Professional Documents
Culture Documents
VEKTORTEREK, SZABADVEKTOROK
Szélsőséges eset, amikor a két végpont egybeesik! Az irányítás tényét nyíllal jelöljük!
1
Lineáris algebra MEMOOC
2
Lineáris algebra MEMOOC
3
Lineáris algebra MEMOOC
O4: V-nek van nulleleme, azaz van olyan e elem V-ben, melyet bármely V-beli a elemhez
hozzáadva a nem változik: 𝑎 + 𝑒 = 𝑎.
O5: V minden elemének van ellentettje, azaz minden 𝑎 ∈ 𝑉 esetén van olyan b elem V-ben,
hogy 𝑎 + 𝑏 = 0.
4
Lineáris algebra MEMOOC
5
Lineáris algebra MEMOOC
S1: A V halmazon értelmezve van a T-beli elemekkel való szorzás (skalárral való szorzás),
azaz bármely T-beli λ és V-beli a elem 𝜆𝑎 szorzata szintén V eleme lesz.
S2: 𝜆(𝑎 + 𝑏) = 𝜆𝑎 + 𝜆𝑏
S3: (𝜆 + 𝜇)𝑎 = 𝜆𝑎 + 𝜇𝑎
S5: 1𝑎 = 𝑎
6
Lineáris algebra MEMOOC
Legyen V tetszőleges, nemüres halmaz. Azt mondjuk, hogy V vektortér a T test felett, ha az
O1-O5 és az S1-S5 előírások mindegyike teljesül. Ekkor V elemeit vektoroknak, T elemeit
pedig skalároknak nevezzük.
1. A térbeli, illetve síkbeli szabadvektorok a valós számok felett. (Ami eddig vektor volt, az
ezután is az! :))
2. A T feletti 𝑚 × 𝑛 típusú mátrixok halmaza a T test felett, ahol a mátrixok skalárral való
szorzását úgy értelmezzük, hogy a mátrix minden elemét megszorozzuk az adott skalárral.
3. Az összes T-beli együtthatós polinomok a szokásos összeadással és konstanssal való
szorzással vektorteret alkotnak a T test fölött. (Egy polinomot úgy szorzunk skalárral, hogy
mindegyik tagjának együtthatóját megszorozzuk az adott skalárral.)
4. Az összes valós számsorozatok halmaza vektortér a valós számtest fölött. (Egy sorozatot
úgy szorzunk egy skalárral, hogy mindegyik tagját megszorozzuk az adott skalárral.)
5. A T test elemeiből alkotott rendezett elem n-esek halmaza vektortér a T test felett, ha az
összeadást és a skalárral való szorzást komponensenként végezzük el:
7
Lineáris algebra MEMOOC
6. Kissé degenerált példa, de lehetséges: bármely T test is vektortér önmaga (illetve bármely
részteste) fölött. Ily módon R tekinthető akár R, akár Q feletti vektortérnek. Az első esetben
a valós számok skalárok és a vektorok is egyben.
Legyen 𝑅[𝑥] az összes valós együtthatós polinomok halmaza, és most definiáljuk egy
pillanatra a polinomok skalárral való szorzását úgy, hogy csak a főegyütthatót (a legmagasabb
fokú tag együtthatóját) szorozzuk meg az adott skalárral. Jelölje ezt a skalárral való szorzást
⋆. Ekkor például a 2 ⋆ (𝑥 2 − 3𝑥 + 1) = 2𝑥 2 − 3𝑥 + 1.
Legyen 𝑎 = 𝑥 3 − 𝑥 + 1 és 𝑏 = 𝑥 2 + 3. Ekkor
2 ⋆ (𝑎 + 𝑏) = 2 ⋆ (𝑥 3 − 𝑥 + 1 + 𝑥 2 + 3) = 2 ⋆ (𝑥 3 + 𝑥 2 − 𝑥 + 4) = 2𝑥 3 + 𝑥 2 − 𝑥 + 4,
míg
2 ⋆ 𝑎 + 2 ⋆ 𝑏 = 2𝑥 3 − 𝑥 + 1 + 2𝑥 2 + 3 = 2𝑥 3 + 2𝑥 2 − 𝑥 + 4,
vagyis S2 nem teljesül, így ezzel a skalárral való szorzással 𝑅[𝑥] nem lesz vektortér.
Minden vektortérnek altere a {0} és önmaga. Ha egy testet tekintünk, mint önmaga feletti
vektorteret, abban más altér nem is lesz.
Az alábbi állítás jól jön, ha egy részhalmazról le akarjuk ellenőrizni, hogy altér vagy sem.
