Algebra Liniowa Prof. Jerzy Topp

Algebra liniowa
Jerzy Topp
Politechnika Gdańska 2005

Spis treści
PRZEDMOWA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Rozdział 1. PODSTAWOWE STRUKTURY ALGEBRAICZNE . . . . 7
1.1. Działania i ich własności . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Grupa i jej podgrupy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Pierścień . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Ciało . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Rozdział 2. LICZBY ZESPOLONE . . . . . . . . . . . . . . . . . . . . . . 19
2.1. Liczby zespolone i działania na liczbach zespolonych . . . . . . . . . . . 19
2.2. Sprzężenie i moduł liczby zespolonej . . . . . . . . . . . . . . . . . . . . 23
2.3. Postać trygonometryczna liczby zespolonej . . . . . . . . . . . . . . . . . 25
2.4. Pierwiastkowanie liczb zespolonych . . . . . . . . . . . . . . . . . . . . . 29
2.5. Wzory Eulera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6. Postać wykładnicza liczby zespolonej . . . . . . . . . . . . . . . . . . . . 35
2.7. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Rozdział 3. WIELOMIANY . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1. Pierścień wielomianów . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2. Podzielność wielomianów . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3. Schemat Hornera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4. Pierwiastki wielomianów . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5. Wielomiany względnie pierwsze . . . . . . . . . . . . . . . . . . . . . . . 53
3.6. Funkcje wymierne i ułamki proste . . . . . . . . . . . . . . . . . . . . . . 54
3.7. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Rozdział 4. MACIERZE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.1. Podstawowe definicje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2. Działania na macierzach . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3. Macierz odwrotna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.4. Ślad macierzy kwadratowej . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Rozdział 5. UKŁADY RÓWNAŃ LINIOWYCH . . . . . . . . . . . . . . 80
5.1. Podstawowe definicje i fakty . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.2. Równania macierzowe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3. Kolejne własności macierzy odwracalnej . . . . . . . . . . . . . . . . . . 94
5.4. Wyznaczanie macierzy odwrotnej . . . . . . . . . . . . . . . . . . . . . . 95
5.5. Struktura rozwiązań układu równań liniowych . . . . . . . . . . . . . . . 97
5.6. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Rozdział 6. WYZNACZNIKI . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.1. Definicja i pierwsze własności wyznacznika . . . . . . . . . . . . . . . . . 102
6.2. Wyznacznik iloczynu macierzy . . . . . . . . . . . . . . . . . . . . . . . . 111
6.3. Macierze odwracalne i nieosobliwe . . . . . . . . . . . . . . . . . . . . . . 112
6.4. Wyznacznik macierzy podobnych . . . . . . . . . . . . . . . . . . . . . . 114
6.5. Układy równań i wzory Cramera . . . . . . . . . . . . . . . . . . . . . . 115
6.6. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Rozdział 7. PRZESTRZEŃ WEKTOROWA . . . . . . . . . . . . . . . . . 120
7.1. Przestrzeń wektorowa i jej podprzestrzenie . . . . . . . . . . . . . . . . . 120
7.2. Kombinacje liniowe wektorów . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3. Przestrzeń kolumnowa macierzy . . . . . . . . . . . . . . . . . . . . . . . 128
7.4. Liniowa zależność i liniowa niezależność wektorów . . . . . . . . . . . . . 131
7.5. Baza przestrzeni wektorowej . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.6. Współrzędne wektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.7. Rząd macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
7.8. Suma i suma prosta podprzestrzeni . . . . . . . . . . . . . . . . . . . . . 152
7.9. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Rozdział 8. PRZEKSZTAŁCENIA LINIOWE . . . . . . . . . . . . . . . . 159
8.1. Definicja przekształcenia liniowego . . . . . . . . . . . . . . . . . . . . . 159
8.2. Jądro i obraz przekształcenia liniowego . . . . . . . . . . . . . . . . . . . 164
8.3. Mono- i epimorficzność przekształcenia liniowego . . . . . . . . . . . . . 169
8.4. Suma i złożenie przekształceń liniowych . . . . . . . . . . . . . . . . . . 171
8.5. Macierz przekształcenia liniowego . . . . . . . . . . . . . . . . . . . . . . 173
8.6. Odwracalność odwzorowania liniowego . . . . . . . . . . . . . . . . . . . 180
8.7. Podobieństwo macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
8.8. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Rozdział 9. ILOCZYN SKALARNY
I ORTOGONALNOŚĆ WEKTORÓW . . . . . . . . . . . . . . . . . . . 191
9.1. Definicja i przykłady iloczynów skalarnych . . . . . . . . . . . . . . . . . 191
9.2. Kąt pomiędzy wektorami . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
9.3. Ortogonalizacja bazy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
9.4. Dopełnienie ortogonalne . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
9.5. Rzut ortogonalny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
9.6. Macierz rzutu ortogonalnego . . . . . . . . . . . . . . . . . . . . . . . . . 204
9.7. Metoda najmniejszych kwadratów . . . . . . . . . . . . . . . . . . . . . . 206
9.8. Najlepsze rozwiązanie układu równań . . . . . . . . . . . . . . . . . . . . 207
9.9. Dopasowanie prostej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
9.10. Macierz i przekształcenie ortogonalne . . . . . . . . . . . . . . . . . . . . 210
9.11. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Rozdział 10. WARTOŚCI WŁASNE
I WEKTORY WŁASNE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
10.1. Wartości własne i wektory własne macierzy i operatora . . . . . . . . . . 216
10.2. Diagonalizowalność macierzy i operatora liniowego . . . . . . . . . . . . . 221
10.3. Diagonalizacja macierzy symetrycznej . . . . . . . . . . . . . . . . . . . . 228
10.4. Potęga macierzy diagonalizowalnej . . . . . . . . . . . . . . . . . . . . . 232
10.5. Granica ciągu macierzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
10.6. Podprzestrzenie niezmiennicze . . . . . . . . . . . . . . . . . . . . . . . . 236
10.7. Twierdzenie Cayleya-Hamiltona . . . . . . . . . . . . . . . . . . . . . . . 238
10.8. Zależności rekurencyjne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
10.9. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Rozdział 11. FORMY KWADRATOWE . . . . . . . . . . . . . . . . . . . 250
11.1. Rzeczywista forma kwadratowa . . . . . . . . . . . . . . . . . . . . . . . 250
11.2. Postać kanoniczna formy kwadratowej . . . . . . . . . . . . . . . . . . . 252
11.3. Określoność macierzy i formy kwadratowej . . . . . . . . . . . . . . . . . 259
11.4. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
Rozdział 12. ELEMENTY GEOMETRII ANALITYCZNEJ . . . . . . 265
12.1. Iloczyn wektorowy wektorów . . . . . . . . . . . . . . . . . . . . . . . . . 265
12.2. Iloczyn mieszany wektorów . . . . . . . . . . . . . . . . . . . . . . . . . . 267
12.3. Prosta i płaszczyzna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
12.4. Ćwiczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
Skorowidz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
PRZEDMOWA
Niniejszy skrypt jest pierwszą wersją zbioru notatek do wykładów algebry li-
niowej prowadzonych dla studentów pierwszego roku na Wydziale Elektroniki,
Telekomunikacji i Informatyki Politechniki Gdańskiej.
Treści skryptu podzielono na 12 rozdziałów i obejmują one następujące tema-
ty: podstawowe struktury algebraiczne, liczby zespolone, wielomiany, macierze,
układy równań liniowych, wyznaczniki, przestrzenie wektorowe, przekształcenia
liniowe, wartości własne, formy kwadratowe i elementy geometrii analitycznej.
Ze względów praktycznych niektóre z tych rozdziałów rozbudowano. Dotyczy to
m.in. rozdziału zawierającego przestrzenie wektorowe z iloczynem skalarnym
oraz rozdziału poświęconego wartościom własnym i wektorom własnym. Pewne
części tych rozdziałów pozostawiamy Czytelnikowi do samodzielnej lektury.
Teorię przedstawiono w skrypcie w sposób ścisły, dowodząc prawie wszyst-
kich twierdzeń. Język i notację dobrano w taki sposób, aby całość była bardzo
czytelna. Skrypt zawiera wielką liczbę rozwiązanych przykładów. Ilustrują one
ważniejsze pojęcia i twierdzenia. Tam gdzie było to możliwe, pojęcia i zależności
pomiędzy rozważanymi pojęciami zilustrowano rysunkami. Powinno to ułatwić
czytanie i zrozumienie przedstawionego tekstu.
Każdy rozdział kończy się dużą liczbą stosunkowo prostych zadań, których
rozwiązanie powinno doprowadzić Czytelnika do pełniejszego zrozumienia wcze-
śniejszych definicji i twierdzeń oraz do osiągnięcia niezbędnej biegłości myślowej
i rachunkowej.
Czytelnikowi pozostawia się wybór sposobu korzystania z tego skryptu i wy-
bór sposobu uczenia się języka algebry liniowej. Warto jedynie przypomnieć, że
nauka języka algebry liniowej (tak jak i nauka każdego języka obcego) wymaga
umiejętności słuchania, mówienia, czytania i pisania. Pełne opanowanie mate-
riału przedstawionego w skrypcie wymaga starannego nauczenia się definicji,
poznania dokładnych sformułowań twierdzeń i zrozumienia ich dowodów oraz
wyćwiczenia w sobie umiejętności rozwiązywania zadań.
Autor jest świadom faktu, że w tym skrypcie występować mogą niedoskonało-
ści i usterki. Wszelkie uwagi o skrypcie i informacje o zauważonych usterkach pro-
simy przesłać na adres topp@mif.pg.gda.pl. Pełna informacja o poprawionych
fragmentach dostępna będzie na stronie internetowej www.mif.pg.gda.pl/topp.
Tam też znajdą się wskazówki i/lub odpowiedzi do zadań przedstawionych w tym
skrypcie.
Gdynia, lipiec 2005 Jerzy Topp

Rozdział 1
PODSTAWOWE STRUKTURY
ALGEBRAICZNE
1.1. Działania i ich własności

Definicja 1.1.1. Działaniem dwuargumentowym (krótko, działaniem) w niepu-
stym zbiorze X nazywamy każdą funkcję
f : X × X → X. Działanie w zbiorze X
Działanie f przyporządkowuje każdej uporządkowanej parze (x, y) elementów
zbioru X jednoznacznie wyznaczony element f (x, y) zbioru X, nazywany wyni-
kiem działania f na uporządkowanej parze (x, y) elementów zbioru X. Zwykle Wynik działania
zamiast f (x, y) pisze się xf y, x ∗ y, x • y, x + y (lub używa się jeszcze innych
symboli na oznaczenie działania f i jego wyniku f (x, y)).
Przykład 1. Działaniem w zbiorze liczb rzeczywistych R jest funkcja ? : R ×

R → R określona za pomocą zwykłego dodawania, zwykłego odejmowania i zwy-
kłego mnożenia liczb rzeczywistych i taka, że
x ? y = x + y − 2xy (1.1)
dla każdej pary (x, y) ∈ R × R.
Definicja 1.1.2. Mówimy, że działanie ∗ w zbiorze X jest przemienne, gdy

x∗y =y∗x Przemienność działania
dla każdych dwóch elementów x i y zbioru X. Jeśli natomiast dla każdych trzech
elementów x, y, z ∈ X mamy
x ∗ (y ∗ z) = (x ∗ y) ∗ z, Łączność działania
to mówimy, że działanie ∗ jest łączne w zbiorze X.
Przykład 2. Zwykłe dodawanie liczb rzeczywistych jest działaniem przemien-

nym i łącznym. Podobnie, zwykłe mnożenie liczb rzeczywistych jest przemienne
i łączne. Natomiast odejmowanie liczb rzeczywistych nie jest ani przemienne,
ani łączne. Z przemienności zwykłego dodawania i mnożenia liczb rzeczywistych
wynika, że działanie ? : R × R → R określone wzorem (1.1) jest przemienne, bo
dla każdych liczb x, y ∈ R mamy
x ? y = x + y − 2xy = y + x − 2yx = y ? x.
Działanie ? jest także łączne, bo dla każdych liczb x, y, z ∈ R mamy
x ? (y ? z) = x ? (y + z − 2yz)
= x + (y + z − 2yz) − 2x(y + z − 2yz)
= x + y + z − 2yz − 2xy − 2xz + 4xyz
= (x + y − 2xy) + z − 2(x + y − 2xy)z
= (x + y − 2xy) ? z
= (x ? y) ? z.
8 1. Podstawowe struktury algebraiczne
Definicja 1.1.3. Niech ∗ będzie działaniem w zbiorze X. Element e należący do

zbioru X nazywamy elementem neutralnym działania ∗, gdy dla każdego x ∈ X
jest
Element neutralny e ∗ x = x ∗ e = x.
Przykład 3. Liczba 1 jest elementem neutralnym zwykłego mnożenia liczb

rzeczywistych, bo x·1 = 1·x = x. Liczba 0 jest elementem neutralnym zwykłego
dodawania liczb rzeczywistych, bo x + 0 = 0 + x = x.
Niech teraz ◦ będzie działaniem w zbiorze R, gdzie
x ◦ y = x + y + 3. (1.2)
Liczba −3 jest elementem neutralnym działania ◦, bo dla każdego x ∈ R mamy
x ◦ (−3) = x + (−3) + 3 = x i (−3) ◦ x = (−3) + x + 3 = x.
Twierdzenie 1.1.1. Dla dowolnego działania ∗ w zbiorze X istnieje co najwyżej

jeden element neutralny działania ∗.
Dowód. Niech e i e0 będą elementami neutralnymi działania ∗. Z definicji 1.1.3 mamy
wtedy
e ∗ e0 = e0 i e ∗ e0 = e.
Stąd e0 = e i to dowodzi, że istnieje co najwyżej jeden element neutralny działania ∗.

Definicja 1.1.4. Załóżmy, że e jest elementem neutralnym działania ∗ w zbiorze
X. Mówimy, że element x zbioru X jest odwracalny (względem działania ∗), gdy
istnieje element y ∈ X taki, że
Odwracalność elementu x ∗ y = y ∗ x = e. (1.3)
Element odwrotny Element y o powyższych własnościach nazywamy elementem odwrotnym (albo

Element przeciwny przeciwnym) do elementu x (względem działania ∗) i zwykle oznaczamy go przez
x−1 (albo przez −x). Z równości (1.3), czyli z równości x ∗ x−1 = x−1 ∗ x = e,
wynika, że element odwrotny x−1 także jest odwracalny i dla niego dodatkowo
mamy
(x−1 )−1 = x (i odpowiednio − (−x) = x). (1.4)
Twierdzenie 1.1.2. Niech e będzie elementem neutralnym działania ∗ w zbiorze
X. Jeśli działanie ∗ jest łączne, to dowolny element x zbioru X ma co najwyżej
jeden element odwrotny.
Dowód. Niech y i y 0 będą elementami odwrotnymi do elementu x względem działania
∗. Ponieważ y ∗ x = e = x ∗ y 0 , więc mamy
y = y ∗ e = y ∗ (x ∗ y 0 ) = (y ∗ x) ∗ y 0 = e ∗ y 0 = y 0
i to dowodzi, że x ma co najwyżej jeden element odwrotny.
Przykład 4. Elementem odwrotnym do elementu x ∈ R − {0} względem zwy-

kłego mnożenia liczb rzeczywistych jest liczba 1/x.
Niech teraz x0 będzie ustaloną liczbą rzeczywistą i niech ◦ będzie takim
działaniem w zbiorze R, że dla każdych x, y ∈ R jest
x ◦ y = x + y − x0 .
Łatwo zauważyć, że liczba x0 jest elementem neutralnym działania ◦ (zob. (1.2)

dla x0 = −3). Każdy element x ∈ R jest odwracalny (względem działania ◦)
1.1. Działania i ich własności 9
i elementem odwrotnym do x jest −x + 2x0 , bo x ◦ (−x + 2x0 ) = x + (−x +

2x0 ) − x0 = x0 i podobnie (−x + 2x0 ) ◦ x = x0 .
Definicja 1.1.5. Niech ∗ i ◦ będą działaniami w zbiorze X. Mówimy, że dzia-

łanie ◦ jest lewostronnie rozdzielne względem działania ∗, gdy dla dowolnych
x, y, z ∈ X jest
x ◦ (y ∗ z) = (x ◦ y) ∗ (x ◦ z). (1.5) Lewostronna rozdzielność
Działanie ◦ jest prawostronnie rozdzielne względem działania ∗, gdy dla dowol-
nych x, y, z ∈ X jest
(y ∗ z) ◦ x = (y ◦ x) ∗ (z ◦ x). (1.6) Prawostronna rozdzielność
Mówimy, że działanie ◦ jest rozdzielne względem działania ∗, gdy jest ono jed-
nocześnie lewo- i prawostronnie rozdzielne względem działania ∗. Z (1.5) i (1.6)
łatwo wynika, że jeśli działanie ◦ jest przemienne, to jest ono rozdzielne wzglę-
dem działania ∗ pod warunkiem, że jest ono lewostronnie (lub prawostronnie)
rozdzielne względem działania ∗.
Przykład 5. W zbiorze R dane są działania ∗ i ◦ takie, że

x+y
x∗y =x+y+2 i x◦y = .
2
Zbadać: (a) rozdzielność działania ∗ względem działania ◦; (b) rozdzielność dzia-
łania ◦ względem działania ∗.
Ponieważ działania ∗ i ◦ są przemienne, wystarczy zbadać ich lewostronne rozdzielności.
(a) Dla każdych trzech liczb x, y, z ∈ R mamy

y z y z
x ∗ (y ◦ z) = x ∗ + =x+ + +2
2 2 2 2
i
y z
(x ∗ y) ◦ (x ∗ z) = (x + y + 2) ◦ (x + z + 2) = x + + + 2.
2 2
Stąd i z definicji 1.1.5 wynika rozdzielność działania ∗ względem działania ◦.
(b) Dla każdych trzech liczb x, y, z ∈ R jest
x y z
x ◦ (y ∗ z) = x ◦ (y + z + 2) = + + + 1,
2 2 2
ale
x y x z y z
(x ◦ y) ∗ (x ◦ z) = + ∗ + =x+ + +2
2 2 2 2 2 2
i dlatego działanie ◦ nie jest rozdzielne względem działania ∗.
Definicja 1.1.6. Niech ∗ będzie działaniem dwuargumentowym w zbiorze X

i niech Y będzie niepustym podzbiorem zbioru X. Mówimy, że zbiór Y jest
zamknięty ze względu na działanie ∗, gdy
x∗y ∈Y dla każdych x, y ∈ Y.
Przykład 6. Niech ∗ będzie działaniem dwuargumentowym na zbiorze R, gdzie

x ∗ y = |x| − y dla (x, y) ∈ R × R.
Zbiór liczb naturalnych N ⊆ R nie jest zamknięty ze względu na działanie ∗, bo
przykładowo x = 4 ∈ N i y = 5 ∈ N , ale
x ∗ y = 4 ∗ 5 = |4| − 5 = −1 6∈ N.
1.2. Grupa i jej podgrupy

