Az alábbiak az Alkalmazott Matematika 1 tantárgy gyakorlatai

anyagának egy részére térnek ki.

Helyenként többet mondanak, mint mi a gyakorlatokon, míg máshol

nem pótolják a jegyzetet, vagy a gyakorlatokon kidolgozott példákat.

Tartalom

1. Z n …………………………………………..2. oldal

2. Komplex egységgyökök……………............4. oldal

3. Lineáris kombináció, függetlenség, bázis… 6. oldal

4. Független rendszer ortonormálása...…….....8. oldal

5. Mátrixok szorzása………………………….9. oldal

6. Permutáció csoportok…………………….11. oldal

7. Determinánsok…………………………….13. oldal

8. Lineáris leképezések………………............17. oldal

9. Lineáris egyenlet rendszerek megoldása…..21. oldal

10. Mátrixok inverzének meghatározása……..27. oldal

11. Báziscsere (Nem tanuljuk)……………….29. oldal

12. Sajátérték, sajátvektor (TANULJUK!)…..34. oldal

1. Z n
A halmaz elemei az n-nel osztásnál keletkező maradék osztályok. Például:

Z 3 = { 0 , 1 , 2}. 7 = 2 · 3 + 1, azaz 7 az 1-es maradék osztályba tartozik.

-8 = -3 · 3 + 1, azaz -8 is az 1-es maradékosztályba tartozik.

Jelölés: 7 ≡ 1 mod 3,
-8 ≡ 1 mod 3.

A maradék osztályok kompatibilisek a műveletekkel, azaz,

ha a és b n-nel osztva ugyan azt a maradékot adja, és
c és d n-nel osztva ugyan azt a maradékot adja, akkor
(a + c) és (b + d) is ugyan azt a maradékot adja, és
a·c és b·d is ugyan abba a maradék osztályba tartozik.

Jelekkel, ha a ≡ b mod n, és c ≡ d mod n, akkor

a + c ≡ b + d mod n, továbbá

a·c ≡ b·d mod n.

Például: 7 ≡ -8 mod 3, és 5 ≡ 2 mod 3.

Ekkor 7 + 5 ≡ -8 + 2 mod 3. Valóban, 7 + 5 = 12 ≡ 0 mod 3, -8 + 2 = -6 ≡ 0 mod 3.

Úgyszintén 7·5 ≡ -8·2 mod 3. Valóban, 7·5 = 35 ≡ 2 mod 3, és -8·2 = -16 ≡ 2 mod 3.

Ezért a műveletek jól értelmezhetőek a maradék osztályokon.

Z3 műveleti táblái:
+ 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1

· 0 1 2
0 0 0 0
1 0 1 2
2 0 2 1

Például, 2 + 2 = 4 ≡ 1 mod 3,
ezért áll az összeadási táblázat 2-es sorában és 2-es oszlopában 1.

Hasonlóan, 2 · 2 = 4 ≡ 1 mod 3, ezért áll a szorzó táblában is 1 a kettő sorában a kettő alatt.
Mivel szorzásnál a 0-nak nem sok szerepe van, el szoktuk hagyni a táblázatból.

· 1 2
1 1 2
2 2 1

A műveleti táblákból meg tudjuk válaszolni a feladatok kérdéseit.

FELADAT MINTA
Oldja meg Z 6 -ban az x 3 = 4 egyenletet!

Melyszámok lehetnek 3 hatványai? Adja meg a szorzásra vonatkozó inverz párokat!

Oldja meg a 4x = 4 egyenletet Z 6 -ban!

A szorzás táblája

· 1 2 3 4 5
1 1 2 3 4 5
2 2 4 0 2 4
3 3 0 3 0 3
4 4 2 0 4 2
5 5 4 3 2 1

x 3 = 4 , csak ha x = 4.

Mivel 3 · 3 = 3, így 3 minden további hatványa is 3.

Az inverz párok: 1· 1 = 1, és 5 · 5 = 1. Az 1 és 5 öninverzek, a többi szám sorában pedig

nincs 1.

4x = 4, ha x = 1, vagy x = 4. ( A 4 sorában kétszer szerepel a 4.)

MEGJEGYZENDŐ:

(Z n , + ) csoport a 0 neutrális elemmel minden n = 1, 2, 3,…mellett.

(Z n − {0} , ⋅) csoport az 1 neutrális elemmel pontosan akkor, ha n prímszám.

(Z n , + , ⋅ ) test pontosan akkor, ha n prím.

Az összes véges test Z mp alakú. p prím, m pozitív egész. Z mp minden p és m mellett test.
2. Komplex Egységgyökök
A komplex számok trigonometrikus alakja
z = z ⋅ (cos α + i ⋅ sin α )

z a szám 0-tól mért távolsága, α pedig az 1, 0, z szög, másképp a z „iránya”. A szöget

kényelmes 2π többszöröseivel mérni.

Például: z = 1 = 1 ⋅ (cos 0 + i ⋅ sin 0) = (cos 2π + i ⋅ sin 2π )

1 1
z = i = 1 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
4 4
1 1
z = −1 = 1 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
2 2
3 3
z = −i = 1 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
4 4
1 3 1 1
z= + i = 1 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
2 2 6 6

1 1
z = 1 + 3 ⋅ i = 2 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
6 6

Komplex számok szorzása: ha x = x ⋅ (cos α + i ⋅ sin α ) és y = y ⋅ (cos β + i ⋅ sin β ) ,

akkor

x ⋅ y = x ⋅ y ⋅ (cos(α + β ) + i ⋅ sin(α + β ) ) ,

azaz a hosszokat szorozzuk, a szögeket összeadjuk.

Ha x = y, akkor x 2 = x ⋅ (cos 2α + i ⋅ sin 2α ) . Hasonlóan, x n = x ⋅ (cos nα + i ⋅ sin nα ) .

2 n

Az egységkörön x = 1 . Ilyenkor x n = x = 1 , így x n = (cos nα + i ⋅ sin nα ) - ra

n

egyszerűsödik.

Az x n = 1 egyenletnek tehát megoldását kapjuk, ha az egységkör n-ed részénél lévő

pontot választjuk:

1 1
z = (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
n n

Ekkor ugyanis
  1 1 
z n =  cos n ⋅ ⋅ 2π + i ⋅ sin n ⋅ ⋅ 2π  = (cos 2π + i ⋅ sin 2π ) = 1 .
 n n 

Legyen k természetes szám. Ekkor

 k k 
z k =  cos ⋅ 2π + i ⋅ sin ⋅ 2π 
 n n 
újra megoldása az x = 1 egyenletnek, hiszen
n

(z ) = (cos k ⋅ 2π + i ⋅ sin k ⋅ 2π ) = 1 .
k n

{ }
z különböző hatványai: 1 , z , z 2 , ... , z n−1 az x n = 1 egyenlet összes megoldásai.
Ennek az n elemű halmaznak az elemeit nevezzük n-ik egységgyököknek.

Inverz
z
A komplex számok körében z −1 = 2
. Az egységkörön z = 1 , így az 1 hosszú számok
z
inverze a szorzásra (reciproka) éppen z .

Ha z = (cos α + i ⋅ sin α ) , akkor z −1 = (cos α − i ⋅ sin α ) .

Megkaphatjuk z −1 -et úgy is, ha az α szöget az 1-től negatív irányba mérjük fel, hiszen

ha z = (cos α + i ⋅ sin α ) , és z −1 = (cos(−α ) + i ⋅ sin(−α )) , akkor

z ⋅ z −1 = (cos(α − α ) + i ⋅ sin(α − α )) = 1 .
A trigonometrikus függvények tulajdonságai miatt a két előállítás megegyezik.

FELADAT MINTÁK:

Adja meg az x 5 − 1 = 0 egyenlet összes megoldását!