8
Lineáris algebra MEMOOC
szintén az altérkritérium szerint H altér. Igazoltuk tehát, hogy alterek metszete is altér. Nem
mondható el ugyanez az alterek uniójáról: belátható, hogy két altér uniója csak úgy lehet altér,
ha egyikük tartalmazza a másikat.
Nyilvánvaló, hogy ha a nullákat az ,,első sor" helyett bármely más fix helyen írtuk volna elő,
akkor is alteret kaptunk volna. Ezzel a módszerrel könnyen gyárthatunk altereket az alább
következő vektorterekben is.
3. A polinomok T[x] vektorterében alteret alkot például egy adott n-nél nem nagyobb fokú
polinomok halmaza. (Emlékezzünk: mi az azonosan 0 polinom fokszámát ,,kényelmi
okokból" −∞-nek tekintettük, így most az is benne van a fent leírt halmazban.)
4. Ahogy Kalkulusból tanultuk: konvergens sorozatok összege, illetve konvergens sorozat
valós számszorosa is konvergens, így a valós számsorozatok vektorterében az összes
konvergens sorozatok halmaza alteret alkot. Sőt ezen belül a nullához konvergáló sorozatok
(nullsorozatok) is alteret alkotnak. De az 1-hez konvergáló sorozatok már nem alkotnak
alteret, hiszen két 1-hez konvergáló sorozat összege 2-höz konvergál, így az összeadás
kivezet a halmazból.
5. A következő videóban belátjuk, hogy az
9
Lineáris algebra MEMOOC
GENERÁTORRENDSZER
Véges sok vektorból kiindulva a vektorok összeadása és skalárral való szorzása segítségével
újabb vektorokat képezhetünk.
𝜆1 𝑎1 + 𝜆2 𝑎2 + ⋯ + 𝜆𝑛 𝑎𝑛
10
Lineáris algebra MEMOOC
11
Lineáris algebra MEMOOC
A továbbiakban vektorrendszeren a vektortér véges vagy végtelen számú vektorát értjük, úgy,
hogy abban egy vektor akár többször is szerepelhet (valójában a vektorrendszer ennyiben
különbözik vektorok egy halmazától). Következésképpen a vektortér részhalmazai is
vektorrendszereknek tekinthetők.
Egy vektortérre akkor mondjuk, hogy végesen generált, ha van véges sok elemből álló
generátorrendszere.
Az ℝ3 vektortérről éppen az előbb (az előző videóban) láttuk be, hogy végesen generált,
ugyanis megadtunk egy 3 elemű generátorrendszerét. Könnyen belátható az is, hogy a
polinomok vektorterének nincs véges sok elemből álló generátorrendszere, hiszen véges sok
12
Lineáris algebra MEMOOC
polinom semmilyen lineáris kombinációjának foka sem haladja meg az ezen polinomok
közötti legmagasabb fokú polinom fokát.
Könnyű belátni, hogy egy vektorrendszer által generált altér nem változik, ha a
vektorrendszeren az alábbi átalakításokat végezzük:
Legyen adva egy vektorrendszer a 𝑇 𝑛 térben! Írjuk a vektorrendszer vektorait egy mátrix
soraiba, majd hozzuk a mátrixot lépcsős alakra! A fenti állítás értelmében a lépcsős alak sorai
𝑇 𝑛 ugyanazon alterét generálják, mint amit az eredeti vektorrendszer.
13
Lineáris algebra MEMOOC
LINEÁRIS EGYENLETRENDSZEREK
Az
14
Lineáris algebra MEMOOC
objektumot, ahol 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 é𝑠 𝐵 = [𝑏𝑖 ]𝑚×1 adott T test feletti mátrixok, (n változós, m
egyenletből álló) lineáris egyenletrendszernek nevezzük. Az A mátrixot az egyenletrendszer
alapmátrixának, elemeit az egyenletrendszer együtthatóinak, B-t a konstanstagok vektorának,
az
1. példa: oldjuk meg az alábbi lineáris egyenletrendszert a valós számok teste felett!
15
Lineáris algebra MEMOOC
Első lépésben felírjuk az egyenletrendszer kibővített mátrixát, majd lépcsős alakra hozzuk azt:
A lépcsős alak úgy állt elő, hogy először a 2. sorból kivontuk az 1. sor 2-szeresét, és a 3. sorból
az 1. sor 3-szorosát. Ekkor az első sor kitakarható. Végül az így kapott mátrix 2. sorához
hozzáadtuk az 1. sor 4-szeresét.
