Tartalomjegyzék. I. A lineáris algebra forrásai Vektorok Lineáris egyenletrendszerek és megoldásuk 63

Átírás

1 Tartalomjegyzék I. A lineáris algebra forrásai 17 1 Vektorok 21 Vektorok a 2- és 3-dimenziós térben 21 Irányított szakasz, kötött és szabad vektor 21 Vektor magadása egy irányított szakasszal 22 Vektor megadása hossz és irány segítségével 23 Vektorműveletek a 2- és 3-dimenziós térben 23 A lineáris kombináció definíciója 25 Lineáris függetlenség 27 Speciális lineáris kombinációk * 28 Távolság, szög, orientáció 31 Skaláris szorzás 31 Hosszúság és szög 32 Pithagorász-tétel 32 Két fontos egyenlőtlenség 33 Egységvektorral való szorzás és a merőleges vetítés 34 Merőlegesség és orientáció 35 Vektori szorzás 36 Parallelepipedon térfogata, és előjeles térfogata 39 Vegyes szorzat 39 Vektorok koordinátás alakban 42 Descartes-féle koordinátarendszer 42 Műveletek koordinátás alakban megadott vektorokkal 43 A derékszögű koordinátarendszer 45 Az R n halmaz 47 Vektorok összeadása és skalárral szorzása R n -ben 48 Lineáris kombináció, lineáris függetlenség, lineáris összefüggőség 49 Skaláris szorzás R n -ben 51 Távolság és szög R n -ben 52 Korrelációs együttható * 55 Bitvektorok, kódvektorok * 56 Vektorműveletek Z n m-ben * 57 Megoldások 61 2 Lineáris egyenletrendszerek és megoldásuk 63 Egyenes és sík egyenletei 63

2 2 Alakzatok és egyenletek 63 Síkbeli egyenes egyenletei 65 Síkbeli pont egyenletei 68 A 3-dimenziós tér síkjainak egyenletei 69 Térbeli egyenes egyenletei 71 Térbeli pont egyenletei 74 Egyenletek R n -ben 75 A lineáris egyenletrendszer és két modellje 78 Lineáris egyenlet és egyenletrendszer 78 Ekvivalens lineáris egyenletrendszerek 80 Mátrixok 81 Egyenletrendszer mátrixa és bővített mátrixa 82 Sormodell: hipersíkok metszete 84 Oszlopmodell: vektor előállítása lineáris kombinációként 86 Megoldás kiküszöböléssel 89 Elemi sorműveletek 89 Lépcsős alak 89 Gauss-módszer 90 Redukált lépcsős alak 94 Gauss Jordan-módszer 95 A redukált lépcsős alak egyértelműsége 97 Szimultán egyenletrendszerek 98 Kiküszöbölés Z p -ben * 100 Megoldás a gyakorlatban 103 A kiküszöbölés műveletigénye 103 Numerikusan instabil egyenletrendszerek 103 Részleges főelemkiválasztás 105 Skálázás 107 Iteratív módszerek 108 Jacobi-iteráció 109 Gauss Seidel-iteráció 110 Az iterációk konvergenciája 111 Megoldások Megoldhatóság és a megoldások tere 117 Homogén és inhomogén egyenletrendszerek megoldásai 117 Kötött változók száma, mátrix rangja 117 Egyenletrendszer megoldhatóságának feltétele 119 Homogén lineáris egyenletrendszer megoldásai 121 Altér 122 Kifeszített altér 124 Az inhomogén lineáris egyenletrendszer megoldásai 125 Lineáris függetlenség és összefüggőség 127 Alterek tulajdonságai és az egyenletrendszerek 130 Sor- és oszloptér 130 Bázis 131 Vektor egy bázisra vonatkozó koordinátás alakja 133 Dimenzió és rang 134 A sortér és a nulltér merőlegessége 138 A lineáris algebra alaptétele 139 Elemi bázistranszformáció * 140 Megoldások 144 II. Mátrixok algebrája és geometriája Mátrixműveletek definíciói 157 Táblázatok 157

3 3 Táblázatok összeadása 157 Táblázat szorzása számmal 158 Táblázatok szorzása 158 Lineáris helyettesítés 159 Elemenkénti mátrixműveletek 162 Alapfogalmak, jelölések 162 Elemenkénti mátrixműveletek 164 Mátrixok lineáris kombinációi 165 Mátrixszorzás 167 Skaláris szorzat és diadikus szorzat mátrixszorzatos alakja 168 Lineáris egyenletrendszer mátrixszorzatos alakja 169 Lineáris helyettesítés mátrixszorzatos alakja 170 Szorzás vektorral 171 Szorzás standard egységvektorral 171 A báziscsere mátrixszorzatos alakja 172 Bázisfelbontás * 174 Egységmátrix, elemi mátrixok 175 Mátrixműveletek Z m -ben * 177 Blokkmátrixok 177 Műveletek blokkmátrixokkal 177 Vektorokra particionált mátrixok 179 Lineáris egyenletrendszer megoldásának blokkmátrix alakja * Mátrixműveletek tulajdonságai 187 Az alapműveletek algebrai tulajdonságai 187 Az összeadás és a skalárral való szorzás tulajdonságai 187 A szorzás tulajdonságai 188 Mátrix hatványozása 190 A transzponálás tulajdonságai 192 Mátrix inverze 193 Az inverz 193 Elemi mátrixok inverze 196 Az inverz kiszámítása 197 Az inverz tulajdonságai 199 Az invertálhatóság és az egyenletrendszerek megoldhatósága 201 Invertálhatóság, bázis, báziscsere 204 Műveletek speciális mátrixokkal 208 Diagonális mátrixok 208 Permutációs mátrixok és kígyók 208 Háromszögmátrixok 210 Szimmetrikus és ferdén szimmetrikus mátrixok 211 Mátrix és diád összegének inverze * 212 Gyorsszorzás * 214 Az LU-felbontás 217 Az LU-felbontás használata egyenletrendszer megoldására 218 Mátrix invertálása LU-felbontással 219 Az LU-felbontás kiszámítása 220 PLU-felbontás 222 Az LU-felbontás a gyakorlatban 224 Megoldások Determináns 231

