P. 1
diszkret matematika 1

diszkret matematika 1

|Views: 2,310|Likes:
Published by Magyari Gábor

More info:

Published by: Magyari Gábor on Feb 28, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/02/2012

pdf

text

original

Sections

  • Bevezetés
  • Halmazelmélet; relációk, függvények
  • 1. Halmazelméleti alapfogalmak
  • 2. Relációk
  • 3. Függvények
  • 1. Valós számok
  • 2. Természetes számok, egész számok, racionális számok
  • 3. Komplex számok
  • 4. Algebrai stuktúrák
  • 5. Számosságok
  • 6. Kombinatorikai alapfogalmak
  • 1. Vektorterek
  • 2. Lineáris függőség, bázis, dimenzió
  • 3. Alterek direkt összege
  • 4. Faktortér
  • 1. Mátrixok
  • 2. Determináns
  • 3. Mátrix rangja
  • 4. Lineáris egyenletrendszerek
  • Lineáris leképezések
  • 1. Vektorterek lineáris leképezései
  • 2. Bázis- és koordinátatranszformáció
  • 3. Lineáris transzformációk

Bácsó Sándor

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

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

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

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

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

a − b reláció ekvivalencia reláció. (5

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

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

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

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

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

x [ x ∈ R, ∃p, q ∈ Z, q = 0 : x =
p
q

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

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

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

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

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

x
y

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

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

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

x = x
1
n
˙ =−
n

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

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

(a, b) + (c, d)

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

(c, d) +
(e, f)

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

(a, b)(c, d)

(e, f) =

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

= (a, b)

(c, d)(e, f)

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

a
a
2
+b
2
,
−b
a
2
+b
2

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

(a, b) + (c, d)

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

(a +c)e −(b +d)f, (a +c)f + (b +d)e

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

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

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

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

2
)+
i sin(φ
1

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

[z[(cos φ +i sin φ)

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

2
)+i sin(φ
1

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

+i sin 0

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

+i sin 0

).
Ezek szerint [z[ = 1 és 3φ = 0

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

+i sin 0

,
z
2
= cos
0

+ 2π
3
+i sin
0

+ 2π
3
,
z
3
= cos
0

+ 4π
3
+i sin
0

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

[z[

cos
φ + 2kπ
n
+i sin
φ + 2kπ
n

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

−8
2
= −1 +

2

−1 = −1 ±i

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

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

m
n
[ m ∈ Z
¸
, n ∈ N, ekkor Q =

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

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

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

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

1 2 3
2 3 1

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

n
k

.
Az

n
k

számokat binomiális együtthatóknak nevezzük,

n
k

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

n
k

.

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

n
k

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

n +k −1
k

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

n+k−1
k

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

5+10−1
10

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

n
k

=

n
n −k

, ha 0 ≤ k ≤ n.
2.

n + 1
k + 1

=

n
k

+

n
k + 1

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

n + 1
k + 1

=

n
k

+

n −1
k

+ +

k + 1
k

+

k
k

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

n + 1
k + 1

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

n
k

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

n!
s
1
! . . . s
k
!

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

n
s
1

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

n−s
1
s
2

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

n−s
1
−···−s
k−1
s
k

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

n
s
1

n −s
1
s
2

...

n −s
1
− −s
k−1
s
k

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

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

n
s

a
n−s
b
s
=

n
0

a
n
+

n
1

a
n−1
b +... +

n
n

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

n
0

+

n
1

+... +

n
n

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

n
0

n
1

+... + (−1)
n

n
n

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

0
0

n=1

1
0

1
1

n=2

2
0

2
1

2
2

n=3

3
0

3
1

3
2

3
3

n=4

4
0

4
1

4
2

4
3

4
4

Az

n+1
k+1

=

n
k

+

n
k+1

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

n
k

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

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

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

,
λ(a
n
x
n
+ +a
1
x +a
0
)
.
=

(λa
n
)x
n
+ + (λa
1
)x + (λa
0
)

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

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

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

¸
l
¸
j=1
µ
ij
b
j
¸

=
l
¸
j=1

k
¸
i=1
λ
i
µ
ij

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

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

1
)a
1
+ +(α
k

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

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

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

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

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

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

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

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

¸
¸
¸
¸
¸
¸
1
0
0
.
.
.
0
¸

, e
2
=

¸
¸
¸
¸
¸
¸
0
1
0
.
.
.
0
¸

, ..., e
n
=

¸
¸
¸
¸
¸
¸
0
0
0
.
.
.
1
¸

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

¸
¸
¸
¸
α
1
α
2
.
.
.
α
n
¸

= α
1

¸
¸
¸
¸
1
0
.
.
.
0
¸

+... +α
n

¸
¸
¸
¸
0
0
.
.
.
1
¸

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

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

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

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

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

+ b

, ahol a

∈ A és
b

∈ B. Ekkor
0 = (a +b) −(a

+b

) = (a −a

) + (b −b

),
amiből (a −a

)
. .. .
∈A
= (b

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

és b = b

.

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

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

W
W

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

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

(x + H) + (y + H)

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

(y+H)+(z+H)

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

(x +H) + (y +H)

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

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

V/H

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

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

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

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

¸
¸
a
1j
.
.
.
a
kj
¸

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

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

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

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

+

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

=

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

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

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

=

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

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

(a
ij
) + (b
ij
)

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

(b
ij
) + (c
ij
)

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

[α + β]a
ij

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

(a
ij
) + (b
ij
)

= α(a
ij
+ b
ij
) =

α[a
ij
+ b
ij
]

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

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

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

,

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

, ...,

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

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

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

+... +α
kn

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

=

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

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

1 2 3
4 5 6

. Ekkor A
T
=

¸
1 4
2 5
3 6
¸

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

¸
1 2 3
2 4 5
3 5 7
¸

mártix szimmetrikus, a

¸
0 −1 2
1 0 −4
−2 4 0
¸

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

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

¸
a
i1
a
i2
. . . a
in
¸

¸
¸
¸
¸
b
1j
b
2j
.
.
.
b
nj
¸

=

¸
¸
¸
¸
(AB)
ij
=
n
¸
l=1
a
il
b
lj
¸

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

1 1
1 0

1 0
1 1

=

2 1
1 0

,

1 0
1 1

1 1
1 0

=

1 1
2 1

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

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

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

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

A[B +C]

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

A[BD]

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

[AB]D

ij
,
3.

A[αB]

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

α[AB]

ij
.

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

[AB]
T

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

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

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

1 0
1 0

0 0
1 1

=

0 0
0 0

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

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

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

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

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

¸
1 3 5
0 2 3
0 0 2
¸

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


a
i1
a
11

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

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

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


a
j2
a
22

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

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

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

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

¸
0 1 0
1 0 0
0 0 1
¸

,
2. sor szorozva skalárral:

¸
3 0 0
0 1 0
0 0 1
¸

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

¸
1 0 0
2 1 0
0 0 1
¸

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

¸
0 1 0
1 0 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
2 3 4
1 2 3
4 5 6
¸

,
2.

¸
3 0 0
0 1 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
3 6 9
2 3 4
4 5 6
¸

,
3.

¸
1 0 0
2 1 0
0 0 1
¸

¸
1 2 3
2 3 4
4 5 6
¸

=

¸
1 2 3
4 7 10
4 5 6
¸

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

¸
0 1 0
1 0 0
0 0 1
¸

¸
0 1 0
1 0 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

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

¸
3 0 0
0 1 0
0 0 1
¸

¸
1/3 0 0
0 1 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

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

¸
1 0 0
2 1 0
0 0 1
¸

¸
1 0 0
−2 1 0
0 0 1
¸

=

¸
1 0 0
0 1 0
0 0 1
¸

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

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

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

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

=

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

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

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

¸
1 0 1
2 1 1
1 2 0
¸

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

¸
1 0 1
2 1 1
1 2 0

1 0 0
0 1 0
0 0 1
¸

¸
1 0 1
0 1 −1
0 2 −1

1 0 0
−2 1 0
−1 0 1
¸

¸
1 0 1
0 1 −1
0 0 1

1 0 0
−2 1 0
3 −2 1
¸

¸
1 0 0
0 1 0
0 0 1

−2 2 −1
1 −1 1
3 −2 1
¸

,
tehát A
−1
=

¸
−2 2 −1
1 −1 1
3 −2 1
¸

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

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

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

a
11
a
12
a
21
a
22

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

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

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

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

¸
¸
a
1i
.
.
.
a
ni
¸

= a
1i

¸
¸
1
.
.
.
0
¸

+ +a
ni

¸
¸
0
.
.
.
1
¸

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

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

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

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

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

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

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

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

n
k

n
k

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

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

= (−1)
I+J
[A
n−k
[,
akkor [A
n−k
[

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

és [A
k
[

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

, . . . , [K
k
r
[

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

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

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

). Ekkor a [K
k
[ és [K
k
[

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

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

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

k
[

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

k
[[K

k
[

-beli szorzatok is
szerepelnek a determinánsban.

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

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

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

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

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

n
k

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

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

n
k

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

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

= 1(−1)
1+1

2 3 4
1 2 3
1 1 1

+ 2(−1)
2+1

0 1 2
1 2 3
1 1 1

+
0(−1)
3+1

0 1 2
2 3 4
1 1 1

+ 3(−1)
4+1

0 1 2
2 3 4
1 2 3

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

+ +a
nj
[A
n−1
nk
[

= 0,
ahol [A
n−1
ik
[

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

+ +a
nj
[A
n−1
nk
[

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

,
ahol [A
n−1
ji
[

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

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

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

= δ
ij
= (E)
ij
.

2.21. Példa. Legyen A =

a b
c d

. Ekkor [A[ = ad − cb, [A
11
[

= d,
[A
12
[

= −c, [A
21
[

= −b, [A
22
[

= a, így A
−1
=
1
ad −bc

d −b
−c a

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

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

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

¸
¸
a
11
.
.
.
a
1r
¸

. .. .
b

1
+ +λ
r

¸
¸
a
r1
.
.
.
a
rr
¸

. .. .
b

r
=

¸
¸
0
.
.
.
0
¸

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

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

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

¸
¸
a
11
.
.
.
a
1k
¸

. .. .
a

1
+ +λ
r

¸
¸
a
r1
.
.
.
a
rk
¸

. .. .
a

r
=

¸
¸
0
.
.
.
0
¸

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

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

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

+... +a
mj
[A
n−1
mj
[

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

) −....
1
[A
r
[
(a
rj
[A
n−1
rj
[

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

˙ =[A
n−1
i
[

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

[A
r
[

¸
¸
a
11
.
.
.
a
1k
¸

. .. .
a

1
+ +
−[A
n−1
r
[

[A
r
[

¸
¸
a
r1
.
.
.
a
rk
¸

. .. .
a

r
=

¸
¸
a
m1
.
.
.
a
mk
¸

. .. .
a

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

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

¸
1 2 3
2 3 4
4 7 10
¸

= rg

¸
1 2 3
0 −1 −2
0 −1 −2
¸

= rg

¸
1 2 3
0 −1 −2
0 0 0
¸

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

1 2 3
2 3 4
4 7 10

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

1 2
2 3

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

¸
¸
a
11
.
.
.
a
k1
¸

, ..., a
n
=

¸
¸
a
1n
.
.
.
a
kn
¸

, b =

¸
¸
b
1
.
.
.
b
k
¸

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

¸
¸
x
1
.
.
.
x
n
¸

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

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

b
1
.
.
.
b
k
¸

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

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

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

¸
x
1
x
2
x
3
¸

=

¸
0
−1
1
¸

t +

¸
1
2
0
¸

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

4 1
3 1

2 1
1 1

= 1 és x
2
=

2 4
1 3

2 1
1 1

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

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

0,
c
b

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

x, −
a
b
x

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

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

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

¸
¸
x
1
.
.
.
x
n
¸

=

¸
¸
¸
a
1i
x
i
.
.
.
¸
a
ki
x
i
¸

,
így
ϕ(x +y) = A(x +y) =

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

=

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

=
93
94 5. LINEÁRIS LEKÉPEZÉSEK

¸
¸
¸
a
1i
x
i
.
.
.
¸
a
ki
x
i
¸

+

¸
¸
¸
a
1i
y
i
.
.
.
¸
a
ki
y
i
¸

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

λ
n
¸
i=1
x
i
a
i

n
¸
i=1
y
i
a
i

= ϕ

n
¸
i=1
(λx
i
+µy
i
)a
i

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

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

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

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

λ
n
¸
i=1
x
i
a
i

n
¸
i=1
y
i
a
i

= ϕ

n
¸
i=1
(λx
i
+µy
i
)a
i

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

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

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

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

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

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

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

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

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

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

n
¸
k=1
t
ki
b
k

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

¸
¸
x
1
.
.
.
x
n
¸

, X =

¸
¸
x
1
.
.
.
x
n
¸

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

n
¸
i=1
s
ij
a
i
. .. .
b
j

=
n
¸
i=1

¸
n
¸
j=1
s
ij
x
j
¸

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

cos β
sin β

, a
2
=

−sin β
cos β

a "régi" bázis,
és b
1
=

1
0

, b
2
=

0
1

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

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

cos β sin β
−sin β cos β

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

cos β −sinβ
sinβ cos β

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

cos(α +β)
sin(α +β)

=

cos β −sin β
sin β cos β

cos α
sin α

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

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

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

1
a
1
+ +x

n
a
n
, továbbá X és X

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

¸
¸
x
1
.
.
.
x
n
¸

, X

=

¸
¸
x

1
.
.
.
x

n
¸

,
akkor
X

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

i
a
i
, másrészt
ϕ(x) = ϕ

¸
n
¸
j=1
x
j
a
j
¸

=
n
¸
j=1
x
j
ϕ(a
j
) =
n
¸
j=1
x
j

n
¸
i=1
a
ij
a
i

=
n
¸
i=1

¸
n
¸
j=1
a
ij
x
j
¸

a
i
.
A megfelelő koordinátákat egyenlővé téve: x

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

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

¸
1 0 0
0 1 0
0 0 0
¸

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

n
¸
k=1
s
ki
a
k

=
n
¸
k=1

n
¸
i=1
s
ki
b
ij

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

n
¸
i=1
s
ij
a
i

=
n
¸
i=1
s
ij
ϕ(a
i
) =
n
¸
i=1
s
ij

n
¸
k=1
a
ki
a
k

=
n
¸
k=1

n
¸
i=1
a
ki
s
ij

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

¸
1
0
1
¸

,

¸
0
1
1
¸

,

¸
1
1
1
¸

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

¸
0 −1 1
−1 0 1
1 1 −1
¸

¸
1 0 0
0 1 0
0 0 0
¸

¸
1 0 1
0 1 1
1 1 1
¸

=

¸
0 −1 −1
−1 0 −1
1 1 2
¸

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

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

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

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

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

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

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

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

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

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

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

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

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

¸
¸
¸
¸
x
1
x
2
.
.
.
x
n
¸

=

¸
¸
¸
¸
0
0
.
.
.
0
¸

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

(S
−1
)(A −λE)(S)

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

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

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

, P(λ) =

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

.
Tehát P(λ) = (λ
0
−λ)
k
P

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

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

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

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

Bácsó Sándor

Diszkrét Matematika I.

mobiDIÁK könyvtár SOROZATSZERKESZTŐ Fazekas István .

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

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

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

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

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

.

. melynek elemei halmazok. . . x 2 > 0}. . . Jele: ∅. a nem eleme Anak: a ∈ A. definíciók alapján nyilvánvaló. fejezet Halmazelmélet. hogy az A halmaz elemei azon a elemek lesznek. 1. vagy a1 . üres halmaznak nevezzük. . . B. . Az 1. ha A ⊂ B és A = B. Bizonyítás. . Az A és a B halmazok egyenlőek. / illetve valamilyen kitüntető tulajdonsággal: A = {a | T (a)}. A = B ⇐⇒ A ⊂ B és B ⊂ A. a2 . a3 . elem: a. Definíció. azaz A = B ⇐⇒ (∀x ∈ A ⇒ x ∈ B) és (∀x ∈ B ⇒ x ∈ A). 11 ∀x ∈ A ⇒ x ∈ B. c. amelyek rendelkeznek a T tulajdonsággal. ha Jele: A ⊂ B. b.1. Az A halmaz részhalmaza a B halmaznak. elem és az eleme szavakat. az alábbi jelölések mellett. Tétel. Tétel. tétel miatt A = B. 1. Halmazt megadhatunk elemeinek felsorolásával: A = {a. Halmazelméleti alapfogalmak Ebben a fejezetben alapfogalomként használjuk a halmaz. így az 1. Ez utóbbi azt jelenti. függvények 1. Bizonyítás. Például: A = {x | x ∈ R. Halmazrendszernek nevezzük az olyan nem üres halmazt. vagy A 1 . . A3 . a eleme A-nak: a ∈ A . . ha elemeik megegyeznek. Ekkor A ⊂ B és B ⊂ A teljesül. Halmaz: A.4. b. 1.2. A2 . hogy A és B is üres halmazok. 1. Jele: A = B. relációk. Csak egy üres halmaz létezik. 1.1. Azt a halmazt. Definíció. Definíció.4. . }.2. .3. 1. .5. amelynek egyetlen eleme sincs. A valódi részhalmaza B-nek. Definíció. . . C.3. és az 1. .6. . Indirekt tegyük fel.

Egy A halmaz összes részhalmazaiból álló halmazt az A hatványhalmazának nevezzük. A és B halmazok különbsége: A \ B = {x | x ∈ A és x ∈ B}.9. RELÁCIÓK. Jele: 2 A illetve P (A). Legyen I = ∅ indexhalmaz. Ekkor 1.8. Ekkor az A halmaz X-re vonatkozó komplementerén az X \ A halmazt értjük. A ⊂ B ⇐⇒ B ⊂ A. FÜGGVÉNYEK 1. 2. Definíció.7. és ∀i ∈ I esetén adott egy A i halmaz. 3. A és B halmazok uniója: A ∪ B = {x | x ∈ A vagy x ∈ B}. .12 1.12. S = {Ai | i ∈ I} halmazrendszer metszete: S= i∈I Ai = {x | ∀Ai ∈ S esetén x ∈ Ai }. Példa. Az S = {Ai | i ∈ I} halmazrendszer uniója: S= i∈I 2A = ∅. Definíció. B ⊂ X. {x}. HALMAZELMÉLET.10.11. x ∈ Ai }. {x. Ai = {x | ∃Ai : Ai ∈ S. Jele: A vagy A c . Az A = {x. 2. A = B ⇐⇒ A = B. Legyen X egy halmaz és A ⊂ X. y} . Műveletek halmazok között: 1. 1. A és B halmazok metszete: A ∩ B = {x | x ∈ A és x ∈ B}. {y}. A B A∪B A A∩B B PSfrag replacements A A\B B A A⊂B B 1. Legyen X adott halmaz és A. Tétel. 5. Ekkor {Ai | i ∈ I} indexelt halmazrendszer (vagy I-vel indexelt halmazrendszer). y} halmaz hatványhalmaza: 1. Definíció. 1. / 4. Definíció. 1.

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

B és C tetszőleges halmazok. ahol a ∈ A és b ∈ B.1. B ⊂ X. Tétel (de Morgan-féle azonosságok). 2. 6. b) = (c.14 1. (A ∩ B) × C = (A × C) ∩ (B × C). Relációk 2. Definíció.14. b) | a ∈ A. Legyenek A és B tetszőleges halmazok. (A ∪ B) × C = (A × C) ∪ (B × C). 3. x ∈ (A ∪ B) ⇐⇒ x ∈ (A ∪ B) ⇐⇒ x ∈ A és x ∈ B ⇐⇒ x ∈ / / / A és x ∈ B ⇐⇒ x ∈ A ∩ B. Ekkor (A ∪ B) = A ∩ B és (A ∩ B) = A ∪ B. 4.3. Az A és a B halmazok Descartes-féle szorzatán az halmazt értjük. d) ⇐⇒ a = c és b = d. Ekkor 1. b) szimbólumot értjük. A × B = ∅ ⇐⇒ A = ∅ vagy B = ∅. A × B = {(a. Legyen X adott halmaz. és A. HALMAZELMÉLET. b ∈ B} 2. RELÁCIÓK. FÜGGVÉNYEK 1. Rendezett elempár alatt az (a. Tétel. Bizonyítás.2. 5. 7. 2. A × (B ∪ C) = (A × B) ∪ (A × C). PSfrag replacements A B A B A∪B A∩B Hasonlóan igazolható a második állítás is. A × B = B × A ⇐⇒ A = B. A × (B ∩ C) = (A × B) ∩ (A × C). (A \ B) × C = (A × C) \ (B × C). Definíció. Két rendezett elempár egyenlőségét az alábbi módon definiáljuk: (a. 8. 2. A × (B \ C) = (A × B) \ (A × C). Legyenek A. 9. B ⊂ C ⇒ A × B ⊂ A × C. .

