497 37 5MB
Hungarian Pages 122 Year 1992
*
LINEÁRIS
ALGEBRA
Irta:
do.£e4Xold Mnlen egyeteal adjunktus
1992
Változatlan utánnyomás: 15/2007
Kiadja a Pannon Egyetemi Kiadó
8200 Veszprém, Egyetem u. 10. Pf.: 158. Telefon/fax: 88/422-022/4133 Drótposta: [email protected] http://www. vein.hu/kiado
Felelős kiadó: Egyházy Tibomé dr. a Pannon Egyetemi Kiadó vezetője
Készült B5 formában, 10,6 (A/5) ív teηedelemben a Veszprémi Egyetem nyomdájában Műszaki vezető: Szabó László VE 76/1993
TARTALOMJEGYZÉK
Oldal
1. AZ
Rn
VEKTORTÉR......................................................................................................
3
Rendezett szám n-esek, műveletek...............................................................
3
Lineáris függetlenség, függőség, rang . ✓......................................................
5
Generátorrendszer, bázis, dimenzió................................................................
10
Altér, generátum, dlrekt összeg.......................................................................
18
2. Rn -> Rn
TÍPUSÚ LINEÁRIS LEKÉPEZÉSEK,
nxm -ES MÁTRIXOK....................
24
Lineáris leképezések, mátrixok.........................................................................
24
Lineáris leképezés mátrixa ..................................................................................
26
Műveletek lineáris leképezésekkel, mátrixokkal .......................................
30
Lineáris leképezés és mátrix rangja.........................
41
Lineáris transzformáció és kvadratikus mátlrx Inverze........................
42
Áttérés új bázisra...................................................................................................
47
Lineáris egyenletrendszerek................................................
51
Négyzetes mátrix és lineáris transzformáció determinánsa..................
58
3. ABSZTRAKT VEKTORTEREK.............................................................................................
70
A vektortér fogalmának általánosítása..........................................................
70
típusú lineáris leképezések................................................................
78
4. SKALÁRIS SZORZATOSVEKTORTEREK............................................................................
84
V -* W
Skaláris szorzatok
..............................................................................................
84
Skaláris szorzatos terek tulajdonságai..................... .................................
88
Ortogonal 1 tás...............................................................................................................
93
5. LINEÁRIS TRANSZFORMÁCIÓKSZERKEZETE.................................................................
104
Dl agonal Ízál hatóság, sajátérték, sajátvektor...........................................
104
Sajátérték, sajátvektor meghatározása..........................................................
108
Skaláris szorzatos terek lineáris transzformációinak
dlagonalÍzálhatósága ...............................................................................................
114
- 3 -
1.
AZ
Rn
VEKTORTÉR
Rendezett szám n-esek, műveletek valós számok halmaza
R
Jelölések:
N = {0,1,2,...}
természetes számok halmaza
n := 0.
1.1. Definíció.
Az
1h>×i típusú függvényeket valós
f: n -> R,
számokból
rendezett n-eseknek nevezzük, és (x , x......... x ) -nel jelöljük,
képzett
x -t a ren-
dezett n-es 1-dik komponensének hívjuk. Rn Jelöli a valós számokból képzett rendezett n-esek halmazát. 1.2. Állítás.
Legyen
x,y € Rn.
x = y
*→
xj = y ,
i = l,2,...,n.
Bizonyítás:
Következik abból, hogy két függvény pontosan akkor egyenlő, ha értel mezési tartományuk megegyezik, és bármely értelmezési tartománybei 1 elemhez a függvények által hozzárendelt képelemek egyenlőek. 1.3. Definíció.
Legyen
Az
x és y
x = (x......... ,x ),
y = (y.,... ,y ) 6 Rn, In
In
A € R.
rendezett n-esek összege:
x÷y := (x1÷y1. x2÷y2........... xn÷yj. Az
x rendezett n-es X-szorosa: λ∙x := (Xx , Xx , ..., Xx ). 12
n
Megjegyzés.
A rendezett n-esek körében értelmezett fenti két művelet az analízis
ből ismeretes (függvények összeadására és skalárral való szorzására vonat kozó) ún. pontonkénti művelet.
- 4 ~
Példa. χ := (-2, 5, 4, 0, -3) y := (1. 3, 0, -2, 7) Ekkor:
x+y = (-1, 8, 4, -2, 4)
3x = (-6, 15, 12, 0, -9)
2x-y = 2x+(-l)y = (-5, 7, 8, 2, -13).
Az (Rn, +, •) struktúra alaptulajdonságai
1.4. Állítás.
a,b,c e Rn,
Bármely (VI)
λ,μ ∈ R
esetén:
a+b = b+a
(V2)
(a+b)+c = a+íb+c)
(VζJ)
létezik olyan
(V4)
Minden
o ∈ Rn
elem, melyre minden
a € Rn
esetén
a+o = a.
∕o -t Rn nulleiemének hívjuk./ a e Rn -hez létezik olyan
/a’ -t az
"a"
(V5)
λ(a+b) = λa+λb
(V6)
λ(μa) = (λμ)a
(V7)
(λ+μ)a = λa+μa
(V8)
l-a = a .
a’ € Rn, hogy
a+a’ = o.
elem ellentettjének nevezzük./
Bizonyítás: Használjuk fel a rendezett n-esek összegének 111. skalárszorosának ér
telmezését és a valós számok közötti műveletek tulajdonságait! o = (0,0,...,0),
Rn nulleleme:
a’ = (-a ,-a ,...,-a ) n
12
az
a = (a ,a , ...,a ) n
12
elem ellentettje az
elem.
Megjegyzés. Mivel az
(V1)-(V8)
vektortérnek,
(Rn, +, •)
struktúra rendelkezik a vektorterekre
tulajdonságokkal vagy
(ld.
(n-dlmenziós
n-dlmenziós vektoroknak is nevezzük.
később!), valós)
Rn
-t
(n-dlmenziós
koordinátatérnek,
Jellemző valós)
elemeit
- 5 -
1.5. Definíció. a ,.. . , a € Rn,
Legyen A
1
k
λ a +λ a +... +λ a
kk
1122
λ......... λ e R. 1
vektort az
k
a......... a l
k
vektorok
kai vett lineáris kombinációjának nevezzük. Ha
λ ,... , λ l
skalárok-
k
λj = λg = ...
= λfc = 0,
akkor a lineáris kombinációt triviálisnak nevezzük. Megjegyzések.
(1)
Legyen
H-beli elemek lineáris kombinációja a kővetkezőt
H c Rn.
Jelenti: tetszőlegesen kiválasztott véges sok H-beli vektorból képzett
lineáris kombináció.
(2)
Triviális lineáris kombináció nullvektort ad. Másrészt, a nullvektor
minden
H c Rn
vektorhalmazból kombinálható lineárisan (esetleg nem
triviálisan is!).
Példák.
(1)
Az
a
-1,2,1
= (-5,0,1),
aβ ■ (3,4,-2),
12
a
3
« (-1,1,1)
vektoroknak a
skalárokkal vett lineáris kombinációja:
(-1)•(-5,0,1) * 2∙(3,4,-2) + 1∙ (-1,1,1) - (10,9,-4) (2)
Az
a1 = (“2,1,3)
és
ag = (1,0,1)
vektorokból a
triviálisan állítható elő: 0∙⅛1 + 0∙a2 = (0,0,0). A v = (5,-2,3) és vg = (-10,4,-6) vektorokból
triviálisan is előállítható:
o € R3
vektor csak
R3
nulleleme nem
2vj + lvg = (0,0,0).
Lineáris függetlenség, függőség, rang
1.6. Definíció.*1 Az
a......... a 1
vektorok lineárisan összefüggők, ha belőlük a null vektor
k----------------------------------------------
nem triviális lineáris kombinációval előállítható. Ellenkező esetben a vek
torokat lineárisan függetleneknek nevezzük. Egy vektorhalmaz lineárisan független,
ha minden véges részhalmaza ilyen,
ellenkező esetben pedig lineárisan összefüggő.
- 6 -
1.7. Megjegyzések. (1)
Null vektort tartalmazó vektorhalmaz lineárisan összefüggő.
(2)
Egy egyelemű vektorhalmaz pontosan akkor lineárisan összefüggő, ha az
egyetlen eleme nullvektor. (3)
Lineárisan független vektorok részhalmaza Is lineárisan független.
(4)
Lineárisan összefüggő vektorokhoz további vektorokat véve is lineárisan
összefüggő vektorhalmazt kapunk. (5)
Az üres halmaz lineárisan független.
Példák.
(1)
R2 elemei a sik helyvektoraival azonosíthatók,
Tudva, hogy
belátható,
hogy
összefüggő,
ha egy egyenesre esik.
R2-ben
két
vektor
pontosan
akkor
Bármely három
vagy
könnyen
lineárisan annál
több
elemből álló vektorhalmaz R -ben lineárisan összefüggő.
(2)
Hasonlóan, R elemeit a tér helyvektoraival azonosítva, megállapíthat
juk, hogy két 111. három vektor pontosan akkor lineárisan összefüggő, ha egy egyenesen 111. egy síkban helyezkedik el. R -bán a négy vagy annál több elemből álló vektorhalmazok lineárisan
összefüggők. 1.8. Állítás. Az a , ...,a vektorok pontosan akkor lineárisan összefüggők, ha vala
melyikük előáll a többi vektor lineáris kombinációjaként. Bizonyítás.