Definicja 1.2.1. Niech ◦ będzie działaniem w niepustym zbiorze G. Parę (G, ◦),
Grupa czyli system algebraiczny (G, ◦), nazywamy grupą, gdy:
(G1 ) działanie ◦ jest łączne w zbiorze G, czyli dla każdych elementów x, y
i z ze zbioru G jest
x ◦ (y ◦ z) = (x ◦ y) ◦ z;
(G2 ) w zbiorze G istnieje element neutralny e działania ◦, czyli taki element,
że dla każdego x ze zbioru G jest
x ◦ e = e ◦ x = x;
(G3 ) każdy element zbioru G jest odwracalny względem działania ◦, czyli
dla każdego x ∈ G istnieje element x−1 ∈ G taki, że
x ◦ x−1 = x−1 ◦ x = e.
Jeśli (G, ◦) jest grupą i działanie ◦ jest przemienne w zbiorze G, to mówimy, że
Grupa przemienna grupa (G, ◦) jest przemienna lub abelowa.
W naszych rozważaniach grupę (G, ◦) i zbiór jej elementów G oznaczać bę-
dziemy tym samym symbolem (zwykle literą G). Ufamy, że nie doprowadzi to
do nieporozumień. Analogicznie będziemy czynić w przypadku innych systemów
algebraicznych.
Przykład 7. Zbiór liczb rzeczywistych R ze zwykłym dodawaniem + tworzy

grupę przemienną (R, +). Także para (Z, +), gdzie Z jest zbiorem liczb całkowi-
tych, jest grupą przemienną. Struktura (Z, ·), gdzie · jest zwykłym mnożeniem,
nie jest grupą (bo prawie żaden element zbioru Z nie jest odwracalny ze względu
na mnożenie ·). Zbiór liczb wymiernych Q ze zwykłym mnożeniem, czyli para
(Q, ·), także nie jest grupą, bo liczba 0 nie jest elementem odwracalnym. Nato-
miast para (Q − {0}, ·) (jak i para (R − {0}, ·)) jest już grupą i jest to grupa
przemienna.
Przykład 8. Niech X będzie niepustym zbiorem i niech F = F(X) będzie

zbiorem wszystkich bijekcji na zbiorze X, czyli zbiorem wszystkich odwzorowań
wzajemnie jednoznacznych zbioru X na siebie. Jeśli f : X → X i g : X → X są
bijekcjami, to ich złożenie g ◦ f (będące funkcją g ◦ f : X → X określoną wzorem
(g ◦ f )(x) = g(f (x))) też jest bijekcją. Składanie odwzorowań jest łączne: dla
każdych trzech f, g, h ∈ F jest f ◦ (g ◦ h) = (f ◦ g) ◦ h, bo dla każdego x ∈ X
mamy
f ◦ (g ◦ h) (x) = f (g ◦ h)(x) = f g(h(x))

= (f ◦ g) h(x) = (f ◦ g) ◦ h (x).
Odwzorowanie tożsamościowe IX zbioru X (czyli funkcja IX : X → X taka, że
IX (x) = x dla każdego x ∈ X) jest bijekcją na zbiorze X. Ponieważ dla każdego
f ∈ F i każdego x ∈ X mamy

(f ◦ IX )(x) = f IX (x) = f (x) i (IX ◦ f )(x) = IX f (x) = f (x),
więc f ◦ IX = f = IX ◦ f i to dowodzi, że odwzorowanie tożsamościowe IX jest
elementem neutralnym złożenia ◦. Dla każdej bijekcji f ∈ F istnieje odwzoro-
wanie odwrotne f −1 : X → X (czyli takie, że f ◦ f −1 = IX = f −1 ◦ f ), które też
jest bijekcją na zbiorze X. Stąd wynika, że para (F, ◦) jest grupą, jest to tzw.
grupa symetryczna zbioru X. Bez problemu można zauważyć, że grupa (F, ◦)
jest nieprzemienna, gdy zbiór X ma co najmniej trzy elementy (zob. zadanie 4).
1.2. Grupa i jej podgrupy 11
Twierdzenie 1.2.1 (o skracaniu w grupie). W grupie (G, ◦) dla dowolnych

elementów a, b, c ∈ G jest:
(a) jeśli a ◦ b = a ◦ c, to b = c;
(b) jeśli a ◦ b = c ◦ b, to a = c.
Dowód. Załóżmy, że a ◦ b = a ◦ c. Wtedy także a−1 ◦ (a ◦ b) = a−1 ◦ (a ◦ c). Jedno-
cześnie z łączności działania ◦ oraz z własności elementu odwrotnego a−1 i elementu
neutralnego e jest
a−1 ◦ (a ◦ b) = (a−1 ◦ a) ◦ b = e ◦ b = b
oraz
a−1 ◦ (a ◦ c) = (a−1 ◦ a) ◦ c = e ◦ c = c
i stąd wynika implikacja (a). Analogicznie dowodzi się implikację (b).
Twierdzenie 1.2.2. W grupie (G, ◦) dla dowolnych elementów a, b ∈ G jest
(a ◦ b)−1 = b−1 ◦ a−1 .

Dowód. Z łączności działania ◦ oraz z własności elementu odwrotnego i elementu
neutralnego jest
(a ◦ b) ◦ (b−1 ◦ a−1 ) = a ◦ (b ◦ b−1 ) ◦ a−1 = a ◦ e ◦ a−1 = e
oraz
(b−1 ◦ a−1 ) ◦ (a ◦ b) = b−1 ◦ (a−1 ◦ a) ◦ b = b−1 ◦ e ◦ b = e.
Stąd i z definicji 1.1.4 wynika teza twierdzenia.
Definicja 1.2.2. W grupie (G, ◦) definiujemy całkowitą potęgę elementu x ∈ G,
przyjmując, że
x0 = e i xn+1 = xn ◦ x oraz x−n = (xn )−1
dla każdego naturalnego n.
Analogicznie definiujemy całkowitą krotność elementu x grupy G z działa-

niem “dodawania” ⊕:
0x = 0 i (n + 1)x = nx ⊕ x oraz (−n)x = −(nx)
dla każdego naturalnego n.

Korzystając z tej definicji oraz z twierdzenia 1.2.2, można udowodnić nastę-
pujące twierdzenie.
Twierdzenie 1.2.3. W grupie (G, ◦) dla każdego x ∈ G i każdych liczb całko-
witych m i n jest
n
xm ◦ xn = xm+n oraz (xm ) = xm·n .
Dodawanie i mnożenie modulo n

Niech n > 1 będzie liczbą naturalną. Jeśli x jest liczbą całkowitą, to przez [x] n
oznaczamy resztę z dzielenia x przez n. Dla liczb całkowitych x i y niech lx , ly ,
rx i ry będą liczbami całkowitymi takimi, że
x = nlx + rx , y = nly + ry i 0 ¬ rx , ry < n.
Wtedy
[x + y]n = n(lx + ly ) + rx + ry n = [rx + ry ]n
oraz
x + [y]n n
= [ nlx + rx + ry ]n = [rx + ry ]n
i to dowodzi, że dla każdych x, y ∈ Z mamy

x + [y]n n = [x + y]n . (1.7)
Analogicznie uzasadnia się, że dla każdych liczb całkowitych x i y mamy

x · [y]n n = [x · y]n . (1.8)
W zbiorze
Zn = {0, 1, 2, . . . , n − 1},
który jest zbiorem wszystkich reszt z dzielenia liczb całkowitych przez liczbę n,
określamy dodawanie ⊕n i mnożenie ⊗n modulo n, przyjmując, że dla liczb x i y
ze zbioru Zn mamy
Dodawanie modulo n x ⊕n y = [x + y]n (1.9)
i
Mnożenie modulo n x ⊗n y = [x y]n . (1.10)
Wyniki działań ⊕4 i ⊗4 w zbiorze Z4 przedstawiają odpowiednio następujące

dwie tabelki, w których x ⊕4 y (i x ⊗4 y) umieszczono na przecięciu wiersza
oznaczonego przez x i kolumny oznaczonej przez y:
⊕4 0 1 2 3 ⊗4 0 1 2 3
0 0 1 2 3 0 0 0 0 0
1 1 2 3 0 i 1 0 1 2 3
2 2 3 0 1 2 0 2 0 2
3 3 0 1 2 3 0 3 2 1
(Zn , ⊕n ) – grupa reszt Twierdzenie 1.2.4. (Zn , ⊕n ) jest grupą przemienną.

modulo n
Dowód. Wobec (1.7) dla każdych x, y, z ∈ Zn jest

x + [y + z]n n
= [x + (y + z)]n i [(x + y) + z]n = [x + y]n + z n
i stąd wynika, że działanie ⊕n jest łączne, bo mamy

x ⊕n (y ⊕n z) = x ⊕n [y + z]n = x + [y + z]n n
= [x + (y + z)]n = [(x + y) + z]n

= [x + y]n + z n
= [x + y]n ⊕n z = (x ⊕n y) ⊕n z.
Elementem neutralnym działania ⊕n jest 0, bo dla każdego x ∈ Zn mamy
x ⊕n 0 = [x + 0]n = [x]n = x.
Łatwo zaobserwować, że elementem przeciwnym do x ∈ Zn jest

0, gdy x = 0,
−x =
n − x, gdy x =
6 0.
Działanie ⊕n jest przemienne, bo dla każdych liczb x, y ∈ Zn mamy
x ⊕n y = [x + y]n = [y + x]n = y ⊕n x.
Ponieważ dla każdego x ∈ Zn mamy 1 ⊗n x = [1 · x]n = [x]n = x, więc liczba
1 jest elementem neutralnym mnożenia ⊗n w Zn . Zauważmy także, że mnożenie
⊗n jest przemienne, bo dla każdych x, y ∈ Zn mamy
x ⊗n y = [x · y]n = [y · x]n = y ⊗n x. (1.11)
Korzystając z własności (1.8), bez problemu pokazuje się, że mnożenie ⊗ n jest
łączne w zbiorze Zn (zob. zadanie 5). Jednakże struktura (Zn , ⊗n ) nie jest grupą,
bo w Zn co najmniej 0 nie jest elementem odwracalnym ze względu na działanie
⊗n . Pełną charakteryzację elementów zbioru Zn odwracalnych ze względu na
działanie ⊗n przedstawiamy w następnym twierdzeniu.
1.2. Grupa i jej podgrupy 13
Definicja 1.2.3. Mówimy, że liczby całkowite a i b są względnie pierwsze, gdy

liczba 1 jest największym wspólnym dzielnikiem liczb a i b. Można udowodnić,
że tak jest wtedy i tylko wtedy, gdy
ax + by = 1
dla pewnych liczb całkowitych x i y.

Twierdzenie 1.2.5. Element x zbioru Zn jest odwracalny (ze względu na dzia-
łanie ⊗n ) wtedy i tylko wtedy, gdy liczby x i n są względnie pierwsze.
Dowód. Załóżmy, że y jest elementem odwrotnym dla x ∈ Zn względem działania
⊗n . Wtedy x ⊗n y = [x · y]n = 1 i dlatego x y = nk + 1 dla pewnego k ∈ Z. Stąd
xy + n(−k) = 1
i to dowodzi, że liczby x i n są względnie pierwsze.

Załóżmy teraz, że liczby x i n są względnie pierwsze. Wtedy dla pewnych liczb
całkowitych a i b jest
xa + nb = 1. (1.12)
Zauważmy teraz, że [a]n = a − nk (dla pewnego k ∈ Z) i wobec (1.12) jest
x ⊗n [a]n = [x · (a − nk)]n = [1 − nb − nkx]n = 1.
To dowodzi, że [a]n jest odwrotnością elementu x.
Wniosek 1.2.1. Każdy niezerowy element x zbioru Zn jest odwracalny (ze

względu na działanie ⊗n ) wtedy i tylko wtedy, gdy n jest liczbą pierwszą.
Wniosek 1.2.2. Struktura (Zn − {0}, ⊗n ) jest grupą wtedy i tylko wtedy, gdy n
jest liczbą pierwszą.
Definicja 1.2.4. Niech (G, ∗) będzie grupą i niech H będzie podzbiorem zbioru
G. Mówimy, że H jest podgrupą grupy G, jeśli (H, ∗) jest grupą. Podgrupa
Jeśli e jest elementem neutralnym grupy G, to zbiór H = {e} jest podgrupą

grupy G. Podobnie H = G jest podgrupą grupy G. Obie te podgrupy są tzw.
trywialnymi podgrupami grupy G. Każdą inną podgrupę grupy G (jeśli taka
istnieje) nazywamy jej podgrupą nietrywialną.
Z faktu, że (G, ∗) jest grupą wynika, że działanie ∗ jest łączne na każdym
podzbiorze H zbioru G zamkniętym ze względu na działanie ∗. Stąd zaś wynika,
że podzbiór H grupy G jest jej podgrupą pod warunkiem, że:
(1) H jest zamknięty ze względu na działanie ∗;
(2) H zawiera element neutralny;
(3) H zawiera odwrotność każdego swojego elementu.
Następujące twierdzenie przedstawia prostszy warunek konieczny i dostatecz-
ny na to, aby podzbiór H grupy G był jej podgrupą. (W zadaniu 23 przedstawia-
my jeszcze inny warunek konieczny i dostateczny na to, aby skończony podzbiór
grupy był jej podgrupą.)
Twierdzenie 1.2.6. Podzbiór H grupy G jest jej podgrupą wtedy i tylko wtedy,
gdy spełnione są następujące dwa warunki:
(1) H jest niepusty;
(2) a ∗ b−1 ∈ H dla każdych elementów a i b zbioru H.
Dowód. Załóżmy najpierw, że zbiór H jest podgrupą grupy G. Ponieważ element
neutralny należy do H, więc H 6= ∅. Niech teraz a i b będą dowolnymi elementami
zbioru H. Wtedy także a, b−1 ∈ H (bo grupa H zawiera też odwrotności wszystkich
swoich elementów) i a ∗ b−1 ∈ H (bo H jest zamknięty ze względu na działanie ∗).
Załóżmy teraz, że H jest niepustym podzbiorem zbioru G i a ∗ b−1 ∈ H dla każdych

a, b ∈ H. Ponieważ H 6= ∅, więc istnieje co najmniej jeden element a w zbiorze H
i dlatego e = a∗a−1 ∈ H. Stąd zaś wynika, że dla każdego a ∈ H jest a−1 = e∗a−1 ∈ H
i to dowodzi, że H zawiera odwrotności wszystkich swoich elementów.
W końcu zauważmy, że jeżeli a i b są elementami zbioru H, to wobec powyższego
także a i b−1 są elementami zbioru H i wtedy też a ∗ b = a ∗ (b−1 )−1 ∈ H. Zatem
zbiór H jest zamknięty ze względu na działanie ∗ i to kończy dowód faktu, że H jest
podgrupą grupy G.
Przykład 9. Wobec wniosku 1.2.2 zbiór Z7 − {0} = {1, 2, . . . , 6} jest grupą ze

⊗7 1 2 4
względu na mnożenie ⊗7 . Z przedstawionej obok tabelki wynika zaś, że niepusty
1 1 2 4
zbiór
2 2 4 1
H = {1, 2, 4}
4 4 1 2
jest podgrupą grupy (Z7 − {0}, ⊗7), bo zbiór H zawiera odwrotność każdego
swojego elementu (1−1 = 1, 2−1 = 4 i 4−1 = 2) i jest zamknięty ze względu na
mnożenie ⊗7 .
Przykład 10. Zbiór liczb wymiernych Q jest grupą ze względu na zwykłe do-
dawanie. Jego nietrywialny podzbiór 2Z, czyli zbiór wszystkich parzystych liczb
całkowitych, jest nietrywialną podgrupą grupy Q, bo różnica dowolnych dwóch
liczb parzystych jest liczbą parzystą, tj. a − b ∈ 2Z dla każdych a, b ∈ 2Z.
Przykład 11. Jeśli a jest ustalonym elementem grupy G, to wobec twierdzeń

1.2.3 i 1.2.6 zbiór wszystkich całkowitych potęg elementu a, czyli zbiór
H = {an : n ∈ Z},
jest podgrupą grupy G. Podgrupa ta zwykle jest oznaczana symbolem hai i na-
zywana podgrupą cykliczną grupy G generowaną przez element a. Samą grupę
Grupa cykliczna G nazywamy grupą cykliczną, gdy G = hai dla pewnego a ∈ G. W takim
przypadku mówimy też, że element a jest generatorem grupy G.
Przykładowo, grupa liczb całkowitych Z jest grupą cykliczną ze względu na
dodawanie i jej jedynymi generatorami są liczby 1 i −1, czyli Z = h1i oraz
Z = h−1i.
W grupie Z7 − {0} z mnożeniem modulo 7 podgrupami cyklicznymi są: h1i =
{1}, h2i = h4i = {1, 2, 4}, h3i = h5i = {1, . . . , 6} = Z7 − {0} i h6i = {1, 6}.
1.3. Pierścień
Definicja 1.3.1. Niech + i ◦ będą działaniami w niepustym zbiorze P ; działa-
nia te będziemy nazywać odpowiednio dodawaniem i mnożeniem w zbiorze P .
Mówimy, że system algebraiczny (P, +, ◦) (albo, dla krótkości, że zbiór P ) jest
Pierścień pierścieniem, gdy:
(P1 ) P jest grupą przemienną ze względu na dodawanie +;
(P2 ) mnożenie ◦ jest łączne w zbiorze P ;
(P3 ) mnożenie ◦ jest lewo- i prawostronnie rozdzielne względem dodawania,
czyli dla każdych elementów x, y, z ∈ P jest
x ◦ (y + z) = x ◦ y + x ◦ z i (x + y) ◦ z = x ◦ z + y ◦ z.
1.3. Pierścień 15
O pierścieniu P mówimy, że jest pierścieniem przemiennym, gdy
(P4 ) x◦y =y◦x