−1  3π 3π 
Adja meg u 3 -öt és u -et, ha u =  cos + i ⋅ sin .
 7 7 
2π 2π 
x 5 − 1 = 0 összes megoldása {1 , z , z 2 , .z 3 , z 4 }, ahol z =  cos

+ i ⋅ sin .
 5 5 
 9π 9π 
u 3 =  cos + i ⋅ sin ,
 7 7 
 11π 11π  3π 11π
−1
míg u =  cos + i ⋅ sin  , mivel + = 2π .
 7 7  7 7
Másik változat: Adja meg az x − 128 = 0 egyenlet összes megoldását!
7

Adja meg u 4 -et és u −1 -et, ha u = 2 ⋅  cos 6π + i ⋅ sin 6π  .

 11 11 

Mivel x = 128 csak úgy teljesülhet, ha x = x = 128 , ezért x = 2 .

7 7 7

Az összes megoldás most {2 , 2 z , 2 z 2

, 2 z 3 , 2 z 4 ,2 z 5 ,2 z 6 }, ahol
 2π 2π 
z =  cos + i ⋅ sin .
 7 7 
 24π 24π  −1 1  6π 6π 
u 4 = 4 ⋅  cos + i ⋅ sin  , míg u =  cos − i ⋅ sin .
 11 11  2 11 11 

3. Lineáris kombináció, függetlenség, bázis

FELADAT MINTÁK

1  1  3  3
x =  2 ,
y =  0 , z =  2 , u =  2
       
3 − 1 1  2
a) Függetlenek-e x , y , z ?
b) x , y mely lineáris kombinációja állítja elő u -t?

Definíció 3. szerint x , y , z függetlenek, ha a x + b y + c z = 0 egyetlen megoldása

a = b = c = 0. Különben összefüggnek.

a + b + 3c = 0
2a + 2c = 0 A középső egyenletből c = − a , amivel a másik két egyenlet
3a − b + c = 0

− 2a + b = 0
megegyezik. Mindkettő a b = 2a információt adja, nem tudjuk tovább
2a − b = 0
a   a  1
     
szűkíteni a megoldások körét. Az összes megoldás: b = 2a = a ⋅ 2 az „a” bármely
     
 c  − a  − 1
értékével. x , y , z összefüggők.
A b) kérdéshez keresünk a, b számokat, amikkel a x + b y = u .
a+b=3
b=2
2a = 2 A középső egyenlet szerint a = 1 , amivel az első és harmadik egyenlet
b =1
3a − b = 2
(
egyszerre nem teljesülhet, így u ∉ L x , y . )

Másik minta:

1 5  − 2 5 

x= 1 ,  y = 0 , z = 3 , u = 1 
   
      
1 − 1  4  0
c) x , y mely lineáris kombinációja állítja elő z -t?
3
d) Bázisa-e R -nek az x , y , u vektor rendszer?

a + 5b = −2
Megoldjuk a x + b y = z egyenletrendszert. a = 3 . Megint a középső
a−b=4
5b = −5
fölhasználásával a másik kettő szerint b = −1 . Tehát 3 x − y = z .
− b =1
3
A d) kérdés megválaszolásához hivatkozunk a tételre, mi szerint a 3 dimenziós R -ben
három vektor pontosan akkor alkot bázist, ha a három vektor független.

a + 5b + 5c = 0
Az a x + b y + cu = 0 egyenletrendszer a + c = 0 középső egyenlete szerint megint
a − b + 4c = 0

− 4a + 5b = 0
c = − a . Ez által az első és harmadik egyenletek a alakot öltik. Szorozzuk
− 3a − b = 0

− 4a + 5b = 0
például a másodikat 5-tel: . A kettőt összeadva marad − 19a = 0 .
− 15a − 5b = 0

Végül a = b = c = 0 az egyetlen megoldás. Így x , y , u függetlenek, bázisát adják R -

3

nek.
4. Független rendszer ortonormálása
Egy független vektorrendszerből, a 1 , a 2 , a 3 (R 3 –ben bázis, azaz koordináta rendszer)
szeretnénk ortonormált rendszert (derékszögű koordináta rendszert) készíteni 1 hosszú
vektorokból. Az eljárás lényege, hogy a i -ből kivonjuk az {a 1 , ... a i −1 }-gyel párhuzamos
komponensét, és az eredményt normáljuk (osztjuk a hosszával, 1 hosszúvá tesszük).

1 a − a 2 , b1 ⋅ b1 a 3 − a 3 , b 1 ⋅ b1 − a 3 , b 2 ⋅ b 2
b1 = ⋅ a1 , b 2 = 2 , és b 3 =
a1 a 2 − a 2 , b1 ⋅ b1 a 3 − a 3 , b 1 ⋅ b1 − a 3 , b 2 ⋅ b 2

 2 1  1 
Például: a 1 = 0 , a 2 = 0 , a 3 = 1 .
   
1 2 2
2  2
1  
b1 = ⋅ 0 , mivel 0 = 2 2 + 0 2 + 12 = 5 .
5
1 1 
1   2 
b 2 -höz szükségünk van az a 2 , b 1 =
1 0  , 0  = 4 belső szorzatra.
5     5
2 1 
1   2 − 1
 
Ekkor a 2 − a 2 , b1 b1 = 0 −
4 1   3  
⋅
3
⋅ 0 = ⋅  0  . Ennek hossza ⋅ 5 , tehát
5 5 5 5
2 1  2 
− 1
1  
b2 = ⋅ 0
5  
 2 
1   2 
b 3 -höz szükségünk van az a 3 , b1 = 1  ,  0  = 4
1
5     5
2 1 
1  − 1
és a 3 , b 2 =
1 1  ,  0  = 3 belső szorzatra.
5     5
2  2 
1   2 − 1 0
 
Ekkor a 3 − a 3 , b1 b1 − a 3 , b 2 b 2 = 1 −
4 1   3 1    
⋅ ⋅ 0 − ⋅ ⋅ 0 = 1
5 5   5 5    
2 1  2  0
 0
Ez 1 hosszú, úgyhogy b 3 = 1 .
0
4. Mátrixok Szorzása
A mátrix szorzás definícióját, tulajdonságait és néhány példát a Jegyzetben találnak. Először
ismerjék meg, hogyan szorzunk mátrixokat!

1. A következő gondolatra nem épül dolgozat példa, azonban lineáris algebrában

alapgondolat, amit az Operáció Kutatás tárgy jegyzetei is kihasználnak.

 a 11 a 12 .... a 1n   x1 
a a 22 
.... a 2 n  x 
Ha A = 
21
= [c1 , c 2 ,....., c n ] és x =  2  , akkor
 . . . .   ... 
   
a m1 a m2 .... a mn   xn 

 x1 ⋅ a11 + x 2 ⋅ a12 + ... + x n ⋅ a1n 

 x ⋅ a + x ⋅ a + ... + x ⋅ a 
A x =  1 21 2 22 n 2n 
= x1 ⋅ c1 + x 2 ⋅ c 2 + .... + x n ⋅ c n .
 ... 
 
 x1 ⋅ a m1 + x 2 ⋅ a m 2 + ... + x n ⋅ a mn 

E szerint A x az A mátrix oszlop vektorainak x együtthatós lineáris kombinációja.

1 2 3  1 5
Példa: A = 4 5 6  , x = − 1 . Ekkor A x = 11 .
   
7 8 10  2  19
1  2 3
A szorzást viszont úgy is értelmezhetjük, hogy A x = 1 ⋅ 4 − 1 ⋅ 5 + 2 ⋅  6  .
   
7 8  10

Ezt a technikát többek között annak belátására használjuk, hogy tetszőleges mátrix független
oszlop vektorainak maximális száma megegyezik független sorvektorainak maximális
számával.

2. Nem soká olyan műveleteket fogunk végrehajtani, ahol egy mátrix i-ik sorához hozzáadjuk
a j-ik sor c szeresét. Ez a művelet kivitelezhető mátrixszorzás által.

1 2 3 
Legyen A = 4 5 6  .
7 8 10
1 2 3
Adjuk hozzá az első sorának – 4 szeresét a második sorához: 0 − 3 − 6 .

