1.

Vektorterek
Vektortér
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.

Altér
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
a + b ∈ W, αa ∈ W, tehát W zárt a vektorok összeadására és tetszőleges
skalárral való szorzásra.

Lineáris kombináció
2.1. Definíció. Adott a V vektortér a T test felett, a1 , . . . , ak ∈ V és
legyenek α1 , . . . , αk ∈ T. Ekkor az α1 a1 + α2 a2 + · · · + αk ak vektort az
a1 , . . . , ak vektorok lineáris kombinációjának nevezzük.
A nullvektor tetszőleges a1 , . . . , ak vektorokból előáll ún. triviális lineáris
kombinációként: 0 = 0a1 + · · · + 0ak .

.
Generátorrendszer, lineárisan független vektorrendszer, bázis
2.5. Definíció. Legyen V vektortér. Az a1 , . . . , ak ∈ V vektorrendszert
1. generátorrendszernek nevezzük, ha V minden eleme legalább egyfélekép-
pen lineárisan kombinálható belőlük,
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.

Lineárisan függő vektorrendszer jellemzése

2.10. Tétel. Egy a1 , . . . , ak ∈ V vektorrendszer akkor és csak akkor lineárisan
függő, ha belőlük a zérusvektor nem triviális lineáris kombinációval is előál-
lítható, azaz léteznek α1 , . . . , αk nem mind nulla skalárok úgy, hogy 0 =
α 1 a1 + · · · + α k a k

Vektortér dimenziója
2.20. Definíció. Egy vektortér bázisainak közös számosságát a vektortér
dimenziójának nevezzük.

Alterek dimenzió tétele

2.27. Tétel. Legyen V1 , V2 a V vektortér két altere. Ekkor 2
dim(V1 ∩ V2 ) + dim(V1 + V2 ) = dim V1 + dim V
 1. Mátrixok
Mátrix
1.1. Definíció. Legyen k, n ∈ N, aij ∈ T, i = 1, . . . , k, j = 1, . . . , n. Ha
az aij számokat k sorban és n oszlopban rendezzük el, akkor az így kapott
számtáblázatot k × n típusú mátrixnak nevezzük:
 
a11 a12 . . . a1n
a21 a22 . . . a2n 
 
 .. .. .. ..  .
 . . . . 
ak1 ak2 . . . akn
A mátrixokra az alábbi jelöléseket használjuk: A, B, . . . ; (aij ), (bij ), . . . , ahol
i a sorindex, j az oszlopindex. Az A mátrix egy általános elemét aij -vel vagy
(A)ij -vel jelöljük. A k × n típusú mátrixok halmazát Mk×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.

Mátrixművelet (mátrixok szorzata)

1.19. Tétel. Ha A ∈ Mk×n , B, C ∈ Mn×m , továbbá D ∈ Mm×l, akkor
teljesülnek az alábbi egyenlőségek:
1. A[B + C] = AB + AC,
2. A[BD] = [AB]D,
3. A[αB] = α[AB].
Mátrixművelet (mátrixok szorzata)
1.21. Tétel. Legyenek A, B összeszorozható mátrixok. Ekkor

(AB)T = B T AT .
¤
Mátrix inverze
1.22. Definíció. Legyen A ∈ Mn×n kvadratikus mátrix. Ha létezik olyan
B ∈ Mn×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 .

¤
Mátrixművelet
1.24. Tétel. Ha az A1 , . . . , Ak ∈ Mn×n mátrixok invertálhatóak, akkor a
szorzatuknak is létezik inverze, és
(A1 A2 . . . Ak )−1 = A−1 −1 −1
k . . . A2 A1 .

Mátrixművelet
1.25. Tétel. Invertálható mátrixok esetén az inverzképzés és a transzponálás
sorrendje felcserélhető: (AT )−1 = (A−1 )T .
Elemi sor (oszlop) átalakítások
1.26. Definíció. Az alábbi mátrixátalakításokat (műveleteket) elemi sor
(oszlop) átalakításoknak nevezzük:
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.

Sorekcicalens (oszlopekvivalens) mátrixok

1.27. Definíció. Két mátrixot sorekvivalensnek (oszlopekvivalensnek) ne-
vezünk, ha egyik a másikból véges sok elemi sor átalakítással (oszlop áta-
lakítással) előállítható.

Lépcsős mátrix
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, mint
az elsőben.
 