értékkészlete: RF ={y | y ∈ B. RELÁCIÓK 15 Bizonyítás. akkor F egy A-ból B-re történő leképezés. Az F ⊂ A × B reláció értelmezési tartománya: ˙ DF ={x | x ∈ A. 2.7. ∃x ∈ A. 2. y) ∈ (A × C) ∪ (B × C). ∃x ∈ C. y) ∈ (A∪B)×C ⇐⇒ x ∈ (A∪B) és y ∈ C ⇐⇒ (x ∈ A vagy x ∈ B) és y ∈ C ⇐⇒ (x ∈ A és y ∈ C) vagy (x ∈ B és y ∈ C) ⇐⇒ (x. Ha F ⊂ A × B. y) ∈ F }. (x. Definíció.2. ∃y ∈ B. x ∈ C}. Legyenek A és B halmazok. akkor az F reláció mellett C képe: F (C)={y | y ∈ B.8. (x. C ⊂ A. ˙ 2. akkor F az A-nak B-be történő leképezése. akkor F az A-nak B-re történő leképezése. ˙ 2. Definíció. ahol a ∈ A és b ∈ B vagy b = F (a). Jele: aF b. ha DF = A és RF = B. . Ha DF = A. Definíció. 6 C A×C B×C - A B 2. ekkor az F reláció C-re való leszűkítése: F indexF C C = {(x.6. Ekkor F ⊂ A × B-t az A és B halmazok közötti (binér) relációnak nevezzük. y) | (x. (x.5. Definíció. y) ∈ F }. y) ∈ F. A második állítást igazoljuk: 2. ha RF = B. (x. Definíció. Legyen F ⊂ A × B reláció és C ⊂ D F . y) ∈ F }. azaz az F reláció mellett az a elem képe b.4.

(y. illetve y > x jelölés is. (x. Legyenek A. G ◦ F ={(x. Következmény. 2.11.10.12. 2. z) | x ∈ A.14. azaz teljes. 2. Az R ⊂ A × A relációt rendezési relációnak nevezzük. Ha csak az 1. z) ∈ G }. (G ◦ F )−1 = F −1 ◦ G−1 . 1] × [0. és F ⊂ A × B. y) ∈ F }. Definíció. Ekkor F inverze: 2. C és D halmazok. 2. z ∈ C. 1]-en és ennek inverze (az átló mindkét relációhoz hozzátartozik): 1 1 0 x≤y 1 0 1 x ≤ y inverze 2. Ha x ≤ y és x = y.15. akkor parciális rendezésről vagy féligrendezésről beszélünk. R) párt rendezett halmaznak nevezzük. 3. akkor x < y-t írunk. B. Ekkor: 1. azaz antiszimmetrikus. Legyen (A. Ekkor az F ⊂ A × B és a G ⊂ B × C relációk kompozíciója vagy összetétele a G ◦ F ⊂ A × C reláció: 2. . ˙ 2. (xRy és yRx) ⇒ x = y. DF −1 = RF . Definíció.2. xRy és yRx közül legalább az egyik fennáll. B és C halmazok. Legyenek A. 3. Az x ≤ y illetve x < y kifejezésekre használatos az y ≥ x. R) rendezett halmaz. Ekkor az (A. ∃y ∈ B. Példa. Definíció. y. (x. azaz tranzitív.. HALMAZELMÉLET. Legyen F ⊂ A × B reláció.. xRx. Az x ≤ y reláció [0. azaz reflexív.9. Legyen F ⊂ A × B reláció. ˙ 2. x) | (y. FÜGGVÉNYEK 2. y) ∈ F. RELÁCIÓK. x) ∈ B × A. (xRy és yRz) ⇒ xRz. Definíció. H ⊂ C × D relációk. (F ◦ G) ◦ H = F ◦ (G ◦ H). Ekkor 1.16 1. z ∈ A esetén teljesülnek az alábbi tulajdonságok: 1. (F −1 )−1 = F. Legyen A egy halmaz. 4. F −1 ={(y.13. tulajdonság teljesül a relációra. Következmény. és a rendezési reláció jele: ≤ . RF −1 = DF .3. G ⊂ B × C. ha ∀x.

Definíció. Legyen H = ∅ halmaz. Egy rendezett halmazt teljesnek nevezünk. Ha H-n adott egy ekvivalencia reláció. 1. amelyek 5-tel osztva ugyanazt a maradékot adják. xRy → yRx. amelynél nagyobb alsó korlátja a B-nek nincsen. A matematika vizsgán az egymással (közelítőleg) azonos tudású diákok kapnak azonos jegyet. Jele: a = inf B (infimum).17. Az R ⊂ A × A relációt ekvivalencia relációnak nevezzük. amelynél kisebb felső korlátja a B-nek nincsen. B ∈ S.19. Tétel. akkor az indukál egy osztályozást H-n.18. azaz reflexív. Jele: a ∼ b.16. 3. ha ∀x. . Egy B ⊂ A halmazt felülről korlátosnak nevezünk. Definíció.) Azok a pozitív egész számok lesznek ekvivalensek egymással. xRy és yRz → xRz.21. 2. 2. B ⊂ H. Ha S egy osztályozás H-n. 2. 3. xRx. esetén A. Példa.20. továbbá S = H. A ∩ B = ∅ vagy A = B. 5-ös tudású diákok. y. hogy ∀b ∈ B esetén b ≥ a. 2. hogy a ekvivalens b-vel. 2. 2. . ha S elemei páronként diszjunktak. ha ∃a ∈ A úgy. Az S halmazrendszert H egy osztályozásának nevezzük. . Egy B ⊂ A halmazt korlátosnak nevezünk. 2. Legyen A egy halmaz. z ∈ A esetén teljesülnek az alábbi tulajdonságok: 1. Egy B ⊂ A halmazt alulról korlátosnak nevezünk. Z+ -on (azaz a pozitív egész számok halmazán) értelmezett aRb ⇐⇒ 5 a − b reláció ekvivalencia reláció. . Azaz ∀A. 2.2. ha alulról és felülről is korlátos. 2-es. és ekkor az a elemet a B halmaz felső korlátjának nevezzük. (5 a − b jelentése: 5 osztója ˙ a − b-nek. Definíció. RELÁCIÓK 17 1. Ezen osztályozás alapja az ekvivalens (azonos) tudás. Jele: a = sup B (szuprémum). szimmetrikus. Definíció. akkor H-n megadható egy S-hez tartozó ekvivalencia reláció. és egyesítésük H. . hogy ∀b ∈ B esetén b ≤ a. tranzitív. és ekkor az a elemet a B halmaz alsó korlátjának nevezzük. Ekkor azt is mondjuk. ha ∃a ∈ A úgy. Egy B ⊂ A halmaz pontos alsó korlátja egy olyan a ∈ A alsó korlát. Így a diákokat öt osztályba soroljuk: 1-es. Egy B ⊂ A halmaz pontos felső korlátja egy olyan a ∈ A felső korlát. ha bármely nem üres felülről korlátos részhalmazának létezik pontos felső korlátja. 2.

2. Példa. Ha pedig Z + -on azt az osztályozást adjuk meg. melyre (a. 3. FÜGGVÉNYEK 2. Az f : A → B függvény invertálható. Definíció. Az f ⊂ A × B relációt függvénynek nevezzük. Minden függvény reláció. a2 ∈ A. (f (a2 ). a2 ) ∈ f −1 és a1 = a2 .19.4. hogy ∀a1 . hisz pl. f (a1 )) ∈ f és (a2 . Függvények A függvény fogalmát úgy alakítjuk ki. a2 ∈ A. −1) is hozzá tartozik. így (f (a1 ). és f −1 nem függvény. a1 = a2 esetén f (a1 ) = f (a2 ). a2 ∈ A : f (a1 ) = f (a2 ) ⇐⇒ a1 = a2 . Az invertálható függvényeket kölcsönösen egyértelműnek nevezzük. hogy f invertálható. Ekkor a függvény értelmezési tartománya: A. Ha f (a1 ) = f (a2 ) teljesül. a2 ∈ A : f (a1 ) = f (a2 ) ⇐⇒ a1 = a2 . a függvény képhalmaza: f (A) = {b | b ∈ B. amelynél azonos osztályba kerülnek azok az elemek. példában szereplő ekvivalancia reláció által indukált osztályozás esetén (egy osztályba kerülnek az egymással ekvivalens elemek) öt különböző osztályt kapunk. RELÁCIÓK. y) | x2 + y 2 = 1} ⊂ [−1. Definíció. amelyek 5-tel osztva ugyanazt a maradékot adják. Ekkor f −1 -et az f inverzfüggvényének nevezzük. f (a2 )) ∈ f. b) ∈ f. Ha a1 . 3. mivel az f −1 függvény egyértelműen rendeli hozzá az elemekhez a képüket. hogy (f (a). akkor (a1 . A 2. a 1 ) ∈ f −1 . 3. (f (a).22. (0.5. ha bármely a ∈ A esetén egyértelműen létezik olyan b ∈ B. HALMAZELMÉLET. vagyis az f −1 reláció függvény. Bizonyítás. Megjegyzés. 1) valamint (0. Másképpen: ∀a1 .1. akkor megkapjuk a fenti ekvivalencia relációt. 3. de nem minden reláció függvény. (a) Tegyük fel.18 1. és két elem akkor és csak akkor áll relációban egymással. 1] reláció nem függvény. a1 ) ∈ f −1 . 1] × [−1. hogy ne lehessen "többértékű" függvényről beszélni. Példa. ha f −1 : f (A) → A is függvény. ha bármely a1 . ha egy osztályba tartoznak. ∃a ∈ A : (a. A K = {(x. hiszen f (a 1 ) = f (a) = f (a2 ) miatt a1 = a2 . Jelölés: f : A → B. azaz létezik f (a) ∈ f (A) úgy. b = f (a). 3. Az f : A → B függvény akkor és csak akkor invertálható. akkor a1 = f −1 (f (a1 )) = f −1 (f (a2 )) = a2 . (b) Most tegyük fel. 3. értékkészlete: B.3. b) ∈ f }. Ez nyilván ellentmondás. . a2 ) ∈ f −1 . Tétel.

12. Legyenek f : A → B és g : B → C függvények. így y = f (x) egyértelműen létezik. Mivel f függvény. 3. 3.3. Definíció. z) ∈ (g ◦ f ).8. Definíció. 1] reláció függvény. f szürjektív. azaz a függvény invertálható. ha bármely x. osztással. 3. Tétel. mert g is függvény. tehát g ◦ f is függvény. Ekkor a g ◦ f ⊂ A × C relációt összetett függvénynek nevezzük. azaz (x.11. f (x) = sin x összeadással. z) ∈ (g ◦ f ). f injektív. Az A halmaz identikus függvénye: id A : A → A idA (x) = x ∀x ∈ A. ha létezik a halmazok között bijektív függvény: ∃f : A → B bijektív. Ez a függvény nem invertálható. hogy az eredeti K mint reláció inverze önmaga. a > 0 hatványfüggvény. 2. f (x) = ax . Az A és B halmazok ekvivalensek egymással. Definíció. Legyen A tetszőleges halmaz. f (x) = x identikus függvény. és ehhez az egyértelműen létező y-hoz egyértelműen tartozik z = g(y) = g(f (x)). 1]-re már invertálható (és inverze önmaga).6. 3. 3. összetettfüggvény-képzéssel és invertálással előállítható függvényeket. z) ∈ g. g a külső függvény. Ekkor az g ◦ f reláció is függvény. (Csak megjegyezzük. Elemi függvényeknek nevezzük az alábbi négy (a valós számok halmazából a valós számok halmazába képező) függvényből: 1. 3. Legyenek f : A → B és g : B → C függvények.) 3. kivonással. ha f (A) = B. f bijektív. melyre (x. akkor definíció szerint létezik olyan y ∈ B. y) ∈ f és (y. hogy z = (g ◦ f )(x). Definíció. Viszont megszorítása [0. f a belső függvény. Ekkor az f : A × A → A függvényt (binér) műveletnek nevezzük. szorzással.10.9. 3. f (x) = c konstans függvény. Bizonyítás. y) | y = 1 − x2 } ⊂ [−1. y ∈ A és x = y esetén f (x) = f (y). Ekkor 1. ha injektív és szürjektív. 1] × [0. Definíció. 2. 4. FÜGGVÉNYEK 19 √ Viszont az F = {(x. Legyen f : A → B függvény. Ha (x.7. Eszerint bármely x ∈ A esetén egyértelműen létezik z ∈ C úgy. Definíció. Jelölés: (g ◦ f )(x) = g(f (x)). . 3.

.

fejezet Számfogalmak 1. +. ∀x. y.2. jele: 0. ∀x. f2 : R × R → R. x = 0 esetén ∃(x−1 ) ∈ R : x · (x−1 ) = 1. 7. létezik multiplikatív inverz ∀x ∈ R. kommutativitás x+y =y+x 2. jele: 1. ∃1 ∈ R. létezik zéruselem (vagy nullelem). Legyen adott egy R halmaz. y ∈ R. asszociativitás x·y =y·x ∀x. z ∈ R. létezik egységelem. f2 (x. 5. és legyen rajta értelmezve két művelet: f1 : R × R → R. Azt mondjuk. z ∈ R. hogy (R. létezik additív inverz ∃0 ∈ R : x + 0 = x x · (y + z) = x · y + x · z ∀x ∈ R. ∀x. y ∈ R. ha teljesíti az alábbi tulajdonságokat. ∀x. y ∈ R. z ∈ R. (x + y) + z = x + (y + z) 3. ∀x. 1 = 0 : x · 1 = x ∀x ∈ R. ∀x. y) = x · y. f1 (x. 21 .1. y) = x + y. Definíció. y. Valós számok 1. az úgynevezett testaxiómákat: 1. ∀x ∈ R esetén ∃(−x) ∈ R : x + (−x) = 0. ·) test. y ∈ R. disztributivitás (x · y) · z = x · (y · z) 4. y. 6.

1. 1 2 Ekkor x · x−1 = x · x−1 . azaz x · x −1 = 1 és x · x−1 = 1. Az 1. Ekkor 01 = 0 1 + 0 2 = 0 2 + 0 1 = 0 2 . akkor x + z ≤ y + z ∀z ∈ R. ha x. hogy két nullelem létezik: 0 1 és 02 . Mivel R-ben az összeadás és a szorzás ugyanazokkal a műveleti tulajdonságokkal rendelkezik (úgynevezett Abel-csoportot alkotnak). x = 0. y.6. 1. Tétel. z ∈ R. akkor x · y ≥ 0. a nullelem helyét az egységelem veszi át. Indirekt tegyük fel. 1. ha bármely felülről korlátos nemüres részhalmazának létezik pontos felső korlátja. Az (R. ha x. A multiplikatív esetet igazoljuk. akkor y = z. Azt mondjuk. 1 2 1 2 1. Ha x. y = 0 esetén egyértelműen létezik z 2 ∈ R. Bármely x.5. z ∈ R. így az additív tulajdonságokra vonatkozó bizonyítások multiplikatív esetben hasonlóan végezhetők. y ≥ 0. xy = xz. Definíció. Tétel. Egyszerűsítési szabály. R-ben az egységelem és a nullelem egyértelműen létezik. +. Definíció. Definíció. Minden R-beli elemnek egyértelműen létezik additív inverze. 1. Megjegyzés. z1 jele: x − y. Ekkor z2 -re az x jelölést használjuk. Tétel. ≤) rendezett test. Bizonyítás. ha teljesül az alábbi két tulajdonság: 1. Jele: R. y.2. +.22 2. Kivonási és osztási szabály. állítást igazoljuk: y = y + 0 = y + (x + (−x)) = (y + x) + (−x) = (x + y) + (−x) = (x + z) + (−x) = (z + x) + (−x) = z + (x + (−x)) = z + 0 = z. 2. Tétel. Legyen adva az R testen egy ≤ rendezési reláció: ≤ ⊂ R × R. amelyre x = yz2 . 1. Az összeadás helyét a szorzás. y ∈ R és x ≤ y. így az egyszerűsítési szabály miatt x −1 = x−1 . 2.8. Bizonyítás.9. és minden nem nulla valós számnak egyértelműen létezik multiplikatív inverze. ≤) rendezett test teljes.4. hogy az x nem nulla valós számnak két inverze van. Az 1. 1.7. y ∈ R és x ≥ 0. x + y = x + z. állításnál legyen z 1 = x + (−y). y Bizonyítás.3. Valós számok halmazának nevezünk egy teljes rendezett testet. SZÁMFOGALMAK 1. ·. Bármely x. akkor y = z. 2. amelyre x = y+z1 . . hogy (R. Bizonyítás. 1. y ∈ R esetén egyértelműen létezik z 1 ∈ R. 1. Indirekt tegyük fel. ·. y ∈ R. Ha x.

0 1 az ellentmondás oka az x. RACIONÁLIS SZÁMOK 23 (a) Mivel y + z1 = y + x + (−y) = (y + (−y)) + x = 0 + x = x. és az egyszerűsítési szabály miatt 0 = 0y. és ha x = 0. Természetes számok. Az N ⊂ R halmazt a természetes számok halmazának nevezzük. Tétel. Bizonyítás. 1 (−x) jele: −x és x−1 jele: x . Bizonyítás. hogy x = 0. Definíció. hogy y + z1 = x = y + z2 .10. Tétel. így az egyszerűsítési szabály miatt x = −(−x).2. tehát x − y egyértelműen létezik. 2. (b) Ha z1 és z2 esetén is teljesül. Bármely x ∈ R esetén −(−x) = x.2. A természetes számok halmaza rendelkezik a következő két tulajdonsággal: . y = 0. 3. 1 ∈ N. m ∈ M =⇒ m + 1 ∈ M. hogy 1 ∈ M. y = 0 feltétel. de xy = 0. ha rendelkezik a következő tulajdonságokkal: 1. akkor M = N . (a) Tegyük fel. Ekkor 1. EGÉSZ SZÁMOK. xy = 0 + 0y = 0y = (0 + 0)y = 0y + 0y. n − 1 ∈ N ⇐⇒ n = 1. ∀n ∈ N. Mivel nem nulla számoknak létezik multiplikatív inverzük. egész számok. ∀n ∈ N =⇒ n + 1 ∈ N. 2. így az (a) részben bizonyított állítás felhasználásával: 0 = (xy) y −1 x−1 = x (yy −1 ) x−1 = xx−1 = 1. teljes indukció elve: ha M ⊂ N olyan. akkor az egyszerűsítési szabály miatt z1 = z2 .11. 2. 4. 1. Tétel. így létezik x − y. Legyen x. Ekkor xy = 0 ⇐⇒ x = 0 vagy y = 0.1. (x −1 )−1 = x. racionális számok 2. hogy x = 0. y ∈ R. TERMÉSZETES SZÁMOK. (b) Most indirekt tegyük fel. Az additív inverz tulajdonsága miatt (−x) + x = 0 és (−x) + (−(−x)) = 0.