1./ Tegyük fel, hogy az
a , ...,a
vektorok lineárisan összefüggők. Ekkor
létezik olyan lineáris kombináció, melyre:
λ a
11
+ ... + λ a = o, k k
és létezik
1: A
1
*0.
- 7 -
λ
Így
a -
= -
a
1
azaz
a
előáll a többi vektor lineáris kombinációjaként.
i
hogy valamelyik vektor
2./ Tegyük fel,
(legyen pl.
aj) előáll a többi
vektor lineáris kombinác1ójaként: a
+ a
aιaι
1
+ aa .
+ ..
a ♦ a a Hl 1*1 1-1 1-1
k k
Ekkor: o
+ ..
a a 1 1
+ α
a + 1-1 1-1
azaz a nullvektor előáll az
_ (-l)∙aι + a 1*1a Hl
a ,... ,a 1
k
kombinációjaként, Így
* ...
+ a a , k k
vektorok nem triviális lineáris
lineárisan összefüggő.
1.9. Állítás. Egy
H c Rn
vektorhalmaz pontosan akkor lineárisan független, ha a
vektortér bármely vektora legfeljebb egy féle képpen állítható elő H-beli
elemek lineáris kombinációjaként.
Bizonyítás:
arra az esetre, ha
/ 1. Legyenek a
v......... vfc
H = {vj......... vfc}
vektorok lineárisan függetlenek.
Indirekt módon tegyük fel, hogy az v^......... Vk
x
vektor két féle képpen is előáll
lineáris kombinációjaként:
x=αv+...+αv
(1)
× = β1vι + ... ♦ βkvk
(2)
k k
11
-ből (l)
véges.
kivonva (2)-t:
o = (a -β )v
111
+ ... + (a-βu)v k
v......... vfc
Mivel
k
k
lineárisan függetlenek,
belőlük a null vek tor csak
triviálisan állítható elő, így
« -βl =0, a
≡ β ,
1=1.......... k i = 1,. .., k ,
előállítása ugyanaz.
azaz az
x
vektor kétféle
- 8 -
2./ Ha a vektortér bármely eleme legfeljebb egy féle képpen állítható elő a ......... vektorokból, akkor a null vektor előállítása Is csak egy féle képpen - mégpedig triviálisan - történhet, azaz
vι,...
,V
lineárisan
k
független.
A bizonyítás hasonló akkor is, ha H nem véges.
1.10. Definíció. Legyen
H c Rn.
kiválasztható
A
vektorhalmaz rangja
H
r,
db lineárisan független vektor, de bármely
r
már lineárisan összefüggő. Jelölés:
H
elemeiből
r+1
db vektor
ha
r(H).
Megjegyzés. Ha
H = (o),
Ha
H
akkor
r(H) = 0.
tartalmaz legalább egy
o -tói különböző elemet, akkor
r(H) t 1.
Példa. V
1
V 2 V 3 V «
A
:= (4,2,0) := (1,0,-1)
:= (5,2,3) H :« c R3 1 2 3 4
:= (-2,5,7) halmaz
H
elemeit
vizsgálva,
lineáris
a
függetlenség
alkalmazva könnyen ellenőrizhetjük, hogy pl. a v ,v ,v 12
3
definícióját
vektorok lineárisan
függetlenek. Ugyanis a A v
11
+ A v
ZZ
+ A v
3 3
vektoregyenlet a következő, komponensekre
= o
felírt egyenlőség-rendszerrel ekvivalens: 4A 2A
1 1
+ A
2
+ 5A
+
= 0
+ 3A
= 0
3
- A
2
= 0
3
2A
3
A fenti egyenletrendszernek egyetlen megoldása van a A
vagyis a
v1∙v2∙v3
= A
12
= A
3
A
ismeretlenekre:
=0
vektorokból a nullvektor csak triviálisan állítható elő,
így ezek a vektorok lineárisan függetlenek.
- 9 -
Másrészt,
3
hogy
tudjuk azt,
R -bán bármely 4 elemből
álló vektorhalmaz
lineárisan összefüggő. így a H vektorhalmaz rangja 3. 1.11. Állítás. Legyen
(1)
(2)
H c Rn.
r(H) = r,
és
a, ...»a
g
minden eleme előáll
a......... a 1 r
lineáris kombinációjaként.
Ha
H
lineárisan függetlenek, akkor -H
Ha a H vektorhalmaz minden eleme előállítható vι,v2, ∙∙∙,vr € R"
r
db
rögzített
vektor lineáris kombinációjaként, akkor
r(H) ≤ r.
Bizonyítás;
(1)
Legyen
x G H.
1
Ha létezik olyan
... +0'a , azaz r dójaként.
x
index, hogy előáll az
x = aj, akkor
a ,... ,a 1 r
x = 0∙aj+.. . +1 - a +. .. i vektorok lineáris kombiná-
Ha minden i-re mázt.
Ez
x * a , akkor tekintsük az {a......... a ,x} vektorhal1 r lineárisan összefüggő, így elemeiből a nullvektor nem
triviális módon előáll:
o = a a + ... + α a + α× 11 r r
(•)
Ebben a nem triviális lineáris kombinációban
a * 0
ellenkező esetben ugyanis a nullvektor előállna az nem triviális lineáris kombinációjaként, függetlenségüknek. Ha
előáll az (2)
aj......... a^
a ≠ 0,
kell hogy legyen, aj,...,a
ami ellentmondana
vektorok
lineáris
akkor (∙)-b0I x kifejezhető, azaz
x
vektorok lineáris kombinációjaként.
A bizonyítást ld. később.
Megjegyzés. Az 1.9. Állítás szerint az 1.11. Állítás (1) részében H minden eleme
egyértelműen áll elő az ι∙
a ,...,a 1
r
vektorok lineáris kombinációjaként.
10 -
Példa. v v
1 2
:
(1,-2,3,5)
v3 := (1,2,5,4)
:
(0,4,2,-1}
v4 := (2,-8,4,11)
H := ivi∙v2∙v3*v
A
v és √2
vektorok nyilvánvalóan lineárisan függetlenek, Így
Másrészt, H minden eleme előállítható
Az 1.11. Állítás (2) része szerint
vj és
r(H) ≥ 2.
lineáris kombinációjaként:
r(H) s 2. így
r(H) = 2.
Generátorrendszer, bázis, dimenzió
1.12. Definíció.
(1)
G c Rn.
Legyen
G generátorrendszere az
Rn
vektortérnek,
ha
Rn
minden vektora előállítható G-bell vektorok lineáris kombinációjaként.
(2)
Rn bázisán lineárisan független generátorrendszert értünk. A bázis elemeit bázisvektoroknak nevezzük.
Megjegyzés. Rn-ben létezik bázis.
B := {(1,0......... 0), (0,1,0,...,0)........... (0........... 0,1)} Könnyen
megmutatható,
hogy
B
lineárisan
független
vektorhalmaz
elemeinek lineáris kombinációjával Rn bármely vektora előállítható. bázist
és
B
Ezt a
Rn kanonikus bázisának nevezzük.
1.13. Állítás.
Legyen
Steiniz-féle kicserélési tétel.
L c Rn lineárisan független,
minden v eleméhez található olyan
torhalmaz is lineárisan független.
g € G
G c Rn generátorrendszer. Ekkor L elem, hogy a
(L∖{v})u {g}
vek
11
Bizonyítás: 1. / Ha
L∖{v} = 0
(azaz ha
L
egyelemű), akkor G-ből bármely
választva (Ilyen van!) a (L∖{v})u {g} = c Rn bázis. 1 ö Ekkor minden x c R® vektor egyértelműen előállítható a
b ,...,vektorok
lineáris kombinációjaként: x “ ab ♦ e b. ♦ ... ♦ a b . 11
Az
a.,...,a_
x
számokat az
n n
2 2
vektor
B
bázisra vonatkozó koordinátáinak
1-dlk koordinátája: (x)jβ a(.
nevezzük. Jelölés: x Bizonyítás:
B generátorrendszer, így az előáll íthatóság biztosított.
B lineárisan
független, ez az 1.9. Állítás szerint garantálja az egyértelműséget.
1.18. Megjegyzések. Vegyük észre,
(1)
R®
hogy
bármely vektorának a kanonikus
bázisra
vonatkozó koordinátái éppen a vektor komponenseivel egyenlők!
Könnyen ellenőrizhetjük,
(2)
hogy két vektort összeadva azoknak adott
bázisra vonatkozó koordinátái összeadódnak,
egy vektor A-szorosának
koordinátái pedig a vektor koordinátáinak A-szorosai lesznek.
Példa.
(1)
v, :■ (1,1),
v
13
:« (2,0),
v 3
:- (0,-1)
H :- c R≡ 1
2
H generátorrendszer és lineárisan független, így bázis Ra-ben.
x :- (2,-1) y :» (0.5)
Z :- X+y - (2,4) v :- 3x - (6,-3) x
-v1 ♦ 3v2,
igy az x vektor H-ra vonatkozó koordinátái -1, 3.
y z
≡v, - ≡vs∙ 4V, - ZV2,
Így az y vektor H-ra vonatkozó koordinátái 5, -5.
Így a
z vektor H-ra vonatkozó koordinátái 4, -2.
V
-3vj ♦ 9v2, így a
v vektor H-ra vonatkozó koordinátái -3, 9.
