φ = ψ + 2kπ, k ∈ Z.
3.16. Tétel. Műveletek trigonometrikus alakú komplex számokkal:
1. z
1
z
2
= [z
1
[(cos φ
1
+i sinφ
1
)[z
2
[(cos φ
2
+i sin φ
2
) = [z
1
[[z
2
[(cos(φ
1

2
)+
i sin(φ
1

2
));
2.
z
1
z
2
=
[z
1
[(cos φ
1
+i sin φ
1
)
[z
2
[(cos φ
2
+i sin φ
2
)
=
[z
1
[
[z
2
[
(cos(φ
1
−φ
2
) +i sin(φ
1
−φ
2
)),
ha z
2
= 0;
3. z
n
=

[z[(cos φ +i sin φ)

n
= [z[
n
(cos(nφ) +i sin(nφ));
4.
1
z
=
1
[z[(cos φ +i sin φ)
=
1
[z[
(cos(−φ) +i sin(−φ)), ha z = 0.
Bizonyítás. Az 1. állítás bizonyítása:
z
1
z
2
= [z
1
[[z
2
[(cos φ
1
cos φ
2
−sin φ
1
sin φ
2
+i(sin φ
1
cos φ
2
+ cos φ
1
sinφ
2
) =
[z
1
[[z
2
[(cos(φ
1

2
)+i sin(φ
1

2
)) a trigonometrikus függvényekre vonatkozó
30 2. SZÁMFOGALMAK
addíciós képletek alapján.
A többi állítás ennek következménye, hiszen
z
1
z
= 1 = (cos 0

+i sin 0

) alapján adódik a 4. képlet;
z
1
z
2
= z
1
1
z
2
alapján a 2. összefüggés;
z
n
= z z z miatt pedig 3.
3.17. Példa. Az i
2
= −1 egyenlőség bizonyítása trigonometrikus alakban:
ii = (cos
π
2
+i sin
π
2
)(cos
π
2
+i sin
π
2
) = (cos π +i sin π) = −1.
3.18. Definíció. Egy z ∈ C szám n-edik gyökének nevezzük a w ∈ C szá-
mot, ha w
n
= z.
3.19. Példa. Az 1 komplex szám n-edik gyökeit n-edik egységgyököknek
nevezzük. Ha például z = [z[(cos φ + i sin φ) harmadik egységgyök, akkor
z
3
= 1, azaz
z
3
= [z[
3
(cos(3φ) +i sin(3φ)) = (cos 0

+i sin 0

).
Ezek szerint [z[ = 1 és 3φ = 0

+ 2kπ, k ∈ Z. Három különböző megoldás
van, k = 0, 1, 2 esetén az alábbi gyökök adódnak:
-
6
-
/
o
z
2
z
3
z
1
z
1
= cos 0

+i sin 0

,
z
2
= cos
0

+ 2π
3
+i sin
0

+ 2π
3
,
z
3
= cos
0

+ 4π
3
+i sin
0

+ 4π
3
.
Az n-edik egységgyökök a komplex számsíkon egy origó középpontú szabá-
lyos n-szög csúcsaiban helyezkednek el. Egy z = 0 komplex számnak n darab
n-edik gyöke van.
3.20. Tétel. Egy z ∈ C, z = 0, z = [z[(cos φ+i sinφ) komplex szám n-edik
gyökei:
w
1,2,...,n
=
n

[z[

cos
φ + 2kπ
n
+i sin
φ + 2kπ
n

,
ahol k = 0, 1, . . . , n −1.
3.21. Megjegyzés. Ismert, hogy az ax
2
+ bx + c = 0 alakú valós együtt-
hatós másodfokú egyenletnek negatív diszkrimináns esetén nincsenek valós
megoldásai. A komplex számok halmazán azonban mindig megoldható az
4. ALGEBRAI STUKTÚRÁK 31
egyenlet, hiszen a negatív számoknak is van két komplex gyökük, így alkal-
mazható a megoldóképlet.
Például az x
2
+ 2x + 3 = 0 egyenlet megoldásai:
x
1,2
=
−2 +

−8
2
= −1 +

2

−1 = −1 ±i

2,
hiszen a −1 négyzetgyökei az i és a −i. Elmondható tehát, hogy mindig
léteznek x
1
, x
2
∈ C komplex számok úgy, hogy
ax
2
+bx +c = a(x −x
1
)(x −x
2
).
Ekkor a fenti egyenlet két megoldása x
1
és x
2
.
Általánosabban, minden a
n
x
n
+ + a
1
x + a
0
n-edfokú polinom esetén
léteznek x
1
, . . . , x
n
komplex számok úgy, hogy
a
n
x
n
+ +a
1
x +a
0
= a
n
(x −x
1
) (x −x
n
).
Tehát minden n-edfokú polinomnak létezik n darab gyöke (nem feltétlenül
különbözőek).
Legyenek az a
n
x
n
+ +a
1
x+a
0
= 0 egyenlet együtthatói valós számok.
Ekkor ha egy komplex szám megoldása az egyenletnek, akkor a szám kon-
jugáltja is megoldás, hiszen az egyenlet mindkét oldalának konjugáltját véve
a
n
x
n
+ +a
1
x+a
0
= 0 adódik, mivel valós szám konjugáltja önmaga. En-
nek következménye, hogy páratlan fokszámú valós együtthatós polinomnak
mindig létezik legalább egy valós gyöke.
4. Algebrai stuktúrák
Csak kétváltozós (azaz binér) műveletekkel fogunk dolgozni. (Valójában
léteznek tetszőleges n-változós műveletek is (n = 0, 1, 2, . . . ).)
4.1. Definíció. Algebrai struktúrán egy, legalább egy művelettel ellátott S
halmazt értünk. Ha a halmaz az összeadás műveletével van ellátva, akkor
(S, +)-t additív struktúrának nevezzük, ha a halmaz a szorzás műveletével
van ellátva, akkor azt mondjuk, hogy (S, ) egy multiplikatív struktúra.
4.2. Definíció. Bevezetjük az alábbi jelöléseket:
T
1
: kommutativitás,
T
2
: asszociativitás,
T
3
: létezik neutrális elem (összeadás esetén nullelem, szorzásnál egységelem),
T
4
: létezik inverz,
T
5
: nullosztómentesség (∀x, y ∈ S : xy = 0 ⇐⇒ x = 0 vagy y = 0),
T
6
: disztributivitás.
32 2. SZÁMFOGALMAK
Vannak egyműveletes struktúrák (félcsoport, csoport, Abel-csoport), és két-
műveletes struktúrák (gyűrű, integritástartomány, test). A különböző alge-
brai struktúrákat az alábbi táblázatokban foglaljuk össze:
egyműveletes struktúrák
név definiáló tulajdonságok példák
félcsoport T
2
(N, ), (N, +)
csoport T
2
, T
3
, T
4
(Q` ¦0¦, ), (Z, +)
Abel-csoport T
1
, T
2
, T
3
, T
4
(Q` ¦0¦, ), (Z, +)
kétműveletes struktúrák, (S, +, )
név definiáló tulajdonságok példák
gyűrű (S, +) Abel-csoport, (S, ) félcsoport, T
6
(Z, +, )
integritástartomány (S, +, ) gyűrű, (S, ) : T
1
, T
3
, T
5
(Z, +, )
test (S, +), (S ` ¦0¦, ) Abel-csoport, T
6
Q, R, C
A testaxiómák pontos leírását lásd az 1. szakaszban. A táblázatban az
(S ` ¦0¦, ) jelölés csak arra utal, hogy a 0-elemnek nincs multipikatív in-
verze.
Későbbi tanulmányokban hasznos még a következő két algebrai struktúra.
Legyen H egy legalább kételemű halmaz, és legyen H-n értelmezve az unió
(∪), a metszet (∩) és a komplementer (

) képzés.
4.3. Definíció. A (H, ∪, ∩) algebrai struktúrát hálónak nevezzük, ha
1. (H, ∪) kommutatív félcsoport,
2. (H, ∩) kommutatív félcsoport,
3. érvényesek az úgynevezett elnyelési törvények, azaz
a, b ∈ H =⇒ a ∩ (a ∪ b) = a; a ∪ (a ∩ b) = a.
4.4. Definíció. A (H, ∪, ∩) hálót Boole-algebrának nevezzük, ha tartal-
mazza a zéruselemet (∅), tartalmazza az egységelemet (H), és érvényes az
∪, ∩ műveletekre a disztributivitás, és H minden elemének létezik komple-
mentere.
4.5. Példa. Boole-algebra egy A halmaz üres részhalmazainak (2
A
vagy
P(A)) hálója, ahol a zéruselem az üres halmaz, az egységelem pedig maga
az A, továbbá ∀X ⊂ A-ra X ⊂ A.
5. Számosságok
A hétköznapi életben, amikor egy (véges) halmaz elemeit megszámoljuk,
akkor 1 −1 értelmű leképezést létesítünk az illető halmaz és az ¦1, 2, . . . , n¦
5. SZÁMOSSÁGOK 33
halmaz között (ahol n valamely természetes szám). Azt pedig, hogy két hal-
maz elemei száma egyenlő, eldönthetjük úgy is, ha elemeiket párba rakjuk.
A pontos matematikai fogalmak a következők.
5.1. Definíció. Az A és a B halmazok egyenlő számosságúak, ha létezik
közöttük bijektív leképezés. Jele: A ∼ B.
5.2. Definíció. Az A halmaz számossága nagyobb, mint a B halmaz szá-
mossága, ha számosságuk nem egyenlő, és létezik olyan C halmaz, melynek
számossága egyenlő B számosságával és C ⊂ A .
5.3. Definíció. Az A halmaz véges, más szóval véges számosságú, ha A = ∅
vagy létezik n ∈ N úgy, hogy A ∼ ¦1, 2, . . . , n¦.
5.4. Definíció. Az A halmaz végtelen más szóval végtelen számosságú ha
nem véges.
5.5. Definíció. Az A halmaz megszámlálhatóan végtelen, ha A ∼ N. Ennek
a számosságnak a jele: ℵ
0
. (Az ℵ (alef) betű a héber ábécé első betűje, ezt
a jelölést G. Cantor vezette be.)
5.6. Definíció. A A halmaz megszámlálható, ha véges vagy megszámlál-
hatóan végtelen.
5.7. Tétel. Ha az ¦A
i
[ i ∈ I, I = ∅¦ indexelt halmazrendszer olyan,
hogy minden i esetén A
i
megszámlálhatóan végtelen, és I megszámlálhatóan
végtelen, akkor
¸
i∈I
A
i
is megszámlálhatóan végtelen.
5.8. Tétel. A racionális számok számossága megszámlálhatóan végtelen.
Bizonyítás. Legyen A
n
=

m
n
[ m ∈ Z
¸
, n ∈ N, ekkor Q =

¸
n=1
A
n
, tehát
az 5.7. tétel miatt megszámlálhatóan végtelen, hiszen A
n
bármely n esetén
megszámlálhatóan végtelen.
5.9. Tétel. A valós számok számossága nagyobb, mint a racionális számok
számossága.
Bizonyítás. Indirekt tegyük fel, hogy R megszámlálható. Ekkor a [0, 1] zárt
intervallum is megszámlálható, azaz létezik kölcsönösen egyértelmű megfelel-
tetés N és [0, 1] elemei között. írjuk fel a megfeleltetés sorrendjében a [0, 1]
elemeit tizedestört alakban:
1 →0, a
11
a
12
a
13
. . .
2 →0, a
21
a
22
a
23
. . .
3 →0, a
31
a
32
a
33
. . .
34 2. SZÁMFOGALMAK
.
.
.
Itt a
11
, a
12
, . . . számjegyeket jelölnek, a véges tizedestörteket végtelen sok
nullával egészítjük ki. A feltevés szerint [0, 1] valamennyi eleme fel van
sorolva. Legyen
b
i
=

5, ha a
ii
= 5,
4, ha a
ii
= 5,
és tekintsük a b = 0, b
1
b
2
b
3
. . . számot. Ez a szám nincs benne a fenti
felsorolásban, mivel mindegyiktől különböző. Ez ellentmondás, így R nem
megszámlálható. Ebből következik az állítás.
5.10. Definíció. A valós számok, illetve a vele ekvivalens halmazok szá-
mosságát kontinuum számosságnak nevezzük. Jele: c
5.11. Következmény. Az irracionális számok számossága kontinuum.
5.12. Definíció. Azokat a komplex számokat, amelyek előállnak valamely
a
n
x
n
+a
n−1
x
n−1
+ +a
1
x +a
0
= 0, a
i
∈ Z, a
n
= 0, n ∈ N,
n-edfokú egész együtthatós algebrai egyenlet gyökeként, algebrai számoknak
nevezzük.
5.13. Példa. Minden racionális szám algebrai szám, hiszen gyöke egy első-
fokú egész együtthatós algebrai egyenletnek;
pl.
3
5
megoldása az 5x −3 = 0 egyenletnek.
5.14. Tétel. Egy n-ed fokú egész együtthatós algebrai egyenletnek legfel-
jebb n darab gyöke van C-ben.
5.15. Tétel. Az algebrai számok halmaza bővebb, mint a racionális számok
halmaza.
Bizonyítás. Minden racionális szám algebrai szám, de van olyan algebrai
szám amely nem racionális. Például
n

p
q
gyöke a qx
n
−p = 0 egyenletnek,
de általában nem racionális (lásd

2).
5.16. Tétel. Nem minden komplex szám algebrai.
Bizonyítás. Elegendő belátni, hogy megszámlálható sok algebrai szám van,
hiszen a komplex számok számossága kontinuum. Az algebrai számok az
a
n
x
n
+a
n−1
x
n−1
+ +a
1
x +a
0
, a
i
∈ Z, a
n
= 0, n ∈ N,
6. KOMBINATORIKAI ALAPFOGALMAK 35
egyenlet gyökei. Legyen
h = [a
n
[ +[a
n−1
[ +. . . [a
0
[ +n, n ∈ N.
Minden h-hoz csak véges sok algebrai egyenlet tartozik, és minden algebrai
egyenletnek csak véges sok gyöke van. Mivel megszámlálható sok véges
elemszámú halmaz uniója is megszámlálható, így
¦algebrai számok} =
¸
h∈N
¦z ∈ C [ a
n
z
n
+ +a
1
z +a
0
= 0 és [a
n
[ + +[a
0
[ +n = h¦
megszámlálható halmaz.
5.17. Definíció. A nem algebrai számokat transzcendens számoknak nevez-
zük.
5.18. Megjegyzés. Léteznek transzcendens számok, ilyen például a π és e.
6. Kombinatorikai alapfogalmak
6.1. Definíció. Ismétlés nélküli permutációnak nevezzük n darab különböző
elem egy rögzített sorrendjét. Jelölés: felsoroljuk az n darab elemet, és alá
írjuk őket a permutáció sorrendjében, például

1 2 3
2 3 1

.
6.2. Tétel. Az összes lehetséges permutációk száma n különböző elem es-
etén: P
n
= n!. (Az f(n) = n! = 1 2 3 n (n ∈ N) előírással értelmezett
függvényt faktoriális függvénynek nevezzük, ahol 0! = 1, 1! = 1, 2! = 2,
3! = 6, . . . , 10! = 3628800, . . . .)
Bizonyítás. Az elemek száma szerinti teljes indukciót alkalmazunk, n = 1
esetén nyilván igaz, egy elemnek egy sorrendje van: P
1
= 1! = 1. Tegyük
fel, hogy n-re igaz, azaz P
n
= n!, Ezt felhasználva bizonyítsuk be, hogy
ekkor n + 1-re is igaz a tétel. Ha adott n elem egy rögzített sorrendje,
(a
1
, a
2
, . . . , a
n
), akkor az n+1-edik elem elhelyezésére az alábbi lehetőségek
adódnak:
(, a
1
, a
2
, . . . , a
n
), (a
1
, , a
2
, . . . , a
n
), . . . , (a
1
, a
2
, . . . , a
n
, ),
összesen n + 1 darab. Mivel az indukciós feltevés szerint n elem permutá-
cióinak száma n!, így P
n+1
= (n + 1)P
n
= (n + 1)n! = (n + 1)!.
36 2. SZÁMFOGALMAK
6.3. Példa. Egy kártyapakli megkeverése a 32 lap egy permutációja, és
32! ≈ 2, 63 10
35
számú különböző sorrend létezik.
6.4. Definíció. Ismétléses permutációnak nevezzük n elem egy rögzített
sorrendjét, ha az n darab elem közül l
1
, l
2
, . . . , l
k
darab rendre egyenlő.
Ekkor l
1
+l
2
+ +l
k
= n, például:
3 . . . 3
. .. .
l
1
4 . . . 4
. .. .
l
2
... 6 . . . 6
. .. .
l
k
.
6.5. Tétel. Legyen n elem közül l
1
, l
2
, . . . , l
k
darab rendre egyforma. Ekkor
ezen elemek összes lehetséges ismétléses permutációinak száma:
P
n;l
1
,...,l
k
=
n!
l
1
! l
k
!
.
Bizonyítás. Ha tekintjük az elemek ismétlés nélküli permutációit, akkor ezek
között több egyforma is szerepel, mivel az azonos elemeket egymás között
cserélgetve a permutáció nem változik. Például az l
1
darab egyforma elem
egymás közti permutációinak száma l
1
!,. . . , az l
k
darab egyforma elem ese-
tén pedig l
k
!. Ha ezek szorzatával elosztjuk az ismétlés nélüli permutációk
számát, megkapjuk az isméléses permutációk számát:
n!
l
1
! l
k
!
.
6.6. Példa. Ha úgy keverünk össze egy kártyapaklit, hogy csak a színeket
vesszük figyelembe, akkor négyféle lap lesz (piros, zöld, tök, makk), és min-
degyikből 8 darab van a pakliban. Ez a 32 lap egy ismétléses permutációja,
és az összes különböző sorrend száma: P
n;8,8,8,8
=
32!
8!8!8!8!
6.7. Definíció. Tekintsünk n darab különböző elemet, ezekből kiválasztva
k darab rendezett elemet, az n elem egy k-adosztályú ismétlés nélküli vari-
ációját kapjuk.
6.8. Tétel. Az összes lehetséges ismétlés nélküli k-adosztályú variációk száma
n különböző elem esetén:
V
k
n
= n(n −1) . . . (n −(k −1)) =
n!
(n −k)!
.
Bizonyítás. A bizonyítást rögzített n mellett k szerinti teljes indukcióval
végezzük, k = 1 esetén n darab elemből 1-et kell kiválasztanunk, ezt n-
féleképpen tehetjük meg, tehát: V
1
n
= n. Most tegyük fel, hogy k-ra igaz az
6. KOMBINATORIKAI ALAPFOGALMAK 37
állítás, és bizonyítsunk k + 1-re. Ha kiválasztunk k darab elemet, a k + 1-
edik elem kiválasztására már csak n − k lehetőség adódik, tehát V
k+1
n
=
(n −k)V
k
n
.
A definíciók alapján a permutáció a variáció speciális esete: P
n
= V
n
n
6.9. Példa. Ha egy futóversenyen 10 ember áll rajthoz, akkor az első három
helyezett a 10 ember egy 3-adosztályú ismétlés nélküli variációja, és összesen
V
3
10
= 10 9 8 féleképpen állhatnak fel a dobogóra a versenyzők.
6.10. Definíció. Ha n darab különböző elemből úgy választunk ki k darabot,
hogy egy elemet többször is választhatunk és a sorrend számít, akkor az n
elem egy k-adosztályú ismétléses variációját kapjuk.
6.11. Tétel. Az összes lehetséges k-adosztályú ismétléses variációk száma
n különböző elem esetén:
V
k
n,ism
= n
k
.
Bizonyítás. A k darab hely mindegyikére n lehetőség közül választhatunk,
tehát V
k
n,ism
= n n = n
k
.
6.12. Példa. A totó-szelvény kitöltése 3 darab elem (13+1)-edosztályú is-
métléses variációja, összesen V
14
3
= 3
14
−féleképpen tölthetjük ki.
6.13. Definíció. Ha n elemből kiválasztunk k darabot úgy, hogy a sorrend
nem számít, akkor az n elem k-adosztályú ismétlés nélküli kombinációját
kapjuk.
6.14. Tétel. Az összes lehetséges k-adosztályú ismétlés nélküli kombináció
n elem esetén:
C
k
n
=
n!
k!(n −k)!
=

n
k

.
Az

n
k

számokat binomiális együtthatóknak nevezzük,

n
k

-t "n alatt a
k"-nak mondjuk.
Bizonyítás. Az n elem ismétlés nélküli k-adosztályú variációi között k! számú
van, melyekben ugyanazok az elemek szerepelnek, csak más sorrendben.
Ezek mind ugyanazt a kombinációt állítják elő, tehát:
C
k
n
=
V
k
n
k!
=

n
k

.

38 2. SZÁMFOGALMAK
A kombináció az ismétléses permutáció speciális esete: C
k
n
= P
n;k,n−k
.
Ez nemcsak abból vezethető le, hogy mindkettő

n
k

-val egyenlő, hanem a
definícióból is. Ugyanis C
k
n
n elemből k darab kiválasztásainak a száma. A
kiválasztást úgy végezzük el, hogy a felsorakoztatott n elemből k darabot
1-essel, n −k darabot pedig 0-val jelölünk meg. Ez pedig P
n;k,n−k
-féleképp
tehető meg.
6.15. Definíció. Ha n elemből úgy választunk ki k darabot, hogy a sorrend
nem számít és egy elemet többször is választhatunk, akkor n elem egy k-
adosztályú ismétléses kombinációját kapjuk.
6.16. Tétel. Az összes lehetséges k-adosztályú ismétléses kombinációk száma
n elem esetén:
C
k
n,ism
=

n +k −1
k

.
Bizonyítás. Megmutatjuk, hogy n elem k-adosztályú ismétéses kombinációi-
nak halmaza és n+k −1 elem k-adosztályú ismétlés nélküli kombinációinak
a halmaza között kölcsönösen egyértelmű megfeleltetés létezik, azaz
C
k
n,ism
= C
k
n+k−1
.
Legyen az n elem az ¦1, 2, . . . , n¦ halmaz, és legyen ennek egy k-adosztályú
ismétléses kombinációja az ¦a
1
, a
2
, . . . , a
k
¦ halmaz. Rendezzük ezeket az
elemeket növekvő sorrendbe, természetesen lehetnek köztük egyenlőek: 1 ≤
a
1
≤ a
2
≤ a
3
≤ ≤ a
k
≤ n. Adjunk most az elemekhez különbözö
számokat úgy, hogy azután már ne legyenek közöttük egyenlőek: 1 ≤ a
1
<
a
2
+1 < a
3
+2 < < a
k
+(k−1) ≤ n+k−1. Ez már az ¦1, 2, 3, . . . , n, . . . n+
k − 1¦ halmaz elemeinek egy ismétlés nélküli kombinációja. Minden ilyen
ismétlés nélküli kombinációhoz tartozik n elem egy ismétléses kombinációja,
következésképpen a megfeleltetés kölcsönösen egyértelmű. (Például ha n = 6
és k = 4, akkor n+k−1 = 9 és az ¦1, 4, 5, 9¦ ismétlés nélküli kombinációnak
az ismétléses megfelelője az ¦1, 4 − 1, 5 − 2, 9 − 3¦ = ¦1, 3, 3, 6¦.) Tehát
C
k
n,ism
= C
k
n+k−1
=

n+k−1
k

.
6.17. Példa. Ha ötféle csokoládét lehet kapni a boltban, és mi 10 darabot
veszünk, akkor ez az 5 csokoládé 10-edosztályú ismétléses kombinációja, és
összesen C
10
5,ism
=

5+10−1
10

-féleképpen választhatunk.
6.18. Példa. Az A, B betűkből és a 0, 1 számokból hány "betű, betű,szám,
szám" típusú rendszámtábla készíthető? Három tipikus megoldási módszert
ismertetünk.
6. KOMBINATORIKAI ALAPFOGALMAK 39
(a) Kitöltjük az üres
1. 2. 3. 4.
táblázatot. A kitöltési lehetőségek:
2-féle 2-féle 2-féle 2-féle
A végeredmény ezek szorzata: 2
4
.
(b) Felbontjuk a kitöltést két ismert fázisra: 2 betűből 2 helyre V
2
2,ism
,
továbbá 2 számból 2 helyre V
2
2,ism
féleképp tehetünk. Ezek szorzata a
végeredmény: 2
2
2
2
= 2
4
.
(c) Fa gráfot készítünk a lehetséges esetek felsorolására. Ez jól magyarázza
a fenti két megoldásban azt, hogy miért kellett összeszorozni az esetek
számítását. (Fa gráf segítségével könnyen igazolhatók a V
k
n
és V
k
n,ism
képletek is.)
0 1
0
0 1
1
A
0 1
0
0 1
1
B
A
0 1
0
0 1
1
A
0 1
0
0 1
1
B
B
Ezen gráf "lefelé haladó útjai" és a rendszámok között kölcsönösen
egyértelmű leképezés van. Az ilyen esetek száma pedig 2 2 2 2 = 2
4
.
A binomiális együtthatók tulajdonságai:
1.

n
k

=

n
n −k

, ha 0 ≤ k ≤ n.
2.

n + 1
k + 1

=

n
k

+

n
k + 1

, ha 0 ≤ k ≤ n.
Ezen képlet belátható például az "esetek szétválasztásával." n+1 elem-
ből k+1 darabot úgy választunk ki, hogy vagy az első n-ből k darabot és
még az n+1-ediket, vagy az első n-ből k +1 darabot, de az n+1-ediket
nem. Így C
k+1
n+1
= C
k
n
+C
k+1
n
.
3.

n + 1
k + 1

=

n
k

+

n −1
k

+ +

k + 1
k

+

k
k

, ha 0 ≤ k ≤ n.
Ez a megfelelő képletből indukcióval adódik.
40 2. SZÁMFOGALMAK
4.

n + 1
k + 1

=
(n + 1)n(n −1) (n −k + 1)
(k + 1)k(k −1) 1
=
n + 1
k + 1

n
k

, ha 0 ≤ k ≤ n.
Ezt a képletet használhatjuk a binomiális együtthatók rekurzív kiszá-
mítására is (hiszen az n! gyors növekedése miatt a definíció szerinti
közvetlen kiszámítás nem célszerű).
6.19. Tétel (Polinomiális tétel). legyen a
1
, . . . , a
k
∈ R és n ∈ N . Ekkor
(a
1
+ +a
k
)
n
=
¸
s
1
+···+s
k
=n

n!
s
1
! . . . s
k
!

a
s
1
1
a
s
2
2
. . . a
s
k
k
.
Az összegzés azon nem negatív egész s
1
, . . . , s
k
számokra terjed ki, amelyek
összege n.
Bizonyítás. Mivel
(a
1
+ +a
k
)
n
= (a
1
+ +a
k
)(a
1
+ +a
k
)... (a
1
+ +a
k
)
. .. .
n darab
,
és minden tagot minden taggal szoroznunk kell, ezért a szorzat egy tagja
a
s
1
1
a
s
2
2
. . . a
s
k
k
alakú lesz, ahol s
1
+ + s
k
= n. Az a
1
elemet s
1
-szer

n
s
1

-
féleképpen lehet kiválaszatni az n darab zárójelből, ezután az a
2
elmet s
2
-
ször már csak (n − s
1
) darab zárójelből választhatjuk, összesen

n−s
1
s
2

−fé-
leképpen,. . . , az a
k
elemet s
k
-szor (n − s
1
− − s
k−1
) darab zárójel-
ből

n−s
1
−···−s
k−1
s
k

−féleképpen választhatjuk ki. Tehát az a
s
1
1
a
s
2
2
. . . a
s
k
k
tag
együtthatója a szorzatban:

n
s
1

n −s
1
s
2

...

n −s
1
− −s
k−1
s
k

=
n!
s
1
!(n −s
1
)!
(n −s
1
)!
(n −s
1
−s
2
)!s
2
!
...
(n −s
1
− −s
k−1
)!
(n −s
1
− −s
k
)!
. .. .
0!=1
s
k
!
=
n!
s
1
! . . . s
k
!
.

6.20. Tétel (Binomiális tétel). legyen a, b ∈ R . Ekkor
(a +b)
n
=
n
¸
s=0

n
s

a
n−s
b
s
=

n
0

a
n
+

n
1

a
n−1
b +... +

n
n

b
n
.
Bizonyítás. A tétel a polinomiális tétel speciális esete k = 2-re.
6.21. Példa. A binomiális tétel alapján:

n
0

+

n
1

+... +

n
n

= (1 + 1)
n
= 2
n
,
6. KOMBINATORIKAI ALAPFOGALMAK 41

n
0

n
1

+... + (−1)
n

n
n

= (1 −1)
n
= 0.
Pascal-háromszög. Az (a + b)
n
kifejezésben szereplő együtthatókat n =
0, 1, 2, . . . esetén egymás alá elhelyezzük.
n=0

0
0

n=1

1
0

1
1

n=2

2
0

2
1

2
2

n=3

3
0

3
1

3
2

3
3

n=4

4
0

4
1

4
2

4
3

4
4

Az

n+1
k+1

=

n
k

+

n
k+1

képlet alapján látható, hogy abban, az ún. Pascal-
háromszögben szereplő értékek a közvetlenül felettük szereplő két érték ösz-
szegeként kaphatók meg. Ez is mutatja, hogy

n
k

, 0 ≤ k ≤ n, pozitív egész.
A Pascal-háromszögben szereplő számok:
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
3. fejezet
Vektorok
1. Vektorterek
1.1. Definíció. A V nem üres halmazt vektortérnek nevezzük a T test felett,
ha értelmezve van rajta egy + : V V → V összeadás, és egy T V → V
skalárszorzás, amelyek teljesítik az alábbi tulajdonságokat:
1. (V, +) Abel-csoport,
2. ∀x, y ∈ V és ∀α, β ∈ T esetén:
(a) α(x +y) = αx +αy,
(b) (α +β)x = αx +βx,
(c) α(βx) = (αβ)x,
(d) 1x = x.
V elemeit vektoroknak nevezzük, a V Abel-csoport 0 neutrális elemét pedig
nullvektornak. T elemeit skalároknak mondjuk.
1.2. Példa. R vektortér önmaga felett. Az összeadás a szokásos R-beli
összeadás, a skalárszorzás a szokásos R-beli szorzás.
1.3. Példa. A valós számok R halmazának önmagával vett Descartes-féle
szorzata, amelyet a rendezett számpárok terének nevezünk, vektortér Rfelett.
A számpárok
R
2
= RR = ¦(a
1
, a
2
) [ a
1
∈ R, a
2
∈ R¦
halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk:
(a
1
, a
2
) + (b
1
, b
2
)
.
= (a
1
+b
1
, a
2
+b
2
),
λ(a
1
, a
2
)
.
= (λa
1
, λa
2
).
1.4. Példa. A valós számok R halmazának önmagával vett n-szeres Descar-
tes-féle szorzata, amelyet a szám n-esek terének nevezünk, vektortér R felett.
A szám n-esek
R
n
= RR R
. .. .
n-szer
= ¦(a
1
, . . . , a
n
) [ a
i
∈ R, i = 1, . . . , n¦
halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk:
43
44 3. VEKTOROK
(a
1
, . . . , a
n
) + (b
1
, . . . , b
n
)
.
= (a
1
+b
1
, . . . , a
n
+b
n
),
λ(a
1
, . . . , a
n
)
.
= (λa
1
, . . . , λa
n
).
1.5. Példa. Szabad vektorok tere.
Tekintsük a geometriai tér irányított szakaszait: X = ¦
−−→
AB, . . . ,
−−→
UU, . . . ¦,
ahol
−−→
UU hossza 0, iránya tetszőleges. Legyen Y = ¦P
0
, P
1
, . . . ¦ a párhuzamos
eltolások halmaza. Tekintsük az f : X →Y, f(
−−→
AB) = P
AB
leképezést, ahol
P
AB
az a párhuzamos eltolás, ami az A-hoz a B pontot rendeli. Ez egy
szürjekív leképezés, de nem injektív. Ha ekvivalensnek tekintjük azokat az
irányított szakaszokat, amelyekhez az f leképezés ugyanazt a párhuzamos
eltolást rendeli, egy ekvivalencia relációt kapunk, ami létrehoz egy osztá-
lyozást. Az osztályokat szabad vektoroknak nevezzük, és a 0, a, b, ∈ V
jelölést használjuk. Egy
−−→
AB irányított szakaszt az a ∈ V szabad vektor
konkrét reprezentánsának nevezünk, ha
−−→
AB ∈ a.
Szabad vektorok összeadását a konkrét reprezentánsaik segítségével definiál-
hatjuk: ha a, b ∈ V és
−−→
AB ∈ a,
−−→
BC ∈ b , akkor a + b az a szabadvektor,
amely tartalmazza
−→
AC-t.

:
j
A
B
C
−−→
AB ∈ a
−−→
BC ∈ b
−→
AC ∈ a +b
Egy a ∈ V szabadvektor normáján egy konkrét reprezentánsának a hosszát
értjük, jele: | a |. A norma nemnegatív: | a |≥ 0, és | a |= 0 akkor és
csak akkor, ha a = 0.
A norma segítségével definiálhatjuk a szabadvektorok skalárral való szor-
zását. Ha α ∈ R, a ∈ V akkor az αa ∈ V szabadvektor teljesíti az alábbi
tulajdonságokat:
1. | αa |= [α[ | a |,
2. α > 0 esetén αa egy konkrét reprezentánsa egyirányú a egy konkrét
reprezentánsával,
3. α < 0 esetén αa egy konkrét reprezentánsa ellentétes irányú a egy
konkrét reprezentánsával,
4. α = 0 vagy a = 0 esetén αa = 0.
A szabad vektorok V halmaza az így bevezetett szorzásra és összeadásra
nézve vektorteret alkot a valós számok teste felett.
1. VEKTORTEREK 45
1.6. Példa. A legfeljebb n-edfokú valós együtthatós polinomok
{
n
= ¦a
n
x
n
+a
n−1
x
n−1
+ +a
1
x +a
0
[ a
i
∈ R, i = 1, . . . , n¦
halmaza vektortér R felett az alábbi műveletekkel:
(a
n
x
n
+a
n−1
x
n−1
+ +a
1
x+a
0
) +(b
n
x
n
+b
n−1
x
n−1
+ +b
1
x+b
0
)
.
=

(a
n
+b
n
)x
n
+ (a
n−1
+b
n−1
)x
n−1
+ + (a
1
+b
1
)x + (a
0
+b
0
)

,
λ(a
n
x
n
+ +a
1
x +a
0
)
.
=

(λa
n
)x
n
+ + (λa
1
)x + (λa
0
)

.
1.7. Példa. Az a ¦0¦ halmaz, amely csak a nullvektort tartalmazza, mindig
vektortér, és triviális vektortérnek nevezzük. (Az összeadás 0 + 0 = 0, a
skalárszorzás α0 = 0, ∀α ∈ T, szerint értelmezett.)
1.8. Példa. A zárt intervallumon értelmezett függvények
F = ¦f [ f : [a, b] →R¦
tere vektorteret alkot a függvények pontonkénti összeadására és skalárszor-
zására nézve.
1.9. Példa. C vektortér önmaga felett. C vektortér R felett is. (De R nem
vektortér C felett a szokásos C beli műveleteket tekintve.)
1.10. Tétel. Vektortérben a nullvektor egyértelműen létezik.
Bizonyítás. A tétel következménye annak, hogy Abel-csoport neutrális eleme
egyértelmű, a bizonyítást lásd az előző fejezet 1.5. tételénél.
1.11. Tétel. Legyen V vektortér a T test felett, α, β ∈ T és a, b ∈ V.
Ekkor
1. 0a = 0,
2. (−1)a = −a,
3. α0 = 0,
4. αa = 0 =⇒α = 0 vagy a = 0.
Bizonyítás. 1. Mivel 0a+a = 0a+1a = (0+1)a = 1a = a, így 0a+a = a,
és az egyszerűsítési szabály miatt 0a = 0.
2. a + (−1)a = 1a + (−1)a = (1 + (−1))a = 0, ezért (−1)a az a vektor
additív inverze.
3. α0 = α(0 + 0) = α0 +α0, innen α0 = 0.
4. Indirekt tegyük fel, hogy sem α = 0, sem a = 0, de αa = 0. Ha α = 0,
akkor (α)
−1
αa = (α)
−1
0, vagyis a = 0, ami ellentmondás.

1.12. Definíció. A (V, T) vektortér W részhalmazát a V alterének nevez-
zük, ha W önmagában is vektortér, azaz ∀a, b ∈ W és ∀α ∈ T esetén
46 3. VEKTOROK
a + b ∈ W, αa ∈ W, tehát W zárt a vektorok összeadására és tetszőleges
skalárral való szorzásra.
1.13. Megjegyzés. A ¦0¦ ⊂ V és a V ⊂ V altereket triviális altereknek,
illetve nem valódi altereknek nevezzük.
1.14. Példa. A szám n-esek terében a W = ¦(a, 0, . . . , 0) [ a ∈ R¦ halmaz
altér.
1.15. Példa. R
2
-ben V
α
= ¦(x, αx) [ x ∈ R¦, ahol α ∈ R tetszőleges,
de rögzített elem, altér. Könnyen belátható, hogy R
2
-ben a ¦0¦ és az R
2
altereken kívül csupán ilyen típusú alterek léteznek. V
α
azonosítható a sík
origón átmenő, α meredekségű egyeneseivel.
-
6
αx
x
1.16. Tétel. Legyen U ⊂ V, W ⊂ V altér a V vektortérben. Ekkor U ∩ W
és U +W = ¦u +w [ u ∈ U, w ∈ W¦ is altér.
Bizonyítás. 1. U ∩ W nem lehet üres halmaz, a 0 vektort biztosan tartal-
mazza. Ha x, y ∈ U ∩ W, akkor x, y ∈ U és x, y ∈ W. Mivel U és W
alterek, zártak a vektortér műveletekre nézve, így x+y ∈ U és x+y ∈ W,
ezért x +y ∈ U ∩ W. Hasonlóan λx ∈ U és λx ∈ W miatt λx ∈ U ∩ W.
2. Ha x, y ∈ U + W, akkor létezik u
1
, u
2
∈ U és w
1
, w
2
∈ W úgy, hogy
x = u
1
+w
1
és y = u
2
+w
2
. Ekkor
x +y = (u
1
+w
1
) + (u
2
+w
2
) = (u
1
+u
2
)
. .. .
∈U
+(w
1
+w
2
)
. .. .
∈W

2. LINEÁRIS FÜGGŐSÉG, BÁZIS, DIMENZIÓ 47
2. Lineáris függőség, bázis, dimenzió
2.1. Definíció. Adott a V vektortér a T test felett, a
1
, . . . , a
k
∈ V és
legyenek α
1
, . . . , α
k
∈ T. Ekkor az α
1
a
1
+ α
2
a
2
+ + α
k
a
k
vektort az
a
1
, . . . , a
k
vektorok lineáris kombinációjának nevezzük.
A nullvektor tetszőleges a
1
, . . . , a
k
vektorokból előáll ún. triviális lineáris
kombinációként: 0 = 0a
1
+ + 0a
k
.
2.2. Tétel (A lineáris kombináció tranzitivitása). Legyen V egy vek-
tortér. Ha a c ∈ V vektor lineárisan kombinálható az a
1
, . . . , a
k
vektorok
segítségével, és minden a
i
(i = 1, . . . , k) vektor lineárisan kombinálható a
b
1
, . . . , b
l
vektorokból, akkor a c vektor is előállítható a b
1
, . . . , b
l
vektorok
lineáris kombinációjaként.
Bizonyítás. Ha c =
k
¸
i=1
λ
i
a
i
és a
i
=
l
¸
j=1
µ
ij
b
j
i = 1, . . . , k, akkor
c =
k
¸
i=1
λ
i
a
i
=
k
¸
i=1
λ
i

¸
l
¸
j=1
µ
ij
b
j
¸

=
l
¸
j=1

k
¸
i=1
λ
i
µ
ij

b
j
.
Tehát előállítottuk c-t a b
1
, . . . , b
l
vektorok lineáris kombinációjaként.
2.3. Tétel. A V vektortér tetszőleges a
1
, . . . , a
k
vektorainak összes lineáris
kombinációja alteret alkot V -ben. Ezt az alteret az a
1
, . . . , a
k
vektorrendszer
által generált altérnek, vagy az ¦a
1
, . . . , a
k
¦ halmaz (lineáris) lezártjának
hívjuk. Jele: L(a
1
, . . . , a
k
).
Bizonyítás. L(a
1
, . . . , a
k
) zárt az összeadásra:

1
a
1
+ +α
k
a
k
) +(β
1
a
1
+ +β
k
a
k
) = (α
1

1
)a
1
+ +(α
k

k
)a
k
,
és zárt a skalárszorzásra:
λ(α
1
a
1
+ +α
k
a
k
) = (λα
1
)a
1
+ + (λα
k
)a
k
.

2.4. Példa. R
2
-ben a (0, 1) vektor általt generált altérben ezen vektor skalár-
szorosai vannak, vagyis az y tengely. Az e
1
= (0, 1) és e
2
= (1, 0) vektorok
lineáris kombinációjaként azonban minden R
2
-beli vektor előáll, például
(3, 2) = 3e
1
+ 2e
2
, így L(e
1
, e
2
) = R
2
.
2.5. Definíció. Legyen V vektortér. Az a
1
, . . . , a
k
∈ V vektorrendszert
1. generátorrendszernek nevezzük, ha V minden eleme legalább egyfélekép-
pen lineárisan kombinálható belőlük,
48 3. VEKTOROK
2. lineárisan független vektorrendszernek nevezzük, ha V minden eleme
legfeljebb egyféleképpen előállítható a lineáris kombinációjukként,
3. bázisnak nevezzük, ha V minden eleme pontosan egyféleképpen kom-
binálható belőlük.
2.6. Példa. R
2
-ben e
1
= (0, 1) és e
2
= (1, 0) bázis, hisz tetszőleges u =
(u
1
, u
2
) vektor u = u
1
e
1
+u
2
e
2
lineáris kombinációként előállítható, és ez az
előállítás egyértelmű.
2.7. Definíció. Ha a V vektortérben a
1
, . . . , a
k
bázis, és a előállítása ebben
a bázisban a = λ
1
a
1
+ +λ
k
a
k
, akkor a (λ
1
, . . . , λ
k
) szám k-ast az a vektor
a
1
, . . . , a
k
bázisra vonatkozó koordinátáinak nevezzük.
2.8. Definíció. Egy vektorteret végesen generáltnak nevezünk, ha létezik
véges sok elemből álló generátorrendszere.
2.9. Megjegyzés. Egy vektorrendszert lineárisan függőnek nevezünk, ha
nem lineárisan független.
2.10. Tétel. Egy a
1
, . . . , a
k
∈ V vektorrendszer akkor és csak akkor lineárisan
függő, ha belőlük a zérusvektor nem triviális lineáris kombinációval is előál-
lítható, azaz léteznek α
1
, . . . , α
k
nem mind nulla skalárok úgy, hogy 0 =
α
1
a
1
+ +α
k
a
k
.
Bizonyítás. 1. Ha a
1
, . . . , a
k
∈ V lineárisan függő vektorrendszer, akkor
létezik olyan x vektor, amit legalább kétféleképpen lehet kikombinálni
belőlük. Ekkor
x = α
1
a
1
+ +α
k
a
k
, x = β
1
a
1
+ +β
k
a
k
,
és létezik i ∈ ¦1, . . . , k¦, melyre α
i
= β
i
. A két egyenlőséget kivonva
egymásból a nullvektor egy nem triviális lineáris kombinációját kapjuk:
0 = (α
1
−β
1
)a
1
+ + (α
k
−β
k
)a
k
,
ahol (α
i
−β
i
) = 0.
2. Ha a nullvektornak van nem triviális előállítása, akkor kétféleképpen is
felírható lineáris kombinációként:
0 = α
1
a
1
+ +α
k
a
k
, ∃i : α
i
= 0,
0 = 0a
1
+ + 0a
k
,
így a vektorrendszer lineárisan függő.

2. LINEÁRIS FÜGGŐSÉG, BÁZIS, DIMENZIÓ 49
2.11. Következmény. Egy a
1
, . . . , a
k
∈ V vektorrendszer akkor és csak
akkor lineárisan független, ha belőlük a zérusvektor csak triviális lineáris
kombinációként állítható elő, azaz ha 0 = α
1
a
1
+ + α
k
a
k
, akkor α
1
=
= α
k
= 0.
Bizonyítás. Az állítás az előző tétellel ekvivalens.
2.12. Következmény. A nullvektor önmagában függő rendszert alkot. Tet-
szőleges, a nullvektortól különböző vektor önmagában független rendszert
alkot.
2.13. Következmény. Ha egy vektorrendszer tartalmazza a zérusvektort,
akkor lineárisan függő.
2.14. Tétel. Legyen V egy vektortér. Az alábbi állítások ekvivalensek:
1. a
1
, . . . , a
k
∈ V bázis,
2. lineárisan független generátorrendszer,
3. maximális lineárisan független vektorrendszer (egy vektort hozzávéve,
már nem lineárisan függetlenek),
4. minimális generátorrendszer (egy vektort elvéve, már nem generátor-
rendszer).
Bizonyítás. Közvetlenül adódik a definíciókból, hogy a második állítás akkor
és csak akkor teljesül, ha a
1
, . . . , a
k
bázis. Belátjuk, hogy az elsőből következik
a harmadik, a harmadikból a negyedik, a negyedikből pedig az első.
(a) 1. =⇒3. Ha az a
1
, . . . , a
k
bázist kibővítjük egy a ∈ V vektorral, akkor
az így kapott a
1
, . . . , a
k
, a vektorrendszer lineárisan függő lesz, mert az a
vektort kétféleképpen is elő lehet állítani belőlük lineáris kombinációval.
Egyrészt léteznek olyan α
1
, . . . , α
k
skalárok, melyekre
a = α
1
a
1
+ +α
k
a
k
,
mivel a
1
, . . . , a
k
bázis volt, másrészt
a = 0a
1
+. . . 0a
k
+ 1a.
(b) 3. =⇒ 4. Ha a
1
, . . . , a
k
maximális lineárisan független vektorrendszer,
akkor generátorrendszer is egyben. Ugyanis ha létezne a ∈ V vektor,
amit nem lehet kikombinálni belőlük, akkor ezt a vektort hozzávéve,
a vektorrendszer lineárisan független maradna, ami ellentmondana a
maximalitásnak. Tehát tegyük fel indirekt, hogy létezik a ∈ V úgy,
hogy nem kombinálható ki az a
1
, . . . , a
k
vektorokból, de a
1
, . . . , a
k
, a
lineárisan függő. Ekkor a 2.10. tétel miatt a 0 vektor előállítható belőlük
nem triviális lineáris kombinációként:
0 = λ
1
a
1
+ +λ
k
a
k

k+1
a ∃i : λ
i
= 0.
50 3. VEKTOROK
Ebben az előállításban λ
k+1
= 0, mert ellenkező esetben létezne a 0
vektornak nem triviális előállítása az a
1
, . . . , a
k
vektorok lineáris kom-
binációjaként, ami ellentmond annak, hogy lineárisan függetlenek. így
az a vektor kifejezhető a
1
, . . . , a
k
lineáris kombinációjaként:
a = −
λ
1
λ
k+1
a
1
− −
λ
k
λ
k+1
a
k
,
ami ellentmond az indirekt feltevésnek.
A minimalitás a lineáris függetlenség következménye. Ha például
az a
k
vektort elhagyjuk, akkor a
1
, . . . , a
k−1
vektorok nem alkothatnak
generátorrendszert, mert a
k
-t nem lehet kikombinálni belőlük.
(c) 4. =⇒1. Tegyük fel, hogy a
1
, . . . , a
k
minimális generátorrendszer. Ah-
hoz, hogy belássuk, hogy bázis, meg kell mutatni, hogy minden vek-
tor csak egyféleképpen kombinálható belőlük. Indirekt tegyük fel, hogy
létezik a ∈ V úgy, hogy a kétféleképpen is felírható az a
1
, . . . , a
k
vek-
torrendszer lineáris kombinációjaként:
a = λ
1
a
1
+ +λ
k
a
k
, a = µ
1
a
1
+ +µ
k
a
k
,
ahol létezik i, 1 ≤ i ≤ k, amire λ
i
= µ
i
. Kivonva a két egyenlőséget
egymásból:
0 = (λ
1
−µ
1
)a
1
+ + (λ
i
−µ
i
)
. .. .
=0
a
i
+ + (λ
k
−µ
k
)a
k
,
ami azt jelenti, hogy a
i
kifejezhető az a
1
, . . . , a
i−1
, a
i+1
, . . . , a
k
vektorok
lineáris kombinációjaként. Így ez a vektorrendszer, ami csak (k − 1)
elemből áll, szintén generátorrendszer a 2.2. tétel miatt, ami ellentmond
a
1
, . . . , a
k
minimalitásának.

2.15. Tétel. Az a
1
, . . . , a
k
vektorrendszer akkor és csak akkor lineárisan
függő, ha valamely vektora lineárisan kombinálható a többiből.
Bizonyítás. 1. Ha a
1
= λ
2
a
2
+ +λ
k
a
k
, akkor
0 = −1a
1

2
a
2
+ +λ
k
a
k
,
így a 0-nak van a triviálison kívül még egy előállítása, ami azt jelenti,
hogy a vektorrendszer függő.
2. Ha a rendszer lineárisan függő, akkor a nullvektor felírható lineáris kom-
binációjukként: 0 = λ
1
a
1
+ +λ
k
a
k
, és a skalárok között van nemnulla.
2. LINEÁRIS FÜGGŐSÉG, BÁZIS, DIMENZIÓ 51
Tegyük fel, hogy λ
1
= 0. Ekkor a
1
kifejezhető a többi lineáris kombiná-
ciójaként:
a
1
= −
λ
2
λ
1
a
2
− −
λ
k
λ
1
a
k
.

2.16. Következmény. Egy legalább kételemű vektorrendszer akkor és csak
akkor lineárisan függő, ha valamelyik vektora kikombinálható az azt mege-
lőzőekből, vagy valamelyik tagja a nullvektor.
2.17. Tétel (Kicserélési tétel). Egy k darab vektorból álló vektorrendsz-
errel generált vektortér minden lineárisan független vektorrendszere legfel-
jebb k darab vektort tartalmaz.
Bizonyítás. Legyen a
1
, . . . , a
k
generátorrendszer V -ben, és b
1
, . . . , b
l
lineári-
san független vektorrendszer. Ekkor b
i
= 0 i = 1, . . . l.
A b
l
, a
1
, . . . , a
k
vektorrendszer nem lehet minimális generátorrendszer, így
lineárisan függő. Ekkor létezik i, 1 ≤ i ≤ k, amelyre a
i
kikombinálható az őt
megelőző vektorokból, ezért ha eltávolítjuk a vektorrendszerből, az továbbra
is generátorrendszer marad.
Hasonlóan a b
l−1
, b
l
, a
1
, . . . , ˇ a
i
, . . . , a
k
nem minimális generátorrendszer ( ˇ a
i
azt jelenti, hogy az a
i
hiányzik), így lineárisan függő vektorrendszer. Ekkor
létezik j, 1 ≤ j ≤ k, melyre a
j
kikombinálható az előtte állókból (b
2
nem
kombinálható b
1
-ből, mert lineárisan függetlenek). Ha a
j
-t eltávolítjuk, a
megmaradó vektorok továbbra is generátorrendszert alkotnak.
Ezután a b
l−2
, b
l−1
, b
l
, a
1
, . . . , ˇ a
i
, . . . , ˇ a
j
, . . . , a
k
vektorrendszert tekintjük,
ami lineárisan függő generátorrendszer. Ekkor van olyan tagja, amely az
előzőek lineáris kombinációja, és ez nem lehet valamelyik b
l−m
, m ∈ ¦0, 1, 2¦,
mert a b
1
, . . . , b
l
vektorrendszer lineárisan független.
Az eljárást ugyanígy folytatjuk. A vektorok cserélgetése véges sok lépésben
véget ér, és mindig a
1
, . . . , a
k
vektorrendszerbeli elemet cserélünk b
1
, . . . , b
l
-
beli vektorra, így ez előbbi nem fogyhat el hamarabb, a végén a b
1
, . . . , b
l
,
a
j
1
, . . . , a
j
k−l
vektorrendszert kapjuk, ahol 1 ≤ j
1
, . . . , ≤ j
k−l
≤ n (ha k = l,
akkor természetesen b
1
, . . . , b
l
adódik).
2.18. Következmény. Egy k darab vektorból álló vektorrendszer által ge-
nerált vektortérben minden k + 1 tagú vektorrendszer lineárisan függő.
2.19. Tétel. Egy k darab vektor által generált vektortérben létezik legfel-
jebb k darab vektort tartalmazó bázis. Ebben a vektortérben minden bázis
egyenlő számosságú.
52 3. VEKTOROK
Bizonyítás. 1. Ha a
1
, . . . , a
k
generátorrendszer V -ben, és van benne nul-
lvektor, akkor azt elhagyhatjuk. Ha a
1
, . . . , a
k
lineárisan független,
akkor bázis. Ha lineárisan függő, akkor léteznek olyan elemek, ame-
lyek kikombinálhatóak a többiből. Ezeket az elemeket elhagyva, véges
sok lépésben egy lineárisan független vektorrendszert kapunk, azaz egy
bázist.
2. Ha a
1
, . . . , a
k
és b
1
, . . . , b
l
is bázis V -ben, akkor a
1
, . . . , a
k
generátor-
rendszer, b
1
, . . . , b
l
lineárisan független vektorrendszer, így a 2.17. tétel
miatt l ≤ k. Fordítva: b
1
, . . . , b
l
generátorrendszer, a
1
, . . . , a
k
lineárisan
független, így k ≤ l, tehát k = l.