1 1 1 3 4 5 5
0 0 2 3 5 8 3 
Az A =  0 0 0 3 4 3 4 mátrix lépcsős alakú.


0 0 0 0 0 0 0

Elemi Mátrix
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:
 
0 1 0
1. sorcserével: 1 0 0 ,
0 0 1
 
3 0 0
2. sor szorozva skalárral: 0 1 0 ,
0 0 1
 
1 0 0
3. sorhoz hozzáadva másik sor skalárszorosát: 2 1 0 .
0 0 1

Mátrrix inverzére vonatkozó tétel

1.44. Tétel. Egy kvadratikus mátrix akkor és csak akkor invertálható, ha
sorekvivalens az egységmátrixszal.
Mátrix inverzére vonatkozó
1.46. Következmény. Gauss-féle szimultán elimináció. Ha az A ∈ Mn×n
átalakítható az egységmátrixszá, akkor ugyanezen átalakításokkal E-ből A −1 -
et kapjuk.

Determináns
2.2. Definíció. Az A ∈ Mn×n mátrix minden sorából és oszlopából vá-
lasszunk ki pontosan egy elemet, tehát összesen n darab elemet. Az első
oszlopból kiválasztott elemet jelölje ai1 1 ,. . . , az n-edik oszlopból kiválasz-
tott elemet pedig ain n . 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
számot nevezzük:
X
det A = (−1)I ai1 1 . . . ain n ,
(i1 ,...,in )∈Pn
µ ¶
1 ... n
ahol I az permutációban az inverziók száma. Az összegzés
i1 . . . in
az (1, . . . , n) elemek összes (i1 , . . . , in ) permutációjára kiterjed. A determi-
nánsra használatos még az |A| és a |a1 , . . . , an | jelölés is, ahol ai a mátrix
i-edik oszlop vektorát jelöli.

Mátrix determinánsának tulajdonságai

2.4. Tétel. Legyen A ∈ Mn×n . Ekkor a determináns rendelkezik az alábbi
tulajdonságokkal:
1. |A| = |AT |,
2. ha A tartalmaz csupa 0 sort, akkor |A| = 0,
3. sor vagy oszlopcsere esetén a determináns előjelet vált:
|a1 , . . . , ai , . . . , aj , . . . , an | = −|a1 , . . . , aj , . . . , ai , . . . , an |,
4. ha két sor vagy két oszlop megegyezik, akkor a determináns nulla:
|a1 , . . . , a, . . . , a, .., an | = 0,
5. ha egy sort skalárral szorzok, a skalár kiemelhető:
|a1 , . . . , λai , . . . , an | = λ|a1 , . . . , an |,
6. ha két sor vagy oszlop lineárisan függő, akkor a determináns nulla:
|a1 , . . . , ai , . . . , λai , .., an | = 0,
7. ha egy oszlopvektort (sorvektort) két vektor összegére bontjuk, akkor a
determináns is szétbontható:

|a1 , . . . , ai + ai , . . . , an | = |a1 , . . . , an | + |a1 , . . . , ai , . . . , an |,

8. a determináns értéke nem változik, ha egy sor- (vagy oszlop)vektorának

skalárszorosát hozzáadjuk egy másik sorához (vagy oszlopához):

|a1 , . . . , ai , . . . , aj , .., an | = |a1 , . . . , ai , . . . , aj + λai , .., an |,

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 6= 0, akkor A oszlopvektorai lineárisan függetlenek.
Determináns
2.5. Definíció. Legyen A ∈ Mn×n , A = (a1 , . . . , an ). Determináns füg-
gvénynek nevezzük a det : Mn×n → R leképezést, ha rendelkezik az alábbi
tulajdonságokkal:
1. oszlopvektoraiban additív:
det(a1 + a1 , . . . , an ) = det(a1 , . . . , an ) + det(a1 , . . . , an ),
2. oszlopvektoraiban homogén: det(λa1 , . . . , an ) = λ det(a1 , . . . , an ),
3. alternáló tulajdonságú (más szóval antiszimmetrikus):
det(a1 , . . . , ai , . . . , aj , . . . an ) = − det(a1 , . . . , aj , . . . , ai , . . . , an ),
4. az egységmátrix determinánsa 1: det(e1 , . . . , en ) = 1,
ahol e1 = (1, 0, . . . , 0)T ; . . . ; en = (0, . . . , 0, 1)T .
Determináns, invertálhatóság és lineárisan függetlenség kapcsolata
2.8. Tétel. Ha egy mátrix oszlopvektorai lineárisan függetlenek, akkor a
determinánsa nem nulla.