4 4 Parallelogramma előjeles területe 231 térfogata 232 Parallelepipedon előjeles A determináns, mint sorvektorainak függvénye 233 A determináns definíciója 233 A determináns értékének kiszámítása 235 Mátrixműveletek és determináns 238 Mikor 0 a determináns értéke 240 A determináns, mint elemeinek függvénye 246 Kígyók determinánsa 246 Permutációs mátrix determinánsa * 248 Előjeles aldetermináns 250 Determináns kifejtése 253 Cramer-szabály és a mátrix inverze 254 Blokkmátrixok determinánsa * 258 Vandermonde-determináns 259 Megoldások Mátrixleképezések és geometriájuk 271 Mátrixleképezés, lineáris leképezés 271 A mátrixleképezés fogalma 271 Műveletek mátrixleképezések között 272 Mátrixleképezések tulajdonságai 273 A mátrixleképezés hatásának szemléltetései 274 Lineáris leképezés 277 Lineáris leképezések alaptulajdonságai 280 Lineáris leképezés mátrixa különböző bázisokban 281 Hasonlóság 282 Tartományok képe és mértékük változása 284 Többváltozós függvények differenciálása * és 3-dimenziós geometriai transzformációk mátrixa 293 Forgatás 293 Merőleges vetítés 296 Tükrözés 298 Vetítés 298 Eltolás 299 Merőleges vetítés és a legjobb közelítés 300 Merőleges vetítés R n egy alterére 300 Melyik mátrix merőleges vetítés mátrixa? 301 Altértől való távolság 302 Egyenletrendszer optimális megoldása 304 Lineáris és polinomiális regresszió 305 Vetítés 308 Pszeudoinverz * 312 A pszeudoinverz fogalma 312 A pszeudoinverz tulajdonságai 315 A pszeudoinverz és a minimális abszolút értékű optimális megoldás 316 Ortonormált bázis, ortogonális mátrixok, ortogonalizáció 320 Ortogonális és ortonormált bázis 320 Ortogonális mátrixok 322 Ortogonális mátrixok geometriája 324 A 2- és 3-dimenziós tér ortogonális transzformációi 325 Givens-forgatás, Householder-tükrözés * 327 Gram Schmidt-ortogonalizáció * 329 A QR-felbontás * 331 QR-felbontás primitív ortogonális transzformációkkal * 333 Egyenletrendszer optimális megoldása QR-felbontással * 335

5 5 Komplex és véges test feletti terek * 339 Komplex vektorok skaláris szorzata 339 Önadjungált mátrixok 341 Távolság és a merőleges vetítés komplex terekben 342 Unitér mátrixok 342 Fourier-mátrixok 342 Diszkrét Fourier-transzformáció 345 Periodikus összetevők szűrése 348 Gyors Fourier-transzformáció 349 Vektorok konvolúciója 353 Megoldások 353 III. Mátrixok sajátságai Sajátérték, diagonalizálás 361 Sajátérték, sajátvektor, sajátaltér 361 A sajátérték és a sajátvektor fogalma 361 Karakterisztikus polinom 363 A valós 2 2-es mátrixok sajátaltereinek jellemzése 365 Mátrix összes sajátértékének és sajátvektorának meghatározása 366 A karakterisztikus egyenlet komplex gyökei 369 A karakterisztikus egyenlet többszörös gyökei: az algebrai és a geometriai multiplicitás 370 Sajátértékek és a mátrix hatványai 371 Speciális mátrixok sajátértékei 373 Hasonlóság, diagonalizálhatóság 376 Lineáris transzformációk sajátértékei 376 Hasonló mátrixok sajátértékei 377 Mátrixok diagonalizálása és sajátfelbontása 378 Bal sajátvektorok és a sajátfelbontás diadikus alakja * 379 Diagonalizálható mátrixok polinomjai és a Cayley Hamilton-tétel * 381 Különböző sajátértékek sajátalterei 382 Sajátértékek multiplicitása és a diagonalizálhatóság * 384 Diagonalizálható mátrixok spektrálfelbontása * 387 A sajátérték kiszámítása 388 Gerschgorin-körök 388 Hatványmódszer 390 Megoldások Diagonalizálás ortonormált bázisban 393 Ortogonális és unitér diagonalizálás 393 Valós mátrixok ortogonális diagonalizálása, valós spektráltétel 393 Schur-felbontás * 396 Mátrixok unitér diagonalizálása * 398 Spektrálfelbontás szimmetrikus és önadjungált mátrixokra 399 Kvadratikus formák 401

6 6 Homogén másodfokú polinomok mátrixszorzatos alakja 401 Főtengelytétel 402 Kvadratikus formák és mátrixok definitsége 403 Definitség és főminorok 405 Szélsőérték 405 Megoldások Szinguláris érték 407 Szinguláris érték, szinguláris vektor, SVD 407 Szinguláris érték és szinguláris vektorok 407 Szinguláris felbontás 408 A szinguláris értékek és a szinguláris felbontás meghatározása 411 Szinguláris érték szerinti felbontás létezése 413 Szinguláris felbontás geometriai interpretációja 414 Polárfelbontás 415 Pszeudoinverz 417 Információtömörítés 418 Vektor- és mátrixnorma 420 Vektor abszolút értéke az euklideszi norma 420 A p-norma 420 A norma általános fogalma 421 Vektornormák ekvivalenciája 423 Vektornormák mátrixokon 424 A mátrixnorma általános fogalma 426 Indukált norma 426 Az 1-, 2- és -norma mátrixokra 428 Megoldások Jordan-féle normálalak 433 Általánosított sajátvektorok és a Jordan-blokk 433 Jordan normálalak 437 A Jordan-alak egyértelműsége 440 A Jordan-bázis konstrukciója 443 Mátrixfüggvények 448 Diagonalizálható mátrixok függvényei 448 Nem diagonalizálható mátrixok függvényei 449 A Jordan normálalak használata a differenciálegyenletrendszerek megoldásában Nemnegatív mátrixok 451 A Perron Frobenius-elmélet 451 Mátrixok összehasonlítása 451 Pozitív mátrixok 451 Nemnegatív mátrixok 454 Irreducibilis mátrixok 456 Primitív és imprimitív mátrixok 458 Sztochasztikus mátrixok 462 Markov-láncok, sztochasztikus mátrixok 462 sztochasztikus mátrixok 462 Megoldások 464 Duplán