2.20. Definíció. Egy vektortér bázisainak közös számosságát a vektortér
dimenziójának nevezzük.
2.21. Definíció. Egy vektorrendszer által generált altér dimenzióját a vek-
torrendszer rangjának nevezzük: rg(a
1
, . . . , a
k
)= dimL(a
1
, . . . , a
k
).
2.22. Példa. A szám n-esek R
n
terében az alábbi vektorrendszer bázis:
e
1
=

¸
¸
¸
¸
¸
¸
1
0
0
.
.
.
0
¸

, e
2
=

¸
¸
¸
¸
¸
¸
0
1
0
.
.
.
0
¸

, ..., e
n
=

¸
¸
¸
¸
¸
¸
0
0
0
.
.
.
1
¸

.
Tehát R
n
n-dimenziós, és ebben a bázisban egy elem előállítása:

¸
¸
¸
¸
α
1
α
2
.
.
.
α
n
¸

= α
1

¸
¸
¸
¸
1
0
.
.
.
0
¸

+... +α
n

¸
¸
¸
¸
0
0
.
.
.
1
¸

.
Ezt a bázist R
n
kanonikus vagy természetes bázisának nevezzük.
2.23. Példa. A legfeljebb n-ed fokú polinomok vektorterében bázis az
1, x, x
2
, . . . , x
n
vektorrendszer, így ez a vektortér (n + 1)-dimenziós.
2.24. Következmény. Ha V egy vektortér, W ⊂ V altér és dimW =
dimV , akkor W = V.
2.25. Tétel. Legyen V egy n-dimenziós vektortér, a
1
, . . . , a
k
∈ V lineárisan
független vektorrendszer, k < n. Ekkor léteznek a
k+1
, . . . , a
n
∈ V vektorok
úgy, hogy a
1
, . . . , a
n
bázis V -ben.
3. ALTEREK DIREKT ÖSSZEGE 53
Bizonyítás. Mivel k < n, ezért a
1
, . . . a
k
nem bázis, tehát nem maximális
lineárisan független vektorrendszer. Ekkor létezik a
k+1
∈ V úgy, hogy
a
1
, . . . , a
k
, a
k+1
lineárisan függetlenek. Ha ez maximális lineárisan független
vektorrendszer, azaz k + 1 = n, akkor megkaptunk egy bázist, ha nem
maximális, akkor pedig létezik a
k+2
∈ V úgy, hogy a
1
, . . . , a
k+2
lineárisan
függetlenek. Hasonlóan folytatva az eljárást, véges sok lépésben eljutunk
egy a
1
, . . . , a
n
bázishoz.
2.26. Következmény. Egy n-dimenziós vektortér minden altere legfeljebb
n-dimenziós.
2.27. Tétel. Legyen V
1
, V
2
a V vektortér két altere. Ekkor
dim(V
1
∩ V
2
) + dim(V
1
+V
2
) = dimV
1
+ dimV
2
.
Bizonyítás. Ha V
1
∩ V
2
bázisa a
1
, . . . , a
k
, akkor ez kipótolható a 2.25. tétel
miatt úgy, hogy a
1
, . . . , a
k
, b
1
, . . . , b
l
bázisa V
1
-nek, és kipótolható úgy, hogy
a
1
, . . . , a
k
, c
1
, . . . , c
m
pedig bázis V
2
-ben. Ekkor V
1
+V
2
egy lehetséges bázisa:
a
1
, . . . , a
k
, b
1
, . . . , b
l
, c
1
, . . . , c
m
.
Másrészt vektorrendszer lineárisan független, hiszen ha például a b
i
vektort
elő lehetne állítani az a
1
, . . . , a
k
, c
1
, . . . , c
m
vektorok segítségével, akkor b
i

V
1
∩ V
2
teljesülne, ami ellentmondás.
3. Alterek direkt összege
3.1. Definíció. Azt mondjuk, hogy a V vektortér a V
1
, . . . , V
k
altereinek
direkt összege, ha minden a ∈ V vektor előáll pontosan egyféleképpen a
1
+
+a
k
alakban, ahol a
1
∈ V
1
, . . . , a
k
∈ V
k
. Jele: V = V
1
⊕ ⊕V
k
.
3.2. Tétel. A V vektortér akkor és csak akkor áll elő bizonyos altereinek
direkt összegeként, ha azon alterek tetszőleges bázisainak egyesítése a V
vektortér egy bázisát adja.
Bizonyítás. 1. Tegyük fel, hogy V = V
1
⊕ ⊕V
k
és
V
1
dimenziója n
1
, bázisa (e
1
) = (e
11
, . . . , e
1n
1
),
.
.
.
V
k
dimenziója n
k
, bázisa (e
k
) = (e
k1
, . . . , e
kn
k
).
(a) Ekkor az ((e
1
), . . . , (e
k
)) = (e
11
, . . . , e
kn
k
) generátorrendszere V -
nek, mivel ∀x ∈ V : x = x
1
+ +x
k
, x
1
∈ V
1
, . . . , x
k
∈ V
k
esetén
léteznek α
11
, . . . , α
1n
1
, . . . , α
kn
k
skalárok úgy, hogy:
x
1
= α
11
e
11
+ +α
1n
1
e
1n
1
,
54 3. VEKTOROK
.
.
.
x
k
= α
k1
e
k1
+ +α
kn
k
e
kn
k
,
így x = α
11
e
11
+ +α
kn
k
e
kn
k
.
(b) Az e
11
, . . . , e
kn
k
vektorrendszer lineárisan független. Legyen ugya-
nis
β
11
e
11
+ +β
1n
1
e
1n
1
. .. .
y
1
+... +β
k1
e
k1
+ +β
kn
k
e
kn
k
. .. .
y
k
= 0
a nullvektor egy előállítása. Mivel itt y
1
∈ V
1
, . . . , y
k
∈ V
k
, a
direkt összeg definíciója miatt az
y
1
+ +y
k
= 0
előállítás egyértelmű. Mivel 0 ∈ V
i
(i = 1, . . . , k), így a
0 + + 0 = 0
egy másik előállítás. Azaz y
i
= 0 minden i = 1, . . . , k esetén.
Azonban (e
i
) bázisa V
i
-nek, ezért a
β
i1
e
i1
+ +β
in
i
e
in
i
= y
1
= 0
előállításban az együtthatók nullák.
2. Tegyük fel, hogy a V
1
, . . . , V
k
alterek bázisainak (e) = (e
11
, . . . , e
kn
k
)
egyesítése bázisa V -nek. Belátandó, hogy minden x ∈ V vektort pon-
tosan egyféleképpen lehet előállítani x
1
+ + x
k
alakban, ahol x
1

V
1
, . . . , x
k
∈ V
k
. Az (e) bázisban x pontosan egyféleképpen állítható elő
lineáris kombinációként:
x = α
11
e
11
+ +α
1n
1
e
1n
1
. .. .
x
1
∈V
1
+... +α
k1
e
k1
+ +α
kn
k
e
kn
k
. .. .
x
k
∈V
k
.
Ebből azonnal adódik, hogy létezik előállítás: x = x
1
+ + x
k
. Most
indirekt tegyük fel, hogy létezik egy ettől különböző felírása is x-nek:
x = y
1
+ + y
k
, ahol y
i
∈ V
i
, i = 1, . . . , k. Léteznek β
i1
, . . . , β
in
i
skalárok, amelyekre y
i
= β
i1
e
i1
+ +β
in
i
e
in
i
. Ekkor
x = β
11
e
11
+ +β
1n
1
e
1n
1
. .. .
y
1
∈V
1
+ ... +β
k1
e
k1
+ +β
kn
k
e
kn
k
. .. .
y
k
∈V
k
,
ami az előállítás egyértelműsége miatt csak akkor lehetséges, ha α
11
=
β
11
, . . . , α
kn
k
= β
kn
k
, amiből x
1
= y
1
, . . . , x
k
= y
k
.

3.3. Következmény. Ha V = V
1
⊕ ⊕V
k
, akkor dimV = dimV
1
+ +
dimV
k
.
3. ALTEREK DIREKT ÖSSZEGE 55
3.4. Következmény. Egy V vektortér akkor és csak akkor n-dimenziós, ha
előáll n darab 1-dimenziós alterének direkt összegeként.
Bizonyítás. 1. Ha V = V
1
⊕ ⊕V
n
és dimV
i
= 1, i = 1, . . . , n, akkor V
valóban n-dimenziós a 3.2. tétel miatt.
2. Ha a V vektortér n-dimenziós és (e
1
, . . . , e
n
) egy bázisa, akkor
V = L(e
1
) ⊕ ⊕L(e
n
).

3.5. Tétel. V = A⊕B akkor és csak akkor, ha A+B = V és A∩B = ¦0¦.
Bizonyítás. 1. Tegyük fel, hogy V = A ⊕B.
(a) Mivel A, B ⊂ V, így A +B ⊂ V. Másrészt A⊕ B = V miatt V ⊂
A+B. A kétirányú tartalmazás következtében pedig A+B = V.
(b) Legyen x ∈ A∩B. Mivel x ∈ V és V = A⊕B, ezért x egyértelműen
előáll x = a +b alakban, ahol a ∈ A és b ∈ B. Viszont
x = 0
....
∈A
+ x
....
∈B
= x
....
∈A
+ 0
....
∈B
,
ami az egyértelműség miatt csak akkor lehetséges, ha x = 0, tehát
az A és a B alterek metszete csak a nullvektort tartalmazza.
2. Ha A ∩ B = ¦0¦ és A + B = V, akkor az utóbbi miatt bármely x ∈ V
esetén létezik a ∈ A és b ∈ B úgy, hogy x = a + b. Indirekt tegyük fel,
hogy az előállítás nem egyértelmű: x = a + b = a

+ b

, ahol a

∈ A és
b

∈ B. Ekkor
0 = (a +b) −(a

+b

) = (a −a

) + (b −b

),
amiből (a −a

)
. .. .
∈A
= (b

−b)
. .. .
∈B
, ami A ∩ B = ¦0¦ miatt azt jelenti, hogy
a = a

és b = b

.

3.6. Tétel. Ha V vektortér és A ⊂ V altér, akkor létezik B ⊂ V altér úgy,
hogy A ⊕B = V.
Bizonyítás. Ha dimA = k, dimV = n és e
1
, . . . , e
k
bázisa A-nak, akkor ez a
vektorrendszer kiegészíthető úgy, hogy e
1
, . . . , e
k
, . . . , e
n
bázis V -ben. Ekkor
a B = L(e
k+1
, . . . , e
n
) altérre a 3.2. tétel miatt teljesül, hogy A⊕B = V.
3.7. Példa. R
3
= V
1
⊕ V
2
, ahol V
1
= ¦(a, 0, 0) [ a ∈ R¦, V
2
= ¦(0, b, c) [
b, c ∈ R¦.
56 3. VEKTOROK
4. Faktortér
4.1. Definíció. Legyen H ⊂ V altér és x ∈ V tetszőleges, rögzített vektor.
Az
x +H = ¦x +h [ h ∈ H¦
halmazt H irányterű lineáris sokaságnak nevezzük, az x vektort a lineáris
sokaság reprezentáns vektorának nevezzük.
4.2. Megjegyzés. Lineáris sokaság egyértelműen meghatározza irányterét.
Lineáris sokaság bármely eleme (és csakis az) reprezentánsa.
Bizonyítás. Ha egy lineáris sokaság L = x +H alakú, akkor x = x + 0 ∈ L,
azaz a reprezentáns L-beli. Legyen most L = y + K egy másik előállítás,
ahol K altér. Ekkor y = y + 0 ∈ x +H = L miatt egyrészt y ∈ L, másrészt
y = x + h
y
alakú (h
y
∈ H). Az x + H = L = x + h
y
+ K egyenlőségből
adódik H = K.
4.3. Példa. A síkban egy origón átmenő egyenes altér, ennek eltoltjai, az
általános helyzetű egyenesek lineáris sokaságok:
6
-

:
:
O
r
v
r
0
P
0
P
−−→
OP =
−−→
OP
0
+
−−→
P
0
P,
r = r
0
+tv, t ∈ R.
H = L(v),
r ∈ r
0
+H,
Tehát az egyenes irányvektoros egyenlete: r = r
0
+ tv , t ∈ R egy olyan
1-dimenziós lineáris sokaságot határoz meg, melynek iránytere L(v), egy
reprezentánsa pedig r
0
.
4.4. Példa. A térben egy origón átmenő sík altér, az általános helyzetű
síkok lineáris sokaságok:
4. FAKTORTÉR 57
6
-

W
W

:
:
z
O
r
v
1
r
0
P
0
P
v
2
−−→
OP =
−−→
OP
0
+
−−→
P
0
P,
r = r
0
+αv
1
+βv
2
, α, β ∈ R.
H = L(v
1
, v
2
),
r ∈ r
0
+H,
Tehát ha az iránytér H = L(v
1
, v
2
), akkor az r
0
+ H lineáris sokaság egy
eleme r = r
0
+αv
1
+βv
2
alakú.
4.5. Definíció. Lineáris sokaság dimenzióján irányterének dimenzióját ért-
jük.
4.6. Definíció. Legyen V vektortér, H ⊂ V altér. Az x + H és y + H
lineáris sokaságok összegét és skalárszorosát az alábbi módon definiáljuk:
(x +H) + (y +H) = (x +y) +H,
α(x +H) = αx +H, α ∈ T.
4.7. Következmény. Lineáris sokaságok összege és skalárszorosa nem függ
a reprezentánsok megválasztásától.
Bizonyítás. 1. Ha x
1
+H = x
2
+H és y
1
+H = y
2
+H, akkor x
2
∈ x
1
+H
és y
2
∈ y
1
+H. Ekkor x
2
+y
2
∈ (x
1
+y
1
) +H, így (x
2
+H) +(y
2
+H) =
(x
1
+H) + (y
1
+H).
2. Ha x +H = y +H, akkor y ∈ x +H. Ezért αy ∈ α(x + H) = αx +H,
így αy +H = αx +H.

4.8. Tétel. A H ⊂ V altérhez tartozó lineáris sokaságok ¦x + H [ x ∈ V ¦
halmaza a 4.6. definícióban definiált műveletekre nézve vektorteret alkot.
Ezt a vektorteret a H altérhez tartozó faktortérnek nevezzük. Jele: V/H.
Bizonyítás. 1. Belátandó, hogy a lineáris sokaságok halmaza a bevezetett
összeadásra nézve Abel-csoport.
58 3. VEKTOROK
(a) (x +H) + (y +H) = (x +y) +H = (y +H) + (x +H),
(b)

(x + H) + (y + H)

+ (z + H) = (x + y + H) + (z + H) =
(x+y+z)+H = (x+H)+(y+z+H) = (x+H)+

(y+H)+(z+H)

,
(c) zéruselem: (x +H) + (0 +H) = x +H,
(d) additív inverz: (x +H) + (−x +H) = 0 +H.
2. A skalárszorzás tulajdonságai:
(a) α

(x +H) + (y +H)

= α(x +y + H) = α(x +y) +H = (αx +
αy) +H = α(x +H) +α(y +H),
(b) (α +β)(x +H) = (α +β)x +H = (αx +βx) +H = α(x +H) +
β(x +H),
(c) αβ(x +H) = (αβx +H) = α(βx +H),
(d) 1(x +H) = x +H.

4.9. Tétel. A V vektortér H altere szerinti faktortér dimenziója:
dim

V/H

= dimV −dimH.
Bizonyítás. Ha e
1
, . . . , e
n
bázisa V -nek, e
1
, . . . , e
k
bázisa H-nak, akkor
(e
k+1
+ H), . . . , (e
n
+ H) bázisa V/H-nak. Ugyanis ez egyrészt generátor-
rendszer, mert ha x +H ∈ V/H, akkor
x = α
1
e
1
+ +α
k
e
k
. .. .
∈H

k+1
e
k+1
+ +α
n
e
n
,
tehát
x +H = α
k+1
(e
k+1
+H) + +α
n
(e
n
+H).
Másrész lineárisan független, hiszen ha
β
k+1
(e
k+1
+H) + +β
n
(e
n
+H) = 0 +H,
akkor β
k+1
e
k+1
+ +β
n
e
n
= 0, ami csak akkor lehetséges ha, β
k+1
= =
β
n
= 0, mert e
k+1
, . . . , e
n
lineárisan független vektorrendszer volt.
4.10. Példa. R
2
-ben legyen H = ¦(a, 0) [ a ∈ R¦. H altér. A H irányterű
L = (x
1
, x
2
) +H lineáris sokaság nem függ x
1
-től, tehát (0, x
2
) +H alakba
írható.
4. FAKTORTÉR 59
-
6
*
6
0
(x
1
, x
2
) (0, x
2
)
H
L
Látható, hogy a H irányterű lineáris sokaságok a vízszintes egyenesek.
Másrészt minden lineáris sokaságnak a (0, x
2
) alakú (az ilyen alakúak között
egyértelmű) reprezentánsát választva az is világos, hogy az R
2
/H faktortér
beazonosítható a ¦(0, x
2
) [ x
2
∈ R¦ vektortérrel (azaz a "függőleges tengel-
lyel").
4. fejezet
Mátrixok
1. Mátrixok
1.1. Definíció. Legyen k, n ∈ N, a
ij
∈ T, i = 1, . . . , k, j = 1, . . . , n. Ha
az a
ij
számokat k sorban és n oszlopban rendezzük el, akkor az így kapott
számtáblázatot k n típusú mátrixnak nevezzük:

¸
¸
¸
¸
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
k1
a
k2
. . . a
kn
¸

.
A mátrixokra az alábbi jelöléseket használjuk: A, B, ..; (a
ij
), (b
ij
), . . . , ahol i
a sorindex, j az oszlopindex. Az A mátrix egy általános elemét a
ij
-vel vagy
(A)
ij
-vel jelöljük. A k n típusú mátrixok halmazát M
k×n
-nel jelöljük.
Az 1 n típusú mátrixokat sorvektoroknak, a k 1 típusúakat pedig
oszlopvektoroknak mondjuk. Két mátrixot egyenlőnek nevezünk, ha méreteik
és a megfelelő helyen álló elemeik egyenlőek.
1.2. Definíció. Az olyan mátrixot, amelynek minden eleme 0, zérusmátrix-
nak nevezzük.
1.3. Definíció. Az (a
i1
, . . . , a
in
) ∈ T
n
vektort a mátrix i-edik sorának vagy
sorvektorának nevezzük, az

¸
¸
a
1j
.
.
.
a
kj
¸

∈ T
k
vektort pedig a j-edik oszlopának
vagy oszlopvektorának nevezzük. Ezen két vektor "metszetében" áll az a
ij
elem.
1.4. Megjegyzés. Egy skalár is tekinthető egy 1 1 típusú mátrixnak.
1.5. Definíció. Az n n típusú mátrixokat négyzetes vagy kvadratikus
mátrixoknak nevezzük. Az a
11
, . . . , a
nn
elemeket a főátló vagy fődiagonális
elemeinek nevezzük, az a
1n
, . . . , a
n1
elemeket pedig a mellékátló elemeinek
61
62 4. MÁTRIXOK
nevezzük:

¸
¸
¸
¸
a
11
a
1n
a
22
.
.
.
a
n1
a
nn
¸

.
1.6. Definíció. Tekintsük az M
k×n
halmazt, és legyen A = (a
ij
), B =
(b
ij
) ∈ M
k×n
. Ezen a halmazon értelmezzük az összeadást és a skalárszorzást
az alábbi módon:
1. A+B ˙ =(a
ij
+b
ij
) ∈ M
k×n
:

¸
¸
¸
¸
a
11
. . . a
1n
a
21
. . . a
2n
.
.
.
.
.
.
.
.
.
a
k1
. . . a
kn
¸

+

¸
¸
¸
¸
b
11
. . . b
1n
b
21
. . . b
2n
.
.
.
.
.
.
.
.
.
b
k1
. . . b
kn
¸

=

¸
¸
¸
¸
a
11
+b
11
. . . a
1n
+b
1n
a
21
+b
21
. . . a
2n
+b
2n
.
.
.
.
.
.
.
.
.
a
k1
+b
k1
. . . a
kn
+b
kn
¸

,
2. αA = (αa
ij
) ∈ M
k×n
, ahol α ∈ T :
α

¸
¸
¸
¸
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
k1
a
k2
. . . a
kn
¸

=

¸
¸
¸
¸
αa
11
αa
12
. . . αa
1n
αa
21
αa
22
. . . αa
2n
.
.
.
.
.
.
.
.
.
.
.
.
αa
k1
αa
k2
. . . αa
kn
¸

.
1.7. Tétel. A k n típusú mátrixok halmaza az előbb bevezetett össze-
adásra és szorzásra nézve vektortér a T test felett.
Bizonyítás. Az M
k×n
halmaz zárt a műveletekre, hiszen ilyen típusú mátrixok
összege is M
k×n
típusú. Mivel a műveleteket tagonként végezzük, és T vek-
tortér T felett, így ezek a tulajdonságok a mátrixokra is teljesülnek.
Az alábbi levezetésben ( ) a mátrix "zárójele", míg a csoportosítást a [ ]
szögletes zárójelek mutatják.
1. (a) (a
ij
) + (b
ij
) = (a
ij
+b
ij
) = (b
ij
+a
ij
) = (b
ij
) + (a
ij
),
(b)

(a
ij
) + (b
ij
)

+ (c
ij
) = (a
ij
+b
ij
+c
ij
) = (a
ij
) +

(b
ij
) + (c
ij
)

,
(c) nullelem: (a
ij
) + (0) = (a
ij
),
(d) additív inverz: (a
ij
) + (−a
ij
) = (0).
2. (a) [α + β](a
ij
) =

[α + β]a
ij

= (αa
ij
+ βa
ij
) = (αa
ij
) + (βa
ij
) =
α(a
ij
) +β(a
ij
),
(b) α

(a
ij
) + (b
ij
)

= α(a
ij
+ b
ij
) =

α[a
ij
+ b
ij
]

= (αa
ij
+ αb
ij
) =
(αa
ij
) + (αb
ij
) = α(a
ij
) +α(b
ij
),
(c) [αβ](a
ij
) = (αβa
ij
) = α(βa
ij
),
1. MÁTRIXOK 63
(d) 1(a
ij
) = (a
ij
).

1.8. Tétel. Az M
k×n
vektortér kn-dimenziós, egy lehetséges bázisa:

¸
¸
¸
¸
1 0 . . . 0
0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
¸

,

¸
¸
¸
¸
0 1 . . . 0
0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
¸

, ...,

¸
¸
¸
¸
0 0 . . . 0
0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
¸

.
Bizonyítás. A megadott mátrixok nyilván generátorrendszert alkotnak. To-
vábbá lineárisan függetlenek, hiszen
α
1

¸
¸
1 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
¸

+... +α
kn

¸
¸
0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
¸

=

¸
¸
α
1
. . . α
n
.
.
.
.
.
.
.
.
.
α
(k−1)n+1
. . . α
kn
¸

csak akkor lehet egyenlő a zérusmátrixszal, ha α
1
= = α
kn
= 0.
1.9. Definíció. Az (a
ij
) ∈ M
k×n
mátrix transzponáltja az (a
ji
) ∈ M
n×k
mátrix. Jele: A
T
1.10. Példa. Legyen A =

1 2 3
4 5 6

. Ekkor A
T
=

¸
1 4
2 5
3 6
¸

.
1.11. Definíció. Egy A ∈ M
n×n
kvadratikus mátrixot szimmetrikusnak
nevezünk, ha A = A
T
, és ferdeszimmmetrikusnak, ha A = −A
T
.
1.12. Példa. Az

¸
1 2 3
2 4 5
3 5 7
¸

mártix szimmetrikus, a

¸
0 −1 2
1 0 −4
−2 4 0
¸

pedig
ferdeszimmetrikus mátrix.
1.13. Következmény. (A +B)
T
= A
T
+B
T
, (λA)
T
= λA
T
.
Bizonyítás. A bizonyítást most is a mátrix általános elemével végezzük.
Belátjuk, hogy a baloldali mátrix i-edik sorának j-edik eleme megegyezik
a jobboldali mátrix i-edik sorának j-edik elemével.
1. (A +B)
T
ij
= (A +B)
ji
= A
ji
+B
ji
= A
T
ij
+B
T
ij
= (A
T
+B
T
)
ij
,
2. (αA)
T
ij
= (αA)
ji
= αA
ji
= αA
T
ij
.

64 4. MÁTRIXOK
1.14. Definíció. Legyen A ∈ M
k×n
és B ∈ M
n×m
. Az A és B mátrixok
szorzatának azt a k m típusú mátrixot nevezzük, melynek i-edik sorának
j-edik eleme
(AB)
ij
= a
i1
b
1j
+ +a
in
b
nj
=
n
¸
l=1
a
il
b
lj
.
Ezt a szorzást sor-oszlop kompozíciós szorzásnak nevezzük, mivel az (AB)
ij
elem kiszámításához az A mátrix i-edik sorát szorozzuk a B mátrix j-edik
oszlopával úgy, hogy a megfelelő tagok szorzatait összeadjuk:

¸
a
i1
a
i2
. . . a
in
¸

¸
¸
¸
¸
b
1j
b
2j
.
.
.
b
nj
¸

=

¸
¸
¸
¸
(AB)
ij
=
n
¸
l=1
a
il
b
lj
¸

1.15. Megjegyzés. A mátrixok szorzása nem kommutatív, általában össze
sem szorozhatóak fordított sorrendben.
1.16. Példa.

1 1
1 0

1 0
1 1

=

2 1
1 0

,

1 0
1 1

1 1
1 0

=

1 1
2 1

mu-
tatja, hogy AB és BA is létezik és a méretük is egyenlő, de AB nem egyenlő
BA-val.
1.17. Definíció. Az E ∈ M
n×n
kvadratikus mátrixot n-edrendű egység-
mátrixnak nevezzük, ahol
E =

¸
¸
¸
¸
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
¸

.
Az egységmátrixra teljesül, hogy AE = EA = A bármely A ∈ M
n×n
mátrix
esetén. Használatos még az egységmátrixra a (δ
ij
) jelölés, amit Kronecker-
deltának nevezünk:
δ
ij
=

1, ha i = j,
0, ha i = j.
1.18. Megjegyzés. Ha A négyzetes mátrix, akkor képezhetők az A
2
= AA,
A
3
= A
2
A, . . . mátrixok, és A
0
˙ =E.
1.19. Tétel. Ha A ∈ M
k×n
, B, C ∈ M
n×m
, továbbá D ∈ M
m×l,
akkor
teljesülnek az alábbi egyenlőségek:
1. A[B +C] = AB +AC,
1. MÁTRIXOK 65
2. A[BD] = [AB]D,
3. A[αB] = α[AB].
Bizonyítás. A bizonyítást általános elemmel végezzük:
1.

A[B +C]

ij
=
n
¸
r=1
a
ir
(B +C)
rj
=
n
¸
r=1
a
ir
[b
rj
+c
rj
] =
n
¸
r=1
a
ir
b
rj
+
n
¸
r=1
a
ir
c
rj
= (AB)
ij
+ (AC)
ij
= (AB +AC)
ij
,
2.

A[BD]

ij
=
n
¸
r=1
a
ir
(BD)
rj
=
n
¸
r=1
a
ir
¸
m
¸
s=1
b
rs
d
sj
¸
=
m
¸
s=1
¸
n
¸
r=1
a
ir
b
rs
¸
d
sj
=
m
¸
s=1
(AB)
is
d
sj
=

[AB]D

ij
,
3.

A[αB]

ij
=
n
¸
r=1
a
ir
(αB)
rj
=
n
¸
r=1
a
ir
[αb
rj
] = α
n
¸
r=1
a
ir
b
rj
=

α[AB]

ij
.

1.20. Következmény. Ha A ∈ M
n×n
négyzetes mátrix, akkor A
k+l
=
A
k
A
l
.
1.21. Tétel. Legyenek A, B összeszorozható mátrixok. Ekkor
(AB)
T
= B
T
A
T
.
Bizonyítás. Ha A ∈ M
k×n
, B ∈ M
n×m
, akkor (AB)
T
és B
T
A
T
is m k
típúsú lesz, és

[AB]
T

ij
= (AB)
ji
=
n
¸
r=1
a
jr
b
ri
=
n
¸
r=1
(A
T
)
rj
(B
T
)
ir
=
n
¸
r=1
(B
T
)
ir
(A
T
)
rj
=
(B
T
A
T
)
ij
.
1.22. Definíció. Legyen A ∈ M
n×n
kvadratikus mátrix. Ha létezik olyan
B ∈ M
n×n
mátrix, melyre AB = BA = E , ahol E az n n típúsú egység-
mátrix, akkor A-t invertálható mátrixnak, és B-t az A mátrix inverzének
nevezzük. Jele: A
−1
.
1.23. Tétel. Ha az A ∈ M
n×n
mátrixnak létezik inverze, akkor az egyértelmű.
Bizonyítás. Tegyük fel, hogy B
1
, B
2
∈ M
n×n
inverzei A-nak. Ekkor
AB
1
= B
1
A = E = AB
2
= B
2
A,
66 4. MÁTRIXOK
ha beszorozzuk az első egyenlőséget B
2
-vel:
(B
2
A)
. .. .
E
B
1
= B
2
(B
1
A)
. .. .
E
,
akkor azt kapjuk, hogy B
1
= B
2
.
1.24. Tétel. Ha az A
1
, . . . , A
k
∈ M
n×n
mátrixok invertálhatóak, akkor a
szorzatuknak is létezik inverze, és
(A
1
A
2
. . . A
k
)
−1
= A
−1
k
. . . A
−1
2
A
−1
1
.
Bizonyítás. Belátjuk, hogy mindkét irányból szorozva őket egységmátrixot
kapunk:
1. (A
−1
k
. . . A
−1
2
A
−1
1
)(A
1
A
2
. . . A
k
) = A
−1
k
. . . A
−1
2
(A
−1
1
A
1
)
. .. .
E
A
2
. . . A
k
=
A
−1
k
. . . (A
−1
2
A
2
)
. .. .
E
. . . A
k
= = E,
2. (A
1
A
2
. . . A
k
)(A
−1
k
. . . A
−1
2
A
−1
1
) = A
1
A
2
. . . (A
k
A
−1
k
)
. .. .
E
. . . A
−1
2
A
−1
1
= =
E.

1.25. Tétel. Invertálható mátrixok esetén az inverzképzés és a transzponálás
sorrendje felcserélhető: (A
T
)
−1
= (A
−1
)
T
.
Bizonyítás. Belátandó, hogy A
T
inverze (A
−1
)
T
:
A
T
(A
−1
)
T
= (A
−1
A)
T
= E
T
= E,
(A
−1
)
T
A
T
= (AA
−1
)
T
= E
T
= E.

Rögzített n ∈ N esetén az nn típusú mátrixok gyűrűt alkotnak (mátrix-
gyűrű). Ez a gyűrű egységelemes, E az egységelem. De nem kommutatív, és
nem nullosztómentes. Valóban, két nem nulla mátrix szorzata lehet nulla:

1 0
1 0

0 0
1 1

=

0 0
0 0

.
Az alábbiakban a Gauss-féle eliminációt ismertetjük. Ennek segítségével
meghatározhatjuk egy mátrix inverzét, és a későbbiekben lineáris egyenle-
trendszerek megoldására is használjuk.
1.26. Definíció. Az alábbi mátrixátalakításokat (műveleteket) elemi sor
(oszlop) átalakításoknak nevezzük:
1. MÁTRIXOK 67
1. egy mátrix sorának (oszlopának) skalárszorosát hozzáadjuk egy másik
sorához (oszlopához),
2. egy mátrix két tetszőleges sorát (oszlopát) felcseréljük,
3. egy mátrix sorát (oszlopát) zérustól különböző skalárral megszorozzuk.
1.27. Definíció. Két mátrixot sorekvivalensnek (oszlopekvivalensnek) ne-
vezünk, ha egyik a másikból véges sok elemi sor átalakítással (oszlop áta-
lakítással) előállítható.
1.28. Következmény. Ha B mátrix az A mátrixból véges sok sor (oszlop)
átalakítással megkapható, akkor léteznek olyan sor (oszlop) átalakítások,
amelyek segítségével B-ből A-t kapjuk.
1.29. Definíció. Mátrix egy sorának vezető eleme a sor első zérustól külön-
böző eleme.
1.30. Definíció. Egy mátrixot lépcsős mátrixnak nevezünk, ha teljesíti az
alábbi tulajdonságokat:
1. a mátrixban a zérustól különböző elemeket tartalmazó sorok megelőzik
a csupa nulla sorokat,
2. ha a mátrixban van két olyan sor, ami tartalmaz zérustól különböző
elemet, akkor a másodikban a vezető elem oszlopindexe nagyobb vagy
egyenlő, mint az elsőben.
1.31. Példa. Az A =

¸
¸
¸
1 1 1 3 4 5 5
0 0 2 3 5 8 3
0 0 1 3 4 3 4
0 0 0 0 0 0 0
¸

mátrix lépcsős alakú.
1.32. Definíció. Egy mátrixot trapéz alakúnak nevezünk, ha lépcsős alakú
és az egymás alatt álló sorokban a vezető elemek oszlopindexeinek különb-
sége 1.
1.33. Példa. A B =

¸
¸
¸
1 2 3 4
0 1 2 3
0 0 1 2
0 0 0 0
¸

mátrix trapéz alakú.
1.34. Definíció. Az A ∈ M
n×n
mátrixot háromszög alakúnak vagy felső
triangulárisnak nevezzük, ha i > j esetén a
ij
= 0, továbbá a főátlóban
csupa nem nulla elem áll.
1.35. Példa. A C =

¸
1 3 5
0 2 3
0 0 2
¸

mátrix felső trianguláris.
68 4. MÁTRIXOK
1.36. Tétel. Minden négyzetes mátrix sorekvivalens (oszlopekvivalens is)
egy lépcsős mátrixszal.
Bizonyítás. A lépcsős alakra hozás algoritmusát Gauss-féle eliminációnak
nevezzük.
1. Megkeressük a legkisebb oszlopindexű vezető elemet tartalmazó sort,
és sorcserével az első sorba tesszük. Tegyük fel, hogy az első sor első
eleme nem nulla, ekkor az i-edik sorhoz hozzáadjuk az első sor


a
i1
a
11

-
szeresét, i = 2, . . . , n. Ekkor a mátrix az alábbi alakú lesz:

¸
¸
¸
¸
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 a
n2
. . . a
nn
¸

.
2. Ha a
22
= 0, akkor az alatta lévő elemeket kinullázzuk, azaz az alatta
lévő sorokhoz hozzáadjuk a 2. sor


a
j2
a
22

-szeresét, j = 3, . . . , n.
Ekkor a mátrix:

¸
¸
¸
¸
¸
¸
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
0 0 . . . ˇ a
3n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . ˇ a
nn
¸

.
3. Hasonlóan folytatva az eljárást, véges sok lépésben lépcsős alakú mátrixot
kapunk.

1.37. Definíció. Elemi mátrixoknak nevezzük az n-edrendű egységmátrixból
egy elemi sor (oszlop) transzformációval előállítható mátrixot. Az elemi
mátrixoknak három típusát különböztetjük meg aszerint, hogy milyen elemi
átalakítással kaptuk az egységmátrixból:
1. sorcserével:

¸
0 1 0
1 0 0
0 0 1
¸

,
2. sor szorozva skalárral:

¸
3 0 0
0 1 0
0 0 1
¸

,
1. MÁTRIXOK 69
3. sorhoz hozzáadva másik sor skalárszorosát:

¸
1 0 0
2 1 0
0 0 1
¸

.
1.38. Tétel. Amilyen elemi átalakításokkal keletkezik az E egységmátrixból
az ε elemi mátrix, ugyanolyan elemi átalakításokkal keletkezik az A-ból az
εA mátrix.
1.39. Megjegyzés. A tételt nem bizonyítjuk, de példákon keresztül jól lát-
ható, hogy az elemi átalakítások ekvivalensek a megfelelő elemi mátrixokkal
való szorzással:
1.

¸
0 1 0
1 0 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
2 3 4
1 2 3
4 5 6
¸

,
2.

¸
3 0 0
0 1 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
3 6 9
2 3 4
4 5 6
¸

,
3.

¸
1 0 0
2 1 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
1 2 3
4 7 10
4 5 6
¸

.
1.40. Következmény. A Gauss-elimináció elvégezhető elemi mátrixokkal
balról való szorzásokkal, vagyis minden négyzetes mátrix elemi mátrixokkal
balról szorozva lépcsős mátrixszá alakítható.
1.41. Tétel. Minden elemi mátrix invertálható, és inverze is elemi mátrix.
1.42. Megjegyzés. Ismét példákon keresztül szemléltetjük az állítást:
1. típus: az ilyen mátrixnak önmaga az inverze, így visszafordítja a sor-
rendet:

¸
0 1 0
1 0 0
0 0 1
¸

¸
0 1 0
1 0 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

.
2. típus: ha a sor α-szorosa az eredetinek, akkor az inverzben ezt a sort
(1/α)-val kell szorozni:

¸
3 0 0
0 1 0
0 0 1
¸

¸
1/3 0 0
0 1 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

.
3. típus: Ha az E-ből úgy kaptuk az elemi mátrixot, hogy egy sor λ-
szorosát hozzáadtuk egy másik sorhoz, akkor inverzmátrixban ki kell
vonni belőle:
70 4. MÁTRIXOK

¸
1 0 0
2 1 0
0 0 1
¸

¸
1 0 0
−2 1 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

.
1.43. Tétel. Az A mátrix akkor és csak akkor invertálható, ha a vele sorek-
vivalens mátrixok is azok, azaz ha B = ε
k
ε
1
A is invertálható, ahol
ε
1
, . . . , ε
k
elemi mátrixok.
Bizonyítás. 1. Tegyük fel, hogy A-nak létezik inverze. Ha B = ε
k
ε
1
A,
akkor B invertálható, mert az (A
−1
ε
−1
1
ε
−1
k−1
ε
−1
k
) mátrix az inverze:
(A
−1
ε
−1
1
ε
−1
k−1
ε
−1
k
)(ε
k
. .. .
E
ε
1
A) = E.
2. Tegyük fel, hogy B = ε
k
ε
1
A , és B-nek létezik inverze. Ekkor A =
ε
−1
1
ε
−1
k
B, így A invertálható, és az inverze B
−1
ε
k
ε
1
.

1.44. Tétel. Egy kvadratikus mátrix akkor és csak akkor invertálható, ha
sorekvivalens az egységmátrixszal.
Bizonyítás. 1. Ha A = ε
k
. . . ε
1
E, akkor az előző tétel miatt A invertál-
ható, mert az egységmátrixnak van inverze, mégpedig önmaga. Ekkor
A inverze: Eε
−1
1
. . . ε
−1
k
.
2. Ha Ainvertálható, akkor Gauss-eliminációval háromszög alakra hozható.
Ugyanis ha trapéz alakot kapnánk, akkor lenne benne csupa nulla sor.
Az olyan mátrixok, amik tartalmaznak csupa nulla sorokat, nem in-
vertálhatóak, hiszen ha C i-edik sora 0, akkor tetszőleges D-vel szorozva:
CD =

¸
c
11
. . . c
1n
0 . . . 0
c
n1
. . . c
nn
¸

¸
d
11
. . . d
1n
0 . . . 0
d
n1
. . . d
nn
¸

=

¸
e
11
. . . e
1n
0 . . . 0
e
n1
. . . e
nn
¸

= E.
A kapott háromszög alakú mátrixban skalárszorzással elérhetjük, hogy a
főátlóban csak 1-esek álljanak. Ezeknek az egyeseknek a segítségével ki-
nullázhatjuk a felettük álló elemeket, így megkapjuk az egységmátrixot.

1.45. Következmény. Ha egy A mátrix invertálható, akkor A és A
−1
is
felírható elemi mátrixok szorzataként.
Bizonyítás. Ha A invertálható, akkor A = ε
k
. . . ε
1
E. Ebből
E = ε
−1
1
. . . ε
−1
k
. .. .
A
−1
A, tehát A
−1
is elemi mátrixok szorzata.
2. DETERMINÁNS 71
1.46. Következmény. Gauss-féle szimultán elimináció. Ha az A ∈ M
n×n
átalakítható az egységmátrixszá, akkor ugyanezen átalakításokkal E-ből A
−1
-
et kapjuk.
Bizonyítás. Ha E = ε
k
. . . ε
1
. .. .
A
−1
A, akkor ε
k
. . . ε
1
E = A
−1
.
1.47. Példa. Legyen A =

¸
1 0 1
2 1 1
1 2 0
¸

. Számítsuk ki A inverzét elemi sorá-
talakítások segítségével úgy, hogy az A mátrixon végrehajtott átalakításokat
szimultán módon végrehajtjuk az egységmátrixon is az 1.46. következmény
szerint:
A =

¸
1 0 1
2 1 1
1 2 0

1 0 0
0 1 0
0 0 1
¸

¸
1 0 1
0 1 −1
0 2 −1

1 0 0
−2 1 0
−1 0 1
¸

¸
1 0 1
0 1 −1
0 0 1

1 0 0
−2 1 0
3 −2 1
¸

¸
1 0 0
0 1 0
0 0 1

−2 2 −1
1 −1 1
3 −2 1
¸

,
tehát A
−1
=

¸
−2 2 −1
1 −1 1
3 −2 1
¸

.
2. Determináns
A determinánsok alapvető szerepet játszanak a lineáris egyenletrendszerek
vizsgálatában.
2.1. Definíció. Az (1, . . . , n) elemek egy permutációjában az inverziók szá-
mának nevezzük az I számot, ami azt jelöli, hogy hány szomszédos elem
cseréjével állítható elő a permutáció az (1, . . . , n)-ből.
2.2. Definíció. Az A ∈ M
n×n
mátrix minden sorából és oszlopából vá-
lasszunk ki pontosan egy elemet, tehát összesen n darab elemet. Az első
oszlopból kiválasztott elemet jelölje a
i
1
1
,. . . , az n-edik oszlopból kiválasz-
tott elemet pedig a
inn
. Ezt az n darab számot összesen n!-féleképpen lehet
kiválasztani, mert ennyi a sorindexek (azaz az (1, . . . , n) számok) összes
lehetséges permutációinak száma. Az A mátrix determinánsának az alábbi
72 4. MÁTRIXOK
számot nevezzük:
det A =
¸
(i
1
,...,in)∈Pn
(−1)
I
a
i
1
1
. . . a
inn
,
ahol I az

1 . . . n
i
1
. . . i
n

permutációban az inverziók száma. Az összegzés
az (1, . . . , n) elemek összes (i
1
, . . . , i
n
) permutációjára kiterjed. A determi-
nánsra használatos még az [A[ és a [a
1
, . . . , a
n
[ jelölés is, ahol a
i
a mátrix
i-edik oszlop vektorát jelöli.
2.3. Példa. 1. Kétszer kettes mátrixok determinánsa:

a
11
a
12
a
21
a
22

= a
11
a
22
−a
21
a
12
,
azaz a főátlóban lévő elemek szorzatából kivonjuk a mellékátlóbeliek
szorzatát.
2. Háromszor hármas mátrixok determinánsa:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

=
a
11
a
22
a
33
+ a
31
a
12
a
23
+ a
21
a
32
a
13
− a
31
a
22
a
13
− a
21
a
12
a
33
− a
11
a
32
a
23
.
A 3 3-as esetben is a "főátló irányúak" szorzatainak és a "mellékátló
irányúak" szorzatainak a különbsége a determináns.
abra
Megjegyezzük, hogy ilyen egyszerű számolási szabály a magasabbrendű
determinánsokra nem létezik.
2.4. Tétel. Legyen A ∈ M
n×n
. Ekkor a determináns rendelkezik az alábbi
tulajdonságokkal:
1. [A[ = [A
T
[;
2. ha A tartalmaz csupa 0 sort, akkor [A[ = 0;
3. sor vagy oszlopcsere esetén a determináns előjelet vált:
[a
1
, . . . , a
i
, . . . , a
j
, . . . , a
n
[ = −[a
1
, . . . , a
j
, . . . , a
i
, . . . , a
n
[;
4. ha két sor vagy két oszlop megegyezik, akkor a determináns nulla:
[a
1
, . . . , a, . . . , a, .., a
n
[ = 0;
5. ha egy sort skalárral szorzok, a skalár kiemelhető:
[a
1
, . . . , λa
i
, . . . , a
n
[ = λ[a
1
, . . . , a
n
[;
2. DETERMINÁNS 73
6. ha két sor vagy oszlop lineárisan függő, akkor a determináns nulla:
[a
1
, . . . , a
i
, . . . , λa
i
, .., a
n
[ = 0;
7. ha egy oszlopvektort (sorvektort) két vektor összegére bontjuk, akkor a
determináns is szétbontható:
[a
1
, . . . , a
i
+a
i
, . . . , a
n
[ = [a
1
, . . . , a
n
[ +[a
1
, . . . , a
i
, . . . , a
n
[;
8. a determináns értéke nem változik, ha egy sor- (vagy oszlop)vektorának
skalárszorosát hozzáadjuk egy másik sorához (vagy oszlopához):
[a
1
, . . . , a
i
, . . . , a
j
, .., a
n
[ = [a
1
, . . . , a
i
, . . . , a
j
+λa
i
, .., a
n
[;
9. trianguláris mátrix determinánsa a főátlóban álló elemek szorzata;
10. ha egy mátrix sor vagy oszlopvektorai lineárisan függőek, akkor a de-
terminánsa nulla;
11. ha det A = 0, akkor A oszlopvektorai lineárisan függetlenek.
Bizonyítás. 1. A transzponált mátrixban ugyanazok az elemek vannak,
mint az eredetiben, a belőlük képzett szorzatok is ugyanazok. Ha az
eredeti determinánsban egy tag a
i
1
1
. . . a
inn
alakú, akkor a transzponált
mátrix determinánsában: a
1i
1
. . . a
nin
alakú lesz. Ahány elemcsere szük-
séges az (i
1
, . . . , i
n
) elemekből az (1, . . . , n) sorrend eléréséhez, ugyanan-
nyi elemcserével fog kialakulni az (1, . . . , n)-ből a sorindexek tényleges
sorrendje, ez éppen az (i
1
, . . . , i
n
) permutációban az inverziók száma.
Tehát a szorzatok előjele sem változik.
Ennek a tulajdoságnak köszönhető, hogy azok az állítások, melyek
sorokra vonatkoznak, oszlopokra is teljesülnek, és fordítva.
2. Mivel a determináns minden tagjában szerepel nulla, így a tagok összege
is nulla.
3. Sorcserénél minden tagban a sorindexek közül kettő fel van cserélve, így
az inveziók száma minden tagban páratlan számmal nő vagy csökken
(két elem cseréje mindig páratlan sok szomszédos elem cseréjével helyet-
tesíthető). Ezért minden tag előjelet vált, tehát a determináns is előjelet
vált.
4. Ha a mátrixban két sor megegyezik, akkor ezt a két sort megcserélve
a mátrix nem változik, de az előző tulajdonság miatt a determináns
előjelet vált. Ez csak akkor lehet igaz, ha a determináns nulla.
5. Ha egy sort skalárral szorzunk, a determináns minden tagja pontosan
egyszer lesz megszorozva ezzel a skalárral, így maga a determináns is.
6. Ha két oszlop lineárisan függő, akkor:
[a
1
, . . . , a
i
, . . . , λa
i
, .., a
n
[ = λ[a
1
, . . . , a
i
, . . . , a
i
, .., a
n
[ = λ0 = 0.
74 4. MÁTRIXOK
7. Ha az i. oszlopvektor két vektor összegére bomlik, akkor a determináns
minden tagjában pontosan egy összeadás szerepel, így:
[a
1
, . . . , (a
i
+a
i
), . . . , a
n
[ =
¸
(j
1
,...,jn)∈Pn
(−1)
I
a
j
1
1
. . . (a
j
i
i
+a
j
i
i
) . . . a
jnn
=
¸
(j
1
,...,jn)∈Pn
(−1)
I
a
j
1
1
. . . a
j
i
i
. . . a
jnn
+
¸
(j
1
,...,jn)∈Pn
(−1)
I
a
j
1
1
. . . a
j
i
i
. . . a
jnn
=
[a
1
, . . . , a
i
, . . . , a
n
[ +[a
1
, . . . , a
i
, . . . a
n
[.
8. Az előző tulajdonságok alapján:
[a
1
, .., a
i
, .., a
j
+λa
i
, .., a
n
[ = [a
1
, .., a
i
, .., a
j
, .., a
n
[ +[a
1
, .., a
i
, .., λa
i
, .., a
n
[ =
[a
1
, .., a
i
, .., a
j
, .., a
n
[ +λ[a
1
, .., a
i
, .., a
i
, .., a
n
[
. .. .
0
= [a
1
, .., a
i
, .., a
j
, .., a
n
[ = [A[.
9. Trianguláris mátrix determinánsában csak egyetlen tagban nem szerepel
nulla, ez éppen az átlós elemek szorzata, pozitív előjellel.
10. Ha egy mátrix oszlopai lineárisan függőek, akkor létezik olyan oszlop,
ami a többi lineáris kombinációja. Tegyük fel, hogy ez az utolsó oszlop
(ez oszlopcserével elérhető), ekkor:
[a
1
, . . . , λ
1
a
1
+ +λ
n−1
a
n−1
[ = [a
1
, . . . , λ
1
a
1
[ + +[a
1
, . . . , λ
n−1
a
n−1
[ =
λ
1
[a
1
, . . . , a
1
[
. .. .
0
+ +λ
n−1
[a
1
, . . . , a
n−1
, a
n−1
[
. .. .
0
= 0.
11. A 10. tulajdonság kontrapozíciója.

A determináns fogalmát másképpen is meg lehet fogalmazni. A következő
definícióban a determinánst, mint bizonyos tulajdonságokkal rendelkező füg-
gvényt fogjuk meghatározni, utána belátjuk, hogy a két definíció ekvivalens.
2.5. Definíció. Legyen A ∈ M
n×n
, A = (a
1
, . . . , a
n
). Determináns füg-
gvénynek nevezzük a det : M
n×n
→ R leképezést, ha rendelkezik az alábbi
tulajdonságokkal:
1. oszlopvektoraiban additív:
det(a
1
+a
1
, . . . , a
n
) = det(a
1
, . . . , a
n
) + det(a
1
, . . . , a
n
),
2. oszlopvektoraiban homogén: det(λa
1
, . . . , a
n
) = λdet(a
1
, . . . , a
n
),
3. alternáló tulajdonságú (más szóval antiszimmetrikus):
det(a
1
, . . . , a
i
, . . . , a
j
, . . . a
n
) = −det(a
1
, . . . , a
j
, . . . , a
i
, . . . , a
n
),
4. az egységmátrix determinánsa 1: det(e
1
, . . . , e
n
) = 1,
ahol e
1
= (1, 0, . . . , 0)
T
; . . . ; e
n
= (0, . . . , 0, 1)
T
.
2. DETERMINÁNS 75
2.6. Tétel. A determinánsra adott 2.2. és 2.5. definíciók ekvivalensek.
Bizonyítás. 1. Az első definícióból bebizonyított tulajdonságok között sze-
repelnek a második definíció követelményei.
2. A mátrix oszlopvektorai R
n
-beli vektorok, előállíthatók a természetes
bázis lineáris kombinációiként:

¸
¸
a
1i
.
.
.
a
ni
¸

= a
1i

¸
¸
1
.
.
.
0
¸

+ +a
ni

¸
¸
0
.
.
.
1
¸

,
vagyis a
i
=
n
¸
j=1
a
ji
e
j
. Ekkor használva a 2.5. definícióbeli tulajdonsá-
gokat:
det A = det(a
1
, . . . , a
n
) = det

n
¸
j
1
=1
a
j
1
1
e
j
1
, . . . ,
n
¸
jn=1
a
jnn
e
jn

=
¸
(j
1
,...,jn)∈Pn
a
j
1
1
. . . a
jnn
det(e
j
1
, . . . , e
jn
).
Mivel (e
j
1
, . . . , e
jn
) az (e
1
, . . . , e
n
)-ből oszlopcserékkel állítható elő, még-
pedig annyival, amennyi a (j
1
, . . . , j
n
) permutációban az inverziók száma.
Tehát az alternáló tulajdonság miatt:
det(e
j
1
, . . . , e
jn
) = (−1)
I
det(e
1
, . . . , e
n
)
. .. .
1
,
így megkaptuk a 2.2. definícióbeli determináns előállítást.