8. Az archimedeszi tulajdonság az 1. x Eszerint létezik n ∈ N : < n. ˙ x 4. Definíció. ami ellentmond annak.7. állítás következménye. Definíció. 1 3. ˙ ˙ 2. Ekkor 1. ha x = 0. x > 0}: pozitív valós számok halmaza. ha x = 0. SZÁMFOGALMAK 1. 2. x ≥ 0}: nem negatív számok halmaza. x−n = n . hogy a racionális számok összege. ˙ 2. Azokat a valós számokat. így q osztója volna p-nek. Definíció. ˙ 2. q Ekkor 2q 2 = p2 lenne. egész számoknak nevezzük: Z={x | x ∈ R. Az R \ Q halmaz elemeit irracionális számoknak nevezzük. x ≥ 0 és ∀y ∈ R esetén ∃n ∈ N : y < nx. Azokat a valós számokat. amiből y < nx. 1. akkor léteznének olyan p és q egész számok. Bevezetjük az alábbi elnevezéseket: 1.5. 4. R− ={x | x ∈ R. xn =xn−1 x. ˙ 2. hogy p és q relatív prímek. Definíció. amelyek előállnak két egész szám hányadosaként. Definíció. R \ Q nem üres halmaz.6. ahol p és q legnagyobb közös osztója 1. ∃p. ∃m. hiszen könnyen látható. amely nem √ racionális szám. y 2. additív inverze és multiplikatív inverze is racionális szám.3. x < 0 }: negatív valós számok halmaza. archimedeszi tulajdonság: ∀x ∈ R. n ∈ N : x = m − n}.9. x0 =1. melyekre √ p 2 = . Legyen x ∈ R és n ∈ N. x ≤ 0}: nem pozitív valós számok halmaza.4. 2. Q test. R+ ={x | x ∈ R. {x | x ∈ R. x1 =x. N ⊂ R felülről nem korlátos . {x | x ∈ R. 2. q = 0 : x = ˙ p q 2. azaz létezik olyan valós szám.24 2. 2. ˙ 3. q ∈ Z. Megjegyzés. 2. Ha például a 2 racionális szám lenne. szorzata. . ha n = 1. Megjegyzés. amelyek előállnak két természetes szám különbségeként. racionális számoknak nevezzük: Q= x | x ∈ R.

z ∈ R esetén: 1. b[= {x | x ∈ R. Tétel. Az {[ai . indexelt halmazrendszert egymásba skatulyázott intervallumrendszernek nevezzük. 2. y) ≤ d(x. Bármely x. b végpontú intervallumokra a következő jelöléseket vezetjük be: 1. bi ]} ⊂ R. 5. A d(x. y) = 0 ⇐⇒ x = y. a < x < b}. | − x| = |x|. 2. EGÉSZ SZÁMOK. b[= {x | x ∈ R. y) ≥ 0. bi+1 ≤ bi ∀i ∈ N (azaz [ai+1 . x). y) = d(y. a < x ≤ b}. . b] = {x | x ∈ R. Definíció. A d : R × R → R függvényt metrikának nevezzük R-en. 2. y ∈ R esetén 1. y. [a. a ≤ x < b}. (nem negativitás).11. b] = {x | x ∈ R. Definíció. ]a. y) = |x − y| valós számot az x és az y számok távolságának nevezzük. 2. TERMÉSZETES SZÁMOK. A d metrika rendelkezik a következő tulajdonságokkal. |x + y| ≤ |x| + |y|. |xy| = |x||y|. = y |y| 4. bi+1 ] ⊂ [ai . Az a.15. y ∈ R. z) + d(z. ||x| − |y|| ≤ |x − y|.13. Legyen x ∈ R. 2. 2. 2. (szimmetria). a ≤ x ≤ b}. Megjegyzés. −x ha x < 0. 4.14. Definíció. Ekkor x abszolút értékét az alábbi módon definiáljuk: |x| = x ha x ≥ 0.2. ha a i ≤ ai+1 .12.10. i ∈ N. 3.16. Az abszolút érték tulajdonságai: x. (háromszög-egyenlőtlenség). d(x. [a. d(x. d(a. 3. Legyen x. Definíció. 2. |x| x 3. d(x. d(x. Az a ∈ R szám δ > 0 sugarú nyílt gömbkörnyezetén az alábbi halmazt értjük: k(a. ]a. bi ] ∀i ∈ N). Tétel. x) < δ}. y). 2. RACIONÁLIS SZÁMOK 25 2. δ) = {x | x ∈ R.

b)(c. √ √ 1 akkor n x = x n = − n −x. Azt az egyértelműen létező y ∈ R nem negatív számot. Ha S ⊂ R felülről nem korlátos. Ekkor n √ xr = n xm . +. Definíció. valamint az irracionális számok halmaza mindenütt sűrű R. 2. ˙ m 2. Ha x < 0. n ∈ N. x < y esetén létezik h ∈ H. ha ∀x. y ∈ R.23.21. akkor sup S =∞ és ha ˙ S ⊂ R alulról nem korlátos. A racionális számok. Ha ezzel a két szimbólummal ˙ kibővítjük a valós számok halmazát. b + d). Definíció. 2. Jele: n x = y vagy x n = y. Tétel. Ekkor ∞ i=1 [ai . d)=(ac − bd. Tétel (Cantor-féle metszettétel). melyre y n = x teljesül. Legyen {[a i . Tekintsük a valós számokból képzett (a.20. melyre x < h < y . i ∈ N egymásba skatulyázott zárt intervallumrendszer. 2. akkor az így kapott halmazt bővített valós számok halmazának nevezzük: Rb = R ∪ {∞} ∪ {−∞}.19. 3. x ≥ 0 és n ∈ N esetén egyértelműen létezik y ∈ R és y ≥ 0. Ezen a halmazon értelmezzük a szorzás és az összeadás műveletét az alábbi módon: (a. Bármely x ∈ R. akkor inf S = − ∞. Definíció.25. x ≥ 0 és n ∈ N. x = y. b) + (c. Rb nem test.24. m ∈ Z. SZÁMFOGALMAK 2. Legyen n ∈ N páratlan és x ∈ R tetszőleges. A H ⊂ R halmaz mindenütt sűrű R-ben.18.17. 2. d)=(a + c. r ∈ Q és r = . Definíció. ˙ (a. Definíció.22.1. 2. ha ez az előbbiek alapján értelmezhető. Megjegyzés. ˙ 2. az x valós szám √ 1 n-edik gyökének nevezzük. bi ] = ∅. ˙ A valós számpárok halmazát ezen két művelettel ellátva (C.ben. ·)-ral jelöljük . Legyen x ∈ R. Definíció. Megjegyzés. bc + ad). Komplex számok 3. b) számpárok halmazát. Legyen x ∈ R. melyre y n = x.26 2. bi ]} ⊂ R. 2.

f ) + (c. Megjegyzés. (e. 3. = (1. 0) = (a. b). b = d. d) ⇐⇒ a = c. akkor a Re(z)=a számot a komplex szám valós részének nevezzük. 0). 3. a −b (d) ha (a. b) + (−a. d). b). 0) nullelemet 0-val. 3.3. b) + (0. b). asszociativitás. b) + (c. mint 0 képzetes részű komplex számok. d) + (e. Disztributivitás: ∀(a. b). 0) = (a. f ) ∈ C esetén (a) (a. a → (a. létezik egységelem.3. b)(c. b) . (c. hogy a komplex számokra definiált műveletek az (a. b) + (c. d) + (e. f ). asszociativitás. f ) = (a + c)e − (b + d)f. Következmény. f ) . (c. 1) komplex számot képzetes egységnek nevezzük. d)(e. 1) = (0 − 1. b). b). Ez a leképezés egy beágyazása R-nek C-be. Két komplex szám akkor és csak akkor egyenlő. . 0). d) (e. létezik nullelem. d)(e. b)(e. f ) . −b) = (0. 2. b + d + f ) = (a. b)(1. b). Multiplikatív tulajdonságok: ∀(a. b)(c. akkor (a. d). b) (c. Definíció. (ac − bd)f + (bc + ad)e = (a. b + d)(e. Ezen megjegyzés alapján az (a. Tétel. (0. b) + (c. és Im(z)=b a ˙ ˙ komplex szám képzetes (imaginárius) része. 0 + 0) = (−1. (e. Könnyen meggyőződhetünk arról. b) = (0. C test.2. d) + (a. (c) (a. 1)(0. A valós számok tekinthetők úgy. b + d) = (c. (c. hiszen a Φ : R → C. 0) alakú komplex számot gyakran csak a-val jelöljük (a ∈ R).6. d). létezik 2 + b 2 a2 + b 2 a multiplikatív inverz. 3. (a. 0) leképezés injektív. Ha z ∈ C és z = (a. (b) (a. d) = (a + c. (d) (a. bc + ad) = (c. b) + (c. KOMPLEX SZÁMOK 27 és elemeit komplex számoknak nevezzük. i2 = −1 Bizonyítás. 0). ha a valós és a képzetes részük is megegyezik. (c) (a. (e. f ) ∈ C esetén (a) (a. f ) = (ac − bd)e − (bc + ad)f. d)(a. vagyis 3. Bizonyítás. b). (b) (a. kommutativitás. Tétel. kommutativitás. 1. 0) alakú számokon az eredeti (valós számokon értelmezett) összeadást illetve szorzást adják. Additív tulajdonságok: ∀(a. d) (e. d) = (ac − bd. f ) = (a + c + e.4. létezik additív inverz. b) = (c. Az i = (0. f ) = (a + c. 3.5. (a + c)f + (b + d)e = (a. 0). f ) ∈ C esetén (a. Speciálisan a (0.

Tétel. zz ≥ 0 . 3. 6. Megjegyzés.28 2..) bizonyítása: |z+w|2 = (z+w)(z + w) = (z+w)(z+w) = zz+zw+wz+ww = |z| 2 +|w|2 + zw + wz = |z|2 + |w|2 + 2Re(zw) ≤ |z|2 + |w|2 + 2|z||w| = (|z| + |w|)2 . zz = 0 ⇐⇒ z = 0.13. 0) = (a. Pl. z = a + ib-re zz = a2 + b2 . Egy z ∈ C szám abszolút értékén a |z| = zz nem negatív √ valós számot értjük. √ 3. 5. b). b) komplex szám megadható az a + ib algebrai írásmódban. Ekkor a komplex számok összeadása éppen a megfelelő vektorok összeadását jelenti. Minden (a. w ∈ C esetén 1.9. A konjugálás tulajdonságai. w = c + id jelöléssel (ha z = 0) w wz wz wz −1 = = = 2 . A kétféle megadás egyenértékű. Egy z ∈ C . b) pontját (vektorát) feleltetjük meg. 3. állítások nyilvánvalóak. zw = z · w.11. 4. 1)(b. 2. z = a + ib szám konjugáltja: z =a − ib. A háromszög-egyenlőtlenség (azaz 6. Tétel. 3. 3. SZÁMFOGALMAK 3.7. Az 1-5. |z + w| ≤ |z| + |w|. Az abszolút érték tulajdonságai: 1. 0) + (0.12. |z| = |z|. A komplex számok halmaza és az Euklideszi sík pontjai között kölcsönösen egyértelmű megfeleltetés létezik: a z = a + bi komplex számnak a sík (a. Megjegyzés.10. ˙ 3.8. z − z = 2iIm(z). 3. Továbbá . Definíció. |zw| = |z||w|. 0 ≤ |z| és |z| = 0 ⇐⇒ z = 0. Definíció. z zz a + b2 a formális számolás. hiszen a + ib = (a. |Im(z)| ≤ |z|. z + w = z + w. Tétel. Bizonyítás. 4. Ez alapján a z-vel való osztás a konjugálttal történő bővítéssel végezhető el. z + z = 2Re(z). |Re(z)| ≤ |z|.. 3. 2. Ekkor |z| = a2 + b2 . 5. Minden z. Bizonyítás.

ha z = 0. állítás bizonyítása: z1 z2 = |z1 ||z2 |(cos φ1 cos φ2 − sin φ1 sin φ2 + i(sin φ1 cos φ2 + cos φ1 sin φ2 ) = |z1 ||z2 |(cos(φ1 +φ2 )+i sin(φ1 +φ2 )) a trigonometrikus függvényekre vonatkozó . z = a+ib = |z|(cos φ+i sin φ).15.14. 1.16. Az így kapott. Az 1. Ha z ∈ C. Tétel. 3. ahol φ a z argumentuma. Im 6 a z=(a. z1 |z1 |(cos φ1 + i sin φ1 ) |z1 | 2. Definíció. 2. = = (cos(φ1 − φ2 ) + i sin(φ1 − φ2 )). = = (cos(−φ) + i sin(−φ)). Egy z ∈ C szám trigonometrikus alakjának nevezzük a z = |z|(cos φ+i sin φ) alakot. k ∈ Z. akkor φ = arccos(a/|z|) = arcsin(b/|z|). 3.b) * a = |z| cos φ b = |z| sin φ z = a + ib = |z|(cos φ + i sin φ) - i 1 b φ Re Látható. Következmény. Ha z = |z|(cos φ + i sin φ) és w = |w|(cos ψ + i sin ψ). úgynevezett trigonometrikus alak igen hasznos a hatványozás és a gyökvonás szempontjából. z1 z2 = |z1 |(cos φ1 +i sin φ1 )|z2 |(cos φ2 +i sin φ2 ) = |z1 ||z2 |(cos(φ1 +φ2 )+ i sin(φ1 + φ2 )). Műveletek trigonometrikus alakú komplex számokkal: 1. z |z|(cos φ + i sin φ) |z| z = w ⇐⇒ |z| = |w| és φ = ψ + 2kπ. n 3. akkor 3.3. 1 1 1 4. azaz a valós tengellyel bezárt szöge. z2 |z2 |(cos φ2 + i sin φ2 ) |z2 | ha z2 = 0. z n = |z|(cos φ + i sin φ) = |z|n (cos(nφ) + i sin(nφ)). Bizonyítás. b) vektor hossza. hogy egy komplex számot egyértelműen meghatároz a hossza (abszolút értéke) és a valós tengellyel bezárt szöge. KOMPLEX SZÁMOK 29 z abszolút értéke éppen az (a.

Három különböző megoldás van.20. Ismert. z1 = cos 0◦ + i sin 0◦ . Példa.18. Példa. k = 0.. z z1 1 = z1 alapján a 2.21. . Az i2 = −1 egyenlőség bizonyítása trigonometrikus alakban: π π π π ii = (cos + i sin )(cos + i sin ) = (cos π + i sin π) = −1.. 1. 1. Tétel. n n ahol k = 0. 3. Egy z ∈ C szám n-edik gyökének nevezzük a w ∈ C számot. n − 1. hiszen 1 z = 1 = (cos 0◦ + i sin 0◦ ) alapján adódik a 4. azaz Ezek szerint |z| = 1 és 3φ = 0◦ + 2kπ. .. .19. 3. SZÁMFOGALMAK addíciós képletek alapján. Az 1 komplex szám n-edik gyökeit n-edik egységgyököknek nevezzük. Egy z = 0 komplex számnak n darab n-edik gyöke van.30 2. Egy z ∈ C. A többi állítás ennek következménye. 3. képlet. z = 0. 2 2 2 2 3. z = |z|(cos φ + i sin φ) komplex szám n-edik gyökei: φ + 2kπ φ + 2kπ w1. ha wn = z. akkor z 3 = 1. 3 3 0◦ + 4π 0◦ + 4π z3 = cos + i sin . z2 z2 z n = z · z · · · · · z miatt pedig 3. 2 esetén az alábbi gyökök adódnak: 6 z 3 = |z|3 (cos(3φ) + i sin(3φ)) = (cos 0◦ + i sin 0◦ ). A komplex számok halmazán azonban mindig megoldható az .2. 3. hogy az ax 2 + bx + c = 0 alakú valós együtthatós másodfokú egyenletnek negatív diszkrimináns esetén nincsenek valós megoldásai. .. Megjegyzés. 3 3 z2 = cos 0◦ 0◦ z2 o / - - z3 z1 Az n-edik egységgyökök a komplex számsíkon egy origó középpontú szabályos n-szög csúcsaiban helyezkednek el. Definíció. összefüggés. Ha például z = |z|(cos φ + i sin φ) harmadik egységgyök. + 2π + 2π + i sin .n = n |z| cos + i sin . k ∈ Z.17.

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

T 6 Q. (H. hogy a 0-elemnek nincs multipikatív inverze. érvényesek az úgynevezett elnyelési törvények. (S. A különböző algebrai struktúrákat az alábbi táblázatokban foglaljuk össze: egyműveletes struktúrák név definiáló tulajdonságok példák félcsoport T2 (N. az egységelem pedig maga az A. (S. ahol a zéruselem az üres halmaz. Abel-csoport). 4. test). Számosságok A hétköznapi életben. szakaszban. . (N. ·) test (S. +. 2. (H. (Z. T5 (Z. 4.5. +. amikor egy (véges) halmaz elemeit megszámoljuk. ∩) hálót Boole-algebrának nevezzük. (S \ {0}. és H minden elemének létezik komplementere. A táblázatban az (S \ {0}. a metszet (∩) és a komplementer ( − ) képzés.3. ·) jelölés csak arra utal. R.32 2. Definíció. (Z. T4 (Q \ {0}. ∪. ·). n} . T3 . T3 . ∩ műveletekre a disztributivitás. tartalmazza az egységelemet (H). +) csoport T 2 . 2. 5. T2 . Definíció. Legyen H egy legalább kételemű halmaz. ha 1. a ∪ (a ∩ b) = a.4. b ∈ H =⇒ a ∩ (a ∪ b) = a. akkor 1 − 1 értelmű leképezést létesítünk az illető halmaz és az {1. ·) Abel-csoport. A (H. és legyen H-n értelmezve az unió (∪). ·). ·) gyűrű. ·) név definiáló tulajdonságok példák gyűrű (S. Példa. ·) integritástartomány (S. . +) Abel-csoport. ·) félcsoport. 4. és kétműveletes struktúrák (gyűrű. . . 3. továbbá ∀X ⊂ A-ra X ⊂ A. ∩) kommutatív félcsoport. T4 (Q \ {0}. Későbbi tanulmányokban hasznos még a következő két algebrai struktúra. csoport. és érvényes az ∪. ·). +) Abel-csoport T 1 . ha tartalmazza a zéruselemet (∅). SZÁMFOGALMAK Vannak egyműveletes struktúrák (félcsoport. +. +). ∩) algebrai struktúrát hálónak nevezzük. ·) : T 1 . (S. +) kétműveletes struktúrák. A (H. ∪. integritástartomány. C A testaxiómák pontos leírását lásd az 1. Boole-algebra egy A halmaz üres részhalmazainak (2 A vagy P (A)) hálója. ∪) kommutatív félcsoport. azaz a. T 6 (Z. T3 . +.

Bizonyítás. Jele: A ∼ B.1. 5. hogy két halmaz elemei száma egyenlő. Definíció. (Az ℵ (alef) betű a héber ábécé első betűje. Az A halmaz számossága nagyobb.5. a21 a22 a23 . és létezik olyan C halmaz. . I = ∅} indexelt halmazrendszer olyan. Definíció. A pontos matematikai fogalmak a következők. Tétel. Legyen An = ∞ m An .5. A A halmaz megszámlálható. Tétel. Definíció. tehát | m ∈ Z . ha számosságuk nem egyenlő. . Definíció. és I megszámlálhatóan végtelen. 1] elemei között. mint a B halmaz számossága. ha elemeiket párba rakjuk. SZÁMOSSÁGOK 33 halmaz között (ahol n valamely természetes szám). 2. ha A ∼ N. ha A = ∅ vagy létezik n ∈ N úgy. a11 a12 a13 . Indirekt tegyük fel. 2 → 0.7. Tétel. hiszen A n bármely n esetén megszámlálhatóan végtelen. 5. . .8. Ennek a számosságnak a jele: ℵ0 . . A valós számok számossága nagyobb. . 5.6. Ekkor a [0. ha létezik közöttük bijektív leképezés. más szóval véges számosságú. . hogy R megszámlálható. . n}. akkor Ai is megszámlálhatóan végtelen. . Azt pedig. . ekkor Q = n n=1 az 5. azaz létezik kölcsönösen egyértelmű megfeleltetés N és [0.2. tétel miatt megszámlálhatóan végtelen. 1] elemeit tizedestört alakban: 1 → 0. eldönthetjük úgy is. 5. . i∈I 5.3. Az A halmaz végtelen más szóval végtelen számosságú ha nem véges. melynek számossága egyenlő B számosságával és C ⊂ A . 5. Az A és a B halmazok egyenlő számosságúak. Definíció. hogy minden i esetén Ai megszámlálhatóan végtelen. Az A halmaz véges. 5.) 5. Az A halmaz megszámlálhatóan végtelen. ezt a jelölést G. Ha az {Ai | i ∈ I. 3 → 0. Bizonyítás. 5. írjuk fel a megfeleltetés sorrendjében a [0. a31 a32 a33 . hogy A ∼ {1. 1] zárt intervallum is megszámlálható. A racionális számok számossága megszámlálhatóan végtelen.7. ha véges vagy megszámlálhatóan végtelen. Definíció. Cantor vezette be. mint a racionális számok számossága. n ∈ N.9.4.

13. Ebből következik az állítás. de van olyan algebrai p gyöke a qxn − p = 0 egyenletnek. n-edfokú egész együtthatós algebrai egyenlet gyökeként.14. Tétel. Azokat a komplex számokat.34 2. 4.15. amelyek előállnak valamely an xn + an−1 xn−1 + · · · + a1 x + a0 = 0. a12 . 5 5. n ∈ N. Például n q √ de általában nem racionális (lásd 2). Jele: c 5. Definíció. ha aii = 5. . Bizonyítás. Az algebrai számok halmaza bővebb. .12. 5. Minden racionális szám algebrai szám. Bizonyítás. b1 b2 b3 .16. Az algebrai számok az an xn + an−1 xn−1 + · · · + a1 x + a0 . . hiszen gyöke egy elsőfokú egész együtthatós algebrai egyenletnek. . szám amely nem racionális. . n ∈ N. Ez ellentmondás. hiszen a komplex számok számossága kontinuum. ai ∈ Z. hogy megszámlálható sok algebrai szám van. A feltevés szerint [0. Ez a szám nincs benne a fenti felsorolásban. 1] valamennyi eleme fel van sorolva. 5. . Nem minden komplex szám algebrai. számot. . mivel mindegyiktől különböző. an = 0. algebrai számoknak nevezzük. Az irracionális számok számossága kontinuum. 3 pl. Minden racionális szám algebrai szám. Egy n-ed fokú egész együtthatós algebrai egyenletnek legfeljebb n darab gyöke van C-ben.10. számjegyeket jelölnek. Elegendő belátni. A valós számok. 5. megoldása az 5x − 3 = 0 egyenletnek. 5. Tétel. Következmény. Példa. illetve a vele ekvivalens halmazok számosságát kontinuum számosságnak nevezzük. Itt a11 .11. Legyen bi = 5. a véges tizedestörteket végtelen sok nullával egészítjük ki. mint a racionális számok halmaza. SZÁMFOGALMAK . Tétel. ha aii = 5. ai ∈ Z. . 5. és tekintsük a b = 0. így R nem megszámlálható. Definíció. an = 0.