Pierścień przemienny
dla każdych elementów x, y ∈ P .
Z warunku (P1 ) powyższej definicji oraz z definicji grupy (zob. def. 1.2.1)
i z twierdzenia 1.1.1 wynika, że pierścień P ma dokładnie jeden element neutralny
ze względu na działanie dodawania. Element ten zwykle oznaczamy symbolem
0 i nazywamy zerem pierścienia P . Z podobnych powodów dla każdego x ∈ P 0 – zero pierścienia
istnieje dokładnie jeden element x̃ ∈ P taki, że x+ x̃ = 0. Element ten oznaczamy
przez −x i nazywamy elementem przeciwnym do x. −x – element przeciwny
Proste własności zera i elementów przeciwnych przedstawiamy w następnym do x w pierścieniu
twierdzeniu.
Twierdzenie 1.3.1. Jeśli x i y są elementami pierścienia P , to:

(1) −(−x) = x;
(2) −(x + y) = (−x) + (−y);
(3) x ◦ 0 = 0 ◦ x = 0;
(4) (−x) ◦ y = −(x ◦ y) = x ◦ (−y);
(5) (−x) ◦ (−y) = x ◦ y.
Dowód. Własność (1) jest natychmiastową konsekwencją definicji elementu przeciw-
nego (zob. def. 1.1.4). Równość (2) jest treścią twierdzenia 1.2.2 dla elementów gru-
py przemiennej (P, +). Dla dowodu (3) zauważmy, że mamy 0 + x ◦ 0 = x ◦ 0 =
x ◦ (0 + 0) = x ◦ 0 + x ◦ 0 i stąd wobec twierdzenia 1.2.1 (w grupie (P, +)) jest
x ◦ 0 = 0. Podobnie pokazuje się, że 0 ◦ x = 0. Z rozdzielności mnożenia względem
dodawania i z (3) mamy (−x) ◦ y + x ◦ y = ((−x) + x) ◦ y = 0 ◦ y = 0 i, podobnie,
x ◦ y + (−x) ◦ y = 0. Stąd zaś wynika, że (−x) ◦ y = −(x ◦ y). Analogicznie dowodzi się,
że x ◦ (−y) = −(x ◦ y) i to kończy dowód własności (4). W końcu własność (5) wynika
z (4) i (1), bo (−x) ◦ (−y) = −(x ◦ (−y)) = −(−(x ◦ y)) = x ◦ y.
Przykład 12. Każdy ze zbiorów Z, 2Z, Q i R jest pierścieniem przemiennym

ze zwykłym dodawaniem i zwykłym mnożeniem liczb.
Definicja 1.3.2. Jedynką pierścienia P nazywamy element e ∈ P taki, że dla Jedynka pierścienia
każdego x ∈ P jest
x ◦ e = e ◦ x = x.
Z twierdzenia 1.1.1 wynika, że każdy pierścień ma co najwyżej jedną jedynkę.

Jedynkę pierścienia zwykle oznacza się symbolem 1. Każdy z pierścieni Z, Q i R
z poprzedniego przykładu jest pierścieniem z jedynką. Jednakże pierścień 2Z jest
pierścieniem bez jedynki.
Definicja 1.3.3. Element x pierścienia P nazywamy dzielnikiem zera, jeśli Dzielnik zera
x 6= 0 i istnieje element y ∈ P − {0} taki, że
x ◦ y = 0 lub y ◦ x = 0.
Przykład 13. Żaden z pierścieni Z, 2Z, Q i R z przykładu 12 nie ma dzielników

zera.
Przykład 14. Wiemy już (zob. twierdzenie 1.2.4), że zbiór Zn (n > 1) jest gru-
pą przemienną ze względu na dodawanie modulo n. Bezpośrednio po dowodzie
twierdzenia 1.2.4 wspomnieliśmy także, że mnożenie modulo n jest łączne i prze-
mienne w zbiorze Zn . Mnożenie to jest także lewostronnie rozdzielne względem
dodawania modulo n, bo dla każdych x, y, z ∈ Zn mamy

x ⊗n (y ⊕n z) = x ⊗n [y + z]n = x · [y + z]n n (z definicji działań ⊕n i ⊗n )
= [x · (y + z)]n (z własności (1.8))
= [(x · y) + (x · z)]n (z rozdzielności zwykłego mnożenia liczb
całkowitych względem zwykłego dodawania liczb całkowitych)
= [x · y]n ⊕n [x · z]n (z definicji działania ⊕n )
= (x ⊗n y) ⊕n (x ⊗n z). (z definicji działania ⊗n )
Stąd i z przemienności mnożenia ⊗n wynika także prawostronna rozdzielność

mnożenia ⊗n względem dodawania ⊕n . Ze wszystkich tych obserwacji wynika,
że system (Zn , ⊕n , ⊗n ) jest pierścieniem przemiennym. Jest oczywiste, że liczba
1 jest jedynką tego pierścienia.
Definicja 1.3.4. Niech P będzie pierścieniem z jedynką. Element x ∈ P nazywa-

Element odwracalny my odwracalnym w pierścieniu P , gdy istnieje element x0 ∈ P (zwany elementem
Element odwrotny odwrotnym elementu x) taki, że
x ◦ x0 = x0 ◦ x = 1.
Z twierdzenia 1.1.2 wynika, że dla każdego elementu x pierścienia istnieje co

najwyżej jeden element odwrotny do elementu x. Element ten zwykle oznaczamy
przez x−1 .
1.4. Ciało
Definicja 1.4.1. Niech K będzie pierścieniem przemiennym z jedynką. Mówimy,

Ciało że K jest ciałem, gdy każdy niezerowy element x pierścienia K jest odwracalny.
Równoważnie, system algebraiczny (K, ⊕, ⊗), w którym K jest zbiorem mają-
cym co najmniej dwa elementy, a ⊕ i ⊗ są działaniami w zbiorze K (zwanymi
odpowiednio dodawaniem i mnożeniem), nazywamy ciałem, gdy:
(C1 ) (K, ⊕) jest grupą przemienną:
(1) ∀x, y∈K x ⊕ y = y ⊕ x; (przemienność dodawania)
(2) ∀x, y, z∈K x ⊕ (y ⊕ z) = (x ⊕ y) ⊕ z; (łączność dodawania)
(3) ∃0∈K ∀x∈K x ⊕ 0 = x; (element neutralny dodawania)
(4) ∀x∈K ∃−x∈K x ⊕ (−x) = 0; (element przeciwny względem dodawania)
(C2 ) (K − {0}, ⊗) jest grupą przemienną:
(5) ∀x, y∈K−{0} x ⊗ y = y ⊗ x; (przemienność mnożenia)
(6) ∀x, y, z∈K−{0} x ⊗ (y ⊗ z) = (x ⊗ y) ⊗ z; (łączność mnożenia)
(7) ∃1∈K−{0} ∀x∈K−{0} x ⊗ 1 = x; (element neutralny mnożenia)
(8) ∀x∈K−{0} ∃x−1 ∈K−{0} x ⊗ x −1
= 1; (element odwrotny względem mnożenia)
(C3 ) mnożenie ⊗ jest rozdzielne względem dodawania ⊕:
(9) ∀x, y, z∈K x ⊗ (y ⊕ z) = (x ⊗ y) ⊕ (x ⊗ z).
1.5. Ćwiczenia 17
Przykład 15. Działania zwykłego dodawania i zwykłego mnożenia liczb rzeczy-

wistych mają własności (1)—(9) powyższej definicji, więc zbiór liczb rzeczywi-
stych R ze zwykłym dodawaniem i zwykłym mnożeniem liczb rzeczywistych jest
ciałem. Podobnie, zbiór liczb wymiernych Q (ze zwykłym dodawaniem i zwy-
kłym mnożeniem liczb wymiernych) jest ciałem. Zbiór liczb całkowitych Z (ze
zwykłym dodawaniem i zwykłym mnożeniem liczb całkowitych) jest pierście-
niem przemiennym z jedynką, ale nie jest on ciałem, bo niektóre jego niezerowe
elementy nie są odwracalne (jedynymi odwracalnymi elementami pierścienia Z
są 1 i −1).
Przykład 16. Z faktu, że (Zn , ⊕n , ⊗n ) jest pierścieniem przemiennym z jedynką

(zob. przykład 14) wynika, że system ten jest ciałem wtedy i tylko wtedy, gdy
każdy element zbioru Zn − {0} jest odwracalny. Wobec wniosku 1.2.2 tak jest
wtedy i tylko wtedy, gdy n jest liczbą pierwszą. Zatem zbiór Zn (z dodawa-
niem i mnożeniem modulo n) jest ciałem wtedy i tylko wtedy, gdy n jest liczbą
pierwszą.
Inne ważne przykłady grup, pierścieni i ciał przedstawiamy w kolejnych roz-

działach.
1.5. Ćwiczenia
1. W zbiorze liczb całkowitych Z dane jest działanie ∗, 7. W zbiorze R × (R − {0}) określone jest działanie ⊗,
gdzie x ∗ y = x + |y| dla x, y ∈ Z. (a) Zbadać prze- gdzie
mienność i łączność działania ∗. (b) Czy w zbiorze Z (x, y) ⊗ (x0 , y 0 ) = (x + x0 y, yy 0 ).
istnieje element neutralny działania ∗? (a) Czy działanie ⊗ jest przemienne? (b) Wykazać,
2. W zbiorze liczb rzeczywistych R określone jest zwykłe że (R × (R − {0}), ⊗) jest grupą. (c) Czy zbiór S =
dodawanie + i zwykłe mnożenie · liczb rzeczywistych {(0, y) : y ∈ R − {0}} z działaniem ⊗ jest podgrupą
oraz działanie ∗, gdzie a∗b = a+b−a·b. Sprawdzić, czy grupy (R × (R − {0}), ⊗)?
działanie ∗ jest: (a) łączne; (b) rozdzielne względem 8. Wykazać, że podzbiór H = {2, 4, 6, 8} zbioru Z10
dodawania +; (c) rozdzielne względem mnożenia ·. jest grupą przemienną ze względu na mnożenie mo-
dulo 10.
3. W zbiorze R × R dane jest działanie ∗ takie, że 9. Czy zbiór H = {1, 4, 7, 13} z mnożeniem modulo 15
tworzy grupę?
(x1 , y1 ) ∗ (x2 , y2 ) = (x1 x2 , y1 + y2 ).
10. (a) W grupie Z96 z dodawaniem modulo 96 wska-
(a) Wskazać element neutralny działania ∗. (b) Które zać podgrupę mającą cztery elementy. (b) Czy grupa
elementy (x, y) zbioru R×R są odwracalne ze względu (Z96 , ⊕96 ) ma podgrupę trzyelementową?
na działanie ∗? (c) Czy działanie ∗ jest łączne? 11. Niech a będzie ustalonym elementem grupy G. Poka-
zać, że zbiór
4. Niech X będzie zbiorem mającym co najmniej 3 ele-
menty. Wskazać dwa wzajemnie jednoznaczne odwzo- H = {x ∈ G : ax = xa}
rowania f i g zbioru X na siebie takie, że f ◦g 6= g ◦f .
jest podgrupą grupy G.
5. Udowodnić, że dla każdych x, y, z ∈ Zn jest 12. Niech G będzie grupą. Udowodnić, że zbiór
x ⊗n (y ⊗n z) = (x ⊗n y) ⊗n z.
H = {x ∈ G : xg = gx dla każdego g ∈ G},
6. W zbiorze R+ = {x ∈ R : x > 0} dane jest działanie zwany centrum grupy G, jest podgrupą grupy G.
◦, gdzie dla każdych x, y ∈ R+ jest 13. Niech H będzie podgrupą grupy G i niech a będzie
x ◦ y = xln y . ustalonym elementem grupy G. Udowodnić, że zbiór
(a) Czy działanie ◦ jest przemienne? (b) Czy para F = {aha−1 : h ∈ H}

(R+ , ◦) jest grupą? jest podgrupą grupy G.
14. Niech G będzie grupą przemienną. Udowodnić, że 22.∗ Pokazać, że jeśli ◦ jest działaniem łącznym w skończo-
zbiór nym zbiorze G, to para (G, ◦) jest grupą wtedy i tylko
H = {x ∈ G : x−1 = x} wtedy, gdy dla każdych trzech elementów a, b, c ze
jest podgrupą grupy G. zbioru G spełnione są warunki: (a) jeśli a ◦ b = a ◦ c,
to b = c; (b) jeśli a ◦ b = c ◦ b, to a = c.
15. Udowodnić, że jeśli H1 i H2 są podgrupami grupy 23.∗ Udowodnić, że skończony i niepusty podzbiór H gru-
G, to także ich część wspólna H1 ∩ H2 jest podgrupą py G jest jej podgrupą wtedy i tylko wtedy, gdy
grupy G. ab ∈ H dla każdych dwóch elementów a i b ze zbioru
16. Ile elementów ma podgrupa H = {4n : n ∈ Z} grupy H.
Z13 − {0} z mnożeniem modulo 13. 24. Udowodnić, że jeśli x jest dzielnikiem zera w pierście-
niu przemiennym P i y ∈ P , to xy = 0 lub xy jest
17. Pokazać, że zbiór G = {1, 3, 5, 9, 11, 13} z mnoże- dzielnikiem zera.
niem modulo 14 jest grupą cykliczną. 25. Udowodnić, że jeśli niezerowy element x pierścienia
18.∗ Udowodnić, że każda podgrupa grupy cyklicznej jest P nie jest dzielnikiem zera i dla elementów y, z ∈ P
cykliczna. jest xy = xz, to y = z.
26. Działania ⊕ i ⊗ w zbiorze liczb rzeczywistych R są
19. Rzędem elementu x w skończonej grupie nazywamy określone za pomocą zwykłego dodawania i zwykłego
najmniejszą liczbę naturalną k, dla której xk = e. mnożenia liczb rzeczywistych i dla każdych x, y ∈ R
Udowodnić, że w skończonej grupie rząd elementu jest x⊕y = x+y +1 oraz x⊗y = xy +x+y. Wykazać,
x jest identyczny z rzędem elementu odwrotnego x−1 . że system (R, ⊕, ⊗) jest ciałem.
20. Udowodnić, że dla każdych elementów a i b grupy G 27. Udowodnić, że ciało nie ma dzielników zera.
(z działaniem ◦) równania a ◦ x = b i y ◦ a = b mają 28. Niech P będzie skończonym i przemiennym pierście-
jednoznaczne rozwiązania w grupie G, czyli istnieją niem z jedynką. Udowodnić, że albo P ma dzielnik
jednoznacznie wyznaczone elementy x, y ∈ G takie, zera, albo P jest ciałem.
że a ◦ x = b i y ◦ a = b. 29. W zbiorze L wszystkich nieskończonych ciągów rze-
czywistych określamy dodawanie ⊕ i mnożenie ⊗
21.∗ Niech ◦ będzie działaniem dwuargumentowym w nie- w następujący sposób:
pustym zbiorze G. Udowodnić, że (G, ◦) jest grupą (x1 , x2 , . . .) ⊕ (x1 , y2 , . . .) = (x1 + y1 , x2 + y2 , . . .),
wtedy i tylko wtedy, gdy jednocześnie spełnione są
(x1 , x2 , . . .) ⊗ (x1 , y2 , . . .) = (x1 y1 , x2 y2 , . . .).
warunki: (1) a ◦ (b ◦ c) = (a ◦ b) ◦ c dla każdych
a, b, c ∈ G; (2) równania a ◦ x = b i y ◦ a = b mają Wykazać, że (L, ⊕, ⊗) jest pierścieniem i nie jest cia-
rozwiązania w zbiorze G dla każdych a, b ∈ G. łem.
Rozdział 2
LICZBY ZESPOLONE
2.1. Liczby zespolone i działania na liczbach zespolonych
Niech C będzie zbiorem wszystkich uporządkowanych par (a, b) liczb rzeczywi-

stych a i b,
C = {(a, b) : a, b ∈ R}.
Za pomocą równości, zwykłego dodawania (i odejmowania) oraz zwykłego mno-

żenia liczb rzeczywistych definiujemy równość, dodawanie ⊕ oraz mnożenie ⊗
w zbiorze C. Jeśli pary (a, b) i (c, d) są elementami zbioru C, to przyjmujemy,
że:
(a, b) = (c, d) ⇔ a = c i b = d, (2.1) Równość liczb zespolonych

(a, b) ⊕ (c, d) = (a + c, b + d), (2.2) Suma liczb zespolonych
(a, b) ⊗ (c, d) = (ac − bd, ad + bc). (2.3) Iloczyn liczb zespolonych
Definicja 2.1.1. Elementy zbioru C (z równością (2.1) oraz działaniami doda-

wania i mnożenia określonymi wzorami (2.2) i (2.3)) nazywamy liczbami zespo- Liczby zespolone
lonymi.
Jeśli z = (a, b) jest liczbą zespoloną, to liczby rzeczywiste a i b nazywamy

odpowiednio częścią rzeczywistą i częścią urojoną liczby z i piszemy
Re (z) = a i Im (z) = b.
Pokażemy teraz, jak z własności zwykłego dodawania i zwykłego mnożenia

liczb rzeczywistych (zob. przykład 15 i definicję 1.4.1) wynika, że zbiór liczb
zespolonych z wyżej określonym dodawaniem i mnożeniem liczb zespolonych
jest ciałem.
Twierdzenie 2.1.1. Zbiór C z działaniami dodawania i mnożenia określonymi

wzorami (2.2) i (2.3) jest ciałem, więc działania te mają następujące własności: C – ciało liczb zespolonych
(a) ∀z,w∈C z ⊕ w = w ⊕ z, (przemienność dodawania)

