Professional Documents
Culture Documents
Tartalom
1. Z n …………………………………………..2. oldal
7. Determinánsok…………………………….13. oldal
Jelölés: 7 ≡ 1 mod 3,
-8 ≡ 1 mod 3.
a + c ≡ b + d mod n, továbbá
Úgyszintén 7·5 ≡ -8·2 mod 3. Valóban, 7·5 = 35 ≡ 2 mod 3, és -8·2 = -16 ≡ 2 mod 3.
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
FELADAT MINTA
Oldja meg Z 6 -ban az x 3 = 4 egyenletet!
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.
MEGJEGYZENDŐ:
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 )
1 1
z = 1 + 3 ⋅ i = 2 ⋅ (cos ⋅ 2π + i ⋅ sin ⋅ 2π )
6 6
x ⋅ y = x ⋅ y ⋅ (cos(α + β ) + i ⋅ sin(α + β ) ) ,
egyszerűsödik.
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
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 .
Megkaphatjuk z −1 -et úgy is, ha az α szöget az 1-től negatív irányba mérjük fel, hiszen
z ⋅ z −1 = (cos(α − α ) + i ⋅ sin(α − α )) = 1 .
A trigonometrikus függvények tulajdonságai miatt a két előállítás megegyezik.
FELADAT MINTÁK:
−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
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?
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
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!
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
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.
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 ) .
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
1 2 3
π = jelentése: π (1) = 2 , π (2) = 3 , π (3) = 1 .
2 3 1
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
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 .
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
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
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
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 − 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
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.
FELADAT MINTA:
1 − 1 1 −1
1 3 9 27
C= det C =
1 − 4 16 − 64
1 5 25 125
1 1 1 1
2 − 1 3 1
D= det D =
4 1 9 1
8 − 1 27 1
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
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.
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
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 x + y = T x + T y és
T (c ⋅ x ) = c ⋅ T x .
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 .
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
− 2 0 − 1 − 2 − 3
Az x = képe pedig M T x = ⋅ = .
3 − 1 0 3 2
− 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.
− 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
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
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
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
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.
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
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
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
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:
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
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
1 1 1
M=
2 1 1
.
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
1 1 1
Példa: Ha P mátrixa M =
2 1 1
a természetes bázisokra nézve, akkor
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 − 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
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
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!
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.
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
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
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
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
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.
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
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
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