2.7. Megjegyzés. Természetesen a determináns 2.4. tételbeli tulajdonsá-
gai bebizonyíthatóak a 2.5. definíció alapján is. Például a 2. tulajdonság:
det(0, . . . , a
n
) = det(00, . . . , a
n
) = 0 det(0, . . . , a
n
) = 0.
2.8. Tétel. Ha egy mátrix oszlopvektorai lineárisan függetlenek, akkor a
determinánsa nem nulla.
Bizonyítás. Ha az oszlopvektorok lineárisan függetlenek, akkor bázist alkot-
nak, és lineáris kombinációjukként felírhatóak a természetes bázis elemei.
Ekkor
1 = det E = det(e
1
, . . . , e
n
) = det(
n
¸
i
1
=1
λ
i
1
1
a
i
1
, . . . ,
n
¸
in=1
λ
inn
a
in
) =
76 4. MÁTRIXOK
¸
(i
1
,..,in)∈Pn
λ
i
1
1
..λ
inn
det(a
i
1
, .., a
in
) =
¸
(i
1
,..,in)∈Pn
(−1)
I
λ
i
1
1
..λ
inn
det(a
1
, .., a
n
).
Ha det(a
1
, . . . , a
n
) nulla lenne, akkor az egész kifejezés nulla lenne.
2.9. Tétel (Determinánsok szorzás tétele). Mátrixok szorzatának de-
terminánsa egyenlő a tényező mátrixok determinánsának szorzatával:
[AB[ = [A[[B[
.
Bizonyítás. Legyen AB = C = (c
ij
) = (c
1
, . . . , c
n
). Mivel c
lj
=
n
¸
i=1
a
li
b
ij
,
ezért c
j
=
n
¸
i=1
a
i
b
ij
. Ekkor
det(c
1
, . . . , c
n
) = det

n
¸
i
1
=1
a
i
1
b
i
1
1
, . . . ,
n
¸
in=1
a
in
b
inn

=
¸
(i
1
,..,in)∈Pn
b
i
1
1
..b
inn
det(a
i
1
, .., a
in
) =
¸
(i
1
,..,in)∈Pn
(−1)
I
b
i
1
1
..b
inn
det(a
1
, .., a
n
)
. .. .
|A|
=
¸
(i
1
,...,in)∈Pn
(−1)
I
b
i
1
1
. . . b
inn
. .. .
|B|
[A[ = [B[[A[.

2.10. Tétel. Négyzetes mátrix akkor és csak akkor invertálható, ha deter-
minánsa nem nulla.
Bizonyítás. 1. Tegyük fel, hogy A invertálható. Ekkor AA
−1
= E . Mivel
[E[ = 0, a determinánsok szorzástétele alapján [A[[A
−1
[ = [E[ = 0, így
[A[ = 0 és [A
−1
[ = 0.
2. Ha A determinánsa nem nulla, akkor oszlopai lineárisan függetlenek,
így bázist alkotnak. Ebben a bázisban felírva az e
1
, . . . , e
n
vektorokat
(a természetes bázis vektorait), azt kapjuk, hogy e
j
=
n
¸
i=1
b
ij
a
i
, vagyis
e
lj
=
n
¸
i=1
b
ij
a
li
. Ez azt jelenti, hogy E = BA , ahol B a b
ij
számokból
alkotott mátrix, amely kielégíti az inverzmátrix definícióját, tehát A
invertálható.
2. DETERMINÁNS 77

2.11. Definíció. Legyen A ∈ M
n×n
, n ≥ 2 és 1 ≤ k ≤ n. Jelöljünk ki a
mátrixban k darab sort (i
1
, . . . , i
k
), és k darab oszlopot (j
1
, . . . , j
k
). Ezen
oszlopok és sorok metszéspontjában álló elemek egy k k tipúsú mátrixot
alkotnak, és ennek a mátrixnak a determinánsát az eredeti mátrix k-adrendű
aldeterminánsának nevezzzük és az [A
k
[ jelölést használjuk rá. A mátrix
azon elemei amelyek nem tartoznak a kijelölt sorokhoz, illetve oszlopokhoz,
egy (n − k) (n − k) típusú mátrixot alkotnak, amit a k-adrendű aldeter-
minánshoz tartozó adjungált aldeterminánsnak nevezünk.
2.12. Megjegyzés. Egy A ∈ M
n×n
mátrixnak

n
k

n
k

darab különböző k-
adrendű aldeterminánsa van, és ugyanennyi az (n − k) (n − k) típusúak
száma.
2.13. Definíció. Egy A ∈ M
n×n
mátrix [A
k
[ aldeterminánsához tartozó
adjungált algebrai aldeterminánsnak nevezzük az [A
k
[

= (−1)
I+J
[A
n−k
[
előjellel ellátott adjungált aldeterminánst. Itt I = i
1
+ +i
k
, vagyis az [A
k
[
aldeterminánshoz kiválasztott sorok indexeinek összege, és J = j
1
+ +j
k
ahol j
1
, . . . , j
k
az [A
k
[ aldeterminánsban az oszlopok indexeit jelöli.
2.14. Megjegyzés. Egy A ∈ M
n×n
mátrix esetén ha [A
k
[

= (−1)
I+J
[A
n−k
[,
akkor [A
n−k
[

= (−1)
T
[A
k
[, és T-ben éppen azoknak a sor és oszlopindex-
eknek az összege szerepel, amelyek nincsenek I +J-ben, tehát
T = 2(1 + +n)
. .. .
összes sor és oszlopindex összege
−(I +J) = n(n −1)
. .. .
páros
−(I +J),
így T paritása megegyezik I +J paritásával, [A
n−k
[

és [A
k
[

előjele mege-
gyezik.
2.15. Tétel (Laplace-féle kifejtési tétel). Az A ∈ M
n×n
mátrixban jelöl-
jünk ki k darab oszlopot (vagy sort), és tekintsük az összes olyan k-adrendű
aldeterminánst, amelyekben pontosan ezek az oszlopok (sorok) szerepelnek.
Jelölje ezeket az aldeterminánsokat [K
k
1
[, . . . , [K
k
r
[ és a hozzájuk tartozó al-
gebrai adjungált aldeterminánsokat pedig [K
k
1
[

, . . . , [K
k
r
[

. Ekkor
[A[ = [K
k
1
[[K
k
1
[

+ +[K
k
r
[[K
k
r
[

.
2.16. Lemma. Tekintsünk egy k-adrendű aldeterminánst ([K
k
[) és a hozzá
tartozó adjungált algebrai aldeterminánst ([K
k
[

). Ekkor a [K
k
[ és [K
k
[

aldeterminánsok egy-egy tetszőlegesen kiválasztott tagjának a szorzata tagja
lesz [A[-nak.
78 4. MÁTRIXOK
Bizonyítás. (Lemma)
1. Tegyük fel, hogy K az első k darab sorhoz és az első k darab oszlophoz
tartozó aldetermináns. Ekkor
[K
k
[ =
¸
(l
1
,...,l
k
)∈P
k
(−1)
L
a
l
1
1
. . . a
l
k
k
,
[K
k
[

=
¸
(m
k+1
,...,mn)∈P
n−k
(−1)
M
a
m
k+1
k+1
. . . a
mnn
,
mert az adjungált aldeterminánsban a sor és oszlopindexek éppen a k +
1, . . . , n számok. Két tetszőlegesen választott tag szorzata:
(−1)
L
a
l
1
1
. . . a
l
k
k
(−1)
M
a
m
k+1
k+1
. . . a
mnn
=
= (−1)
M+L
a
l
1
1
. . . a
l
k
k
a
m
k+1
k+1
. . . a
mnn
. .. .
n darab tényező szorzata
.
L + M éppen az (l
1
, . . . , l
k
, m
k+1
, . . . , m
n
) permutációban az inverziók
száma, mert az első k darab sorindex és a második n−k darab sorindex
nem állhat inverzióban egymással: 1 ≤ l
i
≤ k < k + 1 ≤ m
k+j
≤ n,
tehát l
i
< m
k+j
(két elem akkor áll inverzióban egymással, ha a nagyobb
megelőzi a kisebbet a permutációban). Tehát ez a tag szerepel az A
mátrix determinánsában.
2. Most tetszőleges k darab sor és oszlop esetén vizsgáljuk a két tag szorza-
tát. Legyen az aldetermináns [K

k
[. Ekkor sor és oszlopcserékkel el lehet
érni, hogy az i
1
, . . . , i
k
sorhoz és a j
1
, . . . , j
k
oszlophoz tartozó aldeter-
mináns az első k darab sorba és oszlopba kerüljön. Minden ilyen csere
előjelváltással jár, hiszen maguk az aldeterminánsok nem változnak, de
a sorindexek és oszlopindexek összege eggyel csökken. Ahhoz, hogy az
i
1
-edik sor az első sorba kerüljön i
1
− 1 szomszédos sor cseréréje van
szükség. Hasonlóan ahhoz, hogy az i
k
-adik sor a k-adik sorba kerüljön,
i
k
−k darab szomszédos sort kell megcserélni. Összesen tehát
i
1
+ +i
k
+j
1
+ +j
k
−2(1 + 2 + +k)
. .. .
páros
darab sorcsere és oszlopcsere szükséges, és az adjungált algebrai alde-
termináns [K

k
[

) előjele (−1)
I+J
lesz, tehát annyi, amennyi eredetileg
volt. így az első pontban leírtak alapján az [K

k
[[K

k
[

-beli szorzatok is
szerepelnek a determinánsban.

2. DETERMINÁNS 79
Bizonyítás. (Laplace tétel) A lemma alapján tudjuk, hogy a [K
k
1
[[K
k
1
[

+
+ [K
k
r
[[K
k
r
[

kifejezés valamennyi tagja szerepel A determinánsában. Az
világos, hogy a [K
k
1
[[K
k
1
[

+ +[K
k
r
[[K
k
r
[

-ben szereplő tagok különböznek.
Belátjuk, hogy ez éppen annyi tagot jelent, amennyiből [A[ áll (ez n! darab
tag). A k darab oszlop rögzítése után a k darab sort

n
k

-féleképpen választ-
hatjuk ki. Egy [K
k
i
[[K
k
i
[

szorzatban pedig k!(n −k)! darab tag van (hiszen
egy k k típusú determinánsnak k! darab tagja van), így összesen

n
k

k!(n −k)! = n!
darab tag van, ami valóban a determináns összes tagját jelenti.
2.17. Megjegyzés. A Laplace tétel leggyakrabban használt speciális esete
az egy sor vagy egy oszlop szerinti kifejtés, amikor az aldeterminánsok 1 1
típusúak, az adjungált algebrai aldeterminánsok pedig (n − 1) (n − 1)
típusúak.
2.18. Példa. Egy 4 4 típusú mátrix determinánsát valamely oszlopa sz-
erinti kifejtéssel 4 darab 33 típusú determináns kiszámítására vezethetjük
vissza. Az első oszlop szerint kifejtve:

1 0 1 2
2 2 3 4
0 1 2 3
3 1 1 1

= 1(−1)
1+1

2 3 4
1 2 3
1 1 1

+ 2(−1)
2+1

0 1 2
1 2 3
1 1 1

+
0(−1)
3+1

0 1 2
2 3 4
1 1 1

+ 3(−1)
4+1

0 1 2
2 3 4
1 2 3

.
2.19. Tétel (Ferde kifejtési tétel). Ha az A ∈ M
n×n
mátrixot kifejtjük
egy oszlopa (sora) szerint úgy, hogy egy másik oszlop (sor) elemeihez tartozó
adjungált algebrai aldeterminánsokat használjuk, akkor az eredmény nulla
lesz:
a
1j
[A
n−1
1k
[

+ +a
nj
[A
n−1
nk
[

= 0,
ahol [A
n−1
ik
[

az a
ik
elemhez tartozó adjungált algebrai aldetermináns, és
k = j.
Bizonyítás. Vegyük észre, hogy az
a
1j
[A
n−1
1k
[

+ +a
nj
[A
n−1
nk
[

80 4. MÁTRIXOK
kifejezés nem más, mint annak a mátrixnak a k-adik oszlop szerinti kifejtése,
amelynek a j-edik és a k-adik oszlopa megegyezik, így ez a determináns
nulla.
2.20. Tétel. Egy A ∈ M
n×n
mátrix B inverzének (ha létezik) b
ij
elemét
kiszámíthatjuk az alábbi módon:
b
ij
=
1
[A[
[A
n−1
ji
[

,
ahol [A
n−1
ji
[

az a
ji
elemhez tartozó adjungált algebrai aldetermináns, vagy
másképpen a transzponált mátrix (A
T
)
ij
eleméhez tartozó adjungált algebrai
aldetermináns.
Bizonyítás. Az állítás egyszerű számítással adódik.
(AB)
ij
=
n
¸
k=1
a
ik
(B)
kj
=
1
[A[
n
¸
k=1
a
ik
[A
n−1
jk
[

,
ami éppen a ferde kifejtési tétel sorokra vonatkozó változata miatt i = j
esetén nulla. Ha pedig i = j, akkor
n
¸
k=1
a
ik
[A
n−1
ik
[

= [A[,
mert ez éppen A-nak az i-edik sora szerinti kifejtése. Tehát
(AB)
ij
=
1
[A[
n
¸
k=1
a
ik
[A
n−1
jk
[

= δ
ij
= (E)
ij
.

2.21. Példa. Legyen A =

a b
c d

. Ekkor [A[ = ad − cb, [A
11
[

= d,
[A
12
[

= −c, [A
21
[

= −b, [A
22
[

= a, így A
−1
=
1
ad −bc

d −b
−c a

.
3. Mátrix rangja
3.1. Megjegyzés. Az előző fejezet 2.21. definíciója szerint egy (a
1
, . . . , a
n
)
vektorrendszer rangján az általa generált altér dimenzióját értjük:
rg(a
1
, . . . , a
n
) = dimL(a
1
, . . . , a
n
),
3. MÁTRIX RANGJA 81
ami tulajdonképpen a benne szereplő lineárisan független vektorok maxi-
mális száma.
3.2. Tétel. Az (a
1
, . . . , a
n
) vektorrendszer rangját nem változtatják meg az
alábbi átalakítások (úgynevezett ranginvariás átalakítások):
1. vektor szorzása λ = 0 skalárral,
2. egy vektor skalárszorosának hozzáadása egy másik vektorhoz,
3. vektorok felcserélése,
4. olyan vektor elhagyása, amely lineárisan kombinálható a többiből.
Bizonyítás. Definíció alapján könnyen belátható.
3.3. Definíció. Legyen A egy n k típusú mátrix. A mátrix sorvektorai
által alkotott vektorrendszer rangját a mátrix rangjának nevezzük.
3.4. Megjegyzés. A zérusmátrix rangja nulla, az n-edrendű egységmátrix
rangja n.
3.5. Tétel. Az A ∈ M
n×k
mátrix rangja egyenlő egy maximális rendű,
zérustól különböző aldeterminánsának a rendjével.
Bizonyítás. Az A = (a
ij
) ∈ M
n×k
mátrix egy maximális rendű, el nem tűnő
aldeterminánsának rendje legyen r, értéke [A
r
[ = D
0
, azaz az (r+1)-edrendű
aldeterminánsok mind nullával egyenlőek. Természetesen r ≤ min(n, k).
1. Először megmutatjuk, hogy ha tekintjük az [A
r
[ aldeterminánsban sze-
replő sorokat, akkor ezek lineárisan függetlenek. Tegyük fel, hogy [A
r
[
sorai és oszlopai az első r darab sorban, illetve r darab oszlopban vannak,
ez sor- és oszlopcserékkel mindig elérhető:
B =

¸
¸
¸
¸
b
1
= (a
11
, a
12
, . . . , a
1r
)
b
2
= (a
21
, a
22
, . . . , a
2r
)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
b
r
= (a
r1
, a
r2
, . . . , a
rr
)
¸

.
Mivel det B = 0, ezért (b
1
, . . . , b
r
) lineárisan független vektorrendszer,
tehát
(3.1) λ
1

¸
¸
a
11
.
.
.
a
1r
¸

. .. .
b

1
+ +λ
r

¸
¸
a
r1
.
.
.
a
rr
¸

. .. .
b

r
=

¸
¸
0
.
.
.
0
¸

. .. .
0
esetén λ
1
= = λ
r
= 0.
82 4. MÁTRIXOK
Most tekintsük az A mátrix első r darab sorát:

¸
¸
¸
¸
a
1
= (a
11
, a
12
, . . . , a
1k
)
a
2
= (a
21
, a
22
, . . . , a
2k
)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
r
= (a
r1
, a
r2
, . . . , a
rk
)
¸

,
és vizsgáljuk meg, hogy lineárisan függetlenek-e. Mivel a
λ
1

¸
¸
a
11
.
.
.
a
1k
¸

. .. .
a

1
+ +λ
r

¸
¸
a
r1
.
.
.
a
rk
¸

. .. .
a

r
=

¸
¸
0
.
.
.
0
¸

. .. .
0
egyenletrendszer első r darab egyenlete megegyezik a (3.1) egyenletrend-
szerrel amely csak nulla együtthatók esetén tejesül így szükségképpen
λ
1
= = λ
r
= 0. Ez azt jelenti, hogy (a
1
, . . . , a
r
) lineárisan független
vektorrendszer.
2. Be kell még látni, hogy (a
1
, . . . , a
r
) maximális lineárisan független vek-
torrendszer, azaz az A mátrixnak nem lehet több lineárisan független
sora. Ha r = n akkor az állítás nyilvánvaló, ha r < n akkor legyen
m, j ∈ N olyan, hogy r < m ≤ n, 1 ≤ j ≤ k és tekintsük az alábbi
(r + 1)-edrendű determinánst:
D
mj
=

a
11
. . . a
1r
a
1j
.
.
. . . .
.
.
.
.
.
.
a
r1
. . . a
rr
a
rj
a
m1
. . . a
mr
a
mj

.
Természetesen ez a determináns nulla:
(a) Ha j ≤ r, akkor a determinánsban van két egyforma oszlop, így
az nulla.
(b) Ha j > r, akkor ez egy (r + 1)-ed rendű aldeterminánsa A-
nak. Mivel feltettük, hogy [A
r
[ maximális rendű el nem tűnő
aldetermináns, így D
mj
= 0.
Ha most kifejtjük az utolsó oszlop szerint a D
mj
determinánst:
D
mj
= a
1j
[A
n−1
1j
[

+... +a
mj
[A
n−1
mj
[

. .. .
Ar=0
= 0,
3. MÁTRIX RANGJA 83
akkor
a
mj
=
−1
[A
r
[
(a
1j
[A
n−1
1j
[

) −....
1
[A
r
[
(a
rj
[A
n−1
rj
[

).
Tehát a
mj
minden j ∈ ¦1, . . . , k¦ esetén ilyen alakba írható, ugyanezekkel
az együtthatókkal, mert [A
n−1
ij
[

˙ =[A
n−1
i
[

(i = 1, . . . , r) valójában nem
függ j-től, ezért
−[A
n−1
1
[

[A
r
[

¸
¸
a
11
.
.
.
a
1k
¸

. .. .
a

1
+ +
−[A
n−1
r
[

[A
r
[

¸
¸
a
r1
.
.
.
a
rk
¸

. .. .
a

r
=

¸
¸
a
m1
.
.
.
a
mk
¸

. .. .
a

m
.
Ekkor a
m
lineárisan kombinálható az (a
1
, . . . , a
r
) vektorokból, így ezek
maximális lineárisan független sorvektorrendszert alkotnak az A mát-
rixban, azaz A rangja r.

3.6. Következmény. Mátrix rangja egyenlő transzponáltjának a rangjával,
azaz oszloprendszerének rangjával.
3.7. Következmény. A mátrix rangja Gauss-eliminációval meghatározható:
lépcsős alakra hozzuk, és a nem nulla sorok száma adja a mátrix rangját.
Ez abból következik, hogy egyrészt a Gauss-elimináció nem változtatja
meg a mátrix rangját, másrészt egy lépcsős alakú mátrix rangja nyilván-
valóan a nem nulla sorainak számával egyenő.
3.8. Példa. Meghatározzuk az alábbi 3 3-as mátrix rangját.
rg

¸
1 2 3
2 3 4
4 7 10
¸

= rg

¸
1 2 3
0 −1 −2
0 −1 −2
¸

= rg

¸
1 2 3
0 −1 −2
0 0 0
¸

= 2
a Gauss-eliminációt használva.
Az aldeterminánsokat használva is megoldjuk a feladatot.

1 2 3
2 3 4
4 7 10

= (1310+244+327)−(334+2210+147) = 104−104 = 0,
azonban

1 2
2 3

= 1 3 −2 2 = 1 = 0.
84 4. MÁTRIXOK
4. Lineáris egyenletrendszerek
4.1. Definíció. Legyen A = (a
ij
) ∈ M
k×n
, b
i
∈ T (i = 1, . . . , k), ahol a T
az R vagy a C számtestek valamelyikét jelöli. Lineáris egyenletrendszernek
nevezzük a következő egyenletrendszert:
(4.2)
a
11
x
1
+ ... +a
1n
x
n
= b
1
.
.
.
.
.
.
a
k1
x
1
+ ... +a
kn
x
n
= b
k
Az x
1
, . . . , x
n
szimbólumokat ismeretleneknek nevezzük. Ha bevezetjük az
alábbi jelöléseket:
a
1
=

¸
¸
a
11
.
.
.
a
k1
¸

, ..., a
n
=

¸
¸
a
1n
.
.
.
a
kn
¸

, b =

¸
¸
b
1
.
.
.
b
k
¸

,
akkor az egyenletrendszert vektoriális alakba írhatjuk:
a
1
x
1
+... + a
n
x
n
= b.
Az egyenletrendszer mátrixos alakja:
Ax = b, ahol x =

¸
¸
x
1
.
.
.
x
n
¸

.
Ekkor A-t az egyenletrendszer alapmátrixának nevezzük, az
(A[b) =

¸
¸
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
k1
. . . a
kn

b
1
.
.
.
b
k
¸

mátrix pedig az egyenletrendszer kibővített mátrixa.
4.2. Definíció. A c = c
1
, . . . , c
n
szám n-est a (4.2) egyenletrendszer megol-
dásának nevezzük, ha x
1
, . . . , x
n
helyébe írva igaz egyenlőségeket kapunk,
azaz a szám n-es kielégíti a lineáris egyenletrendszert.
Ha egy lineáris egyenletrendszernek létezik megoldása, akkor megoldhat-
ónak nevezzük, ha nem létezik megoldása, akkor pedig ellentmondásosnak.
Ha az egyenletrendszernek pontosan egy megoldása van, akkor határozottnak
nevezzük, ha végtelen sok akkor határozatlannak.
4.3. Definíció. Az Ax = b lineáris egyenletrendszert homogénnek nevezzük,
ha b = 0, ellenkező esetben pedig inhomogénnek.
4. LINEÁRIS EGYENLETRENDSZEREK 85
4.4. Megjegyzés. Egy lineáris egyenletrendszer vizsgálatánál az első kérdés
az, hogy létezik-e megoldása vagy sem (megoldható vagy ellentmondásos), a
második kérdés pedig az, hogy hogyan lehet megtalálni az összes megoldást.
A következőkben megadunk egy eljárást, amellyel meghatározhatjuk ezeket
a megoldásokat
4.5. Definíció. Két lineáris egyenletrendszert ekvivalensnek nevezünk, ha
a megoldáshalmazuk megegyezik.
4.6. Tétel. Az alábbi átalakítások a (4.2) lineáris egyenletrendszer ekvi-
valens átalakításai, tehát nem változtatják meg a megoldáshalmazát:
1. két egyenlete felcserélése,
2. egy egyenlet szorzása zérustól különböző konstanssal,
3. egy egyenlet konstansszorosának hozzáadása egy másik egyenlethez.
Bizonyítás. 1. Nyilvánvaló.
2. Ha c megoldása az i-edik egyenletnek akkor a
λ(a
i1
x
1
+ +a
in
x
n
) = λb
i
, λ = 0,
egyenletnek is megoldása, és fordítva.
3. Ha a j-edik egyenlethez adjuk hozzá az i-edik λ-szorosát, és c kielégíti
az eredeti egyenletrendszert, akkor az új egyenletrendszer j-edik egyenletét
is kielégíti:
(λa
i1
+a
j1
)x
1
+ + (λa
in
+a
jn
)x
n
=
= λ(a
i1
x
1
+ +a
in
x
n
)
. .. .
λb
i
+(a
j1
x
1
+ +a
jn
x
n
)
. .. .
b
j
= λb
i
+b
j
.
Mivel a többi egyenlet változatlan marad, c megoldása lesz az új egyen-
letrendszernek is. Megfordítva, ha c megoldása az új egyenletrendszernek,
akkor a j-edik kivételével minden egyenlete megegyezik az eredetivel, és
λb
i
+b
j
= (λa
i1
+a
j1
)x
1
+ + (λa
in
+a
jn
)x
n
=
= λ(a
i1
x
1
+ +a
in
x
n
)
. .. .
λb
i
+(a
j1
x
1
+ +a
jn
x
n
)
miatt (a
j1
x
1
+ +a
jn
x
n
) = b
j
, tehát az eredeti egyenletrendszer valamen-
nyi egyenletét kielégíti.
4.7. Tétel. Ha egy lineáris egyenletrendszer kibővített mátrixa sorekvi-
valens egy másik lineáris egyenletrendszer kibővített mátrixszával, akkor a
két lineáris egyenletrendszer ekvivalens.
86 4. MÁTRIXOK
Bizonyítás. Ha két mátrix sorekvivalens, akkor egyik a másikból elemi mát-
rixokkal való szorzásokkal megkapható. Legyen az egyenletrendszer Ax = b
és ε elemi mátrixok szorzata. Ekkor (A[b) sorekvivalens (εA[εb)-vel, és a
hozzájuk tartozó egyenletrendszerek:
Ax = b
(εA)x = εb.
Látható, hogy a két egyenletrendszernek ugyanazok a megoldásai, hiszen ha
Ac = b akkor
(ε A)c
....
b
= εb,
és fordítva, ha (εA)c = εb teljesül, akkor ε
−1
-el szorozva Ac = b adódik (ε
invertálható az 1.41. tétel miatt).
4.8. Tétel. Ha egy lineáris egyenletrendszer kibővített mátrixa lépcsős mát-
rix, akkor az egyenletrendszer akkor és csak akkor oldható meg, ha nincs
olyan sora, amelynek csak az utolsó eleme nem nulla.
Bizonyítás. 1. Ha van olyan sor a kibővített mátrixban, amelynek csak
az utolsó eleme nem nulla, akkor az egyenletrendszer természetesen ellent-
mondásos.
2. Ha az egyenletrendszer mátrixa lépcsős alakú, akkor véges sok áta-
lakítással (oszlopcserékkel) trapéz alakra hozható:
a
11
x
1
+ a
12
x
2
+ . . . +a
1l
x
l
+ . . . +a
1n
x
n
= b
1
0 + a
22
x
2
+ . . . +a
2l
x
l
+ . . . +a
2n
x
n
= b
2
. . . . . .
0 + 0 + . . . +a
ll
x
l
+ . . . +a
ln
x
n
= b
l
0 + 0 + . . . + 0 + . . . + 0 = 0
. . . . . .
0 + 0 + . . . + 0 + . . . + 0 = 0
,
ahol a
11
= 0, . . . , a
ll
= 0. Ilyenkor az x
n
, . . . , x
l+1
ismeretleneknek tet-
szőleges értéket adhatunk, ezek függvényében x
l
meghatározható, ezután
x
n
, . . . , x
l+1
, x
l
segítségével x
l−1
kifejezhető és így tovább. Tehát legyen
x
n
= t
n
, . . . , x
l+1
= t
l+1
, ahol t
n
, . . . , t
l+1
∈ T tetszőleges. Ekkor
x
l
=
b
l
a
ll

a
ll+1
a
ll
t
l+1
− −
a
ln
a
ll
t
n
,
x
l−1
=
b
l−1
a
l−1l−1

a
l−1l
a
l−1l−1
x
l
− −
a
l−1n
a
l−1l−1
t
n
,
4. LINEÁRIS EGYENLETRENDSZEREK 87
.
.
.
végül x
1
kifejezhető t
n
, . . . , t
l+1
, x
l
, . . . , x
n
függvényében.
4.9. Megjegyzés. Mivel Gauss-eliminációval minden lineáris egyenletrend-
szer kibővített mátrixa lépcsős alakra hozható, három esetet különböztet-
hetünk meg.
1. Ha a lépcsős alakú kibővített mátrixban van olyan sor amelyben csak
az utolsó elem nem nulla, akkor nincs megoldás, az egyenletrendszer ellent-
mondásos.
2. Ha az alapmátrix háromszög alakra hozható (n n-es egyenletrend-
szer esetén), akkor az egyenletrendszerben nincsenek szabadon választható
paraméterek. Ekkor az x
1
, . . . , x
n
ismeretlenek értéke egyértelmű, pontosan
egy megoldás van.
3. Ha a kibővített mátrix lépcsős alakjában nincs olyan sor, amelynek csak
az utolsó eleme nem nulla, és az alapmátrix nem háromszög alakú, akkor
az egyenletrendszerben vannak olyan ismeretlenek, amelyeknek tetszőleges
értéket adhatunk. Ekkor végtelen sok megoldás létezik, az egyenletrendszer
határozatlan.
4.10. Példa. 1. Az előző megjegyzés első esete áll fenn, ha az elimináció
után például az alábbi egyenletrendszert kapjuk:
x
1
+x
2
+x
3
= 3
0 = 2
Ekkor az egyenletrendszer ellentmondásos.
2. A második eset áll fenn, ha az elimináció után az alábbi egyenletrend-
szert kapjuk:
x
1
+x
2
+x
3
= 3
x
2
+x
3
= 2
x
3
= 1
Ekkor x
3
= 1-et a második egyenletbe behelyettesítve x
2
= 1 adódik,
melyeket az első egyenletbe behelyettesítve az x
1
= 1 eredményt kapjuk.
Tehát a megoldás egyértelmű.
3. A harmadik esetet kapjuk, ha például:
x
1
+x
2
+x
3
= 3
x
2
+x
3
= 2
Ekkor az egyenletrendszer határozatlan, x
3
tetszőlegesen megválasztható,
x
2
és x
1
ennek függvényében adható meg. Legyen tehát x
3
= t, t ∈ T
88 4. MÁTRIXOK
tetszőleges. Ekkor x
2
= 2 −t és x
1
= 3 −x
2
−x
3
= 1, azaz

¸
x
1
x
2
x
3
¸

=

¸
0
−1
1
¸

t +

¸
1
2
0
¸

.
4.11. Tétel (Kronecker-Capelli-tétel). Az Ax = b lineáris egyenletrend-
szer akkor és csak akkor megoldható, ha az alapmátrix rangja megegyezik
a kibővített mátrix rangjával, azaz rg(a
1
, . . . , a
n
) = rg(a
1
, . . . , a
n
, b) vagy
másképpen rg(A) = rg(A[b).
Bizonyítás. 1. Tegyük fel, hogy a lineáris egyenletrendszer megoldható, azaz
létezik (c
1
, . . . , c
n
) úgy, hogy a
1
c
1
+ +a
n
c
n
= b. Ekkor b ∈ L(a
1
, . . . , a
n
),
tehát L(a
1
, . . . , a
n
) = L(a
1
, . . . , a
n
, b), így rg(a
1
, . . . , a
n
) = rg(a
1
, . . . , a
n
, b).
2. Ha rg(a
1
, . . . , a
n
) = rg(a
1
, . . . , a
n
, b), akkor definíció szerint
dimL(a
1
, . . . , a
n
. .. .
n db
) = dimL(a
1
, . . . , a
n
, b
. .. .
n + 1 db
),
de ez L(a
1
, . . . , a
n
) ⊂ L(a
1
, . . . , a
n
, b) miatt csak akkor lehetséges, ha
L(a
1
, . . . , a
n
) = L(a
1
, . . . , a
n
, b). Ekkor b ∈ L(a
1
, . . . , a
n
), tehát b lineárisan
kombinálható az a
1
, . . . , a
n
vektorokból, így léteznek olyan c
1
, . . . , c
n
számok,
hogy b = a
1
c
1
+ + a
n
c
n
, ami azt jelenti, hogy a c
1
, . . . , c
n
szám n-es
megoldása a lineáris egyenletrendszernek.
4.12. Megjegyzés. Az Ax = 0 homogén lineáris egyenletrendszernek a 0
mindig megoldása.
Ha A ∈ M
n×n
és A invertálható, akkor x = A
−1
0 miatt csak a nullvektor
lesz megoldása az egyenletrendszernek. Ha A nem invertálható, akkor alap-
mátrixát nem lehet háromszög alakra hozni, így a 4.9. megjegyzésben leírtak
alapján lesz nem triviális megoldása is. Ez akkor és csak akkor teljesül, ha
[A[ = 0.
Általában, ha A ∈ M
k×n
, akkor Ax = 0-nak akkor és csak akkor van nem
triviális megoldása, ha A oszlopai lineárisan függőek, azaz rg(A) < n.
4.13. Tétel (Cramer-szabály). Egy Ax = b, n ismeretlenes n darab
egyenletből álló lineáris egyenletrendszernek akkor és csak akkor van pon-
tosan egy megoldása, ha az alapmátrix determinánsa nem nulla. Ekkor az
egyetlen (x
1
, . . . , x
n
) megoldást az
x
i
=
d
i
[A[
(i = 1, . . . , n)
4. LINEÁRIS EGYENLETRENDSZEREK 89
alakban kapjuk, ahol d
i
azt az nn-es mátrixhoz tarozó determinánst jelöli,
amelyet úgy kapunk, hogy az alapmátrix i-edik oszlopát kicseréljük a b osz-
loppal.
Bizonyítás. 1. Ha Ax = b egyértelműen megoldható, akkor a 4.9. megjegy-
zés miatt mátrixa háromszög alakra hozható, tehát sor- és oszlopvektorai
lineárisan függetlenek, így [A[ = 0.
2. Ha [A[ = 0, akkor A invertálható, és A
−1
-gyel szorozva az Ax = b
egyenletrendszert, azt kapjuk, hogy x = A
−1
b, és ez a felírás egyértelmű.
Tehát
x
i
=
n
¸
j=1
(A)
ji
[A[
b
j
=
1
[A[
n
¸
j=1
(A)
ji
b
j
=
d
i
[A[
,
mert
n
¸
j=1
(A)
ji
b
j
éppen annak a determinánsnak az i-edik oszlop szerinti ki-
fejtése, amelyben az i-edik oszlop helyén a b oszlopvektor szerepel.
4.14. Példa. Az alábbi egyenletrendszert Cramer-szabállyal is megoldhatjuk,
hiszen az alapmátrix determinánsa nem nem nulla:
2x
1
+x
2
= 4
x
1
+x
2
= 3
Ekkor
x
1
=

4 1
3 1

2 1
1 1

= 1 és x
2
=

2 4
1 3

2 1
1 1

= 2.
4.15. Tétel. Lineráris egyenletrendszer megoldáshalmazának geometriai in-
terpretációja.
1. Az Ax = 0, A ∈ M
k×n
homogén lineáris egyenletrendszer megoldáshal-
maza alteret alkot T
n
-ben, melynek dimenziója n −rg(A).
2. Az Ax = b, A ∈ M
k×n
inhomogén lineáris egyenletrendszer megoldásai
lineáris sokaságot alkotnak T
n
-ben, melynek iránytere megegyezik az Ax = 0
homogén lineáris egyenletrendszer megoldáshalmazával.
Bizonyítás. 1. Legyen az Ax = 0 homogén lineáris egyenletrendszernek x
1
és x
2
megoldása és λ, µ ∈ T tetszőleges. Belátandó, hogy λx
1
+ µx
2
is
megoldás. Mivel
A(λx
1
+µx
2
) = λ(Ax
1
)
. .. .
0
+µ(Ax
2
)
. .. .
0
= 0,
90 4. MÁTRIXOK
így a megoldások halmaza zárt a lineáris kombináció képzésre nézve, tehát
altér.
2. Legyen az Ax = b lineáris egyenletrendszernek y
1
, y
2
megoldása. Ekkor
Ay
1
= b és Ay
2
= b, így
A(y
1
−y
2
) = Ay
1
−Ay
2
= b −b = 0.
Ez azt jelenti, hogy az y
1
− y
2
vektor benne van az Ax = 0 homogén
lineáris egyenletrendszer H megoldás alterében, így y
1
∈ y
2
+H. Természete-
sen minden y megoldásvektorra y ∈ y
2
+ H teljesül, vagyis az inhomogén
lineáris egyenletrendszer megoldásai egy H irányterű lineáris sokaság elemei.
Továbbá, ezen lineáris sokaság minden eleme megoldása az egyenletrendsz-
ernek: ha y ∈ y
2
+H, akkor y = y
2
+h, ahol h ∈ H, így
A(y) = A(y
2
+h) = Ay
2
+ Ah
....
0
= Ay
2
= b.
3. Most megmutatjuk, hogy az Ax = 0 homogén lineáris egyenletrendszer
megoldásaltere (n−rg(A))-dimenziós. Ehhez megadunk egy megoldásokból
álló lineárisan független rendszert, amely generálja ezt az alteret. A 4.8. té-
tel bizonyításában leírtak alapján, ha tekintjük az egyenletrendszer lépcsős
alakját, akkor abban az x
l+1
, . . . , x
n
ismeretleneknek tetszőleges értéket ad-
hatunk. Itt a lépcsős alakban l darab nem nulla sor szerepel, tehát l = rg(A).
Ha úgy választjuk meg az x
l+1
, . . . , x
n
értékeket, hogy az egyik 1-el egyenlő,
a többi nullával, akkor az így kapott
u
1
= ( x
11
, x
12
, . . . , x
1l
, 1, 0, . . . , 0),
u
2
= ( x
21
, x
22
, . . . , x
2l
, 0, 1, . . . , 0),
.
.
.
u
n−l
= ( x
(n−l)1
, x
(n−l)2
, . . . , x
(n−l)l
, 0, 0, . . . , 1)
megoldásvektorok lineárisan függetlenek. Vegyük észre, hogy minden megol-
dás előáll ezen vektorok lineáris kombinációjaként, hiszen például az x
l+1
=
α
l+1
, . . . , x
n
= α
n
értékekhez tartozó u megoldásvektor szükségképpen u =
α
l+1
u
1
+ + α
n
u
n−l
alakban áll elő. (Hiszen az utolsó n − l koordináta
rögzítése után a megoldás egyértelmű.) Tehát az u
n−l
, . . . , u
n
vektorok gen-
erálják a megoldásalteret, és a vektorrendszer rangja n −l = n −rg(A), így
az általuk generált altér is (n −rg(A))-dimenziós.
A fenti tétel és a bizonyítása alapján adódik a következő. Ha Ax = b
megoldható, akkor "általános megoldása"
x = x
0
+h,
4. LINEÁRIS EGYENLETRENDSZEREK 91
ahol x
0
egy (partikuláris) megoldás, h pedig a megfelelő homogén egyenlet-
rendszer "általános megoldása".
4.16. Megjegyzés. T
n
minden H alteréhez létezik olyan homogén lineáris
egyenletrendszer, amelynek megoldáshalmaza a H altér.
4.17. Példa. Az
ax +by = c,
lineáris egyenlet(rendszer)nek b = 0 esetén y =
c
b

a
b
x a megoldása. Ez egy
L egyenes R
2
-ben:
-
6
6
0
c
b
L
H
Ez előáll mint a

0,
c
b

vektor (azaz az egyenlet egy partikuláris megoldása)
és a homogén egyenlet megoldását jelentő H =

x, −
a
b
x

x ∈ R
¸
altér
(azaz egyenes) összege.
5. fejezet
Lineáris leképezések
1. Vektorterek lineáris leképezései
1.1. Definíció. Legyen V
1
, V
2
vektortér a T test felett (itt T vagy az R vagy
a C számtestet jelöli). A ϕ : V
1
−→ V
2
leképezést lineárisnak nevezzük, ha
bármely x, y ∈ V
1
és tetszőleges λ ∈ T esetén teljesül, hogy
1. ϕ(x +y) = ϕ(x) +ϕ(y), azaz a leképezés additív,
2. ϕ(λx) = λϕ(x), vagyis a leképezés homogén.
1.2. Megjegyzés. Az 1. és 2. tulajdonságot helyettesíti az alábbi tulaj-
donság:
3. ϕ(λx +µy) = λϕ(x) +µϕ(y) ∀x, y ∈ V
1
, ∀λ, µ ∈ T,
tehát 1. és 2. akkor és csak akkor teljesül, ha 3. fennáll.
1.3. Definíció. Egy ϕ : V
1
−→ V
2
lineáris leképezést izomorfizmusnak
nevezünk, ha bijektív. Ilyenkor azt mondjuk, hogy V
1
és V
2
izomorf vek-
torterek. Jele: V
1

= V
2
.
1.4. Példa. 1. A ϕ : V −→ V, ϕ(x) = x identikus leképzés lineáris és
bijektív, tehát izomorfizmus.
2. Az O : V
1
−→¦0¦, O(x) = 0 leképezés lineáris.
3. Ha A ∈ M
k×n
, akkor a ϕ : R
n
−→ R
k
, ϕ(x) = Ax leképezés lineáris.
Valóban,

¸
¸
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
k1
. . . a
kn
¸

¸
¸
x
1
.
.
.
x
n
¸

=

¸
¸
¸
a
1i
x
i
.
.
.
¸
a
ki
x
i
¸

,
így
ϕ(x +y) = A(x +y) =

¸
¸
¸
a
1i
(x
i
+y
i
)
.
.
.
¸
a
ki
(x
i
+y
i
)
¸

=

¸
¸
¸
a
1i
x
i
+
¸
a
1i
y
i
.
.
.
¸
a
ki
x
i
+
¸
a
ki
y
i
¸

=
93
94 5. LINEÁRIS LEKÉPEZÉSEK

¸
¸
¸
a
1i
x
i
.
.
.
¸
a
ki
x
i
¸

+

¸
¸
¸
a
1i
y
i
.
.
.
¸
a
ki
y
i
¸

= Ax +Ay = ϕx +ϕy,
tehát ϕ additív. Hasonlón igazolható a homogenitás.
4. Legyen (a) = (a
1
, . . . , a
n
) bázis a V vektortéren, (e) = (e
1
, . . . , e
n
) a
kanonikus bázis R
n
-ben, és legyen az x vektor előállítása ebben a bázisban
x = x
1
a
1
+ +x
n
a
n
. Ekkor a
(1.3) κ : V −→R
n
, κ(x) = x
1
e
1
+ +x
n
e
n
= (x
1
, . . . , x
n
)
leképezést koordinátaleképezésnek nevezzük.
5. R
n
-ben az origóra tükrözés, origón átmenő egyenesre tükrözés, illetve
az origó körüli forgatás lineáris leképezések.
6. A szabad vektorok terében a pont körüli forgatás, pontra tükrözés és a
tengelyes tükrözés lineáris leképezések.
1.5. Tétel. A ϕ : V
1
−→ V
2
lineáris leképezés a V
1
zérusvektorát a V
2
zérusvektorába viszi át:
ϕ( 0
....
∈V
1
) = 0
....
∈V
2
.
Bizonyítás. Mivel ϕ(0) = ϕ(0+0) = ϕ(0)+ϕ(0) = 2ϕ(0), így ϕ(0)-t kivonva
mindkét oldalból ϕ(0) = 0 adódik.
1.6. Tétel (Lineáris leképezések első alaptétele). Legyen ϕ : V
1
−→V
2
lineáris leképezés és (a
1
, . . . , a
n
) bázis V
1
-ben. Ha a ψ : V
1
−→ V
2
lineáris
leképezés olyan, hogy ϕ(a
i
) = ψ(a
i
) (i = 1, . . . , n), akkor ϕ ≡ ψ, azaz
ϕ(x) = ψ(x) bármely x ∈ V
1
esetén.
Bizonyítás. Ha ϕ és ψ a bázisvektorokon megegyezik, és az x ∈ V
1
vektor
előállítása ebben a bázisban x = x
1
a
1
+ +x
n
a
n
, akkor
ϕ(x) = ϕ(x
1
a
1
+ +x
n
a
n
) = x
1
ϕ(a
1
) + +x
n
ϕ(a
n
) =
x
1
ψ(a
1
) + +x
n
ψ(a
n
) = ψ(x
1
a
1
+ +x
n
a
n
) = ψ(x),
tehát ϕ és ψ azonosak.
1.7. Tétel (Lineáris leképezések második alaptétele). Ha (a
1
, . . . , a
n
)
bázis V
1
-ben és (u
1
, . . . , u
n
) tetszőleges vektorrendszer V
2
-ben, akkor egyér-
telműen létezik olyan ϕ : V
1
−→V
2
lineáris leképezés, melyre
ϕ(a
i
) = u
i
(i = 1, . . . , n).
1. VEKTORTEREK LINEÁRIS LEKÉPEZÉSEI 95
Bizonyítás. Legyen x ∈ V
1
tetszőleges, x = x
1
a
1
+ +x
n
a
n
és definiáljuk
a ϕ : V
1
−→V
2
leképezést az x vektoron a következőképpen:
ϕ(x) ˙ =x
1
u
1
+ +x
n
u
n
.
Belátjuk, hogy ϕ lineáris.
Ha y = y
1
a
1
+ +y
n
a
n
és λ, µ ∈ T, akkor
ϕ(λx +µy) = ϕ

λ
n
¸
i=1
x
i
a
i

n
¸
i=1
y
i
a
i

= ϕ

n
¸
i=1
(λx
i
+µy
i
)a
i

˙ =
n
¸
i=1
(λx
i
+µy
i
)u
i
= λ
n
¸
i=1
x
i
u
i

n
¸
i=1
y
i
u
i
= λϕ(x) +µϕ(y),
tehát teljesül az 1.2. megjegyzésben szereplő 3. tulajdonság.
1.8. Tétel. Legyen V
1
és V
2
véges dimenziós vektortér a T test felett. A
V
1
és a V
2
vektorterek akkor és csak akkor izomorfak, ha dimenziójuk meg-
egyezik, azaz V
1

= V
2
⇐⇒ dimV
1
= dimV
2
.
Bizonyítás. 1. Tegyük fel, hogy V
1

= V
2
, ekkor létezik közöttük ϕ : V
1
−→
V
2
izomorf leképezés. Megmutatjuk, hogy ha (a) = (a
1
, . . . , a
n
) bázis V
1
-
ben, akkor ϕ((a
1
), . . . , ϕ(a
n
)) bázis V
2
-ben, azaz V
2
dimenziója szintén
n.
(a) Lineárisan függetlenek. Ha λ
1
, . . . , λ
n
∈ T és
0 = λ
1
ϕ(a
1
) + +λ
n
ϕ(a
n
) = ϕ(λ
1
a
1
+ +λ
n
a
n
. .. .
a
),
akkor ϕ(a) = 0 = ϕ(0) , így ϕ injektivitása miatt a = 0. Mivel az (a)
bázisban a nullvektor előállítása egyértelmű, ezért λ
1
= = λ
n
= 0,
tehát a (ϕ(a
1
), . . . , ϕ(a
n
)) vektorokból a nullvektor csak triviális lineáris
kombinációként állítható elő.
(b) Generátorrendszer. Legyen b ∈ V
2
tetszőleges. Ekkor ϕ szürjektivitása
miatt létezik olyan a ∈ V
1
, hogy ϕ(a) = b, és legyen a = λ
1
a
1
+ +λ
n
a
n
az a vektor felírása az (a) bázisban. Mivel
b = ϕ(a) = ϕ(λ
1
a
1
+ +λ
n
a
n
) = λ
1
ϕ(a
1
) + +λ
n
ϕ(a
n
),
így (ϕ(a
1
), . . . , ϕ(a
n
)) valóban generátorrendszer.
2. Tegyük fel, hogy dimV
1
= dimV
2
, és legyen (a) = (a
1
, . . . , a
n
) bázis
V
1
-ben, (b) = (b
1
, . . . , b
n
) pedig bázis V
2
-ben. Ha az a vektor előállítása
az (a) bázisban a = λ
1
a
1
+ + λ
n
a
n
, akkor definiáljuk a ϕ : V
1
−→ V
2
leképezést úgy, hogy
ϕ(a) = ϕ(λ
1
a
1
+ +λ
n
a
n
) = λ
1
b
1
+ +λ
n
b
n
.
96 5. LINEÁRIS LEKÉPEZÉSEK
Megmutatjuk, hogy ϕ izomorfizmus.
(a) Lineáris. Az előző tétel bizonyításában szereplő módszerrel: Legyen
x = x
1
a
1
+ +x
n
a
n
és y = y
1
a
1
+ +y
n
a
n
. Ekkor
ϕ(λx +µy) = ϕ

λ
n
¸
i=1
x
i
a
i

n
¸
i=1
y
i
a
i

= ϕ

n
¸
i=1
(λx
i
+µy
i
)a
i

=
n
¸
i=1
(λx
i
+µy
i
)u
i
= λ
n
¸
i=1
x
i
u
i

n
¸
i=1
y
i
u
i
= λϕ(x) +µϕ(y).
(b) Injektív. Legyen x = x
1
a
1
+ + x
n
a
n
, y = y
1
a
1
+ + y
n
a
n
, és
indirekt tegyük fel, hogy ϕ(x) = ϕ(y), de x = y. Ekkor
0 = ϕ(x) −ϕ(y) =
n
¸
i=1
x
i
b
i

n
¸
i=1
y
i
b
i
=
n
¸
i=1
(x
i
−y
i
)b
i
,
tehát x
i
− y
i
= 0 (i = 1, . . . , n) mert a (b) bázisban a nullvektort csak
egyféleképpen lehet lineáris kombinációként előállítani. Innen x
i
= y
i
(i =
1, . . . , n) miatt x = y .
(c) Szürjektív. Ha b ∈ V
2
felírása a (b) bázisban b = λ
1
b
1
+ + λ
n
b
n
,
akkor b éppen annk az a ∈ V
1
vektornak a ϕ általi képe, amelynek előállítása
az (a) bázisban: a = λ
1
a
1
+ +λ
n
a
n
.
1.9. Következmény. A κ : V
1
−→R
n
koordinátaleképezés (1.3) izomorfiz-
mus, tehát minden R fölötti n-dimenziós vektortér izomorf R
n
-el.
1.10. Megjegyzés. Az 1.8. tétel és az 1.9. következmény jelentőssége ab-
ban áll, hogy így a vektorterekben történő számolások R
n
-ben elvégezhetők,
és teljesen mindegy számunkra, hogy a vektor milyen geometriai vagy alge-
brai objektum. Bázis rögzítése után a vektorokat egyértelműen jellemzik a
koordinátáik, és ez a megfeleltetés a koordináta n-esek és a vektorok között
művelettartó.
1.11. Definíció. Legyenek V
1
, V
2
véges dimenziós T feletti vektorterek és
ϕ : V
1
−→V
2
lineáris leképezés. A
Kerϕ = ¦v ∈ V
1
[ ϕ(v) = 0¦
halmazt a leképezés magterének vagy nullterének nevezzük.
1.12. Tétel. A ϕ : V
1
−→V
2
lineáris leképezés Kerϕ ⊂ V
1
magtere altér.
Bizonyítás. 1. Kerϕ zárt az összeadásra nézve. Legyen x, y ∈ Kerϕ, azaz
ϕ(x) = ϕ(y) = 0 . Ekkor
ϕ(x +y) = ϕ(x) +ϕ(y) = 0 + 0 = 0,
1. VEKTORTEREK LINEÁRIS LEKÉPEZÉSEI 97
tehát (x +y) ∈ Kerϕ.
2. Kerϕ zárt a skalárszorzásra nézve. Legyen x ∈ Kerϕ és λ ∈ T. Ekkor
ϕ(λx) = λϕ(x) = λ0 = 0,
így λx ∈ Kerϕ.
1.13. Definíció. A ϕ : V
1
−→V
2
lineáris leképezés képtere a
ϕ(V
1
) = ¦y ∈ V
2
[ ∃x ∈ V
1
: ϕ(x) = y¦
halmaz.
1.14. Tétel. A ϕ : V
1
−→V
2
lineáris leképezés ϕ(V
1
) képtere altér.
Bizonyítás. 1. ϕ(V
1
) zárt az összeadásra nézve. Legyen y
1
, y
2
∈ ϕ(V
1
).
Ekkor létezik x
1
, x
2
∈ V
1
úgy, hogy ϕ(x
1
) = y
1
, ϕ(x
2
) = y
2
, így
y
1
+y
2
= ϕ(x
1
) +ϕ(x
2
) = ϕ(x
1
+x
2
. .. .
∈V
1
) ∈ ϕ(V
1
).
2. ϕ(V
1
) zárt a skalárszorzásra nézve. Legyen λ ∈ T és y ∈ ϕ(V
1
). Ekkor
létezik x ∈ V
1
úgy, hogy ϕ(x) = y, ezért
λy = λϕ(x) = ϕ( λx
....
∈V
1
) ∈ ϕ(V
1
).