7 7 A Függelék 467 Lebegőpontos számábrázolás 468 A lebegőpontos számábrázolás 468 Műveletek lebegőpontos számokkal 469 Algoritmusok műveletigénye: flop és flops 471 Komplex számok 473 Testek, gyűrűk 473 Prímelemű testek 476 Aritmetika véges halmazon 476 Polinomok 478 Az Octave használata 479 Bevitel 479 Irodalomjegyzék 481 Tárgymutató 483

8

9 Listák Tételek, állítások, következmények 1.2. Parallelogramma-módszer A vektorműveletek tulajdonságai Vektorral párhuzamos vektorok Két vektorral egy síkba eső vektorok Térbeli vektorok Síkbeli vektor felbontása Térbeli vektor felbontása Két ponton átmenő egyenes jellemzése Intervallum pontjainak jellemzése Mikor 0 a skaláris szorzat? A skaláris szorzás műveleti tulajdonságai Pithagorász-tétel Cauchy Bunyakovszkij Schwarz-egyenlőtlenség Háromszög-egyenlőtlenség Egységvektorral való szorzás geometriai jelentése Vektor felbontása merőleges összetevőkre Mikor 0 a vektori szorzat? Vektori szorzat abszolút értékének geometriai jelentése Vektori szorzás műveleti tulajdonságai Ekvivalenciareláció Vektorműveletek koordinátás alakja Skaláris szorzat ortonormált koordinátarendszerben Vektori szorzat ortonormált koordinátarendszerben Az összeadás és skalárral szorzás tulajdonságai Lineáris függetlenség Lineáris összefüggőség A skaláris szorzás tulajdonságai Cauchy Bunyakovszkij Schwarz-egyenlőtlenség Háromszög-egyenlőtlenség R n -ben Skaláris szorzat és abszolút érték R n -ben Ortogonális vektorrendszer lineáris függetlensége Síkbeli egyenes explicit vektoregyenlete Síkbeli egyenes implicit vektoregyenlete Síkbeli egyenes explicit egyenletrendszere Síkbeli egyenes (implicit) egyenlete Sík explicit vektoregyenlete Sík implicit vektoregyenlete Sík explicit egyenletrendszere Sík implicit egyenlete Térbeli egyenes explicit vektoregyenlete Térbeli egyenes explicit egyenletrendszere Térbeli egyenes implicit egyenletrendszere Ekvivalens átalakítások Sormodell Oszlopmodell Lépcsős alakra hozás A redukált lépcsős alak egyértelmű A kiküszöbölés műveletigénye Elégséges feltétel az iterációk konvergenciájára Főelemek oszlopai Kötött és szabad változók száma A megoldhatóság mátrixrangos feltétele Homogén lineáris egyenletrendszer megoldhatósága Megoldások lineáris kombinációja Alterek összege Megoldások altere A kifeszített altér altér Homogén és inhomogén egyenletrendszer megoldásai Inhomogén egyenletrendszer megoldhatósága Lineáris függetlenség eldöntése Elemi sorműveletek hatása a sor- és oszlopvektorokra Mátrix lépcsős alakjának vektorai Bázis ekvivalens definíciói Bázis-tétel Dimenzió = rang

10 Dimenziótétel A sortér és a nulltér merőlegessége A lineáris algebra alaptétele Elemi bázistranszformáció Mátrixszorzás és lineáris kombináció Mátrix elemeinek, sor- és oszlopvektorainak előállítása Koordináták változása a bázis cseréjénél Bázisfelbontás Elemi sorműveletek mátrixszorzással Műveletek blokkmátrixokkal A szorzat oszlopai és sorai A megoldás felírása blokkmátrixokkal A nulltér bázisa Összeadás és skalárral szorzás tulajdonságai Mátrixszorzás algebrai tulajdonságai Hatványozás azonosságai Transzponálás tulajdonságai Sorművelet inverzének mátrixa Az inverz egyértelműsége Az inverz létezéséhez elég egy feltétel es mátrix inverze Az inverz alaptulajdonságai Az invertálhatóság és az egyenletrendszerek Invertálhatóság és bázis Az áttérés mátrixának inverze Műveletek diagonális mátrixokkal Műveletek permutációs mátrixokkal Műveletek háromszögmátrixokkal Műveletek (ferdén) szimmetrikus mátrixokkal Felbontás szimmetrikus és ferdén szimmetrikus mátrix összegére A T A és AA T szimmetrikus Sherman Morrison-formula Az LU-felbontás létezése és egyértelműsége Nullvektort tartalmazó determináns Elemi sorműveletek determinánson Elemi mátrixok determinánsa Permutációs mátrix determinánsa Háromszögmátrix determinánsa Determinánsok szorzásszabálya Transzponált determinánsa Zérus értékű determináns Egyenletrendszer megoldhatósága és a determináns Felbontás kígyók determinánsainak összegére Permutációs mátrix determinánsa Determinánsfüggvény létezése Determináns rendjének csökkentése Determinánsok kifejtési tétele Cramer-szabály Mátrix inverzének elemei Determinánsok szorzata blokkmátrixban es blokkmátrix determinánsa Vandermonde-determináns értéke Mátrixleképezések alapműveletei Inverz mátrixleképezések A lineáris kombinációt megőrző leképezések Síkbeli forgatás, tükrözés, vetítés Lineáris leképezés mátrixa Lineáris leképezések alaptulajdonságai Lineáris leképezés mátrixai közti kapcsolat Hasonló mátrixok hatása Hasonlóságra invariáns tulajdonságok Tartomány mértékének változása lineáris transzformációban Jacobi-mátrix Láncszabály A forgatás mátrixa Tengely körüli forgatás Rodrigues-formula Egyenesre való merőleges vetítés mátrixa Síkra való merőleges vetítés mátrixa Síkbeli tükrözés mátrixa Síkra való tükrözés mátrixa Altérre való vetítés mátrixa Merőleges vetítés mátrixai Legjobb közelítés tétele Vektor felbontása összetevőkre Egyenletrendszer optimális megoldása Lineáris regresszió Linearizálható regressziós modellek A projekció tulajdonságai A vetítés ekvivalens definíciója Mikor merőleges egy vetítés? A pszeudoinverz létezése és egyértelműsége Moore Penrose-tétel A + A és AA + merőleges vetítés Optimális megoldás pszeudoinverzzel Ortogonális vektorok függetlensége Legjobb közelítés ONB esetén Szemiortogonális mátrixok ekvivalens definíciói Ortogonális mátrixok ekvivalens definíciói Ortogonális mátrixhoz tartozó mátrixleképezés Ortogonális mátrixok tulajdonságai Egy vektor tükrözése egy másikba Gram Schmidt-ortogonalizáció QR-felbontás létezése és egyértelműsége Legkisebb négyzetek QR-felbontással Az adjungált tulajdonságai A komplex skaláris szorzás tulajdonságai Fourier-összeg helyettesítési értékei