(b) ∀z,w,t∈C z ⊕ (w ⊕ t) = (z ⊕ w) ⊕ t, (łączność dodawania)
(c) ∃z0 ∈C ∀z∈C z ⊕ z0 = z, (z0 = (0, 0) – zero zespolone)
(d) ∀z∈C ∃−z∈C z ⊕ (−z) = z0 , (−z = (−a, −b) – liczba przeciwna do z = (a, b))
(e) ∀z,w∈C z ⊗ w = w ⊗ z, (przemienność mnożenia)
(f ) ∀z,w,t∈C z ⊗ (w ⊗ t) = (z ⊗ w) ⊗ t, (łączność mnożenia)
(g) ∃z1 ∈C ∀z∈C z ⊗ z1 = z, (z1 = (1, 0) – jedynka zespolona)
−1

(h) ∀z∈C−{z0 } ∃z−1 ∈C z ⊗ z = z1 , (z −1
= a
, −b
a2 +b2 a2 +b2
, gdy z = (a, b) 6= z0 )
(i) ∀z,w,t∈C z⊗(w⊕t) = (z⊗w)⊕(z⊗t). (rozdzielność działnia ⊗ względem ⊕)
20 2. Liczby zespolone
Dowód. (a) i (b). Z przemienności i łączności zwykłego dodawania liczb rzeczywistych

wynika przemienność i łączność dodawania ⊕ określonego wzorem (2.2). Istotnie, jeśli
(a, b), (c, d), (e, f ) ∈ C, to mamy
(a, b) ⊕ (c, d) = (a + c, b + d) (definicja działania ⊕)

= (c + a, d + b) (przemienność działania +)
= (c, d) ⊕ (a, b) (definicja działania ⊕)
oraz

(a, b) ⊕ (c, d) ⊕ (e, f ) = (a, b) ⊕ (c + e, d + f ) (definicja działania ⊕)

= a + (c + e), b + (d + f ) (definicja działania ⊕)

= (a + c) + e, (b + d) + f (łączność działania +)
= (a + c, b + d) ⊕ (e, f ) (definicja działania ⊕)

= (a, b) ⊕ (c, d) ⊕ (e, f ). (definicja działania ⊕)
(c) Liczba (0, 0) jest elementem neutralnym działania ⊕, bo dla każdej liczby ze-
spolonej (a, b) mamy
(a, b) ⊕ (0, 0) = (a + 0, b + 0) = (a, b).
(d) Liczba (−a, −b) jest liczbą przeciwną do liczby (a, b), bo

(a, b) ⊕ (−a, −b) = a + (−a), b + (−b) = (0, 0).
(e) i (f ). Mnożenie ⊗ jest przemienne i łączne w zbiorze C, bo dla każdych liczb

zespolonych (a, b), (c, d), (e, f ) jest
(a, b) ⊗ (c, d) = (ac − bd, ad + bc) (definicja działania ⊗)

= (ca − db, cb + da) (przemienność mnożenia
i dodawania liczb rzeczywistych)
= (c, d) ⊗ (a, b) (definicja działania ⊗)
oraz

(a, b) ⊗ (c, d) ⊗ (e, f ) = (a, b) ⊗ (ce − df, cf + de)

= a(ce − df ) − b(cf + de), a(cf + de) + b(ce − df )

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

= (a, b) ⊗ (c, d) ⊗ (e, f ).
(g) Liczba (1, 0) jest elementem neutralnym działania ⊗, bo dla każdej liczby ze-
spolonej (a, b) jest
(a, b) ⊕ (1, 0) = (a·1 − b·0, a·0 + b·1) = (a, b).
(h) Niech teraz (a, b) będzie dowolną

liczbę ze zbioru C −{(0, 0)}. Wtedy a2 +b2 6= 0
2 2 2 2
i liczba a/(a + b ), −b/(a + b ) istnieje i jest to liczba odwrotna do liczby (a, b),

a −b a2 −b2 −ab ab
(a, b) ⊗ , = − 2 , + 2 = (1, 0).
a2 + b 2 a2 + b 2 2
a +b 2 a + b 2 a2 + b 2 a + b2
(i) W końcu dla każdych liczb zespolonych (a, b), (c, d) i (e, f ) mamy

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

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

= (ac − bd) + (ae − bf ), (ad + bc) + (af + be)
= (ac − bd, ad + bc) ⊕ (ae − bf, af + be)

= (a, b) ⊗ (c, d) ⊕ (a, b) ⊗ (e, f ) .
To dowodzi, że mnożenie ⊗ jest rozdzielne względem dodawania ⊕ i to jednocześnie

kończy dowód twierdzenia.
2.1. Liczby zespolone i działania na liczbach zespolonych 21
Począwszy od tego miejsca działania na liczbach zespolonych oznaczać bę-

dziemy za pomocą symboli używanych dla liczb rzeczywistych, tzn. będziemy
pisać (a, b) + (c, d) zamiast (a, b) ⊕ (c, d) oraz (a, b) · (c, d) (lub nawet (a, b)(c, d))
zamiast (a, b)⊗(c, d). Nie spowoduje to większej niejednoznaczności. Dodatkowo,
sądzimy, że dzięki takim zabiegom, Czytelnik szybciej dojdzie do przekonania,
że działania na liczbach zespolonych określone wzorami (2.2) i (2.3) są “natu-
ralnymi” uogólnieniami dodawania i mnożenia liczb rzeczywistych.
Definicja 2.1.2. Różnicą i ilorazem liczby zespolonej z = (a, b) i liczby zespo-
lonej w = (c, d) nazywamy odpowiednio liczby z − w i z/w, gdzie
z − w = (a − c, b − d), (2.4) Różnica liczb zespolonych
z ac + bd bc − ad
= , , gdy w 6= (0, 0). (2.5) Iloraz liczb zespolonych
w c2 + d 2 c2 + d 2 Tego wzoru nie warto
Definicja 2.1.3. Jeśli n jest liczbą naturalną, to n-tą potęgę liczby zespolonej pamiętać!
z definiuje się indukcyjnie (zob. def. 1.2.2), przyjmując, że
z1 = z i z n = z · z n−1 (2.6) Potęga liczby zespolonej
dla n = 2, 3, . . .. Dla z 6= 0 przyjmujemy także, że

1
z 0 = 1 i z −n = (2.7)
zn
dla naturalnego n.
Postać kanoniczna liczby zespolonej

Niech CR będzie zbiorem liczb zespolonych, których część urojona jest zerem.
Każda liczba ze zbioru CR jest postaci (a, 0) i jest ona jednoznacznie wyznaczona
przez swoją część rzeczywistą a, więc liczbę zespoloną (a, 0) utożsamiamy z liczbą
rzeczywistą a i wprost piszemy
(a, 0) = a. (2.8)
Ze względu na powyższe utożsamianie (które formalnie jest izomorfizmem ciała
liczb rzeczywistych R z podciałem CR ciała liczb zespolonych C, zob. zad. 39
i 40) możemy powiedzieć, że zbiór liczb zespolonych C, w którym sumę i iloczyn
określono wzorami (2.2) i (2.3), jest rozszerzeniem zbioru liczb rzeczywistych R
z tradycyjnie rozumianą sumą i iloczynem liczb rzeczywistych.
Do zbioru C należy liczba (0, 1), którą nazywamy jednostką urojoną i ozna-
czamy symbolem j, czyli
j = (0, 1). (2.9)
Zauważmy, że wobec (2.3) i (2.8) mamy
j · j = (0, 1)(0, 1) = (−1, 0) = −1,
więc
j 2 = −1. (2.10)
Równie łatwo zauważamy, że j 3 = −j i j 4 = 1. Stąd zaś można wywnioskować, że
każda naturalna potęga liczby j jest jedną z liczb j, −1, −j i 1. W szczególności
mamy
j 5 = j, j 6 = −1, j 7 = −j i j 8 = 1.
Twierdzenie 2.1.2. Każdą liczbę zespoloną z = (a, b) można przedstawić w po-
staci
z = a + bj. (2.11)
Dowód. Łatwo zauważyć, że dla liczby zespolonej z = (a, b) wobec (2.2), (2.3), (2.8)
i (2.9) kolejno mamy
z = (a, b) = (a, 0) + (0, b) = (a, 0) + (b, 0)(0, 1) = a + bj.
z = a + jb – postać kano- Postać z = a + bj liczby zespolonej z = (a, b) nazywamy jej postacią kano-
niczna liczby z = (a, b) niczną (algebraiczną lub kartezjańską). Wobec (2.2)–(2.5) suma, różnica, iloczyn
i iloraz liczb zespolonych w postaci kanonicznej określone są odpowiednio wzo-
rami:
Działania na liczbach z + w = (a + bj) + (c + dj) = (a + c) + (b + d)j; (2.12)
w postaci kanonicznej z − w = (a + bj) − (c + dj) = (a − c) + (b − d)j; (2.13)
zw = (a + bj)(c + dj) = (ac − bd) + (ad + bc)j; (2.14)
z a + bj ac + bd bc − ad
= = 2 + 2 j. (2.15)
w c + dj c + d2 c + d2
Przykład 17. Obliczyć z + w, z − w i zw, gdy z = 1 + 5j i w = 3 + 2j.
Łatwo zauważyć, że
z + w = (1 + 5j) + (3 + 2j) = (1 + 3) + (5j + 2j) = 4 + 7j,
z − w = (1 + 5j) − (3 + 2j) = (1 − 3) + (5j − 2j) = −2 + 3j.
Przy wyznaczaniu iloczynu liczb zespolonych w postaci kanonicznej nie trzeba pa-
miętać wzoru (2.14). Wystarczy skorzystać z rozdzielności mnożenia względem dodawa-
nia, zastąpić j 2 przez −1 i zgrupować “podobne” czynniki. Dlatego dla liczb z = 1 + 5j
i w = 3 + 2j mamy
zw = (1 + 5j)(3 + 2j) = 1(3 + 2j) + 5j(3 + 2j)

= 3 + 2j + 15j + 10j 2 = 3 + 17j − 10 = −7 + 17j.
Interpretacja geometryczna liczby zespolonej

Każdą liczbę zespoloną z = a + jb można utożsamiać z punktem (a, b), które-
go współrzędne są odpowiednio równe części rzeczywistej i części urojonej liczby
z = a+jb (zob. rys. 2.1). Płaszczyznę, w której każdy punkt utożsamiamy z licz-
bą zespoloną, nazywamy płaszczyzną zespoloną lub płaszczyzną Gaussa (albo
płaszczyzną Arganda). W tym przypadku oś odciętych i oś rzędnych nazywamy
odpowiednio osią rzeczywistych i osią urojonych. Liczbę zespoloną z = a + jb
można również utożsamiać z wektorem wodzącym punktu (a, b), tj. z wektorem
−→
Oz, gdzie O jest początkiem układu. W tej interpretacji suma liczb zespolonych
z i w jest czwartym wierzchołkiem równoległoboku zbudowanego na wektorach
−→ −→
Oz i Ow, zob. rys. 2.2. Natomiast różnica z − w jest czwartym wierzchołkiem
−→ −−−−→
równoległoboku zbudowanego na wektorach Oz i O(−w); różnicę z − w można
także utożsamiać z wektorem − → (zob. rys. 2.3).
wz
y 6 y 6w
y 6 z−w
j
1z
>z+w
z=a+jb
w O -
b * (a,b) x
1z j
z−w
- -
O a x O x −w
Rys. 2.1 Rys. 2.2 Rys. 2.3

2.2. Sprzężenie i moduł liczby zespolonej 23
2.2. Sprzężenie i moduł liczby zespolonej

Okazuje się, że także przy wyznaczaniu ilorazu dwóch liczb zespolonych w po-
staci kanonicznej nie trzeba pamiętać wzoru (2.15). W zamian warto skorzystać
z własności sprzężeń liczb zespolonych.
Definicja 2.2.1. Sprzężeniem liczby zespolonej z = a+bj (gdzie a i b są liczbami Sprzężenie liczby zespolonej
rzeczywistymi) nazywamy liczbę
z = a − bj.
Przykładowo, jeśli z = 2 + 5j, to jej sprzężeniem jest z = 2 − 5j. Geome- y 6

trycznie z jest symetrycznym odbiciem z względem osi rzeczywistej (zob. rys.
z=a+bj
2.4). Inne własności sprzężenia podajemy w następnym twierdzeniu (zob. także b
*
tw. 2.2.2 (a)).
-
Twierdzenie 2.2.1. Jeśli z i w są liczbami zespolonymi, to: O a x
(a) z + w = z + w, z − w = z − w;
j
−b
(b) z w = z w, z/w = z/w (gdy w 6= 0); z=a−bj
n
(c) dla każdej liczby całkowitej n jest (z n ) = z (z 6= 0, gdy n ¬ 0); Rys. 2.4
(d) z jest liczbą rzeczywistą wtedy i tylko wtedy, gdy z = z.
Dodatkowo, jeśli z = a + bj (gdzie a, b ∈ R), to
(e) z + z = 2a, z − z = 2bj i zz = a2 + b2 .
Dowód. Udowodnimy pierwszą część własności (b). Dowody pozostałych własności

są równie łatwe. Załóżmy, że z = a + bj i w = c + dj, gdzie a, b, c i d są liczbami
rzeczywistymi. Wtedy
zw = (a + bj) (c + dj) = (a − bj)(c − dj) = (ac − bd) − (ad + bc)j

= (ac − bd) + (ad + bc)j = (a + bj)(c + dj) = z w.
Możemy teraz wyznaczyć postać kanoniczną ilorazu dwóch liczb zespolonych

bez odwoływania się do wzoru (2.15). W tym celu wystarczy skorzystać z tożsa-
mości
z zw zw Sposób wyznaczania
= = (2.16)
w ww ww ilorazu liczb zespolonych
oraz z umiejętności mnożenia liczb zespolonych i dzielenia liczby zespolonej przez
liczbę rzeczywistą.
Przykład 18. Znaleźć postać kanoniczną liczby (1 + 5j)/(3 + 2j).
Wobec poprzednich uwag mamy
1 + 5j (1 + 5j)(3 − 2j) 3 − 2j + 15j − 10j 2 13 + 13j

= = = = 1 + j.
3 + 2j (3 + 2j)(3 − 2j) 9 − 4j 2 13
Geometryczną relację między liczbami z i w oraz ich iloczynem zw (oraz ilorazem

z/w) można opisać w terminach modułu i argumentu liczby zespolonej.
Definicja 2.2.2. Modułem (lub wielkością) liczby zespolonej z = a + bj (gdzie
a, b ∈ R) nazywamy nieujemną liczbę rzeczywistą
p
|z| = a2 + b2 . (2.17) Moduł liczby zespolonej
Moduł liczby z = a + bj jest odległością punktu (a, b) od początku układu

współrzędnych. Ogólniej, dla liczb zespolonych z1 = a1 + jb1 i z2 = a2 + jb2
(gdzie a1 , a2 , b1 , b2 ∈ R) moduł |z1 − z2 | jest odległością pomiędzy z1 i z2
(zob. rys.
p 2.5), bo |z1 − z2 | = |(a1 + jb1 ) − (a2 + jb2 )| = |(a1 − a2 ) + j(b1 −
b2 )| = (a1 − a2 )2 + (b√1 − b2 ) . Jeśli z jest liczbą rzeczywistą, to z = a+0j (dla
2
pewnego a ∈ R) i |z| = a2 , co jest wartością bezwzględną z liczby a = z. Pojęcie

modułu liczby zespolonej jest więc uogólnieniem pojęcia wartości bezwzględnej.
Podstawowe własności modułu przedstawiono w następującym twierdzeniu.
Twierdzenie 2.2.2. Jeśli z, w ∈ C, to:
√
(a) |z| = zz, |z| = |z| = | − z|;

(b) |zw| = |z||w|, z = |z| (w 6= 0);
w |w|
(c) |z| |Re (z)| Re (z), |z| |Im (z)| Im (z);

z1 (d) |z| − |w| ¬ |z + w| ¬ |z| + |w|.
|z1 −z2 |
z2 Dowód. Udowodnimy tylko część (d). Z części (a)−(c) oraz z twierdzenia 2.2.1 kolejno
z mamy
|z + w|2 = (z + w)(z + w) = (z + w)(z + w)
|z| = zz + zw + zw + ww = |z|2 + zw + (zw) + |w|2
= |z|2 + 2Re(zw) + |w|2
¬ |z|2 + 2|zw| + |w|2 = |z|2 + 2|z||w| + |w|2
Rys. 2.5
= |z|2 + 2|z||w| + |w|2 = (|z| + |w|)2
i z tego wynika, że |z + w| ¬ |z| + |w|. Dodatkowo wobec (a) mamy
|z| = |(z + w) + (−w)| ¬ |z + w| + | − w| = |z + w| + |w|,
czyli |z| − |w| ¬ |z + w|.