2.9. Tétel (Determinánsok szorzás tétele). Mátrixok szorzatának de-

terminánsa egyenlő a tényező mátrixok determinánsának szorzatával:
|AB| = |A||B|
.

Determináns, invertálhatóság és lineárisan függetlenség kapcsolata

2.10. Tétel. Négyzetes mátrix akkor és csak akkor invertálható, ha deter-
minánsa nem nulla.

2.15. Tétel (Laplace-féle kifejtési tétel). Az A ∈ Mn×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 |Kk |, . . . , |Kk | és a hozzájuk tartozó al-
1 r
gebrai adjungált aldeterminánsokat pedig |Kk |∗ , . . . , |Kk |∗ . Ekkor
1 r
∗ ∗
|A| = |Kk ||Kk | + · · · + |Kk ||Kk | .
1 1 r r

Mátrix inverzének kiszámítása (aldeterminánsok segítségével)

2.20. Tétel. Egy A ∈ Mn×n mátrix B inverzének (ha létezik) bij elemét
kiszámíthatjuk az alábbi módon:
1
bij = |An−1 |∗ ,
|A| ji
ahol |An−1 |∗ az aji elemhez tartozó adjungált algebrai aldetermináns, vagy
ji
másképpen a transzponált mátrix (AT )ij eleméhez tartozó adjungált algebrai
aldetermináns.
 3. Mátrix rangja

Mátrix rangjára vonatkozó tétel (rend)

3.5. Tétel. Az A ∈ Mn×k mátrix rangja egyenlő egy maximális rendű,
zérustól különböző aldeterminánsának a rendjével.

4. Lineáris egyenletrendszerek

Lineáris egyenletrendszer megoldása és típusai

4.2. Definíció. A c = (c1 , . . . , cn ) szám n-est a (4.2) egyenletrendszer megol-
dásának 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 megoldha-
tónak nevezzük, ha nem létezik megoldása, akkor pedig ellentmondásosnak.
Ha az egyenletrendszernek pontosan egy megoldása van, akkor határozottnak
nevezzük, ha végtelen sok akkor határozatlannak.

Lináris egyenletrendszer megoldása és típusai

4.3. Definíció. Az Ax = b lineáris egyenletrendszert homogénnek nevezzük,
ha b = 0, ellenkező esetben pedig inhomogénnek.

Lináris egyenletrendszer megoldhatósága( 4.8, 4.11, 4.13)

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 a kibővített mátrixnak, amelynek csak az utolsó eleme nem nulla.

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(a1 , . . . , an ) = rg(a1 , . . . , an , b) vagy
másképpen rg(A) = rg(A|b).

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 (x1 , . . . , xn ) megoldást az
di
xi = (i = 1, . . . , n)
|A|
alakban kapjuk, ahol di azt az n×n-es mátrixhoz tarozó determinánst jelöli,
amelyet úgy kapunk, hogy az alapmátrix i-edik oszlopát kicseréljük a b osz-
loppal.
 Lineáris leképezések
1. Vektorterek lineáris leképezései
Vektorterek lineáris leképezése
1.1. Definíció. Legyen V1 , V2 vektortér a T test felett (itt T vagy az R vagy
a C számtestet jelöli). A ϕ : V1 −→ V2 leképezést lineárisnak nevezzük, ha
bármely x, y ∈ V1 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.

1.6. Tétel (Lineáris leképezések első alaptétele). Legyen ϕ : V1 −→ V2

lineáris leképezés és (a1 , . . . , an ) bázis V1 -ben. Ha a ψ : V1 −→ V2 lineáris
leképezés olyan, hogy ϕ(ai ) = ψ(ai ) (i = 1, . . . , n), akkor ϕ ≡ ψ, azaz
ϕ(x) = ψ(x) bármely x ∈ V1 esetén.

1.7. Tétel (Lineáris leképezések második alaptétele). Ha (a1 , . . . , an )

bázis V1 -ben és (u1 , . . . , un ) tetszőleges vektorrendszer V2 -ben, akkor egyér-
telműen létezik olyan ϕ : V1 −→ V2 lineáris leképezés, melyre
ϕ(ai ) = ui (i = 1, . . . , n).