1.19, Állítás. Elemi bázlstranszformácló. Legyen B ≡ (b1∙b2......... bn> c R* bázis,
Ekkor létezik olyan
és bármely
index, hogy a
i
c c Ra,
c * o.
B* - (B\(b(>)u
Is bázis
Ra-ben,
Ra-beli vektornak a B bázisra vonatkozó koordinátáiból (Ismerve
a c vektor B-re vonatkozó koordinátáit is) egyszerűen számolhatjuk a B’-re
vonatkozó koordinátáit. Bizonyítás;
Legyen
× c Ra. Az
x és c
előállítása a B bázison legyen a következe:
x - Ab ♦ 1 b ♦ 11
(1)
♦ 1b
2 2
na
C " ribl * T2b2 * * ’ ’ * Tabn
Mivel
c * o, igy létezik olyan
B’ = (B∖{bι))u
elemeitől, ami a bázison történő
egyértelmű előállithatóság miatt ellentmondana (2)-nek, ahol feltettük, hogy 7t * 0. Továbbá B’ elemszáma megegyezik B elemszámával, igy B’ bázis.
Ezután keressük az x vektor B'-re vonatkozó koordinátáit.
(2)-ből fejezzük ki Ekkor kapjuk:
bj-t és a kapott kifejezést helyettesítsük be (l)-be.
14 -
x = λ b + ... + A b 1-1 1 -1 1 1
c.!>b ♦ xíi 7*71 1 *1
7n
----- — b 71
yΓ
= ríl xt—\7,- 7υ b1
* ‘
+ A b = n n
A r A----- -7 ]b -1 + l 1-1 7l 1-1.J 1
a f + λ — c + rf;K------ 7 |b , ♦ ... + A !♦! 7l 1*1 J l*1 l n
l
yt
'1
b1 + A b 1*1 1*1 + . "J
+
+
... ½lb
1
7nJ|bn .
Ennek alapján a transzformációs szabály könnyen formulázható.
b1θ c
A
bázisvek torcsere esetén az új koordináták (A^) a régi koordinátákból következő módon nyerhetők: A A = A---- -• 7 J J 71
(λ^) a
J ≡ 1,..., n J * i
A,1 A 1 = yi
Megjegyzések. (1)
A könnyebb megjegyezhetőség kedvéért megadjuk az elemi bázistranszfor
mációval számolható koordináták táblázatos elrendezését is. Ebben fel tüntetjük a bázisból távozó (bj), a bázisba belépő (c) és egy tetsző-
leges vektor (x) koordinátáit a két bázisra vonatkozóan.
(A
A — hányá ul
dóst ő-val jelöljük.) bázis
b
b
1
0
b 2
0
b
1
1
• b n
;
0
1
c
*1
T2
X
bázis
A
b
A
1
2
7n
• λ
7. yι
b 2
yι
•
n
1
1
C
0
b
b n
y2
1 ys
7* " T1
c
X
0
A 1 -β∙y,1
0
A2 -Ő-7 2
1
ő
: 0
An-Ő-7 n
15 -
A
(2)
számot generáló elemnek szokás nevezni.
71 ≠ 0 Legyen
Bj és
vektortérben. Ha egy
Rn
két bázis az
koordinátáit ismerjük a B bázisra vonatkozóan, akkor 1
×
x € Rn vektor
B -re vonat2
kozó koordinátáit elemi bázlstranszformációk sorozatával határozhatjuk
meg,
lépésről lépésre kicserélve a két bázis vektorait.
Induláskor Ismernünk kell a
(Természetesen
B bázis vektorainak B -re vonatkozó koor1
2
dlnátált is. ) Példák. (1)
aj := (1,3,2)
a
:= (2,1.5)
a
: = (3,4,2)
2
3
x := (14,17,18)
Bázist alkotnak-e az R
3
a ,a ,a
térben az
12
3
vektorok? Ha igen, akkor
határozzuk meg az x vektor ezen bázisra vonatkozó koordinátáit! Induló bázisként tekintsük R3 kanonikus bázisát. (A bázis vektorokat
jelöljük
-Bal.)
e,e,e
Valamennyi vektornak a kanonikus bázisra vonatkozó koordinátái éppen a vektor komponenseivel egyenlőek.
Ha a kanonikus bázis bázis vektorait
lépésről lépésre ki tudjuk cserélni az
a1,a2,a3
vektorokkal, akkor ez
lineáris függetlenségüket Jelenti, vagyis azt, hogy 3
alkot az
a ,a ,a
.12
3
bázist
térben.
R
Az Induló táblázat:
bázis e e
e
a
a
1
3
a
c
3
©
2
3
14
3
1
4
17
2
5
2
18
1 2
2
Első lépésként vonjuk be a bázisba az aj vektort az ej helyére. megtehető,
(Ez
mert a megfelelő generálóelemnek választott koordináta nem
nulla!) Az új táblázat az tartalmazza
a ,a 2
3
a ,e ,e 12
és
x
3
vektorokból álló bázisra vonatkozóan
koordinátáit:
16
bázis a e
e
1
2
3
a 2
a
3
X
2
3
14
-5
-5
-25
0
-4
-10
bázisba
(A táblázatban a
bekerült
aj
vektor
triviálisan
adódó
koordinátáit nem tüntettük fel. ) A számításokat célszerű úgy végeznünk,
sorát töltjük ki,
hogy először a generáló elem
így megkapjuk minden vektor
”Ő*'-Ját,
ezután sorra
kitöltjük az oszlopokat.
Látható, hogy következő lépésként pl.
az
e3 vektort
kicserélhetjük
a -vei: 2 bázis
a e
2 a
Végül
a
X
11 @)
-75
- 4
-10
3
34
a3-t Is bevonva a bázisba: bázis
a
1 a 3 a 2
X
1 3 2
Mivel a kanonikus bázis valamennyi bázisvektorát ki tudtuk cserélni az a ,a ,a vektorokkal, így ezek bázist alkotnak R3-ban. Az x vektor 12 3 előállítása ezen a bázison: x = l∙a + 2∙a + 3∙a , vagyis az x vektor 1'2 3 B = (a ,a ,a } bázisra vonatkozó koordinátái: 1,2,3. 12 3
(2) >
aχ := (1,2,4) a := (-3,1,2) 2 a := (-2,3,6) 3 a4 := (-1,5,10)
a := (4,1,2) 9 H := (a .a2.%.%.%>
17 -
Állapítsuk meg a
vektorhalmaz rangját! Most is alkalmazhatjuk
H c R3
a bázistranszformációs eljárást. Indulásként valamennyi vektor koordi-
nátált a kanonikus bázisra vonatkozóan ismerjük. Nézzük meg, elemeiből
hányat
a
tudunk
bázisba
bevonni
hány
(azaz
hogy
H
lineárisan
függetlent találunk közöttük)! Az induló táblázat:
bázis e
1
e
2
e Az
e
3
vektort
1
bázis
a e
e
Ezután
2 3
a
a 2
a
a
©
-3
-2
-1
4
2
1
3
5
1
4
2
6
10
2
a
3
a 2
a 3
a4
-3 ©
-2
-1
4
7
7
-7
14
14
14
-14
a
3
e
2
5
a
a„ 5
helyére:
4
a„ s
1
1
2
1
a2 e
1
1
-1
0
0
0
3
4
aj-gyel kicserélve az alábbi táblázatot kapjuk:
a -t bevonva 2
bázis
a
1
e -t nem lehet egyikével sem kicserélni, mivel a megfelelő a ,a 3 4 s koordlnáta mindhárom esetben nulla. A kapott táblázatot az alábbi módon értékelhetjük: Az
a1,a2,e3 vektorok bázist alkotnak
független, ezért
R -bán,
a1>a2
így
lineárisan
r(H) a 2.
Az a ,a és a„ vektorok mindegyike előállítható 34 s kombi nác i ójaként:
a
1
és a 2
lineáris
így az 1.11. állítás (2) része szerint Vagyis
r(H) s 2.
r(H) = 2.
Altér, generátum, direkt összeg Definíció.
1.20.
Legyen
V ≠ 0. a, b ∈ V,
esetén
V altér
Rn-ben, ha bármely
λ∙a eV
is teljesül (azaz V zárt a vektorműveletekre).
1.21.
(1)
V c Rn,
λ € R
a+b € V
és
Megjegyzések. Könnyen megmutatható, hogy ha az
Rn-bell összeadást és skalárral való
szorzást V-re leszűkítjük, az 1.4. Állításban szereplő (V1)-(V8) tulaj donságok a V altérben is teljesülnek.
(2)
V = {0}
és
is altér, ezeket nem valódi altereknek nevezzük.
V = Rn
R“ többi alterét (ha van) valódi altérnek hívjuk.
(3)
Az 1.12. Definícióval analóg módon értelmezhető a rátorrendszerének és bázisának fogalma is.
V c Rn
altér gene
Rögzített V altér bármely
bázisának elemszáma megegyezik, ezt a számot a V altér dimenziójának nevezzük. Nyilván 0 s dim(V) ≤ n,
és
dlm(V) = r(V).
Példák.
(1)
R-ben csak nem valódi alterek vannak.
(2)
R1 2-ben 3 alterek:
a. / {0}
/0-dimenzlós altér/
b. / Legyen
2
v e R ,
v ≠ o.
V := {λv∣λ e R) /1-dlmenziós altér, origón átmenő egyenes/ c. / fi2 /2-dlmenziós altér/ .