16
Lineáris algebra MEMOOC
A helyzet kicsit aggasztóbb, mint előbb, ugyanis most az utolsó egyenlet nem szolgáltat
egyértelmű megoldást. Ennek oka az, hogy két ismeretlent is tartalmaz. Azonban, ha az egyik
ismeretlennek adunk egy tetszőleges értéket, akkor másik értéke már egyértelműen
megkapható. Tegyük meg ezt általánosan: legyen 𝑥3 = 𝑢, ahol u tetszőleges valós szám. Ekkor
a 2. egyenletből
A megoldáshalmaz tehát
mely végtelen sok elemből áll. Konkrét megoldást úgy kaphatunk, ha u-nak konkrét értéket
adunk. Például, ha 𝑢 = 0, akkor a (7,8,0) megoldást kapjuk, melynek helyességéről az olvasó
az eredeti egyenletrendszerbe való behelyettesítéssel könnyen meggyőződhet.
Tekintsük például a
17
Lineáris algebra MEMOOC
Általában is igaz: ha a kibővített mátrix lépcsős alakjában van olyan sor, melyben az utolsó
elem 𝑎 ≠ 0, de az összes többi elem 0, akkor ahhoz a 0 = 𝑎 egyenlet tartozik, ami nyilván
ellentmondás. Így tehát a lépcsős alakhoz tartozó lineáris egyenletrendszer nem oldható meg,
és nyilván a vele ekvivalens eredeti sem.
Összefoglalva tehát: egy lineáris egyenletrendszer pontosan akkor oldható meg, ha kibővített
mátrixának lépcsős alakjában nincs olyan sor, melynek csak az utolsó eleme nem nulla.
18
Lineáris algebra MEMOOC
Egy vektortér adott véges sok vektorát lineárisan függetleneknek, vagy röviden csak
függetleneknek mondjuk, ha azok lineáris kombinációjaként a zérusvektor csak úgy állítható
elő, hogy minden együttható nulla. Egyébként a vektorokat lineárisan függőknek, röviden
függőknek mondjuk.
Végtelen sok vektort tartalmazó vektorrendszerre akkor mondjuk, hogy lineárisan független,
ha annak bármely véges alrendszere lineárisan független, azaz közülük bárhogyan is
választunk ki véges sok vektort, azok lineárisan függetlenek lesznek.
Az ℝ2 vektortérben viszont az (1,1), (2,3) é𝑠 (0, −1) vektorok lineárisan függők, mivel
19
Lineáris algebra MEMOOC
lineárisan függő, ha egyik a másiknak skalárszorosa. (Vigyázat! Egy 2-nél több vektort
tartalmazó vektorrendszer már lehet úgy is függő, hogy egyik vektora sem skalárszorosa
semelyik másiknak!) Az eddigi példáink között szereplő vektorterekben tehát bármely 1,
illetve 2 vektorból álló vektorrendszerről ránézésre el tudjuk dönteni, hogy az függő-e vagy
sem.
Egy vektortér egy legalább két vektort tartalmazó vektorrendszere pontosan akkor
lineárisan függő, ha van benne olyan vektor, amely felírható a többi lineáris
kombinációjaként.
20
Lineáris algebra MEMOOC
BÁZIS
Egy korábbi leckében beláttuk, hogy az 𝐿 = {(𝑎, 𝑏, 𝑎 + 𝑏): 𝑎, 𝑏 ∈ 𝑅} halmaz altere ℝ3 -nak.
Keressünk bázist ebben az altérben!
Első lépésben az általános alakban vett (𝑎, 𝑏, 𝑎 + 𝑏) vektort próbáljuk felírni olyan vektorok
összegeként, melyek már csak az egyik paramétert tartalmazzák:
Ebből látszik, hogy L minden vektora felírható az (1,0,1) és a (0,1,1) vektorok lineáris
kombinációjaként, tehát a két vektor generátorrendszerét alkotja L-nek. Bármely korábban
látott alkalmas technikával igazolható, hogy ez a vektorrendszer lineárisan független (például
egyik vektor sem skalárszorosa a másiknak), és ekkor bázis.
Tudjuk, hogy a bázis generátorrendszer is egyben, így a tér minden vektora felírható a bázis
vektorainak lineáris kombinációjaként. A lineáris függetlenség ehhez annyit tesz hozzá, hogy
ez a felírás csak egyféleképpen történhet.
Ismert továbbá, hogy végesen generált vektortérben minden bázis egyenlő számosságú. Egy
végesen generált 𝑽 vektortér bázisainak közös számosságát a vektortér dimenziójának
nevezzük. Jele: 𝒅𝒊𝒎𝑽.