7 8 10 
  1 0 0
Most szorozzuk meg A-t a − 4 1 0 = I − 4 ⋅ E 21 mátrixszal balról:
 0 0 1

1 2 3
0 − 3 − 6 , az eredmény ugyan az.
 
7 8 10 

Az I-vel szorzás megtartja az eredeti mátrixot, a − 4 ⋅ E 21 -gyel szorzás pedig kivonja az első
sor négyszeresét a másodikból.

Általában ( I + c ⋅ E i j ) • hozzáadja az A j-ik sorának c szeresét az i-ik sorához.

Mivel ( I + c ⋅ E i j ) háromszög mátrix, később látni fogjuk, hogy ( I + c ⋅ E i j ) determinánsa

−1
1, tehát invertálható. ( I + c ⋅ E i j ) ⋅ ( I + c ⋅ E i j ) = I miatt az inverzzel való bal szorzás
visszaállítja az eredeti állapotot. Hogyan történik? A i-ik sorából kivonja a j-ik sor c szeresét,
amit ( I − c ⋅ E i j ) valósít meg:
( I − c ⋅ Ei j ) ⋅ ( I + c ⋅ Ei j ) = I = ( I + c ⋅ Ei j ) ⋅ ( I − c ⋅ Ei j ) ,
−1
úgyhogy ( I + c ⋅ E i j ) = ( I − c ⋅ E i j ) .

Például, adjuk hozzá B második sorának 5-szörösét a harmadik sorához! Ezt az ( I + 5 ⋅ E 3 2 )

bal szorzás valósítja meg.

1 0 2 − 1 1 0 0 0
 2 −3 0 1  0 1 0 0
B=  (I + 5 ⋅ E ) = 
 1 −1 3 0 , 32 0 5 1 0 ,
   
− 1 2 − 2 1  0 0 0 1

1 0 2 − 1
 2 −3 0 1 
( I + 5 ⋅ E3 2 ) ⋅ B =  
11 − 16 3 5.
 
− 1 2 − 2 1 
−1
Azt is tudjuk, hogy ( I + 5 ⋅ E 3 2 ) = ( I − 5 ⋅ E 3 2 ) .

Ezt a jelenséget az Alk Mat 2 (Numerikus Módszerek) tárgy L – U fölbontás fejezetében

fogjuk kihasználni.

HÁZI FELADAT: Mi történik, ha jobbról szorzunk ( I + c ⋅ E i j ) mátrixszal?

5. Permutáció csoportok
n elemnek n! sorrendje van.
3 összes permutációinak halmaza S 3 . Elemszáma 3! = 6. Az elemek:

1 2 3   1 2 3 1 2 3
i =   , π =   , π 2 =   (a párosak)
1 2 3   2 3 1 3 1 2

1 2 3   1 2 3  1 2 3
π 1 =   , π 2 =   , π 3 =   (a páratlanok).
1 3 2   3 2 1  2 1 3

A permutációkat az {1 , 2 , ... , n} halmaz önmagára való kölcsönösen egyértelmű

függvényeinek tekintjük.

 1 2 3
π =   jelentése: π (1) = 2 , π (2) = 3 , π (3) = 1 .
 2 3 1

A permutációk kompozícióját mint függvény kompozíciót képezzük. Például

π1 o π : π 1 (π (1) ) = π 1 (2) = 3 , π 1 (π (2) ) = π 1 (3) = 2 , π 1 (π (3) ) = π 1 (1) = 1 , azaz

 1 2 3
π 1 o π =   = π 2 .
3 2 1
Természetesen, permutációk kompozíciója is permutáció. A kompozíció tehát kétváltozós
művelet n elem permutációin.

 1 2 3
Általában nem kommutatív. Például π o π 1 =   = π 3 a fenti jelöléssel.
 2 1 3

i neve identikus permutáció. Bármely ρ ∈ S 3 -ra: i o ρ = ρ o i = ρ , azaz i neutrális elem a

kompozíció képzésre.

Inverz
Jelöljük π −1 -gyel azt a permutációt, amit úgy kapunk, hogy π oszlopait lentről fölfelé
olvassuk. Ekkor π −1 a π inverz függvénye.

 1 2 3 1 2 3
Ha π =   , akkor π −1 =   .
 2 3 1 3 1 2

Természetesen π o π −1 = π −1 o π = i .

Sn a kompozíció képzés műveletével és i neutrális elemmel csoportot alkot.

Paritás
Bármely permutáció vagy csak páros sok pár fölcserélésével,
vagy csak páratlan sok pár fölcserélésével állítható elő.

Ennek alapján beszélünk páros és páratlan permutációkról.

1 2 3 4 5
1 2 3 4 5
Például: π =   előáll 5 2 3 4 1 két párcserével,
5 4 3 2 1 5 4 3 2 1

1 2 3 4 5
1 5 3 4 2
de előállítható négy párcserével is: 5 1 3 4 2 . π páros.
5 1 3 2 4
5 4 3 2 1

1 2 3 4 5 
Egy párcsere mindig páratlan:   .
1 2 3 5 4 

Páros permutáció inverze is páros, páratlan permutáció inverze is páratlan. (A párcserék

öninverzek.)

Ha π és ρ mindkettő páros, vagy mindkettő páratlan, akkor π o ρ páros.

Ha π és ρ paritása különböző, akkor π o ρ páratlan.

0 ha π páros
A paritás függvény: I (π ) =  .
1 ha π páratlan

FELADAT MINTA:

 1 2 3 4 5 1 2 3 4 5 
π =   , ρ =   .
 2 3 1 5 4 1 4 2 3 5 
Adja meg a π o ρ , ρ 3 , a π −1 és ρ 100 permutációkat!

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 
π −1 =   , π o ρ =   . Végül, ρ 3 =   = i .
3 1 2 5 4  2 5 3 1 4 1 2 3 4 5 

( )
Ezért ρ 3
k
( )
= (i ) k = i , most ρ 99 = ρ 3
33
= i , így ρ 100 = i o ρ = ρ .
5. DETERMINÁNSOK
Alsó (felső) háromszög mátrix determinánsa a főátlóban szereplő számok szorzata.
A diagonális mátrixok is háromszög mátrixok.

1 0 0 0
1 2 3 −1 2 0 0
det 0 4 5 = 1 ⋅ 4 ⋅ 6 = 24 , det  = 1⋅ 2 ⋅ 0 ⋅ 4 = 0 ,
3 7 0 0
0 0 6  
− 2 1 2 4
1 0 0
det 0 − 2 0 = 1 ⋅ (−2) ⋅ 3 = −6 .
0 0 3

Permutáló mátrixok
minden sorában és minden oszlopában pontosan egy darab 1 áll, a többi elem 0.

 1 2 3
Például: π =   . A Pπ mátrixot úgy készítjük, hogy az első sor második helyére,
 2 3 1 
a második sor harmadik helyére, a harmadik sor első helyére 1-et, a többi helyre 0-t írunk.

0 1 0 
Pπ = 0 0 1
1 0 0

Minden permutáló mátrix egy permutációból származik:

0 1 0 0
0 0 1 0
P= π =
 1 2 3 4
  - ből.
1 0 0 0 a
2 3 1 4 
  
0 0 0 1

TÉTEL: det Pπ = ( −1) I (π ) .

Azaz det Pπ = 1 ha π páros, és -1, ha π páratlan.

 0 1 0 0 0
0 0 0 1 0

Például: A = 1 0 0 0 0 Adjuk meg a determinánsát!
 
0 0 0 0 1
0 0 1 0 0
1 2 3 4 5
2 1 3 4 5
 1 2 3 4 5
Itt π =   párcseréi például 2 3 1 4 5 . Négy párcsere, π páros,
 2 4 1 5 3
2 4 1 3 5
2 4 1 5 3
tehát det A = 1.

0 1 0 
B = 1 0 0 mátrixhoz π  1 2 3
=   egyetlen párcsere, páratlan, úgyhogy
3
0 0 1   2 1 3

det B = -1.