1.15. Definíció. A ϕ : V
1
−→ V
2
lineáris leképezés magterének dimenz-
ióját a leképezés defektusának nevezzük, a képterének dimenzióját pedig a
leképezés rangjának nevezzük. Jele: dimKerϕ = defϕ, dimϕ(V
1
) = rgϕ.
1.16. Tétel. A ϕ : V
1
−→ V
2
lineáris leképezés akkor és csak akkor injektív,
ha Kerϕ = ¦0¦.
Bizonyítás. 1. Tegyük fel, hogy ϕ injektív és a ∈ Kerϕ , azaz ϕ(a) = 0.
Mivel ϕ(0) = 0, így ϕ(a) = ϕ(0), ami ϕ injektivitása miatt csak akkor
lehetséges, ha a = 0. Ekkor ϕ magtere csak a nullvektort tartalmazza.
2. Indirekt tegyük fel, hogy Kerϕ = ¦0¦, de ϕ nem injektív, azaz létezik
x, y ∈ V
1
úgy, hogy x = y, de ϕ(x) = ϕ(y). Ekkor
0 = ϕ(x) −ϕ(y) = ϕ(x −y),
azaz (x − y) ∈ Kerϕ = ¦0¦, tehát x − y = 0 miatt x = y adódik, ami
ellentmondás.
98 5. LINEÁRIS LEKÉPEZÉSEK
1.17. Tétel (Homomorfia tétel). Legyenek V
1
, V
2
véges dimenziós vek-
torterek a T test felett. Ekkor
V
1
/Kerϕ

= ϕ(V
1
),
azaz V
1
-nek a ϕ nulltere szerinti faktortere izomorf ϕ képterével.
Bizonyítás. Legyen Φ : V
1
/Kerϕ −→ ϕ(V
1
), Φ(x + Kerϕ) ˙ =ϕ(x). Belátjuk,
hogy ez a Φ leképezés izomorfizmus.
1. Lineáris. Ha x, y ∈ V
1
, λ, µ ∈ T, akkor
Φ(λ(x + Kerϕ) +µ(y + Kerϕ)) = Φ((λx + Kerϕ) + (µy + Kerϕ)) =
Φ((λx +µy) + Kerϕ) = ϕ(λx +µy) =
λϕ(x) +µϕ(y) = λΦ(x + Kerϕ) +µΦ(y + Kerϕ).
2. Injektív. Az 1.16. tétel alapján elegendő belátni, hogy KerΦ = ¦0 +
Kerϕ¦. Ha x + Kerϕ ∈ KerΦ , akkor
0 = Φ(x + Kerϕ) = ϕ(x),
tehát x ∈ Kerϕ. Ekkor x + Kerϕ = 0 + Kerϕ.
3. Szürjektív. Ha y ∈ ϕ(V
1
), akkor létezik x ∈ V
1
úgy, hogy ϕ(x) = y.
Ekkor a V
1
/Kerϕ faktortér x+Kerϕ elemének a Φ általi képe: Φ(x+Kerϕ) =
ϕ(x) = y.
1.18. Következmény (Nullitás és rangtétel). Legyenek V
1
, V
2
véges di-
menziós vektorterek a T test felett és ϕ : V
1
−→V
2
lineáris leképezés. Ekkor
dimV
1
= dimKerϕ + dimϕ(V
1
),
vagyis dimV
1
= defϕ + rgϕ.
Bizonyítás. A homomorfia tétel szerint V
1
/Kerϕ

= ϕ(V
1
), tehát dimenz-
iójuk megegyezik: dim(V
1
/Kerϕ) = dimϕ(V
1
). A harmadik fejezetbeli, fak-
torterek dimenziójára vonatkozó 4.9. tétel szerint dim(V
1
/Kerϕ) = dimV
1

dimKerϕ, innen
dimV
1
= dim(V
1
/kerϕ) + dimKerϕ = dimϕ(V
1
) + dimKerϕ.

2. Bázis- és koordinátatranszformáció
Vektorokkal tényleges számításokat a koordináták felhasználásával szok-
tunk végezni. Gyakran a kiinduló ("régi") bázis helyett egy másik ("új")
2. BÁZIS- ÉS KOORDINÁTATRANSZFORMÁCIÓ 99
bázis használata a célszerű. A "régi" bázisban kifejezve az "új" bázis ele-
meit, kapjuk a bázistranszformáció S mátrixát. Ha most egy vektor "új"
koordinátáit akarjuk meghatározni, akkor a "régiek" oszlopvektorát S
−1
-gyel
kell szorozni. Ennek levezetése ezen szakasz célja.
2.1. Definíció. Legyen V egy n-dimenziós vektortér, (a) = (a
1
, . . . , a
n
) és
(b) = (b
1
, . . . , b
n
) pedig két bázis V -ben. Ezen két bázis közötti bázistransz-
formáció mátrixa az az S = (s
ij
) ∈ M
n×n
mátrix, amelynek j-edik oszlopa
tartalmazza a b
j
vektor koordinátáit az (a) bázisban. Tehát, ha
s
11
a
1
+ ... +s
n1
a
n
= b
1
.
.
.
.
.
.
s
1n
a
1
+ ... +s
nn
a
n
= b
n
, akkor S =

¸
¸
s
11
. . . s
1n
.
.
.
.
.
.
.
.
.
s
n1
. . . s
nn
¸

,
azaz b
j
=
n
¸
i=1
s
ij
a
i
(j = 1, . . . , n). Jele: (a)
S
−→(b).
2.2. Tétel. Legyen (a) = (a
1
, . . . , a
n
) és (b) = (b
1
, . . . , b
n
) bázis a V vek-
tortéren, az (a) −→(b) bázistranszformáció mátrixa S. Ekkor S invertálható
mátrix, és a (b) −→(a) bázistranszformáció mátrixa S
−1
.
Bizonyítás. Legyen (b)
T
−→(a), így b
j
=
n
¸
i=1
s
ij
a
i
és a
i
=
n
¸
k=1
t
ki
b
k
. Ekkor
egyrészt
b
j
=
n
¸
i=1
s
ij
a
i
=
n
¸
i=1
s
ij

n
¸
k=1
t
ki
b
k

=
n
¸
i=1
n
¸
k=1
s
ij
t
ki
b
k
=
n
¸
k=1
n
¸
i=1
t
ki
s
ij
. .. .
(TS)
kj
b
k
=
n
¸
k=1
(TS)
kj
b
k
,
másrészt
b
j
=
n
¸
k=1
δ
kj
b
k
=
n
¸
k=1
(E)
kj
b
k
,
ami minden j = 1, . . . , n estén teljesül. A báziselőállítás egyértelműsége
miatt ez csak akkor lehetséges, ha TS = E, vagyis S invertálható és inverze
T.
100 5. LINEÁRIS LEKÉPEZÉSEK
2.3. Tétel. Legyenek (a) = (a
1
, . . . , a
n
) és (b) = (b
1
, . . . , b
n
) bázisok a
V vektortéren és S a bázistranszformáció mátrixa: (a)
S
−→ (b). Ha x ∈ V
felírása az (a) bázisban x = x
1
a
1
+ + x
n
a
n
és a (b) bázisban x =
x
1
b
1
+ + x
n
b
n
, továbbá X és X jelöli az x vektor (a)-ra, illetve (b)-re
vonatkozó koordinátáinak oszlopvektorát:
X =

¸
¸
x
1
.
.
.
x
n
¸

, X =

¸
¸
x
1
.
.
.
x
n
¸

,
akkor
X = S
−1
X.
Bizonyítás. Felírjuk az x vektort kétféleképpen az (a) bázisban: egyrészt
x =
n
¸
i=1
x
i
a
i
, másrészt
x =
n
¸
j=1
x
j
b
j
=
n
¸
j=1
x
j

n
¸
i=1
s
ij
a
i
. .. .
b
j

=
n
¸
i=1

¸
n
¸
j=1
s
ij
x
j
¸

a
i
.
Mivel a megfelelő koordinátákanak meg kell egyezniük, azt kapjuk, hogy
x
i
=
n
¸
j=i
s
ij
x
j
(i = 1, . . . , n), tehát X = SX, illetve X = S
−1
X.
2.4. Definíció. Ha (a) és (b) bázisok a V vektortéren, és a bázistranszfor-
máció mátrixa, azaz S : (a)
S
−→ (b), akkor az S
−1
mátrixot az (a) és (b)
bázisokhoz tartozó koordinátatranszformáció mátrixának nevezzük.
2.5. Példa. Legyen R
2
-ben a
1
=

cos β
sin β

, a
2
=

−sin β
cos β

a "régi" bázis,
és b
1
=

1
0

, b
2
=

0
1

az "új" bázis.
3. LINEÁRIS TRANSZFORMÁCIÓK 101
-
6
6

*
K
-
b
1
b
2
x
a
1
a
2
β
α
Ekkor a bázistranszformáció mátrixa úgy kapható, hogy a "régi" bázisban
kifejezzük az "új" bázis tagjait:
S =

cos β sin β
−sin β cos β

.
A koordinátatranszformáció mátrixát pedig (azonkívül, hogy a 2.3. tétel
miatt éppen S
−1
) úgy kapjuk, hogy az "új" bázisban fejezzük ki a "régi"
bázistagjait:
a
1
= cos βb
1
+ sinβb
2
, a
2
= −sinβb
1
+ cos βb
2
,
tehát
S
−1
=

cos β −sinβ
sinβ cos β

.
Ha az x vektor a "régi" bázisban x = cos αa
1
+ sinαa
2
alakú, akkor az
"új" (azaz a "természetes") bázisban x = cos(α+β)b
1
+sin(α+β)b
2
alakú.
Használva a koordinátatranszformáció S
−1
mátrixát

cos(α +β)
sin(α +β)

=

cos β −sin β
sin β cos β

cos α
sin α

adódik. A szorzást elvégezve, az ismert addíciós képletekhez jutunk.
3. Lineáris transzformációk
3.1. Definíció. Legyen V egy véges dimenziós vektortér a T test felett.
A ϕ : V −→ V lineáris leképezést lineáris transzformációnak vagy lineáris
operátornak nevezzük. A V vektortéren értelmezett lineáris transzformációk
halmazát τ
V
-vel jelöljük.
102 5. LINEÁRIS LEKÉPEZÉSEK
3.2. Definíció. Legyen (a) = (a
1
, . . . , a
n
) a V vektortér bázisa. A ϕ :
V −→ V lineáris transzformáció mátrixa az (a) bázisra vonatkozóan az az
A ∈ M
n×n
mátrix, amelynek j-edik oszlopában a ϕ(a
j
) vektor (a) bázisbeli
koordinátái állnak. Tehát ha ϕ(a
j
) =
¸
n
i=1
a
ij
a
i
(j = 1, . . . , n), azaz
a
11
a
1
+ ... +a
n1
a
n
= ϕ(a
1
)
.
.
.
.
.
.
a
1n
a
1
+ ... +a
nn
a
n
= ϕ(a
n
)
, akkor A =

¸
¸
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
¸

.
3.3. Tétel. Legyen (a) = (a
1
, . . . , a
n
) bázis a V vektortéren és ϕ : V −→V
lineáris transzformáció, melynek mátrixa A. Ha x = x
1
a
1
+ + x
n
a
n
és
ϕ(x) = x

1
a
1
+ +x

n
a
n
, továbbá X és X

jelöli x illetve ϕ(x) koordinátáit
az (a) bázisra vonatkozóan:
X =

¸
¸
x
1
.
.
.
x
n
¸

, X

=

¸
¸
x

1
.
.
.
x

n
¸

,
akkor
X

= AX.
Bizonyítás. Felírjuk a ϕ(x) vektort az (a) báziban kétféleképpen: egyrészt
ϕ(x) =
n
¸
i=1
x

i
a
i
, másrészt
ϕ(x) = ϕ

¸
n
¸
j=1
x
j
a
j
¸

=
n
¸
j=1
x
j
ϕ(a
j
) =
n
¸
j=1
x
j

n
¸
i=1
a
ij
a
i

=
n
¸
i=1

¸
n
¸
j=1
a
ij
x
j
¸

a
i
.
A megfelelő koordinátákat egyenlővé téve: x

i
=
n
¸
j=1
a
ij
x
j
(i = 1, . . . , n),
tehát X

= AX.
3.4. Példa. Legyen ϕ : R
3
→R
3
az a leképezés, ami minden vektorhoz hoz-
zárendeli annak merőleges vetületét az [x,y] síkra, azaz ϕ(x, y, z) = (x, y, 0).
Ekkor ϕ mátrixa a természetes bázisra vonatkozóan
A =

¸
1 0 0
0 1 0
0 0 0
¸

,
3. LINEÁRIS TRANSZFORMÁCIÓK 103
ez a mátrix tartalmazza oszlopaiban a bázisvektorok képét.
3.5. Tétel. Bázistranszformáció és lineáris transzformáció közötti kapcso-
lat. Legyenek (a) = (a
1
, . . . , a
n
) és (b) = (b
1
, . . . , b
n
) bázisok a V vek-
tortéren, a bázistranszformáció mátrixa pedig S : (a)
S
−→ (b). Legyen
ϕ : V −→ V lineáris transzformáció, melynek az (a) bázisra vonatkozó
mátrixa A, a (b) bázisra vonatkozó mátrixa pedig B. Ekkor
B = S
−1
AS.
Bizonyítás. Felírjuk a ϕ(b
j
) vektort kétféleképpen az (a) bázisban: egyrészt
ϕ(b
j
) =
n
¸
i=1
b
ij
b
i
=
n
¸
i=1
b
ij

n
¸
k=1
s
ki
a
k

=
n
¸
k=1

n
¸
i=1
s
ki
b
ij

. .. .
(SB)
kj
a
k
,
másrészt
ϕ(b
j
) = ϕ

n
¸
i=1
s
ij
a
i

=
n
¸
i=1
s
ij
ϕ(a
i
) =
n
¸
i=1
s
ij

n
¸
k=1
a
ki
a
k

=
n
¸
k=1

n
¸
i=1
a
ki
s
ij

. .. .
(AS)
kj
a
k
.
Mivel ez minden j = 1, . . . , n esetén teljesül, így SB = AS, vagyis B =
S
−1
AS.
3.6. Példa. Ha a 3.4. példában szereplő leképezés mátrixára vagyunk ki-
váncsiak az

¸
1
0
1
¸

,

¸
0
1
1
¸

,

¸
1
1
1
¸

bázisra vonatkozóan, akkor az alábbi
módon számíthatjuk ki:
S
−1
AS =

¸
0 −1 1
−1 0 1
1 1 −1
¸

¸
1 0 0
0 1 0
0 0 0
¸

¸
1 0 1
0 1 1
1 1 1
¸

=

¸
0 −1 −1
−1 0 −1
1 1 2
¸

.
3.7. Definíció. Az A, B ∈ M
n×n
mátrixokat hasonlónak nevezzük, ha létezik
olyan C ∈ M
n×n
reguláris ([C[ = 0) mátrix, amelyre B = C
−1
AC.
3.8. Következmény. Hasonló mátrixok determinánsa és rangja megegyezik.
104 5. LINEÁRIS LEKÉPEZÉSEK
Bizonyítás. 1. A determinánsok szorzástételét alkalmazva:
[B[ = [C
−1
AC[ = [C
−1
[[A[[C[ = [ C
−1
C
. .. .
E
[[A[ = [A[.
2. A rangra vonatkozó állítás annak a következménye, hogy egy reg-
uláris mátrixszal való szorzás nem változtatja meg egy mátrix rangját. Ha
A = (a
1
, . . . , a
n
), ahol a
i
itt az A mátrix i-edik oszlopvektorát jelöli, akkor
CA = (Ca
1
, . . . , Ca
n
). Így ha A oszlopvektorai lineárisan függők, akkor CA
oszlopai is azok:
α
1
a
1
+ +α
n
a
n
= 0
C·/
=⇒ α
1
Ca
1
+ +α
n
Ca
n
= 0
és megfordítva, ha CA oszlopai függők, akkor A oszlopai is azok:
α
1
Ca
1
+ +α
n
Ca
n
= 0
C
−1
·/
=⇒ α
1
a
1
+ +α
n
a
n
= 0.

3.9. Következmény. Az M
n×n
halmazon a mátrixok hasonlósága ekviva-
lencia reláció (tehát indukál egy osztályozást, az egymással hasonló mátrixok
azonos osztályba kerülnek).
Bizonyítás. Jelölje A ∼ B azt, hogy az A mátrix hasonló a B mátrixhoz.
1. Reflexív. A ∼ A, mivel A = E
−1
AE.
2. Szimmetrikus. Ha A ∼ B, akkor létezik C úgy, hogy B = C
−1
AC.
Ekkor A = (C
−1
)
−1
BC
−1
, tehát B ∼ A .
3. Tranzitív. Ha A ∼ B és B ∼ D, akkor léteznek C, S mátrixok úgy,
hogy B = C
−1
AC és D = S
−1
BS. Ekkor
D = S
−1
BS = S
−1
(C
−1
AC)S = (S
−1
C
−1
)A(CS) = (CS)
−1
A(CS),
tehát A ∼ D.
3.10. Definíció. A ϕ : V −→V lineáris transzformációt automorfizmusnak
nevezzük, ha bijektív (vagyis izomorfizmus).
3.11. Tétel. A ϕ : V −→ V lineáris transzformáció akkor és csak akkor
automorfizmus, ha mátrixa tetszőleges bázisban reguláris.
Bizonyítás. Az 1.18. következmény szerint dimV = dimKerϕ + dimϕ(V ),
így ϕ(V ) = V akkor és csak akkor teljesül, ha dimKerϕ = 0, ami az 1.16.
tétel alapján azzal ekvivalens, hogy ϕ injektív. Tehát ϕ pontosan akkor
injektív, ha szürjektív. Ekkor
ϕ bijektív ⇐⇒ ϕ(V ) = V ⇐⇒ rgϕ = n.
3. LINEÁRIS TRANSZFORMÁCIÓK 105
Viszont egy lineáris transzformáció rangja pontosan akkor lesz n, ha már-
tixának rangja n, vagyis reguláris. (ϕ(x) = y azt jelenti, hogy Ax = y,
és pontosan akkor létezik minden y ∈ V esetén ilyen x, ha A invertálható:
x = A
−1
y.)
3.12. Tétel. Ha ϕ : V −→ V automorfizmus, akkor ϕ
−1
is automorfizmus,
és ha ϕ mátrixa A, akkor ϕ
−1
mátrixa A
−1
.
Bizonyítás. Ha ϕ automorfizmus akkor bijektív, ezért invertálható, és in-
verze szintén bijektív. Jelölje ϕ
−1
mátrixát B. Mivel ϕϕ
−1
= Id, ezért
AB = E, tehát B = A
−1
.
3.13. Tétel. Ha ϕ : V −→ V lineáris operátor, akkor az alábbi állítások
ekvivalensek:
1. ϕ automorfizmus,
2. ϕ injektív,
3. ϕ szürjektív,
4. Kerϕ = ¦0¦,
5. ϕ(V ) = V,
6. rgϕ = n,
7. ϕ mátrixa reguláris (tetszőleges bázisban).
Bizonyítás. A tétel a 3.11. tétel bizonyításban leírtaknak a következménye.

3.14. Definíció. Legyen V egy véges dimenziós vektortér. AV -n értelmezett
lineáris transzformációk τ
V
halmazán bevezetjük az alábbi műveleteket: ha
ϕ, ψ ∈τ
V
és λ ∈ T, akkor bármely x ∈ V esetén
1. (ϕ +ψ)(x) ˙ =ϕ(x) +ψ(x),
2. (λϕ)(x) ˙ =λϕ(x),
3. (ϕ ◦ ψ)(x) ˙ =ϕ(ψ(x)).
3.15. Tétel. Egy V véges dimenziós vektortér összes lineáris operátorainak
τ
V
halmaza az összeadásra és a skalárszorzásra nézve vektorteret alkot.
Bizonyítás. A 3.3. tételbenben leírtak alapján minden lineáris transzformá-
ció mátrixszával való szorzásként hat (rögzített bázisban) és minden (nn)-
es mátrixszal való szorzás lineáris transzformáció, így a lineáris operátorok
reprezentálhatók a mátrixukkal. A τ
V
-beli műveletek pedig a megfelelő
mátrixműveleteket jelentik: ha ϕ, ψ ∈τ
V
mátrixa A illetve B, akkor
1. (ϕ +ψ)(x) = ϕ(x) +ψ(x) = Ax +Bx = (A+B)x,
2. (λϕ)(x) = λϕ(x) = (λA)x.
106 5. LINEÁRIS LEKÉPEZÉSEK
Mivel az (n n)-es mátrixok halmaza a mátrixok összeadására illetve
skalárszorzására nézve vektortér, ezért a lineáris transzformációk is teljesítik
a vektortéraxiómákat.
3.16. Megjegyzés. A V n-dimenziós vektortér lineáris transzformációinak
vektortere n
2
-dimenziós, mivel az M
n×n
vektortér n
2
-dimenziós volt.
3.17. Definíció. Egy ϕ : V −→V lineáris operátort (illetve mátrixát) diag-
onalizálhatónak nevezünk, ha létezik olyan bázis V -ben, amelyre vonatkozó-
an ϕ mátrixa diagonális.
3.18. Következmény. Egy mátrix diagonalizálható, ha hasonló egy diago-
nális mátrixhoz.
Bizonyítás. A 3.5. tétel szerint egy lineáris transzformáció különboző bá-
zisokra vonatkozó mátrixai hasonlóak.
3.19. Definíció. A 0 = x ∈ V vektor a ϕ : V −→ V lineáris operátor
sajátvektora, ha létezik λ ∈ T úgy, hogy ϕ(x) = λx. Ekkor a λ ∈ T számot
az x sajátvektorhoz tartozó sajátértéknek nevezzük.
3.20. Definíció. A H ⊂ V alteret a ϕ : V −→V lineáris oprátor invariáns
alterének nevezzük, ha ϕ(H) ⊂ H , azaz bármely h ∈ H esetén ϕ(h) ∈ H.
3.21. Példa. 1. A V és a ¦0¦ triviális alterek mindig invariánsak.
2. Kerϕ invariáns altér, mert ha x ∈ Kerϕ , akkor ϕ(x) = 0 ∈ Kerϕ.
3. ϕ(V ) invariáns altér, mert ha y ∈ ϕ(V ) ⊂ V, akkor ϕ(y) ∈ ϕ(V ).
4. Egy x sajátvektor által generált altér invariáns, mert ha H = ¦µx [
µ ∈ T¦ és az x-hez tartozó sajátérték λ, akkor
ϕ( µx
....
∈H
) = µϕ(x) = µλ
....
∈T
x ∈ H.
5. R
2
-ben az origó körüli forgatásnak illetve a két dimenziós szabad vek-
torok terében a pont körüli forgatásnak nincs sajátvektora, és nincs nem
triviális invariáns altér.
6. A λ-nyújtásnál (ϕ(x) = λx) minden vektor a λ sajátértékhez tartozó
sajátvektor, és minden altér invariáns.
3.22. Tétel. A ϕ : V −→ V lineáris oprátor mátrixa akkor és csak akkor
diagonalizálható, ha V -ban létezik ϕ sajátvektoraiból álló bázis.
3. LINEÁRIS TRANSZFORMÁCIÓK 107
Bizonyítás. 1. Ha ϕ mátrixa diagonális az (a) = (a
1
, . . . , a
n
) bázisban,
azaz
A =

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

,
akkor ϕ(a
i
) koordinátái az (a) bázira vonatkozóan éppen az A mátrix i-edik
oszlopában szereplő számok. Ekkor
ϕ(a
i
) = 0a
1
+ +λ
i
a
i
+ + 0a
n
= λ
i
a
i
,
tehát a
i
sajátvektora a ϕ lekepezésnek (a λ
i
sajátértékkel) minden (i =
1, . . . , n) esetén, így (a) sajátvektorokból álló bázis.
2. Ha (a) = (a
1
, . . . , a
n
) sajátvektorokból álló bázis, és a megfelelő
sajátértékek λ
1
, . . . , λ
n
, akkor belátjuk, hogy az (a) bázisra vonatkozóan
ϕ mátrixa diagonális. Mivel ϕ(a
j
) = λ
j
a
j
, ezért ϕ(a
j
) koordinátái az (a)
bázisban (0, . . . , λ
j
, . . . , 0), és ϕ mátrixa a bizonyítás első részében szereplő
A mátrixszal egyezik meg.
3.23. Tétel. Ha a ϕ : V −→V lineáris leképezésnek λ sajátértéke, akkor a
λ-hoz tartozó sajátvektorok
L
λ
= ¦x ∈ V [ ϕ(x) = λx ¦
halmaza (kiegészítve a nullvektorral) invariáns alteret alkot.
Bizonyítás. 1. L
λ
altér. Ha x, y ∈ L
λ
és α, µ ∈ T, akkor
ϕ(αx +µy) = αϕ(x) +µϕ(y) = αλx +µλy = λ(αx +µy),
tehát (αx +µy) is sajátvektor.
2. L
λ
invariáns altér. Ha x ∈ L
λ
, akkor ϕ(x) szintén sajátvektor:
ϕ(ϕ(x)) = ϕ(λx) = λϕ(x).

3.24. Definíció. Legyen λ a ϕ : V −→ V lineáris transzformáció sajátértéke.
A L
λ
altér dimenzióját a λ sajátérték geometriai multiplicitásának nevezzük.
3.25. Tétel. A ϕ : V −→V lineáris transzformáció különböző sajátértékei-
hez tartozó sajátvektorai lineárisan függetlenek.
Bizonyítás. A bizonyítást a különböző sajátértékek száma szerinti teljes in-
dukcióval végezzük.
n = 1 esetén igaz az állítás, hiszen egy sajátértékhez tartozó sajátvektor
lineáris független, mivel nem lehet nullvektor.
108 5. LINEÁRIS LEKÉPEZÉSEK
Tegyük fel, hogy n-re igaz a tétel: λ
1
, . . . , λ
n
különboző sajátértékek és
x
1
, . . . , x
n
hozzájuk tartozó lineárisan független sajátvektorok. Vegyünk
most egy λ
n+1
sajátértéket, amely különbözik az előzőektől és legyen x
n+1
egy hozzá tartozó sajátvektor. Belátjuk, hogy (x
1
, . . . , x
n
, x
n+1
) lineárisan
független vektorendszer. Ha
α
1
x
1
+ +α
n
x
n

n+1
x
n+1
= 0,
akkor
ϕ(α
1
x
1
+ +α
n
x
n

n+1
x
n+1
) = α
1
ϕ(x
1
)+ +α
n
ϕ(x
n
)+α
n+1
ϕ(x
n+1
) = 0.
Felhasználva, hogy x
1
, . . . , x
n+1
sajátvektorok:
α
1
λ
1
x
1
+ +α
n
λ
n
x
n

n+1
λ
n+1
x
n+1
= 0
adódik. Ha az első egyenlőséget megszorozzuk λ
n+1
-el és kivonjuk belőle az
utolsó egyenletet, akkor

n+1
−λ
1
)
. .. .
=0
α
1
x
1
+ + (λ
n+1
−λ
n
)
. .. .
=0
α
n
x
n
+ (λ
n+1
−λ
n+1
)
. .. .
=0
α
n+1
x
n+1
= 0,
vagyis

n+1
−λ
1
)
. .. .
=0
α
1
x
1
+ + (λ
n+1
−λ
n
)
. .. .
=0
α
n
x
n
= 0.
Mivel a feltevés szerint x
1
, . . . , x
n
lineárisan független vektorok, így α
1
=
= α
n
= 0. Ekkor az első egyenletből α
n+1
x
n+1
= 0 marad, amiből
x
n+1
= 0 miatt α
n+1
= 0 . Tehát az x
1
, . . . , x
n+1
vektorokból a nullvaktor
csak triviális lineáris kombinációként állíható elő, így lineárisan függetlenek.

3.26. Következmény. Egy n-dimenziós vektortéren értelmezett lineáris op-
erátornak legfeljebb n darab különböző sajátértéke lehet.
3.27. Következmény. Ha egy n-dimenziós vektortéren értelmezett lineáris
operátornak pontosan n darab különböző sajátértéke van, akkor létezik
a vektortéren sajátvektorokból álló bázis, ebben a bázisban az operátor
mátrixa diagonális és a főátlóban a megfelelő sajátértékek szerepelnek.
3.28. Definíció. Egy ϕ : V −→ V lineáris operátor karakterisztikus egyen-
lete:
det(A −λE) = 0,
ahol A lineáris operátor mátrixa, és a det(A−λE) λ-ra vonatkozó polinomot
a ϕ karakterisztikus polinomjának nevezzük.
3. LINEÁRIS TRANSZFORMÁCIÓK 109
3.29. Tétel. A ϕ : V −→V lineáris operátor sajátértékei a karakterisztikus
egyenlet megoldásai a T testben.
Bizonyítás. A λ ∈ T szám akkor és csak akkor sajátértéke a ϕ-nek, ha létezik
x ∈ V úgy, hogy ϕ(x) = λx, és jelölje X az x vektor koordinátáiból képzett
vektort. Ekkor
AX = E(λX) ⇐⇒ AX −λEX = 0 ⇐⇒
(A −λE)X = 0.
Ez egy n egyenletből álló n ismeretlenes homogén lineáris egyenletrendszer:

¸
¸
¸
¸
a
11
−λ a
12
. . . a
1n
a
21
a
22
−λ . . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
−λ
¸

¸
¸
¸
¸
x
1
x
2
.
.
.
x
n
¸

=

¸
¸
¸
¸
0
0
.
.
.
0
¸

,
amelynek pontosan akkor van a zérusvektortól különböző megoldása, ha az
alapmátrix determinánsa nulla. Tehát λ akkor és csak akkor sajátértéke
ϕ-nek, ha det(A−λE) = 0.
3.30. Megjegyzés. A ϕ : V −→ V lineáris operátor karakterisztikus egyen-
lete egy n-edfokú egyenlet, amelynek megoldásai a ϕ sajátértékei. Egy λ
sajátértékhez tartozó sajátvektorokat az (A − λE)X = 0 homogén lineáris
egyenletrendszer megoldásával tudjuk meghatározni. (Ennek az egyenle-
trendszernek a megoldástere éppen az L
λ
altér, melynek a zérusvektor kivé-
telével minden vektora sajátvektor.)
3.31. Tétel. A ϕ : V −→ V lineáris operátor karakterisztikus polinomja
nem függ a bázis választásától.
Bizonyítás. A 3.5. tétel alapján egy lineáris operátor különböző bázisokban
felírt mátrixai hasonlóak, tehát azt kell belátnunk, hogy hasonló mátrixok
hoztartozó karakterisztikus polinomok megegyeznek. Legyen ϕ mátrixa az
(a) bázisra vonatkozóan A, a (b) bázisra vonatkozóan B és a bázistranszfor-
máció mátrixa S : (a)
S
−→(b). Ekkor B = S
−1
AS, és
det(B −λE) = det(S
−1
AS −λE) = det(S
−1
AS −λS
−1
ES) =
det

(S
−1
)(A −λE)(S)

= det (S
−1
S)
. .. .
E
det(A −λE) = det(A −λE).

3.32. Tétel. Minden C feletti vektortér és minden páratlan dimenziós R
feletti vektortér lineáris operátorának van sajátértéke.
110 5. LINEÁRIS LEKÉPEZÉSEK
Bizonyítás. 1. Az algebra alaptétele kimondja, hogy minden C feletti n-
edfokú egyenletnek van gyöke, így az operátor karakterisztikus egyenlete
megoldható.
2. Ha egy n-edfokú egyenletnek a z komplex szám gyöke, akkor z is gyöke.
Ha n páratlan, akkor az n darab gyöke között kell hogy legyen olyan, amelyre
z = z, vagyis valós megoldás is létezik.
3.33. Definíció. Egy ϕ : V −→ V lineáris operátor λ sajátértékének alge-
brai multiplicitásán azt a számot értjük, ahányszoros gyöke λ a karakter-
isztikus egyenletnek.
3.34. Példa. Ha a karakterisztikus egyenlet (λ−2)
2
(λ +1) = 0, akkor két
sajátértéke van az operátornak, a λ
1
= 2 sajátérték algebrai multiplicitása
2, míg a λ
2
= −1 sajátérték algebrai multiplicitása 1.
3.35. Definíció. Egy ϕ : V −→V lineáris operátor spektruma a sajátértékei-
nek olyan sorozata, amelyben minden sajátérték annyiszor szerepel, amennyi
az algebrai multiplicitása.
3.36. Példa. A 3.34. példa esetén a spektrum: 2, 2, −1.
3.37. Definíció. Legyen V egy n-dimenziós vektortér. A ϕ : V −→ V
lineári s operátor spekruma teljes, ha pontosan n tagból áll.
3.38. Következmény. Komplex számtest feletti vektortéren értelmezett li-
neáris operátor spektruma mindig teljes.
3.39. Tétel. Legyen λ egy sajátértéke a ϕ : V −→ V lineária transzfor-
mációnak. Ekkor λ geometriai multiplicitása kisebb vagy egyenlő mint az
algebrai multiplicitása.
Bizonyítás. Ha λ
0
geometriai multiplicitása dimL
λ
0
= k, akkor L
λ
0
egy
k dimenziós invariáns altér. Ennek az altérnek egy x
1
, . . . , x
k
sajátvek-
torokból álló bázisát kiegészithetjük V egy bázisává, és ebben a bázisban ϕ
mátrixa illetve a karakterisztikus polinom:
A =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
λ
0
0 . . . 0 . . .
0 λ
0
. . . 0 . . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
0 0 . . . λ
0
. . .
0 0 0 0 . . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
0 0 . . . 0 . . .
¸

, P(λ) =

λ
0
−λ 0 . . . 0 . . .
0 λ
0
−λ . . . 0 . . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
0 0 . . . λ
0
−λ . . .
0 0 0 0 . . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
0 0 . . . 0 . . .

.
Tehát P(λ) = (λ
0
−λ)
k
P

(λ), így λ algebrai multiplicitása legalább k.
3. LINEÁRIS TRANSZFORMÁCIÓK 111
3.40. Következmény. Egy C feletti vektortéren értelmezett lineáris operá-
tor akkor és csak akkor diagonalizálható, ha minden sajátértékének algebrai
multiplicitása megegyezik a geometriai multiplicitásával.
3.41. Következmény. Egy R feletti vektortéren értelmezett lineáris op-
erátor akkor és csak akkor diagonalizálható, ha spektruma teljes és min-
den sajátértékének algebrai multiplicitása megegyezik a geometriai multi-
plicitásával.
3.42. Tétel (Jordan-féle normál alak). Minden C feletti vektortéren
értelmezett lineáris transzformációhoz létezik olyan bázis, amelyben az op-
erátor mátrixa az alábbi, (úgynevezett Jordan-féle tömbökből álló) Jordan-
féle normál alakú:

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
λ
1
0 . . . 0
1 λ
1
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 1 λ
1
.
.
.
λ
k
0 . . . 0
1 λ
k
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 1 λ
k
¸

.
Irodalomjegyzék
[1] Bélteky Károly: Analitikus geometria és lineáris algebra : I. éves
nappali tanárszakos, matematikus és matematikus levelező hallgatók
részére, Budapest, Tankönyvkiadó (1989).
[2] Fuchs László: Bevezetés az algebrába és a számelméletbe, Budapest,
Tankönyvkiadó (1990).
[3] Gaál István, Kozma László: Lineáris algebra, Debrecen, Kossuth
Egyetemi K. (2002).
[4] Halmos Pál: Véges dimenziós vektorterek, Budapest, Müszaki Könyvki-
adó (1984).
[5] Kovács Zoltán: Geometria : az euklidészi geometria metrikus
megalapozása, Debrecen, Kossuth Egyetemi K. (2002).
[6] Szendrei Ágnes: Diszkrét matematika : logika, algebra, kombinatorika,
Szeged, Polygon (1994).
113
Tárgymutató
⊂, 11
∅, 11
V
k
n,ism
, 37
(a)
S
−→(b), 99
A
T
, 63
A
−1
, 65
|A|, 72
C
k
n
, 37
C
k
n,ism
, 38
det A, 72
DF , 15
dimL, 52
Im(z), 27
inf, 17
Ker, 96
L(a
1
, . . . , a
k
), 47
Pn, 35
P
n;l
1
,...,l
k
, 36
RF , 15
Re(z), 27
R
2
, 43
R
n
, 43
R+, 24
R−, 24
R
b
, 26
rg, 52, 80
sup, 17
τV , 101
V1

= V2, 93
V/H, 57
V
k
n
, 36
z, 28
Abel-csoport, 32
abszolút érték, 28
additív inverz, 21
additív leképezés, 93
adjungált aldetermináns, 77
adjungált algebrai aldetermináns, 77
alapmátrix, 84, 88
aldetermináns, 77
algebrai struktúra, 31
algebrai számok, 34
alsó korlát, 17
altér, 45
alulról korlátosság, 17
antiszimmetria, 16
archimedeszi tulajdonság, 24
argumentum, 29
asszociativitás, 13, 21
automorfizmus, 104
bázis, 48, 49
bázistranszformáció, 99
bijektivitás, 19, 93
binomiális együtthatók, 37
Binomiális tétel, 40
Cantor-féle metszettétel, 26
Cramer-szabály, 88
csoport, 32
de Morgan, 14
Descartes-féle szorzat, 14
determináns, 71
Determinánsok szorzás tétele, 76
dimenzió, 52
115
116 TÁRGYMUTATÓ
direkt összeg, 53
disztributivitás, 21
egész számok, 24
egyenletrendszer megoldása, 84
egymásba skatulyázott intervallumrend-
szer, 25
egységmátrix, 64
ekvivalencia reláció, 17
ekvivalens egyenletrendszer, 85
elem, 11
elemi átalakítások, 66
elemi függvény, 19
ellentmondásos egyenletrendszer, 84
értelmezési tartomány, 15
értékkészlet, 15
függvény, 18
félcsoport, 32
főátló, 61
fődiagonális, 61
faktortér, 57
felülről korlátosság, 17
felső korlát, 17
Ferde kifejtési téte, 79
ferdeszimmmetrikus mátrix, 63
gömbkörnyezet, 25
Gauss-elimináció, 66, 68, 87
generált altér, 47
generátorrendszer, 47, 49
gyűrű, 32
háromszög alak, 67
halmaz, 11
halmaz ekvivalencia, 19
hasonló mátrixok, 103
határozatlan egyenletrendszer, 84
határozott egyenletrendszer, 84
hatványhalmaz, 12
homogén egyenletrendszer, 84
homogén leképezés, 93
Homomorfia tétel, 98
idempotencia, 13
infimum, 17
inhomogén egyenletrendszer, 84
injektivitás, 19
integritástartomány, 32
invertálható mátrix, 65
invertálhatóság, 18
inverz, 16
inverzió, 71
irracionális számok, 24
ismétlés nélküli kombináció, 37
ismétlés nélküli permutáció, 35
ismétlés nélküli variáció, 36
ismétléses kombináció, 38
ismétléses permutáció, 36
ismétléses variáció, 37
izomorfizmus, 93
különbség, 12
kép, 15
képtér, 97
képzetes rész, 27
kibővített mátrix, 84, 88
kicserélési tétel, 51
kommutativitás, 13, 21
komplementer, 12
komplex szám, 27
kompozíció, 16
konjugált, 28
kontinuum számosság, 34
koordináta, 48
koordinátaleképezés, 94
koordinátatranszformáció, 100
korlátosság, 17
Kronecker-Capelli-tétel, 88
Kronecker-delta, 64
kvadratikus mátrix, 61
létezik egységelem, 21
Laplace-féle kifejtési tétel, 77
leképezés defektusa, 97
leképezés rangja, 97
leszűkítés, 15
lineáris egyenletrendszer, 84
lineáris kombináció, 47
lineáris leképezés, 93
lineáris operátor, 101
lineáris sokaság, 56
lineáris transzformáció, 101
lineárisan függőség, 48
lineárisan függetlenség, 48
TÁRGYMUTATÓ 117
mátrix, 61
mátrix rangja, 81
mátrix inverzének, 65
mátrix transzponáltja, 63
mátrixok szorzata, 64
művelet, 19
magtér, 96
megoldható egyenletrendszer, 84
megszámlálható halmaz, 33
megszámlálhatóan végtelen halmaz, 33
mellékátló, 61
metrika, 25
metszet, 12
mindenütt sűrű, 26
multiplikatív inverz, 21
n-edik egységgyök, 30
n-edik gyök, 26, 30
négyzetes mátrix, 61
neutrális elem, 31
Nullitás és rangtétel, 98
nullosztómentesség, 31
nulltér, 96
nullvektor, 43
oszlopekvivalencia, 67
oszlopvektor, 61
osztályozás, 17
összetett függvény, 19
parciális rendezés, 16
Pascal-háromszög, 41
polinom, 45
Polinomiális tétel, 40
pontos alsó korlát, 17
pontos felső korlát, 17
részhalmaz, 11
racionális számok, 24, 33
reflexivitás, 16
reláció, 15
rendezés, 16
rendezett test, 22
skalár, 43
sor-oszlop kompozíciós szorzásnak, 64
sorekvivalencia, 67
sorvektor, 61
szürjektivitás, 19
számosság, 33
szabad vektorok tere, 44
szimmetrikus mátrix, 63
szuprémum, 17
távolság, 25
teljes indukció elve, 23
teljes rendezett test, 22
teljesség, 16, 17
természetes bázis, 52
természetes számok, 23
test, 21, 32
transzcendens számok, 35
transzformáció mátrixa, 102
tranzitivitás, 16
trianguláris, 67
trigonometrikus alak, 29
unió, 12
üres halmaz, 11
véges halmaz, 33
végesen generált vektorrendszer, 48
végtelen halmaz, 33
valós rész, 27
valós számok, 22
vektor, 43
vektorrendszer rangja, 52, 80
zéruselem, 21
zérusmátrix, 61

Bácsó Sándor

Diszkrét Matematika I.

mobiDIÁK könyvtár SOROZATSZERKESZTŐ Fazekas István .

Bácsó Sándor Diszkrét Matematika I. egyetemi jegyzet mobiDIÁK könyvtár Debreceni Egyetem Informatikai Intézet .

2003 mobiDIÁK könyvtár Debreceni Egyetem Informatikai Intézet 4010 Debrecen.hu A mű egyéni tanulmányozás céljára szabadon letölthető. A mű a A mobiDIÁK önszervező mobil portál (IKTA. .unideb. 50/2003) projektek keretében készült. a legújabb generációs portál szoftver (ITEM. OMFB-00373/2003) és a GNU Iterátor.Lektor Fazekas István Copyright c Bácsó Sándor. Minden egyéb felhasználás csak a szerző előzetes írásbeli engedélyével történhet. Pf. 12 http://mobidiak. 2003 Copyright c elektronikus közlés mobiDIÁK könyvtár.

. . . . Lineáris leképezések . . . . . . . . . . . . . . . . . . . . . Valós számok . . . . 4. . 1. . . . . . . 1. Természetes számok. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .és koordinátatranszformáció . . . . . . . . . . . Faktortér . . . . . . . . . 3. . . . . . . . . Mátrixok . . . . . . . . Lineáris transzformációk . . . . . . . 4. . . . . . . . . . . . . . . . . . . racionális számok . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 7 . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . Vektorok . . . . . . . . . . . . . . . . . . . . . . Mátrixok . . . . . . 98 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . Függvények . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . 2. . . . . . Determináns . . . . . . . . függvények . . . . . . . . . . . . bázis. . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . Lineáris egyenletrendszerek . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vektorterek . . . . . . . . . . . . . . . . . . . . . . . . . Halmazelméleti alapfogalmak . . . . . . . . 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. 2. 3. . . . . . . . . . 1. . . . . . . . . . . . . . . Számosságok . . . . . . . . . . . . . . . . . . . . . . . . 9 11 11 14 18 21 21 23 26 31 32 35 43 43 47 53 56 61 61 71 80 84 5. . . . . . . . . . . . . . . . . . . . . . . .Tartalomjegyzék Bevezetés . . . . . . . . . . . . . . . . . . . . . 4. 6. . . Vektorterek lineáris leképezései . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . dimenzió . . . . . . . . . . . . . Relációk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Számfogalmak . . . . Kombinatorikai alapfogalmak . . . . . . . . . . . . . . . . . . . . . Lineáris függőség. . . . . . . . . . . . . . . . . . . . . . . Halmazelmélet. . . Bázis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mátrix rangja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . . . . relációk. . . . . Algebrai stuktúrák . . Komplex számok . . . . . . . . . . . egész számok. . . . . . . . . . . . . . . Alterek direkt összege . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .8 TARTALOMJEGYZÉK Irodalomjegyzék . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 Tárgymutató . . . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . . . . . . . . . .

determinánsokhoz. amellyel együtt alkot ez a munka egységes egészet. lineáris egyenletrendszerekhez és lineáris leképezésekhez tartozó alapvető ismereteket teljes részletességgel. A jegyzet lényeges részei a harmadik. több esetben bizonyítás nélkül. Remélhetőleg a jegyzet eléri célját azzal. a negyedik és ötödik fejezetben találhatók. mátrixokhoz. hogy használható ismereteket nyújt a további tanulmányokhoz. A jegyzet első két fejezete előkészítő részei a nem metrikus lineáris matematikai ismereteknek (a metrikus lineáris algebrai fejezeteket a jegyzet második része tartalmazza). Az irodalomjegyzékben található munkákban a bizonyítások is megismerhetők. Itt csak a legfontosabb fogalmakat és állításokat adjuk meg. továbbá Orosz Ágotának és Kaiser Zoltánnak a jegyzet gondos előállításáért. nélkülözhetetlen tanácsaiért. A jegyzethez példatár is készül. 9 . Itt tisztázzuk a vektorterekhez. Az első rész az első szemeszterben elsajátítandó anyagot tartalmazza. A jegyzet anyaga erősen támaszkodik a középiskolában elsajátított matematikai tanulmányokra.Bevezetés Ez a jegyzet programtervező matematikus hallgatók számára készült a "Diszkrét matematika" című tantárgy előadásai alapján. A szerző köszönetet mond Fazekas István egyetemi docensnek az igen lelkiismeretes lektorálásért.

.

. Halmazt megadhatunk elemeinek felsorolásával: A = {a.1. A valódi részhalmaza B-nek. Csak egy üres halmaz létezik. Definíció. b. a3 . Jele: A = B. a nem eleme Anak: a ∈ A. 1. . . Definíció. . b. . ha A ⊂ B és A = B. . Tétel.3. . Ekkor A ⊂ B és B ⊂ A teljesül. Definíció.6. . . . c. 1. ha Jele: A ⊂ B.4. 1. hogy az A halmaz elemei azon a elemek lesznek. amelynek egyetlen eleme sincs. melynek elemei halmazok. B. elem és az eleme szavakat. 11 ∀x ∈ A ⇒ x ∈ B. a eleme A-nak: a ∈ A .5. 1. . Az A halmaz részhalmaza a B halmaznak. fejezet Halmazelmélet. 1. / illetve valamilyen kitüntető tulajdonsággal: A = {a | T (a)}. Az A és a B halmazok egyenlőek. Halmazrendszernek nevezzük az olyan nem üres halmazt.4. definíciók alapján nyilvánvaló.3. vagy a1 . tétel miatt A = B. . Indirekt tegyük fel. Bizonyítás. Definíció. ha elemeik megegyeznek. Bizonyítás. .2. függvények 1. Az 1.1. . azaz A = B ⇐⇒ (∀x ∈ A ⇒ x ∈ B) és (∀x ∈ B ⇒ x ∈ A). amelyek rendelkeznek a T tulajdonsággal. . Ez utóbbi azt jelenti. A = B ⇐⇒ A ⊂ B és B ⊂ A. relációk. az alábbi jelölések mellett. . Halmazelméleti alapfogalmak Ebben a fejezetben alapfogalomként használjuk a halmaz. Tétel. . Halmaz: A. a2 . Például: A = {x | x ∈ R. és az 1. vagy A 1 . }. x 2 > 0}. 1. Azt a halmazt.2. üres halmaznak nevezzük. így az 1. A2 . A3 . C. hogy A és B is üres halmazok. elem: a. . Jele: ∅.

2.12 1. RELÁCIÓK. Ekkor {Ai | i ∈ I} indexelt halmazrendszer (vagy I-vel indexelt halmazrendszer). y} . / 4. Definíció. Definíció. Ai = {x | ∃Ai : Ai ∈ S. A ⊂ B ⇐⇒ B ⊂ A. {x. Jele: 2 A illetve P (A). Legyen I = ∅ indexhalmaz. Ekkor 1. x ∈ Ai }. B ⊂ X. {y}. Tétel.9. 1. Definíció. 1. 5.10. {x}. Ekkor az A halmaz X-re vonatkozó komplementerén az X \ A halmazt értjük. Legyen X egy halmaz és A ⊂ X. . Egy A halmaz összes részhalmazaiból álló halmazt az A hatványhalmazának nevezzük. Műveletek halmazok között: 1. 1.11. Jele: A vagy A c . Legyen X adott halmaz és A. HALMAZELMÉLET. Példa. Az A = {x. Az S = {Ai | i ∈ I} halmazrendszer uniója: S= i∈I 2A = ∅.8. y} halmaz hatványhalmaza: 1. A és B halmazok metszete: A ∩ B = {x | x ∈ A és x ∈ B}. A és B halmazok különbsége: A \ B = {x | x ∈ A és x ∈ B}. 3. S = {Ai | i ∈ I} halmazrendszer metszete: S= i∈I Ai = {x | ∀Ai ∈ S esetén x ∈ Ai }. FÜGGVÉNYEK 1. A = B ⇐⇒ A = B. és ∀i ∈ I esetén adott egy A i halmaz.7.12. 2. A B A∪B A A∩B B PSfrag replacements A A\B B A A⊂B B 1. Definíció. A és B halmazok uniója: A ∪ B = {x | x ∈ A vagy x ∈ B}.

ha A = B . (A ∪ B) ∪ C = A ∪ (B ∪ C) és (A ∩ B) ∩ C = A ∩ (B ∩ C).és az unióképzés kommutatív. 2. 5. . azaz a metszetés az unióképzés asszociatív. 1. / / tehát A és B elemei megegyeznek. hogy A ⊂ B. 1. 9. a többi bizonyítás hasonlóan végezhető. 7. Bizonyítás. azaz B ⊂ A. ∅ = X és X = ∅. A ∪ A = X és A ∩ A = ∅. így A = B. Fordítva. A ∪ A = A és A ∩ A = A. 3. Bizonyítás. állítást igazoljuk. A ∪ B = A ⇐⇒ B ⊂ A. x ∈ A ∪ (B ∩ C) ⇐⇒ x ∈ A vagy x ∈ (B ∩ C) ⇐⇒ x ∈ A vagy (x ∈ B és x ∈ C) ⇐⇒ (x ∈ A vagy x ∈ B) és (x ∈ A vagy x ∈ C) ⇐⇒ x ∈ (A ∪ B) és (A ∪ C) ⇐⇒ x ∈ (A ∪ B) ∩ (A ∪ C). A ∪ B = B ∪ A és A ∩ B = B ∩ A. 8. C ⊂ X. A = A. azaz teljesül a disztributivitás. Csak a 3. / / tehát B elemei A-nek is elemei.13. Tegyük fel.1. A ∪ ∅ = A és A ∩ ∅ = ∅. Ekkor x ∈ A ⇐⇒ x ∈ A ⇐⇒ x ∈ B ⇐⇒ x ∈ B. Fordítva. B. / 3. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) és A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C). Ekkor 1. x ∈ A ⇐⇒ x ∈ A ⇐⇒ x ∈ A . A ∩ B = A ⇐⇒ A ⊂ B. tehát A = A. / / tehát A = B . azaz a metszet. akkor x ∈ A ⇐⇒ x ∈ A ⇐⇒ x ∈ B ⇐⇒ x ∈ B. akkor x ∈ A ⇐⇒ x ∈ A ⇒ x ∈ B ⇐⇒ x ∈ B. azaz a metszet. 2. A ∪ X = X és A ∩ X = A. 6. HALMAZELMÉLETI ALAPFOGALMAK 13 3. Tétel. ha B ⊂ A . 4. 10. Tegyük fel. Legyen X adott halmaz és A. hogy A = B. Ekkor x ∈ B ⇐⇒ x ∈ B ⇒ x ∈ A ⇐⇒ x ∈ A. / / tehát A ⊂ B.és az unióképzés idempotens.

6. FÜGGVÉNYEK 1. A × B = {(a. 5.2. (A ∪ B) × C = (A × C) ∪ (B × C). B és C tetszőleges halmazok. ahol a ∈ A és b ∈ B. 4. 8. (A ∩ B) × C = (A × C) ∩ (B × C). B ⊂ C ⇒ A × B ⊂ A × C. b) | a ∈ A. 7. Tétel.14. A × B = B × A ⇐⇒ A = B. Legyenek A. B ⊂ X. 2. x ∈ (A ∪ B) ⇐⇒ x ∈ (A ∪ B) ⇐⇒ x ∈ A és x ∈ B ⇐⇒ x ∈ / / / A és x ∈ B ⇐⇒ x ∈ A ∩ B. 2. Relációk 2. PSfrag replacements A B A B A∪B A∩B Hasonlóan igazolható a második állítás is. A × (B \ C) = (A × B) \ (A × C). d) ⇐⇒ a = c és b = d.1. A × (B ∪ C) = (A × B) ∪ (A × C). b) = (c. Legyen X adott halmaz. . A × (B ∩ C) = (A × B) ∩ (A × C). 9. HALMAZELMÉLET. Legyenek A és B tetszőleges halmazok. és A.3. A × B = ∅ ⇐⇒ A = ∅ vagy B = ∅. Definíció. b) szimbólumot értjük. Bizonyítás.14 1. 3. RELÁCIÓK. Két rendezett elempár egyenlőségét az alábbi módon definiáljuk: (a. Tétel (de Morgan-féle azonosságok). Ekkor (A ∪ B) = A ∩ B és (A ∩ B) = A ∪ B. (A \ B) × C = (A × C) \ (B × C). Az A és a B halmazok Descartes-féle szorzatán az halmazt értjük. b ∈ B} 2. Ekkor 1. 2. Rendezett elempár alatt az (a. Definíció.