22
Lineáris algebra MEMOOC
Ha egy vektortér nem végesen generált, akkor azt mondjuk, hogy a vektortér dimenziója
végtelen. Például 𝑑𝑖𝑚ℝ[𝑥] = ∞.
Legyen 𝑎1 , 𝑎2 , … , 𝑎𝑛 a V vektortér egy bázisa. Most szükségünk lesz arra a feltevésre, hogy a
bázisvektorok sorrendje rögzített, ezért az n darab bázisvektort egy rendezett elem n-es
komponenseinek tekintjük, és a bázist ennek megfelelően (𝑎1 , 𝑎2 , … , 𝑎𝑛 )-nel jelöljük. Ha 𝑎 ∈
𝑉, akkor azon 𝜆1 , 𝜆2 , … , 𝜆𝑛 skalárokat, melyekre 𝑎 = 𝜆1 𝑎1 + 𝜆2 𝑎2 + ⋯ + 𝜆𝑛 𝑎𝑛 , az a vektor
(𝑎1 , 𝑎2 , … , 𝑎𝑛 ) bázisra vonatkozó koordinátáinak nevezzük.
𝑓2 = (2,1, −3)
𝑓3 = (3,2, −5),
23
Lineáris algebra MEMOOC
Az 𝑎 vektor koordinátái az F bázisra vonatkozóan tehát (1,1,1) a 𝑏 vektoré pedig (1,1, −1).
24
Lineáris algebra MEMOOC
VEKTORRENDSZER RANGJA
Nem nehéz bizonyítani, hogy ha egy vektorrendszer vektoraihoz hozzáveszünk egy olyan
vektort, amely előáll a vektorrendszer vektorainak lineáris kombinációjaként, akkor a
vektorrendszer rangja nem változik.
Korábban gyakran előfordult, hogy egy mátrix soraiba vagy oszlopaiba 𝑇 𝑛 -beli vektorokat
írtunk. Ez a gondolat meg is fordítható: világos, hogy egy T test feletti 𝑚 × 𝑛 típusú mátrix
sorait tekinthetjük úgy, mint 𝑇 𝑛 -beli vektorokat (ezeket a mátrix sorvektorainak nevezzük),
oszlopait pedig mint 𝑇 𝑚 vektorait (ezek a mátrix oszlopvektorai). Egy mátrix rangján a
sorvektor-rendszere rangját értjük.
Miért pont a sorokat tüntettük ki? A következő tétel szerint ennek nincs jelentősége.
• Az A mátrix rangja 𝑟.
• Az A mátrix oszlopvektor-rendszerének rangja 𝑟.
• Az A mátrixnak van 𝑟-ed rendű nemnulla aldeterminánsa, de nincs 𝑟 + 1 −ed rendű
nemnulla aldeterminánsa.
A definícióból és a Rangszámtételből következik, hogy egy mátrix rangja nem lehet nagyobb
sem a sorainak, sem az oszlopainak a számánál. Egy 3 × 5 típusú mátrix rangja tehát legfeljebb
3, vagy általában: egy 𝑚 × 𝑛 típusú mátrix rangja legfeljebb 𝑚𝑖𝑛{𝑚, 𝑛}.
25
Lineáris algebra MEMOOC
Miért is van ez így? Legyen a végül kapott lépcsős alakú mátrix 𝐿, és legyen ebben a nemnulla
sorok száma 𝑟. Tekintsük 𝐿 nemnulla sorait, és ezen sorok vezető elemeit tartalmazó oszlopait!
Ezen sorok és oszlopok metszéspontjain keletkező mátrix felső háromszög alakú, a főátlójában
lévő elemek egyike sem 0, így a determinánsa sem 0. Az 𝐿 mátrixnak tehát van r-ed rendű
nemnulla aldeterminánsa. Az összes nagyobb rendű aldeterminánshoz már valamely csupa
nulla elemeket tartalmazó sort is ki kellene jelölni, ami egyből garantálja, hogy ez az
aldetermináns 0. Az 𝐿 mátrix rangja tehát 𝑟. Már csak az a kérdés, hogy az 𝐿 mátrix rangja
megegyezik-e az eredeti mátrix rangjával. Természetesen igen, hiszen a lépcsős alakra
hozáshoz csupán elemi sorátalakításokat végzünk, és ezen átalakítások következtében minden
aldetermináns csak nemnulla konstansszorosára változhat, így amelyik 0 volt, az az is marad,
amelyik nem volt 0, az az átalakítások után sem lesz az.