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

l2 . akkor ezek között több egyforma is szerepel. A bizonyítást rögzített n mellett k szerinti teljes indukcióval végezzük. . .. Egy kártyapakli megkeverése a 32 lap egy permutációja. l1 ! · · · · · l k ! Bizonyítás. . Az összes lehetséges ismétlés nélküli k-adosztályú variációk száma n különböző elem esetén: n! k Vn = n(n − 1) . Ha tekintjük az elemek ismétlés nélküli permutációit. Ha ezek szorzatával elosztjuk az ismétlés nélüli permutációk n! számát. Ha úgy keverünk össze egy kártyapaklit. 6.. . tök. (n − (k − 1)) = . . Tekintsünk n darab különböző elemet. makk). ezekből kiválasztva k darab rendezett elemet. l1 ! · · · · · l k ! 6.8 = 8!8!8!8! 6.. és mindegyikből 8 darab van a pakliban. . l2 . . 63 · 1035 számú különböző sorrend létezik. Ekkor ezen elemek összes lehetséges ismétléses permutációinak száma: Pn. hogy k-ra igaz az . lk darab rendre egyenlő. ezt n1 féleképpen tehetjük meg. . SZÁMFOGALMAK 6.. Legyen n elem közül l1 .7. zöld. . 3 4 . 4 . Tétel.6. . . mivel az azonos elemeket egymás között cserélgetve a permutáció nem változik. hogy csak a színeket vesszük figyelembe.5.8.8. . például: 3 . . Tétel.l1 .8. 6. Példa. k = 1 esetén n darab elemből 1-et kell kiválasztanunk. Most tegyük fel. . akkor négyféle lap lesz (piros.8. (n − k)! Bizonyítás. . .3. Ez a 32 lap egy ismétléses permutációja. az lk darab egyforma elem esetén pedig lk !.. 32! és az összes különböző sorrend száma: P n. tehát: Vn = n. az n elem egy k-adosztályú ismétlés nélküli variációját kapjuk.. Ekkor l1 + l2 + · · · + lk = n.. lk darab rendre egyforma. Példa. .lk = n! . ha az n darab elem közül l 1 . Definíció. .36 2. Például az l 1 darab egyforma elem egymás közti permutációinak száma l 1 !. Definíció. és 32! ≈ 2. . megkapjuk az isméléses permutációk számát: . 6 .4. 6 . Ismétléses permutációnak nevezzük n elem egy rögzített sorrendjét. l1 l2 lk 6.

Példa. 6. csak más sorrendben. akkor az n elem k-adosztályú ismétlés nélküli kombinációját kapjuk. tehát: k Cn = k Vn = k! n . Tétel. Az n elem ismétlés nélküli k-adosztályú variációi között k! számú van. k!(n − k)! k n számokat binomiális együtthatóknak nevezzük. Ha n darab különböző elemből úgy választunk ki k darabot. és bizonyítsunk k + 1-re. Ha egy futóversenyen 10 ember áll rajthoz. k . akkor az első három helyezett a 10 ember egy 3-adosztályú ismétlés nélküli variációja. k tehát Vn. 6. és összesen 3 V10 = 10 · 9 · 8 féleképpen állhatnak fel a dobogóra a versenyzők. Definíció. Az összes lehetséges k-adosztályú ismétlés nélküli kombináció n elem esetén: n! n k Cn = = . akkor az n elem egy k-adosztályú ismétléses variációját kapjuk.6.10. Definíció. a k + 1k+1 = edik elem kiválasztására már csak n − k lehetőség adódik. Ha n elemből kiválasztunk k darabot úgy.12. 6. Az összes lehetséges k-adosztályú ismétléses variációk száma n különböző elem esetén: k Vn. tehát V n k. melyekben ugyanazok az elemek szerepelnek. Tétel. 6. Ha kiválasztunk k darab elemet. A k darab hely mindegyikére n lehetőség közül választhatunk. Bizonyítás. hogy egy elemet többször is választhatunk és a sorrend számít. összesen V314 = 314 −féleképpen tölthetjük ki. A totó-szelvény kitöltése 3 darab elem (13+1)-edosztályú ismétléses variációja. Ezek mind ugyanazt a kombinációt állítják elő. Az n -t "n alatt a k Bizonyítás. k k"-nak mondjuk.ism = nk .9.ism = n · · · · · n = nk . 6. (n − k)Vn n A definíciók alapján a permutáció a variáció speciális esete: P n = Vn 6. KOMBINATORIKAI ALAPFOGALMAK 37 állítás.14. hogy a sorrend nem számít. Példa.13.11.

k Bizonyítás. azaz k k Cn.ism = Cn+k−1 = n+k−1 . B betűkből és a 0.38 2. 6. és mi 10 darabot veszünk. a2 . . 9 − 3} = {1. A kiválasztást úgy végezzük el. n Ez nemcsak abból vezethető le. n+ k − 1} halmaz elemeinek egy ismétlés nélküli kombinációja. n. Az összes lehetséges k-adosztályú ismétléses kombinációk száma n elem esetén: n+k−1 k Cn. . 2.16. Rendezzük ezeket az elemeket növekvő sorrendbe. Definíció. .ism = 5+10−1 -féleképpen választhatunk. Példa. Példa. (Például ha n = 6 és k = 4.18. Megmutatjuk. és legyen ennek egy k-adosztályú ismétléses kombinációja az {a1 . . akkor ez az 5 csokoládé 10-edosztályú ismétléses kombinációja.szám. .) Tehát k k Cn. hogy a sorrend nem számít és egy elemet többször is választhatunk. . . n} halmaz. Legyen az n elem az {1.n−k . 6. . és 10 összesen C5. 3. n − k darabot pedig 0-val jelölünk meg. Adjunk most az elemekhez különbözö számokat úgy. Az A. Ugyanis Cn n elemből k darab kiválasztásainak a száma. . betű.15. következésképpen a megfeleltetés kölcsönösen egyértelmű. SZÁMFOGALMAK k A kombináció az ismétléses permutáció speciális esete: C n = Pn. 1 számokból hány "betű. hogy azután már ne legyenek közöttük egyenlőek: 1 ≤ a 1 < a2 +1 < a3 +2 < · · · < ak +(k−1) ≤ n+k−1. 6}. 10 6. Minden ilyen ismétlés nélküli kombinációhoz tartozik n elem egy ismétléses kombinációja.17. 2.ism = .n−k -féleképp tehető meg. . 5 − 2. Ha ötféle csokoládét lehet kapni a boltban. 4.ism = Cn+k−1 . Ha n elemből úgy választunk ki k darabot. Ez pedig P n.k. . szám" típusú rendszámtábla készíthető? Három tipikus megoldási módszert ismertetünk. . 5. hogy mindkettő k -val egyenlő. hogy a felsorakoztatott n elemből k darabot 1-essel. 9} ismétlés nélküli kombinációnak az ismétléses megfelelője az {1. Ez már az {1. k 6. hanem a k definícióból is. . 4 − 1. .k. akkor n + k − 1 = 9 és az {1. ak } halmaz. . hogy n elem k-adosztályú ismétéses kombinációinak halmaza és n + k − 1 elem k-adosztályú ismétlés nélküli kombinációinak a halmaza között kölcsönösen egyértelmű megfeleltetés létezik. 3. természetesen lehetnek köztük egyenlőek: 1 ≤ a1 ≤ a2 ≤ a3 ≤ · · · ≤ ak ≤ n. 3. akkor n elem egy kadosztályú ismétléses kombinációját kapjuk. Tétel. .

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

legyen a. . amelyek összege n. .21. Ekkor n (a + b) = s=0 n n n−s s a b = s n n n n−1 n n a + a b + . Az a1 elemet s1 -szer s1 1 2 k féleképpen lehet kiválaszatni az n darab zárójelből. SZÁMFOGALMAK n+1 (n + 1)n(n − 1) · · · (n − k + 1) n+1 n = = . . · = . . 6. Tehát az a s1 as2 .. .19. ask alakú lesz. A binomiális tétel alapján: n n n + + . Példa. A tétel a polinomiális tétel speciális esete k = 2-re.. ezért a szorzat egy tagja n as1 as2 . Mivel n darab és minden tagot minden taggal szoroznunk kell.. . + 0 1 n = (1 + 1)n = 2n . 0 1 n Bizonyítás. 6. n! (n − s1 )! (n − s1 − · · · − sk−1 )! n! · . összesen n−s1 −fés2 leképpen. . . .. ezután az a 2 elmet s2 ször már csak (n − s1 ) darab zárójelből választhatjuk. Ekkor 4. a sk . . (a1 + · · · + ak )n = s1 +···+sk =n n! s1 ! . + b . . .. 1 2 k Az összegzés azon nem negatív egész s 1 . s1 !(n − s1 )! (n − s1 − s2 )!s2 ! (n − s1 − · · · − sk )! sk ! s1 ! . . sk számokra terjed ki. . Tétel (Polinomiális tétel). Bizonyítás. (a1 + · · · + ak ). ahol s1 + · · · + sk = n. s2 n − s1 − · · · − sk−1 sk = (a1 + · · · + ak )n = (a1 + · · · + ak )(a1 + · · · + ak )... az ak elemet sk -szor (n − s1 − · · · − sk−1 ) darab zárójelből n−s1 −···−sk−1 −féleképpen választhatjuk ki. . b ∈ R . . legyen a 1 . . ask tag 1 2 k sk együtthatója a szorzatban: n s1 n − s1 . s k ! 0!=1 6. k+1 (k + 1)k(k − 1) · · · 1 k+1 k Ezt a képletet használhatjuk a binomiális együtthatók rekurzív kiszámítására is (hiszen az n! gyors növekedése miatt a definíció szerinti közvetlen kiszámítás nem célszerű). Tétel (Binomiális tétel). s k ! a s1 a s2 . . ha 0 ≤ k ≤ n..40 2.. . . ak ∈ R és n ∈ N .. ..20. .

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

.

1. Definíció. . . a2 ) = (λa1 . λa2 ). Példa. vektortér R felett. y ∈ V és ∀α.4. β ∈ T esetén: (a) α(x + y) = αx + αy. ha értelmezve van rajta egy + : V × V → V összeadás.2. n} . a2 ) | a1 ∈ R. A számpárok halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk: . A V nem üres halmazt vektortérnek nevezzük a T test felett. 1. Vektorterek 1. an ) | ai ∈ R.3. 1. . Példa. (a1 . a2 ∈ R} Rn = R × R × · · · × R = {(a1 . . (V. . a2 ) + (b1 . amelyet a szám n-esek terének nevezünk. . V elemeit vektoroknak nevezzük. . 1. A valós számok R halmazának önmagával vett Descartes-féle szorzata. a V Abel-csoport 0 neutrális elemét pedig nullvektornak. +) Abel-csoport. a2 + b2 ). ∀x. a skalárszorzás a szokásos R-beli szorzás. R vektortér önmaga felett. amelyet a rendezett számpárok terének nevezünk. A valós számok R halmazának önmagával vett n-szeres Descartes-féle szorzata. vektortér R felett. Példa. fejezet Vektorok 1. Az összeadás a szokásos R-beli összeadás. λ(a1 . (b) (α + β)x = αx + βx. b2 ) = (a1 + b1 . (c) α(βx) = (αβ)x. . (d) 1x = x.3. amelyek teljesítik az alábbi tulajdonságokat: 1. T elemeit skalároknak mondjuk. . 2. A szám n-esek n-szer halmazán az összeadást és a skalárszorzást a következőképpen definiáljuk: 43 R2 = R × R = {(a1 . i = 1. és egy T × V → V skalárszorzás.

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

Tétel. 1. . akkor (α)−1 αa = (α)−1 0.10. (an xn + an−1 xn−1 + · · · + a1 x + a0 ) + (bn xn + bn−1 xn−1 + · · · + b1 x + b0 ) = (an + bn )xn + (an−1 + bn−1 )xn−1 + · · · + (a1 + b1 )x + (a0 + b0 ) .12.9. C vektortér R felett is. (De R nem vektortér C felett a szokásos C beli műveleteket tekintve. hogy sem α = 0. T) vektortér W részhalmazát a V alterének nevezzük. Példa. 4. Ha α = 0. Vektortérben a nullvektor egyértelműen létezik. C vektortér önmaga felett. innen α0 = 0. Definíció. 1. de αa = 0.6. ami ellentmondás.8. így 0a + a = a. A zárt intervallumon értelmezett függvények F = {f | f : [a. Indirekt tegyük fel. hogy Abel-csoport neutrális eleme egyértelmű. Példa. VEKTORTEREK 45 1. a + (−1)a = 1a + (−1)a = (1 + (−1))a = 0. tételénél. 1. .5. ha W önmagában is vektortér. α0 = α(0 + 0) = α0 + α0. amely csak a nullvektort tartalmazza. . αa = 0 =⇒ α = 0 vagy a = 0. 3. Ekkor 1. 0a = 0. ∀α ∈ T. Az a {0} halmaz. mindig vektortér. b ∈ V.7. és triviális vektortérnek nevezzük. a bizonyítást lásd az előző fejezet 1. b] → R} Pn = {an xn + an−1 xn−1 + · · · + a1 x + a0 | ai ∈ R.) 1. Bizonyítás. A tétel következménye annak. 2.1. Példa. Tétel. Bizonyítás. b ∈ W és ∀α ∈ T esetén . és az egyszerűsítési szabály miatt 0a = 0. a skalárszorzás α0 = 0. (Az összeadás 0 + 0 = 0. Legyen V vektortér a T test felett. (−1)a = −a. Példa. sem a = 0. vagyis a = 0. λ(an xn + · · · + a1 x + a0 ) = (λan )xn + · · · + (λa1 )x + (λa0 ) . A (V. szerint értelmezett. 1. i = 1. Mivel 0a + a = 0a + 1a = (0 + 1)a = 1a = a. β ∈ T és a.11. . 2. α0 = 0. 3. azaz ∀a. α. A legfeljebb n-edfokú valós együtthatós polinomok halmaza vektortér R felett az alábbi műveletekkel: . ezért (−1)a az a vektor additív inverze.) 1. n} tere vektorteret alkot a függvények pontonkénti összeadására és skalárszorzására nézve. 1. . 4.

y ∈ W. Könnyen belátható. α meredekségű egyeneseivel. ahol α ∈ R tetszőleges.16. Ekkor U ∩ W és U + W = {u + w | u ∈ U. w ∈ W } is altér. 1. Tétel.15. Bizonyítás. V α azonosítható a sík origón átmenő. Ha x. 0. VEKTOROK a + b ∈ W. tehát W zárt a vektorok összeadására és tetszőleges skalárral való szorzásra. y ∈ U + W. altér. hogy R 2 -ben a {0} és az R2 altereken kívül csupán ilyen típusú alterek léteznek. ezért x + y ∈ U ∩ W. A {0} ⊂ V és a V ⊂ V altereket triviális altereknek. Megjegyzés. . így x+y ∈ U és x+y ∈ W. Mivel U és W alterek. 6 αx x - 1. illetve nem valódi altereknek nevezzük. 1. Példa. u2 ∈ U és w 1 . Hasonlóan λx ∈ U és λx ∈ W miatt λx ∈ U ∩ W. αx) | x ∈ R}. R2 -ben Vα = {(x. akkor létezik u1 . 1. . y ∈ U és x.46 3. αa ∈ W. hogy x = u1 + w1 és y = u2 + w 2 . . W ⊂ V altér a V vektortérben. de rögzített elem. Legyen U ⊂ V. 0) | a ∈ R} halmaz altér. .13.14. Ha x. a 0 vektort biztosan tartalmazza. 1. y ∈ U ∩ W. A szám n-esek terében a W = {(a. 2. akkor x. U ∩ W nem lehet üres halmaz. Ekkor x + y = (u1 + w1 ) + (u2 + w 2 ) = (u1 + u2 ) + (w1 + w2 ) ∈U ∈W . zártak a vektortér műveletekre nézve. w 2 ∈ W úgy. Példa.

ak ). . αk ∈ T. . . . ak ∈ V vektorrendszert 1. ak vektorokból előáll ún. . .2. . . Definíció. triviális lineáris kombinációként: 0 = 0a 1 + · · · + 0ak . . Az e1 = (0. bázis. bl vektorok lineáris kombinációjaként. . . . . . . . . 2. . Definíció. akkor  l j=1 k c= i=1 λi ai = i=1 Tehát előállítottuk c-t a b1 . . . L(a1 .2. . ak vektorok lineáris kombinációjának nevezzük. . LINEÁRIS FÜGGŐSÉG. DIMENZIÓ 47 2. . Tétel. .1. . BÁZIS. . ak vektorainak összes lineáris kombinációja alteret alkot V -ben. 1) és e2 = (1. bl vektorok lineáris kombinációjaként. ak vektorok segítségével. . . Ekkor az α1 a1 + α2 a2 + · · · + αk ak vektort az a1 . R2 -ben a (0.5. . . Legyen V vektortér. és zárt a skalárszorzásra: λ(α1 a1 + · · · + αk ak ) = (λα1 )a1 + · · · + (λαk )ak . . ak vektorrendszer által generált altérnek. . generátorrendszernek nevezzük. . . . Ezt az alteret az a1 . és minden ai (i = 1. k l Bizonyítás. . . A nullvektor tetszőleges a1 . . 2. . 2. Példa. . . . . ak ) zárt az összeadásra: λi   l j=1 µij bj  = λi µij i=1 bj . Bizonyítás. 0) vektorok lineáris kombinációjaként azonban minden R 2 -beli vektor előáll. . . Jele: L(a1 . . k. 2. Tétel (A lineáris kombináció tranzitivitása). akkor a c vektor is előállítható a b1 . ak } halmaz (lineáris) lezártjának hívjuk. . A V vektortér tetszőleges a1 . . . vagy az {a1 . . k) vektor lineárisan kombinálható a b1 . . 2) = 3e1 + 2e2 . így L(e1 . . ak ∈ V és legyenek α1 . ha V minden eleme legalább egyféleképpen lineárisan kombinálható belőlük. vagyis az y tengely.4. Ha c = i=1 k λi ai és ai = j=1 k µij bj i = 1. . például (3. . . . . . . (α1 a1 + · · · + αk ak ) + (β1 a1 + · · · + βk ak ) = (α1 + β1 )a1 + · · · + (αk + βk )ak . 1) vektor általt generált altérben ezen vektor skalárszorosai vannak. . a1 . Az a1 . . Ha a c ∈ V vektor lineárisan kombinálható az a1 . . dimenzió 2. . e2 ) = R2 . . Lineáris függőség. Legyen V egy vektortér. Adott a V vektortér a T test felett. bl vektorokból.3. .