Lineáris leképezés magtere

1.11. Definíció. Legyenek V1 , V2 véges dimenziós T feletti vektorterek és
ϕ : V1 −→ V2 lineáris leképezés. A
Ker ϕ = {v ∈ V1 | ϕ(v) = 0}
halmazt a leképezés magterének vagy nullterének nevezzük.

Lineáris leképezés képtere

1.13. Definíció. A ϕ : V1 −→ V2 lineáris leképezés képtere a
ϕ(V1 ) = {y ∈ V2 | ∃x ∈ V1 : ϕ(x) = y}
halmaz.

¤
Lineáris leképezés defektusa és rangja
1.15. Definíció. A ϕ : V1 −→ V2 lineáris leképezés magterének dimen-
zióját a leképezés defektusának nevezzük, a képterének dimenzióját pedig a
leképezés rangjának nevezzük. Jele: dim Ker ϕ = def ϕ, dim ϕ(V1 ) = rg ϕ.

Nullitás és rangtétel
1.18. Következmény (Nullitás és rangtétel). Legyenek V1 , V2 véges di-
menziós vektorterek a T test felett és ϕ : V1 −→ V2 lineáris leképezés. Ekkor
dim V1 = dim Ker ϕ + dim ϕ(V1 ),
vagyis dim V1 = def ϕ + rg ϕ.
 2. Bázis- és koordinátatranszformáció

Bázistranszformáció mátrixa
2.1. Definíció. Legyen V egy n-dimenziós vektortér, (a) = (a1 , . . . , an ) és
(b) = (b1 , . . . , bn ) pedig két bázis V -ben. Ezen két bázis közötti bázistransz-
formáció mátrixa az az S = (sij ) ∈ Mn×n mátrix, amelynek j-edik oszlopa
tartalmazza a bj vektor koordinátáit az (a) bázisban. Tehát, ha
 
s11 a1 + ... +sn1 an = b1 s11 . . . s1n
.. .. , akkor S =  .. .. ..  ,
. .  . . . 
s1n a1 + ... +snn an = bn sn1 . . . snn
n
X S
azaz bj = sij ai (j = 1, . . . , n). Jele: (a) −→ (b).
i=1

Koordinátatranszformáció: Bázistranszformáció és vektor koordinátái közti kapcsolat

2.3. Tétel. Legyenek (a) = (a1 , . . . , an ) és (b) = (b1 , . . . , bn ) bázisok a
S
V vektortéren és S a bázistranszformáció mátrixa: (a) −→ (b). Ha x ∈ V
felírása az (a) bázisban x = x1 a1 + · · · + xn an és a (b) bázisban x =
x1 b1 + · · · + xn bn , továbbá X és X jelöli az x vektor (a)-ra, illetve (b)-re
vonatkozó koordinátáinak oszlopvektorát:

   
x1 x1
X =  ...  , X =  ...  ,
   
xn xn

akkor

X = S −1 X.

3. Lineáris transzformációk

Lineáris transzformáció mátrixa

3.2. Definíció. Legyen (a) = (a1 , . . . , an ) a V vektortér bázisa. A ϕ :
V −→ V lineáris transzformáció mátrixa az (a) bázisra vonatkozóan az az
A ∈ Mn×n mátrix, amelynek j-edik oszlopában a ϕ(aj ) vektor (a) bázisbeli
P
koordinátái állnak. Tehát ha ϕ(aj ) = ni=1 aij ai (j = 1, . . . , n), azaz
 
a11 a1 + ... +an1 an = ϕ(a1 ) a11 . . . a1n
.. .. , akkor A =  .. .. ..  .
. .  . . . 
a1n a1 + ... +ann an = ϕ(an ) an1 . . . ann
Bázistranszformáció és lineáris transzformáció közötti kapcsolat
3.5. Tétel. Bázistranszformáció és lineáris transzformáció közötti kapcso-
lat. Legyenek (a) = (a1 , . . . , an ) és (b) = (b1 , . . . , bn ) bázisok a V vek-
S
tortéren, a bázistranszformáció mátrixa pedig S : (a) −→ (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.