19
(3)
R3-ban alterek:
∕0-dimenzl6s altér/
a. ∕ {o}
3
b. / Legyen
v ε R ,
v ≠ o.
V := {λv∣λ e R}
c. / Legyen
/1-dimenziós altér, origón átmenő egyenes/
v,w e R ,
nem skalárszorosai egymás
v és w
v,w * o,
nak. V := {λv+μw∣λ,μ ∈ R} /2-dimenziós altér, origón átmenő sík/ d. / R3 /3-dlmenziós altér/.
1.22.
Definíció. Legyen
A, B c Rn. Az
A és B vektorhalmazok összege:
A+B : = {a+b|a € A, b € B>. Megjegyzés.
Analóg módon véges sok halmaz összege is értelmezhető. 1.23.
Állítás.
Ha
V , V2 c Rn
alterek, akkor
1
és
V a V 1
2
V +V 1 2
is altér
Rn-ben.
Bizonyítás.
1. /
Legyen Elekor
a,beV n V , 1
a, b e V
AeR.
2
altér, így
V
1
a+b € V
Aa € V .
1
1
a,b e V
Hasonlóan:
V altér, így a+b e V , Aa € V . 2 2 2 így a+b e Vι a V , Aa e V nva∙ azaz V n V zárt a vektorművei 1 2 letekre, így maga is altér
2./
Legyen
x
x
2
e V
+ V ,
12
A
Elekor létezik
€ R
a ,a
12
b ,b eV, melyekre xj = a +b és x = a +b . 12 2 1 1 2 2 2 Elekor x +x = a +a +b +b és Ax λa +λb . 1
Mivel
2
1
és V
V
2
2'
így ×j+×2 € V 1 +v2 . Hasonlóan: λaι ≡ v1∙
Tehát
V +V 1
2
ι
altér
2 ezért
1
1
a +a e V
λbl 6 V2’
1
2
lgy
1
1
b +b
12
eV, 2
λx € V +V . 1
1
2
Is zárt a vektorműveletekre, azaz altér.
eV
1
és
- 20
Megjegyzés.
Vj n √2 Vι÷V2
1.24.
a
Vj és Vg
által tartalmazott alterek közül a legbővebb, míg
V -t és Vg-t tartalmazó alterek közül a legszűkebb.
a
Állítás.
Legyen
aj......... afc e Rn. Ekkor a 1-l.......... >V ,V
b. / Legyen
origón átmenő sík,
c R3
V
v2∖v1∙ Ekkor
egyenes,
c
R3
Vg
pedig origón átmenő
R3 = v1 Ov2∙
három különböző origón átmenő egyenes.
Ekkor (2)
Vj := {(×,y,z) € R3∣ z =0}
∕×-y koordinátasík/ V
2
:= {λ∙(l,l,l)∣λ ∈ R) /origón átmenő, (1,1,1) Irányvektorú egyenes/.
Vj és V2 alterek R3-ban, és
R3 = V Ov2∙
bι := (1,0,0) b
2
:» (1,1,0)
b^zls Vι-ben.
Bi = ibι,M
b3 := (1,1,1).
B = (b } 2
Ekkor
3
bázis V -ben.
3
2 *1
B = B u B 1
2
=(b,b,b} 12
3
bázis
R -bán.
v := (4,5,3) Bontsuk fel
v -t
V és V -beli összetevőkre! 1
2
Ehhez először határozzuk meg v B-re vonatkozó koordinátáit! R3 kanonikus bázisának vektorait jelöljük e1∙e2∙e3 i
- 23 -
bázis
b
e =b
1
1
e e
1
2 3
Tehát
így
b
b
v
1
4
0
1 ©
1
5
b
0
0
1
3
e
1
3
2
bázis b
X y
=
v
1
2
3
0
-1
5 3
bázis b
1 b 2 b 3
V
-1 2 3
1
= (3,3,3) e V
3b3
V
3
1 ©
2
— -b + 2b + 3b . 1 2 3 = -b + 2b = (1,2,0) € V
V
1
b
.
2
kívánt felbontása: v = x+y = (1,2,0) + (3,3,3) .
Végül a fejezet végén lássuk az 1.11. Állítás (2) részének bizonyí
tását: Legyen A
V = £(v , v......... v ). Ekkor 1
2
G = {v,v......... v)
Így, ha
12
L c H
r
r
H c V.
halmaz nyilván generátorrendszere a V altérnek.
lineárisan független vektorhalmaz, akkor ∣L∣ s ∣G∣ = r,
amiből az állítás következik.
- 24 -
2.
TÍPUSÚ LINEÁRIS LEKÉPEZÉSEK,
Rb -> Rn
n x ta -ES
MÁTRIXOK
Lineáris leképezések, mátrixok 2.1.
Definíció.
(1)
Az
4: Rb -÷ Rn típusú függvényt lineáris leképezésnek nevezzük,
bármely x,y € RB
vektorra és
4(×+y) = 4(x) + 4(y) 4(λ×)
ha
s kai árra
A € R
(additivitás)
(homogenitás)
= λ∙4(×)
teljesül. esetben lineáris transzformációról beszélünk.
m=n (2)
Az
4: Rb ÷ Rn
lineáris leképezés magtere a
o ∈ Rn
vektor ősképe:
kér (4) := 4'1(o) = {× ∈ Rb∣ 4(x) = o}.
Az
ti: Rb -> Rn
lineáris leképezés képtere;
im(4) := (y ≡ Rtt∣ 3× c Rb ; 4(x) = y}. 2.2.
Megjegyzések.
(1)
Bármely 4
(2)
Ha
4
lineáris leképezésre:
4(o) = o,
így
o € kér(4).
lineáris, akkor az addi ti vitásból és a homogenitásból adódóan:
4(λ v + A v +...+ λ v ) = A 4(v ) + A 4(v ) +. ..+ A 4(v ). 1122 kk 11 22 kk
(3)
Bármely H c RB
és
K c Rn
alterek esetén
altér Rn-ben 4-1(K) altér RB-ben, 4(H)
így speciálisan 2.3.
im(4)
altere
Rn-nek,
ker(4)
altere
Rm-nek.
Állítás. Legyen
4: Rb ∙÷ Rn
választott bázis
felvett
értékei,
lineáris leképezés,
E ≈ {ej.......... e^}
tetszőlegesen
RB-ben. 4-t egyértelműen meghatározzák a bázisvektörökön azaz
ismernünk, hogy bármely
elegendő x 6 RB
az
esetén
4(ej),..., 4(e^)
képvektorokat
4(×)-t meghatározhassuk.
- 25 -
Bizonyítás: x előállítása az E bázison legyen a következő: × = a e
1 i
+ ól e> + ... + a e 2 2 ; a i
A linearitása miatt ^(×) = 4(αjeι +
2.4. (1)
+ a e ) = a W(e ) + ... + a 4(e ). ■ ■
■
*
11
Definíció.
Az
f: n x m -> R,
n x m -es mát
(1,J) → aιι típusú függvényeket rixoknak nevezzük és a következő módon jelöljük: r a
11
a
12
. .
a
la
%1
a22
* *
a2≡
^ anl
a∏2
. •
a
η
= A “ (a,j)
na
aιj-t a mátrix (1, J) -dik elemének nevezzük.
A
fenti
elrendezést
tekintve
mátrix
beszélünk
sorairól
ill.
oszlopairól, adott sorban ill. oszlopban lévő elemeket tekintve mátrix sorvektoráról 111; oszlopvektoráról.
(2)
Az
n x 1 -es mátrixokat oszlopvektornak, az
1 × n -es mátrixokat sor-
vektornak is.szokás nevezni*
(3)
Az
n x m -es
A
értjük, melynek
mátrix transzponáltján azt az
(J,l)-edlk eleme az A mátrix
m x n -es mátrixot
(i,J)-edik elemével
egyenlő. Jelölés: AT.
(4)
Az
n x n -es mátrixokat kvadratikus (négyzetes) mátrixoknak nevezzük.
Az
A “
kvadratikus mátrix diagonál is, ha
aij=
V1 * J ^re∙
főátlő
Az
A = (ajj)
Vi > J -re.
kvadratikus mátrix felsőháromszög mátrix, ha
>J
- 26
Az
kvadratikus mátrix alsóháromszög aát/'ix, Jia
A =
= O,
Vi < J -re.
Az
A = (alj)
kvadratikus mátrix szimmetrikus, ha
A = AT.
További speciális mátrixok:
Nullmátrlx: olyan mátrix, melynek minden eleme 0.
Jelölés: 0. Egységmátrix: olyan diagonál is mátrix, melyre 1=1,...,n.
au≡ 1»
Jelölés: E.
Lineáris leképezés mátrixa
4: R- -> Rn
Legyen
E = {eι,...,eβ} x € R",
x
lineáris leképezés.
F « {fj,. . . ,bázis
bázis Rβ-ben,
előállítása az
bázison a következő:
E
Rn-ben. Legyen
×≈λe
+ λe
112 2
♦...
... + λ e . a ■
A 2.3.
Állítás alapján láttuk,
hogy
√(x)
meghatározható,
ha
ismerjük
4(e )-t, ..., Λ(e )-t. ■
i
Kérdés: Hogyan kaphatjuk meg «4(e ),...,4(e ) 1
■
j4(×)
F-re vonatkozó koordinátáit, ha ismerjük
F-re vonatkozó koordinátáit,
koordinátáit?