26
Lineáris algebra MEMOOC
27
Lineáris algebra MEMOOC
LINEÁRIS EGYENLETRENDSZEREK
Tekintsük az
Világos, hogy az alapmátrix rangja nem lehet nagyobb, mint 𝑛, mely az ismeretlenek száma,
hiszen az alapmátrixnak ennyi oszlopa van. Ha az alapmátrix rangja éppen 𝑛, akkor az
28
Lineáris algebra MEMOOC
Most tegyük fel, hogy az egyenletrendszer megoldható, de alapmátrixának rangja kisebb, mint
az ismeretlenek száma. Ekkor az 𝑎1 , 𝑎2 , … , 𝑎𝑛 vektorok lineárisan függők, azaz vannak olyan
𝛽1 , 𝛽2 , … , 𝛽𝑛 skalárok, melyek nem mindegyike nulla, hogy
és így
29
Lineáris algebra MEMOOC
Most oldjuk meg a fenti példában szereplő homogén lineáris egyenletrendszert a valós számok
teste felett, Gauss-eliminációval! Az alapmátrix és annak lépcsős alakja:
Mivel a 2. egyenlet két ismeretlent tartalmaz, az egyik értéke szabadon megválasztható: legyen
𝑥3 = 𝑢, ahol 𝑢 tetszőleges valós szám. A 2. egyenletből ekkor 𝑥2 = −2𝑢 adódik, majd az 1.
egyenletből
30
Lineáris algebra MEMOOC
A megoldástér tehát
A (−2𝑢, −2𝑢, 𝑢) általános megoldásból u-t kiemelve 𝑢 ⋅ (−2, −2,1) adódik, melyből látszik,
hogy a megoldások pontosan a (−2, −2,1) vektor skalárszorosai (lineáris kombinációi). A
megoldástér tehát 1-dimenziós altere ℝ3 -nak, melynek egy bázisa a (−2, −2,1) vektor.
lineáris egyenletrendszert oldottuk meg. Azt kaptuk, hogy ennek végtelen sok megoldása van,
és mint konkrét megoldást, a (7,8,10) vektort találtuk meg. Könnyű utánajárni, hogy ha ehhez
a vektorhoz a homogén változat megoldásterének bármely vektorát hozzáadjuk, szintén
megoldást kapunk. Sőt, az összes megoldást megkaphatjuk így. Általában is igaz a következő:
31
Lineáris algebra MEMOOC
32
Lineáris algebra MEMOOC
• Az azonosan nulla leképezés bármely két, ugyanazon test feletti vektortér között lineáris
leképezés, azaz a 𝜑: 𝑉1 → 𝑉2 , 𝜑(𝑥) = 0 leképezés lineáris.
• A 𝑇 feletti polinomok vektorterén az a leképezés, amely minden polinomhoz
hozzárendeli a deriváltját, lineáris. Itt az additív és homogén tulajdonságok teljesülését
33
Lineáris algebra MEMOOC
és
𝜑(𝑎, 𝑏) + 𝜑(𝑐, 𝑑) = (𝑎 + 𝑏) + (𝑐 + 𝑑) = 𝑎 + 𝑏 + 𝑐 + 𝑑,
34
Lineáris algebra MEMOOC
A tétel állítása gyakorlatilag az, hogy egy lineáris leképezés megadható úgy, hogy
kiválasztunk egy bázist a 𝑉1 térben, és minden bázisvektorhoz megmondjuk, hogy 𝑉2 mely
vektora legyen a képe. A tétel szerint hibázni nem tudunk, ugyanis 𝑉1 bázisának 𝑉2 bármelyik
vektorrendszere lehet képe, tehát bármit is mondunk, lesz olyan leképezés!
35
Lineáris algebra MEMOOC
Megoldás gyanánt azt mutatjuk meg, hogyan adható meg ℝ3 egy tetszőleges vektorának a φ
általi képe. Tekintsük például a 𝑏 = (−2,6,2) vektort, és határozzuk meg 𝜑(𝑏)-t!
Első lépésben kifejezzük 𝑏-t az 𝑎1 , 𝑎2 , 𝑎3 vektorok lineáris kombinációjaként. Mint azt már
tudjuk, az együtthatók azon lineáris egyenletrendszer megoldásaként állíthatók elő, melynek
kibővített mátrixa
Elvégezve a visszahelyettesítést:
majd
végül
36
Lineáris algebra MEMOOC
kifejezés kiszámítható:
Világos, hogy ezzel a módszerrel bármely ℝ3 -beli vektor képe megadható. Sőt, aki érez
magában elég bátorságot, a −2,6,2 koordináták helyébe 𝑥, 𝑦, 𝑧-t írva, és ezekkel, mint
paraméterekkel számolva megkaphatja a hozzárendelési szabályt leíró képletet is!