Hasonló mátrixok
3.7. Definíció. Az A, B ∈ Mn×n mátrixokat hasonlónak nevezzük, ha létezik
6 0) mátrix, amelyre B = C −1 AC.
olyan C ∈ Mn×n reguláris (|C| =

Diagonalizálható mátrix
3.17. Definíció. Egy ϕ : V −→ V lineáris operátort (illetve mátrixát)
diagonalizálhatónak nevezünk, ha létezik olyan bázis V -ben, amelyre vonat-
kozóan ϕ mátrixa diagonális.

Lineáris operátor sajátvektora és sajátértéke

3.19. Definíció. A 0 6= 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.
Lineáris operátor invariáns altere
3.20. Definíció. A H ⊂ V alteret a ϕ : V −→ V lineáris operátor invariáns
alterének nevezzük, ha ϕ(H) ⊂ H , azaz bármely h ∈ H esetén ϕ(h) ∈ H.

Lineáris operátor mátrixának diagonalizálhatóságára vonatkozó tétel

3.22. Tétel. A ϕ : V −→ V lineáris operátor mátrixa akkor és csak akkor
diagonalizálható, ha V -ben létezik ϕ sajátvektoraiból álló bázis.

Sajátérték geometriai és algebrai multiplicitása (3.33)

3.24. Definíció. Legyen λ a ϕ : V −→ V lineáris transzformáció sajátértéke.
A Lλ altér dimenzióját a λ sajátérték geometriai multiplicitásának nevezzük.

Lineáris operátor karakterisztikus egyenlete és polinomja

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.
Sajátérték, sajátvektor meghatározása (3.30)
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:
    
a11 − λ a12 ... a1n x1 0
 a21
 a 22 − λ . . . a   x
2n   2 

0 
 
 .. .. .. ..   ..  =  ..  ,
 . . . .   .  .
an1 an2 ... ann − λ xn 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 egyenlet-
rendszernek a megoldástere éppen az Lλ altér, melynek a zérusvektor kivé-
telével minden vektora sajátvektor.)

Sajátérték geometriai és algebrai multiplicitása (3.24)

3.33. Definíció. Egy ϕ : V −→ V lineáris operátor λ sajátértékének algeb-
rai multiplicitásán azt a számot értjük, ahányszoros gyöke λ a karakterisz-
tikus egyenletnek.

Lineáris operátor spektruma

3.35. Definíció. Egy ϕ : V −→ V lineáris operátor spektruma a sajátértékei-
nek olyan sorozata, amelyben minden sajátérték annyiszor szerepel, amennyi
az algebrai multiplicitása.

Euklideszi és unitér terek

1. Lineáris, bilineáris és kvadratikus formák
Lineáris forma (1.2)
1.1. Definíció. Legyen V egy n-dimenziós vektortér az R test felett. Az
L : V → R lineáris leképezést lineáris formának vagy lineáris funkcionálnak
nevezzük.
1.2. Megjegyzés. Az L : V → R leképezés lineáris forma, ha
1. additív: ∀a, b ∈ V esetén L(a + b) = L(a) + L(b),
2. homogén: ∀a ∈ V és ∀λ ∈ R esetén L(λa) = λL(a).
 Bilineáris forma és mátrixa ill. rangja (1.12, 1.17) 
1.10. Definíció. A B : V ×V → R leképezést bilineáris formának nevezzük,
ha mindkét változójában lineáris: ∀x, y,z ∈ V és ∀α, β ∈ R esetén
1. B(αx + βy, z) = αB(x, z) + βB(y, z),
2. B(x, αy + βz) = αB(x, y) + βB(x, z).

1.12. Definíció. A B : V × V → R bilineáris forma mátrixa az (a) =

(a1 , . . . , an ) bázisra vonatkozóan a C = (cij ) mátrix, ahol cij = B(ai , aj ).
1.13. Tétel. Legyen a B : V × V → R bilineáris forma mátrixa az (a) =
(a1 , . . . , an ) bázisra vonatkozóan C és az x, y ∈ V vektorok lineáris kom-
binációként való előállítása az (a) bázisban x = x 1 a1 + · · · + xn an illetve
y = y1 a1 + · · · + yn an . Ha
   
x1 y1
 ..   .. 
X =  .  és Y =  .  ,
xn yn
akkor
B(x, y) = X T CY.