4(eι) előállítása az F bázison: + a f ni n
+ a f n2 n
illetve
×
E -re vonatkozó
- 27 -
Ekkor:
Célszerű a koordináták alábbi elrendezése: α 11 a . 21
a
12 a 22 a -
■a
.
.
a
...
.
a
...
a
1b
-1
r λ1 λ .2
2b
• λ
Rn
bázisok
Rn-ben.
lineáris leképezés,
Ej és Eg
bázisok
Rβ-ben,
Fj
Kérdés:
Ha ismerjük az
A
leképezés
hogyan kaphatjuk meg ebből az (A p ), eΓfi vonatkozó mátrixát (A )? 2
rögzítése után
E
,⅛∙
E
bázisokra
E -F 22
2
A
------ » r“
2
leképezés
A
= ldRn ° A o idκm egyenlőség, így a megfelelő bázisok M(4) = M(id^n) • M(4) • Míld^e) áll fenn.
Nyilván igaz az
r"
bázisokra vonatkozó mátrixát
≡1"F
l⅛"
----------»Rn --------- >R’
1
F
F
1
2
Rögzítsük most számunkra célszerűen a fenti ábrának megfelelően az egyes terekben a bázisokat. 1⅛" Fj-F2 bázisokra vonatkozó mátrixát jelöljük X-szel. Ennek oszlopvektorai az F bázis bázisvektoralnak F -re vonatkozó koordinátáiból állnak. ---------- 1-------------------------------------------------------- 2------------------------------------------------------------1⅛- E2-Ej bázisokra vonatkozó mátrixát jelöljük Y-nal. Ennek oszlopvektorai az E bázis bázisvektorainak E -re vonatkozó koordinátáiból állnak. -------- 2-------------------------------------------- 1------------------------------------------------
így az
A
bázisokra vonatkozó mátrixát az alábbi módon
leképezés
kaphatjuk: 1
-F
Y 1
2.32. II. Probléma:
Legyen Kérdés: (A
E-E
A∙. Rn -» Rn
Ha ismerjük az
lineáris transzformáció, A
transzformáció
), hogyan kaphatjuk meg ebből az
F
Hasonlóan az előbbiekhez, nyilván igaz az Így a megfelelő bázisok rögzítése után
fenn.
E
E és F
bázisok
Rn-ben.
bázisra vonatkozó mátrixát
bázisra vonatkozó mátrixot (A
F-F
A ≈ idRn o
o ^⅛n
)?
egyenlőség,
MŰ) = M(ld_ nJ-MUJ-Míld^)
áll
A fenti ábrának megfelelően rögzítsük a bázisokat az egyes terekben.
id^n
bázisokra vonatkozó mátrixát jelöljük X-szel. Ennek oszlopvek
F-E
F
torai az
idβ∏
bázis bázis vektorainak E-re vonatkozó koordinátáiból állnak.
E-F bázisokra vonatkozó mátrixát jelöljük Y-nal. Ennek oszlopvektorai
az E bázis bázisvekt óra inak F-re vonatkozó koordinátáibó 1 áll nak. Nyíl ván Y = X"1.
4
így az
F
transzformáció
bázisra vonatkozó mátrixát az alábbi módon
kaphatjuk: X
Példák.
(1)
Legyen az
4: R3 -» R2
típusú lineáris leképezés kanonikus bázisokra
vonatkozó mátrixa Ae.-F1
= [ -2 3 « ] Fj Jelöli
(Ej Jelöli R3 kanonikus bázisát, Ejs := {(1,1,1),
F
2
(1,0)}
:=((1,1),
Határozzuk meg az
R2 kanonikus bázisát. )
bázis R3-ban
(1,1,0), (1,0,0))
bázis R2-ben. leképezés E^-F^ bázisokra vonatkozó mátrixát!
4
“V
Határozzuk meg először Ehhez Ismernünk kell az
Fj-Fa
bázisokra vonatkozó mátrixát.
bázis vektorainak
F
F -re vonatkozó koordl2
nátái t:
bázis
a =e 2
a
1
e
2
(e1.e2
az
a =e 2
1
1
e
bázis
2
e
1
2
1
1
0
a2„
1
-1
©
0
1
%
0
1
F
elemeit,
a ,a 12
1
A keresett mátrix:
az
F 2
elemeit Jelöli.)
50
ld^3
Ezután határozzuk meg az
bázisokra vonatkozó
leképezés
mátrixát. Ehhez ismernünk kell az E bázis vektorainak E -re vonatkozó 2 3 1 koordinátáit. Mivel E a kanonikus bázis R -bán, így ezek a koordináták 1
a megfelelő vektorkomponensekkel egyenlőek.
leképezés E2-Fg bázisokra vonatkozó mátrixa:
A
Az A
= X-A
(2)
Legyen az
E -F 2 2
így
1 1 Γ 1 -1 J [-2
0 1
E -F 1
A*. R3 -> R3
0 3
1)
’ 1 1 1
1 1 0
1 ' 0 0
= [-3
1 0
"21 3 J
lineáris transzformáció kanonikus bázisra (E)
vonatkozó mátrixa
A = E
’ 2 1 1
1 ' 1 2
2 3 2
F := {(1,1,1), (2,-1,0),
Határozzuk meg az Az
idκ□
A
(1,0,-1)}
bázis R3-ban.
lineáris transzformáció F-re vonatkozó mátrixát!
leképezés F-E bázisokra vonatkozó mátrixa F elemeinek E-re
vonatkozó koordinátáit tartalmazza: X =
1 1 1
2 •1 0
1 0 -1
Határozzuk meg X inverzét!
(E elemeit bázis
fχ
eι∙βa∙β3^mal∙ F elemeit
f2
f
3
e1
e
2
e
fl'f2∙f3-"al Jelöljük.)
bázis
3
1
2
©
1
0
o
f
β2
1
-1
0
0
1
0
e
e
1
0
-1
0
0
1
e
e
1
3
3
f
1
1
f
2
-12
2 3
2
2
e
1
e
2
e
3
o
0
0
1
0
1
0
1
1
- 51 -
bázis f
f
3
f1 e
3
2
Az
X'
4
e
1
e
2
3
e
e
bázis
e
1/4
1/2
-3/4
1
2
3
3
1
-1
0
f
-1
0
1
0
f1
1/4
1/2
1/4
4
1
-2
1
f2
1/4
-1/2
1/4
t
így
e
≡
Γ 1/4 1/4 1/4
1/2 -1/2 1/2
3
1/4 1 1/4 -3/4
transzformáció F bázisra vonatkozó mátrixa:
A = X'1A X ≡ F E
1/4 1/4 1/4
1/4 ‘ 1/4 -3/4
1/2 -1/2 1/2
Γ2 * L11
2 3 2
1 1 Γi
2 1 ’ ■ 5 = 0 1 1 -1 0 2 J 11 0 -1 0
0 1 0
0 " 0 1
Lineáris egyenletrendszerek
Tekintsük az
x ,x »
xn
ismeretlenekre vonatkozó alábbi
1
2
a x + a x + ... 11 1 12 2 a x + a x + . . . 22 2 21 1
÷
a x + a x + . . . ■2 2 ■1 1
♦ a x s b ■ ■n n
lineáris
egyenletrendszert: a x b In n 1 + a x ≈ b 2n n 2
(•)
Vezessük be az alábbi Jelöléseket: mxn -es együtthatómátrix,
b
mxl -es oszlopvektor,
x =
nxl -es oszlopvektor.
52 -
Ekkor a (*) egyenletrendszer az alábbi tömör formában adható meg: Ax = b esetén homogén:
b=o
esetben Inhomogén egyenletrendszerről beszélünk.
b*o
*í: Rn -> R*
Tekintsük azt az
(••)
típusú lineáris leképezést, amelynek a kano
nikus bázisokra vonatkozó mátrixa A.
Ekkor az
lineáris egyenletrendszer ekvivalens az
Ax=b
4(×)=b
egyenlő
séggel.
Definíció.
2.33. Az x e Rn
egyenletrendszert megoldhatónak nevezzük, ha létezik olyan
Ax=b
vektor, amely az egyenletrendszert kielégíti. Állítás.
2.34.
Pontosan akkor létezik olyan pontosan akkor megoldható az
x € Rn
vektor, amelyre
lineáris
Ax=b
4(×)=b
egyenletrendszer),
(vagyis
ha
b € im( Rn
legyenek bázisok
Rn -ben. Jelölje
vonatkozó mátrixát,
A F-F
az
A£
pedig az
4
4
E és F
transzformáció
transzformáció
F
pedig
E
bázisra
bázisra vonatkozó
mátrixát. Ekkor det(AEE) = det(AFf.)
Bizonyítás;
A 2.32. II. Probléma kapcsán láttuk, hogy létezik olyan
mátrix, melyre A _ = X"1 • A „ - X F-F
E-E
áll fenn.
Így a 2.48.-2.49. Állításokat felhasználva:
det (A
) = det (X-1 • A
• X) = det (X-1) • det (A
) • det (X) =
= di⅛σ d≡t‰> ⅛t(X) = det(Ae E).
X
nxn -es
- 65 -
Definíció.
2.51.
Az előző állítás Jogossá teszi az alábbi definíciót: Lineáris transz formáció determinánsán tetszőlegesen választott bázisra vonatkozó mátrixának
determinánsát értjük. Megjegyzés.
2.52.