. . ak ∈ V vektorrendszer akkor és csak akkor lineárisan függő. ha belőlük a zérusvektor nem triviális lineáris kombinációval is előállítható. A két egyenlőséget kivonva egymásból a nullvektor egy nem triviális lineáris kombinációját kapjuk: 0 = (α1 − β1 )a1 + · · · + (αk − βk )ak . ha V minden eleme legfeljebb egyféleképpen előállítható a lineáris kombinációjukként. ha V minden eleme pontosan egyféleképpen kombinálható belőlük. Ha a V vektortérben a1 . akkor kétféleképpen is felírható lineáris kombinációként: 0 = α1 a1 + · · · + αk ak . . u2 ) vektor u = u1 e1 + u2 e2 lineáris kombinációként előállítható. . ∃i : αi = 0. hisz tetszőleges u = (u1 . . . . Egy vektorrendszert lineárisan függőnek nevezünk. . . akkor a (λ1 . ha létezik véges sok elemből álló generátorrendszere. . . Ha a1 . és a előállítása ebben a bázisban a = λ1 a1 +· · · +λk ak . 0 = 0a1 + · · · + 0ak . ahol (αi − βi ) = 0. 2. . . x = β1 a1 + · · · + βk ak .6. αk nem mind nulla skalárok úgy. .9. így a vektorrendszer lineárisan függő. ak bázis. R2 -ben e1 = (0. 1. Definíció. és létezik i ∈ {1. Egy vektorteret végesen generáltnak nevezünk. . Tétel. . Egy a1 .7. . . 2. 2.10. λk ) szám k-ast az a vektor a1 .48 3. . Megjegyzés. 0) bázis. ak ∈ V lineárisan függő vektorrendszer. . és ez az előállítás egyértelmű. melyre αi = βi . ak bázisra vonatkozó koordinátáinak nevezzük. azaz léteznek α1 . . . amit legalább kétféleképpen lehet kikombinálni belőlük. Ha a nullvektornak van nem triviális előállítása. 2. hogy 0 = α1 a1 + · · · + αk ak . 3. . Definíció. . 2. 1) és e2 = (1. . . . lineárisan független vektorrendszernek nevezzük. .8. k}. bázisnak nevezzük. Példa. Bizonyítás. Ekkor x = α1 a1 + · · · + αk ak . VEKTOROK 2. akkor létezik olyan x vektor. 2. ha nem lineárisan független. .

a = 0a1 + . a lineárisan függő. Következmény.12. . . ami ellentmondana a maximalitásnak. . . . . .13. . Közvetlenül adódik a definíciókból. lineárisan független generátorrendszer. Tetszőleges. =⇒ 3. 2. . ak bázis volt. . hogy a második állítás akkor és csak akkor teljesül. . 2. amit nem lehet kikombinálni belőlük. ak ∈ V bázis. akkor lineárisan függő. ha a1 . maximális lineárisan független vektorrendszer (egy vektort hozzávéve. . . ak bázist kibővítjük egy a ∈ V vektorral. tétel miatt a 0 vektor előállítható belőlük nem triviális lineáris kombinációként: 0 = λ1 a1 + · · · + λk ak + λk+1 a ∃i : λi = 0. 3. . . mert az a vektort kétféleképpen is elő lehet állítani belőlük lineáris kombinációval. Bizonyítás. a vektorrendszer lineárisan függő lesz. DIMENZIÓ 49 2. . hogy nem kombinálható ki az a1 . . A nullvektor önmagában függő rendszert alkot. hogy létezik a ∈ V úgy. Következmény. LINEÁRIS FÜGGŐSÉG. BÁZIS. akkor ezt a vektort hozzávéve. . minimális generátorrendszer (egy vektort elvéve. 2. . =⇒ 4. . ak bázis. (b) 3. . . akkor generátorrendszer is egyben. 0ak + 1a. Következmény. . a1 . Ugyanis ha létezne a ∈ V vektor. ak ∈ V vektorrendszer akkor és csak akkor lineárisan független. 2. a nullvektortól különböző vektor önmagában független rendszert alkot. . . ha belőlük a zérusvektor csak triviális lineáris kombinációként állítható elő. Egy a1 . Bizonyítás. . azaz ha 0 = α 1 a1 + · · · + αk ak . . ak . . .10. már nem lineárisan függetlenek). .11. Az állítás az előző tétellel ekvivalens. . . . Egyrészt léteznek olyan α1 . de a1 . αk skalárok. . Belátjuk. Ha az a1 . akkor az így kapott a1 . akkor α1 = · · · = αk = 0. a negyedikből pedig az első. Legyen V egy vektortér. . hogy az elsőből következik a harmadik. ak . . . ak maximális lineárisan független vektorrendszer. . a harmadikból a negyedik. a vektorrendszer lineárisan független maradna. Ha egy vektorrendszer tartalmazza a zérusvektort. Tehát tegyük fel indirekt. másrészt a = α1 a1 + · · · + αk ak . . Tétel.2. 4. (a) 1. melyekre mivel a1 . Ekkor a 2. Az alábbi állítások ekvivalensek: 1. . . . Ha a1 . már nem generátorrendszer). ak vektorokból. .14.

Ha a1 = λ2 a2 + · · · + λk ak . ahol létezik i. mert ak -t nem lehet kikombinálni belőlük. λk+1 λk+1 k ami ellentmond az indirekt feltevésnek. mert ellenkező esetben létezne a 0 vektornak nem triviális előállítása az a1 . ami azt jelenti. ha valamely vektora lineárisan kombinálható a többiből. így az a vektor kifejezhető a1 . . 2. 1. A minimalitás a lineáris függetlenség következménye. és a skalárok között van nemnulla. hogy a kétféleképpen is felírható az a1 . . . Az a1 . . ak minimalitásának. Kivonva a két egyenlőséget egymásból: 0 = (λ1 − µ1 )a1 + · · · + (λi − µi ) ai + · · · + (λk − µk )ak . hogy létezik a ∈ V úgy. ak lineáris kombinációjaként: a=− λ1 λk a1 − · · · − a . ami csak (k − 1) elemből áll. Bizonyítás. hogy a1 . . . . Ahhoz. . Így ez a vektorrendszer. . hogy minden vektor csak egyféleképpen kombinálható belőlük. . . Ha például az ak vektort elhagyjuk. .2. ak vektorrendszer akkor és csak akkor lineárisan függő. Indirekt tegyük fel. Ha a rendszer lineárisan függő. hogy bázis. . . . Tétel. ak vektorok lineáris kombinációjaként. =⇒ 1. . . akkor a nullvektor felírható lineáris kombinációjukként: 0 = λ1 a1 +· · ·+λk ak . . (c) 4. . . . . . így a 0-nak van a triviálison kívül még egy előállítása. . ak vektorrendszer lineáris kombinációjaként: a = λ1 a1 + · · · + λk ak . akkor a1 . 1 ≤ i ≤ k. szintén generátorrendszer a 2.50 3. . . hogy ai kifejezhető az a1 . ai+1 . akkor 0 = −1a1 + λ2 a2 + · · · + λk ak . hogy a vektorrendszer függő. meg kell mutatni. ak−1 vektorok nem alkothatnak generátorrendszert. . a = µ1 a1 + · · · + µk ak . ami ellentmond annak. tétel miatt. ak minimális generátorrendszer. Tegyük fel. 2. . ami ellentmond a1 . hogy belássuk. =0 ami azt jelenti. hogy lineárisan függetlenek. ai−1 . VEKTOROK Ebben az előállításban λk+1 = 0. . . . . .15. . ak vektorok lineáris kombinációjaként. . . . amire λi = µi .

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

. . x2 . . A legfeljebb n-ed fokú polinomok vektorterében bázis az 1. így a 2. .. hogy a1 . . Egy vektortér bázisainak közös számosságát a vektortér dimenziójának nevezzük. Ha a1 . akkor W = V. . . amelyek kikombinálhatóak a többiből. . . 2. bl lineárisan független vektorrendszer.22... 2. . Ha V egy vektortér.25. és ebben a bázisban egy elem előállítása:       α1 1 0  α2  0 0        . + αn  . azaz egy bázist. A szám n-esek Rn terében az alábbi vektorrendszer bázis:       1 0 0 0 1 0             e1 = 0 . .. Következmény. Egy vektorrendszer által generált altér dimenzióját a vektorrendszer rangjának nevezzük: rg(a1 . így k ≤ l. . Definíció. ak generátorrendszer. . . Példa. Ha a1 . véges sok lépésben egy lineárisan független vektorrendszert kapunk. . 2. . akkor bázis. akkor léteznek olyan elemek. . . . . . . Definíció.23. Ezeket az elemeket elhagyva. . b1 . . . bl is bázis V -ben. . . . ak )= dim L(a1 .  . Ekkor léteznek ak+1 . . . ak lineárisan független. . tétel miatt l ≤ k. xn vektorrendszer. . W ⊂ V altér és dim W = dim V . Ha lineárisan függő. . . . an ∈ V vektorok úgy. .24. . .21. en = 0 . . .  = α1  . ak és b1 . . ak generátorrendszer V -ben. a 1 . . Példa. . αn 0 1 n Ezt a bázist R kanonikus vagy természetes bázisának nevezzük. ak ). . . . an bázis V -ben. 2. . Tétel. . akkor azt elhagyhatjuk. . . . .52 3.  . . . . . ak ∈ V lineárisan független vektorrendszer. a1 .  + . . . akkor a1 . . . így ez a vektortér (n + 1)-dimenziós. 2. .20.17. .  . 0 0 1 Tehát Rn n-dimenziós.. bl generátorrendszer. Fordítva: b1 . . VEKTOROK Bizonyítás. . . . x. k < n. . . . Ha a1 . . ak lineárisan független. Legyen V egy n-dimenziós vektortér. tehát k = l. és van benne nullvektor. . 2. 2. 1. e2 = 0 .

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

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

. . Ha A ∩ B = {0} és A + B = V. akkor az utóbbi miatt bármely x ∈ V esetén létezik a ∈ A és b ∈ B úgy. . ek . Másrészt A ⊕ B = V miatt V ⊂ A + B. akkor V = L(e1 ) ⊕ · · · ⊕ L(en ). . ha előáll n darab 1-dimenziós alterének direkt összegeként. ∈A ∈B 0 = (a + b) − (a + b ) = (a − a ) + (b − b ).6. . Tegyük fel. hogy az előállítás nem egyértelmű: x = a + b = a + b . c) | b. Viszont x= 0 + x = x + 0 . V = A ⊕ B akkor és csak akkor. Ekkor a B = L(ek+1 . 3. i = 1. dim V = n és e1 . en bázis V -ben. hogy a = a és b = b . akkor ez a vektorrendszer kiegészíthető úgy. tétel miatt teljesül. en ) egy bázisa. ha x = 0.2. hogy e1 . . . 3. . 2. hogy x = a + b. ezért x egyértelműen előáll x = a + b alakban. ∈A ∈B ∈A ∈B ami az egyértelműség miatt csak akkor lehetséges. . R3 = V1 ⊕ V2 . 0) | a ∈ R}.2. ha A + B = V és A ∩ B = {0}. A kétirányú tartalmazás következtében pedig A + B = V. Bizonyítás. 1. . Ha dim A = k. 2. . Mivel x ∈ V és V = A⊕B. . ami A ∩ B = {0} miatt azt jelenti. . hogy A⊕B = V. Ha V = V1 ⊕ · · · ⊕ Vn és dim Vi = 1. 1.5. V2 = {(0. c ∈ R}. n. Ha a V vektortér n-dimenziós és (e 1 . . (b) Legyen x ∈ A∩B. hogy A ⊕ B = V. Ekkor amiből (a − a ) = (b − b). en ) altérre a 3. tétel miatt. . . akkor létezik B ⊂ V altér úgy. Tétel. 0. tehát az A és a B alterek metszete csak a nullvektort tartalmazza. . b. Ha V vektortér és A ⊂ V altér. hogy V = A ⊕ B.3. 3.7. Következmény. így A + B ⊂ V. Példa. akkor V valóban n-dimenziós a 3. . Tétel. . . ALTEREK DIREKT ÖSSZEGE 55 3. Egy V vektortér akkor és csak akkor n-dimenziós. ahol a ∈ A és b ∈ B. Bizonyítás. ek bázisa A-nak. Bizonyítás. .4. ahol a ∈ A és b ∈ B. . . Indirekt tegyük fel. B ⊂ V. (a) Mivel A. . ahol V1 = {(a. .

56 3. rögzített vektor. ahol K altér. Lineáris sokaság egyértelműen meghatározza irányterét. 4. O Tehát az egyenes irányvektoros egyenlete: r = r 0 + tv .2. melynek iránytere L(v). Az x + H = L = x + hy + K egyenlőségből adódik H = K. A térben egy origón átmenő sík altér. az x vektort a lineáris sokaság reprezentáns vektorának nevezzük. Legyen H ⊂ V altér és x ∈ V tetszőleges. Faktortér 4. Az x + H = {x + h | h ∈ H} halmazt H irányterű lineáris sokaságnak nevezzük. r ∈ r0 + H.3. t ∈ R egy olyan 1-dimenziós lineáris sokaságot határoz meg. 4. Példa. Megjegyzés. Bizonyítás. az általános helyzetű egyenesek lineáris sokaságok: 6 H = L(v). Példa. akkor x = x + 0 ∈ L.1. A síkban egy origón átmenő egyenes altér. − − → −→ −→ − − OP = OP0 + P0 P . Lineáris sokaság bármely eleme (és csakis az) reprezentánsa. az általános helyzetű síkok lineáris sokaságok: r0 : P0  :  P r v - . ennek eltoltjai.4. Ekkor y = y + 0 ∈ x + H = L miatt egyrészt y ∈ L. Definíció. Ha egy lineáris sokaság L = x + H alakú. t ∈ R. egy reprezentánsa pedig r 0 . azaz a reprezentáns L-beli. másrészt y = x + hy alakú (hy ∈ H). Legyen most L = y + K egy másik előállítás. 4. VEKTOROK 4. r = r 0 + tv.

O  6 P0  W zP  : r0 r : v1 - W v2 Tehát ha az iránytér H = L(v 1 . α. így αy + H = αx + H. Ekkor x2 + y2 ∈ (x1 + y1 ) + H. Jele: V /H. Ha x1 + H = x2 + H és y 1 + H = y 2 + H. definícióban definiált műveletekre nézve vektorteret alkot. − − → −→ −→ − − OP = OP0 + P0 P . r = r0 + αv 1 + βv 2 . Lineáris sokaságok összege és skalárszorosa nem függ a reprezentánsok megválasztásától. Ezt a vektorteret a H altérhez tartozó faktortérnek nevezzük. .7. Ha x + H = y + H. Az x + H és y + H lineáris sokaságok összegét és skalárszorosát az alábbi módon definiáljuk: (x + H) + (y + H) = (x + y) + H. 1. Legyen V vektortér. α ∈ T. hogy a lineáris sokaságok halmaza a bevezetett összeadásra nézve Abel-csoport. Bizonyítás. 4. α(x + H) = αx + H. akkor x2 ∈ x1 + H és y 2 ∈ y 1 + H. v 2 ). Lineáris sokaság dimenzióján irányterének dimenzióját értjük.6. 4. 2. Tétel. 4.8. FAKTORTÉR 57 H = L(v 1 . Definíció. Belátandó.6.5. A H ⊂ V altérhez tartozó lineáris sokaságok {x + H | x ∈ V } halmaza a 4. r ∈ r0 + H. akkor az r 0 + H lineáris sokaság egy eleme r = r0 + αv 1 + βv 2 alakú. β ∈ R. így (x2 + H) + (y2 + H) = (x1 + H) + (y 1 + H). Ezért αy ∈ α(x + H) = αx + H. Definíció. H ⊂ V altér.4. 1. Bizonyítás. akkor y ∈ x + H. Következmény. 4. v 2 ).

(d) additív inverz: (x + H) + (−x + H) = 0 + H. . . (b) (α + β)(x + H) = (α + β)x + H = (αx + βx) + H = α(x + H) + β(x + H). A V vektortér H altere szerinti faktortér dimenziója: dim V /H = dim V − dim H. . . 0) | a ∈ R}. akkor (ek+1 + H). H altér.9. Bizonyítás. (en + H) bázisa V /H-nak. . (d) 1(x + H) = x + H. ∈H tehát x + H = αk+1 (ek+1 + H) + · · · + αn (en + H). 4.10. en bázisa V -nek. A H irányterű L = (x1 . R2 -ben legyen H = {(a. Ugyanis ez egyrészt generátorrendszer. βk+1 = · · · = βn = 0. . ami csak akkor lehetséges ha. . VEKTOROK (a) (b) (x + H) + (y + H) = (x + y) + H = (y + H) + (x + H). . Példa. akkor x = α1 e1 + · · · + αk ek +αk+1 ek+1 + · · · + αn en . . . A skalárszorzás tulajdonságai: (a) α (x + H) + (y + H) = α(x + y + H) = α(x + y) + H = (αx + αy) + H = α(x + H) + α(y + H). mert ek+1 . ek bázisa H-nak. en lineárisan független vektorrendszer volt. Másrész lineárisan független.58 3. . akkor βk+1 ek+1 + · · · + βn en = 0. e1 . x2 ) + H lineáris sokaság nem függ x1 -től. mert ha x + H ∈ V /H. . x2 ) + H alakba írható. (c) zéruselem: (x + H) + (0 + H) = x + H. . . Ha e1 . hiszen ha βk+1 (ek+1 + H) + · · · + βn (en + H) = 0 + H. Tétel. . (x + H) + (y + H) + (z + H) = (x + y + H) + (z + H) = (x+y+z)+H = (x+H)+(y+z+H) = (x+H)+ (y+H)+(z+H) . tehát (0. (c) αβ(x + H) = (αβx + H) = α(βx + H). . . 2. 4.

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

.

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

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

. 0 0 0 . . . αkn 0 0 . 1. ...10. egy lehetséges   1 . Definíció. Továbbá lineárisan függetlenek. .13.. . . ij ij 2. 0 . . . α(k−1)n+1 .. . . Definíció.9. 0 kn-dimenziós. . MÁTRIXOK 63 (d) 1(aij ) = (aij ).  α1  .. . .. A bizonyítást most is a mátrix általános elemével végezzük. . . + αkn  . a  1 3 5 7 −2 4 0 ferdeszimmetrikus mátrix. .  .. 0 0 0 . ..11.  . 0 0 0 . . és ferdeszimmmetrikusnak.. Az (aij ) ∈ Mk×n mátrix transzponáltja mátrix. . 0   . (A + B)T = AT + B T . Tétel. . csak akkor lehet egyenlő a zérusmátrixszal.. . .. Belátjuk. hogy a baloldali mátrix i-edik sorának j-edik eleme megegyezik a jobboldali mátrix i-edik sorának j-edik elemével. 1. 0 0 0 .. . . .  + . . . Egy A ∈ Mn×n kvadratikus mátrixot szimmetrikusnak nevezünk.. ..  =  .  . (λA)T = λAT . T 1. 6 Az Mk×n vektortér   0 . . .. .. 0 0 . . 1 1.. ha A = AT . . 0 0 .. Bizonyítás. 1 az (aji ) ∈ Mn×k  4 5 . . . . .. . . bázisa:  0 0  .  1 0  . (αA)T = (αA)ji = αAji = αAT . . .     1 2 3 0 −1 2 0 −4 pedig 1. 0 0 0 .. .1.. . . .8. . . . A megadott mátrixok nyilván generátorrendszert alkotnak.. hiszen       α1 . . Az 2 4 5 mártix szimmetrikus. .  . 1. . .. . 0 . . . ha α 1 = · · · = αkn = 0.. . . .. .. Legyen A = . ha A = −A T . . ij ij . Példa. Példa. . . Ekkor AT = 2 4 5 6 3 Bizonyítás. . Jele: AT  1 1 2 3 1. . . . 0 0   . 0 0 . Következmény.12. .. αn 1 0 .. (A + B)T = (A + B)ji = Aji + Bji = AT + Bij = (AT + B T )ij .

A mátrixok szorzása nem kommutatív. Az E ∈ Mn×n kvadratikus mátrixot n-edrendű egységmátrixnak nevezzük.18. mátrixok. 0 0 . hogy AB és BA is létezik és a méretük is egyenlő. Legyen A ∈ Mk×n és B ∈ Mn×m . . ˙ 1. 1 1 1 0 2 1 1 0 1 1 1 1 = . Ha A négyzetes mátrix. B. . = mu1 0 1 1 1 0 1 1 1 0 2 1 tatja. . ahol   1 0 . ain   . Használatos még az egységmátrixra a (δ ij ) jelölés. Tétel. .. A3 = A2 A. . . 1. Az A és B mátrixok szorzatának azt a k × m típusú mátrixot nevezzük. . . Megjegyzés. ha i = j. . 1. . .17. δij = 0. . bnj l=1 1. A[B + C] = AB + AC. MÁTRIXOK 1. melynek i-edik sorának j-edik eleme n (AB)ij = ai1 b1j + · · · + ain bnj = ail blj .64 4. Ha A ∈ Mk×n . hogy AE = EA = A bármely A ∈ M n×n mátrix esetén. 0 0 1 . ail blj =   . általában össze sem szorozhatóak fordított sorrendben. ij     .. 1.14.. mivel az (AB) ij elem kiszámításához az A mátrix i-edik sorát szorozzuk a B mátrix j-edik oszlopával úgy. 0   E = .. ha i = j. .. Definíció. 1 . Az egységmátrixra teljesül.19. és A0 =E.15. továbbá D ∈ Mm×l. Definíció. Példa. . akkor képezhetők az A 2 = AA. akkor teljesülnek az alábbi egyenlőségek: 1. . . hogy a megfelelő tagok szorzatait összeadjuk:     b1j   n     b2j   (AB) =  ai1 ai2 . amit Kroneckerdeltának nevezünk: 1.16. . l=1 Ezt a szorzást sor-oszlop kompozíciós szorzásnak nevezzük. . Megjegyzés. de AB nem egyenlő BA-val. C ∈ Mn×m .

