Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.

Hasonló dokumentumok
Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.

1. A kétszer kettes determináns

15. LINEÁRIS EGYENLETRENDSZEREK

Mátrixok, mátrixműveletek

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz

Vektorterek. =a gyakorlatokon megoldásra ajánlott

1. Mátrixösszeadás és skalárral szorzás

11. DETERMINÁNSOK Mátrix fogalma, műveletek mátrixokkal

Vektorok, mátrixok, lineáris egyenletrendszerek

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

Bevezetés az algebrába 1


Bázistranszformáció és alkalmazásai 2.

3. el adás: Determinánsok

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:

10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak

DETERMINÁNSSZÁMÍTÁS. Határozzuk meg a 1 értékét! Ez most is az egyetlen elemmel egyezik meg, tehát az értéke 1.

I. VEKTOROK, MÁTRIXOK

LINEÁRIS ALGEBRA (A, B, C) tematika (BSc) I. éves nappali programtervező informatikus hallgatóknak évi tanév I. félév

Mátrixok 2017 Mátrixok

Meghirdetés féléve 2 Kreditpont Összóraszám (elm+gyak) 2+0

összeadjuk 0-t kapunk. Képletben:

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

Vektorterek. Több esetben találkozhattunk olyan struktúrával, ahol az. szabadvektorok esetében, vagy a függvények körében, vagy a. vektortér fogalma.

12. Mikor nevezünk egy részhalmazt nyíltnak, illetve zártnak a valós számok körében?

Lineáris algebra. =0 iє{1,,n}

1. Mit jelent az, hogy egy W R n részhalmaz altér?

2. Hogyan számíthatjuk ki két komplex szám szorzatát, ha azok a+bi alakban, illetve trigonometrikus alakban vannak megadva?

Lineáris egyenletrendszerek

1. ábra ábra

1. Geometria a komplex számsíkon

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

Matematika A1a Analízis

Lineáris algebra gyakorlat

Testek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2.

Lin.Alg.Zh.1 feladatok

Matematika (mesterképzés)

1. zárthelyi,

1. Határozzuk meg, hogy mikor egyenlő egymással a következő két mátrix: ; B = 8 7 2, 5 1. Számítsuk ki az A + B, A B, 3A, B mátrixokat!

i=1 λ iv i = 0 előállítása, melynél valamelyik λ i

2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma

Összeállította: dr. Leitold Adrien egyetemi docens

7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

2014/2015-ös tanév II. féléves tematika

Gauss elimináció, LU felbontás

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Norma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Saj at ert ek-probl em ak febru ar 26.

LINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40

2010/2011 es tanév II. féléves tematika

1. Bázistranszformáció

Numerikus módszerek 1.

Gazdasági matematika II.

Lineáris algebra. Wettl Ferenc, BME , 0.2 változat. Tartalomjegyzék. Geometriai szemléltetés. (tömör bevezetés) Az egyenletek szemléltetése

NUMERIKUS MÓDSZEREK I. TÉTELEK

9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35

Lineáris algebra gyakorlat

Lineáris algebra Gyakorló feladatok

Matematika A2a LINEÁRIS ALGEBRA NAGY ATTILA

KOVÁCS BÉLA, MATEMATIKA I.

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..

Gazdasági matematika II.

7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága

6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió

KOVÁCS BÉLA, MATEMATIKA I.

Diszkrét matematika II., 8. előadás. Vektorterek

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

9. AZ R k VEKTORTÉR. 9.1 Az R k vektortér fogalma

Gazdasági matematika II.

Lin.Alg.Zh.1 feladatok

Lineáris algebra (10A103)

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.

Összeállította: dr. Leitold Adrien egyetemi docens

1. Homogén lineáris egyenletrendszer megoldástere

Budapesti Műszaki Főiskola, Neumann János Informatikai Kar. Vektorok. Fodor János

Lineáris algebra. Közgazdász szakos hallgatóknak a Matematika A2a Vektorfüggvények tantárgyhoz tavaszi félév

Gauss-eliminációval, Cholesky felbontás, QR felbontás

Az elméleti fizika alapjai házi feladat

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

Rang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15

Mat. A2 3. gyakorlat 2016/17, második félév

Gazdasági matematika II.