Mivel lineáris transzformációk és kvadratikus mátrixok között rögzített bázis esetén kölcsönösen egyértelmű kapcsolat van, és mivel minden lineáris
transzformációnak a determinánsa bármely bázisra vonatkozó mátrixának a determinánsával egyenlő, Így a kvadratikus mátrixok determinánsára vonatkozó tulajdonságok lineáris transzformációk determinánsára is igazak (pl.a 2.48.-
2.49. Állítások analóg módon lineáris transzformációk determinánsára is meg fogalmazhatók).
2.53. Állítás.
Cramer-szábály.
Tekintsük az
mátrix, Legyen
lineáris egyenletrendszert, ahol most
Ax=b
A
nxn -es
A = [a, ... a ]. 1
D ≡ det(A),
n
Dk ≡ det([aj .. . a. „ b a k-1
k*l
... a ]) n
(k=l,. .. ,n)
Ekkor D*x u k ■ Dk
(k≡l,... ,n).
Bizonyítás:
Mivel
Ax ≈ ≡1×1+ • • •
így a determináns
tulajdonságait (2.44.-2.47. Állítások) felhasználva:
(k=l,... ,n).
66 -
2.54. Következmények: D = det(A) ≠ 0,
Ha
(1)
akkor az
A×=b
lineáris
egyenletrendszer
egyértelműen megoldható, és a megoldás k-adik komponensére:
(2)
D=O
Ha
k-ra
és valamely
Dfc≠0 , akkor az
lineáris egyenlet
Ax=b
rendszer nem oldható meg.
(3)
Ha
és
D=0
D =0 k
minden
k=l.......... n -ra,
akkor az
A×=b
lineáris
egyenletrendszernek végtelen sok megoldása van.
(Ebben az esetben Cramer szabálya nem ad módszert a megoldások megkere sésére. )
(4)
Ax=o
Az
homogén lineáris egyenletrendszernek pontosan akkor van a
triviálistól különböző megoldása, ha
D=det(A) = 0.
Példa.
Oldjuk meg az alábbi lineáris egyenletrendszert Cramer-szabállyalt *1 - X2 + X3 - 3x ≡≡ 7 4
2× + 3x — 4x 1 3 2 4 3x + 4x X + 2x 1 3 2 4 -2x. + 3x_ + 2x_ + X, X
∙≡
19
s
-9
s
-2
Az együtthatómátrix: ‘ 1 1 A = 3 -2 Az
A
-1 -2 4 3
1 3 -1 2
-3 ‘ -4 2 1
mátrix determinánsát elemi
szerint kifejtve számoljuk:
sorátalakítások
után
az
első oszlop
67 -
■ 1
0 0 0
D = det(A) = det
= det[[-J
-3 ' 1 rr _i -1 = l-det 7 11 1 V -5 1
-1 -1 7 1
1 2 -4 4
2 10 6
-1 jj « -l(10∙(-6)-4∙6) 4 = -(-84) -6
o & -4 4
—11 1*1
11 -5 J
Így az egyenletrendszer egyértelműen megoldható Ezután a
D -D 1
7 19 -9 -2 = >det[[li
determinánsokat számoljuk: -1 -2 4 3
8 10 -2
Hasonlóan:
d2 = det
» -252
D3 = det
• 420
D* = det
= 84 . G
így az ismeretlenek:
D
x
1
D X
3
1
D
D
3
168 84
2
x
420 84
5,
X4 "
2
D
-252 _ 84 "
°⅜ 84 D " 84 “ 1
_
,
84*0
68
2.55. Állítás.
Legyen
det(A) = 0
nxn -es kvadratikus mátrix.
A
oszlopvektorai lineárisan összefüggők.
♦=»» A
Bizonyítás:
oldása
e.r.-nek van a triviálistól különböző meg
Ax = o
det(A) =0
«=» r(A) < n
W lineáris
leképezéshez hozzárendeli annak rögzített bázisokra vonatkozó
lineáris és bijekció (ezt
mátrixát
A
típusú leképezések esetén már láttuk a
R* -> Rn
2. fejezetben). Következésképpen:
dia(2(V,W)) = dim(Rn*a) = n∙m = dlm(V)∙dim(W). 3.14. Állítás.
Legyen
Null!tás-rang tétel
4; V -> W
lineáris,
V
véges dimenziós.
Ekkor
n(4) + r(4) = dim(V), azaz
nullltásának és rangjának összege egyenlő V dimenziójával.
4
Bizonyítás:
Legyen a ,.... a Í
bázis
r
eV
1
ki
r
olyan
vektorhalmaz
H= n
1
U V 1 1
1=1
1
≡ λ∙.
n
1=1 uιwι
1
1
V1
* ι=ι vιwι = ♦
= λ∙ .
bilineáris. n
= 1∑1 u vι = 1∑1 vιu ≡ ,
n 2 = 1∑1 uj ≥ 0,
(2)
< , >
szimmetrikus,
és
l≡l,...,n így
így
w u≡o, vagyis
pozitív definit.
skaláris szorzat Rn-beπ.
< , >
Igazoljuk, hogy a n
< , > : Cn×Cn -> C, (u,v) ∣→ := ι∑ι u^ függvény skaláris szorzat Cn-ben!
Legyen
u,v,w € Cn, A € C. Ekkor
-
u,lv 5.>n
n
= Σ
1=1
UV
1 1
+ Σ
1=1
_
UW ≡ + , 1 1
- 87
= εt u75^Γy = ιει uι(λ-vι) = λ-ι∑ι u1v =
= λ , =
n (u÷v1)51 = ,∑1 uü
n Σ 1=1
n ÷ ιiι vιS
= +
Tehát
=
n ∑ 1 =1
ul
V
1 1
n .≡1 v1u1
=
n ∑ 1 =1
így
< , >
< , >
= ,
D
n V
igy
1
Ui
< , >
Σ 1 = 1 v1u1
Hermite-típusú.
és
1
= 0 vagyis
n ∑ V U 1=1 1 1
∣uj I * 0, 1«1,... ,n pozitív deflnlt. ... . ≡bn •
skaláris szorzat Cα-ben.
Megjegyezzük, hogy mindkét példában a megadott függvények skaláris szorzat voltát a 4.7.
(1). Megjegyzésben szereplő (1)-(4) kritérium
teljesülésével is igazolhatjuk.
(3) További példák skaláris szorzatokra: n
a. / A
< , > : Rn×Rn •» R,
szorzat
(u,v) → := fc∑j kufcvfc
függvény skaláris
Rn-ben. n
b. / A
< , > : Cn×Cn -> C,
szorzat
(u,v) ι→ := ∑
k≡ 1
ku v
k k
függvény skaláris ****
Cn-ben.
A (3) a, b, példákat az (1), (2) példákkal összevetve láthatjuk, hogy ugyanabban a vektortérben több skaláris szorzat is megadható.
c. / A
< , > : C(I) × C(I) -» R,
(f,g) → := J f∙g
függvény skaláris
1
szorzat a
C(I)
vektortérben. (Itt
I
véges intervallum R-ben.)
88 -
∕ d.
Jelölje
olyan O-hoz konvergáló valós
V
Σ a2 < » .
melyekre
n=0
ji∣
n
Igazolható, hogy
V
sorozatok halmazát,
(a ) n
altér
R -ben. így maga is valós vektortér. 00
A
< t > : VxV -> Rt
skaláris szorzat
((an ), (bn )) ι→ < (an ) 9 (bn ) > : ≈
Σ a∏bn ∏≡O
függvény
V-ben.
Skaláris szorzaton terek tulajdonságai
4.9. Definíció. Legyen Az
x € V
V
skaláris szorzatos tér.
vektor hosszán (vagy normáján) az
∏×tl := √
számot értjük.
4.10. Megjegyzés. A skaláris szorzat pozitív deflnltségéből következik, hogy bármely
x € V -re
H×Π a 0,
és
H×B =0
w
x=o.
4.11. Állítás.
Legyen V skaláris szorzatos tér,
Ekkor
x € V,
λ e K.
∏λxll = ∣λ∣ * flxll .
Bizonyítás;
llλ×B = √ = √λ = ι^∙λ∙ ≡ ι∕∣λ∣2∙ = |λ∣ ∙√ =
= ∣λ∣*Hx(l .
4.12. Definíció.
Legyen V skaláris szorzatos tér. Az
x ∈ V
vektor egységre normált, ha: llx(l =1.
4.13. Állítás. Bármely
x e V,
x * o
vektorra az
jj∙⅜∣-
Bizonyítás:
I ⅛ H ⅛ I ∙ ,lx"o ⅛ • »x” ■ *•
vektor egységre normált.
- 89 -
Példák.
(1) a./ Tekintsük a 4.8.(1). Példában szereplő skaláris szorzatot speciá lisan
n=3
esetben!
a ;= (-2,0,3) b := (5,-1,1)
Határozzuk meg az
skaláris szorzatot!
3
= ι∑χ aιbj = (-2)∙5 + 0∙(-l) +3-1 = -7
Határozzuk meg az "a" vektor hosszát! Hall = √ = ι∕(-2)2+02+32 ≡ /13 . b./ Tekintsük a 4.8. (3).a., Példában szereplő skaláris szorzatot spéci
éi isan
n=3
esetben!
a := (-2,0,3) b := (5,-1,1)
Határozzuk meg az
skaláris szorzatot!
3
= Σ
k=l
kab
k k
= 1∙(-2)∙5 + 2∙0∙(-1) + 3∙3∙1 ≈ -1
Határozzuk meg az "a" vektor hosszát!