VANDERMONDE MÁTRIXOK

1 x1 x12 ... x1n −1 

 
1 x 2 x 22 ... x 2n −1 
V ( x1 , x 2 , ..., x n ) =  . . .  az x1 , x 2 ,...., x n paraméterű Vandermonde- mátrix.
 
. . . 
1 x x n2 ... x nn −1 
 n

1 − 2 4 − 8 
1 2 4  1 1 1 1 
n x n –es. Például: V (2, 3, 5) = 1 3 9  , V (− 2, 1, 5, 2 ) =  .
1 5 25 125
1 5 25  
1 2 4 8 

TÉTEL: det V ( x1 , x 2 , ..., x n ) = ∏ (x

i< j
j − xi ) .

Tehát: det V (2, 3, 5) = (5 − 3)(5 − 2)(3 − 2) = 6.

det V (− 2, 1, 5, 2) = (2 − 5)(2 − 1)(2 − (−2) )(5 − 1)(5 − (−2) )(1 − (−2) ) = -1008.
Látjuk, hogy det V ( x1 , x 2 , ..., x n ) = 0 pontosan akkor, ha x1 , x 2 ,...., x n között vannak
egyenlőek.

Ha x1 , x 2 ,...., x n mind különbözik, akkor det V ( x1 , x 2 , ..., x n ) ≠ 0 . Ekkor V ( x1 , x 2 , ..., x n )

sorai (oszlopai) lineárisan függetlenek. Ezért a Vandermonde- mátrixot gyakran használják
R n egy bázisának megadására.

FELADAT MINTA:

1 − 1 1 −1 
1 3 9 27 
C=  det C =
1 − 4 16 − 64
 
1 5 25 125 

Látjuk, hogy C = V (− 1, 3, − 4, 5) , tehát

det C = [5 − (−4)] ⋅ [5 − 3] ⋅ [5 − (−1)] ⋅ [− 4 − 3] ⋅ [− 4 − (−1)] ⋅ [3 − (−1)] = 9072

1 1 1 1
2 − 1 3 1
D= det D =
4 1 9 1
 
8 − 1 27 1

Mivel det A = det AT , így det D = det V (2, − 1, 3, 1) , tehát

det D = [1 − 3] ⋅ [1 − (−1)] ⋅ [1 − 2] ⋅ [3 − (−1)] ⋅ [3 − 2] ⋅ [− 1 − 2] = −48 .

LAPLACE KIFEJTÉS
A legyen egy n x n-es mátrix. Ai , j jelölje azt az (n-1) x (n-1) méretű mátrixot, amit A i-ik
sorának és j-ik oszlopának elhagyásával kapunk.

1 2 3 
4 6  2 3
Például, ha A = 4 5 6 , akkor A1 , 2 =   , A3 ,1 =  .
 7 9  5 6
7 8 9
TÉTEL: det A Laplace kifejtése az i-ik sora szerint:

n
det A =  (− 1)
i+ j
⋅ ai , j ⋅ det Ai , j
j =1

Például, a fenti A-val:

Első sora szerint: det A = a1, 1 ⋅ det A1, 1 − a1, 2 ⋅ det A1, 2 + a1, 3 ⋅ det A1, 3
 5 6  4 6 4 5
= 1 ⋅ det   − 2 ⋅ det   + 3 ⋅ det   (= 0).
8 9 7 9  7 8 

Második sora szerint: det A = − a 2, 1 ⋅ det A2, 1 + a2, 2 ⋅ det A2, 2 − a2, 3 ⋅ det A2, 3

 2 3 1 3 1 2 
= −4 ⋅ det   + 5 ⋅ det   − 6 ⋅ det  .
8 9  7 9 7 8 
A harmadik sora szerint házi feladat.

Természetesen, mindhárom sora szerint kifejtve ugyan azt a számot kell kapnunk.

Az előjelek megválasztásában segít a sakktábla szabály:

+ − + ...
− + − ...
[ ]
(− 1)i + j = 
+ − + ...
.
 
. . . .
A Laplace kifejtés gazdaságos módja a determináns kiszámításának, ha a mátrix sok 0-t
tartalmaz:

1 2 4 3 − 2
2 0 − 1 0 5 

A = 0 0 3 0 11 
 
0 0 0 0 − 2
1 2 − 1 0 7 

det A-t negyedik sora szerint kifejtve, egyetlen 4 x 4 –es mátrix determinánsának
kiszámítására tudjuk visszavezetni: A sakktáblában a -2 helyén – áll.

1 2 4 3
2 0 − 1 0
det A = −a 4, 5 ⋅ det A4, 5 = − (−2) ⋅ det 
0 0 3 0
 
1 2 − 1 0

Most a harmadik sora szerint kifejtve:

1 2 3 
 2 3
2 ⋅ 3 ⋅ det 2 0 0 , és a második sor szerint: 6 ⋅ (−2) ⋅ det  = 72 .
 2 0
1 2 0
BLOKK MÁTRIXOK

1 2 4 3 −2
3 4 π 11 − 83
 1 2 3 
1 2 2 3
det 0 0 1 2 3  = det   ⋅ det 4 0 0 = (−2) ⋅ (−4) ⋅ det  = −48 .
  3 4  4 3
0 0 4 0 0  5 4 3
0 0 5 4 3 

A 0 A C
Általában: det   = det A ⋅ det B = det   , ha A és B négyzetes mátrixok.
C B   0 B

7. LINEÁRIS LEKÉPEZÉSEK

T : R n → R m függvény lineáris transzformáció, ha megtartja a lineáris kombinációkat:

( )
T x + y = T x + T y és
T (c ⋅ x ) = c ⋅ T x .

Általában T (a1 x1 + a 2 x 2 + .... + a n x n ) = a1T x 1 + .... + a nT x n .

1   0  0
0  1   0
R -ben e1 =
n   ,e =   , …. , e n =   a természetes (ortonormált) bázis.
. 2 . .
     
0   0 1 
 x1 
x 
x =  2  jelentése x = x1 e1 + .... + x n e n . Ha T a fenti lineáris leképezés, akkor
.
 
 xn 
T x = x1T e1 + .... + x nT e n .

Látjuk, hogy T egyértelműen meghatározott egy bázison vett értékei által.

Legyen M T = [T e1 T e 2 ..... T e n ] , ahol T e j a j-ik oszlop a természetes bázisban vett

koordinátáival.
Ekkor M T x = x1T e1 + .... + x nT e n a T x vektor koordináta vektora a természetes bázisban.

Az M T = [T e1 T e 2 ..... T e n ] m x n-es mátrixot a T természetes bázisokra vonatkozó

mátrixának nevezzük. Látjuk, hogy minden T : R n → R m lineáris transzformációhoz tartozik
egy mátrix, és minden m x n-es mátrix is megad egy R n → R m lineáris transzformációt (a
szorzás által). Különböző transzformációkhoz pedig különböző mátrix tartozik. Az R n → R m
lineáris transzformációinak terét így azonosíthatjuk az m x n-es valós mátrixok terével.

Példák – Feladatok: FORGATÁSOK AZ ORIGÓ KÖRÜL

R 2 elforgatása az origó körül α szöggel, R α lineáris leképezés (nem bizonyítjuk,

csak használjuk.)

cos α  − sin α 
Mivel R α e1 =   , és R α e 2 =   , ezért
 sin α   cos α 

cosα − sin α 
R α mátrixa M α = 
cosα 
.
 sin α

0 − 1
Ha 90 fokkal forgatunk, akkor R π mátrixa M π =  .
2 2 1 0 

 − 2
Hová forgatjuk például az x =   vektort? A vektor képe: M π x .
3 2

0 − 1 − 2  − 3
1 0  ⋅  3  = − 2 .
     

 π  1  − 3 
cos 3   2   
Ha 60 fokkal forgatunk, akkor R π e1 =  =
π    , R π e 2 ==  2  ,
3  sin  3 3  1 
 3   2   2 
1  1 − 3
úgyhogy M π =  .
3
2  3 1 

 − 2 1  1 − 3   − 2 1  − 2 − 3 3 
Az x =   képe pedig M π x =  ⋅  = ⋅ .
 3 3
2  3 1   3  2  3− 2 3 
TÜKRÖZÉSEK ALTÉRRE
Az R 2 tükrözése az x = y egyenesre szintén lineáris leképezés.