37
Lineáris algebra MEMOOC
Legyen 𝜑: 𝑉1 → 𝑉2 egy lineáris leképezés. Mint azt már említettük, 𝑉1 bármely alterének
𝜑 általi képe 𝑉2 valamely altere lesz. Természetesen ez magára 𝑉1 -re is igaz: a 𝜑(𝑉1 ) halmaz
altere a 𝑉2 vektortérnek, melyet 𝜑 képterének nevezünk. Természetesen a képtér akár lehet
maga a 𝑉2 is, ekkor a leképezést szürjektívnek mondjuk. Ez a fogalom remélhetőleg ismerősen
cseng a Kalkulus tanulmányainkból.
38
Lineáris algebra MEMOOC
Keressünk bázist a (2,1,1), (−1, −2,1), (−1,1, −2) vektorok által generált altérben! Ehhez
írjuk a vektorokat egy mátrix soraiba, majd hozzuk a mátrixot lépcsős alakra:
Látható, hogy csak az első két sorban maradt nullától különböző elem, így a képtér egy bázisa
a (2,1,1), (−1, −2,1) vektorrendszer, hiszen (még annak ellenére is, hogy az első lépésbe sort
cseréltünk) ez a két vektor volt a mátrix első két sorában.
A fenti megjegyzés szerint egy lineáris leképezés magja sosem üres halmaz. Most
megmutatjuk, hogy 𝜑 magja nemcsak részhalmaza, hanem altere 𝑉1 -nek.
39
Lineáris algebra MEMOOC
skalárra 𝜑(𝜆𝑎) = 𝜆𝜑(𝑎) = 𝜆0 = 0. 𝑘𝑒𝑟𝜑 tehát zárt a vektorok összeadására és skalárral való
szorzására nézve, így az altérkritérium szerint valóban altér 𝑉1 -ben.
40
Lineáris algebra MEMOOC
Kalkulus tanulmányainkból még remélhetőleg emlékszünk arra, hogy egy leképezést akkor
nevezünk injektívnek, ha különböző elemekhez különböző elemeket rendel. Ilyen például
valós számok halmazán értelmezett 2-vel való szorzás, hiszen különböző számok kétszerese
is különböző. A négyzetre emelés viszont nem ilyen: például a −2 és 2 különböző valós
számoknak a négyzete ugyanaz.
Világos, hogy ha egy lineáris leképezés injektív, akkor magja csak a nullvektort tartalmazza,
hiszen, ha valamely nullától különböző vektornak is a nullvektor lenne a képe, az
ellentmondana az injektivitásnak. Az állítás fordítva is igaz: ha a mag csak a nullvektort
tartalmazza, akkor a leképezés injektív.
Az injektív lineáris leképezések jelentősége abban rejlik, hogy azok lineárisan független
vektorrendszerhez lineárisan független vektorrendszert rendelnek. Mint az
alaptulajdonsságoknál láttuk, lineáris leképezés az értelmezési tartomány
generátorrendszerhez a képtér egy generátorrendszerét rendeli, az injektív lineáris leképezések
tehát lineárisan független generátorrendszerhez lineárisan független generátorrendszert, vagy
ha úgy tetszik, az értelmezési tartomány bázisához a képtér egy bázisát rendeli.
41
Lineáris algebra MEMOOC
Az alábbi állítás azt mutatja, hogy a képtér és a magtér egymásnak egyfajta kiegészítése. Ez
elsőre kicsit furcsán hangozhat, hiszen a képtér a 𝑉2 , míg a magtér a 𝑉1 térnek altere. Az állítás
azonban az, hogy a képtér és a magtér dimenzióinak összege mindig az értelmezési tartomány
dimenziójával egyenlő.
42
Lineáris algebra MEMOOC
IZOMORF VEKTORTEREK
Tekintsünk a legfeljebb 3-ad fokú, valós együtthatós polinomok 𝑉 vektorterét. Ekkor minden
Ez a 𝜑: 𝑉 → ℝ4 leképezés
egy szóval kifejezve: bijektív. Azt is könnyű belátni, hogy 𝜑 lineáris leképezés.
A bevezető példánkban azt mutattuk meg, hogy a legfeljebb 3-ad fokú valós együtthatójú
polinomok vetortere és ℝ4 izomorfak. Általában is igaz, hogy a legfeljebb 𝑛 − 𝑒𝑑 fokú 𝑇 test
feletti polinomok vetortere izomorf a 𝑇 𝑛+1 vektortérrel.