UaU = √ = ½ ♦ (-2)2+2∙0z+3∙32 = √5T
(3) Tekintsük a 4.8. (3).c.» Példában szereplő skaláris szorzatot
esetben! Legyen
f :
[0,1] -)R,
x
g :
[0,1] -⅜ R,
X
X 2 X .
Ekkor
f.g € C([0,l]).
Határozzuk meg az skaláris szorzatot! 1 1 2 j = I f-g = T x∙x dx = o o
Határozzuk meg
f
hosszát! 1_ √5 *
Uf II = ∕
4.14. Állítás. Cauchy-BunyakovszkiJ-Schwarz egyenlőtlenség Legyen V skaláris szorzatos tér;
x,y € V.
Ekkor:
∣∣2 s ∙
I = [0,1]
90 -
Bizonyítás:
1. / ⅛-×∑Zzo∙
akkor az állítás igaz.
2. / Ha_ x_és y
közül _legalább_az_egyik_nem_nul Ivek tor:
Mivel az egyenlőtlenség x-re és y-ra nézve szimmetrikus, feltehetjük,
hogy
y*o.
Vλ e K -ra a 0. így
= - λ - λ ♦ λλ ≥ 0,
azaz
+ ∣λ∣2 ≥ λ∙ + λ∙. Legyen
λ :≈
.
Ekkor
+ l^£|2- *
ami éppen a bizonyítandó egyenlőtlenség.
4.15. Példák.
A Cauchy-BunyakovszkiJ-Schwarz tétel speciálisan
(1) a 4.8. (1). Példában szereplő skaláris szorzatos térre; Legyen
u,v ∈ Rn. Ekkor
(2) a 4.8.(2). Példában szereplő skaláris szorzatos térre: Legyen
u, v € Cn. Ekkor
(3) a 4.8. (3).c., Példában szereplő skaláris szorzatos térre: Legyen
f,g € C(I). Ekkor:
- 91 -
(4) a 4.8. (3).d. , Példában szereplő skaláris szorzatos térre: Legyen x ∞ í Σ
(a ), n
(b ) € V. Ekkor: n
^2 x CD abl ≤ f Σ n=l
n nj
n=l
⅛ f 00 a 2] • í Σ nj
[ n≡l
¾ b2] . nj
4. 16. Állítás. Minkowsky-(vagy háromszög-Jegyenlőtlenség Legyen V skaláris szorzatos tér,
x.y € V.
Ekkor Ux+yfl ≤ I∣x8 ♦ öyU Bizonyítás:
ll×+yll ≤ Uxll + βyU R,
x ⅛→ llxll : = √
függvény teljesíti az analízisből Isme
retes ún. normatulajdonságokat. így skaláris szorzatos terekben mindig meg adható normafüggvény, amelyet skaláris
szorzatból
származtatott
normának
nevezünk.
4.18. Állítás. Legyen V skaláris szorzatos tér. V bármely két null vektortól különböző
x,y
vektorához létezik egyetlen olyan
cos φ = Re Jel: ⅜ (x, y).
*•
≈s4 + *∙,-≡> ♦ ,∙ ? + >∙ V
ha létezik olyan
VI € n -re. Ekkor az —
bázisra vonatkozó mátrixa:
0
0
• λ
n
Bizonyítás. 1./ Tegyük fel, hogy
4
dlagonallzálható, azaz létezik olyan
B={b,...,b}cV bázis, hogy az 4 transzformáció B bázisra vonat1 n kozó mátrixa A ≡ (a ) diagonál Is. Az 4(b ) vektor B bázisra vonatB
1
ij
kozó koordinátái az A mátrix 1-dlk oszlopában találhatók:
0..........0∙aa 11 ∙0.......... 0∙ !I φi∙
i*βy
l-dik
λt : ≈ a ,
Ekkor
VI € n -re.
4(bj) = λjbj
(1 ∈ n).
105 -
/ 2.
Tegyük fel, hogy 4(bj) = λιbj,
Ekkor az
4
B = {b ,...,b } n
1
olyan bázisa V-nek, hogy
VI € n -re.
transzformáció B-re vonatkozó mátrixának 1-dik oszlopában
0,...,0, A ,0..........0
áll, azaz
-t1
4
B-re vonatkozó mátrixa
i-dik dlagonal Ízálható.
4
vagyis
5.3. Definíció.
Legyen V a Γ test feletti vektortér,
A
A e Γ
skalárt
ha valamely
v e V,
az
4:V -♦ V
lineáris transzformáció.
lineáris transzformáció sajátértékének nevezzük,
4
v .* o
vektor esetén
4(v) = λv
vektort a A sajátértékhez tartozó sajátvektornak, a
teljesül. A fenti
v
H(λ) := ker(4-λ∙ldy)
al teret pedig a A saját értékhez tartozó sajátal térnek nevezzük. dim(H(λ))
a A sajátérték geometriai multiplicitása. Egy lineáris transzfor
máció összes sajátért ékének halmazát a lineáris transzformáció spektrumának
nevezzük.
Megjegyzések.
(1)
Egy sajátvektor csak egy sajátértékhez tartozhat. Legyen ugyanis
v*o
is teljesül, akkor
sajátvektora
4-nak. Ha
(λ-μ)v ≡ o,
amiből
4(v) = Av
v≠o
miatt
és
4(v) ≈ μv
λ-μ = 0,
így
λ=μ.
(2)
H(λ) = {v≡V | 4(v) = Av>. H(λ)-nak minden nullvektortól különböző vektora A sajátértékű sajátvek
tora
4-nak.
5.4. Következmény.
Legyen V véges dimenziós vektortér,
4:V -> V
lineáris. Az
4
lineáris
transzformáció pontosan akkor dlagonalizálható, ha van V-nek olyan bázisa, amelyet az
4
lineáris transzformáció sajátvektorai alkotnak.
106 -
5.5.
Példák.
(1)
Legyen
rögzített,
λ € Γ
4:V -» V,
V
Γ feletti vektortér.
x H λx
V minden o-tól különböző vektora sajátvektora 4-nak (λ sajátértékkel).
H(λ) = V.
(2)
2 2 R -> R
4 az az
Legyen
típusú lineáris transzformáció, amely egy TT
2
R -beli vektorhoz hozzárendeli annak origó körüli -vei való elforga2 2 tottját. E = ie1∙e2^ legyen a kanonikus bázis R -ben.
Ekkor
= ^e1∙
4(ej) = e^,
Van-e 4-nak sajátvektora? Legyen x € R2, x≠o, x = α1ej + ct2e2∙ Ha x sajátvektor, akkor
3A € R : 4(x) = λ×.
Ekkor
4(x) = 4(αe + a e ) = a 4(e ) + λae +λae. 12 21 11 22 Innen: -a = λa 2
a
1 = λa .
1 2 Az első egyenletet
-a2 -vei, a másodikat
-gyei szorozva és a két
egyenletet összeadva: α≡÷α2 = 0 ⅜ α ≡ 0, a ≡ 0 ÷ x ≡ o, ami 12 1 2 ellentmondás. Tehát 4-nak nincs sajátvektora.
(3)
Legyen 4 az az R3-> R3
típusú lineáris transzformáció, amely egy
3
R -beli vektorhoz hozzárendeli annak az x-y síkra vonatkozó tükör képét. E = {e .e , e } legyen a kanonikus bázis R3-ban. Ekkor 12
4(e,) = e , 1
1
3
4(e ) = e , 2
sajátvektorai 4-nak
2
4(e ) ≡ -e . 3
3
λ=l -es saját értékkel,
Következésképpen e3
e
1
és e
is sajátvektor,
λ = -1 -es sajátértékkel. H(l) = Jf(e1,e2) H(-l)≡j!(e3)
saját alt ér, geometriai multiplicitása 2,
sajátaltér, geometriai multiplicitása 1.
5.6. Állítás. Egy lineáris transzformáció különböző sajátértékekhez tartozó saját vektorai lineárisan függetlenek.
2
107 -
Bizonyítás: 4: V -> V
Legyen
lineáris transzformáció,
lönböző sajátértékei,
v......... v*
λj,— ,λfc
legyenek
4
kü
legyenek a megfelelő sajátértékekhez tar
tozó sajátvektorok. Teljes indukcióval: n_=_l_~re: bármely v sajátvektorra
v≠o,
Tegyük fel az állítás helyességét
n_“_£jjre
így lineárisan független. és vizsgáljuk az
n_
(1 ≤ t ≤ k-1):
esetet
Tekintsük a
v ,... , vsajátvektorok egy olyan lineáris kombinációját,
o -t eredményez:
amely
£♦1
Σ
1=1
a v 1
4(
Ekkor
1
Σ
1=1
= o
(1)
a v ) = 1 1
Σ
1=1
al'λΓλM>vι
legyen,
1
1=1
111
(2)
= o.
t ⅞*l2V⅛.l ,⅞
+∙ ∙
+
1 tλ4 ^⅛∙.
’l
=o-
lineárisan független, az együtthatók mindegyike 0 kell hogy
ami figyelembe véve, hogy a λ sajátértékek különbözőek,
lehet, ha
v∕a,1*o∙
v1∙∙∙∙∙v⅛,1
elő, vagyis
= 0. Ekkor (1)
αι = ... =
legyen. Mivel így a
1
Z*i Σ aλ v
-gyei, és ezt vonjuk ki (2) -bői:
(1) -t szorozzuk be
Mivel v1∙∙∙∙∙v^
a 4(v ) =
így
β o
alapján
csak úgy kell hogy
0⅛+1 aβ 0∙
sajátvektorokból a null vektor csak triviálisan állítható
v ,..., v^
Az indukciós elv alapján
lineárisan független. v......... v^
is lineárisan független.