Z tych samych powodów jest |w| − |z| ¬ |z + w|. Z tych
nierówności wynika, że |z| − |w| ¬ |z + w| i to kończy dowód (d).
Wniosek 2.2.1. Dla każdej liczby naturalnej n i każdych liczb zespolonych
z, z1 , . . . , zn jest:
(1) |z n | = |z|n i |z −n | = |z|−n (z 6= 0);
(2) |z1 + z2 + . . . + zn | ¬ |z1 | + |z2 | + . . . + |zn |.
(2 + j)2
Przykład 19. Znaleźć moduł liczby z = .
(1 + 6j)(1 − 7j)
Wobec definicji 2.2.2 i twierdzenia 2.2.2 mamy
√
|2 + j|2 ( 2 2 + 1 2 )2 5 1
|z| = = √ p = √ √ = √ .
|1 + 6j||1 − 7j| 1 +6
2 2 1 + (−7)
2 2 37 50 74
Przykład 20. Wyznaczyć zbiór punktów z spełniających równanie
|z + 2j| = 4|z − 2j|.
Korzystając z postaci kanonicznej x + jy liczby zespolonej z, równanie

p |z + 2j| =
4|z − 2j| można zapisać w postaci |x + jy + 2j| = 4|x + jy − 2j| lub x2 + (y + 2)2
p
= 4 x2 + (y − 2)2 . Po podniesieniu obu stron do kwadratu i redukcji otrzymujemy
15x2 + 15y 2 − 68y + 60 = 0, czyli
2 2
34 16
x2 + y − = ,
15 15
34
16
co jest równaniem okręgu o środku w punkcie 0, 15
i promieniu długości 15
.
2.3. Postać trygonometryczna liczby zespolonej 25
Przykład 21. Na płaszczyźnie zespolonej zaznaczyć zbiór tych liczb zespolo-

nych z, które spełniają podane warunki:
(a) |z + 1 − 2j| = 3; r=3
2j
(b) 2 ¬ |z − 1 − 3j| ¬ 4; z0
(c) |z − 1| ¬ Im (z) + 2. −1
(a) Ponieważ Rys. 2.6

|z + 1 − 2j| = 3 ⇔ |z − (−1 + 2j)| = 3,
więc rozważany zbiór jest zbiorem wszystkich punktów z położonych w odległości r = 3
od punktu z0 = −1 + 2j. Zatem jest to okrąg o środku w punkcie z0 = −1 + 2j
i promieniu r = 3, zob. rys. 2.6.
(b) Rozważany zbiór składa się z tych i tylko tych z, dla których
2 ¬ |z − (1 + 3j)| ¬ 4, r=2
3j R=4
z0
czyli jest to zbiór tych z, których odległość od punktu z0 = 1+3j jest liczbą z przedziału
h2; 4i. Zatem jest to pierścień kołowy o środku w punkcie z0 = 1 + 3j i promieniu
wewnętrznym r = 2 oraz promieniu zewnętrznym R = 4, zob. rys. 2.7.
1 2 3 4 5
(c) Dla liczby z = x + jy (gdzie x, y ∈ R) jest
|z − 1| ¬ Im (z) + 2 ⇔ |(x − 1) + jy| ¬ Im (x + jy) + 2 Rys. 2.7

p
⇔ (x − 1)2 + y 2 ¬ y + 2
(x−1)2 −4
⇔ y 4
4j
i stąd wynika, że rozważany zbiór jest zbiorem wszystkich punktów z = x + jy, które
2
leżą na lub nad parabolą y = (x−1)
4
−4
, zob. rys. 2.8.
1 2 3 4 5
Rys. 2.8
2.3. Postać trygonometryczna liczby zespolonej
Każdą różną od zera liczbę zespoloną z = a + bj można przedstawić w postaci

a b
z = |z| +j , (2.18)
|z| |z|
a ponieważ
2 2
a b a2 b2
+ = + = 1,
|z| |z| a2 + b 2 a2 + b 2
więc jedna z liczb a/|z| i b/|z| jest sinusem, a druga cosinusem tej samej liczby
rzeczywistej α i dlatego możemy przedstawić następującą definicję.
Definicja 2.3.1. Argumentem liczby zespolonej z = a+bj 6= 0 nazywamy każdą Argument liczby zespolonej
liczbę rzeczywistą α, oznaczamy ją także symbolem arg (z), dla której
a b
= cos α i = sin α. (2.19)
|z| |z|
Geometrycznie argument liczby z jest miarą kąta skierowanego jaki wektor

−→
Oz tworzy z dodatnim kierunkiem osi Ox (rys. 2.9). Z okresowości sinusa i cosi-
nusa wynika, że każda liczba zespolona z 6= 0 ma nieskończenie wiele argumentów
α i każde dwa z nich różnią się o całkowitą krotność liczby 2π. Spośród argu-
mentów α liczby z dokładnie jeden spełnia nierówności −π < α ¬ π; nazywamy
go argumentem głównym liczby z i oznaczamy przez Arg (z).1 Argument każdej

liczby z = a + bj (6= 0) można wyznaczyć z równości (2.19). W szczególności
y
6 argumentem (głównym) liczby urojonej z = bj (b ∈ R − {0}) jest π2 lub − π2
zależnie od tego, czy b jest liczbą dodatnią, czy ujemną. Argument liczby różnej
z=a+jb
b * od liczby urojonej można także wyznaczyć ze wzoru
|z| 
]α  arctan (b/a)
 jeśli a > 0,
-
O a x
Arg (a + bj) = arctan (b/a) + π jeśli a < 0 i b 0, (2.20)

 arctan (b/a) − π jeśli a < 0 i b < 0.
Rys. 2.9
Argument liczby z = 0 jest nieokreślony (ale możemy także przyjąć, że argu-
mentem zera jest dowolna liczba rzeczywista).
√
Przykład 22. Dla liczb −1 + j oraz − 3 − j wobec (2.20) mamy
π 3
Arg (−1 + j) = arctan(−1/1) + π = − +π = π
4 4
oraz
√ √ π 5
Arg (− 3 − j) = arctan(1/ 3) − π = − π = − π.
6 6
Z (2.18) i (2.19) wynika, że liczbę zespoloną z można przedstawić w postaci

Postać trygonometryczna
z = |z|(cos α + j sin α), (2.21)
liczby zespolonej
zwanej postacią trygonometryczną (lub biegunową) liczby z, w której α jest ar-
gumentem liczby z, czyli α = arg (z).
Przykład 23. Dla liczb z poprzedniego przykładu mamy

cos α+j sin α

6 −1 + j = | − 1 + j| cos arg (−1 + j) + j sin arg (−1 + j)
√
z=|z|(cos α+j sin α) = 2(cos 43 π + j sin 34 π)
oraz
- √
1 |z|
− 3 − j = 2 cos − 65 π + j sin − 56 π = 2 cos 65 π − j sin 56 π .
Zalety postaci trygonometrycznej liczby zespolonej uwidaczniają się przy

mnożeniu, dzieleniu, potęgowaniu i pierwiastkowaniu liczb zespolonych. Załóż-
Rys. 2.10 my, że znamy postać trygonometryczną liczb z i w, powiedzmy z = |z|(cos α +
j sin α) i w = |w|(cos β + j sin β). Łatwo zauważyć, że liczby te są równe wte-
dy i tylko wtedy, gdy mają one równe moduły i gdy ich argumenty różnią się
o całkowitą krotność liczby 2π. Dla iloczynu liczb z i w mamy
zw = |z||w|(cos α + j sin α)(cos β + j sin β)

= |z||w| (cos α cos β − sin α sin β) + j(sin α cos β + cos α sin β)

= |z||w| cos(α + β) + j sin(α + β)

= |zw| cos(α + β) + j sin(α + β) ,
co jest postacią trygonometryczną liczby zw i skąd ponownie wynika, że “moduł

iloczynu jest równy iloczynowi modułów”, |zw| = |z||w|, i dodatkowo, że suma
argumentów liczb z i w jest argumentem iloczynu zw,
arg (z) + arg (w) = arg (zw). (2.22)

1 W niektórych podręcznikach argument główny liczby z oznacza się przez arg (z), a sym-
bolu Arg (z) używa się na oznaczenie zbioru wszystkich argumentów liczby z.
2.3. Postać trygonometryczna liczby zespolonej 27
Obie te obserwacje pozwalają uzasadnić poprawność naszkicowanej na rys. 2.11

geometrycznej konstrukcji iloczynu zw liczb zespolonych z i w. Łatwo także
zaobserwować, że dla argumentu odwrotności liczby i ilorazu liczb zespolonych
mamy 6
1 z zw
− arg (z) = arg i arg (z) − arg (w) = arg . (2.23)
z w
Zatem mamy następujące twierdzenie. γ
|zw|
Twierdzenie 2.3.1. Jeśli z = |z|(cos α + j sin α) i w = |w|(cos β + j sin β), to w
7
zw = |z||w| cos(α + β) + j sin(α + β) (2.24) |w|
i i
α
*z
z |z| |z|
= cos(α − β) + j sin(α − β) , (2.25) }β
w |w|
o
α
γ
-
gdy w 6= 0. 1
Rys. 2.11
√
Przykład 24. Liczby z = 3 + j oraz w = 1 + j przedstawić w postaci try-
gonometrycznej. Następnie znaleźć postać trygonometryczną każdej z liczb zw
i z/w.
√
Ponieważ |z| = 2, cos α = 23 i sin α = 12 , więc α = π6 i z = 2 cos π6 +j sin π6 . Podobnie
√ √
|w| = 2, cos β = √12 i sin β = √12 , więc β = π4 i w = 2 cos π4 + j sin π4 . Zatem
√
π π

π π
√ 5π 5π

zw = 2 2 cos + + j sin + = 2 2 cos + j sin
6 4 6 4 12 12
i
√
z 2 π π π π −π −π
= √ cos − + j sin − = 2 cos + j sin .
w 2 6 4 6 4 12 12
Przy obliczaniu potęg liczb zespolonych można posłużyć się tzw. wzorem de
Moivre’a. Wzór ten jest prostą konsekwencją twierdzenia 2.3.1.
Wniosek 2.3.1. Jeśli z = |z|(cos α + j sin α) i n jest liczbą całkowitą, to
z n = |z|n (cos nα + j sin nα), (2.26) Wzór de Moivre’a
gdzie z 6= 0 dla n ¬ 0.
Wniosek 2.3.2. Dla każdej liczby rzeczywistej α i każdej liczby całkowitej n jest
(cos α + j sin α)n = cos nα + j sin nα. (2.27)
Przykład 25. Obliczyć

√ !17 √ !12
1 3 1+j 3
z1 = − +j i z2 = .
2 2 1−j
√ 17 17
Mamy z1 = − 21 + j 2
3
= cos 32 π + j sin 23 π i z wniosku 2.3.2
34 34

z1 = cos 3
π + j sin 3
π = cos 10π + 34 π + j sin 10π + 34 π
√
= cos 34 π + j sin 43 π = − 21 − j 2
3
.
√ √
Ponieważ 1 + j 3 = 2 cos π3 + j sin π3 i 1 − j = 2 cos(− π4 ) + j sin(− π4 ) , więc
z twierdzenia 2.3.1 otrzymujemy
√
1+j 3 2 π π
π π
√ 7π 7π

1−j
= √
2
cos 3
− − 4
+ j sin 3
− − 4
= 2 cos 12
+ j sin 12
.
Stąd i z wniosku 2.3.1 mamy
√ 12
7π 7π
z2 = 2 cos + j sin = 26 cos 7π + j sin 7π = −64.
12 12
Przykład 26. Liczbę z = sin α − j cos α zapisać w postaci trygonometrycznej.

Liczbę z chcemy zapisać w postaci |z|(cos β + j sin β) = |z| a
|z|
+ j |z|
b
. Można to
a
zrobić na dwa sposoby. Ponieważ |z| = 1 i cos β = |z|
= sin α = cos(α − π/2) oraz
b
sin β = |z| = − cos α = sin(α − π/2), więc
z = cos(α − π/2) + j sin(α − π/2).

Równoważnie, z = −j(cos α + j sin α) i ponieważ −j = cos(−π/2) + j sin(−π/2),
więc także jest

z = cos(−π/2) + j sin(−π/2) (cos α + j sin α)
= cos(α − π/2) + j sin(α − π/2).
Przykład 27. Korzystając ze wzorów de Moivre’a i Newtona, wyrazić cos 3x

i sin 3x za pomocą cos x i sin x.
Ze wzoru de Moivre’a mamy (cos x+j sin x)3 = cos 3x+j sin 3x. Jednocześnie ze wzoru
Wzór Newtona: Newtona
n
X n (cos x + j sin x)3 = cos3 x + 3j cos2 x sin x − 3 cos x sin2 x − j sin3 x
(a + b) =n
an−k bk
k = (cos3 x − 3 cos x sin2 x) + j(3 cos2 x sin x − sin3 x).
k=0
Stąd i z warunku równości liczb zespolonych otrzymujemy

cos 3x = cos3 x − 3 cos x sin2 x
oraz
sin 3x = 3 cos2 x sin x − sin3 x.
Jeśli uwzględni się, że sin x + cos2 x = 1, to prawe strony ostatnich tożsamości można
2
wyrazić za pomocą potęg tylko cos x lub tylko sin x,

cos 3x = 4 cos3 x − 3 cos x i sin 3x = 3 sin x − 4 sin3 x.
Przykład 28. Wyznaczyć zbiór liczb zespolonych z spełniających nierówności

π
¬ Arg (−1 + j)z 3 ¬ π.
6 2
π
6
3

) π
2
Ponieważ Arg (−1 + j)z = Arg (−1+j)+3Arg (z)+2kπ dla pewnej liczby całkowitej
k i Arg(−1 + j) = 3π , więc nierówność
N π
O
4
-
π
2
12
π
π ¬ Arg (−1 + j)z 3 ¬ π

12
2
R jest równoważna nierówności
i π
2
π
π ¬ Arg (−1 + j) + 3Arg (z) + 2kπ ¬ π
6
2
dla pewnego k ∈ Z. Stąd
Rys. 2.12
π 2kπ π 2kπ
− − ¬ Arg (z) ¬ −
12 3 12 3
dla pewnego k ∈ Z. Jednocześnie −π < Arg (z) ¬ π, więc k = 0, k = 1 lub k = −1
π π
i − 12 ¬ Arg (z) ¬ 12 , − 9π
12
¬ Arg (z) ¬ − 7π
12
lub 7π
12
¬ Arg (z) ¬ 9π
12
. Szukany zbiór
składa się z trzech części przedstawionych na rys. 2.12.
2.4. Pierwiastkowanie liczb zespolonych 29
2.4. Pierwiastkowanie liczb zespolonych

Definicja 2.4.1. Liczbę w nazywamy pierwiastkiem n-tego stopnia z liczby ze-
spolonej z (n ∈ N ), gdy
wn = z. Pierwiastki n-tego stopnia
O pierwiastkach stopnia naturalnego z liczby zespolonej mówi następujące
twierdzenie.
Twierdzenie 2.4.1. Każda liczba zespolona z = |z|(cos α+j sin α) różna od zera
ma dokładnie n różnych pierwiastków n-tego stopnia i wszystkie one określone
są wzorem
p α + 2kπ α + 2kπ Pierwiastki n-tego stopnia
wk = |z| cos
n
+ j sin , (2.28) z liczby zespolonej z
n n
p
gdzie k = 0, 1, . . . , n − 1, a n |z| jest pierwiastkiem arytmetycznym.
Dowód. Liczba w = |w|(cos ϕ + j sin ϕ) jest pierwiastkiem n-tego stopnia z liczby z
wtedy i tylko wtedy, gdy zachodzą następujące równoważności
wn = z (z def. pierwiastka)
⇔ |w|n (cos ϕ + j sin ϕ)n = |z|(cos α + j sin α)
⇔ |w|n (cos nϕ + j sin nϕ) = |z|(cos α + j sin α) (ze wzoru de Moivre’a)
⇔ |w|n = |z| i
nϕ = α + 2kπ dla k ∈ Z (z równości liczb)
p α + 2kπ
⇔ |w| = |z| i ϕ =
n
dla k ∈ Z
n p n o
⇔ w ∈ wk = n |z| cos α+2kπ
n
+ j sin α+2kπ
n
: k ∈ Z = P.
Dla zakończenia dowodu wystarczy teraz pokazać, że liczby w0 , w1 , . . . , wn−1 są różne

i P ⊆ {w0 , w1 , . . . , wn−1 }. W tym celu zauważmy najpierw, że dwie liczby wk i wl ze
zbioru P są równe wtedy i tylko wtedy, gdy
α+2kπ
n
= α+2lπ
n
+ 2mπ dla pewnej liczby m ∈ Z
⇔ k = l + mn dla pewnej liczby m ∈ Z
⇔ k i l różnią się o całkowitą krotność liczby n.
Ponieważ żadne dwie liczby ze zbioru {0, 1, . . . , n−1} nie różnią się o całkowitą krotność
liczby n, więc liczby w0 , w1 , . . . , wn−1 są różne. Niech teraz wl będzie dowolnym elemen-
tem ze zbioru P. Ponieważ liczba l różni się o całkowitą krotność liczby n od dokładnie
jednej liczby k ze zbioru {0, 1, . . . , n − 1}, więc wl = wk . Stąd P ⊆ {w0 , w1 , . . . , wn−1 }
i to kończy dowód twierdzenia.
p
Moduł każdej z liczb określonych wzorem
p (2.28) jest równy n |z|, więc wszyst-
kie one leżą na okręgu o promieniu n |z| i środku w początku układu współ-
rzędnych. Dodatkowo, dzielą one ten okrąg na n równych części, bo arg (w k ) −
arg (wk−1 ) = 2π/n dla k = 1, . . . , n − 1. Równoważnie, pierwiastki w0 , w1 , . . . ,
wn−1 stopnia n 3 z liczby zespolonej
p z są wierzchołkami n-kąta foremnego
wpisanego w okrąg o promieniu n |z| i środku w początku układu współrzęd-
nych.
Przykład 29. Obliczyć pierwiastki stopnia trzeciego z liczby

√
z = 1 + j 3.
√ √
Ponieważ |z| = |1 + j 3| = 2 i cos α = 12 oraz sin α = 23 , więc można przyjąć, że
arg (z) = π3 . Wtedy (na podstawie (2.28)) pierwiastkami stopnia trzeciego z liczby
√
6 z = 1 + j 3 są liczby √
w1 w0 = 3
2 cos π9 + j sin π9 ,
w0
√
w1 = 3 2 cos 79 π + j sin 79 π ,
√- √
3
2 w2 = 3 2 cos 139
π + j sin 139
π
przedstawione na rys. 2.13.
w2
Rys. 2.13 Z twierdzenia 2.4.1 dla jedności, tj. dla z = 1 = 1(cos 0 + j sin 0), mamy
następujący wniosek.
Wniosek 2.4.1. Pierwiastki n-tego stopnia z jedności określone są wzorem
2kπ 2kπ
Pierwiastki z jedności εk = cos + j sin (2.29)
n n
dla k = 0, 1, . . . , n − 1.
Warto zauważyć, że jeśli ε = ε1 , to (ponieważ εk = εk1 = εk dla k =
ε1
6 0, 1, . . . , n−1) liczby 1, ε, ε2 , . . . , εn−1 są wszystkimi pierwiastkami n-tego stop-
nia z jedności i – jak to już wcześniej powiedzieliśmy – liczby te są wierzchołkami
n-kąta foremnego wpisanego w okrąg o środku w początku układu współrzęd-
- nych i promieniu długości jeden, zob. rys. 2.14 dla n = 3, rys. 2.15 dla n = 4
1=ε0
i rys. 2.16 dla n = 6. Łatwo także zauważyć następującą własność pierwiastków
ε2 n-tego stopnia z jedności, własność która może być przydatna przy wyznaczaniu
pierwiastków n-tego stopnia z innych liczb zespolonych.
Rys. 2.14
Wniosek 2.4.2. Jeśli w jest jakimkolwiek pierwiastkiem n-tego stopnia z liczby
z 6= 0 i ε = cos 2π 2π
n + j sin n , to liczby
6
j w, wε, wε2 , . . . , wεn−1 (2.30)
są wszystkimi pierwiastkami n-tego stopnia z liczby z.
-
−1 1
Przykład 30. Wyznaczyć pierwiastki stopnia trzeciego z liczby (1 + j) 6 .
−j
Ponieważ w = (1 + j)2 = 2j √ jest pierwiastkiem stopnia trzeciego z liczby (1 + j)6
Rys. 2.15 i ε = cos 3 + j sin 3 = − 2 + j 23 jest pierwiastkiem stopnia trzeciego z jedności, więc
2π 2π 1
wobec wniosku 2.4.2 także liczby

√
1 3 √
wε = 2j − + j = − 3−j
2 2
i √ 2 √
1 3 1 3 √
wε2 = 2j − +j = 2j − − j = 3−j
2 2 2 2
są pierwiastkami stopnia trzeciego z liczby (1 + j)6 .
Przykład 31. Znaleźć wszystkie rozwiązania równania
6 (2x + 1)4 = (x − 2)4 .