∃x ∈ A. x ∈ C}. Az F ⊂ A × B reláció értelmezési tartománya: ˙ DF ={x | x ∈ A. y) ∈ F }. Definíció. 2. RELÁCIÓK 15 Bizonyítás. Definíció. 6 C A×C B×C - A B 2. ∃x ∈ C. akkor F az A-nak B-re történő leképezése. Ha F ⊂ A × B. akkor F az A-nak B-be történő leképezése. Legyen F ⊂ A × B reláció és C ⊂ D F . azaz az F reláció mellett az a elem képe b. Definíció. y) ∈ (A∪B)×C ⇐⇒ x ∈ (A∪B) és y ∈ C ⇐⇒ (x ∈ A vagy x ∈ B) és y ∈ C ⇐⇒ (x ∈ A és y ∈ C) vagy (x ∈ B és y ∈ C) ⇐⇒ (x. akkor F egy A-ból B-re történő leképezés. C ⊂ A. értékkészlete: RF ={y | y ∈ B. Jele: aF b. Definíció. Ekkor F ⊂ A × B-t az A és B halmazok közötti (binér) relációnak nevezzük. (x.6. y) ∈ F }. y) ∈ F }. ahol a ∈ A és b ∈ B vagy b = F (a). . ha DF = A és RF = B.5. ˙ 2. y) ∈ F. ˙ 2. (x. y) | (x. Ha DF = A.7. akkor az F reláció mellett C képe: F (C)={y | y ∈ B. ekkor az F reláció C-re való leszűkítése: F indexF C C = {(x. y) ∈ (A × C) ∪ (B × C).4. (x. A második állítást igazoljuk: 2. ∃y ∈ B.8. Definíció. ha RF = B. Legyenek A és B halmazok. (x. 2.2.

illetve y > x jelölés is. C és D halmazok.3. Ekkor F inverze: 2. azaz teljes.10.13. 1] × [0. (F −1 )−1 = F. .15. (y. 2. Ekkor: 1. R) rendezett halmaz.14. akkor x < y-t írunk. 3.. RF −1 = DF . 2. x) ∈ B × A. 3. F −1 ={(y. és F ⊂ A × B. R) párt rendezett halmaznak nevezzük. Az x ≤ y reláció [0. G ⊂ B × C. (F ◦ G) ◦ H = F ◦ (G ◦ H). 2. xRy és yRx közül legalább az egyik fennáll.12. y) ∈ F }. G ◦ F ={(x. Legyen (A. (x. azaz reflexív. Ekkor az F ⊂ A × B és a G ⊂ B × C relációk kompozíciója vagy összetétele a G ◦ F ⊂ A × C reláció: 2. 4. Következmény. Példa. Legyenek A. Legyenek A. H ⊂ C × D relációk. Legyen A egy halmaz. ∃y ∈ B. Ha csak az 1. z) ∈ G }. Definíció. 1]-en és ennek inverze (az átló mindkét relációhoz hozzátartozik): 1 1 0 x≤y 1 0 1 x ≤ y inverze 2. z) | x ∈ A. ˙ 2. 2. (xRy és yRx) ⇒ x = y. akkor parciális rendezésről vagy féligrendezésről beszélünk. Ha x ≤ y és x = y.11. Definíció. Legyen F ⊂ A × B reláció. Ekkor az (A. (G ◦ F )−1 = F −1 ◦ G−1 .16 1.2.9. B. y. B és C halmazok. Következmény. Legyen F ⊂ A × B reláció. Definíció. x) | (y. (x. (xRy és yRz) ⇒ xRz. z ∈ A esetén teljesülnek az alábbi tulajdonságok: 1. Ekkor 1. Az x ≤ y illetve x < y kifejezésekre használatos az y ≥ x. HALMAZELMÉLET. y) ∈ F. és a rendezési reláció jele: ≤ .. Definíció. ˙ 2. Az R ⊂ A × A relációt rendezési relációnak nevezzük. z ∈ C. RELÁCIÓK. azaz antiszimmetrikus. azaz tranzitív. ha ∀x. xRx. tulajdonság teljesül a relációra. FÜGGVÉNYEK 2. DF −1 = RF .

2. B ∈ S. RELÁCIÓK 17 1. hogy ∀b ∈ B esetén b ≤ a. Egy B ⊂ A halmaz pontos felső korlátja egy olyan a ∈ A felső korlát. Példa. akkor az indukál egy osztályozást H-n. amelyek 5-tel osztva ugyanazt a maradékot adják. 2. Egy B ⊂ A halmazt felülről korlátosnak nevezünk. Legyen A egy halmaz. szimmetrikus.16. z ∈ A esetén teljesülnek az alábbi tulajdonságok: 1. 5-ös tudású diákok. akkor H-n megadható egy S-hez tartozó ekvivalencia reláció. azaz reflexív. és egyesítésük H. és ekkor az a elemet a B halmaz alsó korlátjának nevezzük. . amelynél kisebb felső korlátja a B-nek nincsen. Az S halmazrendszert H egy osztályozásának nevezzük. hogy a ekvivalens b-vel. hogy ∀b ∈ B esetén b ≥ a. (5 a − b jelentése: 5 osztója ˙ a − b-nek. y. Ekkor azt is mondjuk. Definíció. . továbbá S = H. xRx. 2.21. 2. 2. 2. tranzitív. Így a diákokat öt osztályba soroljuk: 1-es. 3. . és ekkor az a elemet a B halmaz felső korlátjának nevezzük. xRy → yRx. Ha S egy osztályozás H-n. Jele: a = inf B (infimum). A matematika vizsgán az egymással (közelítőleg) azonos tudású diákok kapnak azonos jegyet. Azaz ∀A.18. ha bármely nem üres felülről korlátos részhalmazának létezik pontos felső korlátja. Egy B ⊂ A halmazt alulról korlátosnak nevezünk. Definíció. 1. ha ∃a ∈ A úgy. 2. Jele: a = sup B (szuprémum). Definíció. Jele: a ∼ b. Egy rendezett halmazt teljesnek nevezünk. ha ∃a ∈ A úgy.20. 2. Az R ⊂ A × A relációt ekvivalencia relációnak nevezzük. 2-es. Definíció. Ha H-n adott egy ekvivalencia reláció. Tétel. amelynél nagyobb alsó korlátja a B-nek nincsen. Z+ -on (azaz a pozitív egész számok halmazán) értelmezett aRb ⇐⇒ 5 a − b reláció ekvivalencia reláció. B ⊂ H.2.) Azok a pozitív egész számok lesznek ekvivalensek egymással. . Ezen osztályozás alapja az ekvivalens (azonos) tudás. Legyen H = ∅ halmaz.17. ha ∀x. Egy B ⊂ A halmazt korlátosnak nevezünk. 3. ha S elemei páronként diszjunktak. ha alulról és felülről is korlátos. A ∩ B = ∅ vagy A = B. . esetén A. Egy B ⊂ A halmaz pontos alsó korlátja egy olyan a ∈ A alsó korlát.19. 2. xRy és yRz → xRz.

2. a2 ∈ A. a1 ) ∈ f −1 . b) ∈ f. ha egy osztályba tartoznak. 1] reláció nem függvény. a2 ∈ A. (f (a). példában szereplő ekvivalancia reláció által indukált osztályozás esetén (egy osztályba kerülnek az egymással ekvivalens elemek) öt különböző osztályt kapunk. ha f −1 : f (A) → A is függvény. hogy f invertálható. A 2. FÜGGVÉNYEK 2. .22.1. a2 ∈ A : f (a1 ) = f (a2 ) ⇐⇒ a1 = a2 . Minden függvény reláció. Az f : A → B függvény invertálható. amelyek 5-tel osztva ugyanazt a maradékot adják. a2 ) ∈ f −1 és a1 = a2 . hogy ne lehessen "többértékű" függvényről beszélni. −1) is hozzá tartozik. melyre (a. mivel az f −1 függvény egyértelműen rendeli hozzá az elemekhez a képüket. amelynél azonos osztályba kerülnek azok az elemek. Megjegyzés. 1) valamint (0. Definíció. de nem minden reláció függvény. Bizonyítás. azaz létezik f (a) ∈ f (A) úgy. hisz pl. (b) Most tegyük fel. akkor (a1 . Ha f (a1 ) = f (a2 ) teljesül. Példa. Ekkor a függvény értelmezési tartománya: A. vagyis az f −1 reláció függvény. a 1 ) ∈ f −1 . ha bármely a ∈ A esetén egyértelműen létezik olyan b ∈ B. ∃a ∈ A : (a. Ha pedig Z + -on azt az osztályozást adjuk meg. hiszen f (a 1 ) = f (a) = f (a2 ) miatt a1 = a2 . A K = {(x. 3. hogy (f (a). hogy ∀a1 .18 1. így (f (a1 ). és két elem akkor és csak akkor áll relációban egymással.3. (f (a2 ). 3. RELÁCIÓK. y) | x2 + y 2 = 1} ⊂ [−1. és f −1 nem függvény. HALMAZELMÉLET. a1 = a2 esetén f (a1 ) = f (a2 ). Másképpen: ∀a1 . Példa. Tétel.19. 1] × [−1. (0. a függvény képhalmaza: f (A) = {b | b ∈ B. Az f : A → B függvény akkor és csak akkor invertálható. b = f (a). Ez nyilván ellentmondás. Függvények A függvény fogalmát úgy alakítjuk ki. 3. 3. 3. (a) Tegyük fel. a2 ∈ A : f (a1 ) = f (a2 ) ⇐⇒ a1 = a2 . f (a1 )) ∈ f és (a2 . akkor megkapjuk a fenti ekvivalencia relációt. értékkészlete: B. f (a2 )) ∈ f. Ha a1 . akkor a1 = f −1 (f (a1 )) = f −1 (f (a2 )) = a2 . Az f ⊂ A × B relációt függvénynek nevezzük. Ekkor f −1 -et az f inverzfüggvényének nevezzük. Jelölés: f : A → B.5. a2 ) ∈ f −1 . Az invertálható függvényeket kölcsönösen egyértelműnek nevezzük. Definíció.4. 3. ha bármely a1 . b) ∈ f }.

3. szorzással. (Csak megjegyezzük. 4. y) ∈ f és (y. 3. Definíció. Elemi függvényeknek nevezzük az alábbi négy (a valós számok halmazából a valós számok halmazába képező) függvényből: 1. mert g is függvény.12. tehát g ◦ f is függvény. 1] reláció függvény. y) | y = 1 − x2 } ⊂ [−1. hogy z = (g ◦ f )(x). azaz a függvény invertálható. Definíció. . Definíció. 2. 1]-re már invertálható (és inverze önmaga). összetettfüggvény-képzéssel és invertálással előállítható függvényeket. f injektív. f (x) = ax . Eszerint bármely x ∈ A esetén egyértelműen létezik z ∈ C úgy.7. f bijektív. és ehhez az egyértelműen létező y-hoz egyértelműen tartozik z = g(y) = g(f (x)). Ekkor 1. z) ∈ (g ◦ f ). Ekkor a g ◦ f ⊂ A × C relációt összetett függvénynek nevezzük. melyre (x. a > 0 hatványfüggvény.11. f a belső függvény. hogy az eredeti K mint reláció inverze önmaga. 1] × [0. Legyen f : A → B függvény. z) ∈ g. g a külső függvény. ha injektív és szürjektív. f szürjektív. z) ∈ (g ◦ f ). Mivel f függvény. f (x) = c konstans függvény. Ez a függvény nem invertálható. 3. Legyenek f : A → B és g : B → C függvények. Ekkor az g ◦ f reláció is függvény. azaz (x. y ∈ A és x = y esetén f (x) = f (y).6. akkor definíció szerint létezik olyan y ∈ B. osztással.9.) 3. ha létezik a halmazok között bijektív függvény: ∃f : A → B bijektív. Viszont megszorítása [0.10. Definíció. kivonással. Az A és B halmazok ekvivalensek egymással. 2. Legyenek f : A → B és g : B → C függvények. Definíció. 3.8. 3. f (x) = x identikus függvény. f (x) = sin x összeadással. így y = f (x) egyértelműen létezik. FÜGGVÉNYEK 19 √ Viszont az F = {(x. Ha (x. Legyen A tetszőleges halmaz. 3. Jelölés: (g ◦ f )(x) = g(f (x)). Tétel. Ekkor az f : A × A → A függvényt (binér) műveletnek nevezzük. ha f (A) = B. 3. Bizonyítás.3. 3. Definíció. ha bármely x. Az A halmaz identikus függvénye: id A : A → A idA (x) = x ∀x ∈ A.

.

∀x. Definíció. létezik egységelem. 1 = 0 : x · 1 = x ∀x ∈ R. f2 (x. Azt mondjuk. z ∈ R. y ∈ R. ∀x. jele: 1. y) = x + y. y. y ∈ R. y ∈ R. 6.1. asszociativitás x·y =y·x ∀x. 5. létezik additív inverz ∃0 ∈ R : x + 0 = x x · (y + z) = x · y + x · z ∀x ∈ R. y. +. ∀x. 21 . létezik multiplikatív inverz ∀x ∈ R. fejezet Számfogalmak 1. f1 (x. ∀x. y. az úgynevezett testaxiómákat: 1. y ∈ R. x = 0 esetén ∃(x−1 ) ∈ R : x · (x−1 ) = 1. Legyen adott egy R halmaz. ∃1 ∈ R. f2 : R × R → R. ·) test. létezik zéruselem (vagy nullelem). z ∈ R. hogy (R. ha teljesíti az alábbi tulajdonságokat. z ∈ R. ∀x ∈ R esetén ∃(−x) ∈ R : x + (−x) = 0. 7. ∀x. jele: 0. disztributivitás (x · y) · z = x · (y · z) 4. Valós számok 1. (x + y) + z = x + (y + z) 3. ∀x. y) = x · y.2. és legyen rajta értelmezve két művelet: f1 : R × R → R. kommutativitás x+y =y+x 2.

y ∈ R. Ha x.6. ha x. Definíció. Valós számok halmazának nevezünk egy teljes rendezett testet. Az 1. Az (R. A multiplikatív esetet igazoljuk. akkor x + z ≤ y + z ∀z ∈ R. Bármely x. Tétel. SZÁMFOGALMAK 1. Definíció. x = 0. hogy két nullelem létezik: 0 1 és 02 .8.4. akkor x · y ≥ 0. +.5. Megjegyzés. Tétel. Kivonási és osztási szabály. akkor y = z. Jele: R. Tétel. ha bármely felülről korlátos nemüres részhalmazának létezik pontos felső korlátja. y ≥ 0. Bizonyítás. amelyre x = yz2 . Definíció. 1. így az additív tulajdonságokra vonatkozó bizonyítások multiplikatív esetben hasonlóan végezhetők. y ∈ R esetén egyértelműen létezik z 1 ∈ R. ·. 1. z1 jele: x − y. z ∈ R. akkor y = z. y. Indirekt tegyük fel. Egyszerűsítési szabály. +. Tétel. Mivel R-ben az összeadás és a szorzás ugyanazokkal a műveleti tulajdonságokkal rendelkezik (úgynevezett Abel-csoportot alkotnak). 2. y. állításnál legyen z 1 = x + (−y). y ∈ R és x ≥ 0. Ekkor 01 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 . . x + y = x + z. ha x. ≤) rendezett test. ≤) rendezett test teljes. 1. Az összeadás helyét a szorzás. Ha x.3. Az 1.22 2. xy = xz. Bármely x. 1. Bizonyítás. y = 0 esetén egyértelműen létezik z 2 ∈ R. 1 2 Ekkor x · x−1 = x · x−1 . 2. 1. 1. y Bizonyítás. ha teljesül az alábbi két tulajdonság: 1. hogy az x nem nulla valós számnak két inverze van. állítást igazoljuk: y = y + 0 = y + (x + (−x)) = (y + x) + (−x) = (x + y) + (−x) = (x + z) + (−x) = (z + x) + (−x) = z + (x + (−x)) = z + 0 = z. R-ben az egységelem és a nullelem egyértelműen létezik. y ∈ R és x ≤ y. Ekkor z2 -re az x jelölést használjuk. Azt mondjuk. Indirekt tegyük fel. így az egyszerűsítési szabály miatt x −1 = x−1 . és minden nem nulla valós számnak egyértelműen létezik multiplikatív inverze. Bizonyítás. amelyre x = y+z1 . ·. 1. a nullelem helyét az egységelem veszi át.9. z ∈ R. 2. azaz x · x −1 = 1 és x · x−1 = 1.7. 1. Minden R-beli elemnek egyértelműen létezik additív inverze. Legyen adva az R testen egy ≤ rendezési reláció: ≤ ⊂ R × R.2. hogy (R. 1 2 1 2 1.

Ekkor xy = 0 ⇐⇒ x = 0 vagy y = 0. (x −1 )−1 = x. y = 0. Az N ⊂ R halmazt a természetes számok halmazának nevezzük. EGÉSZ SZÁMOK. Tétel. és ha x = 0. 2. y = 0 feltétel. egész számok. hogy x = 0. RACIONÁLIS SZÁMOK 23 (a) Mivel y + z1 = y + x + (−y) = (y + (−y)) + x = 0 + x = x. Definíció. (b) Ha z1 és z2 esetén is teljesül. m ∈ M =⇒ m + 1 ∈ M. Legyen x. így létezik x − y.2. ha rendelkezik a következő tulajdonságokkal: 1. TERMÉSZETES SZÁMOK. ∀n ∈ N. Bizonyítás. Mivel nem nulla számoknak létezik multiplikatív inverzük. racionális számok 2. n − 1 ∈ N ⇐⇒ n = 1. 2.2. Bármely x ∈ R esetén −(−x) = x. Ekkor 1.1. ∀n ∈ N =⇒ n + 1 ∈ N. tehát x − y egyértelműen létezik. hogy x = 0. xy = 0 + 0y = 0y = (0 + 0)y = 0y + 0y. Tétel. teljes indukció elve: ha M ⊂ N olyan. hogy 1 ∈ M. 1. Természetes számok. akkor az egyszerűsítési szabály miatt z1 = z2 . Bizonyítás. 4. 1 ∈ N. y ∈ R. és az egyszerűsítési szabály miatt 0 = 0y. (b) Most indirekt tegyük fel. így az egyszerűsítési szabály miatt x = −(−x). (a) Tegyük fel. akkor M = N . Az additív inverz tulajdonsága miatt (−x) + x = 0 és (−x) + (−(−x)) = 0. így az (a) részben bizonyított állítás felhasználásával: 0 = (xy) y −1 x−1 = x (yy −1 ) x−1 = xx−1 = 1. Tétel. 3. 1 (−x) jele: −x és x−1 jele: x . hogy y + z1 = x = y + z2 . A természetes számok halmaza rendelkezik a következő két tulajdonsággal: . 2.11.10. de xy = 0. 0 1 az ellentmondás oka az x.

1. R− ={x | x ∈ R. x1 =x.24 2.7. amely nem √ racionális szám. 2. Definíció. akkor léteznének olyan p és q egész számok. q = 0 : x = ˙ p q 2. 2. ∃m. hogy a racionális számok összege. Definíció. azaz létezik olyan valós szám. Megjegyzés. Definíció. q ∈ Z. x ≥ 0}: nem negatív számok halmaza. 2. x Eszerint létezik n ∈ N : < n. xn =xn−1 x. amelyek előállnak két természetes szám különbségeként. N ⊂ R felülről nem korlátos . . ˙ 3. ∃p. ˙ 2. Azokat a valós számokat. n ∈ N : x = m − n}. Definíció. ha x = 0. Definíció. Az R \ Q halmaz elemeit irracionális számoknak nevezzük.5. ˙ 2. ha x = 0. így q osztója volna p-nek.6.8.3. szorzata. R \ Q nem üres halmaz. Legyen x ∈ R és n ∈ N.4. x ≤ 0}: nem pozitív valós számok halmaza. q Ekkor 2q 2 = p2 lenne. ˙ ˙ 2. ha n = 1. melyekre √ p 2 = . Ha például a 2 racionális szám lenne. állítás következménye. x−n = n . ˙ 2. Az archimedeszi tulajdonság az 1. Q test. {x | x ∈ R. 4. amiből y < nx. y 2. racionális számoknak nevezzük: Q= x | x ∈ R. Megjegyzés. 2. 1 3. hogy p és q relatív prímek. x ≥ 0 és ∀y ∈ R esetén ∃n ∈ N : y < nx. additív inverze és multiplikatív inverze is racionális szám. hiszen könnyen látható. archimedeszi tulajdonság: ∀x ∈ R. ahol p és q legnagyobb közös osztója 1. amelyek előállnak két egész szám hányadosaként.9. x0 =1. Bevezetjük az alábbi elnevezéseket: 1. x < 0 }: negatív valós számok halmaza. Ekkor 1. R+ ={x | x ∈ R. egész számoknak nevezzük: Z={x | x ∈ R. SZÁMFOGALMAK 1. 2. {x | x ∈ R. Azokat a valós számokat. ˙ x 4. x > 0}: pozitív valós számok halmaza. ami ellentmond annak.

b végpontú intervallumokra a következő jelöléseket vezetjük be: 1. y). y ∈ R esetén 1. y) ≥ 0. −x ha x < 0.12. |xy| = |x||y|. 2. 2. d(x. Bármely x. Az a. 2. Legyen x. 4. d(x. x) < δ}. 2. bi+1 ≤ bi ∀i ∈ N (azaz [ai+1 . Az {[ai . 5. RACIONÁLIS SZÁMOK 25 2. d(a. x). | − x| = |x|. (szimmetria). (nem negativitás).15. Definíció. Megjegyzés. [a. d(x.2. bi ] ∀i ∈ N). y ∈ R. b] = {x | x ∈ R. |x| x 3. d(x. b[= {x | x ∈ R. i ∈ N.14. 2. [a. y) = |x − y| valós számot az x és az y számok távolságának nevezzük. y) ≤ d(x. 2. y. a < x ≤ b}. |x + y| ≤ |x| + |y|.10. 2. Definíció. Definíció. Tétel. Legyen x ∈ R. y) = 0 ⇐⇒ x = y. a ≤ x < b}. bi+1 ] ⊂ [ai . TERMÉSZETES SZÁMOK. a ≤ x ≤ b}. y) = d(y.16.13. b] = {x | x ∈ R. Az a ∈ R szám δ > 0 sugarú nyílt gömbkörnyezetén az alábbi halmazt értjük: k(a. Ekkor x abszolút értékét az alábbi módon definiáljuk: |x| = x ha x ≥ 0. ]a.11. EGÉSZ SZÁMOK. 2. A d : R × R → R függvényt metrikának nevezzük R-en. ]a. indexelt halmazrendszert egymásba skatulyázott intervallumrendszernek nevezzük. bi ]} ⊂ R. (háromszög-egyenlőtlenség). a < x < b}. ||x| − |y|| ≤ |x − y|. δ) = {x | x ∈ R. = y |y| 4. z) + d(z. Tétel. z ∈ R esetén: 1. Az abszolút érték tulajdonságai: x. Definíció. 3. b[= {x | x ∈ R. ha a i ≤ ai+1 . 2. 3. A d metrika rendelkezik a következő tulajdonságokkal. . A d(x.

24. Azt az egyértelműen létező y ∈ R nem negatív számot. Definíció. Ha S ⊂ R felülről nem korlátos. m ∈ Z. A H ⊂ R halmaz mindenütt sűrű R-ben. +. Legyen x ∈ R. b + d). y ∈ R. Bármely x ∈ R. bc + ad). b) számpárok halmazát. Megjegyzés. Ekkor n √ xr = n xm .1. Rb nem test. b)(c. Ha x < 0.26 2. 2. Ekkor ∞ i=1 [ai . ˙ (a. x < y esetén létezik h ∈ H. n ∈ N. Definíció.23. Definíció. Komplex számok 3. Ha ezzel a két szimbólummal ˙ kibővítjük a valós számok halmazát.21. Tétel (Cantor-féle metszettétel). Megjegyzés. SZÁMFOGALMAK 2. akkor sup S =∞ és ha ˙ S ⊂ R alulról nem korlátos. r ∈ Q és r = .22.20. d)=(a + c.17. 2. az x valós szám √ 1 n-edik gyökének nevezzük. ˙ 2. melyre y n = x teljesül. Definíció. Jele: n x = y vagy x n = y. √ √ 1 akkor n x = x n = − n −x. Definíció.18. akkor az így kapott halmazt bővített valós számok halmazának nevezzük: Rb = R ∪ {∞} ∪ {−∞}. x ≥ 0 és n ∈ N. ˙ m 2. Ezen a halmazon értelmezzük a szorzás és az összeadás műveletét az alábbi módon: (a.ben. i ∈ N egymásba skatulyázott zárt intervallumrendszer. 2. Tétel.19. Legyen {[a i . 2. Definíció. x ≥ 0 és n ∈ N esetén egyértelműen létezik y ∈ R és y ≥ 0. ha ez az előbbiek alapján értelmezhető. b) + (c. bi ] = ∅. Legyen n ∈ N páratlan és x ∈ R tetszőleges. Tekintsük a valós számokból képzett (a. 2. x = y. A racionális számok. ˙ A valós számpárok halmazát ezen két művelettel ellátva (C. ·)-ral jelöljük . bi ]} ⊂ R. 2. d)=(ac − bd. melyre x < h < y . 3. valamint az irracionális számok halmaza mindenütt sűrű R. Legyen x ∈ R. melyre y n = x. akkor inf S = − ∞.25. ha ∀x.

d) ⇐⇒ a = c. a −b (d) ha (a. d). mint 0 képzetes részű komplex számok. 0) nullelemet 0-val. 3. 0). akkor (a. Következmény. Definíció. 1) = (0 − 1. b = d. b). (c. (e. 1) komplex számot képzetes egységnek nevezzük. Könnyen meggyőződhetünk arról. Multiplikatív tulajdonságok: ∀(a. b). −b) = (0. f ) ∈ C esetén (a) (a. f ) = (ac − bd)e − (bc + ad)f. b) + (c. d) + (a. Ez a leképezés egy beágyazása R-nek C-be. = (1. (c) (a.3. f ) . 2. b) = (c. d)(e.4. (ac − bd)f + (bc + ad)e = (a. Tétel. létezik egységelem. bc + ad) = (c. b) . b) + (−a. b)(c. . (a + c)f + (b + d)e = (a. d) + (e. b)(e. (c) (a. b) + (0. asszociativitás. f ) ∈ C esetén (a) (a. 0 + 0) = (−1. hogy a komplex számokra definiált műveletek az (a. f ) = (a + c + e. akkor a Re(z)=a számot a komplex szám valós részének nevezzük. A valós számok tekinthetők úgy. Disztributivitás: ∀(a. b). (b) (a. (d) (a. d) = (ac − bd. 0). kommutativitás. kommutativitás. 0) leképezés injektív. b + d) = (c. Tétel. f ) . b) + (c. asszociativitás. létezik additív inverz. 0) alakú számokon az eredeti (valós számokon értelmezett) összeadást illetve szorzást adják. 0). (a. 3. 0) alakú komplex számot gyakran csak a-val jelöljük (a ∈ R). vagyis 3. 1)(0. és Im(z)=b a ˙ ˙ komplex szám képzetes (imaginárius) része. Bizonyítás. 3. d)(a.6. Két komplex szám akkor és csak akkor egyenlő. b)(1. i2 = −1 Bizonyítás. C test. (c. f ). f ) = (a + c)e − (b + d)f. a → (a. d) = (a + c. Additív tulajdonságok: ∀(a. (e. létezik 2 + b 2 a2 + b 2 a multiplikatív inverz. 3. b + d)(e. létezik nullelem. Megjegyzés. Az i = (0. 3. b).5. (c. b) = (0. f ) = (a + c. b) + (c. Ezen megjegyzés alapján az (a. b) (c. b) + (c. b + d + f ) = (a. d) (e. Ha z ∈ C és z = (a. f ) + (c. 0) = (a. f ) ∈ C esetén (a. d). (b) (a. b). d) (e. d) + (e. 0). b)(c. 1. (0. hiszen a Φ : R → C. ha a valós és a képzetes részük is megegyezik. b). b).2. d)(e. b). Speciálisan a (0. (e. d).3. 0) = (a. KOMPLEX SZÁMOK 27 és elemeit komplex számoknak nevezzük.

z + w = z + w. zz ≥ 0 . z − z = 2iIm(z). Ekkor |z| = a2 + b2 . w = c + id jelöléssel (ha z = 0) w wz wz wz −1 = = = 2 . Pl. z + z = 2Re(z). Megjegyzés.. Ez alapján a z-vel való osztás a konjugálttal történő bővítéssel végezhető el. 5. Tétel. Egy z ∈ C . 4. 2. A háromszög-egyenlőtlenség (azaz 6. 5. b) pontját (vektorát) feleltetjük meg. 0) + (0. z = a + ib-re zz = a2 + b2 . 3. w ∈ C esetén 1. z zz a + b2 a formális számolás. Bizonyítás. 3. z = a + ib szám konjugáltja: z =a − ib. 0) = (a. A komplex számok halmaza és az Euklideszi sík pontjai között kölcsönösen egyértelmű megfeleltetés létezik: a z = a + bi komplex számnak a sík (a. b) komplex szám megadható az a + ib algebrai írásmódban. 1)(b. 3.) bizonyítása: |z+w|2 = (z+w)(z + w) = (z+w)(z+w) = zz+zw+wz+ww = |z| 2 +|w|2 + zw + wz = |z|2 + |w|2 + 2Re(zw) ≤ |z|2 + |w|2 + 2|z||w| = (|z| + |w|)2 .10. 4. Ekkor a komplex számok összeadása éppen a megfelelő vektorok összeadását jelenti. Bizonyítás. 3. |zw| = |z||w|. Minden z. Egy z ∈ C szám abszolút értékén a |z| = zz nem negatív √ valós számot értjük. b).12. SZÁMFOGALMAK 3. zw = z · w. Az abszolút érték tulajdonságai: 1. 3. Tétel.8..7. zz = 0 ⇐⇒ z = 0. Megjegyzés. Definíció. Tétel. 0 ≤ |z| és |z| = 0 ⇐⇒ z = 0. √ 3. |z| = |z|. |Im(z)| ≤ |z|. 3. Minden (a.9. Definíció.11. Az 1-5. Továbbá . 2.28 2. állítások nyilvánvalóak. A kétféle megadás egyenértékű.13. |Re(z)| ≤ |z|. A konjugálás tulajdonságai. |z + w| ≤ |z| + |w|. 6. hiszen a + ib = (a. ˙ 3.

Az így kapott. akkor 3. Definíció. = = (cos(−φ) + i sin(−φ)). Következmény. Ha z = |z|(cos φ + i sin φ) és w = |w|(cos ψ + i sin ψ). Egy z ∈ C szám trigonometrikus alakjának nevezzük a z = |z|(cos φ+i sin φ) alakot. z1 |z1 |(cos φ1 + i sin φ1 ) |z1 | 2. hogy egy komplex számot egyértelműen meghatároz a hossza (abszolút értéke) és a valós tengellyel bezárt szöge. 3. úgynevezett trigonometrikus alak igen hasznos a hatványozás és a gyökvonás szempontjából. Az 1. KOMPLEX SZÁMOK 29 z abszolút értéke éppen az (a. z2 |z2 |(cos φ2 + i sin φ2 ) |z2 | ha z2 = 0. 1 1 1 4. Im 6 a z=(a. b) vektor hossza. Ha z ∈ C. Tétel. akkor φ = arccos(a/|z|) = arcsin(b/|z|).15. k ∈ Z. z |z|(cos φ + i sin φ) |z| z = w ⇐⇒ |z| = |w| és φ = ψ + 2kπ.3. Bizonyítás. 3. Műveletek trigonometrikus alakú komplex számokkal: 1. n 3. ha z = 0. z = a+ib = |z|(cos φ+i sin φ). 2. azaz a valós tengellyel bezárt szöge. = = (cos(φ1 − φ2 ) + i sin(φ1 − φ2 )). 1. z1 z2 = |z1 |(cos φ1 +i sin φ1 )|z2 |(cos φ2 +i sin φ2 ) = |z1 ||z2 |(cos(φ1 +φ2 )+ i sin(φ1 + φ2 )).b) * a = |z| cos φ b = |z| sin φ z = a + ib = |z|(cos φ + i sin φ) - i 1 b φ Re Látható. z n = |z|(cos φ + i sin φ) = |z|n (cos(nφ) + i sin(nφ)).16. ahol φ a z argumentuma.14. állítás bizonyítása: z1 z2 = |z1 ||z2 |(cos φ1 cos φ2 − sin φ1 sin φ2 + i(sin φ1 cos φ2 + cos φ1 sin φ2 ) = |z1 ||z2 |(cos(φ1 +φ2 )+i sin(φ1 +φ2 )) a trigonometrikus függvényekre vonatkozó .

Megjegyzés. Egy z = 0 komplex számnak n darab n-edik gyöke van. z2 z2 z n = z · z · · · · · z miatt pedig 3.20.n = n |z| cos + i sin .30 2.19.. A többi állítás ennek következménye. z = |z|(cos φ + i sin φ) komplex szám n-edik gyökei: φ + 2kπ φ + 2kπ w1. Példa. . Tétel. z z1 1 = z1 alapján a 2. hiszen 1 z = 1 = (cos 0◦ + i sin 0◦ ) alapján adódik a 4. Egy z ∈ C szám n-edik gyökének nevezzük a w ∈ C számot. Az i2 = −1 egyenlőség bizonyítása trigonometrikus alakban: π π π π ii = (cos + i sin )(cos + i sin ) = (cos π + i sin π) = −1.. k ∈ Z. 3. 2 2 2 2 3. ha wn = z. Példa. azaz Ezek szerint |z| = 1 és 3φ = 0◦ + 2kπ. n n ahol k = 0. 1. hogy az ax 2 + bx + c = 0 alakú valós együtthatós másodfokú egyenletnek negatív diszkrimináns esetén nincsenek valós megoldásai. n − 1.2. 3. 1. összefüggés.17.. k = 0. 3.18. 2 esetén az alábbi gyökök adódnak: 6 z 3 = |z|3 (cos(3φ) + i sin(3φ)) = (cos 0◦ + i sin 0◦ ). SZÁMFOGALMAK addíciós képletek alapján. + 2π + 2π + i sin . Egy z ∈ C. 3. Az 1 komplex szám n-edik gyökeit n-edik egységgyököknek nevezzük. Ha például z = |z|(cos φ + i sin φ) harmadik egységgyök..21. Három különböző megoldás van. 3 3 0◦ + 4π 0◦ + 4π z3 = cos + i sin . . képlet. . z1 = cos 0◦ + i sin 0◦ . Definíció. Ismert. A komplex számok halmazán azonban mindig megoldható az . akkor z 3 = 1. . z = 0. 3 3 z2 = cos 0◦ 0◦ z2 o / - - z3 z1 Az n-edik egységgyökök a komplex számsíkon egy origó középpontú szabályos n-szög csúcsaiban helyezkednek el.

) 4.2 = 2 hiszen a −1 négyzetgyökei az i és a −i. akkor a szám konjugáltja is megoldás.1. Legyenek az an xn + · · · + a1 x + a0 = 0 egyenlet együtthatói valós számok. x2 ∈ C komplex számok úgy. T6 : disztributivitás. 1. x1. . Algebrai struktúrán egy. hiszen az egyenlet mindkét oldalának konjugáltját véve an xn + · · · + a1 x + a0 = 0 adódik. . ·) egy multiplikatív struktúra. minden an xn + · · · + a1 x + a0 n-edfokú polinom esetén léteznek x1 . mivel valós szám konjugáltja önmaga.2. akkor azt mondjuk. y ∈ S : xy = 0 ⇐⇒ x = 0 vagy y = 0). . Definíció. (Valójában léteznek tetszőleges n-változós műveletek is (n = 0. Elmondható tehát. hogy Ekkor a fenti egyenlet két megoldása x 1 és x2 . Például az x2 + 2x + 3 = 0 egyenlet megoldásai: √ √ √ √ −2 + −8 = −1 + 2 −1 = −1 ± i 2. +)-t additív struktúrának nevezzük. legalább egy művelettel ellátott S halmazt értünk. Ha a halmaz az összeadás műveletével van ellátva. Algebrai stuktúrák Csak kétváltozós (azaz binér) műveletekkel fogunk dolgozni. T4 : létezik inverz. Ennek következménye. T2 : asszociativitás. . hogy páratlan fokszámú valós együtthatós polinomnak mindig létezik legalább egy valós gyöke. hiszen a negatív számoknak is van két komplex gyökük. T3 : létezik neutrális elem (összeadás esetén nullelem. an xn + · · · + a1 x + a0 = an (x − x1 ) · · · · · (x − xn ). Ekkor ha egy komplex szám megoldása az egyenletnek. . így alkalmazható a megoldóképlet. ALGEBRAI STUKTÚRÁK 31 egyenlet. ha a halmaz a szorzás műveletével van ellátva. 4. T5 : nullosztómentesség (∀x. szorzásnál egységelem). ax2 + bx + c = a(x − x1 )(x − x2 ). hogy mindig léteznek x1 . akkor (S. Definíció. 2. . . hogy (S. xn komplex számok úgy. Bevezetjük az alábbi jelöléseket: T1 : kommutativitás. .4. ). Általánosabban. hogy Tehát minden n-edfokú polinomnak létezik n darab gyöke (nem feltétlenül különbözőek). 4.

∪. ∪) kommutatív félcsoport. A különböző algebrai struktúrákat az alábbi táblázatokban foglaljuk össze: egyműveletes struktúrák név definiáló tulajdonságok példák félcsoport T2 (N. ha 1. ∩ műveletekre a disztributivitás. . (S. az egységelem pedig maga az A. és érvényes az ∪. akkor 1 − 1 értelmű leképezést létesítünk az illető halmaz és az {1. . T2 . 4. ha tartalmazza a zéruselemet (∅). T4 (Q \ {0}. T3 . ·) név definiáló tulajdonságok példák gyűrű (S. Példa. test). . Definíció. b ∈ H =⇒ a ∩ (a ∪ b) = a. (S. ·). és kétműveletes struktúrák (gyűrű. T3 . ·) integritástartomány (S. (N. (Z. . Legyen H egy legalább kételemű halmaz. +) Abel-csoport T 1 . ahol a zéruselem az üres halmaz. amikor egy (véges) halmaz elemeit megszámoljuk. és H minden elemének létezik komplementere. azaz a. T4 (Q \ {0}.32 2. (Z. szakaszban. n} . továbbá ∀X ⊂ A-ra X ⊂ A. (S \ {0}. ·) : T 1 . 5. T 6 Q.3. Abel-csoport). R.5. 3. (H. Definíció.4. A (H. +. T5 (Z. +). tartalmazza az egységelemet (H). ·) Abel-csoport. Boole-algebra egy A halmaz üres részhalmazainak (2 A vagy P (A)) hálója. +. SZÁMFOGALMAK Vannak egyműveletes struktúrák (félcsoport. Számosságok A hétköznapi életben. 4. T3 . ·). ·) félcsoport. ·) jelölés csak arra utal. ·) gyűrű. ∩) kommutatív félcsoport. hogy a 0-elemnek nincs multipikatív inverze. integritástartomány. a metszet (∩) és a komplementer ( − ) képzés. és legyen H-n értelmezve az unió (∪). ∩) algebrai struktúrát hálónak nevezzük. a ∪ (a ∩ b) = a. ·). ·) test (S. ∩) hálót Boole-algebrának nevezzük. Későbbi tanulmányokban hasznos még a következő két algebrai struktúra. 2. +) csoport T 2 . C A testaxiómák pontos leírását lásd az 1. ∪. A táblázatban az (S \ {0}. T 6 (Z. +) kétműveletes struktúrák. (H. (S. +. csoport. +) Abel-csoport. A (H. +. 2. érvényesek az úgynevezett elnyelési törvények. 4.

5. n}. hogy minden i esetén Ai megszámlálhatóan végtelen. Definíció. a21 a22 a23 . Jele: A ∼ B. Tétel.5. A pontos matematikai fogalmak a következők. tehát | m ∈ Z . mint a racionális számok számossága. I = ∅} indexelt halmazrendszer olyan. SZÁMOSSÁGOK 33 halmaz között (ahol n valamely természetes szám). 1] elemei között. 1] elemeit tizedestört alakban: 1 → 0.2.7. eldönthetjük úgy is. ezt a jelölést G. Ennek a számosságnak a jele: ℵ0 . azaz létezik kölcsönösen egyértelmű megfeleltetés N és [0. 5. hogy két halmaz elemei száma egyenlő. . . ha számosságuk nem egyenlő. 3 → 0. . ha elemeiket párba rakjuk. és I megszámlálhatóan végtelen. ha A ∼ N. Definíció.5. 5. 5. ha A = ∅ vagy létezik n ∈ N úgy. 5. ekkor Q = n n=1 az 5. hogy R megszámlálható. n ∈ N. 5. Bizonyítás. A valós számok számossága nagyobb. Bizonyítás.7. Definíció. . Az A halmaz végtelen más szóval végtelen számosságú ha nem véges. . A racionális számok számossága megszámlálhatóan végtelen. ha létezik közöttük bijektív leképezés. mint a B halmaz számossága. Az A halmaz véges. . . Ha az {Ai | i ∈ I. . a31 a32 a33 . Tétel. akkor Ai is megszámlálhatóan végtelen. írjuk fel a megfeleltetés sorrendjében a [0. Definíció.8. . Az A halmaz számossága nagyobb. Azt pedig. Legyen An = ∞ m An . i∈I 5.3. Definíció. 5. . Ekkor a [0. más szóval véges számosságú. Indirekt tegyük fel. a11 a12 a13 .9. Definíció. melynek számossága egyenlő B számosságával és C ⊂ A . (Az ℵ (alef) betű a héber ábécé első betűje. 1] zárt intervallum is megszámlálható. hiszen A n bármely n esetén megszámlálhatóan végtelen. tétel miatt megszámlálhatóan végtelen.4. . Az A halmaz megszámlálhatóan végtelen.) 5. hogy A ∼ {1.1. 2. 2 → 0. Tétel. ha véges vagy megszámlálhatóan végtelen. A A halmaz megszámlálható. és létezik olyan C halmaz. Cantor vezette be.6. Az A és a B halmazok egyenlő számosságúak.

5. n ∈ N. Minden racionális szám algebrai szám. .13. számot. Az algebrai számok halmaza bővebb. algebrai számoknak nevezzük. Tétel. amelyek előállnak valamely an xn + an−1 xn−1 + · · · + a1 x + a0 = 0. .10. mint a racionális számok halmaza. Itt a11 . Ez a szám nincs benne a fenti felsorolásban. hiszen a komplex számok számossága kontinuum. Az algebrai számok az an xn + an−1 xn−1 + · · · + a1 x + a0 . Bizonyítás. így R nem megszámlálható. 5 5. Legyen bi = 5. és tekintsük a b = 0.12. Az irracionális számok számossága kontinuum. SZÁMFOGALMAK . . A valós számok. 3 pl. Nem minden komplex szám algebrai. . Ez ellentmondás. Minden racionális szám algebrai szám. Következmény. Példa. 5. Ebből következik az állítás. n ∈ N. . a12 . számjegyeket jelölnek. ha aii = 5. b1 b2 b3 . Definíció. 4. 1] valamennyi eleme fel van sorolva. 5.15. Azokat a komplex számokat. ha aii = 5. mivel mindegyiktől különböző. Jele: c 5. de van olyan algebrai p gyöke a qxn − p = 0 egyenletnek. Például n q √ de általában nem racionális (lásd 2). megoldása az 5x − 3 = 0 egyenletnek. illetve a vele ekvivalens halmazok számosságát kontinuum számosságnak nevezzük. Definíció. Bizonyítás.16. Egy n-ed fokú egész együtthatós algebrai egyenletnek legfeljebb n darab gyöke van C-ben. ai ∈ Z.14. ai ∈ Z. n-edfokú egész együtthatós algebrai egyenlet gyökeként. szám amely nem racionális. . Elegendő belátni.11. Tétel. 5. an = 0. hiszen gyöke egy elsőfokú egész együtthatós algebrai egyenletnek. A feltevés szerint [0. .34 2. . Tétel. hogy megszámlálható sok algebrai szám van. an = 0. 5. a véges tizedestörteket végtelen sok nullával egészítjük ki.

. a2 . .) Bizonyítás. Mivel megszámlálható sok véges elemszámú halmaz uniója is megszámlálható. . azaz Pn = n!. . Ismétlés nélküli permutációnak nevezzük n darab különböző elem egy rögzített sorrendjét. . így Pn+1 = (n + 1)Pn = (n + 1)n! = (n + 1)!. Tétel. (a1 . . Az elemek száma szerinti teljes indukciót alkalmazunk. 3! = 6. .1. KOMBINATORIKAI ALAPFOGALMAK 35 egyenlet gyökei. . (a1 . Definíció. és alá írjuk őket a permutáció sorrendjében. ilyen például a π és e. 10! = 3628800. 2! = 2. . Mivel az indukciós feltevés szerint n elem permutációinak száma n!. an ). Kombinatorikai alapfogalmak 6. például 1 2 3 . a2 . . .18. ahol 0! = 1. 1! = 1. összesen n + 1 darab. .6. n = 1 esetén nyilván igaz. an ). akkor az n + 1-edik elem elhelyezésére az alábbi lehetőségek adódnak: ( . . (a1 . . |a0 | + n. . . Legyen Minden h-hoz csak véges sok algebrai egyenlet tartozik. . ). Ezt felhasználva bizonyítsuk be. an . (Az f (n) = n! = 1 · 2 · 3 · · · n (n ∈ N) előírással értelmezett függvényt faktoriális függvénynek nevezzük. . a1 . 2 3 1 6. . an ). 5. 6. így {algebrai számok} = h∈N h = |an | + |an−1 | + . Definíció. a2 . . Tegyük fel.17. . Léteznek transzcendens számok. . és minden algebrai egyenletnek csak véges sok gyöke van. {z ∈ C | an z n + · · · + a1 z + a0 = 0 és |an | + · · · + |a0 | + n = h} megszámlálható halmaz. Jelölés: felsoroljuk az n darab elemet. Ha adott n elem egy rögzített sorrendje. . hogy n-re igaz. n ∈ N. A nem algebrai számokat transzcendens számoknak nevezzük. 5. hogy ekkor n + 1-re is igaz a tétel. . Megjegyzés. . . . .2. Az összes lehetséges permutációk száma n különböző elem esetén: Pn = n!. . . . . egy elemnek egy sorrendje van: P 1 = 1! = 1. a2 .

8. 32! és az összes különböző sorrend száma: P n. zöld. Definíció. . Ekkor ezen elemek összes lehetséges ismétléses permutációinak száma: Pn.lk = n! .5. .3. . Ismétléses permutációnak nevezzük n elem egy rögzített sorrendjét. . és mindegyikből 8 darab van a pakliban. akkor négyféle lap lesz (piros. . megkapjuk az isméléses permutációk számát: .l1 . makk). lk darab rendre egyenlő.8. mivel az azonos elemeket egymás között cserélgetve a permutáció nem változik. .. Ha ezek szorzatával elosztjuk az ismétlés nélüli permutációk n! számát. Ez a 32 lap egy ismétléses permutációja. l2 . 6 . . l1 l2 lk 6. l1 ! · · · · · l k ! 6. Tétel. Tétel. Ekkor l1 + l2 + · · · + lk = n. Példa. például: 3 . Legyen n elem közül l1 ..8. ... akkor ezek között több egyforma is szerepel. lk darab rendre egyforma. Például az l 1 darab egyforma elem egymás közti permutációinak száma l 1 !. .8 = 8!8!8!8! 6. . 63 · 1035 számú különböző sorrend létezik. 6 . A bizonyítást rögzített n mellett k szerinti teljes indukcióval végezzük.. .. az n elem egy k-adosztályú ismétlés nélküli variációját kapjuk. az lk darab egyforma elem esetén pedig lk !. . 4 . . . Most tegyük fel. Példa. Ha tekintjük az elemek ismétlés nélküli permutációit. 6. tök. ha az n darab elem közül l 1 . 6. hogy k-ra igaz az . l1 ! · · · · · l k ! Bizonyítás. Ha úgy keverünk össze egy kártyapaklit.36 2. Az összes lehetséges ismétlés nélküli k-adosztályú variációk száma n különböző elem esetén: n! k Vn = n(n − 1) . és 32! ≈ 2. k = 1 esetén n darab elemből 1-et kell kiválasztanunk. Tekintsünk n darab különböző elemet. (n − k)! Bizonyítás. Definíció. SZÁMFOGALMAK 6. Egy kártyapakli megkeverése a 32 lap egy permutációja.7. tehát: Vn = n. ezekből kiválasztva k darab rendezett elemet. . . hogy csak a színeket vesszük figyelembe. ..6.8. 3 4 . l2 . ezt n1 féleképpen tehetjük meg.4. . (n − (k − 1)) = . .

k . Példa.11. hogy a sorrend nem számít. összesen V314 = 314 −féleképpen tölthetjük ki. KOMBINATORIKAI ALAPFOGALMAK 37 állítás. és összesen 3 V10 = 10 · 9 · 8 féleképpen állhatnak fel a dobogóra a versenyzők.12. k k"-nak mondjuk. Az n elem ismétlés nélküli k-adosztályú variációi között k! számú van. és bizonyítsunk k + 1-re. Ha n elemből kiválasztunk k darabot úgy. Az n -t "n alatt a k Bizonyítás. melyekben ugyanazok az elemek szerepelnek. Az összes lehetséges k-adosztályú ismétlés nélküli kombináció n elem esetén: n! n k Cn = = . Ezek mind ugyanazt a kombinációt állítják elő. 6. hogy egy elemet többször is választhatunk és a sorrend számít.ism = nk .9. akkor az n elem egy k-adosztályú ismétléses variációját kapjuk. a k + 1k+1 = edik elem kiválasztására már csak n − k lehetőség adódik. akkor az n elem k-adosztályú ismétlés nélküli kombinációját kapjuk. A k darab hely mindegyikére n lehetőség közül választhatunk.ism = n · · · · · n = nk .13. 6. (n − k)Vn n A definíciók alapján a permutáció a variáció speciális esete: P n = Vn 6. Tétel. A totó-szelvény kitöltése 3 darab elem (13+1)-edosztályú ismétléses variációja. 6. Bizonyítás. tehát V n k. tehát: k Cn = k Vn = k! n .14. akkor az első három helyezett a 10 ember egy 3-adosztályú ismétlés nélküli variációja. Az összes lehetséges k-adosztályú ismétléses variációk száma n különböző elem esetén: k Vn. 6. Tétel. csak más sorrendben. Definíció. Definíció.6. 6. Ha egy futóversenyen 10 ember áll rajthoz. k tehát Vn. Ha kiválasztunk k darab elemet. k!(n − k)! k n számokat binomiális együtthatóknak nevezzük. Példa.10. Ha n darab különböző elemből úgy választunk ki k darabot.

azaz k k Cn.38 2. Megmutatjuk. . 4. Definíció. Legyen az n elem az {1. 6. és 10 összesen C5. hogy a felsorakoztatott n elemből k darabot 1-essel. akkor n + k − 1 = 9 és az {1. B betűkből és a 0. 10 6.n−k -féleképp tehető meg. 3. k 6.szám. . . n − k darabot pedig 0-val jelölünk meg. természetesen lehetnek köztük egyenlőek: 1 ≤ a1 ≤ a2 ≤ a3 ≤ · · · ≤ ak ≤ n.17. akkor ez az 5 csokoládé 10-edosztályú ismétléses kombinációja. 9} ismétlés nélküli kombinációnak az ismétléses megfelelője az {1. szám" típusú rendszámtábla készíthető? Három tipikus megoldási módszert ismertetünk. Példa. . n. 3. . . 5 − 2.18.) Tehát k k Cn. Ez pedig P n. 2. hogy mindkettő k -val egyenlő. Ha n elemből úgy választunk ki k darabot.k. 4 − 1. akkor n elem egy kadosztályú ismétléses kombinációját kapjuk. . betű. és mi 10 darabot veszünk.n−k . . hogy a sorrend nem számít és egy elemet többször is választhatunk. Az összes lehetséges k-adosztályú ismétléses kombinációk száma n elem esetén: n+k−1 k Cn. . Rendezzük ezeket az elemeket növekvő sorrendbe. 1 számokból hány "betű. 9 − 3} = {1. Példa. Adjunk most az elemekhez különbözö számokat úgy. n} halmaz. Az A. 2.ism = Cn+k−1 = n+k−1 . hanem a k definícióból is. következésképpen a megfeleltetés kölcsönösen egyértelmű. Tétel. és legyen ennek egy k-adosztályú ismétléses kombinációja az {a1 .ism = Cn+k−1 . (Például ha n = 6 és k = 4.ism = 5+10−1 -féleképpen választhatunk. SZÁMFOGALMAK k A kombináció az ismétléses permutáció speciális esete: C n = Pn. hogy n elem k-adosztályú ismétéses kombinációinak halmaza és n + k − 1 elem k-adosztályú ismétlés nélküli kombinációinak a halmaza között kölcsönösen egyértelmű megfeleltetés létezik. n Ez nemcsak abból vezethető le. hogy azután már ne legyenek közöttük egyenlőek: 1 ≤ a 1 < a2 +1 < a3 +2 < · · · < ak +(k−1) ≤ n+k−1. Minden ilyen ismétlés nélküli kombinációhoz tartozik n elem egy ismétléses kombinációja. Ugyanis Cn n elemből k darab kiválasztásainak a száma. . . . Ha ötféle csokoládét lehet kapni a boltban. n+ k − 1} halmaz elemeinek egy ismétlés nélküli kombinációja. ak } halmaz. Ez már az {1. 3. . k Bizonyítás. .15.ism = . .16. a2 . A kiválasztást úgy végezzük el. 6. 6}. 5.k. .

n+1 n n−1 k+1 k 3. 1. A binomiális együtthatók tulajdonságai: n n = .) A A 0 0 1 0 1 1 0 0 1 0 B 1 1 0 0 1 0 A 1 1 0 0 1 0 B B 1 1 Ezen gráf "lefelé haladó útjai" és a rendszámok között kölcsönösen egyértelmű leképezés van. hogy vagy az első n-ből k darabot és még az n + 1-ediket. ha 0 ≤ k ≤ n. A kitöltési lehetőségek: 2-féle 2-féle 2-féle 2-féle A végeredmény ezek szorzata: 24 . vagy az első n-ből k + 1 darabot.ism féleképp tehetünk. ha 0 ≤ k ≤ n. Ezek szorzata a 2 · 22 = 24 . k+1 k k+1 Ezen képlet belátható például az "esetek szétválasztásával. . 2 (b) Felbontjuk a kitöltést két ismert fázisra: 2 betűből 2 helyre V 2. táblázatot. Így Cn+1 = Cn + Cn .6. k n−k n+1 n n 2. 2 továbbá 2 számból 2 helyre V2. KOMBINATORIKAI ALAPFOGALMAK 39 (a) Kitöltjük az üres 1.ism . végeredmény: 2 (c) Fa gráfot készítünk a lehetséges esetek felsorolására. 3. (Fa gráf segítségével könnyen igazolhatók a V n és Vn. 2. Ez jól magyarázza a fenti két megoldásban azt. hogy miért kellett összeszorozni az esetek k k számítását. de az n + 1-ediket k+1 k k+1 nem. ha 0 ≤ k ≤ n. k+1 k k k k Ez a megfelelő képletből indukcióval adódik. Az ilyen esetek száma pedig 2 · 2 · 2 · 2 = 2 4 . = + + ··· + + . 4. = + .ism képletek is." n + 1 elemből k+1 darabot úgy választunk ki.