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

Numerikus módszerek 1.

Lineáris Algebra gyakorlatok

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36

Matematikai statisztika 1.

Valasek Gábor

Matematika A2 vizsga mgeoldása június 4.

Keresztmetszet másodrendű nyomatékainak meghatározása

A parciális törtekre bontás?

Lineáris algebra mérnököknek

Átírás:

Determinánsok A determináns fogalma olyan algebrai segédeszköz, amellyel jól jellemezhető a mátrixok invertálhatósága, a mátrix rangja. Segítségével lineáris egyenletrendszerek megoldhatósága dönthető el, sőt konkrét kiszámítási módszereket is szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony. Definiáló tulajdonságok Klasszikus kiszámítási szabály Gyakorlati kiszámítási szabály Invertálható mátrixok determinánsa Kifejtési tétel Mátrix rangjának meghatározása

Jelöléseket vezetünk be: tekintsünk egy A M n n-edrendű kvadratikus mátrixot: A = a 11 a 12... a 1n a 21 a 22... a 2n.. a n1 a n2... a nn oszlopvektorait jelölje a 1, a 2,..., a n : a 1 = a 11 a 21. a n1, a 2 = a 12 a 22. a n2,... a n = a 1n a 2n. a nn Ezek a vektorok most a skalár-n-esek R n vektorterében lévő vektorok. Ilyenkor azt is írjuk, hogy A = (a 1, a 2,..., a n ).

Definíció. Determinánsfüggvénynek nevezzük azt a det:m n R leképezést, amely teljesíti a következő tulajdonságokat: oszlopvektoraiban additív: det(a 1 +a 1, a 2,..., a n ) = det(a 1, a 2,..., a n )+det(a 1, a 2,..., a n ) skalárszorzó kiemelhető: det(λa 1, a 2,..., a n ) = λdet(a 1, a 2,..., a n ) bármely két oszlop felcserélésekor előjelet vált: det(a 1,..., a j,..., a i,..., a n ) = det(a 1,..., a i,..., a j..., a n ) az egységmátrix determinánsa 1: det E = det(e 1, e 2,..., e n ) = 1

A determináns fogalma bizonyos értelemben általánosítása a terület, illetve térfogat fogalmának. Ugyanis, a síkban két vektor, a és b közös pontból indított reprezentánsaikkal egy paralelogrammát határoz meg. Ennek t(a, b) területét pozítívnak tekintve, ha a paralelogramma pozítív körüljárású, míg negatívnak, ha negatív körüljárású, könnyen látható, hogy teljesíti a a determináns definíciójában megkívánt első 3 tulajdonságot. A negyedik pedig azt fejezi ki, hogy az egységnégyzet területe 1. Hasonlóan megfigyelhetjük, hogy a tér 3 szabadvektorából reprezentánsaikkal képezhető paralelepipedon térfogata is ezen tulajdonságokkal rendelkezik. E térfogat pontosan akkor nulla, ha a három vektor lineárisan függő.

A 4 kiinduló tulajdonságból vezetjük le a determinánsok további tulajdonságait, illetve konkrét kiszámítási lehetőségeit. Ha az egyik oszlopvektor a zérusvektor, akkor a determináns értéke 0, hiszen det(0, a 2,..., a n ) = det(0 0, a 2,..., a n ) = 0 det(0, a 2,..., a n ) = 0 Ha két oszlop egyenlő, akkor a determináns értéke 0, hiszen az alternáló tulajdonságot kihasználva: det(a 1,..., a,..., a,..., a n ) = det(a 1,..., a,..., a..., a n ), s ez csak úgy lehet, ha det(a 1,..., a n ) = 0. Álĺıtás. Az A mátrix determinánsa a következőképp számítható ki: A = i 1,...,i n ( 1) I a i1 1... a in n, ahol az összegzés kiterjed az 1,2...,n számok összes permutációjára, tehát ez az összeg n! tagú.