0 1
Most T e1 = e 2 és T e 2 = e1 , úgyhogy T mátrixa M T = 
.
1 0
 − 2 0 1 − 2  3 
Az x =   képe pedig M T x =   ⋅  3  =  − 2 .
 3 1 0     

(Az inverz függvények gráfjánál említették, hogy az y = x –re tükrözés felcseréli a

koordinátákat.)

Ha az y = -x egyenesre tükrözünk, akkor T e1 = −e 2 és T e 2 = −e1 ,

 0 − 1
úgyhogy T mátrixa M T =  .
− 1 0 

 − 2  0 − 1 − 2 − 3
Az x =   képe pedig M T x =  ⋅  =   .
3 − 1 0   3   2 

Vetítések = Projekciók (CSAK ALTÉRRE)

Vetítsük R 2 -et vízszintesen az y = x egyenesre. Pe1 = 0 és Pe 2 = e1 + e 2 , úgyhogy P
0 1
mátrixa M P =  .
0 1

 − 2 0 1 − 2 3
Az x =   képe pedig M P x =   ⋅  3  = 3 , annak megfelelően, hogy az y = x
 3  0 1    
egyenesen a pontok két koordinátája megegyezik.

Vetítsük R 2 -et függőlegesen az y = 2x egyenesre. Pe1 = e1 + 2e 2 és Pe 2 = 0 , úgyhogy P

1 0
mátrixa M P =  .
 2 0

 − 2 1 0 − 2 − 2
Az x =   képe pedig M P x =  2 0 ⋅  3  =  − 4 .
3      
MERŐLEGES VETÍTÉSEK = ORTOGONÁLIS PROJEKCIÓK
(ALTÉRRE)
1 1 1 1
Vetítsük R 2 -et merőlegesen az y = x egyenesre Pe1 = e1 + e 2 . és Pe 2 = e1 + e 2 ,
2 2 2 2
1 1 1
úgyhogy P mátrixa M P =
2 1 1
.

 − 2 1 1 1 − 2 1 1
Az x =   képe pedig M P x = ⋅  ⋅ =
2 1 1  3  2 1
.
3

Feladat
 x1 
 
Adjuk meg annak a T lineáris transzformációnak a mátrixát, amely az x =  x2  vektort a
 x3 
 x1 − 2 x2 + 3 x3 
 x −x 
Tx=  3 2 
 x2 − x1  vektorra képezi!
 
 x3 − 2 x1 − 5 x2 

Mivel T 3 dimenziós vektort 4 dimenziósba képez, a mátrixa 4 x 3-as. Az együtthatókat a T x

soraiból kiolvashatjuk:

 1 − 2 3  x1 − 2 x2 + 3x3 
 0 − 1 1  x −x 
MT =   M x=  3 2 
 − 1 1 0 , ugyanis ezzel lesz igaz T  x2 − x1  .
   
− 2 − 5 1   x3 − 2 x1 − 5 x2 
 8. LINEÁRIS EGYENLETRENDSZEREK

Láttuk, hogy a lineáris egyenletrendszerek általános alakja A x = b , ahol A m x n-es

 x1   b1 
   
mátrix, x = . a változók vektora és b = . ∈ R .
m
   
 xn  bm 
Ha A invertálható mátrix, akkor Ax = b egyetlen megoldása x = A−1 b .

Általában A x = b megoldásainak sokasága x 0 + KerA , ahol x 0 tetszőleges megoldás.

PÉLDA 1:
x1 + 2 x2 − x3 + x4 = 6
− x1 + x2 + 2 x3 + 2 x4 = 15
A megoldás során az egyenletekkel való műveleteknél
2 x1 − x2 + x3 + x4 = 7
3x1 + x2 + x3 − 2 x4 = 0
nem írjuk ki a változó neveket. Mátrix formában

 1 2 −1 1 6 
− 1 1 2 2 15 
  . Először fölső háromszög mátrixformára hozzuk, melyben a
 2 −1 1 1 7 
 
 3 1 1 −2 0 
fő átló elemei 1-ek. Az első oszlop fő átló alatti elemeinek lenullázása:; R4 − 3R1 ; R2 + R1 ;
R3 − 2R1 műveletekkel
1 2 − 1 1 6 
0 3 1 3 21 
  . Osszuk R -t hárommal, és vonjuk ki R -ből R -at!
0 − 5 3 − 1 −5  2 4 3

 
0 − 5 4 − 5 − 18 

1 2 −1 1 6 
1 2 − 1 1 
7 
6 0 1
0 1 1
1   1 1 
 7 3
3  . Most R3 + 5R2  .
0 − 5 3 − 1 −5  0 0
14
4 
   3 30 
0 0 1 −4 − 13  0 1 −4
0 − 13 
Mivel az egyenletek sorrendje nem számít, kicserélhetjük R4 -et és R3 -at!

1 2 −1 1  1 2 −1 1 6 
6  
0 1 0 1
 1
3
1 7   1
3
1 7 
0  . R − 14 R 0 − 13  .
0 1 −4 − 13  4 3 2 által 0 1 −4
 14  68 272
0 0 4 30  0 0 0 
 3   3 3 
Egyszerűsítve:

1 2 −1 1 6 
0 1
1
1 7 
 3  . Elértük a fölső háromszög mátrixformát.
0 0 1 − 4 − 13 
 
0 0 0 1 4 

Most 4x4-es diagonális mátrixszá formáljuk a bal oldalt: R1 − R4 ; R2 − R4 ; R3 + 4 R4

1 2 −1 0 2  1 2 0 0 5 
 1  0 
0 1
3
0 3
. R − 1R ; R + R : 
1 0 0 2
,
0 0 1 0 3  2 3 3 1 3
0 0 1 0 3 
   
0 0 0 1 4  0 0 0 1 4 

végül R1 − 2 R2 által

1 0 0 0 1  x1 = 1
0 1 0 0 2  x2 = 2
  . A megoldás táblázata az egyenletekből áll.
0 0 1 0 3  x3 = 3
 
0 0 0 1 4  x4 = 4

Ez az egyetlen megoldás, A invertálható volt. Ahhoz, hogy valamely program kiírja a

megoldást, erre az alakra kell a mátrixot transzformálni.
PÉLDA 2. Amikor A nem invertálható, de van megoldás.

x1 + 2 x2 − x3 + x4 = 6  1 2 −1 1 6 
− x1 + x2 + 2 x3 + 2 x4 = 15 − 1 1 2 2 15 
mátrix formában
 
2 x1 − x2 + x3 + x4 = 7  2 −1 1 1 7 
 
4 x1 − 2 x3 = −2  4 0 −2 0 −2 

1 2 − 1 1 6 
0 3 1 3 21 
R4 − 4R1 ; R3 − 2R1 ; R2 + R1 műveletekkel
 .
0 − 5 3 − 1 − 5 
 
0 − 8 2 − 4 − 26 

1 2 − 1 1 6 
0 1 1
1 7 
 3  . R + 5R ; R + 8R -vel
Osszuk a második sort 3-mal: 0 − 5 3 − 1 − 5  3 2 4 2

 
0 − 8 2 − 4 − 26 

1 2 −1 1 6 
0 1 1 2 −1 1 6 
1 1 7  0 1 
 3  1 1 7 
  3

6 45  .
14 3 
0 0 4 30  . R4 − R3 , majd R3 -mal
 3 14 0 0 1
14   7 7 
0 4 30  0 0 0 0 
0 0
 3
Láttuk, hogy a negyedik egyenletre nem volt szükség, mert megegyezett a harmadikkal. Az
egyenletek (sorok) összefüggők voltak. A csupa 0 sort elhagyhatjuk. Azt is látjuk, hogy a bal
oldalon már nem tudunk 4 x 4-es identitás mátrixot létre hozni, de 3 x 3-asat még igen.