11 A Fourier-mátrixok tulajdonságai A DFT tulajdonságai Gyors Fourier-transzformáció A sajátvektorok alterei Háromszögmátrixok sajátértékei Determináns, nyom és a sajátértékek es szimmetrikus mátrixok sajátalterei Mátrix invertálhatósága és a 0 sajátérték Mátrix hatványainak sajátértékei és sajátvektorai Mátrix hatványainak hatása Speciális mátrixok sajátértéke Speciális komplex mátrixok sajátértéke Sajátérékhez kapcsolódó invariánsok Diagonalizálhatóság szükséges és elégséges feltétele Diagonalizálható mátrix polinomja Cayley Hamilton-tétel Különböző sajátértékek sajátvektorai Különböző sajátértékek és a diagonalizálhatóság Algebrai és geometriai multiplicitás kapcsolata Diagonalizálhatóság és a geometriai multiplicitás Diagonalizálható mátrixok spektrálfelbontása Gershgorin-körök tulajdonságai Domináns főátlójú mátrix invertálhatósága Szimmetrikus mátrix sajátalterei Valós spektráltétel Schur-felbontás Főtengelytétel Definitség meghatározása a sajátértékekből Definit mátrixok főminorai és vezető főminorai A szinguláris értékek létezése és egyértelműsége Egységgömb képe Polárfelbontás A pszeudoinverz kiszámítása Minden vektornorma ekvivalens Frobenius-norma ekvivalens alakjai Indukált norma tulajdonságai , 2- és -norma kiszámítása Jordan normálalak A Jordan-alak egyértelműsége Exponenciális függvény kiszámítása Perron-tétel: pozitív sajátérték és sajátvektor Perron-tétel: egyszeres és domináns sajátérték Perron Frobenius-tétel gyenge változat Collatz Wielandt-tétel Nemnegatív mátrixok spektrálsugarának becslése Perron Frobenius-tétel erős változat Feltétel mátrix primitivitására Perron Frobenius-tétel sajátértékek a spektrálkörön Sztochasztikus mátrix sajátértékei Frobenius Kőnig-tétel Pozitív kígyó Birkhoff-tétel Definíciók. Irányított szakasz, kötött vektor Vektor Zérusvektor Vektor hossza Vektorok szöge Két vektor összege háromszögmódszer Vektorok különbsége Vektor szorzása skalárral Lineáris kombináció Vektorok függetlensége Két vektor skaláris szorzata Egységvektor Vektori szorzat Vegyes szorzat Vektor koordinátás alakja 2D-ben Vektor koordinátás alakja 3D-ben Vektorműveletek R n -ben Skaláris szorzás R n -ben Abszolút érték, szög, merőlegesség, távolság Korrelációs együttható Kód Alakzat (implicit) egyenletrendszere Alakzat (explicit) egyenletrendszere Lineáris egyenlet Lineáris egyenletrendszer Lineáris egyenletrendszer megoldása Ekvivalens egyenletrendszerek Elemi sorműveletek Lépcsős alak Redukált lépcsős alak rref függvény Szimultán egyenletrendszerek Soronként domináns főátlójú mátrix Mátrix rangja Altér Nulltér Kifeszített altér Sortér, oszloptér Bázis Dimenzió Vektorrendszer rangja

12 12. Merőleges altér és merőleges kiegészítő altér Lineáris helyettesítés Mátrixok egyenlősége Adott típusú mátrixok tere Mátrixok összege, különbsége Zérusmátrix Mátrix szorzása skalárral Mátrixok szorzása Diadikus szorzat Áttérés mátrixa Egységmátrix Elemi mátrixok Mátrix inverze Permutációs mátrix, kígyó Háromszögmátrix Szimmetrikus és ferdén szimmetrikus mátrixok LU-felbontás PLU-felbontás Determináns Előjeles aldetermináns Vandermonde-determináns Lineáris leképezés Hasonlóság Lineáris leképezés rangja Lineáris leképezés determinánsa Differenciálhatóság Altérre való merőleges vetület Optimális megoldás Normálegyenlet-rendszer Regressziós egyenes Vetítés altérre A Moore Penrose-féle pszeudoinverz Ortogonális és ortonormált bázis Ortogonális és szemiortogonális mátrix Givens-forgatás Householder-tükrözés QR-felbontás Komplex mátrix adjungáltja Komplex vektorok skaláris szorzata Komplex vektorok hossza, távolsága, szöge, merőlegessége Unitér mátrix Diszkrét Fourier-transzformáció (DFT) Sajátérték, sajátvektor Sajátaltér Lineáris transzformáció sajátértéke, sajátvektora Diagonalizálhatóság Bal sajátvektor Gerschgorin-körök Ortogonális diagonalizálhatóság Unitér diagonalizálhatóság Normális mátrix Kvadratikus formák és mátrixok definitsége Szinguláris érték Szinguláris felbontás Polárfelbontás Euklideszi norma p-norma Norma Normák ekvivalenciája Frobenius-norma Mátrixnorma Indukált norma Általánosított sajátvektor Jordan-blokk Mátrix exponenciális függvénye Reducibilis és irreducibilis mátrixok Sztochasztikus vektorok és mátrixok Duplán sztochasztikus mátrixok Lebegőpontos számok Test Z m Kidolgozott példák Skaláris szorzat kiszámítása a definíció alapján Skaláris szorzat kiszámítása Merőleges összetevőkre bontás Vektori szorzat meghatározása i, j, k vektori szorzata Parallelepipedon térfogata Vegyes szorzat Vektorok koordinátái Pontok koordinátái Skaláris szorzás koordinátarendszerben Parallelogramma területe Paralelepipedon térfogata Vektorok szöge és távolsága Lineáris kombináció Z n m-ben One time pad a tökéletes titkosítás Paritásbit