Bilineáris forma mátrixa új bázisba

1.15. Tétel. Legyenek (a) = (a1 , . . . , an ) és (b) = (b1 , . . . , bn ) bázisok V -
S
ben, és a bázistranszformáció mátrixa S : (a) → (b). Ha a B : V × V → R
bilineáris forma mátrixa az (a) bázisban A, a (b) bázisban C, akkor
C = S T AS.

Bilineáris forma rangja

1.17. Definíció. Egy bilineáris forma valamely bázisban vett mátrixának a
rangját a bilineáris forma rangjának nevezzük.
1.18. Definíció. Egy B : V × V → R bilineáris formát szimmetrikusnak
nevezzük, ha bármely x, y ∈ V esetén
B(x, y) = B(y, x).
Bilineáris forma szimetriája
1.19. Tétel. Egy B : V × V → R bilineáris forma akkor és csak akkor
szimmetrikus, ha tetszőleges bázisban vett mátrixa szimmetrikus.

2. Euklideszi terek
Euklédeszi tér (2.2)
2.1. Definíció. Az E véges dimenziós valós vektorteret Euklideszi térnek
nevezzük, ha E-n adott egy olyan szimmetrikus bilineáris forma, melyhez
tartozó kvadratikus forma pozitív definit. Ekkor a bilineáris formát E-n
definiált belső szorzásnak vagy skaláris szorzásnak nevezzük. Jele: (x, y).
2.2. Definíció. Legyen x ∈ E, ekkor x normáján vagy hosszán az
p
kxk = (x, x)
számot értjük.
 Euklédeszi téren értelmezett norma tulajdonságai
2.4. Tétel. Az E Euklideszi téren a norma teljesíti az alábbi tulajdonsá-
gokat: bármely x ∈ E vektor és λ ∈ R esetén:
1. kxk ≥ 0 ; kxk = 0 ⇐⇒ x = 0,
2. kλxk = |λ|kxk .

Euklédeszi térben két vektor szöge

2.8. Definíció. Legyen E Euklideszi tér. Az x, y ∈ E nemnulla vektorok ϕ
szögén a következőt értjük:
(x, y)
ϕ = arccos .
kxkkyk

2.10. Tétel (Cauchy-Swarz-Bunyakowszky egyenlőtlenség). Az E Eu-

klideszi vektortér tetszőleges x, y vektoraira teljesül, hogy
|(x, y)| ≤ kxkkyk.
Egyenlőség akkor és csak akkor áll fenn, ha x = µy valamely µ ∈ R esetén.

2.11. Tétel (Minkowski egyenlőtlenség vagy háromszög egyenlőtlen-

ség). Az E Euklideszi tér tetszőleges x, y vektoraira fennáll, hogy
kx + yk ≤ kxk + kyk
és
kx + yk = kxk + kyk ⇐⇒ ha létezik λ ≥ 0 : x = λy.

Euklédeszi térben két vektor távolsága

2.14. Definíció. Az E Euklideszi tér x és y vektorainak távolsága:
d(x, y) = kx − yk

Ortogonális ill., ortonormált vektorrendszer (2.20)

2.19. Definíció. Az (a1 , . . . , ak ) E-beli vektorrendszert ortogonálisnak ne-
vezzük, ha vektorai páronként merőlegesek egymásra, azaz a i ⊥aj , (i, j =
1, . . . , k) i 6= j.
2.20. Definíció. Az (e1 , . . . , ek ) ∈ E vektorrendszer ortonormált, ha vek-
torai páronként merőlegesek és normáltak: ei ⊥ej (i, j = 1, . . . , k) i 6= j,
kei k = 1 (i = 1, . . . , k). Másképpen (e i , ej ) = δij (i, j = 1, . . . , k).
2.21. Tétel (Pythagoras tétel). Legyen E Euklideszi vektortér. Az x, y ∈
E vektorok akkor és csak akkor merőlegesek egymásra, ha
kx + yk2 = kxk2 + kyk2 .
 2.24. Tétel (Gram-Schmidt-féle ortogonalizációs eljárás). Az E Eu-
klideszi tér tetszőleges (a) = (a 1 , . . . , an ) bázisához létezik olyan (e) =
(e1 , . . . , en ) ortonormált bázisa E-nek, hogy
L(a1 , . . . , ak ) = L(e1 , . . . , ek ) (k = 1, . . . , n).
Bizonyítás. Adunk egy gyakorlatban is jól használható eljárást az (e) bázis
megkonstruálására.
a
1. Legyen e1 = 1 , ekkor természetesen L(a 1 ) = L(e1 ) , és e1 normált
ka1 k
vektor.
2. Ha már létezik e1 , . . . , ek ortonormált rendszer, melyre L(a1 , . . . , ak ) =
L(e1 , . . . , ek ), akkor legyen az e0k+1 vektor a következő:
e0k+1 = ak+1 − (ak+1 , e1 )e1 − · · · − (ak+1 , ek )ek .
e0k+1
Ekkor ennek a vektornak a normáltja megfelelő lesz: ha ek+1 = ,
ke0k+1 k
akkor
(a) e1 , . . . , ek , ek+1 ortonormált rendszer, mert
(ek+1 , ei ) =
1 
(ak+1 , ei ) − (ak+1 , e1 ) (e1 , ei ) − · · · − (ak+1 , ei ) (ei , ei )
ke0k+1 k | {z } | {z }
0 1
 1