43
Lineáris algebra MEMOOC
Az általánosítás útján tovább merészkedve azt sem nehéz belátni, hogy minden 𝑛-dimenziós
𝑇 feletti 𝑉 vektortér izomorf 𝑇 𝑛 -nel. A köztük lévő izomorfizmust is könnyű megadni:
rögzítsünk egy bázist V-ben, és rendeljük minden vektorhoz hozzá ezen bázisra vonatkozó
koordinátáit. Ez a hozzárendelés nyilván injektív és lineáris. Mivel 𝑇 𝑛 minden eleme
koordinátasora lesz valamely 𝑉-beli vektornak, ezért a hozzárendelés szürjektivitása is fennáll.
44
Lineáris algebra MEMOOC
A következő tétel rávilágít a lineáris leképezések mátrixának hasznára: egy bázispár rögzítése
után egy koordinátákkal adott vektor lineáris leképezés általi képének koordinátái
megkaphatók a lineáris leképezés mátrixának a vektor koordinátáit tartalmazó
oszlopmátrixszal való szorzásával. Ugyanez formálisan:
45
Lineáris algebra MEMOOC
Visszatérve az előző példához, az M mátrix segítségével tehát egy tetszőleges (𝑥1 , 𝑥2 ) vektor
képe megkapható úgy, hogy az M mátrixot megszorozzuk (jobbról) az
ami azt jelenti, hogy 𝜑 az (𝑥1 , 𝑥2 ) vektort az (𝑥1 − 𝑥2 , 𝑥1 + 𝑥2 , 2 ∙ 𝑥1 ) vektorba viszi. Nézzük
csak meg, mi volt 𝜑 definíciója...
Jelölje ℎ𝑜𝑚(𝑉1 , 𝑉2 ) az összes 𝑉1 -ről 𝑉2 -be ható lineáris leképezések halmazát, ahol 𝑉1 és 𝑉2
ugyanazon 𝑇 test feletti vektorterek. Definiáljuk ezen a halmazon az összeadást és skalárral
való szorzást a következőképpen: ha 𝜑, 𝜓 ∈ ℎ𝑜𝑚(𝑉1 , 𝑉2 ) é𝑠 𝜆 ∈ 𝑇, akkor legyen
vonatkozó mátrixát, egy lineáris leképezés. Világos, hogy különböző lineáris leképezések
mátrixa is különböző. Továbbá bármely 𝑛 × 𝑚 típusú M mátrixnak van pontosan egy ősképe,
hiszen a mátrix oszlopai, mint B-re vonatkozó koordináta-oszlopok, definiálnak m darab
vektort a 𝑉2 térben, és a Lineáris leképezések alaptétele szerint pontosan egy olyan 𝜑 lineáris
leképezés létezik, amely az A bázis elemeihez rendre ezeket a vektorokat rendeli. Nyilván az
M mátrix pontosan ennek a φ leképezésnek lesz a mátrixa. Igazoltuk, hogy a Φ lineáris
leképezés egyszerre injektív és szürjektív, vagyis izomorfizmus, tehát a ℎ𝑜𝑚(𝑉1 , 𝑉2 ) és az
𝑀𝑚×𝑛 (𝑇) vektorterek izomorfak. Következésképpen, egy lineáris leképezés helyett
dolgozhatunk annak mátrixával, ami mind elméletben, mind gyakorlatban hasznosnak
bizonyul.
A fent elmondottakból
is következik.
47
Lineáris algebra MEMOOC
LINEÁRIS TRANSZFORMÁCIÓK
Például az identikus leképezés (minden vektor képe önmaga), az azonosan nulla leképezés,
illetve a 𝜑: 𝑉 → 𝑉, 𝜑(𝑎) = 𝜆𝑎, ahol 𝜆 adott skalár, lineáris transzformációk. Ez utóbbit
neveztük 𝜆-nyújtásnak.
A dimenziótétel egyszerű következménye, hogy egy végesen generált vektortéren ható lineáris
transzformáció pontosan akkor injektív, ha szürjektív. Az állítás végtelen dimenzióban már
nem igaz. Például a valós együtthatós polinomok vektorterén ható 𝜑(𝑓(𝑥)) = 𝑥 ∙ 𝑓(𝑥)
leképezés egy olyan lineáris transzformáció, amely injektív, de nem szürjektív.