13 Az x + y = 1 egyenlet Az x 2 + y 2 = 1 egyenlet Síkbeli egyenes egyenletei Sík egyenletei Térbeli egyenes egyenletrendszerei Egyenes és sík explicit vektoregyenlete Hipersík egyenlete Mátrixok és elemeik Mátrix használata a megoldáshoz Sormodell két kétismeretlenes egyenlettel Oszlopmodell Lépcsős alak Gauss-módszer, egy megoldás Gauss-módszer, végtelen sok megoldás Homogén lineáris egyenletrendszer megoldása Síkok metszésvonalának meghatározása Redukált lépcsős alak Redukált lépcsős alakra hozás Gauss Jordan-módszer, egy megoldás Gauss Jordan-módszer, végtelen sok megoldás Szimultán egyenletrendszer megoldása Szimultán egyenletrendszer bővített mátrixa Egyenletrendszer Z 2 fölött Egyenletrendszer Z 5 fölött Instabil egyenletrendszer Gauss-módszer lebegőpontos számokkal Részleges főelemkiválasztás Sor szorzása Jacobi-iteráció Gauss Seidel-iteráció Divergens iteráció Mátrix rangjának kiszámítása Egyenletrendszer megoldásainak száma Altér Nulltér Kifeszített altér vektorai Vektorok lineáris függetlenségének eldöntése Altér bázisának meghatározása Vektor felírása a bázisvektorok lineáris kombinációjaként Vektor koordinátás alakja a B bázisban Mátrix transzponáltja Dimenzió kiszámítása Vektorokra merőleges altér Egyenletrendszer megoldása elemi bázistranszformációval Lineáris helyettesítések kompozíciója Mátrixok és elemeik Mátrixok összege, különbsége Mátrixok lineáris kombinációja Mátrixok szorzása Skaláris és diadikus szorzat Egyenletrendszer mátrixszorzatos alakja Szimultán egyenletrendszer mátrixszorzatos alakja Áttérés standard bázisra Báziscsere Bázisfelbontás Elemi mátrixok Mátrix balról szorzása elemi mátrixszal Műveletek blokkmátrixokkal es blokkmátrixok Szorzat előállítása diádok összegeként Nulltér bázisa Egyszerűsítés mátrixszal Nullosztó Mátrix hatványozása Polinom helyettesítési értéke Mátrix inverze Szinguláris mátrix I A inverze nilpotens A esetén Az inverz kiszámítása Inverz tulajdonságainak alkalmazása Egyenletrendszer megoldása mátrixinvertálással Mátrixegyenlet megoldása mátrixinvertálással Mátrix elemi mátrixok szorzatára bontása Az áttérés mátrixának inverze Műveletek diagonális mátrixokkal Sorok permutációja mátrixszorzással Kígyók Permutációs mátrix inverze Szimmetrikus és ferdén szimmetrikus mátrixok Inverz változása Inverz változása számpéldán Gauss-kiküszöbölés mátrixszorzással Egyenletrendszer megoldása LU-felbontással Mátrix invertálása LU-felbontással PLU-felbontás előállítása Determináns kiszámítása háromszög alakra hozással Determináns kiszámolása PLU-felbontásból Determináns kiszámítása elemi oszlopműveletekkel Zérus értékű determinánsok Inverziók száma és a determináns Előjeles aldetermináns Determináns rendjének csökkentése Kifejtési tétel Cramer-szabály Mátrix inverze Interpoláció másodfokú polinomokra Vektori szorzással definiált mátrixleképezés.. 272

14 Mátrixleképezés ábrázolása az egységrács képével Mátrixleképezés ábrázolása az egységkör képével A deriválás és az integrálás lineáris leképezés Lineáris leképezés mátrixa másik bázisban Jacobi-mátrix kiszámítása Függvényérték becslése Jacobi-mátrixszal Láncszabály Forgatás egy tetszőleges pont körül Koordinátatengely körüli forgatás a térben Forgatás mátrixa A forgatás mátrixának inverze Síkra eső merőleges vetület kiszámítása Vetítés síkra Merőleges vetület kiszámítása Projekció mátrixa Néhány pszeudoinverz A pszeudoinverz kiszámítása Egyenletrendszer optimális megoldása Egyenletrendszer optimális megoldása Egy pont síkra való merőleges vetülete Ortogonális mátrixok Ortogonális mátrixok inverze Forgatás tengelye és szöge Householder-tükrözés Gram Schmidt-ortogonalizáció QR-felbontás kiszámítása QR-felbontás Givens-forgatásokkal QR-felbontás Hauseholder-tükrözéssel Egyenletrendszer optimális megoldása Önadjungált mátrixok DFT kiszámítása Magas frekvenciájú összetevők szűrése Jó bázis tükrözéshez Sajátérték, sajátvektor Sajátaltér bázisának meghatározása Karakterisztikus polinom felírása es mátrixok sajátvektorainak ábrázolása Az összes sajátérték és sajátvektor meghatározása Magasabbfokú karakterisztikus egyenlet Komplex sajátértékek és komplex elemű sajátvektorok Sajátérték algebrai és geometriai multiplicitása Lineáris transzformáció sajátértéke, sajátaltere Mátrix diagonalizálása Sajátfelbontás diadikus alakja és a bal sajátvektorok Diagonalizálhatóság megállapítása Lineáris transzformáció diagonalizálása Gerschgorin-körök Gerschgorin-körök használata Schur-felbontás Másodfokú polinom mátrixszorzatos alakja Főtengely-transzformáció Definitség meghatározása a sajátértékekből Szinguláris értékek Szinguláris felbontások Szinguláris értékek meghatározása Szinguláris felbontás Polárfelbontás kiszámítása A pszeudoinverz kiszámítása SVD-ből Jordan-lánc konstrukciója Jordan-lánchoz tartozó Jordan-blokk Jordan-láncok és Jordan-blokkok kapcsolata Normálalakok Jordan-blokkok mérete Jordan-blokkok mérete Jordan-bázis előállítása Mátrixok hatványai Mátrix exponenciális függvénye Primitív mátrixok Lebegőpontos számok értéke Lebegőpontos számok halmaza Alapműveletek lebegőpontos számokkal Flop és flops Műveletek paritásokkal XOR és AND Számolás az órán Számolás Z m -ben Művelettábla Osztás, reciprok