. .20. az ak elemet sk -szor (n − s1 − · · · − sk−1 ) darab zárójelből n−s1 −···−sk−1 −féleképpen választhatjuk ki. .. Mivel n darab és minden tagot minden taggal szoroznunk kell. ezután az a 2 elmet s2 ször már csak (n − s1 ) darab zárójelből választhatjuk. 0 1 n Bizonyítás.. ha 0 ≤ k ≤ n. . Bizonyítás. összesen n−s1 −fés2 leképpen. 1 2 k Az összegzés azon nem negatív egész s 1 . A tétel a polinomiális tétel speciális esete k = 2-re. . .. A binomiális tétel alapján: n n n + + . Példa.. · = . ahol s1 + · · · + sk = n. Az a1 elemet s1 -szer s1 1 2 k féleképpen lehet kiválaszatni az n darab zárójelből. b ∈ R . ak ∈ R és n ∈ N . Tétel (Binomiális tétel)..... k+1 (k + 1)k(k − 1) · · · 1 k+1 k Ezt a képletet használhatjuk a binomiális együtthatók rekurzív kiszámítására is (hiszen az n! gyors növekedése miatt a definíció szerinti közvetlen kiszámítás nem célszerű). . 6. . Ekkor 4. .. . . + 0 1 n = (1 + 1)n = 2n . s2 n − s1 − · · · − sk−1 sk = (a1 + · · · + ak )n = (a1 + · · · + ak )(a1 + · · · + ak ). . amelyek összege n. . legyen a. . Tétel (Polinomiális tétel). s k ! a s1 a s2 . sk számokra terjed ki. ask alakú lesz. . . s k ! 0!=1 6. n! (n − s1 )! (n − s1 − · · · − sk−1 )! n! · . (a1 + · · · + ak ). (a1 + · · · + ak )n = s1 +···+sk =n n! s1 ! . .19.21. . . Ekkor n (a + b) = s=0 n n n−s s a b = s n n n n−1 n n a + a b + . SZÁMFOGALMAK n+1 (n + 1)n(n − 1) · · · (n − k + 1) n+1 n = = . a sk .. s1 !(n − s1 )! (n − s1 − s2 )!s2 ! (n − s1 − · · · − sk )! sk ! s1 ! . ask tag 1 2 k sk együtthatója a szorzatban: n s1 n − s1 . Tehát az a s1 as2 . ezért a szorzat egy tagja n as1 as2 . 6. .40 2.. legyen a 1 . + b . . .

az ún. KOMBINATORIKAI ALAPFOGALMAK 41 n n n − + . . Az (a + b)n kifejezésben szereplő együtthatókat n = 0.6. n=0 n=1 n=2 n=3 n=4 4 0 n k+1 3 0 2 0 4 1 1 0 3 1 0 0 2 1 4 2 1 1 3 2 2 2 4 3 3 3 4 4 képlet alapján látható. + (−1)n 0 1 n = (1 − 1)n = 0. hogy abban. pozitív egész.. 1. .. esetén egymás alá elhelyezzük. k A Pascal-háromszögben szereplő számok: 1 1 1 1 1 4 3 6 2 3 4 1 1 1 1 . PascalAz n+1 = n + k+1 k háromszögben szereplő értékek a közvetlenül felettük szereplő két érték öszszegeként kaphatók meg. . Ez is mutatja. hogy n . 2. Pascal-háromszög. 0 ≤ k ≤ n.

.

(d) 1x = x. a skalárszorzás a szokásos R-beli szorzás. . (c) α(βx) = (αβ)x.2. . Példa. vektortér R felett. A valós számok R halmazának önmagával vett n-szeres Descartes-féle szorzata. β ∈ T esetén: (a) α(x + y) = αx + αy. 1. a2 ) | a1 ∈ R. Az összeadás a szokásos R-beli összeadás. fejezet Vektorok 1. V elemeit vektoroknak nevezzük. y ∈ V és ∀α. (V. R vektortér önmaga felett. an ) | ai ∈ R. λ(a1 . 1. A valós számok R halmazának önmagával vett Descartes-féle szorzata. . A V nem üres halmazt vektortérnek nevezzük a T test felett.3. . A szám n-esek n-szer halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk: 43 R2 = R × R = {(a1 . . . . és egy T × V → V skalárszorzás. n} . a2 ∈ R} Rn = R × R × · · · × R = {(a1 . ha értelmezve van rajta egy + : V × V → V összeadás. amelyet a rendezett számpárok terének nevezünk. a2 ) + (b1 . (b) (α + β)x = αx + βx. ∀x.4.3. Definíció. Példa. a2 + b2 ). a2 ) = (λa1 . 2. . b2 ) = (a1 + b1 . 1. Vektorterek 1. T elemeit skalároknak mondjuk. (a1 . i = 1. vektortér R felett. +) Abel-csoport. a V Abel-csoport 0 neutrális elemét pedig nullvektornak. . amelyet a szám n-esek terének nevezünk. amelyek teljesítik az alábbi tulajdonságokat: 1. A számpárok halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk: .1. Példa. λa2 ).

. Ha α ∈ R. . . . . . A szabad vektorok V halmaza az így bevezetett szorzásra és összeadásra nézve vektorteret alkot a valós számok teste felett. λ(a1 . . Ha ekvivalensnek tekintjük azokat az irányított szakaszokat. . (a1 . és a = 0 akkor és csak akkor. . . Szabad vektorok tere. α > 0 esetén αa egy konkrét reprezentánsa egyirányú a egy konkrét reprezentánsával. Legyen Y = {P 0 . . . λan ). Egy AB irányított szakaszt az a ∈ V szabad vektor − − → konkrét reprezentánsának nevezünk. . U U . Példa. Az osztályokat szabad vektoroknak nevezzük. ha AB ∈ a. − − → B AB ∈ a  −→ − BC ∈ b j C : − → AC ∈ a + b A Egy a ∈ V szabadvektor normáján egy konkrét reprezentánsának a hosszát értjük. . b. és a 0. −→ − ahol U U hossza 0. akkor a + b az a szabadvektor. f ( AB) = PAB leképezést. . . amelyekhez az f leképezés ugyanazt a párhuzamos eltolást rendeli. } a párhuzamos − − → eltolások halmaza. . . P1 . . . . . A norma segítségével definiálhatjuk a szabadvektorok skalárral való szorzását. − − → −→ − Tekintsük a geometriai tér irányított szakaszait: X = { AB. . VEKTOROK . ahol PAB az a párhuzamos eltolás. ami létrehoz egy osztályozást. bn ) = (a1 + b1 . de nem injektív. A norma nemnegatív: a ≥ 0. . . Szabad vektorok összeadását a konkrét reprezentánsaik segítségével definiál− − → −→ − hatjuk: ha a. . Tekintsük az f : X → Y. an + bn ). }.44 3. a.5. α < 0 esetén αa egy konkrét reprezentánsa ellentétes irányú a egy konkrét reprezentánsával. . α = 0 vagy a = 0 esetén αa = 0. an ) + (b1 . αa = |α| a . iránya tetszőleges. 1. . egy ekvivalencia relációt kapunk. an ) = (λa1 . jele: a . . 2. − → amely tartalmazza AC-t. · · · ∈ V − − → jelölést használjuk. . ami az A-hoz a B pontot rendeli. 3. 4. b ∈ V és AB ∈ a. ha a = 0. Ez egy szürjekív leképezés. . a ∈ V akkor az αa ∈ V szabadvektor teljesíti az alábbi tulajdonságokat: 1. BC ∈ b . .

amely csak a nullvektort tartalmazza. b ∈ W és ∀α ∈ T esetén . . Mivel 0a + a = 0a + 1a = (0 + 1)a = 1a = a. szerint értelmezett. b] → R} Pn = {an xn + an−1 xn−1 + · · · + a1 x + a0 | ai ∈ R. A legfeljebb n-edfokú valós együtthatós polinomok halmaza vektortér R felett az alábbi műveletekkel: . VEKTORTEREK 45 1. 3. a + (−1)a = 1a + (−1)a = (1 + (−1))a = 0.12. mindig vektortér. 1. 0a = 0. α0 = α(0 + 0) = α0 + α0. ami ellentmondás. azaz ∀a. β ∈ T és a. Tétel. (−1)a = −a. és triviális vektortérnek nevezzük. A (V. sem a = 0. Példa. Az a {0} halmaz. λ(an xn + · · · + a1 x + a0 ) = (λan )xn + · · · + (λa1 )x + (λa0 ) . így 0a + a = a. vagyis a = 0.) 1. ezért (−1)a az a vektor additív inverze. a bizonyítást lásd az előző fejezet 1. Definíció. ha W önmagában is vektortér.11. tételénél. C vektortér R felett is.1. akkor (α)−1 αa = (α)−1 0. Vektortérben a nullvektor egyértelműen létezik. 1. i = 1. . Indirekt tegyük fel. 1. Legyen V vektortér a T test felett. T) vektortér W részhalmazát a V alterének nevezzük. 1. . C vektortér önmaga felett. n} tere vektorteret alkot a függvények pontonkénti összeadására és skalárszorzására nézve.9. Bizonyítás. A tétel következménye annak. (Az összeadás 0 + 0 = 0. de αa = 0. Tétel. αa = 0 =⇒ α = 0 vagy a = 0. innen α0 = 0. α. Bizonyítás.5. (De R nem vektortér C felett a szokásos C beli műveleteket tekintve. Példa. Ekkor 1. .8. és az egyszerűsítési szabály miatt 0a = 0. 2. 1. 3. (an xn + an−1 xn−1 + · · · + a1 x + a0 ) + (bn xn + bn−1 xn−1 + · · · + b1 x + b0 ) = (an + bn )xn + (an−1 + bn−1 )xn−1 + · · · + (a1 + b1 )x + (a0 + b0 ) . A zárt intervallumon értelmezett függvények F = {f | f : [a. hogy Abel-csoport neutrális eleme egyértelmű. Ha α = 0.6.) 1. hogy sem α = 0. Példa. a skalárszorzás α0 = 0.7. 2. 4. α0 = 0. ∀α ∈ T. 4.10. b ∈ V. Példa. .

A {0} ⊂ V és a V ⊂ V altereket triviális altereknek. ezért x + y ∈ U ∩ W. w 2 ∈ W úgy. W ⊂ V altér a V vektortérben. Bizonyítás. αa ∈ W.14. 1. akkor létezik u1 . αx) | x ∈ R}. Példa. tehát W zárt a vektorok összeadására és tetszőleges skalárral való szorzásra. Tétel. Ha x. y ∈ U ∩ W. . Mivel U és W alterek. 0) | a ∈ R} halmaz altér.15. 0. ahol α ∈ R tetszőleges. zártak a vektortér műveletekre nézve. hogy R 2 -ben a {0} és az R2 altereken kívül csupán ilyen típusú alterek léteznek. 1. Legyen U ⊂ V. . Megjegyzés. y ∈ W. Hasonlóan λx ∈ U és λx ∈ W miatt λx ∈ U ∩ W. U ∩ W nem lehet üres halmaz. R2 -ben Vα = {(x. w ∈ W } is altér. de rögzített elem. Könnyen belátható. Ha x. 2. Példa. y ∈ U és x. akkor x. hogy x = u1 + w1 és y = u2 + w 2 .16. V α azonosítható a sík origón átmenő. . 1. 6 αx x - 1.13. . így x+y ∈ U és x+y ∈ W. altér.46 3. y ∈ U + W. illetve nem valódi altereknek nevezzük. 1. a 0 vektort biztosan tartalmazza. Ekkor x + y = (u1 + w1 ) + (u2 + w 2 ) = (u1 + u2 ) + (w1 + w2 ) ∈U ∈W . u2 ∈ U és w 1 . A szám n-esek terében a W = {(a. VEKTOROK a + b ∈ W. Ekkor U ∩ W és U + W = {u + w | u ∈ U. α meredekségű egyeneseivel.

4. dimenzió 2. . . a1 . 1) és e2 = (1. Adott a V vektortér a T test felett. triviális lineáris kombinációként: 0 = 0a 1 + · · · + 0ak . ak vektorrendszer által generált altérnek. Lineáris függőség. . (α1 a1 + · · · + αk ak ) + (β1 a1 + · · · + βk ak ) = (α1 + β1 )a1 + · · · + (αk + βk )ak . Az e1 = (0. akkor  l j=1 k c= i=1 λi ai = i=1 Tehát előállítottuk c-t a b1 . .3. Definíció. . . 2. . . . például (3. L(a1 . . . Tétel. . . . BÁZIS. Definíció. R2 -ben a (0. e2 ) = R2 . . így L(e1 . . . . . . Legyen V vektortér. LINEÁRIS FÜGGŐSÉG. 0) vektorok lineáris kombinációjaként azonban minden R 2 -beli vektor előáll. k l Bizonyítás. . k. ak vektorok segítségével. . bl vektorok lineáris kombinációjaként. . . . . . A nullvektor tetszőleges a1 . . . . . vagyis az y tengely. . . Az a1 . . . . . . generátorrendszernek nevezzük. . és minden ai (i = 1. . Bizonyítás. ha V minden eleme legalább egyféleképpen lineárisan kombinálható belőlük. Példa. . ak ∈ V vektorrendszert 1. Legyen V egy vektortér. . . . . . . Jele: L(a1 . . . αk ∈ T. Ezt az alteret az a1 . bl vektorokból. . ak vektorokból előáll ún. . . ak } halmaz (lineáris) lezártjának hívjuk. . . ak vektorainak összes lineáris kombinációja alteret alkot V -ben. . akkor a c vektor is előállítható a b1 .5. ak vektorok lineáris kombinációjának nevezzük. . . 2. Ha c = i=1 k λi ai és ai = j=1 k µij bj i = 1. A V vektortér tetszőleges a1 . és zárt a skalárszorzásra: λ(α1 a1 + · · · + αk ak ) = (λα1 )a1 + · · · + (λαk )ak . k) vektor lineárisan kombinálható a b1 .2. . Ekkor az α1 a1 + α2 a2 + · · · + αk ak vektort az a1 .2. Ha a c ∈ V vektor lineárisan kombinálható az a1 . ak ) zárt az összeadásra: λi   l j=1 µij bj  = λi µij i=1 bj . 2. . . 2. ak ). DIMENZIÓ 47 2.1. . bázis. 2) = 3e1 + 2e2 . . . bl vektorok lineáris kombinációjaként. ak ∈ V és legyenek α1 . . 1) vektor általt generált altérben ezen vektor skalárszorosai vannak. vagy az {a1 . Tétel (A lineáris kombináció tranzitivitása). .

. ak ∈ V lineárisan függő vektorrendszer. 2. ha létezik véges sok elemből álló generátorrendszere. . így a vektorrendszer lineárisan függő. lineárisan független vektorrendszernek nevezzük.8. Megjegyzés. . melyre αi = βi . ak ∈ V vektorrendszer akkor és csak akkor lineárisan függő. ha nem lineárisan független.48 3. Egy vektorrendszert lineárisan függőnek nevezünk. A két egyenlőséget kivonva egymásból a nullvektor egy nem triviális lineáris kombinációját kapjuk: 0 = (α1 − β1 )a1 + · · · + (αk − βk )ak .10. x = β1 a1 + · · · + βk ak . akkor a (λ1 . 1) és e2 = (1. αk nem mind nulla skalárok úgy. . hogy 0 = α1 a1 + · · · + αk ak . ak bázis. . u2 ) vektor u = u1 e1 + u2 e2 lineáris kombinációként előállítható.9. . 2. . 2. . . ha belőlük a zérusvektor nem triviális lineáris kombinációval is előállítható. hisz tetszőleges u = (u1 . akkor létezik olyan x vektor.7. és a előállítása ebben a bázisban a = λ1 a1 +· · · +λk ak . 2. VEKTOROK 2. ak bázisra vonatkozó koordinátáinak nevezzük. . . és létezik i ∈ {1. Definíció. .6. és ez az előállítás egyértelmű. . Ha a1 . . . Ekkor x = α1 a1 + · · · + αk ak . Egy vektorteret végesen generáltnak nevezünk. ahol (αi − βi ) = 0. Egy a1 . . . 1. . ha V minden eleme legfeljebb egyféleképpen előállítható a lineáris kombinációjukként. Bizonyítás. bázisnak nevezzük. . . . λk ) szám k-ast az a vektor a1 . . . 3. . azaz léteznek α1 . 0) bázis. . akkor kétféleképpen is felírható lineáris kombinációként: 0 = α1 a1 + · · · + αk ak . k}. Ha a nullvektornak van nem triviális előállítása. amit legalább kétféleképpen lehet kikombinálni belőlük. . ∃i : αi = 0. Tétel. 2. 0 = 0a1 + · · · + 0ak . . Példa. R2 -ben e1 = (0. 2. Definíció. Ha a V vektortérben a1 . . ha V minden eleme pontosan egyféleképpen kombinálható belőlük. .

Ha egy vektorrendszer tartalmazza a zérusvektort. Egyrészt léteznek olyan α1 . . =⇒ 3. A nullvektor önmagában függő rendszert alkot. hogy létezik a ∈ V úgy. . . . akkor ezt a vektort hozzávéve. Ha a1 . Bizonyítás. . Ekkor a 2. . Az alábbi állítások ekvivalensek: 1. . (b) 3. akkor az így kapott a1 . ak bázis volt. . a negyedikből pedig az első. . a1 . LINEÁRIS FÜGGŐSÉG. 4. de a1 . akkor α1 = · · · = αk = 0. . . . ak . . . akkor generátorrendszer is egyben. . . Következmény. azaz ha 0 = α 1 a1 + · · · + αk ak . ha belőlük a zérusvektor csak triviális lineáris kombinációként állítható elő. Tehát tegyük fel indirekt. DIMENZIÓ 49 2. Ha az a1 . . ak ∈ V bázis. a vektorrendszer lineárisan független maradna. a lineárisan függő. ak . . . . 2. lineárisan független generátorrendszer. . ami ellentmondana a maximalitásnak. amit nem lehet kikombinálni belőlük. . Ugyanis ha létezne a ∈ V vektor. =⇒ 4.10. Tetszőleges. hogy a második állítás akkor és csak akkor teljesül. . . Legyen V egy vektortér. hogy nem kombinálható ki az a1 .2. (a) 1. Következmény. Közvetlenül adódik a definíciókból. másrészt a = α1 a1 + · · · + αk ak . a nullvektortól különböző vektor önmagában független rendszert alkot. ak bázist kibővítjük egy a ∈ V vektorral. BÁZIS. Tétel. . . Következmény. minimális generátorrendszer (egy vektort elvéve. .14.11. ak ∈ V vektorrendszer akkor és csak akkor lineárisan független. . hogy az elsőből következik a harmadik. . melyekre mivel a1 . . Az állítás az előző tétellel ekvivalens. Belátjuk. . αk skalárok. a vektorrendszer lineárisan függő lesz. . tétel miatt a 0 vektor előállítható belőlük nem triviális lineáris kombinációként: 0 = λ1 a1 + · · · + λk ak + λk+1 a ∃i : λi = 0. . ak bázis. . ak vektorokból. . maximális lineárisan független vektorrendszer (egy vektort hozzávéve. 0ak + 1a.12. Bizonyítás. már nem lineárisan függetlenek). 2. ak maximális lineárisan független vektorrendszer.13. Egy a1 . . a harmadikból a negyedik. már nem generátorrendszer). . 2. 2. . . mert az a vektort kétféleképpen is elő lehet állítani belőlük lineáris kombinációval. 3. . . . ha a1 . a = 0a1 + . . akkor lineárisan függő.

ai+1 . . . Ha például az ak vektort elhagyjuk. és a skalárok között van nemnulla. . . ak vektorok lineáris kombinációjaként. VEKTOROK Ebben az előállításban λk+1 = 0. Kivonva a két egyenlőséget egymásból: 0 = (λ1 − µ1 )a1 + · · · + (λi − µi ) ai + · · · + (λk − µk )ak . . λk+1 λk+1 k ami ellentmond az indirekt feltevésnek. tétel miatt. ak minimalitásának. hogy a vektorrendszer függő. 1 ≤ i ≤ k. akkor a1 . . .15. . . . . . ami ellentmond a1 . Ha a rendszer lineárisan függő. Ha a1 = λ2 a2 + · · · + λk ak . . ak vektorrendszer akkor és csak akkor lineárisan függő. . hogy belássuk. . ha valamely vektora lineárisan kombinálható a többiből. meg kell mutatni. Bizonyítás. ak vektorok lineáris kombinációjaként. . ami azt jelenti. 1. ak minimális generátorrendszer. Indirekt tegyük fel. Tegyük fel. ami csak (k − 1) elemből áll. =0 ami azt jelenti. . . hogy minden vektor csak egyféleképpen kombinálható belőlük. . . hogy lineárisan függetlenek. ahol létezik i. hogy bázis. ak−1 vektorok nem alkothatnak generátorrendszert. mert ak -t nem lehet kikombinálni belőlük. szintén generátorrendszer a 2. mert ellenkező esetben létezne a 0 vektornak nem triviális előállítása az a1 . . . ak vektorrendszer lineáris kombinációjaként: a = λ1 a1 + · · · + λk ak . akkor a nullvektor felírható lineáris kombinációjukként: 0 = λ1 a1 +· · ·+λk ak . akkor 0 = −1a1 + λ2 a2 + · · · + λk ak . ai−1 . hogy a1 . (c) 4. . . Tétel. Így ez a vektorrendszer. a = µ1 a1 + · · · + µk ak .50 3. így az a vektor kifejezhető a1 . . hogy a kétféleképpen is felírható az a1 . Ahhoz. Az a1 . . =⇒ 1. hogy létezik a ∈ V úgy. . . . hogy ai kifejezhető az a1 . . . ami ellentmond annak. így a 0-nak van a triviálison kívül még egy előállítása. 2. 2. amire λi = µi . . A minimalitás a lineáris függetlenség következménye. . . . . ak lineáris kombinációjaként: a=− λ1 λk a1 − · · · − a . .2.

Hasonlóan a bl−1 . így lineárisan függő. . . . . ai . Ekkor létezik j. ezért ha eltávolítjuk a vektorrendszerből. vagy valamelyik tagja a nullvektor. . amely az előzőek lineáris kombinációja. hogy az ai hiányzik).18. . így lineárisan függő vektorrendszer. bl vektorrendszer lineárisan független. ˇ ˇ ami lineárisan függő generátorrendszer. bl . 2. . . ajk−l vektorrendszert kapjuk. . 2. aj1 . . . . ak vektorrendszer nem lehet minimális generátorrendszer. A bl . aj . ak vektorrendszert tekintjük. . 1 ≤ j ≤ k. . ak vektorrendszerbeli elemet cserélünk b1 . akkor természetesen b1 . . amelyre ai kikombinálható az őt megelőző vektorokból. . m ∈ {0. . . . Ekkor létezik i. l. Ha aj -t eltávolítjuk. Egy k darab vektorból álló vektorrendszer által generált vektortérben minden k + 1 tagú vektorrendszer lineárisan függő. ak nem minimális generátorrendszer (ai ˇ ˇ azt jelenti. . . . . . .19. . a megmaradó vektorok továbbra is generátorrendszert alkotnak. . . ak generátorrendszer V -ben. . . bl lineárisan független vektorrendszer. melyre aj kikombinálható az előtte állókból (b2 nem kombinálható b1 -ből. . . Ebben a vektortérben minden bázis egyenlő számosságú. . a végén a b1 . Tétel (Kicserélési tétel). λ1 λ1 k 2. 1. . . . . . 2}. . 2. hogy λ1 = 0. Tétel. Következmény. a1 . a1 .2. . Ezután a bl−2 . . . az továbbra is generátorrendszer marad. Következmény. . DIMENZIÓ 51 Tegyük fel. . BÁZIS. . így ez előbbi nem fogyhat el hamarabb. A vektorok cserélgetése véges sok lépésben véget ér.17. ahol 1 ≤ j1 . bl . 1 ≤ i ≤ k. és mindig a1 .16. . Legyen a1 . . . . és b1 . . . bl adódik). . bl−1 . Ekkor van olyan tagja. mert lineárisan függetlenek). . a1 . Ekkor a1 kifejezhető a többi lineáris kombinációjaként: λ2 λk a1 = − a2 − · · · − a . . Az eljárást ugyanígy folytatjuk. bl . . . ha valamelyik vektora kikombinálható az azt megelőzőekből. LINEÁRIS FÜGGŐSÉG. . . bl beli vektorra. Bizonyítás. Egy k darab vektor által generált vektortérben létezik legfeljebb k darab vektort tartalmazó bázis. . Egy k darab vektorból álló vektorrendszerrel generált vektortér minden lineárisan független vektorrendszere legfeljebb k darab vektort tartalmaz. . . . ≤ jk−l ≤ n (ha k = l. . Egy legalább kételemű vektorrendszer akkor és csak akkor lineárisan függő. és ez nem lehet valamelyik bl−m . . ai . mert a b1 . Ekkor bi = 0 i = 1.

. ak ∈ V lineárisan független vektorrendszer. . 2. . Legyen V egy n-dimenziós vektortér. Példa. Ezeket az elemeket elhagyva. akkor a1 .23. . így ez a vektortér (n + 1)-dimenziós. . véges sok lépésben egy lineárisan független vektorrendszert kapunk.. tétel miatt l ≤ k. ak ). αn 0 1 n Ezt a bázist R kanonikus vagy természetes bázisának nevezzük. 1. Tétel.  .. . . . . .  + . A szám n-esek Rn terében az alábbi vektorrendszer bázis:       1 0 0 0 1 0             e1 = 0 . A legfeljebb n-ed fokú polinomok vektorterében bázis az 1. . Ekkor léteznek ak+1 . Ha V egy vektortér. . VEKTOROK Bizonyítás. és van benne nullvektor. . 0 0 1 Tehát Rn n-dimenziós. Következmény. 2. és ebben a bázisban egy elem előállítása:       α1 1 0  α2  0 0        . . . . ak és b1 . .  .17. . 2. . Fordítva: b1 . . . . en = 0 . . . x. bl lineárisan független vektorrendszer. . 2. . ak lineárisan független. . Ha a1 . . akkor W = V. ak lineárisan független. .24. e2 = 0 . azaz egy bázist. . . akkor bázis. + αn  . bl is bázis V -ben. Ha a1 . hogy a1 .  . x2 . . .  = α1  . 2. an bázis V -ben. Egy vektorrendszer által generált altér dimenzióját a vektorrendszer rangjának nevezzük: rg(a1 . an ∈ V vektorok úgy. . . . . . . . amelyek kikombinálhatóak a többiből. 2. . . tehát k = l.52 3. . Definíció. Definíció.. ak generátorrendszer. . Egy vektortér bázisainak közös számosságát a vektortér dimenziójának nevezzük. b1 . W ⊂ V altér és dim W = dim V . xn vektorrendszer. . . . a1 . akkor azt elhagyhatjuk. . . . 2. ak generátorrendszer V -ben. . . . így k ≤ l.. Példa. a 1 .. ak )= dim L(a1 . . . . . . . .21. Ha lineárisan függő. .22. . bl generátorrendszer. akkor léteznek olyan elemek. . k < n. . . Ha a1 . így a 2.25. . . . . .20. .

(ek )) = (e11 . . . ALTEREK DIREKT ÖSSZEGE 53 Bizonyítás. . ak nem bázis. . Azt mondjuk. akkor ez kipótolható a 2. ha minden a ∈ V vektor előáll pontosan egyféleképpen a1 + · · · + ak alakban. mivel ∀x ∈ V : x = x1 +· · · +xk . . . bl bázisa V1 -nek. . . . Ekkor V1 +V2 egy lehetséges bázisa: a1 . . 1. . α1n1 . Legyen V1 . . ha azon alterek tetszőleges bázisainak egyesítése a V vektortér egy bázisát adja. akkor pedig létezik ak+2 ∈ V úgy. . hiszen ha például a b i vektort elő lehetne állítani az a1 . . . hogy a1 . . 2. . ezért a1 . . .2. . Jele: V = V1 ⊕ · · · ⊕ Vk . . an bázishoz. b1 . véges sok lépésben eljutunk egy a1 . Tétel. . . . . Vk altereinek direkt összege. Definíció. ak+1 lineárisan függetlenek. Ekkor létezik ak+1 ∈ V úgy. . ak . ak . ak .27. bl . . . ak . . . . cm vektorok segítségével. . . b1 . .3. . Tegyük fel. . tétel miatt úgy. Ekkor Bizonyítás. Ha V1 ∩ V2 bázisa a1 . . . ami ellentmondás. . . . hogy V = V 1 ⊕ · · · ⊕ Vk és V1 dimenziója n1 . xk ∈ Vk esetén léteznek α11 . Bizonyítás. . c1 . . . c1 . . . . ha nem maximális. . . Következmény. V2 a V vektortér két altere.26. ak . . bázisa (e1 ) = (e11 . . . 2. . . .25. tehát nem maximális lineárisan független vektorrendszer. . Vk dimenziója nk . . . Tétel. . . αknk skalárok úgy. . . Alterek direkt összege 3. . akkor bi ∈ V1 ∩ V2 teljesülne. ak+2 lineárisan függetlenek. akkor megkaptunk egy bázist. ahol a1 ∈ V1 . . . eknk ) generátorrendszere V nek. azaz k + 1 = n. 3.1. Egy n-dimenziós vektortér minden altere legfeljebb n-dimenziós. eknk ). hogy a1 . . . . . Ha ez maximális lineárisan független vektorrendszer. és kipótolható úgy. (a) Ekkor az ((e1 ). . . . . . . . . A V vektortér akkor és csak akkor áll elő bizonyos altereinek direkt összegeként. ak . c1 . . Hasonlóan folytatva az eljárást. . . . . . . . . . bázisa (ek ) = (ek1 . hogy a1 . . . ak ∈ Vk . hogy a V vektortér a V 1 . . cm pedig bázis V2 -ben. . x1 ∈ V1 . e1n1 ). . hogy: x1 = α11 e11 + · · · + α1n1 e1n1 . . hogy a1 . . Mivel k < n. 3. cm . . dim(V1 ∩ V2 ) + dim(V1 + V2 ) = dim V1 + dim V2 . Másrészt vektorrendszer lineárisan független.

xk = y k . hogy létezik előállítás: x = x1 + · · · + xk . xk ∈ Vk . . . i = 1.. . hogy a V1 . .. k). x1 ∈V1 xk ∈Vk βi1 ei1 + · · · + βini eini = y 1 = 0 Ebből azonnal adódik. k. . Következmény. . . . . Ekkor x = β11 e11 + · · · + β1n1 e1n1 + .. akkor dim V = dim V1 + · · · + dim Vk .. Legyen ugyanis β11 e11 + · · · + β1n1 e1n1 +. 2. . y 1 ∈V1 y k ∈Vk ami az előállítás egyértelműsége miatt csak akkor lehetséges. . . . Mivel itt y 1 ∈ V1 . . + βk1 ek1 + · · · + βknk eknk = 0 a nullvektor egy előállítása. . . . .3. ahol x1 ∈ V1 .54 3. amelyekre y i = βi1 ei1 + · · · + βini eini . a direkt összeg definíciója miatt az előállítás egyértelmű. xk = αk1 ek1 + · · · + αknk eknk .. Belátandó. hogy létezik egy ettől különböző felírása is x-nek: x = y1 + · · · + y k . . Léteznek βi1 . . VEKTOROK (b) . . így x = α11 e11 + · · · + αknk eknk . . Tegyük fel. . amiből x1 = y 1 . . . + αk1 ek1 + · · · + αknk eknk . . k esetén. . Most indirekt tegyük fel.. αknk = βknk . Ha V = V1 ⊕ · · · ⊕ Vk . . . . . Mivel 0 ∈ Vi (i = 1. . Az e11 . . . . . Azaz y i = 0 minden i = 1. . . . + βk1 ek1 + · · · + βknk eknk . Azonban (ei ) bázisa Vi -nek. ahol yi ∈ Vi . . . 3. Az (e) bázisban x pontosan egyféleképpen állítható elő lineáris kombinációként: x = α11 e11 + · · · + α1n1 e1n1 +. eknk vektorrendszer lineárisan független. hogy minden x ∈ V vektort pontosan egyféleképpen lehet előállítani x1 + · · · + xk alakban. y k ∈ Vk . eknk ) egyesítése bázisa V -nek. ezért a 0 + ··· + 0 = 0 y1 + · · · + y k = 0 y1 yk előállításban az együtthatók nullák. így a egy másik előállítás. βini skalárok. . . Vk alterek bázisainak (e) = (e 11 . . ha α 11 = β11 . . . .

0) | a ∈ R}. . ek . Ekkor a B = L(ek+1 . . hogy V = A ⊕ B. ahol a ∈ A és b ∈ B. Példa.6. . ahol V1 = {(a. Másrészt A ⊕ B = V miatt V ⊂ A + B. Egy V vektortér akkor és csak akkor n-dimenziós. Bizonyítás. ami A ∩ B = {0} miatt azt jelenti. en ) altérre a 3. hogy a = a és b = b . . akkor az utóbbi miatt bármely x ∈ V esetén létezik a ∈ A és b ∈ B úgy. hogy x = a + b. (b) Legyen x ∈ A∩B. . Ha A ∩ B = {0} és A + B = V. Ha a V vektortér n-dimenziós és (e 1 . tétel miatt. 1. A kétirányú tartalmazás következtében pedig A + B = V. B ⊂ V. . hogy e1 . Ekkor amiből (a − a ) = (b − b). . . . V = A ⊕ B akkor és csak akkor. 2. Indirekt tegyük fel. . . ha előáll n darab 1-dimenziós alterének direkt összegeként. . .7. így A + B ⊂ V. tehát az A és a B alterek metszete csak a nullvektort tartalmazza. 2. . V2 = {(0. . akkor V = L(e1 ) ⊕ · · · ⊕ L(en ). . 3.3. ha A + B = V és A ∩ B = {0}. Bizonyítás. Tétel. . 0. Mivel x ∈ V és V = A⊕B. b. en ) egy bázisa. 3.4. hogy A ⊕ B = V.5. . . . ∈A ∈B ∈A ∈B ami az egyértelműség miatt csak akkor lehetséges. ahol a ∈ A és b ∈ B. c) | b. ezért x egyértelműen előáll x = a + b alakban. . Ha V vektortér és A ⊂ V altér. ha x = 0. ∈A ∈B 0 = (a + b) − (a + b ) = (a − a ) + (b − b ). . ek bázisa A-nak.2. ALTEREK DIREKT ÖSSZEGE 55 3. 3. Ha dim A = k. en bázis V -ben. . akkor V valóban n-dimenziós a 3. Tétel. . Viszont x= 0 + x = x + 0 . Bizonyítás. R3 = V1 ⊕ V2 . . Ha V = V1 ⊕ · · · ⊕ Vn és dim Vi = 1. akkor létezik B ⊂ V altér úgy. 1. dim V = n és e1 . hogy A⊕B = V. (a) Mivel A. Következmény. c ∈ R}. tétel miatt teljesül. Tegyük fel. hogy az előállítás nem egyértelmű: x = a + b = a + b . n.2. akkor ez a vektorrendszer kiegészíthető úgy. i = 1.

2.1. Ekkor y = y + 0 ∈ x + H = L miatt egyrészt y ∈ L. melynek iránytere L(v). Lineáris sokaság bármely eleme (és csakis az) reprezentánsa. az általános helyzetű egyenesek lineáris sokaságok: 6 H = L(v). r ∈ r0 + H. az x vektort a lineáris sokaság reprezentáns vektorának nevezzük. Példa. az általános helyzetű síkok lineáris sokaságok: r0 : P0  :  P r v - . 4. A síkban egy origón átmenő egyenes altér. Legyen most L = y + K egy másik előállítás. 4. rögzített vektor. Példa. akkor x = x + 0 ∈ L. − − → −→ −→ − − OP = OP0 + P0 P . Az x + H = L = x + hy + K egyenlőségből adódik H = K. A térben egy origón átmenő sík altér. azaz a reprezentáns L-beli. VEKTOROK 4. O Tehát az egyenes irányvektoros egyenlete: r = r 0 + tv . Lineáris sokaság egyértelműen meghatározza irányterét. r = r 0 + tv. egy reprezentánsa pedig r 0 . másrészt y = x + hy alakú (hy ∈ H). Faktortér 4. Bizonyítás. ennek eltoltjai.4. t ∈ R. Az x + H = {x + h | h ∈ H} halmazt H irányterű lineáris sokaságnak nevezzük. t ∈ R egy olyan 1-dimenziós lineáris sokaságot határoz meg.56 3. ahol K altér. Ha egy lineáris sokaság L = x + H alakú.3. 4. Legyen H ⊂ V altér és x ∈ V tetszőleges. Megjegyzés. Definíció.

7. v 2 ). Jele: V /H. Legyen V vektortér. α(x + H) = αx + H. 4. β ∈ R. akkor x2 ∈ x1 + H és y 2 ∈ y 1 + H. akkor az r 0 + H lineáris sokaság egy eleme r = r0 + αv 1 + βv 2 alakú.5. akkor y ∈ x + H. 4. Bizonyítás. 4. FAKTORTÉR 57 H = L(v 1 . Belátandó. 1. hogy a lineáris sokaságok halmaza a bevezetett összeadásra nézve Abel-csoport. definícióban definiált műveletekre nézve vektorteret alkot. α ∈ T. 4. H ⊂ V altér. Ha x + H = y + H. Ekkor x2 + y2 ∈ (x1 + y1 ) + H. Következmény. Definíció. Az x + H és y + H lineáris sokaságok összegét és skalárszorosát az alábbi módon definiáljuk: (x + H) + (y + H) = (x + y) + H. Lineáris sokaság dimenzióján irányterének dimenzióját értjük. O  6 P0  W zP  : r0 r : v1 - W v2 Tehát ha az iránytér H = L(v 1 . Ha x1 + H = x2 + H és y 1 + H = y 2 + H. r = r0 + αv 1 + βv 2 . 2. Lineáris sokaságok összege és skalárszorosa nem függ a reprezentánsok megválasztásától. 1. így (x2 + H) + (y2 + H) = (x1 + H) + (y 1 + H).6. A H ⊂ V altérhez tartozó lineáris sokaságok {x + H | x ∈ V } halmaza a 4. Tétel. Ezért αy ∈ α(x + H) = αx + H. − − → −→ −→ − − OP = OP0 + P0 P . így αy + H = αx + H. v 2 ). Bizonyítás. Definíció. .4. α. Ezt a vektorteret a H altérhez tartozó faktortérnek nevezzük. r ∈ r0 + H.6.8.

x2 ) + H lineáris sokaság nem függ x1 -től. akkor βk+1 ek+1 + · · · + βn en = 0. . en lineárisan független vektorrendszer volt. VEKTOROK (a) (b) (x + H) + (y + H) = (x + y) + H = (y + H) + (x + H). Másrész lineárisan független. 0) | a ∈ R}. . 4. . A H irányterű L = (x1 . Ha e1 . . Tétel. . . x2 ) + H alakba írható. (c) αβ(x + H) = (αβx + H) = α(βx + H). hiszen ha βk+1 (ek+1 + H) + · · · + βn (en + H) = 0 + H. ek bázisa H-nak.9. H altér. tehát (0. en bázisa V -nek. mert ha x + H ∈ V /H. ∈H tehát x + H = αk+1 (ek+1 + H) + · · · + αn (en + H). R2 -ben legyen H = {(a. 2. akkor (ek+1 + H). Példa. . e1 . . . A skalárszorzás tulajdonságai: (a) α (x + H) + (y + H) = α(x + y + H) = α(x + y) + H = (αx + αy) + H = α(x + H) + α(y + H).58 3. A V vektortér H altere szerinti faktortér dimenziója: dim V /H = dim V − dim H. . (d) 1(x + H) = x + H. akkor x = α1 e1 + · · · + αk ek +αk+1 ek+1 + · · · + αn en . . 4. . Bizonyítás. βk+1 = · · · = βn = 0. Ugyanis ez egyrészt generátorrendszer. . . (b) (α + β)(x + H) = (α + β)x + H = (αx + βx) + H = α(x + H) + β(x + H). . . (d) additív inverz: (x + H) + (−x + H) = 0 + H. (en + H) bázisa V /H-nak. (c) zéruselem: (x + H) + (0 + H) = x + H. mert ek+1 . (x + H) + (y + H) + (z + H) = (x + y + H) + (z + H) = (x+y+z)+H = (x+H)+(y+z+H) = (x+H)+ (y+H)+(z+H) .10. ami csak akkor lehetséges ha. .

FAKTORTÉR 59 6 (0. hogy az R 2 /H faktortér beazonosítható a {(0. . x2 ) 6 * (x1 . Másrészt minden lineáris sokaságnak a (0. x 2 ) alakú (az ilyen alakúak között egyértelmű) reprezentánsát választva az is világos. x2 ) H 0 . hogy a H irányterű lineáris sokaságok a vízszintes egyenesek.4. x2 ) | x2 ∈ R} vektortérrel (azaz a "függőleges tengellyel").L Látható.

.

.  ∈ Tk vektort pedig a j-edik oszlopának . B. fejezet Mátrixok 1.  sorvektorának nevezzük. . .   ..5. .. Egy skalár is tekinthető egy 1 × 1 típusú mátrixnak.4. . Definíció. . ak1 ak2 . ahol i a sorindex. .4. . Az (ai1 . . . . . . akkor az így kapott számtáblázatot k × n típusú mátrixnak nevezzük:   a11 a12 . a1n a21 a22 . Definíció. . n. . Definíció. aij ∈ T. (bij ). 1. j az oszlopindex. 1. . Ha az aij számokat k sorban és n oszlopban rendezzük el. . . . Az A mátrix egy általános elemét a ij -vel vagy (A)ij -vel jelöljük. Megjegyzés. . (a ij ). ha méreteik és a megfelelő helyen álló elemeik egyenlőek. Az n × n típusú mátrixokat négyzetes vagy kvadratikus mátrixoknak nevezzük.in )  Tn vektort a mátrix i-edik sorának vagy a ∈ a1j  . . az a1n . . Az olyan mátrixot. . n ∈ N. . . az  . . ann elemeket a főátló vagy fődiagonális elemeinek nevezzük. . 1. j = 1. Ezen két vektor "metszetében" áll az a ij elem. A k × n típusú mátrixok halmazát M k×n -nel jelöljük. zérusmátrixnak nevezzük. . . Két mátrixot egyenlőnek nevezünk. amelynek minden eleme 0. a k × 1 típusúakat pedig oszlopvektoroknak mondjuk.2. . a2n     . an1 elemeket pedig a mellékátló elemeinek 61 . k. . . . . i = 1..1. Legyen k. 1. . . akn A mátrixokra az alábbi jelöléseket használjuk: A.3. akj vagy oszlopvektorának nevezzük. . . Az 1 × n típusú mátrixokat sorvektoroknak. Definíció. Mátrixok 1. . Az a11 . . .

Mivel a műveleteket tagonként végezzük. a2n  b21 . . .  . . b1n a11 + b11 ... . . = (αaij + βaij ) = (αaij ) + (βaij ) = α (aij ) + (bij ) = α(aij + bij ) = α[aij + bij ] = (αaij + αbij ) = (αaij ) + (αbij ) = α(aij ) + α(bij ). . . . . . MÁTRIXOK nevezzük:  a11 . . Az alábbi levezetésben ( ) a mátrix "zárójele".62 4. így ezek a tulajdonságok a mátrixokra is teljesülnek. . .6. . a1n + b1n a11 .7. . = . . . [αβ](aij ) = (αβaij ) = α(βaij ). B = (bij ) ∈ Mk×n . és legyen A = (aij ). . ahol α ∈ T :   a1n αa11 a2n  αa21   . Tétel. . hiszen ilyen típusú mátrixok összege is Mk×n típusú..  α . . . . . Definíció. . akn bk1 . . . . . A k × n típusú mátrixok halmaza az előbb bevezetett összeadásra és szorzásra nézve vektortér a T test felett. a1n 1. . . . + . ak1 ak2 . míg a csoportosítást a [ ] szögletes zárójelek mutatják.. αak2 . = . . bkn ak1 + bk1 . .  αak1 αakn 1. . . . . . . . [α + β](aij ) = [α + β]aij α(aij ) + β(aij ). . .   a22    an1  ann   . b2n   a21 + b21 . . a21 a22 .  a11 a12 . .. . . a1n a21 . A + B =(aij + bij ) ∈ Mk×n : ˙       b11 .. . nullelem: (aij ) + (0) = (aij ).  . és T vektortér T felett.   . . Tekintsük az Mk×n halmazt. . αa12 . αA = (αaij ) ∈ Mk×n . (a) (aij ) + (bij ) = (aij + bij ) = (bij + aij ) = (bij ) + (aij ). akn  αa1n αa2n   . . . . .   . . . a2n + b2n        . Ezen a halmazon értelmezzük az összeadást és a skalárszorzást az alábbi módon: 1. . (b) (c) (d) 2. additív inverz: (aij ) + (−aij ) = (0). . . akn + bkn 2. . Bizonyítás. . . . . αa22 .   . 1. ak1 . . . . .   . Az Mk×n halmaz zárt a műveletekre. (a) (b) (c) (aij ) + (bij ) + (cij ) = (aij + bij + cij ) = (aij ) + (bij ) + (cij ) .

. . . Bizonyítás. . Definíció. ij ij . .. . ..10.. Legyen A = . Az (aij ) ∈ Mk×n mátrix transzponáltja mátrix. .. . + αkn  . .  .  =  . . 0 . αn 1 0 . .     1 2 3 0 −1 2 0 −4 pedig 1. Belátjuk.. α(k−1)n+1 . . . ..12. . Egy A ∈ Mn×n kvadratikus mátrixot szimmetrikusnak nevezünk.. 0 0 0 . ..8. Az 2 4 5 mártix szimmetrikus.. . 0 0 0 .  + . ..  α1  . .. Példa. bázisa:  0 0  . 0 0 0 . .. . 0 0   . egy lehetséges   1 .. 1. . . A bizonyítást most is a mátrix általános elemével végezzük. Példa.. Ekkor AT = 2 4 5 6 3 Bizonyítás..  . . . .. αkn 0 0 . .. . . . ha A = AT . . . 1. ha A = −A T .. Definíció. . . . 0 kn-dimenziós.13. . ha α 1 = · · · = αkn = 0.. (λA)T = λAT ... . .. ij ij 2. . .1. 1 az (aji ) ∈ Mn×k  4 5 . . . 0   . . . Jele: AT  1 1 2 3 1. . .. 0 0 0 . (αA)T = (αA)ji = αAji = αAT . . . és ferdeszimmmetrikusnak. . . . A megadott mátrixok nyilván generátorrendszert alkotnak. .. .. . . . hogy a baloldali mátrix i-edik sorának j-edik eleme megegyezik a jobboldali mátrix i-edik sorának j-edik elemével. T 1... . 6 Az Mk×n vektortér   0 . 1. . . (A + B)T = AT + B T . . 1 1.11.  . 0 0 . 0 0 . MÁTRIXOK 63 (d) 1(aij ) = (aij ). csak akkor lehet egyenlő a zérusmátrixszal. . 0 .  ..  1 0  . . Tétel. 0 0 . 0 0 0 . . Következmény. hiszen       α1 .9. (A + B)T = (A + B)ji = Aji + Bji = AT + Bij = (AT + B T )ij . . Továbbá lineárisan függetlenek. . a  1 3 5 7 −2 4 0 ferdeszimmetrikus mátrix. . .

. ij     . l=1 Ezt a szorzást sor-oszlop kompozíciós szorzásnak nevezzük. δij = 0. akkor képezhetők az A 2 = AA. . mivel az (AB) ij elem kiszámításához az A mátrix i-edik sorát szorozzuk a B mátrix j-edik oszlopával úgy. akkor teljesülnek az alábbi egyenlőségek: 1. de AB nem egyenlő BA-val. hogy AB és BA is létezik és a méretük is egyenlő. 0   E = . Definíció. .19. Példa. ain   . Az egységmátrixra teljesül. .16. bnj l=1 1. ha i = j. Legyen A ∈ Mk×n és B ∈ Mn×m . C ∈ Mn×m . 0 0 . 0 0 1 . Az E ∈ Mn×n kvadratikus mátrixot n-edrendű egységmátrixnak nevezzük.17. . . MÁTRIXOK 1. . amit Kroneckerdeltának nevezünk: 1. hogy a megfelelő tagok szorzatait összeadjuk:     b1j   n     b2j   (AB) =  ai1 ai2 . = mu1 0 1 1 1 0 1 1 1 0 2 1 tatja. . Tétel. Az A és B mátrixok szorzatának azt a k × m típusú mátrixot nevezzük. ha i = j. . . A3 = A2 A. . 1. . hogy AE = EA = A bármely A ∈ M n×n mátrix esetén.. ail blj =   . mátrixok.. .. Megjegyzés.. 1. 1 . .14. ˙ 1. . Ha A négyzetes mátrix. . Ha A ∈ Mk×n . általában össze sem szorozhatóak fordított sorrendben. melynek i-edik sorának j-edik eleme n (AB)ij = ai1 b1j + · · · + ain bnj = ail blj . A mátrixok szorzása nem kommutatív.. ahol   1 0 . . 1 1 1 0 2 1 1 0 1 1 1 1 = . Megjegyzés. B. Használatos még az egységmátrixra a (δ ij ) jelölés. 1. továbbá D ∈ Mm×l.18. .64 4.15. A[B + C] = AB + AC. Definíció. és A0 =E.

Bizonyítás. 1. Bizonyítás. és n n n [AB] T ij = (AB)ji = r=1 ajr bri = r=1 (A )rj (B )ir = r=1 T T (B T )ir (AT )rj = (B T AT )ij . B összeszorozható mátrixok. A[BD] m s=1 n r=1 = r=1 air (BD)rj = m s=1 r=1 air s=1 brs dsj = . air brj = α[AB] r=1 air brs dsj = n ij (AB)is dsj = [AB]D n ij n 3. A bizonyítást általános elemmel végezzük: n n n 1. Legyen A ∈ Mn×n kvadratikus mátrix. MÁTRIXOK 65 2. Ha létezik olyan B ∈ Mn×n mátrix. B ∈ Mn×m . Legyenek A. akkor A-t invertálható mátrixnak. Ha A ∈ Mk×n . ahol E az n × n típúsú egységmátrix.1. Tétel.22. Ha A ∈ Mn×n négyzetes mátrix. B2 ∈ Mn×n inverzei A-nak. és B-t az A mátrix inverzének nevezzük. Tétel. A[αB] = r=1 air (αB)rj = r=1 air [αbrj ] = α ij . 1. Bizonyítás. Definíció. A[αB] = α[AB]. n ij n m 2. Ekkor AB1 = B1 A = E = AB2 = B2 A. akkor (AB)T és B T AT is m × k típúsú lesz. 1. 1. A[BD] = [AB]D. Ekkor (AB)T = B T AT . akkor az egyértelmű. Következmény. .21. A[B + C] n r=1 ij = r=1 air (B + C)rj = r=1 air [brj + crj ] = r=1 air brj + air crj = (AB)ij + (AC)ij = (AB + AC)ij . hogy B1 . akkor Ak+l = Ak Al . Tegyük fel.23. Jele: A−1 . Ha az A ∈ Mn×n mátrixnak létezik inverze. 3.20. melyre AB = BA = E .