48
Lineáris algebra MEMOOC
49
Lineáris algebra MEMOOC
Most felírjuk 𝜑 mátrixát ℝ2 természetes bázisára vonatkozóan. Ehhez meg kell határoznunk a
bázisvektorok képeinek koordinátáit. Az 𝑒1 = (1,0) vektor forgatás utáni képét jelölje 𝑒1′ . Az
ábrát követve, 𝑒1′ koordinátái 𝑎 é𝑠 𝑏, melyek éppen egy egységnyi átfogójú derékszögű
háromszög befogóinak hosszai, ezért 𝑎 = 𝑐𝑜𝑠𝛼 é𝑠 𝑏 = 𝑠𝑖𝑛𝛼. Hasonlóan kapjuk, hogy az 𝑒2 =
(1,0) vektor képének koordinátái rendre −sinα és cosα. A 𝜑 természetes bázisra vonatkozó
mátrixa ekkor úgy állítható elő, hogy első oszlopába beírjuk az 𝑒1′ , második oszlopába pedig
az 𝑒2′ koordinátáit:
bármely pont elforgatás utáni képének koordinátái megkaphatók úgy, hogy az 𝑀 mátrixot
szorozzuk a pont koordinátáit tartalmazó 2 × 1 típusú mátrixszal. Például az (1,3) pont képe a
Legyen újra 𝑉 egy 𝑇 test feletti vektortér. Mint korábban láttuk, ℎ𝑜𝑚(𝑉, 𝑉), melyet ezentúl
egyszerűen csak ℎ𝑜𝑚(𝑉)-vel jelölünk, vektortér a 𝑇 test felett. Sőt, ennél még kicsivel több is
igaz. Könnyű belátni, hogy bármely 𝜑 é𝑠 𝜓 𝑉-n ható lineáris transzformációk esetén a 𝜑 ∘ 𝜓
kompozíció is 𝑉-n ható lineáris transzformáció. Továbbá, ha 𝜑 é𝑠 𝜓 mátrixai a 𝐵 =
(𝑏1 , 𝑏2 , … , 𝑏𝑛 ) bázisra vonatkozóan 𝑀 é𝑠 𝑁, akkor 𝜑 ∘ 𝜓 mátrixa 𝑀 ⋅N. Mindezek alapján
elmondható, hogy ha a ℎ𝑜𝑚(𝑉) vektortérben a vektorok szorzatán a leképezések
kompozícióját értjük, akkor a fent tárgyalt 𝛷 leképezés a szorzást is megőrzi.
50
Lineáris algebra MEMOOC
Jelölje 𝜑 mátrixát az A bázisra vonatkozóan 𝑆. Ekkor 𝑆 olyan 𝑛 × 𝑛 típusú 𝑇 test feletti mátrix,
melynek 𝑗 −edik oszlopában a 𝜑(𝑎𝑗 ) = 𝑏𝑗 vektor A bázisra vonatkozó koordináta-oszlopa
szerepel. Ezt az 𝑆 mátrixot nevezzük az 𝐴-ról 𝐵 −re történő bázisátmenet mátrixának. Mivel
𝜑 bijektív leképezés, így 𝑆 invertálható, és az inverze nyilván a fordított, 𝐵-ről 𝐴-ra történő
bázisátmenet mátrixa.
Például ha
51
Lineáris algebra MEMOOC
Mire jó nekünk az 𝑆 mátrix? Ha adottak egy vektor A bázisra vonatkozó koordinátái mondjuk,
mint az 𝑋 oszlopmátrix elemei, akkor ugyanezen vektor 𝐵 bázisra vonatkozó koordinátái
megkaphatók az 𝑆 −1 𝑋 oszlopmátrix elemeiként. Ehhez persze ki kell számolnunk az 𝑆 mátrix
inverzét, melyet az 𝐴 − 𝑟ó𝑙 𝐵-re történő bázisátmenethez tartozó koordináta-transzformáció
mátrixának is szokás nevezni. Nyilván ez csak akkor éri meg, ha több vektornak is tudni
akarjuk az új bázisra vonatkozó koordinátáit.
Végül megadjuk, hogy báziscsere után hogyan változik egy lineáris transzformáció mátrixa:
ha a 𝜑 lineáris transzformáció A bázisra vonatkozó mátrixa 𝑀, akkor a 𝐵 bázisra vonatkozó
mátrixa 𝑆 −1 𝑀𝑆.
Azt mondjuk, hogy az 𝐴 é𝑠 𝐵 𝑛 × 𝑛 típusú 𝑇 test feletti mátrixok hasonlók, ha van olyan
𝑆 szintén 𝑛 × 𝑛 típusú T feletti mátrix, hogy 𝐵 = 𝑆 −1 𝐴𝑆. A hasonló mátrixok tehát
tekinthetők, mint ugyanazon lineáris transzformációk különböző bázisokra vonatkozó
mátrixai. Igazolható, hogy hasonló mátrixok determinánsai és rangjai is egyenlők.
52