15 TARTALOMJEGYZÉK 15 Jelölések Képlet oldal megjegyzés proj b a 34 a vektor b-re eső vetülete a b 31 a és b skaláris szorzata a b 37 a és b vektori szorzata (a, b) 23 a és b szöge (a, b) 36 a és b irányított szöge := definiáló egyenlőség i, i imaginárius egység, és az i változó e, e az e szám, és az e változó C, R, Q, Z komplex, valós, racionális, illetve egész számok Z m 477 modulo m vett maradékosztályok F p = Z p 478 a modulo p (p prím) vett maradékosztályok, a prímelemű test a 23 az a vektor abszolút értéke a 23 az a vektor normája a ij, a i,j 162 az A mátrix i-edik sorának, j-edik oszlopának eleme a i 162 az A mátrix i-edik sorvektora a j, a j 162 az A mátrix j-edik oszlopvektora (v) B, [v] B 134 a v vektor B bázisra vonatkozó koordinátás alakja [L] B az L lineáris leképezés B bázisra vonatkozó mátrixa A, A az A lineáris leképezés és annak A mátrixa a standard bázisban A jelölések kiválasztásánál azt az elvet követtük, hogy a fontosabb jelölések esetén a nemzetközi angol nyelvű matematikai szakirodalomban elterjedt jelölések valamelyikét követtük. Ez a lebegőpontos számok írására is vonatkozik, tehát nem a magyar irodai szabványt követjük, így nem tizedesvesszőt, hanem tizedespontot használunk.

16

17 I. rész A lineáris algebra forrásai

18

19 19 A lineáris algebra két fő forrásának egyike a geometria, másika az algebra vidékéről ered. Mindkét forrás jól jellemezhető egy-egy elemi fogalommal: az egyik a vektor, a másik a lineáris egyenletrendszer. E könyv első része e két fogalmat vizsgálja egészen elemi, középiskolai szintről indulva. A lineáris algebra mélyebb fogalmai már itt fölbukkannak, de csak nagyon egyszerű és a legkevésbé absztrakt formájukban. Az első rész végére látni fogjuk, hogy e két forrás már ezen a bevezető szinten szétválaszthatatlanul egyetlen folyammá válik. Hang Pule (CC) on flickr by purplemattfish

20 2 Lineáris egyenletrendszerek és megoldásuk A lineáris egyenletrendszerek geometriai megközelítése után megismerjük a megoldás technikáit, végül a megoldások halmazának szerkezetét! Egyenes és sík egyenletei A sík és tér pontjainak és vektorainak koordinátáit használva lehetővé válik geometriai alakzatok algebrai vizsgálata, vagy algebrai problémák jobb megértése geometriai szemléltetéssel példa (Az x + y = 1 egyenlet). Egy tetszőleges síkbeli koordinátarendszerben ábrázoljunk néhány pontot, melynek koordinátái kielégítik az x + y = 1 egyenletet. Fogalmazzunk meg sejtést az egyenlet összes megoldásának megfelelő pontok halmazáról! y Alakzatok és egyenletek x Megoldás. Az alábbi ábrán két különböző koordinátarendszert ábrázolunk, és azokban a fenti egyenletet kielégítő pontok közül néhányat. Ennek alapján azt sejthetjük, hogy az x + y = 1 egyenletet kielégítő (2, 1) (1, 0) (0, 1) ( 1, 2) pontok egy egyenesen vannak. Ezt az egyenest is berajzoltuk. A sejtést hamarosan bizonyítjuk. ( 1, 2) y 2.2. példa (Az x 2 + y 2 = 1 egyenlet). Egy tetszőleges síkbeli koordinátarendszerben ábrázoljunk néhány pontot, melynek koordinátái kielégítik az x 2 + y 2 = 1 egyenletet. Fogalmazzunk meg sejtést az egyenlet összes megoldásának megfelelő pontok halmazáról! Megoldás. Az alábbi ábrán néhány koordinátarendszert ábrázoltunk, az x 2 + y 2 = 1 egyenletet kielégítő néhány ponttal. A??? fejezetben (2, 1) (1, 0) x (0, 1) 2.1. ábra: Az x + y = 1 egyenletet kielégítő néhány pont két különböző koordinátarendszerben.

21 64 lineáris algebra visszatérünk e feladatra, és meg fogjuk mutatni, hogy az egyenletet kielégítő pontok egy ellipszisen vannak. y 1 1 x x y ábra: Az x 2 + y 2 = 1 egyenletet kielégítő (x, y) pontok halmaza két koordinátarendszerben definíció (Alakzat (implicit) egyenletrendszere). Egy geometriai alakzat egy adott koordinátarendszerre vonatkozó (implicit) egyenletrendszerén olyan egyenletrendszert értünk, melynek egyszerre minden egyenletét kielégítik a térnek az alakzathoz tartozó pontjai, de más pontok nem. Ha az egyenletrendszer egy egyenletből áll, az alakzat egyenletéről beszélünk. Az egyenletet vektoregyenletnek nevezzük, ha nem a pontok koordinátáira, hanem a pontokba mutató vektorokra írjuk fel. Egy alakzat m egyenletből álló egyenletrendszerének, illetve m vektoregyenletből álló egyenletrendszerének általános alakja F 1 (x 1, x 2,..., x n ) = 0 F 1 (r) = 0 F 2 (x 1, x 2,..., x n ) = 0 F 2 (r) = 0 illetve.. F m (x 1, x 2,..., x n ) = 0 F m (r) = 0 A latin eredetű implicit szó jelentése nem kifejtett, rejtett, ami az összeköt, összefügg, összekever, körülcsavar jelentésű implico (implicō) szó származéka. E szó a matematikában az implicit alak, implicit függvény, stb. kifejezésekben arra utal, hogy valamely fontosnak tekintett mennyiség, változó, stb. nincs kifejezve a képletből. Ugyanennek a szónak a származéka a magába foglal, maga után von jelentésű implikál szó is, mely a matematikai logika ha..., akkor... szerkezetű műveletével, az implikációval is kapcsolatban van. ahol (x 1, x 2,..., x n ) R n a tér egy pontja, és r az oda mutató vektor. Középiskolai tanulmányainkban több példát láttunk alakzat egyenletére, például tudjuk, hogy a síkban a koordinátatengelyek szögét felező egyenes egyenlete y = x, azaz x y = 0. Ortonormált bázist választva az origó közepű egységsugarú kör egyenlete x 2 + y 2 = 1. Az előző két egyenlet mindegyikéből kifejezhető a két koordináta egy paraméter bevezetésével. Az y = x egyenlet ekvivalens az x = t y = t egyenletrendszerrel, míg az x 2 + y 2 = 1 egyenlet ekvivalens az x = cos t y = sin t