2 k E E 2. . Az alábbi mátrixátalakításokat (műveleteket) elemi sor (oszlop) átalakításoknak nevezzük: . . 1. . (A−1 )T AT = (AA−1 )T = E T = E. A−1 A−1 ) = A1 A2 . . . A−1 (A−1 A1 ) A2 . E E akkor azt kapjuk. . Rögzített n ∈ N esetén az n × n típusú mátrixok gyűrűt alkotnak (mátrixgyűrű). Ennek segítségével meghatározhatjuk egy mátrix inverzét. . (Ak A−1 ) . E 1. . hogy B1 = B2 . (A−1 . és nem nullosztómentes. Tétel. 2 1 k Bizonyítás. . . Belátjuk. . (A1 A2 . MÁTRIXOK ha beszorozzuk az első egyenlőséget B 2 -vel: (B2 A) B1 = B2 (B1 A). . hogy AT inverze (A−1 )T : AT (A−1 )T = (A−1 A)T = E T = E. . E az egységelem. Belátandó.25. . Ez a gyűrű egységelemes. . és a későbbiekben lineáris egyenletrendszerek megoldására is használjuk. Ha az A1 . Tétel. Bizonyítás. . A−1 A−1 = · · · = 2 1 2 1 k k E. . . . Ak ∈ Mn×n mátrixok invertálhatóak. 1. De nem kommutatív. (A−1 A2 ) . . két nem nulla mátrix szorzata lehet nulla: 1 0 1 0 0 0 1 1 = 0 0 . . . . Invertálható mátrixok esetén az inverzképzés és a transzponálás sorrendje felcserélhető: (AT )−1 = (A−1 )T . akkor a szorzatuknak is létezik inverze. A−1 A−1 )(A1 A2 . Ak = · · · = E. 0 0 Az alábbiakban a Gauss-féle eliminációt ismertetjük. . Ak )(A−1 .26. Ak ) = A−1 . hogy mindkét irányból szorozva őket egységmátrixot kapunk: 1. Ak = 2 1 2 1 k k A−1 . A−1 A−1 . .66 4. és (A1 A2 . Definíció. .24. . . Ak )−1 = A−1 . Valóban.

ha egyik a másikból véges sok elemi sor átalakítással (oszlop átalakítással) előállítható. Példa. ha a mátrixban van két olyan sor. ha i > j esetén a ij = 0.29. Egy mátrixot lépcsős mátrixnak nevezünk. egy mátrix két tetszőleges sorát (oszlopát) felcseréljük.   1 2 3 4 0 1 2 3   1. Példa. Példa. Mátrix egy sorának vezető eleme a sor első zérustól különböző eleme. 1. Definíció. 1. Két mátrixot sorekvivalensnek (oszlopekvivalensnek) nevezünk.1. Definíció. 2.30.27. A B =  0 0 1 2 mátrix trapéz alakú. a mátrixban a zérustól különböző elemeket tartalmazó sorok megelőzik a csupa nulla sorokat. Egy mátrixot trapéz alakúnak nevezünk. akkor a másodikban a vezető elem oszlopindexe nagyobb vagy egyenlő. 0 0 2 . Definíció.35. 1. ha lépcsős alakú és az egymás alatt álló sorokban a vezető elemek oszlopindexeinek különbsége 1. 0 0 0 0 0 0 0 1. Ha B mátrix az A mátrixból véges sok sor (oszlop) átalakítással megkapható.32. Definíció.   1 1 1 3 4 5 5 0 0 2 3 5 8 3   1. MÁTRIXOK 67 1.31. egy mátrix sorát (oszlopát) zérustól különböző skalárral megszorozzuk. Definíció.28. Az A ∈ Mn×n mátrixot háromszög alakúnak vagy felső triangulárisnak nevezzük.   1 3 5 1. ha teljesíti az alábbi tulajdonságokat: 1. ami tartalmaz zérustól különböző elemet. 2. Az A =  0 0 1 3 4 3 4 mátrix lépcsős alakú. továbbá a főátlóban csupa nem nulla elem áll.34. A C = 0 2 3 mátrix felső trianguláris.33. 3. egy mátrix sorának (oszlopának) skalárszorosát hozzáadjuk egy másik sorához (oszlopához). akkor léteznek olyan sor (oszlop) átalakítások. 1. 0 0 0 0 1. amelyek segítségével B-ből A-t kapjuk. Következmény. mint az elsőben.

  . akkor az alatta lévő elemeket kinullázzuk. 0 0 . . 1. Hasonlóan folytatva az eljárást. . . a1n  0 a22 . a2n     . Ekkor a mátrix az alábbi alakú lesz:   a11 a12 . Ha a22 = 0. 1. Elemi mátrixoknak nevezzük az n-edrendű egységmátrixból egy elemi sor (oszlop) transzformációval előállítható mátrixot. . . a3n  . A lépcsős alakra hozás algoritmusát Gauss-féle eliminációnak nevezzük.36. sorcserével: 1 0 0 . 0 0 1   3 0 0 2. i = 2. hogy az első sor első ai1 eleme nem nulla. . . . . .. azaz az alatta aj2 lévő sorokhoz hozzáadjuk a 2. . . sor − -szeresét. . . Minden négyzetes mátrix sorekvivalens (oszlopekvivalens is) egy lépcsős mátrixszal.   . ˇ  Ekkor a mátrix:  . . n. . Megkeressük a legkisebb oszlopindexű vezető elemet tartalmazó sort. . . . . . Definíció. n. . sor szorozva skalárral: 0 1 0 . . Tétel. ..37. hogy milyen elemi átalakítással kaptuk az egységmátrixból:   0 1 0 1. . a  22  a11 a12 . . . és sorcserével az első sorba tesszük. 0 an2 . . . . . ann ˇ 3.  . ann 2. . Az elemi mátrixoknak három típusát különböztetjük meg aszerint. 0 0 1 . . . . .68 4. a2n     0 0 . . . a1n  0 a22 . j = 3. ekkor az i-edik sorhoz hozzáadjuk az első sor − a11 szeresét. Tegyük fel. Bizonyítás. . MÁTRIXOK 1. véges sok lépésben lépcsős alakú mátrixot kapunk. .

Ismét példákon keresztül szemléltetjük az állítást: 1.42. hogy az elemi átalakítások ekvivalensek a megfelelő elemi mátrixokkal való szorzással:      0 1 0 1 2 3 2 3 4 1. 0 0 1   1. így visszafordítja a sorrendet:      1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 = 0 1 0 . típus: Ha az E-ből úgy kaptuk az elemi mátrixot. MÁTRIXOK 69 1. vagyis minden négyzetes mátrix elemi mátrixokkal balról szorozva lépcsős mátrixszá alakítható.40. 1. 2 1 0 2 3 4 = 4 7 10 . 0 0 1 0 0 1 0 0 1 3. és inverze is elemi mátrix. Megjegyzés. ugyanolyan elemi átalakításokkal keletkezik az A-ból az εA mátrix. 0 0 1 0 0 1 0 0 1 2. Amilyen elemi átalakításokkal keletkezik az E egységmátrixból az ε elemi mátrix. 0 1 0 2 3 4 = 2 3 4 . típus: az ilyen mátrixnak önmaga az inverze. 1 0 0 2 3 4 = 1 2 3 . Minden elemi mátrix invertálható. 0 0 1 4 5 6 4 5 6      1 0 0 1 2 3 1 2 3 3.39. A Gauss-elimináció elvégezhető elemi mátrixokkal balról való szorzásokkal. sorhoz hozzáadva másik sor skalárszorosát: 2 1 0 . Megjegyzés. de példákon keresztül jól látható. 1. Tétel. akkor az inverzben ezt a sort szorozni: (1/α)-val kell       1 0 0 3 0 0 1/3 0 0 0 1 0  0 1 0 = 0 1 0 . 0 0 1 4 5 6 4 5 6 1 0 0 3. A tételt nem bizonyítjuk. 0 0 1 4 5 6 4 5 6      3 0 0 1 2 3 3 6 9 2. 1. Következmény. típus: ha a sor α-szorosa az eredetinek.41. Tétel. hogy egy sor λszorosát hozzáadtuk egy másik sorhoz.38.1. akkor inverzmátrixban ki kell vonni belőle: .

CD =  0 . 1. e1n 0  0 . Ugyanis ha trapéz alakot kapnánk. . Az olyan mátrixok. ha sorekvivalens az egységmátrixszal. és B-nek létezik inverze. így A invertálható. . . . Bizonyítás. . tehát A−1 is elemi mátrixok szorzata. ε1 E. . . amik tartalmaznak csupa nulla sorokat. így megkapjuk az egységmátrixot. azaz ha B = ε k · · · ε1 A is invertálható. akkor B invertálható. . c1n d11 . Ha egy A mátrix invertálható. akkor A és A −1 is felírható elemi mátrixok szorzataként. dnn en1 . 1. Ha A invertálható. cn1 . ε1 E. . és az inverze B −1 εk · · · ε1 . . . ε−1 .45. . cnn dn1 . hogy B = εk · · · ε1 A . . hogy A-nak létezik inverze. . Egy kvadratikus mátrix akkor és csak akkor invertálható. ahol ε1 . akkor lenne benne csupa nulla sor. hogy a főátlóban csak 1-esek álljanak. enn A kapott háromszög alakú mátrixban skalárszorzással elérhetjük. nem invertálhatóak. akkor Gauss-eliminációval háromszög alakra hozható. Bizonyítás. MÁTRIXOK  1. ε−1 A.. Tétel. 0 0 1 0 0 1 0 0 1  2. . Ezeknek az egyeseknek a segítségével kinullázhatjuk a felettük álló elemeket. . Ebből E = ε−1 . Az A mátrix akkor és csak akkor invertálható. Ekkor A inverze: Eε−1 . akkor tetszőleges D-vel szorozva:      c11 . . Ha A invertálható. . akkor A = ε k .. hiszen ha C i-edik sora 0. . Tegyük fel. . Ha A = εk . . akkor az előző tétel miatt A invertálható. 1 k−1 k E    1 0 0 1 0 0 1 0 0 2 1 0 −2 1 0 = 0 1 0 . .43. mert az egységmátrixnak van inverze. d1n e11 . 1 k A−1 . Ha B = ε k · · · ε1 A.44. mert az (A−1 ε−1 · · · ε−1 ε−1 ) mátrix az inverze: 1 k−1 k (A−1 ε−1 · · · ε−1 ε−1 )(εk · · · ε1 A) = E. 1. 0  = E. Ekkor A = ε−1 · · · ε−1 B.70 4. 0  =  0 . εk elemi mátrixok. Tegyük fel. ha a vele sorekvivalens mátrixok is azok. mégpedig önmaga. .. Bizonyítás. Tétel.. . Következmény. 1 k 1. . 1 k 2. .

. . Legyen A = 2 1 1. . Definíció. .2. . Definíció. Az A ∈ Mn×n mátrix minden sorából és oszlopából válasszunk ki pontosan egy elemet. következmény szerint:     1 0 11 0 0 1 0 1 1 0 0 A = 2 1 1 0 1 0 ∼ 0 1 −1 −2 1 0 ∼ 1 2 00 0 1 0 2 −1 −1 0 1     1 0 1 1 0 0 1 0 0 −2 2 −1 0 1 −1 −2 1 0 ∼ 0 1 0 1 −1 1  . DETERMINÁNS 71 1. hogy hány szomszédos elem cseréjével állítható elő a permutáció az (1. . ε1 E = A−1 .. Az (1. . ami azt jelöli. akkor εk . . . Példa.2. . 0 0 1 3 −2 1 0 0 1 3 −2 1   −2 2 −1 tehát A−1 =  1 −1 1  . .1. Számítsuk ki A inverzét elemi sorá1 2 0 talakítások segítségével úgy. . n) számok) összes lehetséges permutációinak száma. 2. Determináns A determinánsok alapvető szerepet játszanak a lineáris egyenletrendszerek vizsgálatában. A−1  1 0 1 1. . Ezt az n darab számot összesen n!-féleképpen lehet kiválasztani. az n-edik oszlopból kiválasztott elemet pedig ain n . . Ha E = εk . 2. n) elemek egy permutációjában az inverziók számának nevezzük az I számot. 3 −2 1  2. . Az A mátrix determinánsának az alábbi . hogy az A mátrixon végrehajtott átalakításokat szimultán módon végrehajtjuk az egységmátrixon is az 1. . Ha az A ∈ M n×n átalakítható az egységmátrixszá.47. . tehát összesen n darab elemet.46. Az első oszlopból kiválasztott elemet jelölje a i1 1 . ε1 A. n)-ből. Bizonyítás. Következmény. akkor ugyanezen átalakításokkal E-ből A −1 et kapjuk. . Gauss-féle szimultán elimináció. . mert ennyi a sorindexek (azaz az (1.46.

. i n az (1. . . . |A| = |AT |. . . .. . . . . Ekkor a determináns rendelkezik az alábbi tulajdonságokkal: 1. an |. . an | jelölés is. . n) elemek összes (i1 . an | = −|a1 .. . . 3. . . . in ) permutációjára kiterjed. . . aj . . 2. . |a1 . . . an | = 0. . . . abra Megjegyezzük.. |a1 .. . . .in )∈Pn (−1)I ai1 1 . ahol ai a mátrix i-edik oszlop vektorát jelöli. ha két sor vagy két oszlop megegyezik. ahol I az 2. A determinánsra használatos még az |A| és a |a1 .. Kétszer kettes mátrixok determinánsa: a11 a12 = a11 a22 − a21 a12 . . Háromszor hármas mátrixok determinánsa: a11 a12 a13 a21 a22 a23 = a31 a32 a33 a11 a22 a33 + a31 a12 a23 + a21 a32 a13 − a31 a22 a13 − a21 a12 a33 − a11 a32 a23 . ha egy sort skalárral szorzok. akkor a determináns nulla: 5. . ha A tartalmaz csupa 0 sort. λai . . sor vagy oszlopcsere esetén a determináns előjelet vált: 4. . a. hogy ilyen egyszerű számolási szabály a magasabbrendű determinánsokra nem létezik. an | = λ|a1 . a21 a22 azaz a főátlóban lévő elemek szorzatából kivonjuk a mellékátlóbeliek szorzatát.72 4. Példa. . . . Az összegzés i1 . . n permutációban az inverziók száma. . an |. aj . a. . 1 . . . . Legyen A ∈ Mn×n . ai . . . . . .4.. . akkor |A| = 0. . . Tétel. . . MÁTRIXOK számot nevezzük: det A = (i1 . 2. . ain n . . . A 3 × 3-as esetben is a "főátló irányúak" szorzatainak és a "mellékátló irányúak" szorzatainak a különbsége a determináns. 2. . . a skalár kiemelhető: |a1 .. . 1. . . ai . ..3.

. ai . . an |. ha egy mátrix sor vagy oszlopvektorai lineárisan függőek. . így az inveziók száma minden tagban páratlan számmal nő vagy csökken (két elem cseréje mindig páratlan sok szomszédos elem cseréjével helyettesíthető). in ) elemekből az (1. . oszlopokra is teljesülnek. . akkor a determináns nulla: 7. an | + |a1 . . Ahány elemcsere szükséges az (i1 . . 6. ha egy sor. . . . Ha egy sort skalárral szorzunk. . Ennek a tulajdoságnak köszönhető. trianguláris mátrix determinánsa a főátlóban álló elemek szorzata. . ai . .. a determináns minden tagja pontosan egyszer lesz megszorozva ezzel a skalárral. . ain n alakú. ha det A = 0. .. . így a tagok összege is nulla. . .2. . Mivel a determináns minden tagjában szerepel nulla. . . . . . . 3. . an | = λ0 = 0. 2. |a1 . . . mint az eredetiben. . λai . Ha a mátrixban két sor megegyezik. . így maga a determináns is. Ezért minden tag előjelet vált. . . .. λai . . ai + ai . . . . melyek sorokra vonatkoznak. . akkor: |a1 . . ai . aj . . . . . . tehát a determináns is előjelet vált. . . 4. |a1 . aj + λai . . Sorcserénél minden tagban a sorindexek közül kettő fel van cserélve. an | = λ|a1 . . DETERMINÁNS 73 6.. . . . . . . ai . a belőlük képzett szorzatok is ugyanazok. . |a1 . . . in ) permutációban az inverziók száma.. . 11. . n) sorrend eléréséhez. Tehát a szorzatok előjele sem változik. an |. Bizonyítás.. .. . anin alakú lesz. . . . . . .. hogy azok az állítások. ai . . . ai . n)-ből a sorindexek tényleges sorrendje. de az előző tulajdonság miatt a determináns előjelet vált. Ha két oszlop lineárisan függő.. . akkor A oszlopvektorai lineárisan függetlenek. . . 1. an | = |a1 . ugyanannyi elemcserével fog kialakulni az (1. . . . an | = |a1 . a determináns értéke nem változik. . ai . Ha az eredeti determinánsban egy tag ai1 1 . akkor a determináns is szétbontható: 8. . A transzponált mátrixban ugyanazok az elemek vannak. és fordítva. . . .. akkor a determinánsa nulla. . .(vagy oszlop)vektorának skalárszorosát hozzáadjuk egy másik sorához (vagy oszlopához): 9. Ez csak akkor lehet igaz. ha egy oszlopvektort (sorvektort) két vektor összegére bontjuk. 10. ha a determináns nulla. akkor ezt a két sort megcserélve a mátrix nem változik. an | = 0. akkor a transzponált mátrix determinánsában: a1i1 . . ha két sor vagy oszlop lineárisan függő. . 5. . . ez éppen az (i1 .

pozitív előjellel. an | + |a1 . ai . . an ). .. .. . . 0 9. . . Determináns függvénynek nevezzük a det : Mn×n → R leképezést. .. . akkor a determináns minden tagjában pontosan egy összeadás szerepel. . ai .. hogy a két definíció ekvivalens. ajn n = (j1 . ...5. an ).. . an | + |a1 .jn )∈Pn (j1 . . . en ) = 1.. oszlopvektoraiban additív: det(a1 + a1 . . A 10. .. . . .jn )∈Pn (−1)I aj1 1 . 8. . .. . . A determináns fogalmát másképpen is meg lehet fogalmazni. . aj + λai . . ez éppen az átlós elemek szorzata. aj . . . . an | = (−1)I aj1 1 . . Tegyük fel. . ai .. . an | = |a1 . . 0... . . ha rendelkezik az alábbi tulajdonságokkal: 1. . . ai . .. . ami a többi lineáris kombinációja... . an ) + det(a1 ... . .. 0 0 11. . .. . 3. . .. 10. an−1 . ahol e1 = (1. .. . . . Definíció. MÁTRIXOK 7. . .. A következő definícióban a determinánst. . . .. ai . an ) = λ det(a1 . . an | + λ |a1 . λn−1 an−1 | = λ1 |a1 . . . alternáló tulajdonságú (más szóval antiszimmetrikus): 4. (aji i + aji i ) . .. . an ). . . an ) = det(a1 .. . akkor létezik olyan oszlop. an ) = − det(a1 .. ajn n + (j1 . . . . oszlopvektor két vektor összegére bomlik. . an | = |A|.. A = (a1 . . . .. ai . . . Trianguláris mátrix determinánsában csak egyetlen tagban nem szerepel nulla.. 0)T . . . Legyen A ∈ Mn×n .. .. . aj . . . . . így: |a1 . . . ai . Ha az i. . . a1 | + · · · + λn−1 |a1 .. . . . az egységmátrix determinánsa 1: det(e 1 .. oszlopvektoraiban homogén: det(λa1 . an ). . .. an | = |a1 .74 4. . . . . . mint bizonyos tulajdonságokkal rendelkező függvényt fogjuk meghatározni. .. ai . . . 2. ... .jn )∈Pn (−1)I aj1 1 . . 2. . . 1)T . . aji i . . . . . . ai . . λ1 a1 + · · · + λn−1 an−1 | = |a1 . .. . . . . . en = (0. aj . . 0. ai .. . ai . λ1 a1 | + · · · + |a1 . an−1 | = 0. . Ha egy mátrix oszlopai lineárisan függőek. an |. . (ai + ai ). . λai . .. hogy ez az utolsó oszlop (ez oszlopcserével elérhető). tulajdonság kontrapozíciója. . . . . aj . . . . . .. .. . . . aji i ... Az előző tulajdonságok alapján: |a1 . aj . ajn n = |a1 .. an | = |a1 . det(a1 . utána belátjuk. . ekkor: |a1 . .. ..

2. . Ha egy mátrix oszlopvektorai lineárisan függetlenek. . an ) = 0.  . 2. . előállíthatók a természetes bázis lineáris kombinációiként:       a1i 1 0  .8.  + · · · + ani  . . an ) = det j1 =1 aj1 1 ej1 . jn ) permutációban az inverziók száma. ani 0 1 n vagyis ai = gokat: j=1 aji ej . . amennyi a (j1 . . 1.  . . Bizonyítás. A mátrix oszlopvektorai Rn -beli vektorok. Az első definícióból bebizonyított tulajdonságok között szerepelnek a második definíció követelményei. . an ) = det(00. . . . ejn ) az (e1 . . . .. definíció alapján is. ejn ) = (−1)I det(e1 . . en ). ejn ).5. ..7. definícióbeli tulajdonsán n det A = det(a1 .5. . . DETERMINÁNS 75 2. en )-ből oszlopcserékkel állítható elő. . in =1 λin n ain ) = .2. . Természetesen a determináns 2. Ekkor használva a 2. akkor bázist alkotnak. . ajn n det(ej1 . . . Ha az oszlopvektorok lineárisan függetlenek. . en ) = det( i1 =1 λi1 1 ai1 . .. Például a 2. . Bizonyítás.2. . . . Megjegyzés.5. . . . 2.  . A determinánsra adott 2. . .. . . definícióbeli determináns előállítást. . . . és lineáris kombinációjukként felírhatóak a természetes bázis elemei.4. akkor a determinánsa nem nulla. Tehát az alternáló tulajdonság miatt: det(ej1 . Tétel. . . (j1 . tulajdonság: det(0. jn =1 ajn n ejn = aj1 1 .jn )∈Pn Mivel (ej1 . Ekkor n n 1 = det E = det(e1 . Tétel. . 1 így megkaptuk a 2. . . . . . . an ) = 0 det(0. . definíciók ekvivalensek. .  = a1i  . mégpedig annyival.6. . tételbeli tulajdonságai bebizonyíthatóak a 2. . . . . . és 2. 2. . .

cn ).in )∈Pn (−1)I bi1 1 . hogy E = BA . a determinánsok szorzástétele alapján |A||A −1 | = |E| = 0. Mivel |E| = 0. Tegyük fel..in )∈Pn (i1 . en vektorokat n (a természetes bázis vektorait).. .. Ekkor AA −1 = E . . így bázist alkotnak..... . .. |AB| = |A||B| n Bizonyítás.. . Bizonyítás.... ezért cj = i=1 ai bij .. .10. azt kapjuk. .. Ez azt jelenti.. .in )∈Pn (−1)I λi1 1 . .λin n det(ai1 ... ..bin n det(ai1 . . akkor az egész kifejezés nulla lenne. hogy A invertálható. . ahol B a b ij számokból alkotott mátrix. amely kielégíti az inverzmátrix definícióját. tehát A invertálható. |B| I 2. . akkor oszlopai lineárisan függetlenek. Tétel. an ) nulla lenne. Ha det(a1 . 1. . így |A| = 0 és |A−1 | = 0. . Négyzetes mátrix akkor és csak akkor invertálható. vagyis elj = i=1 bij ali . Mátrixok szorzatának determinánsa egyenlő a tényező mátrixok determinánsának szorzatával: . . Ha A determinánsa nem nulla. an ) |A| = (i1 . Ebben a bázisban felírva az e1 .76 4... . . Legyen AB = C = (cij ) = (c1 . Ekkor n n det(c1 . ain ) = (i1 . .in )∈Pn (−1) bi1 1 . . ..in )∈Pn (i1 . Mivel clj = n i=1 ali bij .bin n det(a1 . 2.. cn ) = det i1 =1 ai1 bi1 1 . . bin n |A| = |B||A|.. ain ) = (i1 . MÁTRIXOK λi1 1 .. ha determinánsa nem nulla. 2.. .λin n det(a1 .9. . .. hogy e j = n i=1 bij ai .. . Tétel (Determinánsok szorzás tétele). an ). . in =1 ain bin n = bi1 1 ..

12. 2. ik ).11. illetve oszlopokhoz. . és tekintsük az összes olyan k-adrendű aldeterminánst. 2. Jelöljünk ki a mátrixban k darab sort (i1 . akkor |An−k |∗ = (−1)T |Ak |. és ennek a mátrixnak a determinánsát az eredeti mátrix k-adrendű aldeterminánsának nevezzzük és az |A k | jelölést használjuk rá.16. és T -ben éppen azoknak a sor és oszlopindexeknek az összege szerepel. vagyis az |Ak | aldeterminánshoz kiválasztott sorok indexeinek összege. . n ≥ 2 és 1 ≤ k ≤ n. . . . Ezen oszlopok és sorok metszéspontjában álló elemek egy k × k tipúsú mátrixot alkotnak. Ekkor a |Kk | és |Kk |∗ aldeterminánsok egy-egy tetszőlegesen kiválasztott tagjának a szorzata tagja lesz |A|-nak. . |A n−k gyezik. . .14. Tétel (Laplace-féle kifejtési tétel). A mátrix azon elemei amelyek nem tartoznak a kijelölt sorokhoz. . . amelyek nincsenek I + J-ben.15. |Kk |∗ . . amit a k-adrendű aldeterminánshoz tartozó adjungált aldeterminánsnak nevezünk. Definíció. . . |Kk | és a hozzájuk tartozó algebrai adjungált aldeterminánsokat pedig |K k |∗ . Az A ∈ M n×n mátrixban jelöljünk ki k darab oszlopot (vagy sort). jk az |Ak | aldeterminánsban az oszlopok indexeit jelöli. Megjegyzés. és ugyanennyi az (n − k) × (n − k) típusúak száma. tehát T = összes sor és oszlopindex összege 2(1 + · · · + n) −(I + J) = n(n − 1) −(I + J).13. Egy A ∈ Mn×n mátrix |Ak | aldeterminánsához tartozó adjungált algebrai aldeterminánsnak nevezzük az |A k |∗ = (−1)I+J |An−k | előjellel ellátott adjungált aldeterminánst. Definíció. 1 1 r r ∗ ∗ 2.2. . 2. Megjegyzés. és k darab oszlopot (j1 . és J = j 1 + · · · + jk ahol j1 . . Egy A ∈ Mn×n mátrix esetén ha |Ak |∗ = (−1)I+J |An−k |. . Egy A ∈ Mn×n mátrixnak n n darab különböző kk k adrendű aldeterminánsa van. Legyen A ∈ Mn×n . jk ). . amelyekben pontosan ezek az oszlopok (sorok) szerepelnek. . DETERMINÁNS 77 2. . . páros |∗ és |Ak |∗ előjele mege- így T paritása megegyezik I + J paritásával. Itt I = i 1 +· · ·+ik . 2. . egy (n − k) × (n − k) típusú mátrixot alkotnak. Ekkor 1 r 1 r |A| = |Kk ||Kk | + · · · + |Kk ||Kk | . Tekintsünk egy k-adrendű aldeterminánst (|K k |) és a hozzá tartozó adjungált algebrai aldeterminánst (|K k |∗ ). Jelölje ezeket az aldeterminánsokat |K k |. Lemma.

.. . MÁTRIXOK Bizonyítás. . . . tehát annyi. ik − k darab szomszédos sort kell megcserélni. Tehát ez a tag szerepel az A mátrix determinánsában. (Lemma) 1..78 4.. hiszen maguk az aldeterminánsok nem változnak. . . .. alk k amk+1 k+1 . Ekkor |Kk | = |Kk |∗ = (−1)L al1 1 . . Tegyük fel.. ha a nagyobb megelőzi a kisebbet a permutációban). . hogy az i1 . . . 2. (l1 . Most tetszőleges k darab sor és oszlop esetén vizsgáljuk a két tag szorzatát.. Legyen az aldetermináns |Kk |. ik sorhoz és a j1 . hogy az ik -adik sor a k-adik sorba kerüljön. amn n . alk k (−1)M amk+1 k+1 .. . Minden ilyen csere előjelváltással jár.. . . . de a sorindexek és oszlopindexek összege eggyel csökken. .mn )∈Pn−k mert az adjungált aldeterminánsban a sor és oszlopindexek éppen a k + 1. . . . . . Ahhoz. mn ) permutációban az inverziók száma. jk oszlophoz tartozó aldetermináns az első k darab sorba és oszlopba kerüljön. . amn n = = (−1)M +L al1 1 . amennyi eredetileg volt. . tehát li < mk+j (két elem akkor áll inverzióban egymással. mert az első k darab sorindex és a második n − k darab sorindex nem állhat inverzióban egymással: 1 ≤ l i ≤ k < k + 1 ≤ mk+j ≤ n.lk )∈Pk (−1)M amk+1 k+1 . mk+1 . n számok. (mk+1 . . Ekkor sor és oszlopcserékkel el lehet érni. hogy az i1 -edik sor az első sorba kerüljön i1 − 1 szomszédos sor cseréréje van szükség. alk k . Két tetszőlegesen választott tag szorzata: (−1)L al1 1 . Hasonlóan ahhoz. így az első pontban leírtak alapján az |K k ||Kk |∗ -beli szorzatok is szerepelnek a determinánsban. . . . amn n . . . és az adjungált algebrai aldetermináns |Kk |∗ ) előjele (−1)I+J lesz. Összesen tehát i1 + · · · + ik + j1 + · · · + jk − 2(1 + 2 + · · · + k) páros darab sorcsere és oszlopcsere szükséges. . . n darab tényező szorzata L + M éppen az (l1 . lk . hogy K az első k darab sorhoz és az első k darab oszlophoz tartozó aldetermináns. .

Példa. Vegyük észre. Az első oszlop szerint kifejtve: 1 2 0 3 0 2 1 1 1 3 2 1 2 2 3 4 0 1 2 4 1+1 1 2 3 + 2(−1)2+1 1 2 3 + = 1(−1) 3 1 1 1 1 1 1 1 0 1 2 0 1 2 0(−1)3+1 2 3 4 + 3(−1)4+1 2 3 4 . Megjegyzés. hogy egy másik oszlop (sor) elemeihez tartozó adjungált algebrai aldeterminánsokat használjuk. 2. 1k nk ahol |An−1 |∗ az aik elemhez tartozó adjungált algebrai aldetermináns.19. Egy 4 × 4 típusú mátrix determinánsát valamely oszlopa szerinti kifejtéssel 4 darab 3 × 3 típusú determináns kiszámítására vezethetjük vissza. és k = j.18. 2. egy k × k típusú determinánsnak k! darab tagja van). az adjungált algebrai aldeterminánsok pedig (n − 1) × (n − 1) típusúak. amikor az aldeterminánsok 1 × 1 típusúak. Ha az A ∈ M n×n mátrixot kifejtjük egy oszlopa (sora) szerint úgy. A k darab oszlop rögzítése után a k darab sort n -féleképpen választk hatjuk ki. Egy |Kk ||Kk |∗ szorzatban pedig k!(n − k)! darab tag van (hiszen i i világos. (Laplace tétel) A lemma alapján tudjuk. A Laplace tétel leggyakrabban használt speciális esete az egy sor vagy egy oszlop szerinti kifejtés. DETERMINÁNS 79 · · · + |Kk ||Kk |∗ kifejezés valamennyi tagja szerepel A determinánsában. így összesen Belátjuk. ami valóban a determináns összes tagját jelenti.2. ik Bizonyítás. amennyiből |A| áll (ez n! darab tag). hogy ez éppen annyi tagot jelent. Az r r 1 1 r r Bizonyítás. hogy az a1j |An−1 |∗ + · · · + anj |An−1 |∗ 1k nk . Tétel (Ferde kifejtési tétel).17. 1 1 1 1 2 3 2. akkor az eredmény nulla lesz: a1j |An−1 |∗ + · · · + anj |An−1 |∗ = 0. hogy a |Kk ||Kk |∗ + · · · + |Kk ||Kk |∗ -ben szereplő tagok különböznek. hogy a |K k ||Kk |∗ + 1 1 n k!(n − k)! = n! k darab tag van.

.80 4. Az állítás egyszerű számítással adódik.21. . . an ). Egy A ∈ Mn×n mátrix B inverzének (ha létezik) bij elemét kiszámíthatjuk az alábbi módon: bij = 1 |An−1 |∗ . . n n k=1 (AB)ij = k=1 aik (B)kj = 1 |A| aik |An−1 |∗ . |A22 |∗ = a. Bizonyítás. vagy ji másképpen a transzponált mátrix (A T )ij eleméhez tartozó adjungált algebrai aldetermináns. . . Tehát (AB)ij = 1 |A| n k=1 aik |An−1 |∗ = δij = (E)ij . . |A| ji ahol |An−1 |∗ az aji elemhez tartozó adjungált algebrai aldetermináns. . . Az előző fejezet 2. an ) = dim L(a1 . . jk ami éppen a ferde kifejtési tétel sorokra vonatkozó változata miatt i = j esetén nulla. . Mátrix rangja 3. . c d 1 d −b |A12 |∗ = −c. így ez a determináns nulla. ik mert ez éppen A-nak az i-edik sora szerinti kifejtése. |A11 |∗ = d. amelynek a j-edik és a k-adik oszlopa megegyezik. . jk 2. definíciója szerint egy (a1 . an ) vektorrendszer rangján az általa generált altér dimenzióját értjük: rg(a1 .1. Legyen A = a b . mint annak a mátrixnak a k-adik oszlop szerinti kifejtése. akkor n k=1 aik |An−1 |∗ = |A|. Ekkor |A| = ad − cb. Megjegyzés. így A−1 = . 2. MÁTRIXOK kifejezés nem más.20. Tétel. Példa. ad − bc −c a 3. Ha pedig i = j. |A21 |∗ = −b.21.

Először megmutatjuk. 3. . Tétel.  .   . . . értéke |A r | = D0 . a1r b1 (3. 3. 1. Az A = (aij ) ∈ Mn×k mátrix egy maximális rendű. A mátrix sorvektorai által alkotott vektorrendszer rangját a mátrix rangjának nevezzük. az n-edrendű egységmátrix rangja n. Tétel. . . 3. k). a12 . .. . . hogy ha tekintjük az |A r | aldeterminánsban szereplő sorokat. .3. . Az (a1 .  + · · · + λr  . . . . Megjegyzés. . . . tehát       a11 ar1 0  . 2.   . olyan vektor elhagyása. egy vektor skalárszorosának hozzáadása egy másik vektorhoz. Tegyük fel. A zérusmátrix rangja nulla.és oszlopcserékkel mindig elérhető:   b1 = (a11 . Legyen A egy n × k típusú mátrix. . . Definíció alapján könnyen belátható. zérustól különböző aldeterminánsának a rendjével. MÁTRIX RANGJA 81 ami tulajdonképpen a benne szereplő lineárisan független vektorok maximális száma.2. . . . .5. ar2 . vektorok felcserélése. Bizonyítás.  =  . Definíció. ez sor. 4.4. el nem tűnő aldeterminánsának rendje legyen r. a2r )  2  B= .  .3. ezért (b 1 . a22 . . . . hogy |A r | sorai és oszlopai az első r darab sorban. . . .1) esetén arr br 0 0 λ1 = · · · = λr = 0. vektor szorzása λ = 0 skalárral. a1r ) b = (a21 . akkor ezek lineárisan függetlenek. Bizonyítás. amely lineárisan kombinálható a többiből. . . br = (ar1 . Az A ∈ Mn×k mátrix rangja egyenlő egy maximális rendű. illetve r darab oszlopban vannak. . . an ) vektorrendszer rangját nem változtatják meg az alábbi átalakítások (úgynevezett ranginvariás átalakítások): 1. . azaz az (r+1)-edrendű aldeterminánsok mind nullával egyenlőek. br ) lineárisan független vektorrendszer. Természetesen r ≤ min(n. arr ) Mivel det B = 0. 3. . . 3. λ1  . .

a12 . így az nulla. . Ha most kifejtjük az utolsó oszlop szerint a D mj determinánst: Dmj = a1j |An−1 |∗ + . így Dmj = 0. . a1k ark 0 a1 ar 0 egyenletrendszer első r darab egyenlete megegyezik a (3. . . . . Be kell még látni.   . Ha r = n akkor az állítás nyilvánvaló. Mivel feltettük. . . hogy lineárisan függetlenek-e. ar2 . arr arj amr amj .  + · · · + λ r  . λ1  . ar = (ar1 .. a1k ) a = (a21 . . . . . . .  =  . a1j . Természetesen ez a determináns nulla: (a) Ha j ≤ r... . . . . akkor ez egy (r + 1)-ed rendű aldeterminánsa Anak. 2. . .   . ar ) lineárisan független vektorrendszer. . . . . MÁTRIXOK Most tekintsük az A mátrix első r darab sorát:   a1 = (a11 . azaz az A mátrixnak nem lehet több lineárisan független sora. . . . . . hogy (a1 . . . Dmj = . .. hogy r < m ≤ n. . (b) Ha j > r. ark ) és vizsgáljuk meg. 1 ≤ j ≤ k és tekintsük az alábbi (r + 1)-edrendű determinánst: a11 . ar1 . . . . 1j mj Ar =0 . . hogy (a1 . j ∈ N olyan. hogy |Ar | maximális rendű el nem tűnő aldetermináns.82 4.. . a1r . . a22 . . ar ) maximális lineárisan független vektorrendszer. ..  . ha r < n akkor legyen m. .1) egyenletrendszerrel amely csak nulla együtthatók esetén tejesül így szükségképpen λ1 = · · · = λr = 0..  . Mivel a       a11 ar1 0  . . a2k )  2   . . Ez azt jelenti. . akkor a determinánsban van két egyforma oszlop. am1 . . + amj |An−1 |∗ = 0.

. mert |An−1 |∗ =|An−1 |∗ (i = 1. 3. (arj |An−1 |∗ ). .  r  . |Ar | |Ar | 1j rj |Ar |       a11 am1 −|An−1 |∗ ar1  . . .   . azaz A rangja r. 1 2 3 2 3 4 = (1·3·10+2·4·4+3·2·7)−(3·3·4+2·2·10+1·4·7) = 104−104 = 0. . így ezek maximális lineárisan független sorvektorrendszert alkotnak az A mátrixban.. |Ar | a1k ark amk a1 ar am Ekkor am lineárisan kombinálható az (a1 . Ez abból következik. . ezért −|An−1 |∗ 1 ij i −1 1 (a1j |An−1 |∗ ) − . . Következmény. . Példa. . +··· +  . 3..  =  . ar ) vektorokból. .6.. Meghatározzuk az alábbi 3 × 3-as mátrix rangját.8. A mátrix rangja Gauss-eliminációval meghatározható: lépcsős alakra hozzuk. . . r) valójában nem ˙ függ j-től. hogy egyrészt a Gauss-elimináció nem változtatja meg a mátrix rangját. Mátrix rangja egyenlő transzponáltjának a rangjával. azaz oszloprendszerének rangjával. 2 3 .       1 2 3 1 2 3 1 2 3 rg 2 3 4  = rg 0 −1 −2 = rg 0 −1 −2 = 2 4 7 10 0 −1 −2 0 0 0 a Gauss-eliminációt használva. és a nem nulla sorok száma adja a mátrix rangját. . 4 7 10 azonban 1 2 = 1 · 3 − 2 · 2 = 1 = 0. MÁTRIX RANGJA 83 akkor amj = Tehát amj minden j ∈ {1.   . . másrészt egy lépcsős alakú mátrix rangja nyilvánvalóan a nem nulla sorainak számával egyenő. .3. Az aldeterminánsokat használva is megoldjuk a feladatot. Következmény.7. k} esetén ilyen alakba írható. . 3. ugyanezekkel az együtthatókkal.

84

4. MÁTRIXOK

4. Lineáris egyenletrendszerek
4.1. Definíció. Legyen A = (aij ) ∈ Mk×n , bi ∈ T (i = 1, . . . , k), ahol a T az R vagy a C számtestek valamelyikét jelöli. Lineáris egyenletrendszernek nevezzük a következő egyenletrendszert: (4.2) a11 x1 + ... +a1n xn = b1 . . . . . . ak1 x1 + ... +akn xn = bk

Az x1 , . . . , xn szimbólumokat ismeretleneknek nevezzük. Ha bevezetjük az alábbi jelöléseket:       a11 a1n b1  .   .  . a1 =  .  , ..., an =  .  , b =  .  , . . . ak1 akn bk akkor az egyenletrendszert vektoriális alakba írhatjuk: a1 x1 + ... + an xn = b. Az egyenletrendszer mátrixos alakja: Ax = b,  x1 .  ahol x =  .  . . xn 

mátrix pedig az egyenletrendszer kibővített mátrixa.

Ekkor A-t az egyenletrendszer alapmátrixának nevezzük, az   a11 . . . a1n b1  . . . .. . . (A|b) =  . . . . . ak1 . . . akn bk

4.2. Definíció. A c = c1 , . . . , cn szám n-est a (4.2) egyenletrendszer megoldásának nevezzük, ha x1 , . . . , xn helyébe írva igaz egyenlőségeket kapunk, azaz a szám n-es kielégíti a lineáris egyenletrendszert. Ha egy lineáris egyenletrendszernek létezik megoldása, akkor megoldhatónak nevezzük, ha nem létezik megoldása, akkor pedig ellentmondásosnak. Ha az egyenletrendszernek pontosan egy megoldása van, akkor határozottnak nevezzük, ha végtelen sok akkor határozatlannak. 4.3. Definíció. Az Ax = b lineáris egyenletrendszert homogénnek nevezzük, ha b = 0, ellenkező esetben pedig inhomogénnek.

4. LINEÁRIS EGYENLETRENDSZEREK

85

4.4. Megjegyzés. Egy lineáris egyenletrendszer vizsgálatánál az első kérdés az, hogy létezik-e megoldása vagy sem (megoldható vagy ellentmondásos), a második kérdés pedig az, hogy hogyan lehet megtalálni az összes megoldást. A következőkben megadunk egy eljárást, amellyel meghatározhatjuk ezeket a megoldásokat 4.5. Definíció. Két lineáris egyenletrendszert ekvivalensnek nevezünk, ha a megoldáshalmazuk megegyezik. 4.6. Tétel. Az alábbi átalakítások a (4.2) lineáris egyenletrendszer ekvivalens átalakításai, tehát nem változtatják meg a megoldáshalmazát: 1. két egyenlete felcserélése, 2. egy egyenlet szorzása zérustól különböző konstanssal, 3. egy egyenlet konstansszorosának hozzáadása egy másik egyenlethez. Bizonyítás. 1. Nyilvánvaló. 2. Ha c megoldása az i-edik egyenletnek akkor a λ(ai1 x1 + · · · + ain xn ) = λbi , λ = 0,

egyenletnek is megoldása, és fordítva. 3. Ha a j-edik egyenlethez adjuk hozzá az i-edik λ-szorosát, és c kielégíti az eredeti egyenletrendszert, akkor az új egyenletrendszer j-edik egyenletét is kielégíti: (λai1 + aj1 )x1 + · · · + (λain + ajn )xn = = λ(ai1 x1 + · · · + ain xn ) + (aj1 x1 + · · · + ajn xn ) = λbi + bj .
λbi bj

Mivel a többi egyenlet változatlan marad, c megoldása lesz az új egyenletrendszernek is. Megfordítva, ha c megoldása az új egyenletrendszernek, akkor a j-edik kivételével minden egyenlete megegyezik az eredetivel, és λbi + bj = (λai1 + aj1 )x1 + · · · + (λain + ajn )xn = = λ(ai1 x1 + · · · + ain xn ) +(aj1 x1 + · · · + ajn xn )
λbi

miatt (aj1 x1 + · · · + ajn xn ) = bj , tehát az eredeti egyenletrendszer valamennyi egyenletét kielégíti. 4.7. Tétel. Ha egy lineáris egyenletrendszer kibővített mátrixa sorekvivalens egy másik lineáris egyenletrendszer kibővített mátrixszával, akkor a két lineáris egyenletrendszer ekvivalens.

86

4. MÁTRIXOK

Bizonyítás. Ha két mátrix sorekvivalens, akkor egyik a másikból elemi mátrixokkal való szorzásokkal megkapható. Legyen az egyenletrendszer Ax = b és ε elemi mátrixok szorzata. Ekkor (A|b) sorekvivalens (εA|εb)-vel, és a hozzájuk tartozó egyenletrendszerek: Ax = b (εA)x = εb. Látható, hogy a két egyenletrendszernek ugyanazok a megoldásai, hiszen ha Ac = b akkor (ε A)c = εb,
b

és fordítva, ha (εA)c = εb teljesül, akkor ε −1 -el szorozva Ac = b adódik (ε invertálható az 1.41. tétel miatt). 4.8. Tétel. Ha egy lineáris egyenletrendszer kibővített mátrixa lépcsős mátrix, akkor az egyenletrendszer akkor és csak akkor oldható meg, ha nincs olyan sora, amelynek csak az utolsó eleme nem nulla. Bizonyítás. 1. Ha van olyan sor a kibővített mátrixban, amelynek csak az utolsó eleme nem nulla, akkor az egyenletrendszer természetesen ellentmondásos. 2. Ha az egyenletrendszer mátrixa lépcsős alakú, akkor véges sok átalakítással (oszlopcserékkel) trapéz alakra hozható: a11 x1 + a12 x2 + . . . 0 + a22 x2 + . . . ... 0 + 0 + ... 0 + 0 + ... ... 0 + 0 + ... +a1l xl + . . . +a2l xl + . . . ... +all xl + . . . + 0 + ... ... + 0 + ... +a1n xn = b1 +a2n xn = b2 +aln xn = + 0 = + 0 = bl , 0 0

ahol a11 = 0, . . . , all = 0. Ilyenkor az xn , . . . , xl+1 ismeretleneknek tetszőleges értéket adhatunk, ezek függvényében x l meghatározható, ezután xn , . . . , xl+1 , xl segítségével xl−1 kifejezhető és így tovább. Tehát legyen xn = tn , . . . , xl+1 = tl+1 , ahol tn , . . . , tl+1 ∈ T tetszőleges. Ekkor xl = xl−1 = bl all+1 aln − tl+1 − · · · − tn , all all all −

bl−1 al−1l−1

al−1l al−1n xl − · · · − tn , al−1l−1 al−1l−1

Legyen tehát x 3 = t. . 3. LINEÁRIS EGYENLETRENDSZEREK 87 . x 3 tetszőlegesen megválasztható. Tehát a megoldás egyértelmű. . akkor az egyenletrendszerben vannak olyan ismeretlenek. xl . Mivel Gauss-eliminációval minden lineáris egyenletrendszer kibővített mátrixa lépcsős alakra hozható. Ekkor végtelen sok megoldás létezik. A harmadik esetet kapjuk. . A második eset áll fenn. Az előző megjegyzés első esete áll fenn. ha például: x1 + x 2 + x 3 = 3 x2 + x 3 = 2 Ekkor az egyenletrendszer határozatlan. x2 és x1 ennek függvényében adható meg. xn ismeretlenek értéke egyértelmű. 4. az egyenletrendszer határozatlan. ha az elimináció után például az alábbi egyenletrendszert kapjuk: x1 + x 2 + x 3 = 3 0 = 2 Ekkor az egyenletrendszer ellentmondásos. Ekkor az x1 . tl+1 . . Ha a kibővített mátrix lépcsős alakjában nincs olyan sor. . . 1. . Megjegyzés. t ∈ T . 2. 3. akkor az egyenletrendszerben nincsenek szabadon választható paraméterek. és az alapmátrix nem háromszög alakú. . 2. . 4.10. . . Ha a lépcsős alakú kibővített mátrixban van olyan sor amelyben csak az utolsó elem nem nulla. az egyenletrendszer ellentmondásos. végül x1 kifejezhető tn . xn függvényében.4. Példa. akkor nincs megoldás. három esetet különböztethetünk meg.9. pontosan egy megoldás van. melyeket az első egyenletbe behelyettesítve az x 1 = 1 eredményt kapjuk. . amelyeknek tetszőleges értéket adhatunk. amelynek csak az utolsó eleme nem nulla. Ha az alapmátrix háromszög alakra hozható (n × n-es egyenletrendszer esetén). 1. ha az elimináció után az alábbi egyenletrendszert kapjuk: x1 + x 2 + x 3 = 3 x2 + x 3 = 2 x3 = 1 Ekkor x3 = 1-et a második egyenletbe behelyettesítve x 2 = 1 adódik. . .

így rg(a1 . an .88 4. an ) = rg(a1 . így léteznek olyan c1 . . Általában. an ). . . . 1. . b) miatt csak akkor lehetséges. . . . Bizonyítás. . Ekkor az egyetlen (x1 . tehát b lineárisan kombinálható az a1 . . . . . cn ) úgy. an ) ⊂ L(a1 . Az Ax = 0 homogén lineáris egyenletrendszernek a 0 mindig megoldása. . an . Tétel (Cramer-szabály). . b). an vektorokból. . . . azaz rg(a1 . . . an ) = rg(a1 . . Megjegyzés. 2. 4. . ha A oszlopai lineárisan függőek. . xn ) megoldást az xi = di |A| (i = 1. . Ekkor b ∈ L(a1 . . ha az alapmátrix rangja megegyezik a kibővített mátrix rangjával. MÁTRIXOK 4. an .13. an ) = rg(a1 . . tehát L(a1 . . b) vagy másképpen rg(A) = rg(A|b). . azaz rg(A) < n. b). . . . an . . így a 4. b). ha az alapmátrix determinánsa nem nulla. . hogy a c1 . . azaz       x1 0 1 x2  = −1 t + 2 . . . Tegyük fel. Ha A ∈ Mn×n és A invertálható. . . . ha |A| = 0. n db n + 1 db de ez L(a1 . . . . . .11. . . . .9. n) tetszőleges.12. . . cn számok. azaz létezik (c1 . 1 0 x3 . hogy a lineáris egyenletrendszer megoldható. . . an ) = L(a1 . . Egy Ax = b. Ekkor x2 = 2 − t és x1 = 3 − x2 − x3 = 1. ami azt jelenti. an . . . . b). . an ) = L(a1 . . . . . Az Ax = b lineáris egyenletrendszer akkor és csak akkor megoldható. akkor x = A−1 0 miatt csak a nullvektor lesz megoldása az egyenletrendszernek. n ismeretlenes n darab egyenletből álló lineáris egyenletrendszernek akkor és csak akkor van pontosan egy megoldása. . . cn szám n-es megoldása a lineáris egyenletrendszernek. . ha L(a1 . an ). . . . akkor definíció szerint dim L(a1 . . an ) = dim L(a1 . an . . . Ez akkor és csak akkor teljesül. . Ha A nem invertálható. an . ha A ∈ Mk×n . hogy b = a1 c1 + · · · + an cn . . Ha rg(a1 . . akkor alapmátrixát nem lehet háromszög alakra hozni. Tétel (Kronecker-Capelli-tétel). . . . . . . . megjegyzésben leírtak alapján lesz nem triviális megoldása is. . . . . Ekkor b ∈ L(a1 . hogy a1 c1 + · · · + an cn = b. . akkor Ax = 0-nak akkor és csak akkor van nem triviális megoldása. . b). 4. . .

A ∈ Mk×n inhomogén lineáris egyenletrendszer megoldásai lineáris sokaságot alkotnak T n -ben. így |A| = 0. Az Ax = b. µ ∈ T tetszőleges.14. 1. 0 0 . LINEÁRIS EGYENLETRENDSZEREK 89 alakban kapjuk. 4. Az alábbi egyenletrendszert Cramer-szabállyal is megoldhatjuk. Legyen az Ax = 0 homogén lineáris egyenletrendszernek x1 és x2 megoldása és λ. Példa.9. 1. 2. amelyben az i-edik oszlop helyén a b oszlopvektor szerepel. 1. azt kapjuk. Bizonyítás. ahol di azt az n×n-es mátrixhoz tarozó determinánst jelöli. akkor a 4. Belátandó. melynek dimenziója n − rg(A). A ∈ Mk×n homogén lineáris egyenletrendszer megoldáshalmaza alteret alkot Tn -ben. Ha |A| = 0. hogy x = A −1 b. Tehát n n 1 di (A)ji bj = (A)ji bj = . akkor A invertálható. amelyet úgy kapunk. Lineráris egyenletrendszer megoldáshalmazának geometriai interpretációja. tehát sor.4. és ez a felírás egyértelmű. Bizonyítás. hiszen az alapmátrix determinánsa nem nem nulla: 2x1 + x2 = 4 x1 + x 2 = 3 Ekkor 4 3 x1 = 2 1 1 2 4 1 1 3 = 1 és x2 = = 2.és oszlopvektorai lineárisan függetlenek. Mivel A(λx1 + µx2 ) = λ (Ax1 ) +µ (Ax2 ) = 0. melynek iránytere megegyezik az Ax = 0 homogén lineáris egyenletrendszer megoldáshalmazával. hogy λx1 + µx2 is megoldás. 1 2 1 1 1 1 4. és A −1 -gyel szorozva az Ax = b egyenletrendszert. megjegyzés miatt mátrixa háromszög alakra hozható.15. Az Ax = 0. 2. Ha Ax = b egyértelműen megoldható. hogy az alapmátrix i-edik oszlopát kicseréljük a b oszloppal. Tétel. xi = |A| |A| |A| j=1 j=1 n mert j=1 (A)ji bj éppen annak a determinánsnak az i-edik oszlop szerinti ki- fejtése.

x1l . A 4. .. 2. xn = αn értékekhez tartozó u megoldásvektor szükségképpen u = αl+1 u1 + · · · + αn un−l alakban áll elő. a többi nullával. . 0). . x(n−l)l . így A(y 1 − y 2 ) = Ay 1 − Ay 2 = b − b = 0. Legyen az Ax = b lineáris egyenletrendszernek y 1 . Ehhez megadunk egy megoldásokból álló lineárisan független rendszert. Vegyük észre. 0 3. 1. . tétel bizonyításában leírtak alapján.. . akkor abban az xl+1 . . . y 2 megoldása. . . . hogy az y 1 − y 2 vektor benne van az Ax = 0 homogén lineáris egyenletrendszer H megoldás alterében. . vagyis az inhomogén lineáris egyenletrendszer megoldásai egy H irányterű lineáris sokaság elemei. x2l . . . 1. 0. xn értékeket.8.. hogy az Ax = 0 homogén lineáris egyenletrendszer megoldásaltere (n − rg(A))-dimenziós. . akkor "általános megoldása" x = x0 + h... és a vektorrendszer rangja n − l = n − rg(A). 0. Továbbá.. . hogy minden megoldás előáll ezen vektorok lineáris kombinációjaként. akkor y = y 2 + h. . akkor az így kapott u1 u2 = ( = ( . 0. . . . un vektorok generálják a megoldásalteret. Most megmutatjuk. Természetesen minden y megoldásvektorra y ∈ y 2 + H teljesül. (Hiszen az utolsó n − l koordináta rögzítése után a megoldás egyértelmű. MÁTRIXOK így a megoldások halmaza zárt a lineáris kombináció képzésre nézve. . megoldásvektorok lineárisan függetlenek. Ha Ax = b megoldható. . . Itt a lépcsős alakban l darab nem nulla sor szerepel. . tehát l = rg(A). amely generálja ezt az alteret. így A(y) = A(y 2 + h) = Ay 2 + Ah = Ay 2 = b. . 0). x22 . . . x11 . Ez azt jelenti. A fenti tétel és a bizonyítása alapján adódik a következő. x12 . hogy az egyik 1-el egyenlő. x(n−l)2 . . . így y 1 ∈ y 2 +H. Ha úgy választjuk meg az xl+1 .90 4. . . . így az általuk generált altér is (n − rg(A))-dimenziós. ezen lineáris sokaság minden eleme megoldása az egyenletrendszernek: ha y ∈ y 2 + H. 0. tehát altér. . 1) un−l = ( x(n−l)1 . . . hiszen például az x l+1 = αl+1 .) Tehát az un−l . . . x21 . xn ismeretleneknek tetszőleges értéket adhatunk. Ekkor Ay 1 = b és Ay 2 = b. . ahol h ∈ H. ha tekintjük az egyenletrendszer lépcsős alakját.