ε2 ε1
Zauważmy, że x = 2 nie jest rozwiązaniem równania (2x + 1)4 = (x − 2)4 . Natomiast
dla x 6= 2 mamy równoważności
- 4
ε3 1=ε0 2x + 1 2x + 1 1 + 2εk
(2x + 1)4 = (x − 2)4 ⇔ =1⇔ = εk ⇔ x = ,
x−2 x−2 εk − 2
ε4 ε5 gdzie εk jest pierwiastkiem stopnia czwartego z jedności, εk = cos 2kπ 4
+ j sin 2kπ
4
(k = 0, 1, 2, 3). Stąd już łatwo można zaobserwować, że x jest rozwiązaniem równania
Rys. 2.16
(2x+1)4 = (x−2)4 wtedy i tylko wtedy, gdy x jest elementem zbioru {−3, −j, 1/3, j}.
2.4. Pierwiastkowanie liczb zespolonych 31
Pierwiastki stopnia drugiego z liczby zespolonej

Ponieważ pierwiastki stopnia drugiego z liczby zespolonej będą często pojawiały
się w naszych rozważaniach, poświęcamy im więcej uwagi. Przede wszystkim, jeśli
znana jest postać trygonometryczna liczby z, powiedzmy z = |z|(cos ϕ + j sin ϕ),
to wobec twierdzenia 2.4.1 pierwiastkami stopnia drugiego z liczby z są różniące
się znakiem liczby w0 i w1 , gdzie
p w0 , w1 – pierwiastki stop-
w0 = |z| cos(ϕ/2) + j sin(ϕ/2) nia drugiego z liczby zespo-
lonej z
i p
w1 = |z| cos(ϕ/2 + π) + j sin(ϕ/2 + π) = −w0 .
Przykład 32. Pierwiastkami stopnia drugiego z liczby −25 = 25(cos π+j sin π)
są liczby
√ π

π √ 3

3
w0 = 25 cos + j sin = 5j i w1 = 25 cos π + j sin π = −5j.
2 2 2 2
Podobnie pierwiastkami stopnia drugiego z liczby 4j = 4(cos π2 +j sin π2 ) są liczby

√ √
π π
±2 cos + j sin = ±( 2 + j 2).
4 4
Przy rozwiązywaniu równań kwadratowych zwykle wyznacza się pierwiastki

stopnia drugiego z liczby zespolonej zapisanej w postaci kanonicznej. Zauważmy,
że liczba w = x + jy jest pierwiastkiem stopnia drugiego z liczby zespolonej
z = a + jb (gdzie a, b, x, y ∈ R) wtedy i tylko wtedy, gdy w 2 = z, tj. wtedy
i tylko wtedy, gdy
(x + jy)2 = x2 − y 2 + 2xyj = a + jb. (2.31)
Równanie to jest równoważne układowi równań

2
x − y 2 = a,
(2.32)
2xy = b,
z którego łatwo można wyznaczyć liczby x i y (i dlatego także otrzymać liczbę

w = x + jy).
Przykład 33. Obliczyć pierwiastki stopnia drugiego z liczby 9 − 40j.
Niech x + jy (gdzie x, y ∈ R) będzie pierwiastkiem stopnia drugiego z liczby 9 − 40j.

Wtedy
(x + jy)2 = x2 − y 2 + 2xyj = 9 − 40j
i dlatego x2 − y 2 = 9, xy = −20 i x2 y 2 = 400. Otrzymane z pierwszego z tych równań
x2 = y 2 + 9 podstawiamy do trzeciego równania i otrzymujemy
y 4 + 9y 2 − 400 = 0.
Stąd zaś y 2 = 16 i dlatego
y = ±4 i x = − 20
y
= ∓5.
Zatem pierwiastkami stopnia drugiego z liczby 9 − 40j są liczby 5 − 4j oraz −5 + 4j.

W kolejnym twierdzeniu przedstawiamy jeszcze jeden sposób wyznaczania

pierwiastków stopnia drugiego z liczby zespolonej. W twierdzeniu tym sign (x)
1 dla x 0 jest “znakiem” liczby rzeczywistej x, tj. sign (x) = 1 dla x 0 oraz sign (x) = −1
sign (x) =
−1 dla x < 0 dla x < 0.
Twierdzenie 2.4.2. Jeśli a i b są liczbami rzeczywistymi, to pierwiastkami
stopnia drugiego z liczby z = a + jb są liczby
r r !
|z| + a |z| − a
w=± + j sign (b) . (2.33)
2 2
Dowód. Wystarczy zauważyć, że istotnie

p p 2
± (|z| + a)/2 + j sign (b) (|z| − a)/2 = a + jb.
Przykład 34. Korzystając z ostatniego twierdzenia, wyznaczyć pierwiastki

stopnia drugiego z liczby z = 3 + 4j.
Ponieważ z = a + jb = 3 + 4j i |z| = 5, więc wobec (2.33) pierwiastkami stopnia

drugiego z liczby 3 + 4j są
p p
w=± (5 + 3)/2 + j sign (4) (5 − 3)/2 = ±(2 + j).
Umiejętność wyznaczania pierwiastków stopnia drugiego z liczby zespolonej

jest ważna przy wyznaczaniu pierwiastków równania stopnia drugiego.
Twierdzenie 2.4.3. Pierwiastkami równania kwadratowego ax2 + bx + c = 0,

w którym a, b, c ∈ C i a 6= 0, są liczby
−b − δ −b + δ
x= i x= , (2.34)
2a 2a
gdzie δ jest jednym z dwóch pierwiastków stopnia drugiego z liczby ∆ = b 2 − 4ac.
Dowód. Jeśli δ jest pierwiastkiem stopnia drugiego z liczby ∆ = b2 − 4ac, to mamy
b2 − 4ac = δ 2 i

b 2 b2
ax2 + bx + c = a x2 + ab x + c
a
=a x+ 2a
+ c
a
− 4a2

b 2 b2 −4ac b 2 δ2
= a x+ 2a
− 4a2
=a x+ 2a
− 4a2
b
δ
b
δ

= a x+ 2a
+ 2a
x+ 2a
− 2a

= a x− −b−δ
2a
x− −b+δ
2a
.
Stąd wynika, że liczby x = −b±δ

2a
są pierwiastkami równania ax2 + bx + c = 0.
Przykład 35. Rozwiązać równanie x2 − 2x + 2 = 0.
Ponieważ ∆ = b2 − 4ac = −4 i pierwiastkiem stopnia drugiego z liczby ∆ = −4 jest

δ = ±2j, więc wobec (2.34) rozwiązaniem równania są liczby
−b ± δ
x= = 1 ± j.
2a
2.5. Wzory Eulera 33
Przykład 36. Rozwiązać równanie x2 − (2 + j)x + (−1 + 7j) = 0.
W tym przypadku jest ∆ = (2 + j)2 − 4(−1 + 7j) = 7 − 24j, |∆| = 25 i wobec (2.33)
jednym pierwiastkiem stopnia drugiego z liczby ∆ = 7 − 24j jest
p p
δ= (25 + 7)/2 − j (25 − 7)/2 = 4 − 3j.
Stąd i z (2.34) wynika, że rozwiązaniem równania są liczby
x1 = 3 − j i x2 = −1 + 2j.
2.5. Wzory Eulera

Funkcją wykładniczą ez i funkcjami trygonometrycznymi cos z i sin z zmiennej e ≈ 2, 7182 . . .
zespolonej z nazywa się funkcje określone szeregami potęgowymi:
X∞
zn z z2 zn
ez = =1+ + +... + + ..., (2.35)
n=0
n! 1! 2! n!
∞
X z 2n z2 z4 z6
cos z = (−1)n =1− + − +..., (2.36)
n=0
(2n)! 2! 4! 6!
X∞
z 2n+1 z3 z5 z7
sin z = (−1)n =z− + − + .... (2.37)
n=0
(2n + 1)! 3! 5! 7!
Funkcje określone powyższymi równościami są naturalnymi uogólnieniami

rzeczywistej funkcji wykładniczej ex i rzeczywistych funkcji trygonometrycznych
cos x i sin x.2 Z (2.35) po podstawieniu jz zamiast z otrzymujemy
(jz)2 (jz)3 (jz)4

ejz = 1 + jz + + + +...
2! 3! 4!
2 3 4 5
z jz z jz
= 1 + jz − − + + +....
2! 3! 4! 5!
Stąd zaś, po oddzieleniu składników zawierających z w potęgach parzystych od
tych, w których z występuje w potęgach nieparzystych, otrzymujemy

z2 z4 z3 z5
ejz = 1 − + −... +j z − + −... . (2.38)
2! 4! 3! 5!
Z (2.38), (2.36) i (2.37) jest oczywiste, że dla każdego z ∈ C mamy
ejz = cos z + j sin z. (2.39)
Z tych samych powodów

e−jz = cos z − j sin z. (2.40)
2
P∞ zn
W analizie matematycznej dowodzi się, że funkcje E(z) = n=0 n!
, C(z) =
P∞ z 2n P∞ z 2n+1
n=0
(−1)n (2n)! i S(z) = n=0
(−1)n (2n+1)! są określone dla każdej liczby zespolonej
P∞ xn
z ∈ C. Tamże dowodzi się, że dla każdego rzeczywistego x jest e x = n=0 n!
, cos x =
P∞ 2n
x
P∞ x 2n+1
n=0
(−1)n (2n)! i sin x = n=0
(−1)n (2n+1)! . Zatem funkcje zespolone E(z), C(z) i S(z) są
x
uogólnieniami funkcji rzeczywistych e , cos x i sin x. Z tego też względu są one oznaczane przez
ez , cos z i sin z i nazywane funkcją wykładniczą, cosinusem i sinusem zmiennej zespolonej z.
Dodając lub odejmując stronami równości (2.39) i (2.40), otrzymujemy
ejz + e−jz = 2 cos z i ejz − e−jz = 2j sin z.
Zatem między funkcją wykładniczą ez oraz funkcjami trygonometrycznymi cos z

i sin z zmiennej zespolonej z zachodzą następujące związki, zwane wzorami Eu-
lera.
Twierdzenie 2.5.1. Dla każdej liczby zespolonej z jest
ejz = cos z + j sin z, (2.41)
Wzory Eulera oraz

ejz + e−jz ejz − e−jz
cos z = i sin z = . (2.42)
2 2j
Przykład 37. Z (2.41) mamy ejπ = cos π + j sin π = −1 + j · 0 = −1, więc także
ejπ + 1 = 0.
Ostatnia równość jest związkiem pomiędzy podstawowymi stałymi matematycz-

nymi (0, 1, π, e oraz j). Przez studentów amerykańskich zależność ta została
uznana za najpiękniejszy wzór matematyki.
Z powyższych definicji i ze wzoru Eulera można otrzymać następujące wła-

sności funkcji wykładniczej ez .
Twierdzenie 2.5.2. Dla liczby zespolonej z = x + jy (gdzie x, y ∈ R) jest:

e x+jy x
= e (cos y + j sin y) (a) ez = ex+jy = ex ejy = ex (cos y + j sin y);

(b) |ejy | = 1, |ex+jy | = ex i arg ex+jy = y.
P ∞ xn
Dowodząc
P (a)
trzeba pokazać, że funkcja ex ·ejy , czyli iloczyn szeregów n=0 n!
∞ (jx)n P∞ (x+jy)n
i n=0 n! , jest identyczna z funkcją e x+jy
, czyli z szeregiem n=0 n! .
Formalny dowód tych zależności można znaleźć w podręcznikach analizy mate-
matycznej (przykładowo zob. [3]).3 Stwierdzenie (b) jest już prostą konsekwencją
(a) (oraz definicji modułu i argumentu liczby zespolonej). Z drugiej części (b)
łatwo wynika, że funkcja wykładnicza ez nie przyjmuje wartości 0.
Wniosek 2.5.1. Dla każdej liczby zespolonej z jest ez 6= 0.
Dla rzeczywistych liczb x1 , x2 , x oraz dla liczby naturalnej n jest ex1 ex2 =
e , ex1 /ex2 = ex1 −x2 i (ex )n = enx . Teraz udowodnimy, że te same własności
x1 +x2
ma funkcja wykładnicza ez zmiennej zespolonej z.
Wniosek 2.5.2. Dla każdych liczb zespolonych z1 , z2 i z oraz każdej liczby

naturalnej n jest
e z1
ez1 ez2 = ez1 +z2 , = ez1 −z2 i (ez )n = enz .
e z2
3 W wielu podręcznikach przyjmuje się, że iloczyn ex (cos y + j sin y) jest definicją funkcji
wykładniczej ex+jy (dla x, y ∈ R).

2.6. Postać wykładnicza liczby zespolonej 35
Dowód. Udowodnimy tylko pierwszą równość. Dwie następne wynikają z pierwszej.

Zauważmy, że jeżeli z1 = x1 + jy1 i z2 = x2 + jy2 (xi , yi ∈ R), to wobec twierdzenia
2.5.2 i 2.3.1 mamy
e z1 e z2 = ex1 +jy1 · ex2 +jy2
= ex1 (cos y1 + j sin y1 ) · ex2 (cos y2 + j sin y2 )

= ex1 +x2 cos(y1 + y2 ) + j sin(y1 + y2 )
= ex1 +x2 +j(y1 +y2 ) = e(x1 +jy1 )+(x2 +jy2 ) = ez1 +z2 .
Wniosek 2.5.3. ez = 1 wtedy i tylko wtedy, gdy z = 2kπj, gdzie k jest liczbą
całkowitą.
Dowód. Zauważmy najpierw, że jeśli k jest liczbą całkowitą, to e2kπj = cos 2kπ +
j sin 2kπ = 1 + j0 = 1.
Niech teraz z = x + jy (x, y ∈ R) będzie takie, że ez = ex (cos y + j sin y) = 1.
Wtedy ex sin y = 0 i dlatego y = lπ (dla pewnej liczby całkowitej l). Jednocześnie
ex cos y = ex cos lπ = ex (−1)l = 1 wtedy i tylko wtedy, gdy x = 0 i l jest liczbą
parzystą, l = 2k. Stąd z = x + jy = 0 + j2kπ = 2kπj dla pewnej liczby całkowitej k.
Wniosek 2.5.4. Dla liczb zespolonych z1 i z2 jest ez1 = ez2 wtedy i tylko wtedy,
gdy z1 − z2 = 2kπj dla pewnej liczby całkowitej k.
Z definicji funkcji trygonometrycznych cos z i sin z, ze wzorów Eulera oraz
z wniosków 2.5.1–2.5.4 łatwo wyprowadza się (i to bez odwoływania się do geome-
trii) wszystkie wzory redukcyjne i wszystkie tożsamości trygonometryczne znane
dla rzeczywistych funkcji trygonometrycznych. Tu przykładowo wyprowadzimy
wzór na sumę sinusów.
Przykład 38. Dla wszystkich zespolonych x i y jest

x+y x−y
sin x + sin y = 2 sin cos .
2 2
Ze wzorów Eulera ((2.41) i (2.42)) oraz z wniosku 2.5.2 mamy
x+y x+y x−y x−y
x+y x−y ej 2 − e−j 2 ej 2 + e−j 2
2 sin cos = 2· ·
2 2 2j 2
1
= ejx + ejy − e−jy − e−jx
2j
ejx − e−jx ejy − e−jy
= + = sin x + sin y.
2j 2j
2.6. Postać wykładnicza liczby zespolonej