. akkor A-t invertálható mátrixnak. air brj = α[AB] r=1 air brs dsj = n ij (AB)is dsj = [AB]D n ij n 3. n ij n m 2. B ∈ Mn×m . 1. B2 ∈ Mn×n inverzei A-nak. és n n n [AB] T ij = (AB)ji = r=1 ajr bri = r=1 (A )rj (B )ir = r=1 T T (B T )ir (AT )rj = (B T AT )ij . 1. akkor Ak+l = Ak Al . Definíció. 1. akkor (AB)T és B T AT is m × k típúsú lesz. Ekkor AB1 = B1 A = E = AB2 = B2 A. Jele: A−1 . Bizonyítás. A bizonyítást általános elemmel végezzük: n n n 1. Legyen A ∈ Mn×n kvadratikus mátrix. 1.21. Legyenek A. Bizonyítás. Ha A ∈ Mn×n négyzetes mátrix. Ha létezik olyan B ∈ Mn×n mátrix. Ha az A ∈ Mn×n mátrixnak létezik inverze. A[BD] = [AB]D. B összeszorozható mátrixok. és B-t az A mátrix inverzének nevezzük. Ha A ∈ Mk×n . Bizonyítás.23. akkor az egyértelmű. A[αB] = α[AB].1. melyre AB = BA = E . A[BD] m s=1 n r=1 = r=1 air (BD)rj = m s=1 r=1 air s=1 brs dsj = .22.20. Tétel. A[αB] = r=1 air (αB)rj = r=1 air [αbrj ] = α ij . hogy B1 . Ekkor (AB)T = B T AT . ahol E az n × n típúsú egységmátrix. MÁTRIXOK 65 2. A[B + C] n r=1 ij = r=1 air (B + C)rj = r=1 air [brj + crj ] = r=1 air brj + air crj = (AB)ij + (AC)ij = (AB + AC)ij . Tétel. Következmény. 3. Tegyük fel.

Ak ) = A−1 . Definíció. Ak = · · · = E. (A−1 A2 ) . . MÁTRIXOK ha beszorozzuk az első egyenlőséget B 2 -vel: (B2 A) B1 = B2 (B1 A). . Belátandó. E 1. A−1 A−1 )(A1 A2 . . A−1 A−1 ) = A1 A2 . . . 2 1 k Bizonyítás. . és a későbbiekben lineáris egyenletrendszerek megoldására is használjuk. . . Invertálható mátrixok esetén az inverzképzés és a transzponálás sorrendje felcserélhető: (AT )−1 = (A−1 )T . Belátjuk. . két nem nulla mátrix szorzata lehet nulla: 1 0 1 0 0 0 1 1 = 0 0 . Ak = 2 1 2 1 k k A−1 . 1. és (A1 A2 . Tétel. . (A−1 . hogy AT inverze (A−1 )T : AT (A−1 )T = (A−1 A)T = E T = E.26. . . . . A−1 (A−1 A1 ) A2 . . hogy mindkét irányból szorozva őket egységmátrixot kapunk: 1. (A1 A2 . E E akkor azt kapjuk. Ak ∈ Mn×n mátrixok invertálhatóak.25.66 4. 2 k E E 2. Ez a gyűrű egységelemes. .24. Rögzített n ∈ N esetén az n × n típusú mátrixok gyűrűt alkotnak (mátrixgyűrű). Ak )−1 = A−1 . hogy B1 = B2 . . . . (Ak A−1 ) . . Ak )(A−1 . . . 0 0 Az alábbiakban a Gauss-féle eliminációt ismertetjük. Tétel. Ha az A1 . . (A−1 )T AT = (AA−1 )T = E T = E. . Ennek segítségével meghatározhatjuk egy mátrix inverzét. De nem kommutatív. . Az alábbi mátrixátalakításokat (műveleteket) elemi sor (oszlop) átalakításoknak nevezzük: . . E az egységelem. Valóban. és nem nullosztómentes. . A−1 A−1 . akkor a szorzatuknak is létezik inverze. . 1. Bizonyítás. A−1 A−1 = · · · = 2 1 2 1 k k E.

27. Az A =  0 0 1 3 4 3 4 mátrix lépcsős alakú. Következmény.31. Mátrix egy sorának vezető eleme a sor első zérustól különböző eleme. egy mátrix két tetszőleges sorát (oszlopát) felcseréljük.   1 2 3 4 0 1 2 3   1.34. egy mátrix sorát (oszlopát) zérustól különböző skalárral megszorozzuk. ha egyik a másikból véges sok elemi sor átalakítással (oszlop átalakítással) előállítható. 0 0 0 0 1.29. továbbá a főátlóban csupa nem nulla elem áll. A C = 0 2 3 mátrix felső trianguláris. MÁTRIXOK 67 1.   1 3 5 1. A B =  0 0 1 2 mátrix trapéz alakú. Egy mátrixot lépcsős mátrixnak nevezünk.32. Az A ∈ Mn×n mátrixot háromszög alakúnak vagy felső triangulárisnak nevezzük. ha a mátrixban van két olyan sor.35. Definíció. Definíció.28. a mátrixban a zérustól különböző elemeket tartalmazó sorok megelőzik a csupa nulla sorokat. Definíció. Egy mátrixot trapéz alakúnak nevezünk.1. Definíció. Ha B mátrix az A mátrixból véges sok sor (oszlop) átalakítással megkapható. Két mátrixot sorekvivalensnek (oszlopekvivalensnek) nevezünk. 1. Definíció. ha lépcsős alakú és az egymás alatt álló sorokban a vezető elemek oszlopindexeinek különbsége 1. 0 0 2 . amelyek segítségével B-ből A-t kapjuk.33. 1. Példa. Példa. 1. ha teljesíti az alábbi tulajdonságokat: 1. 2. akkor a másodikban a vezető elem oszlopindexe nagyobb vagy egyenlő. ha i > j esetén a ij = 0. akkor léteznek olyan sor (oszlop) átalakítások. 3. ami tartalmaz zérustól különböző elemet. 1. egy mátrix sorának (oszlopának) skalárszorosát hozzáadjuk egy másik sorához (oszlopához). 2. mint az elsőben.30. 0 0 0 0 0 0 0 1. Példa.   1 1 1 3 4 5 5 0 0 2 3 5 8 3   1.

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

akkor az inverzben ezt a sort szorozni: (1/α)-val kell       1 0 0 3 0 0 1/3 0 0 0 1 0  0 1 0 = 0 1 0 . vagyis minden négyzetes mátrix elemi mátrixokkal balról szorozva lépcsős mátrixszá alakítható. 1 0 0 2 3 4 = 1 2 3 . Tétel.42. típus: az ilyen mátrixnak önmaga az inverze. 1. Megjegyzés. 1. akkor inverzmátrixban ki kell vonni belőle: . A tételt nem bizonyítjuk. sorhoz hozzáadva másik sor skalárszorosát: 2 1 0 . 0 0 1 0 0 1 0 0 1 3. így visszafordítja a sorrendet:      1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 = 0 1 0 .41. MÁTRIXOK 69 1. 1. 0 0 1 4 5 6 4 5 6      1 0 0 1 2 3 1 2 3 3. Tétel.39. Minden elemi mátrix invertálható. Következmény. 2 1 0 2 3 4 = 4 7 10 .38. 0 1 0 2 3 4 = 2 3 4 . és inverze is elemi mátrix. 0 0 1 4 5 6 4 5 6 1 0 0 3.1.40. A Gauss-elimináció elvégezhető elemi mátrixokkal balról való szorzásokkal. Amilyen elemi átalakításokkal keletkezik az E egységmátrixból az ε elemi mátrix. de példákon keresztül jól látható. ugyanolyan elemi átalakításokkal keletkezik az A-ból az εA mátrix. 0 0 1 0 0 1 0 0 1 2. Ismét példákon keresztül szemléltetjük az állítást: 1. 0 0 1   1. típus: Ha az E-ből úgy kaptuk az elemi mátrixot. 0 0 1 4 5 6 4 5 6      3 0 0 1 2 3 3 6 9 2. hogy egy sor λszorosát hozzáadtuk egy másik sorhoz. Megjegyzés. típus: ha a sor α-szorosa az eredetinek. hogy az elemi átalakítások ekvivalensek a megfelelő elemi mátrixokkal való szorzással:      0 1 0 1 2 3 2 3 4 1.

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

Legyen A = 2 1 1. Determináns A determinánsok alapvető szerepet játszanak a lineáris egyenletrendszerek vizsgálatában. Számítsuk ki A inverzét elemi sorá1 2 0 talakítások segítségével úgy.46. Következmény. következmény szerint:     1 0 11 0 0 1 0 1 1 0 0 A = 2 1 1 0 1 0 ∼ 0 1 −1 −2 1 0 ∼ 1 2 00 0 1 0 2 −1 −1 0 1     1 0 1 1 0 0 1 0 0 −2 2 −1 0 1 −1 −2 1 0 ∼ 0 1 0 1 −1 1  . Ha E = εk . n) számok) összes lehetséges permutációinak száma. Definíció. Bizonyítás.2. 2.1. . akkor ugyanezen átalakításokkal E-ből A −1 et kapjuk. 2. hogy hány szomszédos elem cseréjével állítható elő a permutáció az (1. Gauss-féle szimultán elimináció. . Definíció. n)-ből. . Ezt az n darab számot összesen n!-féleképpen lehet kiválasztani. . ε1 E = A−1 . 0 0 1 3 −2 1 0 0 1 3 −2 1   −2 2 −1 tehát A−1 =  1 −1 1  . hogy az A mátrixon végrehajtott átalakításokat szimultán módon végrehajtjuk az egységmátrixon is az 1. . Az első oszlopból kiválasztott elemet jelölje a i1 1 . . . . DETERMINÁNS 71 1. ami azt jelöli. akkor εk . Az A mátrix determinánsának az alábbi . A−1  1 0 1 1.. . az n-edik oszlopból kiválasztott elemet pedig ain n . . . . . Példa. . . mert ennyi a sorindexek (azaz az (1.46. . .47. . tehát összesen n darab elemet. 3 −2 1  2. ε1 A. n) elemek egy permutációjában az inverziók számának nevezzük az I számot.2. Ha az A ∈ M n×n átalakítható az egységmátrixszá. Az (1. Az A ∈ Mn×n mátrix minden sorából és oszlopából válasszunk ki pontosan egy elemet. .

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

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

. det(a1 ... . . . .. ajn n = (j1 . an | = (−1)I aj1 1 . . .. hogy a két definíció ekvivalens. . .. λ1 a1 | + · · · + |a1 .. . . . ... az egységmátrix determinánsa 1: det(e 1 . . ... .. ahol e1 = (1.. ai . . . ai ... . . . . akkor létezik olyan oszlop.jn )∈Pn (−1)I aj1 1 . ..jn )∈Pn (−1)I aj1 1 . .. 2. . .. . . an | + λ |a1 . . Az előző tulajdonságok alapján: |a1 . .. . . (aji i + aji i ) . 0. . . . Trianguláris mátrix determinánsában csak egyetlen tagban nem szerepel nulla. . . ai . . . ami a többi lineáris kombinációja. . .. . .. .74 4.5. . . ai . Determináns függvénynek nevezzük a det : Mn×n → R leképezést. . an ). . . . . . A 10. . .. ...jn )∈Pn (j1 . . . . . . . an−1 | = 0. ai . . ai .. . .. ... an | = |a1 .. . ai . . . . . . . aj + λai . . aji i . .. . . A determináns fogalmát másképpen is meg lehet fogalmazni... . 2. . an ) = − det(a1 . an ) = det(a1 . Tegyük fel. . . an | = |a1 . aj . Ha egy mátrix oszlopai lineárisan függőek. hogy ez az utolsó oszlop (ez oszlopcserével elérhető). . . . .. oszlopvektor két vektor összegére bomlik. 1)T .. . MÁTRIXOK 7. Legyen A ∈ Mn×n . . an ) + det(a1 . . . 10. alternáló tulajdonságú (más szóval antiszimmetrikus): 4. an ) = λ det(a1 . . . an | + |a1 . λai . . an |. . . ... . en ) = 1. aj . an | = |a1 .. . . ai . oszlopvektoraiban homogén: det(λa1 . . .. . (ai + ai ). . . . . mint bizonyos tulajdonságokkal rendelkező függvényt fogjuk meghatározni. .. . ajn n = |a1 . . . λ1 a1 + · · · + λn−1 an−1 | = |a1 . tulajdonság kontrapozíciója. 0 9. . . . aj . aj .. . . . ai . A = (a1 .. an ). 0 0 11. . Ha az i. ... an ). 8. an | + |a1 . . 0)T . . . aji i . .. így: |a1 . ajn n + (j1 . . ha rendelkezik az alábbi tulajdonságokkal: 1. oszlopvektoraiban additív: det(a1 + a1 . . . ez éppen az átlós elemek szorzata. Definíció. .. aj . .. an−1 . .. λn−1 an−1 | = λ1 |a1 . . 0. akkor a determináns minden tagjában pontosan egy összeadás szerepel. en = (0. a1 | + · · · + λn−1 |a1 . . . . pozitív előjellel. an ). .. . ekkor: |a1 . . ai . . 3. an | = |A|. . . A következő definícióban a determinánst. ai . . . utána belátjuk.

an ) = det(00. . . . . . . en ). Bizonyítás. . .  . . . . előállíthatók a természetes bázis lineáris kombinációiként:       a1i 1 0  .2. Tétel. . 2. definíciók ekvivalensek. . . . . an ) = 0. . . A determinánsra adott 2. definícióbeli tulajdonsán n det A = det(a1 . . . . . .5. . . A mátrix oszlopvektorai Rn -beli vektorok. 1. . . ejn ) az (e1 . . Megjegyzés.2.jn )∈Pn Mivel (ej1 . .. amennyi a (j1 .4. és 2.5. Tehát az alternáló tulajdonság miatt: det(ej1 . Például a 2. 2. ani 0 1 n vagyis ai = gokat: j=1 aji ej . .5. in =1 λin n ain ) = . . Ha az oszlopvektorok lineárisan függetlenek. Ekkor n n 1 = det E = det(e1 .8. . . . . tételbeli tulajdonságai bebizonyíthatóak a 2. an ) = det j1 =1 aj1 1 ej1 .7. Tétel. Bizonyítás. tulajdonság: det(0. . jn =1 ajn n ejn = aj1 1 . mégpedig annyival. ... . 1 így megkaptuk a 2. ejn ). . Az első definícióból bebizonyított tulajdonságok között szerepelnek a második definíció követelményei.2.  . Ha egy mátrix oszlopvektorai lineárisan függetlenek. . . Ekkor használva a 2. akkor bázist alkotnak. . . . és lineáris kombinációjukként felírhatóak a természetes bázis elemei.  = a1i  . . . . . akkor a determinánsa nem nulla. DETERMINÁNS 75 2.. . . en )-ből oszlopcserékkel állítható elő. definíció alapján is. 2. Természetesen a determináns 2. definícióbeli determináns előállítást. ajn n det(ej1 . ejn ) = (−1)I det(e1 . en ) = det( i1 =1 λi1 1 ai1 .  + · · · + ani  . jn ) permutációban az inverziók száma. . . . (j1 . .6. . . .  . . an ) = 0 det(0.

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

illetve oszlopokhoz. Legyen A ∈ Mn×n .2.11. . |Kk |∗ . amelyekben pontosan ezek az oszlopok (sorok) szerepelnek. 2. páros |∗ és |Ak |∗ előjele mege- így T paritása megegyezik I + J paritásával. Ekkor 1 r 1 r |A| = |Kk ||Kk | + · · · + |Kk ||Kk | . . . |Kk | és a hozzájuk tartozó algebrai adjungált aldeterminánsokat pedig |K k |∗ . jk az |Ak | aldeterminánsban az oszlopok indexeit jelöli. 2. . . jk ).15. amelyek nincsenek I + J-ben. . Definíció. és ugyanennyi az (n − k) × (n − k) típusúak száma. Egy A ∈ Mn×n mátrix |Ak | aldeterminánsához tartozó adjungált algebrai aldeterminánsnak nevezzük az |A k |∗ = (−1)I+J |An−k | előjellel ellátott adjungált aldeterminánst. . . A mátrix azon elemei amelyek nem tartoznak a kijelölt sorokhoz. .12. és T -ben éppen azoknak a sor és oszlopindexeknek az összege szerepel. Itt I = i 1 +· · ·+ik . . . Megjegyzés. 1 1 r r ∗ ∗ 2.13. |A n−k gyezik. Tekintsünk egy k-adrendű aldeterminánst (|K k |) és a hozzá tartozó adjungált algebrai aldeterminánst (|K k |∗ ). egy (n − k) × (n − k) típusú mátrixot alkotnak. Tétel (Laplace-féle kifejtési tétel). DETERMINÁNS 77 2. Ekkor a |Kk | és |Kk |∗ aldeterminánsok egy-egy tetszőlegesen kiválasztott tagjának a szorzata tagja lesz |A|-nak. Lemma. Jelölje ezeket az aldeterminánsokat |K k |. 2. . akkor |An−k |∗ = (−1)T |Ak |. Egy A ∈ Mn×n mátrix esetén ha |Ak |∗ = (−1)I+J |An−k |. .16. Definíció. Megjegyzés. . . ik ). . és J = j 1 + · · · + jk ahol j1 . és ennek a mátrixnak a determinánsát az eredeti mátrix k-adrendű aldeterminánsának nevezzzük és az |A k | jelölést használjuk rá. Az A ∈ M n×n mátrixban jelöljünk ki k darab oszlopot (vagy sort). vagyis az |Ak | aldeterminánshoz kiválasztott sorok indexeinek összege. n ≥ 2 és 1 ≤ k ≤ n. és tekintsük az összes olyan k-adrendű aldeterminánst. Jelöljünk ki a mátrixban k darab sort (i1 . . Egy A ∈ Mn×n mátrixnak n n darab különböző kk k adrendű aldeterminánsa van. . Ezen oszlopok és sorok metszéspontjában álló elemek egy k × k tipúsú mátrixot alkotnak. amit a k-adrendű aldeterminánshoz tartozó adjungált aldeterminánsnak nevezünk. . .14. 2. tehát T = összes sor és oszlopindex összege 2(1 + · · · + n) −(I + J) = n(n − 1) −(I + J). . és k darab oszlopot (j1 .

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

hogy ez éppen annyi tagot jelent.17. 2. hogy a |K k ||Kk |∗ + 1 1 n k!(n − k)! = n! k darab tag van. Megjegyzés. A Laplace tétel leggyakrabban használt speciális esete az egy sor vagy egy oszlop szerinti kifejtés. Ha az A ∈ M n×n mátrixot kifejtjük egy oszlopa (sora) szerint úgy. 1 1 1 1 2 3 2. így összesen Belátjuk.19. akkor az eredmény nulla lesz: a1j |An−1 |∗ + · · · + anj |An−1 |∗ = 0.18. az adjungált algebrai aldeterminánsok pedig (n − 1) × (n − 1) típusúak. Az első oszlop szerint kifejtve: 1 2 0 3 0 2 1 1 1 3 2 1 2 2 3 4 0 1 2 4 1+1 1 2 3 + 2(−1)2+1 1 2 3 + = 1(−1) 3 1 1 1 1 1 1 1 0 1 2 0 1 2 0(−1)3+1 2 3 4 + 3(−1)4+1 2 3 4 . hogy az a1j |An−1 |∗ + · · · + anj |An−1 |∗ 1k nk . DETERMINÁNS 79 · · · + |Kk ||Kk |∗ kifejezés valamennyi tagja szerepel A determinánsában. ik Bizonyítás. hogy a |Kk ||Kk |∗ + · · · + |Kk ||Kk |∗ -ben szereplő tagok különböznek. Az r r 1 1 r r Bizonyítás. 2. Vegyük észre. 1k nk ahol |An−1 |∗ az aik elemhez tartozó adjungált algebrai aldetermináns. egy k × k típusú determinánsnak k! darab tagja van). amikor az aldeterminánsok 1 × 1 típusúak. ami valóban a determináns összes tagját jelenti. (Laplace tétel) A lemma alapján tudjuk. Tétel (Ferde kifejtési tétel). Egy |Kk ||Kk |∗ szorzatban pedig k!(n − k)! darab tag van (hiszen i i világos. amennyiből |A| áll (ez n! darab tag). és k = j.2. Egy 4 × 4 típusú mátrix determinánsát valamely oszlopa szerinti kifejtéssel 4 darab 3 × 3 típusú determináns kiszámítására vezethetjük vissza. hogy egy másik oszlop (sor) elemeihez tartozó adjungált algebrai aldeterminánsokat használjuk. A k darab oszlop rögzítése után a k darab sort n -féleképpen választk hatjuk ki. Példa.