A származtatott képlet azonban csak korlátozottan hatékony a determináns értékének kiszámítására, mivel nagyobb n esetén általában az összes n! szorzat megkeresése hosszadalmas. Ha azonban a mátrix speciális alakú, pl. felső vagy alsó háromszög alakú, akkor e kiszámítási képletből azonnal adódik, hogy egyetlen olyan szorzat van, amely nem biztosan zérus: a főátlóban álló elemek szorzata: a 11 a 12... a 1n 0 a 22... a 2n... 0 0... a nn = a 11 a 22... a nn A determináns fenti kiszámítási módjából következik, hogy a transzponált mátrix determinánsa ugyanannyi, mint az eredetié: det A T = det A más jelöléssel: A T = A

A determinánsok gyakorlati kiszámítása szempontjából jelentős a következő álĺıtás. Álĺıtás. Ha egy mátrix egy oszlopát (vagy sorát) úgy változtatjuk meg, hogy hozzádjuk másik oszlopának (vagy sorának) skalárszorosát, akkor az új mátrix determinánsa megegyezik az eredetiével. Bizonyítás. Ha pl. az elsőhöz adjuk a második oszlopvektort, akkor: det(a 1 +a 2, a 2,..., a n ) = det(a 1, a 2,..., a n )+det(a 2, a 2,..., a n ) A második összeadandó nulla, hiszen két oszlopa azonos.

Most következő álĺıtásunk azt jelenti, hogy a determináns eltűnése (nulla volta) csak attól függ, hogy az oszlopvektorok lineárisan függők, vagy függetlenek. Álĺıtás. Egy A mátrix determinánsa pontosan akkor nulla, ha az oszlopvektorai lineárisan függők. Bizonyítás. Ha az oszlopvektorok lineárisan függők, pl. az első lineárisan kifejezhető a többivel: a 1 = λ 2 a 2 +...+λ n a n, akkor det(a 1, a 2,..., a n ) = det(λ 2 a 2 +... + λ n a n, a 2,..., a n ) = = λ 2 det(a 2, a 2,..., a n ) +... + λ n det(a n, a 2,..., a n ) Az utóbbi determinánsok mindegyikében két oszlop azonos, ezért a determinánsok nullák.

Amennyiben az oszlopvektorok lineárisan függetlenek, akkor bázist alkotnak R n -ben, ezért a természetes bázis tagjai is előálĺıthatók velük: e j = i=1 β ij a i j = 1,2,..., n Ugyanazon érveléssel, mint a determináns hagyományos képletének levezetésénél alkalmaztunk, azt kapjuk, hogy 1 = det(e 1,..., e n ) = ( 1) I β i1 1... β in n det(a 1,..., a n ) i 1,...,i n Emiatt det A = det(a 1,..., a n ) nem lehet nulla.

Álĺıtás. Szorzástétel: det(a B) = det A det B más jelöléssel: A B = A B Bizonyítás. Legyen C = A B, és jelölje c 1,..., c n a C mátrix oszlopvektorait. Ekkor c j = i=1 b ij a i j = 1,2,..., n teljesül. Ezért az iménti eljárással újra azt kapjuk, hogy det C = det(c 1,..., c n ) = ( i 1,...,i n ( 1) I b i1 1... b in n)det(a 1,..., a n ) = = det B det A

Az eddigiekből következik, hogy Álĺıtás. Egy kvadratikus mátrix pontosan akkor invertálható, ha determinánsa nem nulla. Bizonyítás. Ha invertálható, akkor van olyan B, hogy A B = E, ezért a szorzástétel alapján 1 = det E = det(a B) = det A det B tehát det A nem lehet nulla. Fordítva, ha det A nem nulla, akkor az oszlopvektorai lineárisan függetlenek, tehát bázist alkotnak, belőlük a természetes bázis vektorai előálĺıthatók: e j = i=1 β ij a i j = 1,2,..., n Láthatjuk, hogy az itt fellépő β ij együtthatókból képzett B mátrixszal A B = E teljesül, tehát B lesz A-nak inverze.