22 lineáris egyenletrendszerek és megoldásuk 65 egyenlettel. Mindkettő átírható vektoralakba is. Használjuk a oszlopvektoros jelölést: [ ] [ ] x t =, t R, illetve y t [ ] [ ] x cos t =, t [0, 2π) R. y sin t E két példa vezet a következő általános fogalomhoz definíció (Alakzat (explicit) egyenletrendszere). Egy geometriai alakzat egy adott koordinátarendszerre vonatkozó (explicit) egyenletrendszerén olyan egyenletrendszert értünk, melyben az egyenletek bal oldalán a pontok koordinátáit megadó változók, jobb oldalán adott paraméterek függvényei szerepelnek. Általános alakja x 1 = f 1 (t 1, t 2,..., t k ) x 2 = f 2 (t 1, t 2,..., t k ) A latin eredetű explicit szó jelentése kifejtett, világosan kimondott, ami a kibont, szétterít, kiszabadít, átvitt értelemben tisztáz, kifejt, megfejt jelentésű explico (explicō) szó származéka. E szó a matematikában az explicit alak, explicit függvény, stb. kifejezésekben arra utal, hogy valamely fontosnak tekintett mennyiség, változó, stb. ki van fejezve a többi segítségével.. x n = f n (t 1, t 2,..., t k ) ahol t 1 I 1, t 2 I 2,..., t n I n, és I 1,..., I n R. Az ilyen egyenletrendszer egyetlen vektoregyenletté fogható össze: r = f(t 1, t 2,..., t k ), ahol f egy R k R n függvény. Az explicit egyenletrendszereket szokás paraméteres egyenletrendszernek is nevezni. A következő paragrafusokban egyenes és sík különböző egyenleteit, egyenletrendszereit fogjuk áttekinteni példákat adva a fenti két általános definícióra. Síkbeli egyenes egyenletei Tekintsük a sík egy tetszőleges e egyenesét, és jelöljük ki a síkban az O origót. Legyen a nemzérus v egy tetszőleges, az egyenessel párhuzamos vektor. Az ilyen vektorokat az egyenes irányvektorának nevezzük. Mutasson r 0 az egyenes egy tetszőleges, kijelölt pontjába. Világos, hogy az e egyenes bármely pontjába mutató r vektor előáll r 0 + tv alakban, ahol t valós szám. Másrészt ha Q a sík egy tetszőleges, nem az e egyenesre eső pontja, akkor az OQ r 0 vektor nem párhuzamos v-vel, tehát nem is konstansszorosa, azaz OQ r 0 = tv semmilyen t-re sem, így OQ nem áll elő r 0 + tv alakban. Tehát az e tetszőleges pontjába mutató r vektor felírható r = r 0 + tv alakban, és ez csak e pontjaira igaz. O v r tv Q e 2.5. állítás (Síkbeli egyenes explicit vektoregyenlete). A sík minden egyenesének van r = r 0 + tv (2.1) r ábra: Egyenes explicit vektoregyenlete: r = r 0 + tv.

23 66 lineáris algebra alakú vektoregyenlete, és minden ilyen alakú egyenlet egy egyenes egyenlete, ahol v az egyenes egy irányvektora, és r 0 az egyenes egy tetszőleges, de rögzített pontjába mutató vektor. A síkbeli egyenesre merőleges vektorokat az egyenes normálvektorainak nevezzük. Legyen n egy tetszőleges, a v-re merőleges vektor, azaz legyen n az e egy normálvektora. Azt, hogy r r 0 az e tetszőleges pontjába mutató r vektorra párhuzamos v-vel, úgy is kifejezhetjük, hogy r r 0 merőleges n-re. A merőlegesség pedig kifejezhető a skaláris szorzattal. Így az egyenes egy implicit vektoregyenletéhez jutunk: r pontosan akkor mutat az e egy pontjába, ha n (r r 0 ) = 0. Ez az egyenlet átrendezés után n r = n r 0 alakra, majd a C = n r 0 jelölés bevezetésével n r = C alakra hozható állítás (Síkbeli egyenes implicit vektoregyenlete). A sík minden egyenesének van n (r r 0 ) = 0, (2.2) n r 0 O r r r ábra: Síkbeli egyenes implicit vektoregyenlete: n (r r 0 ) = 0. e és vele ekvivalens n r = C (2.3) alakú vektoregyenlete, és minden ilyen alakú egyenlet egy egyenes egyenlete, ahol n az egyenes egy normálvektora, r 0 az egyenes egy tetszőleges, de rögzített pontjába mutató vektor és C konstans. C n r 0 O r r r 0 e A (2.2) alakú egyenlet könnyen átírható (2.3) alakúvá a C = n r 0 jelöléssel. Az átalakítás fordított irányban is egyszerű, hisz ha n r = C, akkor találunk olyan r 0 vektort, melyre n r 0 = C. Ez azért igaz, mert ha tetszőleges n-re nem merőleges v vektorra n v = D, akkor n ( C D v) = C, így az r 0 = C D v megfelel. Az r = (x, y), r 0 = (x 0, y 0 ) és v = (a, b) jelöléseket használva az explicit vektoregyenlet azonnal egyenletrendszerré alakítható ábra: Síkbeli egyenes (implicit) vektoregyenlete: n r = C. Ha n egységvektor, akkor az n r = C geometriai jelentése az, hogy az egyenes bármely pontjába mutató vektornak az n egyenesére eső merőleges vetülete C. Ez az ábra is ezt az esetet szemlélteti állítás (Síkbeli egyenes explicit egyenletrendszere). A sík minden egyenesének van x = x 0 + at (2.4) y = y 0 + bt alakú egyenletrendszere, ahol (a, b) az egyenes egy irányvektora, és (x 0, y 0 ) az egyenes egy tetszőleges rögzített pontja. A következőkben megmutatjuk, hogy az explicit egyenletrendszerből a t paraméter kiküszöbölhető, és így egy implicit egyenletet kapunk állítás (Síkbeli egyenes (implicit) egyenlete). A sík minden