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

Tegyük fel. Az A ∈ Mn×k mátrix rangja egyenlő egy maximális rendű. értéke |A r | = D0 . Tétel. Megjegyzés. . . Definíció.  + · · · + λr  . . . br ) lineárisan független vektorrendszer. . . a1r b1 (3. . λ1  . 3. az n-edrendű egységmátrix rangja n. illetve r darab oszlopban vannak. . . tehát       a11 ar1 0  . . br = (ar1 . Tétel. a12 . Bizonyítás. 3. hogy ha tekintjük az |A r | aldeterminánsban szereplő sorokat.. 3. .5. olyan vektor elhagyása. . .  =  .   . . an ) vektorrendszer rangját nem változtatják meg az alábbi átalakítások (úgynevezett ranginvariás átalakítások): 1.  . A mátrix sorvektorai által alkotott vektorrendszer rangját a mátrix rangjának nevezzük.3. .   . 3. 1. . . . a22 . . zérustól különböző aldeterminánsának a rendjével. 3.4. 2. . k). ez sor. a2r )  2  B= . . . Definíció alapján könnyen belátható. . Természetesen r ≤ min(n. . ar2 . . Az (a1 .3. azaz az (r+1)-edrendű aldeterminánsok mind nullával egyenlőek.2. Bizonyítás. egy vektor skalárszorosának hozzáadása egy másik vektorhoz. hogy |A r | sorai és oszlopai az első r darab sorban. arr ) Mivel det B = 0. .és oszlopcserékkel mindig elérhető:   b1 = (a11 . Az A = (aij ) ∈ Mn×k mátrix egy maximális rendű. . . . ezért (b 1 . . vektor szorzása λ = 0 skalárral. vektorok felcserélése. Legyen A egy n × k típusú mátrix. . . Először megmutatjuk. 4. a1r ) b = (a21 .1) esetén arr br 0 0 λ1 = · · · = λr = 0. akkor ezek lineárisan függetlenek. MÁTRIX RANGJA 81 ami tulajdonképpen a benne szereplő lineárisan független vektorok maximális száma. .  . . el nem tűnő aldeterminánsának rendje legyen r. . amely lineárisan kombinálható a többiből. A zérusmátrix rangja nulla. .

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

3.7. Példa. .. . . . Az aldeterminánsokat használva is megoldjuk a feladatot. Ez abból következik. azaz A rangja r. . |Ar | a1k ark amk a1 ar am Ekkor am lineárisan kombinálható az (a1 . másrészt egy lépcsős alakú mátrix rangja nyilvánvalóan a nem nulla sorainak számával egyenő.  =  . azaz oszloprendszerének rangjával. .. |Ar | |Ar | 1j rj |Ar |       a11 am1 −|An−1 |∗ ar1  . hogy egyrészt a Gauss-elimináció nem változtatja meg a mátrix rangját. k} esetén ilyen alakba írható. MÁTRIX RANGJA 83 akkor amj = Tehát amj minden j ∈ {1. 3. 3. Következmény.6. ugyanezekkel az együtthatókkal. . A mátrix rangja Gauss-eliminációval meghatározható: lépcsős alakra hozzuk. +··· +  . 1 2 3 2 3 4 = (1·3·10+2·4·4+3·2·7)−(3·3·4+2·2·10+1·4·7) = 104−104 = 0.8. mert |An−1 |∗ =|An−1 |∗ (i = 1. ezért −|An−1 |∗ 1 ij i −1 1 (a1j |An−1 |∗ ) − . . . és a nem nulla sorok száma adja a mátrix rangját. r) valójában nem ˙ függ j-től.       1 2 3 1 2 3 1 2 3 rg 2 3 4  = rg 0 −1 −2 = rg 0 −1 −2 = 2 4 7 10 0 −1 −2 0 0 0 a Gauss-eliminációt használva. .. .   . 3. ar ) vektorokból.   . így ezek maximális lineárisan független sorvektorrendszert alkotnak az A mátrixban. Mátrix rangja egyenlő transzponáltjának a rangjával. . Következmény. 4 7 10 azonban 1 2 = 1 · 3 − 2 · 2 = 1 = 0. (arj |An−1 |∗ ). . . 2 3 . Meghatározzuk az alábbi 3 × 3-as mátrix rangját. . .  r  .

84

4. MÁTRIXOK

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

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

mátrix pedig az egyenletrendszer kibővített mátrixa.

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

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

4. LINEÁRIS EGYENLETRENDSZEREK

85

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

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

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

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

86

4. MÁTRIXOK

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

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

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

bl−1 al−1l−1

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

xn ismeretlenek értéke egyértelmű. amelynek csak az utolsó eleme nem nulla. ha az elimináció után az alábbi egyenletrendszert kapjuk: x1 + x 2 + x 3 = 3 x2 + x 3 = 2 x3 = 1 Ekkor x3 = 1-et a második egyenletbe behelyettesítve x 2 = 1 adódik. . három esetet különböztethetünk meg. . 4. Megjegyzés. Ekkor az x1 .10. Ekkor végtelen sok megoldás létezik. x2 és x1 ennek függvényében adható meg. . Ha az alapmátrix háromszög alakra hozható (n × n-es egyenletrendszer esetén). 2. . Mivel Gauss-eliminációval minden lineáris egyenletrendszer kibővített mátrixa lépcsős alakra hozható. t ∈ T . ha például: x1 + x 2 + x 3 = 3 x2 + x 3 = 2 Ekkor az egyenletrendszer határozatlan. amelyeknek tetszőleges értéket adhatunk. 3. . A harmadik esetet kapjuk. Legyen tehát x 3 = t. 1. akkor az egyenletrendszerben vannak olyan ismeretlenek. melyeket az első egyenletbe behelyettesítve az x 1 = 1 eredményt kapjuk. Ha a kibővített mátrix lépcsős alakjában nincs olyan sor. és az alapmátrix nem háromszög alakú. Tehát a megoldás egyértelmű. . . . . az egyenletrendszer határozatlan. xl . 3. pontosan egy megoldás van. akkor az egyenletrendszerben nincsenek szabadon választható paraméterek. . x 3 tetszőlegesen megválasztható. 1. ha az elimináció után például az alábbi egyenletrendszert kapjuk: x1 + x 2 + x 3 = 3 0 = 2 Ekkor az egyenletrendszer ellentmondásos. Példa. LINEÁRIS EGYENLETRENDSZEREK 87 . tl+1 . végül x1 kifejezhető tn . . akkor nincs megoldás. Ha a lépcsős alakú kibővített mátrixban van olyan sor amelyben csak az utolsó elem nem nulla.9. A második eset áll fenn. Az előző megjegyzés első esete áll fenn. 4. . xn függvényében. 2. . az egyenletrendszer ellentmondásos.4. .

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

9. azt kapjuk.és oszlopvektorai lineárisan függetlenek. A ∈ Mk×n inhomogén lineáris egyenletrendszer megoldásai lineáris sokaságot alkotnak T n -ben. Az alábbi egyenletrendszert Cramer-szabállyal is megoldhatjuk. 4. ahol di azt az n×n-es mátrixhoz tarozó determinánst jelöli. Bizonyítás. hogy λx1 + µx2 is megoldás. 1 2 1 1 1 1 4. 1. Mivel A(λx1 + µx2 ) = λ (Ax1 ) +µ (Ax2 ) = 0. így |A| = 0. melynek iránytere megegyezik az Ax = 0 homogén lineáris egyenletrendszer megoldáshalmazával. melynek dimenziója n − rg(A). amelyet úgy kapunk. akkor a 4. µ ∈ T tetszőleges. Példa. LINEÁRIS EGYENLETRENDSZEREK 89 alakban kapjuk. és A −1 -gyel szorozva az Ax = b egyenletrendszert. Tehát n n 1 di (A)ji bj = (A)ji bj = . Lineráris egyenletrendszer megoldáshalmazának geometriai interpretációja. Az Ax = b. 2. Legyen az Ax = 0 homogén lineáris egyenletrendszernek x1 és x2 megoldása és λ. Belátandó. Tétel. A ∈ Mk×n homogén lineáris egyenletrendszer megoldáshalmaza alteret alkot Tn -ben. hogy az alapmátrix i-edik oszlopát kicseréljük a b oszloppal.15.4. és ez a felírás egyértelmű. 2. Ha |A| = 0. 1. 0 0 . hogy x = A −1 b. hiszen az alapmátrix determinánsa nem nem nulla: 2x1 + x2 = 4 x1 + x 2 = 3 Ekkor 4 3 x1 = 2 1 1 2 4 1 1 3 = 1 és x2 = = 2. xi = |A| |A| |A| j=1 j=1 n mert j=1 (A)ji bj éppen annak a determinánsnak az i-edik oszlop szerinti ki- fejtése. akkor A invertálható. 1. tehát sor.14. amelyben az i-edik oszlop helyén a b oszlopvektor szerepel. Ha Ax = b egyértelműen megoldható. megjegyzés miatt mátrixa háromszög alakra hozható. Bizonyítás. Az Ax = 0.

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

Ez egy b b L H c b 6 - 0 c vektor (azaz az egyenlet egy partikuláris megoldása) b a és a homogén egyenlet megoldását jelentő H = x.16.4. Az ax + by = c. . Tn minden H alteréhez létezik olyan homogén lineáris egyenletrendszer. lineáris egyenlet(rendszer)nek b = 0 esetén y = L egyenes R2 -ben: 6 c a − x a megoldása.17. 4. amelynek megoldáshalmaza a H altér. − x x ∈ R altér b (azaz egyenes) összege. Példa. h pedig a megfelelő homogén egyenletrendszer "általános megoldása". Megjegyzés. LINEÁRIS EGYENLETRENDSZEREK 91 ahol x0 egy (partikuláris) megoldás. Ez előáll mint a 0. 4.

.

hogy 1. Valóban. . Jele: V1 ∼ V2 . O(x) = 0 leképezés lineáris. . = . Megjegyzés. 3. . . tehát 1. y ∈ V1 és tetszőleges λ ∈ T esetén teljesül. ϕ(x) = Ax leképezés lineáris. = 1. ha bijektív. ϕ(x + y) = ϕ(x) + ϕ(y). V2 vektortér a T test felett (itt T vagy az R vagy a C számtestet jelöli). A ϕ : V −→ V. . és 2. ak1 . Definíció. Definíció. Az 1. y ∈ V1 . ϕ(x) = x identikus leképzés lineáris és bijektív. µ ∈ T. Vektorterek lineáris leképezései 1. aki xi + a1i yi aki yi  aki (xi + yi )  = . tulajdonságot helyettesíti az alábbi tulajdonság: 3. 93  ϕ(x + y) = A(x + y) =  a1i xi + . akn xn aki xi így    a1i (xi + yi )   . 1. ha 3. akkor a ϕ : Rn −→ Rk .. . és 2. . akkor és csak akkor teljesül. hogy V 1 és V2 izomorf vektorterek. 2. . . Egy ϕ : V1 −→ V2 lineáris leképezést izomorfizmusnak nevezünk.  .  . . . ha bármely x.5. fennáll. . .      a11 .3. Ha A ∈ Mk×n . azaz a leképezés additív.  =  . 2. 1. 1.   . Ilyenkor azt mondjuk.2.4.  . ∀λ. a1n x1 a1i xi   . A ϕ : V1 −→ V2 leképezést lineárisnak nevezzük. vagyis a leképezés homogén. Az O : V1 −→ {0}. . fejezet Lineáris leképezések 1. ϕ(λx) = λϕ(x). Legyen V1 . tehát izomorfizmus.1. Példa. . . ϕ(λx + µy) = λϕ(x) + µϕ(y) ∀x.

és legyen az x vektor előállítása ebben a bázisban x = x1 a1 + · · · + xn an . melyre ϕ(ai ) = ui (i = 1. Legyen ϕ : V 1 −→ V2 lineáris leképezés és (a 1 . akkor egyértelműen létezik olyan ϕ : V1 −→ V2 lineáris leképezés. Ha a ψ : V1 −→ V2 lineáris leképezés olyan. Ha (a1 . Hasonlón igazolható a homogenitás. ∈V1 ∈V2  a1i xi   . azaz ϕ(x) = ψ(x) bármely x ∈ V1 esetén. A szabad vektorok terében a pont körüli forgatás. 1. en ) a kanonikus bázis Rn -ben. . . Ekkor a (1.6.7. . . . .  = Ax + Ay = ϕx + ϕy. . . an ) bázis V1 -ben és (u1 . . Ha ϕ és ψ a bázisvektorokon megegyezik. . . . LINEÁRIS LEKÉPEZÉSEK    aki xi tehát ϕ additív. Mivel ϕ(0) = ϕ(0+0) = ϕ(0)+ϕ(0) = 2ϕ(0).3) κ : V −→ Rn . pontra tükrözés és a tengelyes tükrözés lineáris leképezések. akkor ϕ ≡ ψ.94 5. . . és az x ∈ V 1 vektor előállítása ebben a bázisban x = x1 a1 + · · · + xn an . hogy ϕ(a i ) = ψ(ai ) (i = 1. . . . .5. n). un ) tetszőleges vektorrendszer V2 -ben. . . (e) = (e 1 . Bizonyítás. . n). . 1. . x1 ψ(a1 ) + · · · + xn ψ(an ) = ψ(x1 a1 + · · · + xn an ) = ψ(x). .   a1i yi  . . origón átmenő egyenesre tükrözés. aki yi Bizonyítás. . Rn -ben az origóra tükrözés. Legyen (a) = (a1 . xn ) leképezést koordinátaleképezésnek nevezzük. . 4. A ϕ : V1 −→ V2 lineáris leképezés a V1 zérusvektorát a V2 zérusvektorába viszi át: ϕ( 0 ) = 0 . an ) bázis V1 -ben. . illetve az origó körüli forgatás lineáris leképezések. Tétel (Lineáris leképezések első alaptétele). . . an ) bázis a V vektortéren. . Tétel (Lineáris leképezések második alaptétele). akkor ϕ(x) = ϕ(x1 a1 + · · · + xn an ) = x1 ϕ(a1 ) + · · · + xn ϕ(an ) = tehát ϕ és ψ azonosak. Tétel. + . . . 6. . κ(x) = x1 e1 + · · · + xn en = (x1 . . így ϕ(0)-t kivonva mindkét oldalból ϕ(0) = 0 adódik. 5. 1. .

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

. tétel és az 1. Megjegyzés. Legyenek V1 . y = y1 a1 + · · · + yn an . hogy ϕ izomorfizmus. n) mert a (b) bázisban a nullvektort csak egyféleképpen lehet lineáris kombinációként előállítani.12. Bázis rögzítése után a vektorokat egyértelműen jellemzik a koordinátáik. tehát minden R fölötti n-dimenziós vektortér izomorf R n -el. 1. (a) Lineáris. y ∈ Kerϕ. A κ : V1 −→ Rn koordinátaleképezés (1. A halmazt a leképezés magterének vagy nullterének nevezzük. azaz ϕ(x) = ϕ(y) = 0 . . Legyen x = x1 a1 + · · · + xn an . tehát xi − yi = 0 (i = 1. . és indirekt tegyük fel. (b) Injektív. Tétel. (c) Szürjektív. Kerϕ zárt az összeadásra nézve. és ez a megfeleltetés a koordináta n-esek és a vektorok között művelettartó. . Innen x i = yi (i = 1. Ekkor n n n 0 = ϕ(x) − ϕ(y) = i=1 xi bi − yi bi = i=1 i=1 (xi − yi )bi . hogy így a vektorterekben történő számolások R n -ben elvégezhetők. Az 1. és teljesen mindegy számunkra. amelynek előállítása az (a) bázisban: a = λ1 a1 + · · · + λn an . .3) izomorfizmus. V2 véges dimenziós T feletti vektorterek és ϕ : V1 −→ V2 lineáris leképezés.10. 1. LINEÁRIS LEKÉPEZÉSEK Megmutatjuk. Ha b ∈ V2 felírása a (b) bázisban b = λ1 b1 + · · · + λn bn . hogy a vektor milyen geometriai vagy algebrai objektum. következmény jelentőssége abban áll. Kerϕ = {v ∈ V1 | ϕ(v) = 0} . Legyen x. Következmény. . A ϕ : V1 −→ V2 lineáris leképezés Kerϕ ⊂ V1 magtere altér. 1. .11. 1. akkor b éppen annk az a ∈ V1 vektornak a ϕ általi képe. n) miatt x = y . hogy ϕ(x) = ϕ(y). Bizonyítás. de x = y.9.8. 1. Ekkor ϕ(x + y) = ϕ(x) + ϕ(y) = 0 + 0 = 0. . Az előző tétel bizonyításában szereplő módszerrel: Legyen x = x1 a1 + · · · + xn an és y = y1 a1 + · · · + yn an .9.96 5. Definíció. Ekkor n n n ϕ(λx + µy) = ϕ λ i=1 n xi ai + µ i=1 n yi ai n =ϕ i=1 (λxi + µyi )ai = (λxi + µyi )ui = λ i=1 i=1 xi ui + µ i=1 yi ui = λϕ(x) + µϕ(y).

Ekkor létezik x1 . Ekkor 0 = ϕ(x) − ϕ(y) = ϕ(x − y). így ϕ(a) = ϕ(0). y 2 ∈ ϕ(V1 ). A ϕ : V1 −→ V2 lineáris leképezés akkor és csak akkor injektív. Tétel. Jele: dim Kerϕ = defϕ.15. 1. ∈V1 1. hogy Kerϕ = {0}. ezért λy = λϕ(x) = ϕ( λx ) ∈ ϕ(V1 ). 1. tehát x − y = 0 miatt x = y adódik. Legyen y 1 . hogy ϕ(x) = y. A ϕ : V1 −→ V2 lineáris leképezés magterének dimenzióját a leképezés defektusának nevezzük. Indirekt tegyük fel. ami ϕ injektivitása miatt csak akkor lehetséges. ami ellentmondás.1. dim ϕ(V 1 ) = rgϕ.14. 1. Legyen λ ∈ T és y ∈ ϕ(V 1 ). A ϕ : V1 −→ V2 lineáris leképezés ϕ(V1 ) képtere altér.16. x2 ∈ V1 úgy. így y 1 + y 2 = ϕ(x1 ) + ϕ(x2 ) = ϕ(x1 + x2 ) ∈ ϕ(V1 ). 1. ϕ(V1 ) zárt az összeadásra nézve. Definíció. így λx ∈ Kerϕ. 2. VEKTORTEREK LINEÁRIS LEKÉPEZÉSEI 97 tehát (x + y) ∈ Kerϕ. a képterének dimenzióját pedig a leképezés rangjának nevezzük. Tegyük fel. Bizonyítás.13. Ekkor ϕ magtere csak a nullvektort tartalmazza. Bizonyítás. Kerϕ zárt a skalárszorzásra nézve. ϕ(V1 ) zárt a skalárszorzásra nézve. ϕ(x2 ) = y 2 . 2. ha a = 0. . hogy ϕ(x1 ) = y1 . hogy x = y. ha Kerϕ = {0}. Tétel. 1. y ∈ V1 úgy. hogy ϕ injektív és a ∈ Kerϕ . Mivel ϕ(0) = 0. ∈V1 2. A ϕ : V1 −→ V2 lineáris leképezés képtere a ϕ(V1 ) = {y ∈ V2 | ∃x ∈ V1 : ϕ(x) = y} halmaz. azaz (x − y) ∈ Kerϕ = {0}. azaz létezik x. azaz ϕ(a) = 0. de ϕ nem injektív. de ϕ(x) = ϕ(y). Legyen x ∈ Kerϕ és λ ∈ T. Definíció. Ekkor létezik x ∈ V1 úgy. Ekkor ϕ(λx) = λϕ(x) = λ0 = 0.

Lineáris. Ekkor a V1 /Kerϕ faktortér x+Kerϕ elemének a Φ általi képe: Φ(x+Kerϕ) = ϕ(x) = y.és koordinátatranszformáció Vektorokkal tényleges számításokat a koordináták felhasználásával szoktunk végezni. A homomorfia tétel szerint V 1 /Kerϕ ∼ ϕ(V1 ).98 5. Ha x + Kerϕ ∈ KerΦ . 3. 2. Gyakran a kiinduló ("régi") bázis helyett egy másik ("új") . Ha y ∈ ϕ(V1 ). Bizonyítás. 1. Belátjuk. A harmadik fejezetbeli. y ∈ V1 . Ekkor dim V1 = dim Kerϕ + dim ϕ(V1 ). Φ(x + Kerϕ)=ϕ(x).16. akkor létezik x ∈ V1 úgy. faktorterek dimenziójára vonatkozó 4. Szürjektív. 2. Legyenek V 1 . hogy ϕ(x) = y.9. Ekkor x + Kerϕ = 0 + Kerϕ. innen dim V1 = dim(V1 /kerϕ) + dim Kerϕ = dim ϕ(V1 ) + dim Kerϕ. tétel szerint dim(V 1 /Kerϕ) = dim V1 − dim Kerϕ. 1. LINEÁRIS LEKÉPEZÉSEK 1. Az 1. akkor Φ(λ(x + Kerϕ) + µ(y + Kerϕ)) = Φ((λx + Kerϕ) + (µy + Kerϕ)) = Φ((λx + µy) + Kerϕ) = ϕ(λx + µy) = λϕ(x) + µϕ(y) = λΦ(x + Kerϕ) + µΦ(y + Kerϕ). ˙ hogy ez a Φ leképezés izomorfizmus. Következmény (Nullitás és rangtétel). Legyen Φ : V1 /Kerϕ −→ ϕ(V1 ). V2 véges dimenziós vektorterek a T test felett és ϕ : V 1 −→ V2 lineáris leképezés. Tétel (Homomorfia tétel). Bizonyítás. Bázis. Ha x. akkor 0 = Φ(x + Kerϕ) = ϕ(x). Legyenek V 1 . = azaz V1 -nek a ϕ nulltere szerinti faktortere izomorf ϕ képterével. hogy KerΦ = {0 + Kerϕ}. Ekkor V1 /Kerϕ ∼ ϕ(V1 ).17.18. tehát dimenz= iójuk megegyezik: dim(V1 /Kerϕ) = dim ϕ(V1 ). tétel alapján elegendő belátni. V2 véges dimenziós vektorterek a T test felett. Injektív. λ. µ ∈ T. vagyis dim V1 = defϕ + rgϕ. tehát x ∈ Kerϕ.