Ponieważ każdą różną od zera liczbę zespoloną z można zapisać w postaci try-
gonometrycznej
z = |z|(cos ϕ + j sin ϕ),
gdzie ϕ = arg (z), więc wobec wzoru Eulera można ją także zapisać w postaci
Postać wykładnicza
z = |z|ejϕ , (2.43) liczby zespolonej
zwanej postacią wykładniczą liczby zespolonej z.
Przykładowo mamy
√ π √ 5π 7π
1+j = 2ej 4 i − 3 − j = 2e−j 6 = 2ej 6 .
Z własności liczb zespolonych w postaci trygonometrycznej natychmiast wy-
nikają następujące własności liczb zespolonych w postaci wykładniczej.
Wniosek 2.6.1. Dla liczb zespolonych z = |z|ejϕ i w = |w|ejψ oraz liczby

naturalnej n mamy:
(1) z = w wtedy i tylko wtedy, gdy |z| = |w| = 0 albo |z| = |w| > 0
i ϕ = ψ + 2kπ dla pewnej liczby całkowitej k;
(2) zw = |z||w|ej(ϕ+ψ) ;
(3) z n = |z|n ejnϕ (oraz (ejϕ )n = ejnϕ , co jest wzorem de Moivre’a);
(4) z = |z|e−jϕ ;
(5) 1
z =
1 −jϕ
|z| e (gdy z 6= 0);
|w| j(ψ−ϕ)
(6) z = |z| e
w
(gdy z 6= 0);
(7) pierwiastkami n-tego stopnia z liczby z = |z|ejϕ 6= 0 są liczby
p ϕ+2kπ
zk = n |z|ej n dla k = 0, 1, . . . , n − 1,
a pierwiastkami n-tego stopnia z jedności są liczby
2kπ
εk = e j n dla k = 0, 1, . . . , n − 1.
Przykład 39. Korzystając z postaci wykładniczej liczby zespolonej, rozwiązać

równanie (z)4 = −9|z 2|.
Załóżmy, że z = rejϕ . Ponieważ z = re−jϕ , |z| = r i −9 = 9ejπ , więc mamy równo-

ważności
(z)4 = −9|z 2 | ⇐⇒ r4 e−4jϕ = 9r2 ejπ
⇐⇒ r = 0 albo r = 3 i − 4ϕ = π + 2kπ (k ∈ Z)
⇐⇒ r = 0 albo r = 3 i ϕ = π4 + lπ 2
(l = 0, 1, 2, 3)
j( π + lπ )
⇐⇒ z = 0 albo z = 3e 4 2 (l = 0, 1, 2, 3).
3 3
Zatem rozwiązaniem równania są liczby z1 = 0, z2 = √
2
(1 + j), z3 = √
2
(−1 + j),
z4 = √32 (−1 − j) i z5 = √32 (1 − j).
2.7. Ćwiczenia
1. Znaleźć część rzeczywistą i urojoną następujących 4. Wyznaczyć i zaznaczyć w płaszczyźnie zbiór
liczb zespolonych: wszystkich z spełniających warunek:
4 − 3j 1 + j tg α
6
(a) (1 + 2j) ; (b) ; (c) ; (a) |z| + |z − 2j| = 2;
1+j 1 − j tg α
(b) |z + j| + |z − j| = 4.
2. Rozwiązać równania, w których niewiadome x i y są
5. Następujące liczby zapisać w postaci kartezjańskiej:
liczbami rzeczywistymi:
(a) (7 + 2j)x − (5 − 4j)y = −1 − j; (a) (2 + 3j)(1 + j)(7 − 3j)(7 − 3j);

(b) (1 + 2j)x + (3 − 5j)y = 1 − 3j; (b) 30 cos π + j sin π cos 3π
4
+ j sin 3π
4
;

(c) (5 − 8j)x + (7 + 3j)y = 2 − j; (c) 6 cos π
+ j sin π
cos 5
π + j sin 5
π ;
6 6 6 6
(d) (2 + 3j)x2 + (2 + j)x + (4 − 3j)y = 8 + 17j. ◦ ◦

(d) 3 cos 42 +j sin 42 cos 168 +j sin 168◦ ;
◦
√
3. Rozwiązać następujące równania, w których niewia- (e) 8(cos 147◦ +j sin 147◦ )
√ j;
2(cos 57◦ +j sin 57◦ )
doma z jest liczbą zespoloną:
π 12 π 20
(a) (1 + j)z + 2jz = 1 + 5j; (f ) cos 6 + j sin 6
π
cos 12
π
+ j sin 12
.
(b) zz + 2z = 19 + 4j; 6. Wyznaczyć postać trygonometryczną następujących
liczb:
(c) |z| − z = 1 + 2j;
3−j
(a) (5 + 5j) · ; (b) cos1+j tg α
;
(d) |z| + (1 + j)z = 4 + 7j; 2+j α+j sin α
(c) tg α + j; (d) 1 − cos x + j sin x;
(e) |(2 + j)z| − (3 − j)z = −5j; √ n √
1+j 3 (−1+j 3)4n
(f ) zz + 2(z − z) = 25 − 12j. (e) 1+j
; (f ) (1−j)8n
;
2.7. Ćwiczenia 37
√
(g) 14 − j 43 (− cos α + j sin α); 16. Korzystając z postaci wykładniczej liczby zespolonej,
√ √ √ √
(h)∗ 6 + 2 + j( 6 − 2). rozwiązać następujące równania:
5
(a) z 3 = j |zzz| ; (b) 8z|z| = (z)5 ;
100
X 27
X 11
X 6 6
√
7. Obliczyć: (a) j k ; (b) j k ; (c) (1 + j)k . (c) z = (z) ; (d) z 4 = (1 + j 3)|z|2 .
k=1 k=−15 k=0
17. (a) Oblicz (5 + 4j)3 i stąd wyznaczyć postać kano-
8. W tym zadaniu przez Arg (z) oznaczamy ten argu- niczną liczby (5 − 4j)3 ; (b) Zauważ, że 41 = 52 + 42 =
ment liczby z, który należy do przedziału (−π; πi (5 + 4j)(5 − 4j), a następnie przedstaw liczbę 413 jako
(albo do innego przedziału długości 2π). W płasz- sumę dwóch kwadratów.
czyźnie C lub R2 zaznaczyć zbiór tych liczb z, dla 18. Za pomocą sprzężenia wykazać, że |z − w|2 + |z +
których: w|2 = 2|z|2 + 2|w|2 . Wywnioskować stąd, że su-
(a) z = z 2 ; (b) |z − 1 + 2j| = |z − 4|; ma kwadratów wszystkich boków równoległoboku jest
(c) |z| < 1 − Re (z); (d) Arg (z − 2 + j) = π4 ; równa sumie kwadratów jego przekątnych.
(e) − π2 ¬ Arg (z 4 ) ¬ 34 π; 19. Biorąc pod uwagę potęgi liczby 2+j, pokaż, że wektor
(f ) |z − 4 + 5j| 2 i − π6 ¬ Arg (z− 1 − 3j) ¬ π2 ; [3, 4] dzieli kąt między wektorami [2, 1] i [2, 11] na
(g) − π4 ¬ Arg (1 + j)(z − 1 + 2j) ¬ 3π dwie równe części.
4
20. Wykazać, że trzy różne punkty z1 , z2 i z3 są wierz-
i |(3 + 4j)z − 25| ¬ 25;
chołkami trójkąta równobocznego, jeśli wiadomo, że
(h) Arg (z + 1 − j) = Arg (z − 3 − 2j);
|z1 | = |z2 | = |z3 | = r > 0 i z1 + z2 + z3 = 0.
(i) Arg (z + 1 − 2j) = Arg (z − 3 − j) + π; 21. Niech ω1 6= 0 będzie wierzchołkiem n-kąta foremnego
(j) |Arg (z − 1) − Arg (z + 1)| = π2 . o środku w punkcie s0 = 0. Znaleźć pozostałe wierz-
chołki tego n-kąta.
9. Wykazać, że dla liczby zespolonej z jest −1+j
22. Wyznaczyć część rzeczywistą i urojoną liczby 1+ √ .
3j
π √
Arg (z − 1) = Arg (z + 1) + Przedstawić liczby −1 + j oraz 1 + 3j w postaci
4 trygonometrycznej, a następnie pokazać, że cos 5π =
√ 12
√ 3−1 5π
wtedy i tylko wtedy, gdy |z − j| = 2 i Im (z) > 0. √
2 2
i wyznaczyć sin 12
.
10. Wyznaczyć wszystkie rozwiązania równania: 1
23. Pokazać, że jeśli |z| = 1, to z = .
(a) z 8 = 1; (b) z 3 = j; √
z
3
(c) z = −2 + 2j; (d) z 4 = 8 + 8 3j; 24. Pokazać, że jeśli z 6= −1, to z−1 z+1
jest liczbą urojoną
(e) z 4 = −j; (f ) z 4 = (1√− j)8 ; wtedy i tylko wtedy, gdy |z| = 1 i Im(z) 6= 0.
(g) z 6 = (1 + 2j)6 ; (h) z 3 = 4 2(1 + j). 25. Pokazać, że jeśli z 6= −1, to z−1 z+1
jest liczbą rzeczywi-
stą wtedy i tylko wtedy, gdy Im(z) = 0.
11. Wyznaczyć wszystkie zespolone rozwiązania nastę- 26. Korzystając ze wzoru de Moivre’a, przedstawić sin 4x
pujących równań: i cos 4x za pomocą sin x i cos x.
(a) (x + j)n + (x − j)n = 0; 27. Korzystając ze wzoru de Moivre’a, uzasadnić, że
n
(b) (x + 2)n − (x − 2)n = 0;
X 2n
n cos 2nx = (−1)k cos2(n−k) x sin2k x
(c) (x + 3j) j(x − 3j)n = 0;
+ 1+j i
2k
1+xj n k=0
(d) 1−xj
= 1−j tg α
tg α
; n−1
X 2n
(e) x5 + x4 + x3 + x2 + x + 1 = 0. sin 2nx = (−1)k cos2(n−k)−1 x sin2k+1 x.
2k + 1
k=0
12. Wyznaczyć pierwiastki stopnia drugiego z następu- 28. Znaleźć wzory na sumy cos α + cos 2α + . . . + cos nα
jących liczb zespolonych: oraz sin α + sin 2α + . . . + sin nα.
(a) (1 + 2j)2 ; (b) −5 + 12j; (c) −24 − 10j. 29. Wykazać, że jeśli z jest pierwiastkiem n-tego stopnia
13. Rozwiązać następujące równania: z jedynki, to także z jest pierwiastkiem n-tego stopnia
(a) x2 − 3x + 2, 5 = 0; z jedynki.
(b) x2 + 2jx − 5 = 0; 30. Niech z będzie pierwiastkiem n-tego stopnia z jedyn-
(c) x2 + (2 + 2j)x + 1 + 2j = 0; ki. Obliczyć wartości następujących sum:
(d) x2 − (3 + 7j)x − 10 + 11j = 0; (a) 1 + z + z 2 + . . . + z n−1 ;
(e) (3 + j)x2 + (1 − j)x − 6j = 0; (b) 1 + 2z + 3z 2 + . . . + nz n−1 ;
(f ) x2 + (8 − 5j)x − 19 + 43j = 0. (c) 1 + 4z + 9z 2 + . . . + n2 z n−1 .
31. Obliczyć iloczyn wszystkich pierwiastków n-tego
14. Znajdź cześć rzeczywistą i urojoną następujących stopnia z jedynki.
liczb: πj 3πj 32. Obliczyć sumę wszystkich pierwiastków n-tego stop-
(a) e2+3j ; (c) e 6 e 4 ; (e) sin 2j; nia z jedynki.
(b) e 4 ; (d) 2e 4 +3e 6 ; (f ) cos(1+j).
5πj πj πj
33. Obliczyć sumę k-tych potęg wszystkich pierwiastków
n-tego stopnia z jedynki, gdzie k jest liczbą całkowitą.
15. Dana jest liczba z = ea+bj , gdzie a i b są rzeczywiste. 34. Pokazać, że zbiór H = {z ∈ C : |z| = 1} jest grupą
Wyznaczyć: ze względu na mnożenie.
(a) |z|; (b) z; (c) z −1 ; 35. Wykazać, że zbiór H = {1, −1, j, −j} z mnożeniem
(d) Re(z); (e) Im(z); (f ) arg (z). jest grupą.
36. Pokazać, że zbiór Pn wszystkich pierwiastków 41. Wpisując TAK albo NIE, stwierdzić prawdziwość
n-tego stopnia z jedynki jest grupą przemienną ze każdego z następujących zdań:
względu na mnożenie liczb zespolonych. 1 ez jest liczbą dodatnią dla każdej liczby
∞
[ zespolonej z.
37. Udowodnić, że zbiór P = Pn jest multiplikatyw-
n=1
2 Nierówność | sin z| ¬ 1 jest prawdziwa dla
ną grupą abelową, gdzie Pn jest zbiorem wszystkich każdej liczby zespolonej z.
pierwiastków n-tego stopnia z jedynki dla n ∈ N . 3 Dla każdej liczby rzeczywistej ϕ i każdej liczby
38. Pokazać, że jeżeli liczba zespolona z0 jest pierwiast- całkowitej n jest (cos ϕ−j sin ϕ)n = cos nϕ−j sin nϕ.
kiem wielomianu P (z) o współczynnikach rzeczywi- 4 Kwadrat każdej liczby zespolonej jest nieuje-
stych, to także liczba z 0 jest pierwiastkiem wielomia- mną liczbą rzeczywistą.
nu P (z).
39. Wykazać, że podzbiór CR = {(a, 0) : a ∈ R} zbio- 5 Każda niezerowa liczba zespolona ma dwa
ru liczb zespolonych C ze zwykłym dodawaniem ⊕ różne pierwiastki stopnia drugiego.
i zwykłym mnożeniem ⊗ liczb zespolonych (zob. (2.2) 6 Jeśli z + z = 2z, to z jest liczbą rzeczywistą.
√
i (2.3)) jest ciałem. 7 Dla liczb rzeczywistych a i b jest a2 + b2 = 2,
40. Niech (F1 , ⊕1 , ⊗1 ) i (F2 , ⊕2 , ⊗2 ) będą ciałami. Mó- gdy (a + bj)3 = 8.
wimy, że ciało (F1 , ⊕1 , ⊗1 ) jest izomorficzne z cia- 8 Dla każdej liczby zespolonej z jest ez = ez .
łem (F2 , ⊕2 , ⊗2 ), gdy istnieje funkcja różnowartościo-
wa ϕ : F1 → F2 odwzorowująca zbiór F1 na zbiór F2 9 Jeśli z jest liczbą zespoloną, a n jest liczbą
i taka, że ϕ(x ⊕1 y) = ϕ(x) ⊕2 ϕ(y) oraz ϕ(x ⊗1 y) = naturalną, to częścią rzeczywistą liczby z n − (z)n
ϕ(x) ⊗2 ϕ(y) dla każdych elementów x, y ∈ F1 . Wy- jest zero.
kazać, że ciało liczb rzeczywistych (R, +, ·), gdzie + 10 Jeśli z i w są liczbami zespolonymi, to zw + zw
i · jest odpowiednio zwykłym dodawaniem i zwy- jest liczbą rzeczywistą.
kłym mnożeniem liczb rzeczywistych, jest izomorficz- 11 Jeśli z i w są liczbami zespolonymi, to zw − zw
ne z ciałem (CR , ⊕, ⊗) z poprzedniego zadania. jest liczbą czysto urojoną.
Rozdział 3
WIELOMIANY
3.1. Pierścień wielomianów

Definicja 3.1.1. Nieskończony ciąg
V = (a0 , a1 , a2 , . . .) (3.1) Wielomian
elementów ai ciała K nazywamy wielomianem nad ciałem K (albo wielomianem

o współczynnikach z ciała K), jeśli ai = 0 dla prawie wszystkich i ∈ N .
Element ai nazywamy i-tym współczynnikiem wielomianu (3.1). Czasami wy-
godnie jest i-ty współczynnik wielomianu V oznaczać przez (V )i . Zbiór wszy-
stkich wielomianów nad ciałem K oznaczamy przez K[x]. Wielomiany nad ciałem
liczb rzeczywistych, czyli elementy zbioru R[x], nazywamy wielomianami rzeczy-
wistymi. Podobnie, elementy zbioru C[x] nazywamy wielomianami zespolonymi.
Wielomian (0, 0, . . .) ∈ K[x], w którym wszystkie współczynniki są równe zeru,
nazywamy wielomianem zerowym.
Jeśli wielomian (3.1) nie jest zerowy, to jego stopniem nazywamy najwięk- Stopień wielomianu
szą liczbę naturalną k taką, że ak 6= 0. Przyjmujemy, że stopniem wielomianu
zerowego jest −∞. Stopień wielomianu V oznaczamy przez deg V .
Mówimy, że wielomiany V = (a0 , a1 , . . .) i W = (b0 , b1 , . . .) ze zbioru K[x]

są równe, piszemy V = W , wtedy i tylko wtedy, gdy ai = bi dla i = 0, 1, 2, . . .. Równość wielomianów
(Równoważnie, dla wielomianów V i W mamy V = W wtedy i tylko wtedy,
gdy (V )i = (W )i dla każdej liczby naturalnej i.) W zbiorze K[x] określamy dwa
działania dwuargumentowe – dodawanie i mnożenie wielomianów. (Wyniki tych
działań nazywamy odpowiednio sumą i iloczynem wielomianów.)
Definicja 3.1.2. Jeśli V i W są wielomianami nad ciałem K, powiedzmy
V = (a0 , a1 , . . .) i W = (b0 , b1 , . . .), to ich sumą jest ciąg
V + W = (a0 + b0 , a1 + b1 , a2 + b2 , . . .). (3.2) Suma wielomianów
Ciąg (3.2) jest wielomianem nad ciałem K, bo ai + bi ∈ K dla każdego

indeksu i ∈ N i jednocześnie ai + bi = 0 dla prawie wszystkich i, a na pewno
ai + bi = 0 dla i > max{deg V, deg W }. Stąd też wynika, że
deg(W + V ) ¬ max{deg W, deg V }.
Definicja 3.1.3. Jeśli V = (a0 , a1 , . . .) i W = (b0 , b1 , . . .) są wielomianami nad

ciałem K, to ich iloczynem nazywamy ciąg
V W = (c0 , c1 , c2 , . . . ), (3.3) Iloczyn wielomianów
w którym
c0 = a 0 b0 , c1 = a 0 b1 + a 1 b0 , c2 = a 0 b2 + a 1 b1 + a 2 b0
i ogólnie
i
X X
ci = aj bi−j = a k bl , (3.4)
j=0 k+l=i
40 3. Wielomiany
gdzie ostatnia suma rozciąga się na wszystkie indeksy naturalne k i l takie, że