24 lineáris egyenletrendszerek és megoldásuk 67 egyenesének van Ax + By = C (2.5) alakú egyenlete, és minden ilyen alakú egyenlet egy egyenes egyenlete, ahol A és B közül nem mindkettő nulla, és ( B, A) az egyenes egy irányvektora. A bizonyítás előtt érdemes megjegyezni, hogy az egyenes fenti implicit egyenlete az egyenes n (r r 0 ) = 0 alakú vektoregyenletéből azonnal megkapható, de ezt egyelőre csak ortonormált koordinátarendszerben tudjuk könnyen igazolni. Legyen (A, B) = (b, a). Ez az egyenes egy normálvektora, hisz merőleges az (a, b) irányvektorra. Továbbá r r 0 = (x x 0, y y 0 ), ezért a vektoregyenlet (A, B) (x x 0, y y 0 ) = 0 alakú lesz, ami a skaláris szorzást elvégezve az A(x x 0 ) + B(y y 0 ) = 0 formulát adja. Ha a koordinátarendszer nem ortonormált, az (A, B) vektor nem szükségképpen normálvektor, és a skaláris szorzás képlete is más, de azért a (2.5) egyenletről mondott állítás igaz. A??. fejezetben tanultak alapján az egyenes egyenletét a vektoregyenletből majd nem ortonormált koordinátarendszer esetén is le tudjuk vezetni, most viszont egy olyan bizonyítást adunk, mely az explicit egyenletrendszerre épül. Bizonyítás. Ha a vagy b valamelyike 0, akkor a két egyenlet egyike felesleges, például ha a = 0, akkor az egyenletrendszer alakja x = x 0 y = y 0 + bt ami ekvivalens az x = x 0 egyenlettel, hisz az y = y 0 + bt semmi mást nem mond, mint hogy y egy valós szám. Mivel (a, b) = (0, 0), ezért csak az az eset marad, amikor a és b egyike sem 0. Ekkor mindkét egyenletből kifejezhető t, és a két értéket egyenlővé téve kapjuk, hogy azaz x x 0 a = y y 0, b bx ay = bx 0 ay 0, vagy b(x x 0 ) a(y y 0 ) = 0. Legyen a továbbiakban A = b és B = a. Ekkor a fenti egyenlet Ax + By = Ax 0 + By 0 lesz. Az egyenlet jobb oldalán lévő konstanst C-vel jelölve az egyenes egyenlete Ax + By = C alakot ölt. Másrészt könnyen látható, hogy minden ilyen alakú egyenlet egy egyenes egyenlete, mert ekvivalens egy egyenes paraméteres egyenletrendszerével. Nevezetesen az Ax + By = C egyenlet visszaírható Ax + By = Ax 0 + By 0 alakba, hisz az Ax 0 + By 0 = C egyenletben A = 0 esetén egy tetszőleges y 0 -t választva, egyértelműen kifejezhető x 0. (A B = 0 eset analóg.) Ennek alapján felírható a (2.4) egyenletrendszer.

25 68 lineáris algebra 2.9. példa (Síkbeli egyenes egyenletei). Írjuk fel annak az egyenesnek összes egyenletét vagy egyenletrendszerét, mely átmegy a (2, 3) és az (1, 1) koordinátájú pontokon. Megoldás. Ha egy egyenes átmegy e két ponton, akkor irányvektora a két pontba mutató vektorok különbsége, azaz v = (2, 3) (1, 1) = (1, 2). Legyen r 0 = (1, 1), de az r 0 = (2, 3) választás is megfelelő. Az irányvektor segítségével kapjuk, hogy [ ] [ ] [ ] x 1 1 = + t. y 1 2 Explicit (paraméteres) egyenletrendszer alakban: x = 1 + t y = 1 + 2t. Az irányvektorból (A, B) = (2, 1), innen az egyenes egyenlete 2x y = , azaz 2x y = 1. Ortonormált koordináta-rendszerben a (2, 1) (x 1, y 1) = 0 egyenletet kapjuk vektoregyenletként, mely kiszámolva az előző egyenletet adja. Síkbeli pont egyenletei Tekintsük a síkbeli (x 0, y 0 ) pontot. Ennek explicit egyenletrendszere, illetve vektoregyenlete: x = x 0 y = y 0 illetve [ ] [ x = y Ez annyira nyilvánvaló, semmitmondó, hogy a gyakorlatban nem is szoktunk pont egyenleteiről beszélni, e könyvbe is csak didaktikai okokból került, ugyanis a matematikai fogalmak megértésében gyakran nagy segítségünkre van a szélső, extremális esetek megértése, vizsgálata. Mivel itt az alakzat csak egyetlen pontból áll, nincs szükség paraméterre, így ez az alak egyúttal implicitnek is tekinthető. Ekkor úgy tekintünk ugyanerre az egyenletrendszerre, mint két egyenes egyenletére, melyek normálvektorai (1, 0) illetve (0, 1), és amelyek metszéspontja a keresett pont: x 0 y 0 ]. x = x 0 y = y 0 vagy minden együtthatót kiírva x + 0y = x 0 0x + y = y 0