− · · · − (ak+1 , ek ) (ek , ei ) = (ak+1 , ei ) − (ak+1 , ei ) = 0,
| {z } ke0k+1 k
0
(b) L(a1 , . . . , ak+1 ) = L(e1 , . . . , ek+1 ), mert ek+1 -et az e1 , . . . , ek ,
ak+1 vektorok lineáris kombinációjaként állítottuk elő.

Altér ortogonális komplementere
.
2.34. Definíció. Legyen H egy altér az E Euklideszi térben. A H altér
ortogonális komplementerének nevezzük azon vektorok halmazát, amelyek
⊥
H minden vektorára merőlegesek. JeleH .

H ⊥ = {x ∈ E | x⊥h ∀h ∈ H}.

4. Euklideszi terek lineáris operátorai

Adjungált, ortogonális és önadjungált operátor (4.6, 4.17) 

4.3. Definíció. Legyen ϕ : E → E lineáris operátor az E Euklideszi téren.
A ϕ∗ : E → E lineáris operátort a ϕ adjungáltjának nevezzük, ha bármely
x, y ∈ E esetén
(ϕ(x), y) = (x, ϕ∗ (y)).
Önadjungált transz. jell. (4.7, 4.11)
4.4. Tétel. Az E Euklideszi tér tetszőleges ϕ : E → E lineáris operátorá-
nak egyértelműen létezik ϕ∗ adjungált operátora. Ha az E egy ortonormált
bázisában ϕ mátrixa A, akkor ebben a bázisban ϕ ∗ mátrixa AT .
 
4.6. Definíció. Az E Euklideszi tér ϕ : E → E lineáris operátorát önad-
jungált vagy szimmetrikus operátornak nevezzük, ha ϕ = ϕ ∗ , azaz az op-
erátor adjungáltja saját maga.
4.7. Következmény. Legyen a ϕ : E → E lineáris operátor mátrixa az
E Euklideszi tér egy ortonormált bázisában A. ϕ akkor és csak akkor lesz
önadjungált operátor, ha A = AT , azaz ϕ mátrixa tetszőleges ortonormált
bázisban szimmetrikus.


4.11. Tétel. Egy ϕ : E → E önadjungált lineáris operátor karakterisztikus
egyenletének minden gyöke valós.

4.17. Definíció. Az E Euklideszi téren adott ϕ : E → E lineáris transzfor-

mációt ortogonálisnak nevezzük, ha bármely x, y ∈ E esetén
(x, y) = (ϕ(x), ϕ(y)).

Ortogonális transz. jell.( 4.22, 4.23, 4.24) 

4.20. Tétel. A ϕ : E → E lineáris operátor akkor és csak akkor ortogonális
transzformáció, ha ortonormált bázist ortonormált bázisba visz át.

4.22. Tétel. A ϕ : E → E lineáris operátor akkor és csak akkor ortogonális,

ha ϕ∗ = ϕ−1 .


4.23. Következmény. Ha ϕ : E → E ortogonális operátor, akkor ϕ mátrixa
az E egy tetszőleges ortonormált bázisában olyan, hogy A T = A−1 . Az
ilyen mátrixokat ortogonális mátrixoknak nevezzük. Ha ϕ mátrixa valamely
ortonormált bázisban ortogonális, akkor ϕ ortogonális transzformáció.
4.24. Következmény. Ha a ϕ : E → E ortogonális operátor mátrixa
valamely bázisban A, akkor | det A| = 1.