Kifejtési tétel Tekintsük az n-edrendű A kvadratikus mátrixot, s töröljük belőle a kiválasztott i-dik sort és j-dik oszlopot. A visszamaradó (n 1)-edrendű mátrix determinánsát az A mátrix (i, j)- dik aldeterminánsának mondjuk, jele: D ij. Az (i, j)-dik algebrai aldeterminánsnak nevezzük az ( 1) i+j D ij értéket, jele: A ij. Ezen aldeterminánsok segítségével is kiszámítható A determinánsának értéke: Álĺıtás. Oszlop szerinti kifejtés: Legyen j egy rögzített oszlopindex. Ekkor A = a 1j A 1j +... + a nj A nj = i=1 a ij A ij Sor szerinti kifejtés: Legyen i egy rögzített sorindex. Ekkor A = a i1 A i1 +... + a in A in = j=1 a ij A ij

A kifejtési tétel alkalmazása akkor célszerű, ha egy sorban vagy oszlopban relatíve sok nulla elem van. Ekkor esetleg kevés aldetermináns kiszámítása már az egész detemináns meghatározásához vezet. Ha egy kiválasztott sor (vagy oszlop) elemeit egy másik kiválasztott sor (vagy oszlop) megfelelő elemeihez tartozó algebrai aldeterminánsokkal szorozzuk, s e szorzatok összegét képezzük, 0-át kapunk: (Ferde kifejtési tétel) Ha j k Ha i k 0 = a 1j A 1k +... + a nj A nk = 0 = a i1 A k1 +... + a in A kn = i=1 j=1 a ij A ik a ij A kj Az első igazolásához fejtsük a det(a 1,..., a j,..., a j,..., a n ) = 0 determinánst a k-dik oszlopa szerint!

Az algebrai aldeterminánsok segítségével kifejezhetjük az inverz mátrix elemeit: A 1 = (b ij ); b ij = A ji A Ugyanis, az így megadott mátrixszal kiszámítva a A A 1 szorzatmátrix (i, j)-dik elemét: k=1 a ik b kj = 1 A k=1 ahol δ ij az egységmátrix elemeit jelöli. a ik A jk = δ ij

Rangszámtétel Legyen most A egy k n-es mátrix. A mátrix rangján oszlopvektorainak a rangját értjük. Mindjárt látni fogjuk, hogy ez megegyezik a sorvektorainak rangjával. Tetszőleges A M k n mátrix l-edrendű aldeterminánsát úgy értelmezzük, hogy kiválasztunk l darab sort és l darab oszlopot, s ezek metszetében szereplő elemek alkotta l-edrendű determinánst képezzük. Ilyen l-edrendű aldeterminánsa a mátrixnak sok van, pontosan ( ) k n l)( l darab. Most bebizonyítjuk, hogy tetszőleges mátrix rangja meghatározható ezen aldeterminánsokkal, nevezetesen: Álĺıtás. Az A mátrix rangja megegyezik maximális rendű nullától különböző aldeterminánsának rendjével.

A rangszámtétel alapján látható, hogy tetszőleges mátrix sorvektorainak rangja oszlopvektorainak rangjával egyenlő, hiszen a determinánsok értéke transzponáláskor nem változik. A rangszámtételből az is adódik, hogy ha egy kvadratikus mátrix determinánsa nulla, akkor oszlopvektorai lineárisan függők. Ugyanis, ha A = 0, akkor A rangja kisebb, mint n, tehát oszlopvektorainak rangja a vektorok tagszámánál kisebb, ezért lineárisan független nem lehet.