 13 87 
1 2 0
 7 7 
 5 34 
1
R2 − R3 ; R1 + R3 által 0 1 0  . Végül R − 2R -vel
3  7 7  1 2

0 0 1 6 45 
 7 7 
 3 19 
1 0 0
 7 7 
 5 34 
 0 1 0  . Innen automatikusan fölírhatjuk az általános megoldást.
 7 7 
0 0 1 6 45 
 7 7 

19   − 3 
 x1   7   7 
 x   34   − 5 
 2  =  7  +  7  ⋅ x4 . Ennyi!
 x3   45   − 6 
     
 x4   7   7 
 0   1 

3 19
x1 + x4 =
7 7
5 34
Megjegyzések: Az utolsó mátrix jelentése x2 + x4 = .
7 7
6 45
x3 + x4 =
7 7

x1 =
19 3
− x4  19 
7 7  x1   7 
34 5  x   34 
x =
Átrendezve 2
− x4  2  =  7  egy
7 7 . Innen az általános megoldás formája.
45 6  x3   45 
x3 = − x4    
7 7  x4   7 
x4 = x4  0 
 − 3
 7 
 − 5
megoldás ( x 0 ), amit a lineáris programozásban bázis megoldásnak neveznek.  7  ⋅ x4
 
− 6
 7 
 1 
pedig azA magtere: KerA . x4 értéke szabadon választható. Például x4 = 4 mellett
megoldás x1 = 1 , x2 = 2 , x3 = 3 .
PÉLDA 3. Amikor nincs megoldás.

Ax = b csak akkor oldható meg, ha b ∈ Im A . Ellenkező esetben

x1 + 2 x2 − x3 + x4 = 6  1 2 −1 1 6 
− x1 + x2 + 2 x3 + 2 x4 = 15 − 1 1 2 2 15 
,
 
2 x1 − x2 + x3 + x4 = 7  2 −1 1 1 7 
 
4 x1 − 2 x3 = −1  4 0 −2 0 −1 

1 2 − 1 1 6 
0 3 1 3 21 
R4 − 4R1 ; R3 − 2R1 ; R2 + R1 műveletekkel
 .
0 − 5 3 − 1 − 5 
 
0 − 8 2 − 4 − 25 

1 2 − 1 1 6 
0 1 1
1 7 
 3  . R + 5R ; R + 8R -vel
Osszuk a második sort 3-mal: 0 − 5 3 − 1 − 5  3 2 4 2

 
0 − 8 2 − 4 − 25 

1 2 −1 1 6 
0 1 1 2 − 1 1 6 
1 1 7  0 1 1 1 7 
 3  
  3
14  . Végül R − R által  
0 0 4 30  4 3 14 30  -ben az utolsó
 3 0 0 4
14   3 
0 4 31 
0  0 0 0 0 1 
 3
egyenlet 0 ⋅ x1 + 0 ⋅ x2 + 0 ⋅ x3 + 0 ⋅ x4 = 1 nem megoldható, így A x = b sem.
b ∉ Im A .
PÉLDA 4. Több dimenziós magtér

x1 + 2 x2 − x3 + x4 = 6 1 2 −1 1 6 
− x1 + x2 + 2 x3 + 2 x4 = 15  −1 1 2 2 15 
 
− 2 x1 − x2 + 3x3 + x4 = 9 − 2 − 1 3 1 9 
 
x1 + 5 x2 + 4 x4 = 27 1 5 0 4 27 
R2 + R1 , R3 + 2R1 , R4 − R1

1 2 −1 1 6 
0 3 1 3 21 
  , R − R , R − R . Az egyenletrendszer
0 3 1 3 21  3 2 4 2

 
0 3 1 3 21 

1 2 − 1 1 6 
0 1 1 1  -re redukálódik. Most már csak 2 x 2-es identitás mátrixot tudunk
 7 
3 

 5
1 0 − − 1 − 8
készíteni. R1 − 2 R2 :  3  . Az általános megoldás
7 
1
0 1 1
 3

5  5 
 x1  − 8  3 1 3 1 
x   7   − 1  x  −1  x 
 2 =   +  − 1 ⋅  3  . Az  − 1 ⋅  3  a magtér.
 x3   0   3   x4  3   x4 
     1 0   1 0 
 x4   0  
0 1  0
 1 

Házi feladat. Melyik megoldást kapjuk, ha x3 = 3 , x4 = 4 ?

9. Mátrixok inverzének meghatározása
Legyen A invertálható (tehát négyzetes) n x n-es valós mátrix. Egészítsük ki az n x n-es
identitás mátrixszal n x 2n-es mátrixszá:
[ A I ].
Elemi átalakítások: egy sorhoz egy másik sor számszorosának hozzáadása,
egy sor nem nulla számmal szorzása.

Elemi átalakítások sorával alakítsuk A-t I-vé. Ami a táblázat jobb felében megjelenik: A −1 .

1 1 1  1 1 1 1 0 0 

Példa: A = 1 2 3  . A kezdő mátrixunk: 1 2 3 0 1 0  → Az első sort

1 − 1 − 2  1 − 1 − 2 0 0 1 

1 1 1 1 0 0 

kivonjuk a másodikból és a harmadikból:  0 1 2 − 1 1 0  → A második sor
 0 − 2 − 3 − 1 0 1 

kétszeresét hozzáadjuk a harmadik sorhoz. Így a főátló alatt csupa 0 áll:

1 1 1 1 0 0 
 0 1 2 − 1 1 0  → A harmadik sort kivonjuk az elsőből, a harmadik sor kétszeresét
 
 0 0 1 − 3 2 1 

 1 1 0 4 − 2 −1 
kivonjuk a másodikból:  0 1 0 5 − 3 − 2  → Most már csak a második sort kell

 0 0 1 − 3 2 1 

 1 0 0 −1 1 1  −1 1 1 

kivonni az elsőből:  0 1 0 5 − 3 − 2 . A =  5 − 3 − 2 .
−1

 0 0 1 − 3 2 1  − 3 2 1 

TÉTEL: Az [ A I ] mátrix pontosan akkor alakítható át elemi transzformációkkal

[ I B ] alakra, ha A invertálható. Ekkor A = B .
−1
 1 2 3
 6  .
Példa: A =  4 5
 7 8 9 
1 2 3 1 0 0  1 2 3 1 0 0  1 2 3 1 0 0 
4 5 6 0 1 0 →  0 −3 −6 −4 1 0  →  0 −3 −6 −4 1 0 
     
 7 8 9 0 0 1   0 − 6 − 12 − 7 0 1   0 0 0 − 1 2 − 1 

Itt A-t nem lehet I-vé alakítani az utolsó tábla zéró sora miatt. A sorai összefüggtek: A
harmadik sora = kétszer a második – az első.

TÉTEL:

A invertálható ⇔ sorai függetlenek ⇔ oszlopai függetlenek ⇔ det A ≠ 0 .

1 1 1 
FELADAT: Invertálható-e az A = 0 2 4 mátrix? Adjuk meg az
1 3 6
inverzét, ha lehet!
1 1 1 1 0 0  1 1 1 1 0 0  1 1 1 1 0 0 
0 2 4 0 1 0 → 0 2 4 0 1 0 → 0 2 4 0 1 0 →
     
 1 3 6 0 0 1   0 2 5 − 1 0 1   0 0 1 − 1 − 1 1 

 1 1 0 2 1 −1  1 1 0 2 1 −1   1 0 0 0 − 1.5 1 
 0 2 0 4 5 −4  →  0 1 0 2 2,5 − 2 → 0 1 0 2 2,5 − 2 
     
 0 0 1 − 1 − 1 1   0 0 1 − 1 − 1 1   0 0 1 − 1 − 1 1 

 0 1,5 1 
−1 
A tehát invertálható, és A =  2 2,5 − 2 .
− 1 − 1 1 
10. LINEÁRIS TRANSZFORMÁCIÓ MÁTRIXÁNAK
MEGADÁSA ÚJ BÁZISBAN. HIVATALOS NYELVEN:
BÁZISCSERE (NEM TANULJUK)

1 0 
Motiváció: R 2 standard bázisa e1 =   , e 2 =   . Jelölje ezt a bázist E.
0 1
1  2
a1 =   , a 2 =   vektorok is bázist alkotnak. Jelölje ezt a bázist A.
 2 1 

− 1 1
b1 =   , b 2 =   vektorok is bázist alkotnak. Jelölje ezt a bázist B.
1 1

Az egyes vektorok koordinátái a különböző bázisokra nézve eltérnek.