5.7. Következmények.
Legyen V n-dimenzlós vektortér. (1)
Minden 4:V -> V lineáris transzformációnak legfeljebb sajátértéke van.
(2)
A
dlagonalizálhatóságának elegendő
feltétele
n
n
db különböző
db különböző saját
érték létezése.
(Ez a feltétel nem szükséges, gondoljunk csak az ldy transzformációra!)
108 -
Sajátértékek, sajátvektorok meghatározása Legyen V n-dlmenzlós vektortér, B = {bι,...,bn}
d(v) = λv
lineáris transzformáció. Ekkor az
Ap = λu
egyenlőséggel, ahol
vonatkozó mátrixa,
A
Γ"*
az
a
p = I .
A
egyenlőség ekvivalens az
lineáris transzformáció
vektor
v
bázisa V-nek, d:V -> V
B
B
bázisra
bázisra vonatkozó koordlná-
(Itt λ -t az A négyzetes
mátrix
sajátértéké-
az A mátrix λ-hoz tartozó sajátvektorának hívjuk. ) Az
Ap = λυ
egyenlőséget átalakítva:
Ap - λυ = o,
illetve
(A-λE)p s o»
ahol
E
nxn -es egységmátrix.
Ez egy homogén lineáris egyenletrendszer a
v ,...,υ i n amelynek nem triviális megoldását keressük (v*o).
Ismeretlenekre nézve,
A fenti egyenletrendszernek pontosan akkor létezik nem triviális megoldása,
transzformáció nem lnjektlv, ez pedig pontosan akkor telje
d-λ*ldγ
ha az
sül, ha az
A-AE
együtthatómátrix determinánsa 0:
det(A-λE)
0.
Ezen egyenletet λ-ra megoldva megkapjuk az d transzformáció sajátértéke11,
ezután az (A-λE)p = o
egyenletrendszert megoldva az adott
tartozó v koordináta n-esek,
111.
λ
azokból a megfelelő veV
sajátértékhez sajátvektorok
meghatározhatók.
5.8. Definíció. (1)
Legyen Az
V
véges dimenziós vektortér.
d:V -> V
lineáris transzformáció karakterisztikus pollnomján a
P(λ) = det(d-λidv)
pollnomot, karakterisztikus egyenletén a
P(λ) = det(d-λldy) = 0
(2)
Az
A € Γnxn
egyenletet értjük.
négyzetes mátrix karakterisztikus pollnomján a
P(λ) = det(A-AE)
pollnomot, karakterisztikus egyenletén a
P(λ) = det(A-AE) = 0
egyenletet értjük.
109 -
5.9. Megjegyzések. (1)
A 2.50.
Állítás alapján lineáris transzformációnak és bármely rögzí
tett bázisra vonatkozó mátrixának karakterisztikus polinomja (karak terisztikus egyenlete) azonos.
(2)
Az
nxn -es mátrix karakterisztikus polinomja pontosan
A
pollnom, amelynek főegyUtthatóJa (-1 )n, konstans tagja
n -ed fokú
det A.
(Ez a kifejtési tétel alkalmazásával, teljes indukcióval látható be. )
5.10. Következmény. (1)
Legyen
Egy
V
véges dimenziós vektortér a Γ test felett.
4:V -> V
lineáris transzformáció sajátértékei pontosan az
transzformáció
P(λ) = 0
karakterisztikus egyenletének
4
(Γ-ba eső)
gyöke1.
(2)
Egy
nxn -es mátrix sajátértékei pontosan az
A
A
mátrix
P(λ) = 0
karakterisztikus egyenletének Γ-ba eső gyökei.
Egy-egy ilyen gyök multiplicitását az illető sajátért ék algebrai multiplici tásának hívjuk. Példák.
(1)
Legyen
4:R3 -> R3,
Határozzuk meg az
(x,y,z) 4
(z,y,x).
lineáris transzformáció sajátértékeit, sajátvek
torait, sajátaltereit! Az
4
lineáris transzformáció kanonikus bázisra
vonatkozó mátrixa: A =
0 1 0
’ 0 0 1
1 ‘ 0 0
A karakterisztikus egyenlet:
P(λ) = det(A-λE) = det (
■ -λ 0 1
0 l-λ 0
1 ' 0 -λ
) =
= -λ∙ (l-λ)(-λ)-(l-λ) = (l-λ)(λ1 2-l) = (l-λ)(λ+l )(λ-l) = 0
A sajátértékek:
λj = 1
(algebrai multiplicitása 2)
λ2 =-l
(algebrai multiplicitása 1).
110 -
egyenlőséget ki
Ax=x
A λι=l sajátértékhez tartozó sajátvektorok az
elégítő, nullvektortól különböző vektorok. Ax = ×
Mivel
(A-E)x = o,
«==»
így az alábbi homogén lineáris egyen
letrendszer triviálistól különböző megoldásait keressük.
Bázlstranszformáclóval megoldva az egyenletrendszert: a
bázis
a
2
1
a3
0
bázis
a2
a3
o
e1
-1
0
1
0
e1
0
0
0
e2
0 ©
0
0
0
β2
0
0
0
0
-1
0
aι
0
-1
0
e
3
így
x.1 = 0 - [o
-1]
r⅛ι L x3 J 1
3
A megoldáshalmáz: M1 = V
lineáris
V -> V
lineáris
Vx,y e V -re:
transzformáció, hogy Ezt az
4*
teljesül.
lineáris transzformációt az
4
lineáris transzformáció adj tán
gál tJának nevezzük.
Bizonyítás: y e V
Legyen
rögzített.
4 :V -⅜ K,
Tekintsük az
y
4 lineáris: -y--------------V×ι,χz ∈ V -re:
χ j→
leképezést.
4 (×ι÷x2) = = =
= + = 4y(×ι) + .
116
y e V, λ € K.
Legyen
Vx e V -re: = ι
= λ = λ = .
másrészt
Vx 6 V -re: = o,
tgy
4∙(λy) - λ∙4β(y) ≈ o,
ezért
vagyis
4∙(λy) = λ∙4∙(y). ⅛γtct≡l*≡9≡⅛* i
Tegyük fel, hogy
4j,42 olyan
és
Is teljesül.
=
esetén = 0,
Vx,y e V
Ekkor
vagyis
Vy € V -re (4j-4g) (y)
a V vektortér minden vektorára ortogonális,
Vy e V -re (4j-4g)(y) = o,
így
lineáris transzformációk, hogy
V -> V
V×,y e V -re: =
azaz 4j-42
az
azonosan nulla leképezés, Így
A =A . 1 23*5 5.15. Megjegyzés.
Ha
V
véges dimenziós skaláris szorzatos tér,
transzformációk,
c € K,
4,3 : V -> V
lineáris
akkor
(1)
4∙∙ = A
(2)
(c4)∙ = c∙4∙
(3)
(4+3)∙ = 4∙ + 3∙
(4j (5)
(4 ° 3)w = 3* o 4' Ha 4 lnvertálható, akkor (4^x)∙ = (4∙)'x.
Péjda. 2
Legyen (e ,e } a kanonikus bázis R -ben. 12
H := /(ej
K := £le +e J 1 2 2 4 legyen az a lineáris transzformáció, amely egy R -beli vektort H-ra vetít, K-val párhuzamosan. Ekkor 4(e ) = e , 1
1
4(e +e ) = o. 12
így 4(e2) = 4(-e +(e *e2)) = -4(eι)+4(ej+e2) = -ej. 4(x,y) = x∙4(ej)+ y∙4(ez) ≈ (×-y)eι, ∀(×,y) € R2 -re. Vagyis:
4:R2-»R2,
(x,y) >→ (x-y. 0)
117 -
Határozzuk meg az
transzformáció adjungáltJát!
j⅛
+ e
fi* (e ) = e 1
=
122
Ili
= ej + e
+ e
112
*11
Λβ(e ) = e 21
2
= e 1
2
= e
2
2
12
2
=
2
= o
Λ∙(×,y) = 44*(×eι+ye2) = ×∙4∙(eι) + y∙*i∙(e2> = xej-×e2, V(x,y) € IR2 -re.
(χ,y) t→ (×,-x).
*4∙ : IR2 -> R2,
Vagyis:,
J£(e ) -vei párhuzamosan. )
£(e -e ) altérre vetít,
az
Az
=
22
2
+ e
+ e
11
2
így
12
+ e
j
i
= e -e .
12
«4 és j4∙
2
transzformációk kanonikus bázisra vonatkozó mátrixai:
A = [ o
*• ■ [ -1
’o ]•
Észrevehetjük, hogy
? ]•
A∙ = AT.
5.16. Állítás. Lejgyen
véges dimenziós skaláris szorzatos tér,
V
transzformáció, B c V ortonormált bázis. Legyen az
vonatkozó mátrixa
M(rf) = (a^), az
«4
V
Ekkor
i - 1,... , n
a • = a . Ji U
J = 1,.. . ,n
Bizonyítás: Legyen
B = = Σ
k=l
kJ k’
1
k=l
a
kJ
B -re