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

Ha (a) és (b) bázisok a V vektortéren. . Legyenek (a) = (a 1 .5. Mivel a megfelelő koordinátákanak meg kell egyezniük. 2.4. . . . másrészt    n n n n n j=1 x= j=1 xj bj = j=1 xj i=1 sij ai bj = i=1 sij xj  ai . továbbá X és X jelöli az x vektor (a)-ra. . an ) és (b) = (b1 . . . Tétel.  X =  . xn  x= i=1 xi ai .  X =  .100 5. illetve (b)-re vonatkozó koordinátáinak oszlopvektorát:  x1 . . 2. azaz S : (a) −→ (b). . . . n). illetve X = S −1 X. Felírjuk az x vektort kétféleképpen az (a) bázisban: egyrészt n S   x1  . akkor az S −1 mátrixot az (a) és (b) bázisokhoz tartozó koordinátatranszformáció mátrixának nevezzük. Legyen R2 -ben a1 = és b1 = 1 . Példa. . Definíció. . tehát X = SX. a2 = sin β − sin β cos β a "régi" bázis. b2 = 0 0 1 cos β . Bizonyítás. . hogy n xi = j=i sij xj (i = 1. S az "új" bázis. azt kapjuk. . xn akkor X = S −1 X. LINEÁRIS LEKÉPEZÉSEK 2. . és a bázistranszformáció mátrixa. bn ) bázisok a V vektortéren és S a bázistranszformáció mátrixa: (a) −→ (b). .3. Ha x ∈ V felírása az (a) bázisban x = x1 a1 + · · · + xn an és a (b) bázisban x = x1 b1 + · · · + xn bn .

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

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

1 bázisra vonatkozóan. . Példa. . 1 . . Mivel ez minden j = 1. Az A. LINEÁRIS TRANSZFORMÁCIÓK 103 ez a mátrix tartalmazza oszlopaiban a bázisvektorok képét. melynek az (a) bázisra vonatkozó mátrixa A. vagyis B = S −1 AS. Definíció. bn ) bázisok a V vektortéren. Tétel. . amelyre B = C −1 AC. Hasonló mátrixok determinánsa és rangja megegyezik.7. B ∈ Mn×n mátrixokat hasonlónak nevezzük. Ekkor B = S −1 AS. ha létezik olyan C ∈ Mn×n reguláris (|C| = 0) mátrix. a bázistranszformáció mátrixa pedig S : (a) −→ (b). . .5.6. akkor az alábbi 1 1 1 módon számíthatjuk ki:       0 −1 1 1 0 0 1 0 1 0 −1 −1 1  0 1 0 0 1 1 = −1 0 −1 . Legyenek (a) = (a1 . . . .8. 3. Bázistranszformáció és lineáris transzformáció közötti kapcsolat. így SB = AS. .4. an ) és (b) = (b1 . példában  Ha a    szereplő leképezés mátrixára vagyunk ki1 0 1 váncsiak az 0 . a (b) bázisra vonatkozó mátrixa pedig B. . Következmény. 3. Legyen ϕ : V −→ V lineáris transzformáció. 3.3.   3. S −1 AS = −1 0 1 1 −1 0 0 0 1 1 1 1 1 2 3. Felírjuk a ϕ(b j ) vektort kétféleképpen az (a) bázisban: egyrészt n n n n n S ϕ(bj ) = i=1 bij bi = i=1 bij k=1 ski ak = k=1 i=1 ski bij (SB)kj ak . Bizonyítás. . n esetén teljesül. . másrészt n n n n ϕ(bj ) = ϕ n k=1 sij ai i=1 n = i=1 sij ϕ(ai ) = i=1 sij k=1 aki ak = aki sij i=1 (AS)kj ak .

Reflexív. ami az 1. A ∼ A.10. tehát A ∼ D. ha CA oszlopai függők. akkor CA = (Ca1 . Ha A = (a1 . Tehát ϕ pontosan akkor injektív. . . Bizonyítás. Can ). . .104 5. . tehát B ∼ A . A determinánsok szorzástételét alkalmazva: |B| = |C −1 AC| = |C −1 ||A||C| = | C −1 C ||A| = |A|. akkor A oszlopai is azok: α1 Ca1 + · · · + αn Can = 0 =⇒ α1 a1 + · · · + αn an = 0. A rangra vonatkozó állítás annak a következménye. 1. Így ha A oszlopvektorai lineárisan függők. A ϕ : V −→ V lineáris transzformációt automorfizmusnak nevezzük. Következmény. Bizonyítás. hogy egy reguláris mátrixszal való szorzás nem változtatja meg egy mátrix rangját. S mátrixok úgy.11. A ϕ : V −→ V lineáris transzformáció akkor és csak akkor automorfizmus. ha dim Kerϕ = 0. az egymással hasonló mátrixok azonos osztályba kerülnek). így ϕ(V ) = V akkor és csak akkor teljesül. 3.18. 3. hogy B = C −1 AC és D = S −1 BS. Ekkor ϕ bijektív ⇐⇒ ϕ(V ) = V ⇐⇒ rgϕ = n. Definíció. . következmény szerint dim V = dim Kerϕ + dim ϕ(V ). LINEÁRIS LEKÉPEZÉSEK Bizonyítás. hogy B = C −1 AC. tétel alapján azzal ekvivalens. 2. hogy ϕ injektív. Ha A ∼ B. akkor létezik C úgy. mivel A = E −1 AE. ahol ai itt az A mátrix i-edik oszlopvektorát jelöli. an ). Tétel. Az Mn×n halmazon a mátrixok hasonlósága ekvivalencia reláció (tehát indukál egy osztályozást. akkor CA oszlopai is azok: α1 a1 + · · · + αn an = 0 =⇒ α1 Ca1 + · · · + αn Can = 0 C −1 ·/ C·/ és megfordítva. . ha bijektív (vagyis izomorfizmus). 1. ha mátrixa tetszőleges bázisban reguláris. Ekkor D = S −1 BS = S −1 (C −1 AC)S = (S −1 C −1 )A(CS) = (CS)−1 A(CS). Ha A ∼ B és B ∼ D. Jelölje A ∼ B azt. ha szürjektív. hogy az A mátrix hasonló a B mátrixhoz. .16. Tranzitív. Ekkor A = (C −1 )−1 BC −1 . .9. E 2. Szimmetrikus. akkor léteznek C. 3. 3. Az 1.

15. ϕ mátrixa reguláris (tetszőleges bázisban). (λϕ)(x) = λϕ(x) = (λA)x.13. 5. Tétel. A V -n értelmezett lineáris transzformációk τ V halmazán bevezetjük az alábbi műveleteket: ha ϕ. ϕ injektív. és inverze szintén bijektív. ψ ∈τ V és λ ∈ T. 2. ha A invertálható: x = A−1 y. Egy V véges dimenziós vektortér összes lineáris operátorainak τ V halmaza az összeadásra és a skalárszorzásra nézve vektorteret alkot. 7. hogy Ax = y. Ha ϕ : V −→ V lineáris operátor. 3. tételbenben leírtak alapján minden lineáris transzformáció mátrixszával való szorzásként hat (rögzített bázisban) és minden (n×n)es mátrixszal való szorzás lineáris transzformáció.3. tehát B = A−1 . és ha ϕ mátrixa A. akkor az alábbi állítások ekvivalensek: 1. Bizonyítás. és pontosan akkor létezik minden y ∈ V esetén ilyen x. (ϕ + ψ)(x) = ϕ(x) + ψ(x) = Ax + Bx = (A + B)x. Bizonyítás. (ϕ + ψ)(x)=ϕ(x) + ψ(x).3. akkor bármely x ∈ V esetén 1. ha mártixának rangja n. (λϕ)(x)=λϕ(x). ϕ(V ) = V. így a lineáris operátorok reprezentálhatók a mátrixukkal. Tétel. LINEÁRIS TRANSZFORMÁCIÓK 105 Viszont egy lineáris transzformáció rangja pontosan akkor lesz n.14. akkor ϕ −1 is automorfizmus. Legyen V egy véges dimenziós vektortér. 2. ezért AB = E.) 3. akkor ϕ−1 mátrixa A−1 . (ϕ ◦ ψ)(x)=ϕ(ψ(x)).11. rgϕ = n. ˙ 2. tétel bizonyításban leírtaknak a következménye.12. akkor 1. Jelölje ϕ−1 mátrixát B. A τ V -beli műveletek pedig a megfelelő mátrixműveleteket jelentik: ha ϕ. . Mivel ϕϕ−1 = Id. Ha ϕ : V −→ V automorfizmus. 3. Tétel. Kerϕ = {0}. 4. ˙ 3. A tétel a 3. A 3. Ha ϕ automorfizmus akkor bijektív. ezért invertálható. Bizonyítás. Definíció. (ϕ(x) = y azt jelenti. ψ ∈τ V mátrixa A illetve B. ϕ automorfizmus. 6. ˙ 3. vagyis reguláris. 3. ϕ szürjektív.

A V n-dimenziós vektortér lineáris transzformációinak vektortere n2 -dimenziós. 6. ha hasonló egy diagonális mátrixhoz. ha ϕ(H) ⊂ H . mert ha H = {µx | µ ∈ T} és az x-hez tartozó sajátérték λ. Kerϕ invariáns altér. Tétel. amelyre vonatkozóan ϕ mátrixa diagonális. Definíció. 3. hogy ϕ(x) = λx. Következmény. tétel szerint egy lineáris transzformáció különboző bázisokra vonatkozó mátrixai hasonlóak.106 5. Megjegyzés. akkor ϕ(x) = 0 ∈ Kerϕ. mivel az Mn×n vektortér n2 -dimenziós volt.21. ezért a lineáris transzformációk is teljesítik a vektortéraxiómákat. R2 -ben az origó körüli forgatásnak illetve a két dimenziós szabad vektorok terében a pont körüli forgatásnak nincs sajátvektora. . A ϕ : V −→ V lineáris oprátor mátrixa akkor és csak akkor diagonalizálható. mert ha y ∈ ϕ(V ) ⊂ V. ϕ(V ) invariáns altér. A λ-nyújtásnál (ϕ(x) = λx) minden vektor a λ sajátértékhez tartozó sajátvektor. A H ⊂ V alteret a ϕ : V −→ V lineáris oprátor invariáns alterének nevezzük. 3. ha létezik olyan bázis V -ben. 3. Definíció. 4. A 0 = x ∈ V vektor a ϕ : V −→ V lineáris operátor sajátvektora. és nincs nem triviális invariáns altér. ha létezik λ ∈ T úgy. 3. mert ha x ∈ Kerϕ . Definíció. azaz bármely h ∈ H esetén ϕ(h) ∈ H. Bizonyítás. A V és a {0} triviális alterek mindig invariánsak.18. ha V -ban létezik ϕ sajátvektoraiból álló bázis. Egy ϕ : V −→ V lineáris operátort (illetve mátrixát) diagonalizálhatónak nevezünk. ∈H ∈T 5. LINEÁRIS LEKÉPEZÉSEK Mivel az (n × n)-es mátrixok halmaza a mátrixok összeadására illetve skalárszorzására nézve vektortér.16. Példa.17. Egy x sajátvektor által generált altér invariáns. A 3. 1.5. akkor ϕ(y) ∈ ϕ(V ). és minden altér invariáns. 3. Egy mátrix diagonalizálható. Ekkor a λ ∈ T számot az x sajátvektorhoz tartozó sajátértéknek nevezzük. 2.22. akkor ϕ( µx ) = µϕ(x) = µλ x ∈ H.19.20. 3. 3. 3.

3. . n) esetén. Tétel. 2.25. hogy az (a) bázisra vonatkozóan ϕ mátrixa diagonális. . 3. tehát (αx + µy) is sajátvektor. . .24. . . . 0 . . Bizonyítás.23. . így (a) sajátvektorokból álló bázis. . n = 1 esetén igaz az állítás. A bizonyítást a különböző sajátértékek száma szerinti teljes indukcióval végezzük. . 0    A= . Ha x ∈ Lλ . LINEÁRIS TRANSZFORMÁCIÓK 107 Bizonyítás.. Legyen λ a ϕ : V −→ V lineáris transzformáció sajátértéke. . 0  0 λ2 . . 0). . . y ∈ Lλ és α. . . . . . Ha ϕ mátrixa diagonális az (a) = (a 1 . Ha (a) = (a1 . λn . λn akkor ϕ(ai ) koordinátái az (a) bázira vonatkozóan éppen az A mátrix i-edik oszlopában szereplő számok. . . Lλ altér. . . λj . . ezért ϕ(aj ) koordinátái az (a) bázisban (0. és ϕ mátrixa a bizonyítás első részében szereplő A mátrixszal egyezik meg. és a megfelelő sajátértékek λ1 . . Tétel. akkor belátjuk.3. 2. µ ∈ T. Ekkor tehát ai sajátvektora a ϕ lekepezésnek (a λi sajátértékkel) minden (i = 1. . . 3. Mivel ϕ(a j ) = λj aj . . Ha a ϕ : V −→ V lineáris leképezésnek λ sajátértéke. akkor ϕ(x) szintén sajátvektor: ϕ(ϕ(x)) = ϕ(λx) = λϕ(x). . . . an ) bázisban. Lλ = {x ∈ V | ϕ(x) = λx } ϕ(ai ) = 0a1 + · · · + λi ai + · · · + 0an = λi ai . akkor a λ-hoz tartozó sajátvektorok halmaza (kiegészítve a nullvektorral) invariáns alteret alkot. mivel nem lehet nullvektor. Bizonyítás. hiszen egy sajátértékhez tartozó sajátvektor lineáris független. A ϕ : V −→ V lineáris transzformáció különböző sajátértékeihez tartozó sajátvektorai lineárisan függetlenek. akkor ϕ(αx + µy) = αϕ(x) + µϕ(y) = αλx + µλy = λ(αx + µy). . . . Ha x. A Lλ altér dimenzióját a λ sajátérték geometriai multiplicitásának nevezzük. Definíció. azaz   λ1 0 . . 1. 1. Lλ invariáns altér. . . an ) sajátvektorokból álló bázis. 0 0 .

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

Egy λ sajátértékhez tartozó sajátvektorokat az (A − λE)X = 0 homogén lineáris egyenletrendszer megoldásával tudjuk meghatározni.3.31. Tehát λ akkor és csak akkor sajátértéke ϕ-nek. . ha det(A − λE) = 0. a2n   x2  0       . a (b) bázisra vonatkozóan B és a bázistranszformáció mátrixa S : (a) −→ (b). Ekkor AX = E(λX) (A − λE)X = 0. . Ekkor B = S −1 AS. ha az alapmátrix determinánsa nulla. . A ϕ : V −→ V lineáris operátor sajátértékei a karakterisztikus egyenlet megoldásai a T testben. Tétel. Minden C feletti vektortér és minden páratlan dimenziós R feletti vektortér lineáris operátorának van sajátértéke.29. .  . E det(B − λE) = det(S −1 AS − λE) = det(S −1 AS − λS −1 ES) = 3. Bizonyítás. A λ ∈ T szám akkor és csak akkor sajátértéke a ϕ-nek. . ha létezik x ∈ V úgy. . Tétel. ann − λ xn 0 ⇐⇒ AX − λEX = 0 ⇐⇒ 3. A ϕ : V −→ V lineáris operátor karakterisztikus polinomja nem függ a bázis választásától. hogy hasonló mátrixok hoztartozó karakterisztikus polinomok megegyeznek. Ez egy n egyenletből álló n ismeretlenes homogén lineáris egyenletrendszer:      a11 − λ a12 . . . Megjegyzés. . . tétel alapján egy lineáris operátor különböző bázisokban felírt mátrixai hasonlóak. melynek a zérusvektor kivételével minden vektora sajátvektor.  .  = . . hogy ϕ(x) = λx. tehát azt kell belátnunk. (Ennek az egyenletrendszernek a megoldástere éppen az L λ altér. an1 an2 . ..30. A 3.5. ..   .. Tétel. Legyen ϕ mátrixa az (a) bázisra vonatkozóan A. Bizonyítás.   . és S amelynek pontosan akkor van a zérusvektortól különböző megoldása. és jelölje X az x vektor koordinátáiból képzett vektort. a1n x1 0  a21 a22 − λ . A ϕ : V −→ V lineáris operátor karakterisztikus egyenlete egy n-edfokú egyenlet.32.) 3. amelynek megoldásai a ϕ sajátértékei. . . . LINEÁRIS TRANSZFORMÁCIÓK 109 3. det (S −1 )(A − λE)(S) = det (S −1 S) det(A − λE) = det(A − λE). .

így az operátor karakterisztikus egyenlete megoldható.. Példa. . . . . . . .37. ... 0 . . . A 3. . a λ1 = 2 sajátérték algebrai multiplicitása 2.. . . 3.    0 0 . így λ algebrai multiplicitása legalább k.39. amelyre z = z. . . 3.. P (λ) =   0 0 . λ0 − λ 0 .. Az algebra alaptétele kimondja. . . Legyen V egy n-dimenziós vektortér.  0 λ0 − λ . .... 3. 3. Bizonyítás. .35. . . . . akkor az n darab gyöke között kell hogy legyen olyan. Definíció. .. xk sajátvektorokból álló bázisát kiegészithetjük V egy bázisává. 3. Példa. . 0 0 . 1.. . 0 0 . . . . Ekkor λ geometriai multiplicitása kisebb vagy egyenlő mint az algebrai multiplicitása. . A ϕ : V −→ V lineári s operátor spekruma teljes. . Egy ϕ : V −→ V lineáris operátor λ sajátértékének algebrai multiplicitásán azt a számot értjük. . 3. . . Ha a karakterisztikus egyenlet (λ − 2) 2 (λ + 1) = 0... . Ha λ0 geometriai multiplicitása dim Lλ0 = k. 0 .. Ha n páratlan. 2. A =  0 0 .  0 λ0 . . . amelyben minden sajátérték annyiszor szerepel. 2. .. 0 0 . . míg a λ2 = −1 sajátérték algebrai multiplicitása 1. . . Következmény. Tehát P (λ) = (λ0 − λ)k · P ∗ (λ).34. amennyi az algebrai multiplicitása. .. . ha pontosan n tagból áll. Ennek az altérnek egy x1 . hogy minden C feletti nedfokú egyenletnek van gyöke...38.. . . . . λ0 − λ . Egy ϕ : V −→ V lineáris operátor spektruma a sajátértékeinek olyan sorozata. . . 0 . . . . .. akkor Lλ0 egy k dimenziós invariáns altér. . LINEÁRIS LEKÉPEZÉSEK Bizonyítás. ahányszoros gyöke λ a karakterisztikus egyenletnek. ... 3. akkor két sajátértéke van az operátornak. Ha egy n-edfokú egyenletnek a z komplex szám gyöke. . Komplex számtest feletti vektortéren értelmezett lineáris operátor spektruma mindig teljes. Definíció. . . . . . 0 0 0 0 . .. . . . . Tétel. .110 5. . −1. . 0 ..  . 0 . példa esetén a spektrum: 2. λ0 . . . . vagyis valós megoldás is létezik.33.  . és ebben a bázisban ϕ mátrixa illetve a karakterisztikus polinom:   λ0 0 . . .36. Definíció. Legyen λ egy sajátértéke a ϕ : V −→ V lineária transzformációnak. akkor z is gyöke. .34. 0 . .

 .    1 λ1  0 .  . .  .. . ha minden sajátértékének algebrai multiplicitása megegyezik a geometriai multiplicitásával..    .  . LINEÁRIS TRANSZFORMÁCIÓK 111 3.. 3. 0    1 λk . ha spektruma teljes és minden sajátértékének algebrai multiplicitása megegyezik a geometriai multiplicitásával. . 0  . . . . . .40. amelyben az operátor mátrixa az alábbi. . .     λk 0 . ... . 3. Tétel (Jordan-féle normál alak). . 1 λk . Következmény.  . . . Egy R feletti vektortéren értelmezett lineáris operátor akkor és csak akkor diagonalizálható. 0     .3. Minden C feletti vektortéren értelmezett lineáris transzformációhoz létezik olyan bázis.. ... 0  1 λ1 . 0 . Következmény. . . . Egy C feletti vektortéren értelmezett lineáris operátor akkor és csak akkor diagonalizálható. . .41.. .  . (úgynevezett Jordan-féle tömbökből álló) Jordanféle normál alakú:   λ1 0 .42.

.

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

Tárgymutató

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

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

τ

116

TÁRGYMUTATÓ

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->