5
Például, ha x =   , azaz x = 5 ⋅ e1 + 6 ⋅ e 2 , akkor
6
7  7 4 1  1 11
x=  3  azaz x = ⋅ a1 + ⋅ a 2 , és x =  2  azaz x = ⋅ b1 + ⋅ b 2 .
4 3 3 3 11 2  2 2
 A B

Hogyan lehet megadni egy vektor koordinátáit egy új bázisra nézve?

Láttuk, hogy ha P az R 2 merőleges vetítésének mátrixa az y = x egyenesre, akkor mátrixa

1 1 1
M=
2 1 1
.

5 1 1 1 5 1 11

Ha x =   , akkor P x a standard bázisban M x = ⋅ ⋅ =
2 1 1 6 2 11
.
6 E
1 7  10
Ugyan ez az x az A bázisban x =   , míg P x a B bázisban kifejezve P x =   .
3  4 A 2 11 B

Azt a mátrixot szeretnénk megadni, ami x A-koordinátáiból megadja P x B-koordinátáit.

Ezt a P transzformáció A,B bázispárra vonatkozó mátrixának nevezzük.

TÉTEL I: Legyen A: a1 , a 2 , ... , a n bázisa R n
-nek!

 a11   a1 n 
a  a 
a1 =  21 
a = 
2n

 .  …… n  . 
   
an 1  E an n  E

 a11 a1 2 ... a1 n 
a a2 2 ... a2 n 
 21
Tekintsük az A = [ a1 , a 2 , ... a n ] E
=  . . . .  mátrixot!
 
a n 1 an 2 ... a n n 

 x1 
 
Ha x koordinátái az E bázisban x =  .  , akkor x koordinátái az A bázisban
 xn  E

 x1 
x = A ⋅  .  .
−1

 xn 

Például :

1  2 1 2
Az a1 =   , a 2 =   bázisból A = 
−1
•  . Adjuk meg A -et!
 2 1  2 1 

1 2 1 0  1 2 1 0  1 2 1 0   1 0 − 13 2
3 
 2 1 0 1  →  0 −3 −2 1  →  0 1 2 1  → 0 1 2 1 
     3 3   3 3

−1 1 − 1 2  5
Tehát A = x = 6 , akkor x koordinátái az A bázisra nézve
3  2 − 1
. Ha
 E

5  1  − 1 2  5  1 7  1 7 
A −1 ⋅   =   ⋅ 6  = 3 ⋅  4  , azaz x = ⋅
3 4 A
.
 
6 3  2 − 1    
 − 1 1  2 0 −1 1 1 − 1 1
B bázisból B =  . Mivel B =  , így B = ⋅ B = 
2
•   2  1 1
.
 1 1  0 2 2
Ezért x koordinátái a B bázisra nézve

5 1 − 1 1 5 1  1  1 1

B −1 ⋅   =  ⋅  = ⋅ , azaz x = ⋅
2 11 B
.
6 2  1 1 6 2 11

TÉTEL II: Legyen A bázisa R n

-nek!
m
Legyen B bázisa R -nek!
Legyen továbbá T : R n → R m lineáris transzformáció, melynek mátrixa a
természetes bázisokra nézve M.

Ekkor T mátrixa az A, E bázispárra nézve M A , E = M ⋅ A .

T mátrixa az E , B bázispárra nézve M E , B = B −1 ⋅ M . Végül

T mátrixa az A , B bázispárra nézve M A , B = B −1 ⋅ M ⋅ A .

1 1 1
Példa: Ha P mátrixa M =
2 1 1
a természetes bázisokra nézve, akkor

• P mátrixa az A , E bázispárra nézve

1 1 1 1 2 1 3 3 3 1 1
M A, E = M ⋅ A = ⋅ = ⋅ = ⋅
2 1 1 2 1 2 3 3 2 1 1
.

1 7 
Valóban, ha x = ⋅
3 4 A
, akkor P x koordinátái a természetes bázisban:

1 7  3 1 1 ⋅ 1 7 = 1 ⋅ 11 1 11

M A, E ⋅ ⋅   =       , azaz P x = ⋅  
3 4 2 1 1 3 4 2 11 2 11 E

• P mátrixa az E , B bázispárra nézve

1 − 1 1 1 1 1 1 0 0 1 0 0
M E , B = B −1 ⋅ M = ⋅ = ⋅ = ⋅
2  1 1 2 1 1 4 2 2 2 1 1
.
 5 
Valóban, ha x =   , akkor P x koordinátái a B bázisban:
6  E

5 1 0 0 5 1  0  1 0

ME,B ⋅ =  ⋅  = ⋅ , azaz P x = ⋅
6 2 1 1 6 2 11 2 11 B

• Végül, P mátrixa az A , B bázispárra nézve

1 − 1 1 1 1 1 1 2 1 0 0 1 2 3 0 0
M A , B = B −1 ⋅ M ⋅ A = ⋅ ⋅ = ⋅ ⋅ = ⋅
2  1 1 2 1 1 2 1 2 1 1 2 1 2 1 1
.

1 7 
Valóban, ha x = ⋅
3 4 A
, akkor P x koordinátái a B bázisban:

1 7  3 0 0 ⋅ 1 ⋅ 7  = 1 ⋅  0  1 0
M A, B ⋅ ⋅   = ⋅       , azaz P x = ⋅   .
3 4 2 1 1 3 4 2 11 2 11 B

MINTA FELADAT
1 0 2 
T : R 3 → R 3 lineáris leképezés mátrixa a természetes bázisban M = 0 − 1 3 .
1 0 4
1 1 0 
     
R 3 A bázisa a1 = 1 , a 2 = 0 , a 3 = 1 ,
0 E 1 E 1 E

1 1 1

    
R 3 B bázisa b1 = 0 , b 2 = 1 , b 3 = 1 .
0 E 0 E 1 E
1
x = 2.
 3  E

Adja meg x -et a B bázisban! Adja meg a T leképezés A , B bázispárra vonatkozó inverzét!
 1 1 1 1 1 0
   
x B = B −1 x E , ahol B = 0 1 1 , M A, B = B −1 ⋅ M ⋅ A , ahol A = 1 0 1 .
0 0 1 0 1 1
Invertáljuk B-t!

1 1 1 1 0 0   1 1 0 1 0 −1   1 0 0 1 −1 0 
0 1 1 0 1 0 →  0 1 0 0 1 −1  →  0 1 0 0 1 −1 
     
 0 0 1 0 0 1   0 0 1 0 0 1   0 0 1 0 0 1 

1 − 1 0  1 − 1 0  1  − 1
B = 0 1 − 1 ,
−1      
tehát x = 0 1 − 1 ⋅ 2 = − 1 .
0 0 1  0 0 1  3  3  B

1 − 1 0  1 0 2 1 1 0
M A, B = 0 1 − 1 ⋅ 0 − 1 3 ⋅ 1 0 1
0 0 1  1 0 4 0 1 1

1 − 1 0   1 3 2   2 0 0
= 0 1 − 1 ⋅ − 1 3 2 = − 2 − 2 − 2 .
    
0 0 1   1 5 4  1 5 4 
10. SAJÁTÉRTÉK - SAJÁTVEKTOR
A [ ]. előadásból: F helyére tegyenek R-et!