Az ax + by = c. 4. Ez előáll mint a 0. lineáris egyenlet(rendszer)nek b = 0 esetén y = L egyenes R2 -ben: 6 c a − x a megoldása. Tn minden H alteréhez létezik olyan homogén lineáris egyenletrendszer. h pedig a megfelelő homogén egyenletrendszer "általános megoldása". . Ez egy b b L H c b 6 - 0 c vektor (azaz az egyenlet egy partikuláris megoldása) b a és a homogén egyenlet megoldását jelentő H = x. Példa. amelynek megoldáshalmaza a H altér. Megjegyzés. LINEÁRIS EGYENLETRENDSZEREK 91 ahol x0 egy (partikuláris) megoldás.17.16.4. 4. − x x ∈ R altér b (azaz egyenes) összege.

.

. 2. 3. Valóban. tehát izomorfizmus. . a1n x1 a1i xi   . Legyen V1 . ϕ(x + y) = ϕ(x) + ϕ(y). fejezet Lineáris leképezések 1. Egy ϕ : V1 −→ V2 lineáris leképezést izomorfizmusnak nevezünk. Az O : V1 −→ {0}. µ ∈ T. ak1 .  . .      a11 . . 93  ϕ(x + y) = A(x + y) =  a1i xi + . A ϕ : V −→ V. 1. hogy V 1 és V2 izomorf vektorterek. ϕ(x) = x identikus leképzés lineáris és bijektív.   . y ∈ V1 és tetszőleges λ ∈ T esetén teljesül. A ϕ : V1 −→ V2 leképezést lineárisnak nevezzük. . vagyis a leképezés homogén. tehát 1. = . Megjegyzés. és 2. . Ilyenkor azt mondjuk. Ha A ∈ Mk×n . 1. Az 1. ϕ(λx) = λϕ(x). fennáll. Definíció. Vektorterek lineáris leképezései 1. ha 3. aki xi + a1i yi aki yi  aki (xi + yi )  = . . akkor a ϕ : Rn −→ Rk . akn xn aki xi így    a1i (xi + yi )   . . hogy 1. . . y ∈ V1 .2. ha bijektív. . tulajdonságot helyettesíti az alábbi tulajdonság: 3. azaz a leképezés additív. ∀λ.4.5.  =  . 1. Definíció. ϕ(λx + µy) = λϕ(x) + µϕ(y) ∀x. . 2. ϕ(x) = Ax leképezés lineáris. akkor és csak akkor teljesül. .1.  . Példa.3. O(x) = 0 leképezés lineáris. és 2. ha bármely x. V2 vektortér a T test felett (itt T vagy az R vagy a C számtestet jelöli). Jele: V1 ∼ V2 .  . = 1. .. . .

Ha ϕ és ψ a bázisvektorokon megegyezik.   a1i yi  . . . Bizonyítás. akkor egyértelműen létezik olyan ϕ : V1 −→ V2 lineáris leképezés. Tétel (Lineáris leképezések első alaptétele). Tétel (Lineáris leképezések második alaptétele). origón átmenő egyenesre tükrözés. . . .3) κ : V −→ Rn . an ) bázis V1 -ben és (u1 . . an ) bázis V1 -ben. illetve az origó körüli forgatás lineáris leképezések. . LINEÁRIS LEKÉPEZÉSEK    aki xi tehát ϕ additív. xn ) leképezést koordinátaleképezésnek nevezzük. 5. azaz ϕ(x) = ψ(x) bármely x ∈ V1 esetén. . ∈V1 ∈V2  a1i xi   . . és legyen az x vektor előállítása ebben a bázisban x = x1 a1 + · · · + xn an . 6. . . . Hasonlón igazolható a homogenitás. . . . A szabad vektorok terében a pont körüli forgatás.  = Ax + Ay = ϕx + ϕy. . . . és az x ∈ V 1 vektor előállítása ebben a bázisban x = x1 a1 + · · · + xn an .7. Ekkor a (1. . Mivel ϕ(0) = ϕ(0+0) = ϕ(0)+ϕ(0) = 2ϕ(0). . . κ(x) = x1 e1 + · · · + xn en = (x1 . . Tétel.6. x1 ψ(a1 ) + · · · + xn ψ(an ) = ψ(x1 a1 + · · · + xn an ) = ψ(x). . 1. .94 5. 1. akkor ϕ ≡ ψ. . . . + . így ϕ(0)-t kivonva mindkét oldalból ϕ(0) = 0 adódik. Ha a ψ : V1 −→ V2 lineáris leképezés olyan.5. n). . . 4. Legyen (a) = (a1 . Ha (a1 . . . Legyen ϕ : V 1 −→ V2 lineáris leképezés és (a 1 . hogy ϕ(a i ) = ψ(ai ) (i = 1. 1. un ) tetszőleges vektorrendszer V2 -ben. . Rn -ben az origóra tükrözés. an ) bázis a V vektortéren. en ) a kanonikus bázis Rn -ben. . . . . akkor ϕ(x) = ϕ(x1 a1 + · · · + xn an ) = x1 ϕ(a1 ) + · · · + xn ϕ(an ) = tehát ϕ és ψ azonosak. n). pontra tükrözés és a tengelyes tükrözés lineáris leképezések. A ϕ : V1 −→ V2 lineáris leképezés a V1 zérusvektorát a V2 zérusvektorába viszi át: ϕ( 0 ) = 0 . (e) = (e 1 . melyre ϕ(ai ) = ui (i = 1. aki yi Bizonyítás.

Legyen V1 és V2 véges dimenziós vektortér a T test felett. Megmutatjuk. ϕ(an )) valóban generátorrendszer. azaz V2 dimenziója szintén n.8. λn ∈ T és 0 = λ1 ϕ(a1 ) + · · · + λn ϕ(an ) = ϕ(λ1 a1 + · · · + λn an ). . = Bizonyítás. bn ) pedig bázis V2 -ben. . Ha az a vektor előállítása az (a) bázisban a = λ1 a1 + · · · + λn an . akkor n n ϕ(x)=x1 u1 + · · · + xn un . Legyen b ∈ V2 tetszőleges. tehát a (ϕ(a1 ). . ϕ(a n )) bázis V2 -ben.1. hogy ha (a) = (a 1 . Mivel így (ϕ(a1 ). ϕ(an )) vektorokból a nullvektor csak triviális lineáris kombinációként állítható elő. . x = x1 a1 + · · · + xn an és definiáljuk a ϕ : V1 −→ V2 leképezést az x vektoron a következőképpen: Belátjuk. tulajdonság. . Tegyük fel. és legyen a = λ1 a1 + · · · + λn an az a vektor felírása az (a) bázisban. . . (a) Lineárisan függetlenek. Tegyük fel. Tétel. Ha y = y1 a1 + · · · + yn an és λ. . Legyen x ∈ V1 tetszőleges. . . 1. .2. hogy ϕ(a) = ϕ(λ1 a1 + · · · + λn an ) = λ1 b1 + · · · + λn bn . hogy V1 ∼ V2 . hogy ϕ lineáris. . hogy dim V1 = dim V2 . . (b) Generátorrendszer. ezért λ 1 = · · · = λn = 0. . 2. an ) bázis V1 ben. (b) = (b1 . an ) bázis V1 -ben. . . . A V1 és a V2 vektorterek akkor és csak akkor izomorfak. a akkor ϕ(a) = 0 = ϕ(0) . azaz V1 ∼ V2 ⇐⇒ dim V1 = dim V2 . Ekkor ϕ szürjektivitása miatt létezik olyan a ∈ V1 . . . . . . ˙ n ϕ(λx + µy) = ϕ λ i=1 n xi ai + µ i=1 n yi ai n =ϕ i=1 (λxi + µyi )ai = ˙ (λxi + µyi )ui = λ i=1 i=1 xi ui + µ i=1 yi ui = λϕ(x) + µϕ(y). 1. . . b = ϕ(a) = ϕ(λ1 a1 + · · · + λn an ) = λ1 ϕ(a1 ) + · · · + λn ϕ(an ). ha dimenziójuk megegyezik. tehát teljesül az 1. . Mivel az (a) bázisban a nullvektor előállítása egyértelmű. ekkor létezik közöttük ϕ : V1 −→ = V2 izomorf leképezés. . VEKTORTEREK LINEÁRIS LEKÉPEZÉSEI 95 Bizonyítás. akkor ϕ((a1 ). . µ ∈ T. hogy ϕ(a) = b. így ϕ injektivitása miatt a = 0. és legyen (a) = (a1 . akkor definiáljuk a ϕ : V1 −→ V2 leképezést úgy. megjegyzésben szereplő 3. . Ha λ1 . .

Legyen x = x1 a1 + · · · + xn an . hogy ϕ izomorfizmus. és teljesen mindegy számunkra.12. Kerϕ = {v ∈ V1 | ϕ(v) = 0} . tétel és az 1. . Bázis rögzítése után a vektorokat egyértelműen jellemzik a koordinátáik. de x = y. Ekkor n n n ϕ(λx + µy) = ϕ λ i=1 n xi ai + µ i=1 n yi ai n =ϕ i=1 (λxi + µyi )ai = (λxi + µyi )ui = λ i=1 i=1 xi ui + µ i=1 yi ui = λϕ(x) + µϕ(y).8. Ekkor ϕ(x + y) = ϕ(x) + ϕ(y) = 0 + 0 = 0. Ha b ∈ V2 felírása a (b) bázisban b = λ1 b1 + · · · + λn bn . . Ekkor n n n 0 = ϕ(x) − ϕ(y) = i=1 xi bi − yi bi = i=1 i=1 (xi − yi )bi . . y ∈ Kerϕ.9. (c) Szürjektív. amelynek előállítása az (a) bázisban: a = λ1 a1 + · · · + λn an . Legyen x. akkor b éppen annk az a ∈ V1 vektornak a ϕ általi képe. Az 1. Következmény. következmény jelentőssége abban áll. hogy a vektor milyen geometriai vagy algebrai objektum. Innen x i = yi (i = 1. és indirekt tegyük fel. n) mert a (b) bázisban a nullvektort csak egyféleképpen lehet lineáris kombinációként előállítani. (a) Lineáris.11. tehát minden R fölötti n-dimenziós vektortér izomorf R n -el. 1. azaz ϕ(x) = ϕ(y) = 0 . Definíció. A halmazt a leképezés magterének vagy nullterének nevezzük. Kerϕ zárt az összeadásra nézve. 1. 1. 1. Tétel. A ϕ : V1 −→ V2 lineáris leképezés Kerϕ ⊂ V1 magtere altér. .10. hogy így a vektorterekben történő számolások R n -ben elvégezhetők. Megjegyzés. n) miatt x = y . A κ : V1 −→ Rn koordinátaleképezés (1. .96 5. . és ez a megfeleltetés a koordináta n-esek és a vektorok között művelettartó. Legyenek V1 . tehát xi − yi = 0 (i = 1. hogy ϕ(x) = ϕ(y). .3) izomorfizmus. (b) Injektív. Az előző tétel bizonyításában szereplő módszerrel: Legyen x = x1 a1 + · · · + xn an és y = y1 a1 + · · · + yn an .9. . V2 véges dimenziós T feletti vektorterek és ϕ : V1 −→ V2 lineáris leképezés. LINEÁRIS LEKÉPEZÉSEK Megmutatjuk. Bizonyítás. y = y1 a1 + · · · + yn an . 1.

y ∈ V1 úgy. A ϕ : V1 −→ V2 lineáris leképezés képtere a ϕ(V1 ) = {y ∈ V2 | ∃x ∈ V1 : ϕ(x) = y} halmaz. így ϕ(a) = ϕ(0). Jele: dim Kerϕ = defϕ. 1. ami ϕ injektivitása miatt csak akkor lehetséges. . A ϕ : V1 −→ V2 lineáris leképezés magterének dimenzióját a leképezés defektusának nevezzük. VEKTORTEREK LINEÁRIS LEKÉPEZÉSEI 97 tehát (x + y) ∈ Kerϕ. A ϕ : V1 −→ V2 lineáris leképezés ϕ(V1 ) képtere altér. Definíció. hogy ϕ(x1 ) = y1 . Ekkor ϕ(λx) = λϕ(x) = λ0 = 0.14. de ϕ(x) = ϕ(y). Tétel. Kerϕ zárt a skalárszorzásra nézve. Ekkor 0 = ϕ(x) − ϕ(y) = ϕ(x − y). de ϕ nem injektív. hogy ϕ(x) = y. 2. 1. y 2 ∈ ϕ(V1 ). ha a = 0.16.13. Tétel. Bizonyítás. azaz létezik x. dim ϕ(V 1 ) = rgϕ. Legyen λ ∈ T és y ∈ ϕ(V 1 ). így y 1 + y 2 = ϕ(x1 ) + ϕ(x2 ) = ϕ(x1 + x2 ) ∈ ϕ(V1 ). hogy Kerϕ = {0}. Bizonyítás. Ekkor létezik x ∈ V1 úgy. ∈V1 2. x2 ∈ V1 úgy. 1.15. hogy ϕ injektív és a ∈ Kerϕ . ϕ(V1 ) zárt a skalárszorzásra nézve. hogy x = y. tehát x − y = 0 miatt x = y adódik. azaz (x − y) ∈ Kerϕ = {0}. ami ellentmondás. ϕ(V1 ) zárt az összeadásra nézve. Ekkor létezik x1 . azaz ϕ(a) = 0.1. Indirekt tegyük fel. Legyen x ∈ Kerϕ és λ ∈ T. 2. 1. Mivel ϕ(0) = 0. ϕ(x2 ) = y 2 . Legyen y 1 . ezért λy = λϕ(x) = ϕ( λx ) ∈ ϕ(V1 ). A ϕ : V1 −→ V2 lineáris leképezés akkor és csak akkor injektív. ∈V1 1. Definíció. ha Kerϕ = {0}. Ekkor ϕ magtere csak a nullvektort tartalmazza. Tegyük fel. a képterének dimenzióját pedig a leképezés rangjának nevezzük. 1. így λx ∈ Kerϕ.

= azaz V1 -nek a ϕ nulltere szerinti faktortere izomorf ϕ képterével. Lineáris. 2. A harmadik fejezetbeli. Gyakran a kiinduló ("régi") bázis helyett egy másik ("új") . Bizonyítás. innen dim V1 = dim(V1 /kerϕ) + dim Kerϕ = dim ϕ(V1 ) + dim Kerϕ. hogy ϕ(x) = y. Ekkor dim V1 = dim Kerϕ + dim ϕ(V1 ).17. Ekkor x + Kerϕ = 0 + Kerϕ. Legyen Φ : V1 /Kerϕ −→ ϕ(V1 ). Bizonyítás. λ.és koordinátatranszformáció Vektorokkal tényleges számításokat a koordináták felhasználásával szoktunk végezni. akkor 0 = Φ(x + Kerϕ) = ϕ(x). Bázis. Az 1. Φ(x + Kerϕ)=ϕ(x). µ ∈ T. Ha x. 3. Ha y ∈ ϕ(V1 ). Ekkor a V1 /Kerϕ faktortér x+Kerϕ elemének a Φ általi képe: Φ(x+Kerϕ) = ϕ(x) = y. Injektív. y ∈ V1 . V2 véges dimenziós vektorterek a T test felett. LINEÁRIS LEKÉPEZÉSEK 1. tehát dimenz= iójuk megegyezik: dim(V1 /Kerϕ) = dim ϕ(V1 ).98 5.16. V2 véges dimenziós vektorterek a T test felett és ϕ : V 1 −→ V2 lineáris leképezés. Belátjuk. hogy KerΦ = {0 + Kerϕ}. Ekkor V1 /Kerϕ ∼ ϕ(V1 ). Szürjektív. tétel szerint dim(V 1 /Kerϕ) = dim V1 − dim Kerϕ. tehát x ∈ Kerϕ. faktorterek dimenziójára vonatkozó 4. 1. akkor Φ(λ(x + Kerϕ) + µ(y + Kerϕ)) = Φ((λx + Kerϕ) + (µy + Kerϕ)) = Φ((λx + µy) + Kerϕ) = ϕ(λx + µy) = λϕ(x) + µϕ(y) = λΦ(x + Kerϕ) + µΦ(y + Kerϕ). Legyenek V 1 . Tétel (Homomorfia tétel). A homomorfia tétel szerint V 1 /Kerϕ ∼ ϕ(V1 ). 1. Ha x + Kerϕ ∈ KerΦ . Következmény (Nullitás és rangtétel). tétel alapján elegendő belátni. akkor létezik x ∈ V1 úgy. Legyenek V 1 .18. vagyis dim V1 = defϕ + rgϕ. 2.9. ˙ hogy ez a Φ leképezés izomorfizmus.

. s1n . .   . . így bj = egyrészt n n n T n n sij ai és ai = i=1 n n k=1 tki bk . . .1. . . . an ) és (b) = (b1 . Tétel. . Legyen (b) −→ (a). . Bizonyítás. . és a (b) −→ (a) bázistranszformáció mátrixa S −1 . akkor S =  . Ekkor bj = i=1 sij ai = n i=1 n sij k=1 tki bk n = i=1 k=1 sij tki bk = tki sij bk = k=1 i=1 (T S)kj k=1 (T S)kj bk . Ekkor S invertálható mátrix. . BÁZIS. .. . snn n azaz bj = i=1 sij ai (j = 1. . . S 2. . . ami minden j = 1. . n estén teljesül. . . Legyen V egy n-dimenziós vektortér. bn ) pedig két bázis V -ben. bn ) bázis a V vektortéren. másrészt bj = n n δkj bk = k=1 k=1 (E)kj bk . .. Ha most egy vektor "új" koordinátáit akarjuk meghatározni. Tehát. Jele: (a) −→ (b). n).. Legyen (a) = (a1 . . +sn1 an = b1 s11 .. s1n a1 + . . (a) = (a 1 .2. . +snn an = bn sn1 . ha   s11 a1 + . . . akkor a "régiek" oszlopvektorát S −1 -gyel kell szorozni. .ÉS KOORDINÁTATRANSZFORMÁCIÓ 99 bázis használata a célszerű. . . ha T S = E. . . vagyis S invertálható és inverze T. . kapjuk a bázistranszformáció S mátrixát. A "régi" bázisban kifejezve az "új" bázis elemeit.. . 2. amelynek j-edik oszlopa tartalmazza a bj vektor koordinátáit az (a) bázisban. . . az (a) −→ (b) bázistranszformáció mátrixa S. A báziselőállítás egyértelműsége miatt ez csak akkor lehetséges. Ennek levezetése ezen szakasz célja. Ezen két bázis közötti bázistranszformáció mátrixa az az S = (sij ) ∈ Mn×n mátrix. Definíció. . an ) és (b) = (b1 . . . . .2. .

Bizonyítás. . 2. n). . . . azaz S : (a) −→ (b). 2. xn akkor X = S −1 X. tehát X = SX.5. továbbá X és X jelöli az x vektor (a)-ra. Ha (a) és (b) bázisok a V vektortéren.  X =  . a2 = sin β − sin β cos β a "régi" bázis. . LINEÁRIS LEKÉPEZÉSEK 2. illetve X = S −1 X. Példa. . . Definíció. . xn  x= i=1 xi ai . . azt kapjuk. S az "új" bázis.3. an ) és (b) = (b1 . és a bázistranszformáció mátrixa. akkor az S −1 mátrixot az (a) és (b) bázisokhoz tartozó koordinátatranszformáció mátrixának nevezzük. hogy n xi = j=i sij xj (i = 1. másrészt    n n n n n j=1 x= j=1 xj bj = j=1 xj i=1 sij ai bj = i=1 sij xj  ai .  X =  . Ha x ∈ V felírása az (a) bázisban x = x1 a1 + · · · + xn an és a (b) bázisban x = x1 b1 + · · · + xn bn .100 5. . . . Legyenek (a) = (a 1 . . . . Felírjuk az x vektort kétféleképpen az (a) bázisban: egyrészt n S   x1  . Tétel. Mivel a megfelelő koordinátákanak meg kell egyezniük. . b2 = 0 0 1 cos β . .4. Legyen R2 -ben a1 = és b1 = 1 . illetve (b)-re vonatkozó koordinátáinak oszlopvektorát:  x1 . bn ) bázisok a V vektortéren és S a bázistranszformáció mátrixa: (a) −→ (b).

A szorzást elvégezve. akkor az "új" (azaz a "természetes") bázisban x = cos(α + β)b 1 + sin(α + β)b2 alakú. tétel miatt éppen S −1 ) úgy kapjuk. Ha az x vektor a "régi" bázisban x = cos αa 1 + sin αa2 alakú. hogy az "új" bázisban fejezzük ki a "régi" bázistagjait: a1 = cos βb1 + sin βb2 .1. − sin β cos β A koordinátatranszformáció mátrixát pedig (azonkívül. Definíció. hogy a "régi" bázisban kifejezzük az "új" bázis tagjait: S= cos β sin β . tehát S −1 = cos β − sin β . . A V vektortéren értelmezett lineáris transzformációk halmazát τ V -vel jelöljük. 3. az ismert addíciós képletekhez jutunk. Használva a koordinátatranszformáció S −1 mátrixát cos(α + β) sin(α + β) = cos β − sin β sin β cos β cos α sin α adódik.3. Legyen V egy véges dimenziós vektortér a T test felett. hogy a 2. sin β cos β a2 = − sin βb1 + cos βb2 . LINEÁRIS TRANSZFORMÁCIÓK 101 6 a2 K 6  x * a1 b2 α b1 β - - Ekkor a bázistranszformáció mátrixa úgy kapható. A ϕ : V −→ V lineáris leképezést lineáris transzformációnak vagy lineáris operátornak nevezzük. Lineáris transzformációk 3.3.

Tehát ha ϕ(a j ) = n aij ai (j = 1.  X =  . . a1n a1 + .   . tehát X = AX. ann ϕ(x) = i=1 xi ai . ami minden vektorhoz hozzárendeli annak merőleges vetületét az [x. . . Bizonyítás.. továbbá X és X jelöli x illetve ϕ(x) koordinátáit az (a) bázisra vonatkozóan:     x1 x1  . . an ) bázis a V vektortéren és ϕ : V −→ V lineáris transzformáció. . y. Legyen (a) = (a 1 . . . . . LINEÁRIS LEKÉPEZÉSEK 3. . Példa. . 3. amelynek j-edik oszlopában a ϕ(a j ) vektor (a) bázisbeli koordinátái állnak. . . . akkor A =  . melynek mátrixa A. . . Felírjuk a ϕ(x) vektort az (a) báziban kétféleképpen: egyrészt n 3. Definíció.. másrészt  n j=1 ϕ(x) = ϕ  n i=1   n xj aj  =  n n n xj ϕ(aj ) = j=1 j=1 xj i=1 aij ai = j=1 aij xj  ai . . . azaz ϕ(x. . . n). Legyen (a) = (a1 .. . . . . . . +ann an = ϕ(an ) an1 . .4. an ) a V vektortér bázisa. z) = (x. A ϕ : V −→ V lineáris transzformáció mátrixa az (a) bázisra vonatkozóan az az A ∈ Mn×n mátrix. n). Legyen ϕ : R3 → R3 az a leképezés. . 0 0 0 .   .. . +an1 an = ϕ(a1 ) a11 . . . .2. xn xn akkor X = AX.  n A megfelelő koordinátákat egyenlővé téve: x i = j=1 aij xj (i = 1. a1n .102 5. . . Tétel. .. Ekkor ϕ mátrixa a természetes bázisra vonatkozóan   1 0 0 A = 0 1 0 . .y] síkra. 0). azaz i=1   a11 a1 + . y. Ha x = x 1 a1 + · · · + xn an és ϕ(x) = x1 a1 + · · · + xn an .3. . X =  .

S −1 AS = −1 0 1 1 −1 0 0 0 1 1 1 1 1 2 3. . 1 bázisra vonatkozóan. .   3. 3. an ) és (b) = (b1 .8. bn ) bázisok a V vektortéren.4. Felírjuk a ϕ(b j ) vektort kétféleképpen az (a) bázisban: egyrészt n n n n n S ϕ(bj ) = i=1 bij bi = i=1 bij k=1 ski ak = k=1 i=1 ski bij (SB)kj ak . így SB = AS. . n esetén teljesül.7. ha létezik olyan C ∈ Mn×n reguláris (|C| = 0) mátrix. Tétel.3. . 1 . 3. B ∈ Mn×n mátrixokat hasonlónak nevezzük.5. a bázistranszformáció mátrixa pedig S : (a) −→ (b). Az A. . melynek az (a) bázisra vonatkozó mátrixa A. Definíció. másrészt n n n n ϕ(bj ) = ϕ n k=1 sij ai i=1 n = i=1 sij ϕ(ai ) = i=1 sij k=1 aki ak = aki sij i=1 (AS)kj ak . akkor az alábbi 1 1 1 módon számíthatjuk ki:       0 −1 1 1 0 0 1 0 1 0 −1 −1 1  0 1 0 0 1 1 = −1 0 −1 . Hasonló mátrixok determinánsa és rangja megegyezik. a (b) bázisra vonatkozó mátrixa pedig B. amelyre B = C −1 AC. példában  Ha a    szereplő leképezés mátrixára vagyunk ki1 0 1 váncsiak az 0 . Legyen ϕ : V −→ V lineáris transzformáció. Bizonyítás.6. . 3. . Bázistranszformáció és lineáris transzformáció közötti kapcsolat. . . Legyenek (a) = (a1 . Következmény. . Példa. . . Ekkor B = S −1 AS. Mivel ez minden j = 1. vagyis B = S −1 AS. LINEÁRIS TRANSZFORMÁCIÓK 103 ez a mátrix tartalmazza oszlopaiban a bázisvektorok képét. .

A ∼ A. Ha A = (a1 . 3. LINEÁRIS LEKÉPEZÉSEK Bizonyítás. 3. . Ekkor D = S −1 BS = S −1 (C −1 AC)S = (S −1 C −1 )A(CS) = (CS)−1 A(CS). tehát B ∼ A .104 5. ha mátrixa tetszőleges bázisban reguláris. Can ). Ha A ∼ B és B ∼ D. ha szürjektív. akkor CA oszlopai is azok: α1 a1 + · · · + αn an = 0 =⇒ α1 Ca1 + · · · + αn Can = 0 C −1 ·/ C·/ és megfordítva. hogy B = C −1 AC. ahol ai itt az A mátrix i-edik oszlopvektorát jelöli.10. akkor A oszlopai is azok: α1 Ca1 + · · · + αn Can = 0 =⇒ α1 a1 + · · · + αn an = 0. A rangra vonatkozó állítás annak a következménye. . . 1. E 2. az egymással hasonló mátrixok azonos osztályba kerülnek). hogy B = C −1 AC és D = S −1 BS. akkor CA = (Ca1 . Így ha A oszlopvektorai lineárisan függők. 3. A determinánsok szorzástételét alkalmazva: |B| = |C −1 AC| = |C −1 ||A||C| = | C −1 C ||A| = |A|. akkor léteznek C. Az 1. 2.9. Következmény.11. Definíció. Tranzitív. ami az 1. Reflexív. 1. Bizonyítás. . hogy az A mátrix hasonló a B mátrixhoz. . Ekkor A = (C −1 )−1 BC −1 . . tétel alapján azzal ekvivalens.16. Tehát ϕ pontosan akkor injektív. ha dim Kerϕ = 0. mivel A = E −1 AE. . Tétel. Jelölje A ∼ B azt. hogy ϕ injektív. Az Mn×n halmazon a mátrixok hasonlósága ekvivalencia reláció (tehát indukál egy osztályozást. következmény szerint dim V = dim Kerϕ + dim ϕ(V ). akkor létezik C úgy. 3. . A ϕ : V −→ V lineáris transzformációt automorfizmusnak nevezzük. így ϕ(V ) = V akkor és csak akkor teljesül. Bizonyítás.18. ha bijektív (vagyis izomorfizmus). Szimmetrikus. S mátrixok úgy. Ekkor ϕ bijektív ⇐⇒ ϕ(V ) = V ⇐⇒ rgϕ = n. hogy egy reguláris mátrixszal való szorzás nem változtatja meg egy mátrix rangját. an ). . A ϕ : V −→ V lineáris transzformáció akkor és csak akkor automorfizmus. ha CA oszlopai függők. Ha A ∼ B. tehát A ∼ D.

és inverze szintén bijektív.) 3. ezért invertálható. 5. Ha ϕ : V −→ V lineáris operátor. Ha ϕ : V −→ V automorfizmus. ezért AB = E. Definíció. (ϕ + ψ)(x)=ϕ(x) + ψ(x). A 3.11. és pontosan akkor létezik minden y ∈ V esetén ilyen x. vagyis reguláris. ˙ 3. Mivel ϕϕ−1 = Id. tételbenben leírtak alapján minden lineáris transzformáció mátrixszával való szorzásként hat (rögzített bázisban) és minden (n×n)es mátrixszal való szorzás lineáris transzformáció.15. ha mártixának rangja n. ha A invertálható: x = A−1 y. akkor bármely x ∈ V esetén 1. hogy Ax = y. így a lineáris operátorok reprezentálhatók a mátrixukkal. Jelölje ϕ−1 mátrixát B. akkor ϕ−1 mátrixa A−1 . Tétel. (ϕ + ψ)(x) = ϕ(x) + ψ(x) = Ax + Bx = (A + B)x. A τ V -beli műveletek pedig a megfelelő mátrixműveleteket jelentik: ha ϕ. LINEÁRIS TRANSZFORMÁCIÓK 105 Viszont egy lineáris transzformáció rangja pontosan akkor lesz n. 3. Bizonyítás.13. Bizonyítás. ψ ∈τ V mátrixa A illetve B. Kerϕ = {0}. ˙ 3. Legyen V egy véges dimenziós vektortér. ψ ∈τ V és λ ∈ T. 2.12.3. 4.3. Bizonyítás. (ϕ(x) = y azt jelenti. rgϕ = n. . Tétel. ϕ szürjektív. ϕ mátrixa reguláris (tetszőleges bázisban). Ha ϕ automorfizmus akkor bijektív. A tétel a 3. (λϕ)(x) = λϕ(x) = (λA)x. A V -n értelmezett lineáris transzformációk τ V halmazán bevezetjük az alábbi műveleteket: ha ϕ. 6. akkor 1.14. tétel bizonyításban leírtaknak a következménye. (λϕ)(x)=λϕ(x). Egy V véges dimenziós vektortér összes lineáris operátorainak τ V halmaza az összeadásra és a skalárszorzásra nézve vektorteret alkot. ˙ 2. ϕ(V ) = V. akkor ϕ −1 is automorfizmus. (ϕ ◦ ψ)(x)=ϕ(ψ(x)). 2. 3. Tétel. tehát B = A−1 . ϕ injektív. ϕ automorfizmus. 3. akkor az alábbi állítások ekvivalensek: 1. és ha ϕ mátrixa A. 7.

R2 -ben az origó körüli forgatásnak illetve a két dimenziós szabad vektorok terében a pont körüli forgatásnak nincs sajátvektora. Példa. 3.17. és minden altér invariáns. ϕ(V ) invariáns altér. A 0 = x ∈ V vektor a ϕ : V −→ V lineáris operátor sajátvektora. azaz bármely h ∈ H esetén ϕ(h) ∈ H. 3. A ϕ : V −→ V lineáris oprátor mátrixa akkor és csak akkor diagonalizálható.16. A H ⊂ V alteret a ϕ : V −→ V lineáris oprátor invariáns alterének nevezzük. Definíció. 3. amelyre vonatkozóan ϕ mátrixa diagonális. ∈H ∈T 5. Definíció. Egy x sajátvektor által generált altér invariáns. 1. Egy mátrix diagonalizálható. Egy ϕ : V −→ V lineáris operátort (illetve mátrixát) diagonalizálhatónak nevezünk.106 5. 3. Kerϕ invariáns altér. mert ha H = {µx | µ ∈ T} és az x-hez tartozó sajátérték λ.19. Tétel. akkor ϕ( µx ) = µϕ(x) = µλ x ∈ H. Bizonyítás. ha létezik λ ∈ T úgy.5. mert ha y ∈ ϕ(V ) ⊂ V. 3. Ekkor a λ ∈ T számot az x sajátvektorhoz tartozó sajátértéknek nevezzük. A V n-dimenziós vektortér lineáris transzformációinak vektortere n2 -dimenziós.18. . 2. Megjegyzés. Definíció. A λ-nyújtásnál (ϕ(x) = λx) minden vektor a λ sajátértékhez tartozó sajátvektor. és nincs nem triviális invariáns altér. akkor ϕ(x) = 0 ∈ Kerϕ. Következmény. tétel szerint egy lineáris transzformáció különboző bázisokra vonatkozó mátrixai hasonlóak.22. ha hasonló egy diagonális mátrixhoz.21. ezért a lineáris transzformációk is teljesítik a vektortéraxiómákat. hogy ϕ(x) = λx. akkor ϕ(y) ∈ ϕ(V ). 3. 3. A 3. ha ϕ(H) ⊂ H . LINEÁRIS LEKÉPEZÉSEK Mivel az (n × n)-es mátrixok halmaza a mátrixok összeadására illetve skalárszorzására nézve vektortér. ha létezik olyan bázis V -ben.20. mivel az Mn×n vektortér n2 -dimenziós volt. 3. A V és a {0} triviális alterek mindig invariánsak. 4. 6. mert ha x ∈ Kerϕ . ha V -ban létezik ϕ sajátvektoraiból álló bázis.

µ ∈ T. . A ϕ : V −→ V lineáris transzformáció különböző sajátértékeihez tartozó sajátvektorai lineárisan függetlenek. Lλ altér. Lλ invariáns altér. Ha x ∈ Lλ . . 0  0 λ2 . . . . n = 1 esetén igaz az állítás. 0). . . Definíció. . . . A Lλ altér dimenzióját a λ sajátérték geometriai multiplicitásának nevezzük. és ϕ mátrixa a bizonyítás első részében szereplő A mátrixszal egyezik meg. an ) bázisban. 0    A= . . Ha ϕ mátrixa diagonális az (a) = (a 1 . Tétel. és a megfelelő sajátértékek λ1 . akkor ϕ(x) szintén sajátvektor: ϕ(ϕ(x)) = ϕ(λx) = λϕ(x). . azaz   λ1 0 . . Lλ = {x ∈ V | ϕ(x) = λx } ϕ(ai ) = 0a1 + · · · + λi ai + · · · + 0an = λi ai . mivel nem lehet nullvektor.3.24. . . . . n) esetén. . . . . Bizonyítás. . Mivel ϕ(a j ) = λj aj . λn . . an ) sajátvektorokból álló bázis.. . 1. y ∈ Lλ és α. Tétel. Legyen λ a ϕ : V −→ V lineáris transzformáció sajátértéke. akkor a λ-hoz tartozó sajátvektorok halmaza (kiegészítve a nullvektorral) invariáns alteret alkot. hiszen egy sajátértékhez tartozó sajátvektor lineáris független. . λn akkor ϕ(ai ) koordinátái az (a) bázira vonatkozóan éppen az A mátrix i-edik oszlopában szereplő számok. λj . LINEÁRIS TRANSZFORMÁCIÓK 107 Bizonyítás. . hogy az (a) bázisra vonatkozóan ϕ mátrixa diagonális. így (a) sajátvektorokból álló bázis.25. Ha x. akkor ϕ(αx + µy) = αϕ(x) + µϕ(y) = αλx + µλy = λ(αx + µy). 3. 1.23. Ekkor tehát ai sajátvektora a ϕ lekepezésnek (a λi sajátértékkel) minden (i = 1. . 2. 0 . Bizonyítás. Ha (a) = (a1 . Ha a ϕ : V −→ V lineáris leképezésnek λ sajátértéke. . akkor belátjuk. . . . . 3. 2. . . A bizonyítást a különböző sajátértékek száma szerinti teljes indukcióval végezzük. . ezért ϕ(aj ) koordinátái az (a) bázisban (0. 3. tehát (αx + µy) is sajátvektor. 0 0 . . . .

. xn+1 ) lineárisan független vektorendszer. Ekkor az első egyenletből αn+1 xn+1 = 0 marad. hogy x1 . . . . . . hogy n-re igaz a tétel: λ 1 . Belátjuk. 3. LINEÁRIS LEKÉPEZÉSEK Tegyük fel. . xn+1 sajátvektorok: α1 λ1 x1 + · · · + αn λn xn + αn+1 λn+1 xn+1 = 0 adódik. . . hogy (x1 . . . Vegyünk most egy λn+1 sajátértéket. Egy ϕ : V −→ V lineáris operátor karakterisztikus egyenlete: det(A − λE) = 0. amiből xn+1 = 0 miatt αn+1 = 0 .28. xn . . így α 1 = · · · = αn = 0. . Definíció. Következmény.27. . . Ha akkor α1 x1 + · · · + αn xn + αn+1 xn+1 = 0. xn hozzájuk tartozó lineárisan független sajátvektorok. és a det(A−λE) λ-ra vonatkozó polinomot a ϕ karakterisztikus polinomjának nevezzük. . . Következmény. amely különbözik az előzőektől és legyen xn+1 egy hozzá tartozó sajátvektor. 3. =0 =0 =0 vagyis (λn+1 − λ1 ) α1 x1 + · · · + (λn+1 − λn ) αn xn = 0. . 3. xn+1 vektorokból a nullvaktor csak triviális lineáris kombinációként állíható elő. ebben a bázisban az operátor mátrixa diagonális és a főátlóban a megfelelő sajátértékek szerepelnek. így lineárisan függetlenek. akkor létezik a vektortéren sajátvektorokból álló bázis. λn különboző sajátértékek és x1 . ahol A lineáris operátor mátrixa. Egy n-dimenziós vektortéren értelmezett lineáris operátornak legfeljebb n darab különböző sajátértéke lehet. . Ha az első egyenlőséget megszorozzuk λ n+1 -el és kivonjuk belőle az utolsó egyenletet. =0 =0 Mivel a feltevés szerint x1 .26. . Ha egy n-dimenziós vektortéren értelmezett lineáris operátornak pontosan n darab különböző sajátértéke van. .108 5. akkor (λn+1 − λ1 ) α1 x1 + · · · + (λn+1 − λn ) αn xn + (λn+1 − λn+1 ) αn+1 xn+1 = 0. ϕ(α1 x1 +· · ·+αn xn +αn+1 xn+1 ) = α1 ϕ(x1 )+· · ·+αn ϕ(xn )+αn+1 ϕ(xn+1 ) = 0. Felhasználva. . . . . xn lineárisan független vektorok. Tehát az x1 .

. LINEÁRIS TRANSZFORMÁCIÓK 109 3.  = .. Ekkor B = S −1 AS. Ekkor AX = E(λX) (A − λE)X = 0.   . . Bizonyítás. a2n   x2  0       . . ha det(A − λE) = 0. Minden C feletti vektortér és minden páratlan dimenziós R feletti vektortér lineáris operátorának van sajátértéke.) 3. Tétel. . melynek a zérusvektor kivételével minden vektora sajátvektor. ha az alapmátrix determinánsa nulla. és jelölje X az x vektor koordinátáiból képzett vektort. . tehát azt kell belátnunk. ann − λ xn 0 ⇐⇒ AX − λEX = 0 ⇐⇒ 3.29. ha létezik x ∈ V úgy. . a (b) bázisra vonatkozóan B és a bázistranszformáció mátrixa S : (a) −→ (b)..3. és S amelynek pontosan akkor van a zérusvektortól különböző megoldása.30. Bizonyítás. an1 an2 . A ϕ : V −→ V lineáris operátor sajátértékei a karakterisztikus egyenlet megoldásai a T testben. . . A ϕ : V −→ V lineáris operátor karakterisztikus polinomja nem függ a bázis választásától. Tehát λ akkor és csak akkor sajátértéke ϕ-nek. Legyen ϕ mátrixa az (a) bázisra vonatkozóan A. . .  .  . A λ ∈ T szám akkor és csak akkor sajátértéke a ϕ-nek. . hogy ϕ(x) = λx. hogy hasonló mátrixok hoztartozó karakterisztikus polinomok megegyeznek. Megjegyzés. amelynek megoldásai a ϕ sajátértékei. . Egy λ sajátértékhez tartozó sajátvektorokat az (A − λE)X = 0 homogén lineáris egyenletrendszer megoldásával tudjuk meghatározni. .. .32. E det(B − λE) = det(S −1 AS − λE) = det(S −1 AS − λS −1 ES) = 3. A 3. Ez egy n egyenletből álló n ismeretlenes homogén lineáris egyenletrendszer:      a11 − λ a12 . det (S −1 )(A − λE)(S) = det (S −1 S) det(A − λE) = det(A − λE).31. A ϕ : V −→ V lineáris operátor karakterisztikus egyenlete egy n-edfokú egyenlet.   .5. (Ennek az egyenletrendszernek a megoldástere éppen az L λ altér. . . Tétel. . a1n x1 0  a21 a22 − λ . tétel alapján egy lineáris operátor különböző bázisokban felírt mátrixai hasonlóak. Tétel.

λ0 − λ 0 . amelyre z = z. 3.. és ebben a bázisban ϕ mátrixa illetve a karakterisztikus polinom:   λ0 0 .. 2. . . . 0 . .39. 3.36. . 3. . . . ahányszoros gyöke λ a karakterisztikus egyenletnek...... ..37. . .. .. Komplex számtest feletti vektortéren értelmezett lineáris operátor spektruma mindig teljes. . . vagyis valós megoldás is létezik. . . . Definíció. . λ0 ... . . . 3. akkor z is gyöke. Az algebra alaptétele kimondja. Legyen V egy n-dimenziós vektortér.. . Egy ϕ : V −→ V lineáris operátor λ sajátértékének algebrai multiplicitásán azt a számot értjük. így az operátor karakterisztikus egyenlete megoldható. Ha n páratlan. hogy minden C feletti nedfokú egyenletnek van gyöke. . . . . . Egy ϕ : V −→ V lineáris operátor spektruma a sajátértékeinek olyan sorozata. akkor az n darab gyöke között kell hogy legyen olyan. P (λ) =   0 0 . 0 0 0 0 . akkor két sajátértéke van az operátornak. . 0 . . . A ϕ : V −→ V lineári s operátor spekruma teljes.38. 3. .. . . . . . 0 . . LINEÁRIS LEKÉPEZÉSEK Bizonyítás.. Ha egy n-edfokú egyenletnek a z komplex szám gyöke. Bizonyítás.. Definíció. . . míg a λ2 = −1 sajátérték algebrai multiplicitása 1. . ha pontosan n tagból áll. A 3. . Tétel. xk sajátvektorokból álló bázisát kiegészithetjük V egy bázisává. . . . példa esetén a spektrum: 2. 0 0 . . Tehát P (λ) = (λ0 − λ)k · P ∗ (λ). −1. . . 0 0 .110 5..34.35. . .. A =  0 0 . Ha a karakterisztikus egyenlet (λ − 2) 2 (λ + 1) = 0. . .34. . . . amennyi az algebrai multiplicitása. . . . . . . . Példa. Következmény.    0 0 . . . . Ekkor λ geometriai multiplicitása kisebb vagy egyenlő mint az algebrai multiplicitása. . .. . amelyben minden sajátérték annyiszor szerepel. . a λ1 = 2 sajátérték algebrai multiplicitása 2. . akkor Lλ0 egy k dimenziós invariáns altér. . . . 0 . Példa.  0 λ0 − λ .. 2. Legyen λ egy sajátértéke a ϕ : V −→ V lineária transzformációnak.  ... . . 3. így λ algebrai multiplicitása legalább k. 0 . . Ennek az altérnek egy x1 . 0 . λ0 − λ . 0 0 . 3.  .  0 λ0 .33... Definíció. . Ha λ0 geometriai multiplicitása dim Lλ0 = k. 1.

42.. ha spektruma teljes és minden sajátértékének algebrai multiplicitása megegyezik a geometriai multiplicitásával. . Minden C feletti vektortéren értelmezett lineáris transzformációhoz létezik olyan bázis.. ha minden sajátértékének algebrai multiplicitása megegyezik a geometriai multiplicitásával. Egy R feletti vektortéren értelmezett lineáris operátor akkor és csak akkor diagonalizálható. Következmény. Következmény. . .. 0     . .. 0  . 1 λk . 0 . . .  . . .  . .3. .  ... . 3.41. . LINEÁRIS TRANSZFORMÁCIÓK 111 3. Tétel (Jordan-féle normál alak). . .. 0    1 λk . amelyben az operátor mátrixa az alábbi.    . Egy C feletti vektortéren értelmezett lineáris operátor akkor és csak akkor diagonalizálható. . . . . ..40.  . 0  1 λ1 .    1 λ1  0 . .  . (úgynevezett Jordan-féle tömbökből álló) Jordanféle normál alakú:   λ1 0 . .     λk 0 . . . 3..

.

Budapest. [3] Gaál István. Polygon (1994). Tankönyvkiadó (1989). algebra. Budapest. Debrecen. [4] Halmos Pál: Véges dimenziós vektorterek. kombinatorika. Budapest. Kozma László: Lineáris algebra. [5] Kovács Zoltán: Geometria : az euklidészi geometria metrikus megalapozása. Debrecen. [2] Fuchs László: Bevezetés az algebrába és a számelméletbe. [6] Szendrei Ágnes: Diszkrét matematika : logika. éves nappali tanárszakos. 113 . Kossuth Egyetemi K. Kossuth Egyetemi K. Szeged.Irodalomjegyzék [1] Bélteky Károly: Analitikus geometria és lineáris algebra : I. Tankönyvkiadó (1990). (2002). matematikus és matematikus levelező hallgatók részére. (2002). Müszaki Könyvkiadó (1984).

Tárgymutató

⊂, 11 ∅, 11 k Vn,ism , 37 (a) −→ (b), 99 AT , 63 A−1 , 65 |A|, 72 k Cn , 37 k Cn,ism , 38 det A, 72 DF , 15 dim L, 52 Im(z), 27 inf, 17 Ker, 96 L(a1 , . . . , ak ), 47 Pn , 35 Pn;l1 ,...,lk , 36 RF , 15 Re(z), 27 R2 , 43 Rn , 43 R+ , 24 R− , 24 Rb , 26 rg, 52, 80 sup, 17 V , 101 V1 ∼ V2 , 93 = V /H, 57 k Vn , 36 z, 28
S

Abel-csoport, 32 abszolút érték, 28 additív inverz, 21 additív leképezés, 93 adjungált aldetermináns, 77 adjungált algebrai aldetermináns, 77 alapmátrix, 84, 88 aldetermináns, 77 algebrai struktúra, 31 algebrai számok, 34 alsó korlát, 17 altér, 45 alulról korlátosság, 17 antiszimmetria, 16 archimedeszi tulajdonság, 24 argumentum, 29 asszociativitás, 13, 21 automorfizmus, 104 bázis, 48, 49 bázistranszformáció, 99 bijektivitás, 19, 93 binomiális együtthatók, 37 Binomiális tétel, 40 Cantor-féle metszettétel, 26 Cramer-szabály, 88 csoport, 32 de Morgan, 14 Descartes-féle szorzat, 14 determináns, 71 Determinánsok szorzás tétele, 76 dimenzió, 52
115

τ

116

TÁRGYMUTATÓ

direkt összeg, 53 disztributivitás, 21 egész számok, 24 egyenletrendszer megoldása, 84 egymásba skatulyázott intervallumrendszer, 25 egységmátrix, 64 ekvivalencia reláció, 17 ekvivalens egyenletrendszer, 85 elem, 11 elemi átalakítások, 66 elemi függvény, 19 ellentmondásos egyenletrendszer, 84 értelmezési tartomány, 15 értékkészlet, 15 függvény, 18 félcsoport, 32 főátló, 61 fődiagonális, 61 faktortér, 57 felülről korlátosság, 17 felső korlát, 17 Ferde kifejtési téte, 79 ferdeszimmmetrikus mátrix, 63 gömbkörnyezet, 25 Gauss-elimináció, 66, 68, 87 generált altér, 47 generátorrendszer, 47, 49 gyűrű, 32 háromszög alak, 67 halmaz, 11 halmaz ekvivalencia, 19 hasonló mátrixok, 103 határozatlan egyenletrendszer, 84 határozott egyenletrendszer, 84 hatványhalmaz, 12 homogén egyenletrendszer, 84 homogén leképezés, 93 Homomorfia tétel, 98 idempotencia, 13 infimum, 17 inhomogén egyenletrendszer, 84 injektivitás, 19

integritástartomány, 32 invertálható mátrix, 65 invertálhatóság, 18 inverz, 16 inverzió, 71 irracionális számok, 24 ismétlés nélküli kombináció, 37 ismétlés nélküli permutáció, 35 ismétlés nélküli variáció, 36 ismétléses kombináció, 38 ismétléses permutáció, 36 ismétléses variáció, 37 izomorfizmus, 93 különbség, 12 kép, 15 képtér, 97 képzetes rész, 27 kibővített mátrix, 84, 88 kicserélési tétel, 51 kommutativitás, 13, 21 komplementer, 12 komplex szám, 27 kompozíció, 16 konjugált, 28 kontinuum számosság, 34 koordináta, 48 koordinátaleképezés, 94 koordinátatranszformáció, 100 korlátosság, 17 Kronecker-Capelli-tétel, 88 Kronecker-delta, 64 kvadratikus mátrix, 61 létezik egységelem, 21 Laplace-féle kifejtési tétel, 77 leképezés defektusa, 97 leképezés rangja, 97 leszűkítés, 15 lineáris egyenletrendszer, 84 lineáris kombináció, 47 lineáris leképezés, 93 lineáris operátor, 101 lineáris sokaság, 56 lineáris transzformáció, 101 lineárisan függőség, 48 lineárisan függetlenség, 48

61 metrika. 43 sor-oszlop kompozíciós szorzásnak. 44 szimmetrikus mátrix. 96 megoldható egyenletrendszer. 12 üres halmaz. 22 skalár. 67 trigonometrikus alak. 63 mátrixok szorzata. 29 unió. 16 rendezett test. 61 . 22 teljesség. 40 pontos alsó korlát. 24. 33 reflexivitás. 30 négyzetes mátrix. 25 teljes indukció elve. 64 sorekvivalencia. 67 oszlopvektor. 98 nullosztómentesség. 35 transzformáció mátrixa. 19 számosság. 33 mellékátló. 26 multiplikatív inverz. 16. 33 megszámlálhatóan végtelen halmaz. 25 metszet. 16 Pascal-háromszög. 43 vektorrendszer rangja. 52. 61 neutrális elem. 21 n-edik egységgyök. 33 valós rész. 64 művelet. 41 polinom. 52 természetes számok. 11 véges halmaz. 15 rendezés. 63 szuprémum. 33 szabad vektorok tere. 17 távolság. 96 nullvektor. 16 reláció. 17 részhalmaz. 31 nulltér. 61 osztályozás. 21 zérusmátrix. 84 megszámlálható halmaz. 30 n-edik gyök. 11 racionális számok. 48 végtelen halmaz. 65 mátrix transzponáltja. 23 test. 22 vektor. 102 tranzitivitás. 19 parciális rendezés. 16 trianguláris. 61 szürjektivitás. 43 oszlopekvivalencia. 32 transzcendens számok. 45 Polinomiális tétel. 17 természetes bázis. 19 magtér. 17 pontos felső korlát. 31 Nullitás és rangtétel. 61 mátrix rangja. 80 zéruselem. 23 teljes rendezett test. 67 sorvektor. 21. 12 mindenütt sűrű. 27 valós számok. 17 összetett függvény. 26.TÁRGYMUTATÓ 117 mátrix. 33 végesen generált vektorrendszer. 81 mátrix inverzének.

Sign up to vote on this title
UsefulNot useful