Definíció 10.1 Legyen A ∈ M n (F) . A d ∈ F az A mátrix sajátértéke, ha létezik 0 ≠ x ∈ F n

vektor, amelyre A x = d x . Ekkor az x ≠ 0 vektort az A d-hez tartozó
sajátvektorának mondjuk. Az A sajátértékeinek halmaza az A spektruma,
amit S(A) jelöl.

Megjegyzés: Mivel fix bázisban a mátrixok és leképezések egyértelműen megfeleltethetők,

beszélhetünk egy lineáris leképezés sajátértékeiről, sajátvektorairól és
spektrumáról is. S(A ) ⊂ F

Példák: ● Az I : R n → R n , I ( x ) = x identikus leképezésnek egyetlen sajátértéke van, d = 1.

S(I n ) = {1}.
π
● R 2 elforgatása az origó körül -mal a null vektoron kívül egyetlen vektort sem
3
képez a saját számszorosára, így ennek a transzformációnak nem létezik valós
sajátértéke. Spektruma üres.

● Az origóra való tükrözés T : R 2 → R 2 , T ( x ) = − x . T-nek minden vektor a -1

sajátértékhez tartozó sajátvektora. S(T ) = {− 1}.

Állítás és definíció 10.2 Egy A ∈ M n (F) mátrix d ∈ F sajátértékéhez tartozó sajátvektorok a

zéró vektorral együtt alteret alkotnak F n -ben. Ezt az alteret az A
mátrix d-hez tartozó sajátalterének hívjuk.

Ezért például egy d-hez tartozó sajátvektor minden nem 0 számszorosa is d-hez tartozó
sajátvektor.

TOVÁBBI PÉLDA:

 2 0 0
 
Ha B = 0 3 0 , akkor B e1 = 2e1 és B e 2 = 3e 2 , Be 3 = 3e 3 .
0 0 3
Tehát 2 és 3 a B sajátértékei, e1 a B 2-höz tartozó sajátvektora, e 2 és e 3 a B 3-hoz tartozó
sajátvektorai.

A karakterisztikus polinom [ ]-ből

Legyen t változó, t ∈ F , A ∈ M n (F) . Tekintsük a ( t ⋅ I − A ) mátrixot!

  t − a 11 − a 12 .... − a 1n 
 t .... 0  a 11 .... a 1n  
0 .... 0 −  . .... .  =  − a 21 t − a 22 .... − a 2 n 
     . . .... . 
0 .... t  a n1 .... a nn   
 − a n1 − a n2 .... t − a nn 

det( t ⋅ I − A ) a t-nek egy n-ed fokú polinomja.

Definíció 10.3 Legyen A ∈ M n (F) . Az A karakterisztikus polinomja C A ( t ) = det( t ⋅ I − A) .

1 2 0 t − 1 − 2 0 
Például: ● Ha A = 1 1 0 valós mátrix, akkor C A ( t ) = det  − 1 t − 1 0  .
  
1 2 1  − 1 − 2 t − 1

Az utolsó oszlopa szerint kifejtve

t − 1 − 2 
= ( t − 1) ⋅ det 
− −
[ ]
 = ( t − 1) ⋅ t − 2 t + 1 − (−1)(−2) = ( t − 1)( t − 2 t − 1) = t − 3t + t + 1 .
2 2 3 2

 1 t 1

Tétel 10.4 Legyen A ∈ M n (F) . Az A spektruma megegyezik a karakterisztikus polinomja

gyökeinek halmazával:
S(A) = {t ∈ F : C A ( t ) = 0}.

1 2 0
Például A = 1 1 0 sajátértékei t = 1, t = 1 − 2 , t = 1 + 2 . Vagy
1 2 1

 2 0 0
B = 0 3 0 karakterisztikus polinomja (t − 2)(t − 3)(t − 3) .
0 0 3

MEGJEGYZÉS: Mivel C A (t ) a komplex számtest fölött lineáris tényezőkre bomlik, C A (t ) -

nek mindig van n db komplex gyöke. A valós számtest fölött ez nem mindig igaz. (Innen,
hogy a lineáris algebra komplex tudomány.)

Például: R 2 elforgatása az origó körül 90 fokkal nincs sajátvektora, így sajátértéke sem.

0 − 1
M = , C R (t ) = t 2 + 1 .
1 0 

A rotáció valós spektruma üres. A komplex test fölött –i és i sajátértékek.

PÉLDA:

0 0 6 
A = 1 0 − 11 . Adja meg a spektrumát és a sajátértékekhez tartozó egy-egy sajátvektort!
0 1 6 

t 0 −6 

C A (t ) = det − 1 t 11  . Az első oszlopa szerint kifejtve:
 0 − 1 t − 6

0 − 6 
t
C A (t ) = t ⋅ det 
11 
 − (−1) ⋅ det   [ ]
= t ⋅ t 2 − 6t + 11 − [0 + 6] = t 3 − 6t 2 + 11t − 6 .
− 1 t − 6  t 11 

( )
Ennek t = 1 gyöke, úgyhogy C A (t ) = (t − 1) ⋅ t 2 − 5t + 6 = (t − 1)(t − 2)(t − 3) .

A sajátértékei az 1, 2, 3.

Ha t = 1 és x egy hozzá tartozó sajátvektor, akkor A x = 1 ⋅ x = I x .

Meg kell oldanunk az ( I − A) x = 0 egyenletrendszert.

 1 0 −6 0   1 0 −6 0   1 0 −6 0 
 − 1 1 11 0  →  0 1 5 0  →  0 1 5 0 
     
 0 − 1 − 5 0   0 1 5 0   0 0 0 0 

6
 
Jelentése x1 − 6 x3 = 0 és x 2 + 5 x3 = 0 . Sajátaltér: x = x3 − 5 .
 1 

Ha t = 2 és x egy hozzá tartozó sajátvektor, akkor A x = 2 ⋅ x = 2 I x .

Meg kell oldanunk az (2 I − A) x = 0 egyenletrendszert.

 2 0 −6 0   1 0 −3 0   1 0 −3 0 
 − 1 2 11 0  →  0 2 8 0  →  0 1 4 0  .

  
 0 − 1 − 4 0   0 − 1 − 4 0   0 0 0 0 

3
 
Jelentése x1 − 3 x3 = 0 és x 2 + 4 x3 = 0 . Sajátaltér: x = x3 − 4 .
 1 
Ha t = 3 és x egy hozzá tartozó sajátvektor, akkor A x = 3 ⋅ x = 3I x .
Meg kell oldanunk az (3I − A) x = 0 egyenletrendszert.

 3 0 −6 0   1 0 −2 0   1 0 −2 0 
 − 1 3 11 0  →  0 3 9 0  →  0 1 3 0  .
     
 0 − 1 − 3 0   0 1 3 0   0 0 0 0 
2
 
Jelentése x1 − 2 x3 = 0 és x 2 + 3 x3 = 0 . Sajátaltér: x = x3  − 3 .
 1 

MÁSIK PÉLDA ÉS DOLGOZAT FELADAT:

 8 − 3
A=  . Adjuk meg a spektrumát és a sajátaltereit!
15 − 6
t − 8 3 
C A (t ) = det   = (t − 8) ⋅ (t + 6) + 45 = t 2 − 2t − 3 = (t − 3) ⋅ (t + 1)
 − 15 t + 6
Ezért A spektruma -1 és 3.

-1 hez tatozó sajátvektorokra A x = −1 ⋅ x = − I x , tehát megoldandó: ( A + I ) x = 0 .

 9 −3 0   3 −1 0 
 15 − 5 0  →  0 0 0  . Jelentése 3x1 − x 2 = 0 .
   
1
Tehát x = x 2 ⋅   a -1 –hez tartozó sajátvektorok
3
3-hoz tartozó sajátvektorokra ( A − 3I ) x = 0 .

 5 −3 0   5 −3 0  3
 15 − 9 0  →  0 0 0  jelentése 5 x1 − 3x 2 = 0 . Ezért x = x 2 ⋅ 5 alakúak a 3
     

sajátértékhez tartozó sajátvektorok.