k + l = i dla i ∈ N .
Pi
Jest oczywiste, że ci = j=0 aj bi−j ∈ K dla każdego i ∈ N . Zauważmy
teraz, że jeśli V i W są odpowiednio wielomianami stopnia n i m, deg V = n
i deg W = m, to wtedy an 6= 0 i aj = 0 dla j > n oraz bm 6= 0 i bj = 0 dla
j > m. Stąd łatwo wynika, że
cn+m = (a0 bn+m + . . . + an−1 bm+1 ) + an bm + (an+1 bm−1 + . . . + an+m b0 )
(3.5)
= (a0 0 + . . . + an−1 0) + an bm + (0 bm−1 + . . . + 0 b0 ) = an bm 6= 0,
a dla każdej liczby naturalnej l > 0 jest
cn+m+l = (a0 bn+m+l + . . . + an bm+l ) + (an+1 bm+l−1 + . . . + an+m+l b0 )
(3.6)
= (a0 0 + . . . + an 0) + (0 bm+l−1 + . . . + 0 b0 ) = 0.
To dowodzi, że ciąg (3.3), którego współczynniki są określone wzorem (3.4), jest

wielomianem nad ciałem K. Z (3.5) i (3.6) wynika jednocześnie, że jeśli V i W
są niezerowymi wielomianami, to
deg(V W ) = deg V + deg W. (3.7)
(Jeśli przyjmiemy, że dla każdej liczby naturalnej n jest (−∞) + n = −∞ =
n + (−∞) i jednocześnie (−∞) + (−∞) = −∞, to równość (3.7) zachodzi także
i wtedy, gdy V lub W jest wielomianem zerowym.)
Przykład 40. Jeśli V = (2, 3, 0, 2, 0, . . .) i W = (4, 2, 3, 0, . . .) są wielomianami

nad ciałem Z5 , to ich sumą jest wielomian
V +W = (2, 3, 0, 2, 0, . . .) + (4, 2, 3, 0, . . .)
= (2 ⊕5 4, 3 ⊕5 2, 0 ⊕5 3, 2 ⊕5 0, 0 ⊕5 0, . . .)
= (1, 0, 3, 2, 0, . . .)
i dla tego wielomianu jest deg(W + V ) = 3 = max{deg V, deg W }. Iloczynem
wielomianów V i W także jest wielomian i mamy
VW = (2, 3, 0, 2, 0, . . .)(4, 2, 3, 0, . . .)
= (c0 , c1 , c2 , . . .) = (3, 1, 2, 2, 4, 1, 0, . . .),
bo wobec (3.4) jest
0
X
c0 = aj b0−j = 2 ⊗5 4 = 3,
j=0
1
X
c1 = aj b1−j = (2 ⊗5 2) ⊕5 (3 ⊗5 4) = 1,
j=0
2
X
c2 = aj b2−j = (2 ⊗5 3) ⊕5 (3 ⊗5 2) ⊕5 (0 ⊗5 4) = 2,
j=0
3
X
c3 = aj b3−j = (2 ⊗5 0) ⊕5 (3 ⊗5 3) ⊕5 (0 ⊗5 2) ⊕5 (2 ⊗5 4) = 2,
j=0
4
X
c4 = aj b4−j = (2 ⊗5 0) ⊕5 (3 ⊗5 0) ⊕5 (0 ⊗5 3) ⊕5 (2 ⊗5 2) 5 (0 ⊗5 4) = 4,
j=0
5
X
c5 = aj b5−j = (2 ·5 0) ⊕5 (3 ⊗5 0) ⊕5 (0 ⊗5 0) ⊕5 (2 ⊗5 3) ⊕5 (0 ⊗5 2) ⊕5 (0 ⊗5 4) = 1,
j=0
oraz
ci = 0 dla i > 5 = 3 + 2 = deg V + deg W = deg (V W ).
3.1. Pierścień wielomianów 41
Twierdzenie 3.1.1. Jeśli K jest ciałem, to zbiór wielomianów K[x] z dzia-

łaniami określonymi wzorami (3.2) – (3.4) jest pierścieniem całkowitym, czyli
pierścieniem przemiennym z jednością i bez dzielników zera.
Uwaga. Teza twierdzenia pozostaje prawdziwa, gdy założymy, że K jest pier-
ścieniem całkowitym.
Dowód. Z przemienności i łączności dodawania w ciele K wynika przemienność oraz
łączność dodawania w zbiorze K[x], bo dla każdych wielomianów V, W, U ∈ K[x]
i każdej liczby naturalnej i jest
(V + W )i = (V )i + (W )i = (W )i + (V )i = (W + V )i
oraz
V + (W + U ) = (V )i + (W + U )i = (V )i + (W )i + (U )i
i
= (V )i + (W )i + (U )i = (V + W )i + (U )i

= (V + W ) + U i .
Łatwo zauważyć, że elementem neutralnym dodawania jest wielomian zerowy. Ele-

mentem przeciwnym do V = (a0 , a1 , . . .) jest −V = (−a0 , −a1 , . . .).
Z przemienności dodawania i mnożenia w ciele K wynika także przemienność mno-
żenia w zbiorze K[x], bo dla każdych wielomianów V i W oraz liczby naturalnej i mamy
X X
(V W )i = (V )k (W )l = (W )l (V )k = (W V )i .
k+l=i l+k=i
Zauważmy, że dla każdych wielomianów V, W, U ∈ K[x] oraz liczby naturalnej

i mamy
X X
V (W + U ) = (V )k (W + U )l = (V )k (W )l + (U )l
i
k+l=i k+l=i
X X
= (V )k (W )l + (V )k (U )l
k+l=i k+l=i
= (V W )i + (V U )i = (V W + V U )i .
To dowodzi, że w K[x] mnożenie jest rozdzielne względem dodawania, więc zachodzi

równość V (W + U ) = V W + V U . Mnożenie w zbiorze K[x] jest także łączne, bo dla
każdych wielomianów V, W i U oraz liczby naturalnej i jest
X X X
V (W U ) = (V )k (W U )l = (V )k (W )s (U )t
i
k+l=i k+l=i s+t=l
X X
= (V )k (W )s (U )t = (V W )r (U )t = (V W )U ,
i
k+s+t=i r+t=i
co dowodzi, że V (W U ) = (V W )U .
Wielomian E = (1, 0, 0, . . .) jest elementem neutralnym mnożenia, bo dla każdego
wielomianu V = (a0 , a1 , a2 , . . .) wobec (3.3) i (3.4) jest
EV = (1, 0, 0, . . .)(a0 , a1 , a2 , . . .) = (a0 , a1 , a2 , . . .) = V.
Z powyższych obserwacji wynika, że K[x] jest pierścieniem przemiennym z jed-

nością. Niech teraz V i W będą niezerowymi wielomianami i niech deg V = n oraz
deg W = m. Wtedy (V W )n+m = (V )n (W )m 6= 0 (zob. (3.5)) i dlatego iloczyn V W
jest niezerowy. Zatem K[x] jest pierścieniem bez dzielników zera i to kończy dowód
twierdzenia.
Wniosek 3.1.1. Jeśli V i W są wielomianami nad ciałem K i jeśli ich iloczyn

V W jest wielomianem zerowym, to przynajmniej jeden z wielomianów V i W
jest zerowy.
Niech X i Y będą niepustymi zbiorami. Oznaczmy przez F(X, Y ) zbiór
wszystkich funkcji f : X → Y . Weźmy teraz pod uwagę przekształcenie
T : K[x] → F(K, K),

42 3. Wielomiany
które każdemu wielomianowi V = (a0 , a1 , a2 , . . .) ∈ K[x] przyporządkowuje

funkcję TV ∈ F(K, K) taką, że dla każdego x ∈ K jest
TV (x) = a0 + a1 x + a2 x2 + . . . .
Funkcja wielomianowa Funkcję TV (x) nazywamy funkcją wielomianową odpowiadającą wielomianowi
V . Okazuje się, że to przyporządkowanie nie jest różnowartościowe. Przykłado-
wo, wielomiany V = (0, 1, 0, 0, 0, 3, 0, 0, . . .) i W = (0, 4, 0, 0, 0, . . .) z pierścienia
Z5 [x] są różne, ale odpowiadające im funkcje wielomianowe TV (x) = x + 3x5
i TW (x) = 4x są równe, bo dla każdego x z ciała Z5 jest TV (x) = x + 3x5 = 4x =
TW (x). Okazuje się, że jeśli ciało K jest nieskończone, to wyżej wspomniane
przekształcenie T jest już wzajemnie jednoznaczne. Dodatkowo, przekształcenie
T jest izomorfizmem, bo dla każdych dwóch wielomianów V = (a0 , a1 , a2 , . . .)
i W = (b0 , b1 , b2 , . . .) z pierścienia K[x] mamy
T (V + W ) = T (a0 + b0 , a1 + b1 , . . .) = (a0 + b0 ) + (a1 + b1 )x + . . .
= (a0 + a1 x + . . .) + (b0 + b1 x + . . .) = T (V ) + T (W ).
Dla iloczynu wielomianów V = (a0 , a1 , a2 , . . .) i W = (b0 , b1 , b2 , . . .), czyli dla
Pi
wielomianu V W = (c0 , c1 , . . .), gdzie ci = j=0 aj bi−j , także mamy
T (V W ) = T (c0 , c1 , . . .) = c0 + c1 x + c2 x2 + . . .
= (a0 b0 ) + (a0 b1 + a1 b0 )x + (a0 b2 + a1 b1 + a2 b0 )x2 + . . .
= (a0 + a1 x + a2 x2 + . . .)(b0 + b1 x + b2 x2 + . . .)
= T (V )T (W ).
Stąd i z twierdzenia 3.1.1 wynika, że zbiór funkcji wielomianowych
{a0 + a1 x + a2 x2 + . . . : (a0 , a1 , a2 , . . .) ∈ K[x]} (3.8)
jest pierścieniem izomorficznym z pierścieniem K[x]. Z tego też względu tak-
że zbiór (3.8) oznaczamy symbolem K[x], a elementy zbioru (3.8) nazywamy
wielomianami.
3.2. Podzielność wielomianów

Definicja 3.2.1. Niech V (x) i W (x) będą wielomianami z pierścienia K[x].
Podzielność wielomianów Mówimy, że wielomian V (x) jest podzielny przez wielomian W (x), gdy istnieje
V (x) – dzielna wielomian Q(x) ∈ K[x] taki, że
W (x) – dzielnik V (x) = W (x)Q(x). (3.9)
Q(x) – iloraz
Jeżeli dla wielomianów V (x), W (x) i Q(x) zachodzi równość (3.9), to mówimy, że
Q(x) jest ilorazem wielomianu V (x) przez wielomian W (x). W takim przypadku
mówimy też, że wielomian W (x) (jak i Q(x)) jest dzielnikiem albo czynnikiem
Wielomian nierozkładalny wielomianu V (x). Mówimy, że wielomian V (x) jest nierozkładalny w pierścieniu
K[x], gdy nie istnieją wielomiany dodatniego stopnia W (x), Q(x) ∈ K[x] takie,
że V (x) = W (x)Q(x).
Przykład 41. Wielomian W (x) = x + 4 dzieli wielomian V (x) = x3 + 2x2 −

4x + 16 w pierścieniu R[x], bo
W (x)Q(x) = (x + 4)(x2 − 2x + 4) = x3 + 2x2 − 4x + 16 = V (x).
Twierdzenie 3.2.1 (Twierdzenie o dzieleniu wielomianów). Jeżeli V (x)

i W (x) są wielomianami z pierścienia K[x] i W (x) 6= 0, to w pierścieniu K[x]
istnieją jednoznacznie wyznaczone wielomiany Q(x) i R(x) takie, że
V (x) = W (x)Q(x) + R(x) i deg R(x) < deg W (x). (3.10)
3.2. Podzielność wielomianów 43
Uwagi. 1. Wielomiany Q(x) i R(x) spełniające warunek (3.10) nazywamy od-

powiednio ilorazem i resztą z dzielenia wielomianu V (x) przez W (x). 2. Ponie-
waż przyjęliśmy, że stopniem wielomianu zerowego jest −∞, więc nierówność
deg R(x) < deg W (x) w (3.10) jest równoważna temu, że albo R(x) jest wielo-
mianem zerowym, albo wielomian R(x) jest niezerowy i wtedy 0 ¬ deg R(x) <
deg W (x).
Dowód. Wykażemy najpierw istnienie wielomianów Q(x) i R(x). Niech V (x) i W (x)
będą odpowiednio wielomianami stopnia n i m. Jeśli n < m, to wielomiany Q(x) ≡ 0
i R(x) ≡ V (x) mają własność (3.10). Załóżmy teraz, że 0 ¬ m ¬ n. W tym przypadku
tezy dowodzimy indukcyjnie ze względu na n. Jeśli n = 0, to także m = 0 i V (x) oraz
W (x) są niezerowymi elementami ciała K. Wtedy Q(x) = V (x)/W (x) i R(x) ≡ 0 mają
własność (3.10).
Niech teraz V (x) będzie wielomianem stopnia n > 0 i załóżmy, że dowodzo-
ne stwierdzenie jest prawdziwe dla wszystkich wielomianów mniejszego stopnia. Jeśli
V (x) = an xn + . . . + a1 x + a0 i W (x) = bm xm + . . . + b1 x + b0 , to bierzemy pod uwagę
wielomian
U (x) = V (x) − an b−1
m x
n−m
W (x) (3.11)
= (an xn + . . . + a0 ) − an b−1
m x
n−m
(bm xm + bm−1 xm−1 . . . + b0 )
= 0xn + (an−1 − an b−1
m bm−1 )x
n−1
+ ...,
którego stopień jest mniejszy od n. Z założenia indukcyjnego istnieją więc wielomiany

Q1 (x) i R(x) takie, że
U (x) = W (x)Q1(x) + R(x) i deg R(x) < deg W (x). (3.12)
Z (3.11) i (3.12) otrzymujemy

V (x) = an b−1
m x
n−m
W (x) + U (x) = an b−1
m x
n−m
W (x) + W (x)Q1 (x) + R(x)

= W (x) an b−1
m x
n−m
+ Q1 (x) + R(x) = W (x)Q(x) + R(x),
gdzie Q(x) = an b−1m x

n−m
+ Q1 (x) i deg R(x) < deg W (x). To kończy dowód pierwszej
części twierdzenia.
Dla dowodu jednoznaczności przypuśćmy, że istnieją wielomiany Q1 (x), Q2 (x),
R1 (x) i R2 (x) takie, że
V (x) = W (x)Q1 (x) + R1 (x) i V (x) = W (x)Q2 (x) + R2 (x),
gdzie deg R1 (x) < deg W (x) i deg R2 (x) < deg W (x). Wtedy

W (x) Q1 (x) − Q2 (x) = R2 (x) − R1 (x) (3.13)

i ponieważ deg R2 (x) − R1 (x) < deg W (x), więc Q1 (x) − Q2 (x) musi być wielomia-
nem zerowym. Stąd Q1 (x) = Q2 (x) i wtedy też wobec (3.13) jest R1 (x) = R2 (x).
To dowodzi, że iloraz Q(x) i reszta R(x), spełniające warunek (3.10), są wyznaczone
jednoznacznie.
W praktyce wyznaczając iloraz Q(x) i resztę R(x) z dzielenia wielomianu

V (x) przez wielomian W (x), gdzie V (x) = an xn +. . .+a1 x+a0 , W (x) = bm xm +
. . .+b1 x+b0 i deg V (x) = n m = deg W (x), posługujemy się (dobrze znanym)
algorytmem, który jest praktyczną realizacją dowodu poprzedniego twierdzenia.
W algorytmie tym wielokrotnie tworzymy różnicę (3.11) i powtarzamy ten proces
do chwili otrzymania różnicy, której stopień jest mniejszy od m = deg W (x).
Pierwszy krok wspomnianego algorytmu przedstawia następujący schemat:
an b−1
m x
n−m
an x + an−1 xn−1 + . . . + a1 x + a0
n : b m xm + . . . + b 0
an b−1
m x
n−m
· W (x)
V (x) − an b−1
m x
n−m · W (x)
44 3. Wielomiany
Przykład 42. Obliczyć iloraz Q(x) i resztę R(x) z dzielenia wielomianu V (x)
= 4x3 + x2 − x + 2 przez wielomian W (x) = x2 − x − 2 w pierścieniu R[x].
Zgodnie z powyższym schematem, dzieląc wielomian V (x) przez W (x), otrzymujemy
4x + 5
4x3 + x2 − x + 2 : x2 − x − 2
4x3 − 4x2 − 8x
5x2 + 7x + 2
5x2 − 5x − 10
12x + 12.
Stąd Q(x) = 4x + 5 i R(x) = 12x + 12.
Przykład 43. Wyznaczyć iloraz Q(x) i resztę R(x) z dzielenia wielomianu

V (x) = 4x4 + 2x3 + 6x2 + 4x + 3 przez wielomian W (x) = 3x2 + 2 w pierścieniu
Z7 [x].
Ponieważ pierwszymi współczynnikami wielomianów V (x) i W (x) są an = a4 = 4
i bm = b2 = 3, więc pierwszym składnikiem ilorazu tych wielomianów jest an b−1m x
n−m
= 4 · 3−1 x2 = 6x2 (bo w Z7 jest 3−1 = 5 i 4 · 5 = 6) i cały proces dzielenia wygląda

następująco:
6x2 + 3x + 5
4x4 + 2x3 + 6x2 + 4x + 3 : 3x2 + 2
4x4 + 5x2
2x3 + x2 + 4x + 3
2x3 + 6x
x2 + 5x + 3
x2 + 3
5x.
Zatem Q(x) = 6x2 + 3x + 5 i R(x) = 5x.
Wniosek 3.2.1 (Twierdzenie o reszcie). Jeśli V (x) ∈ K[x] i x0 ∈ K, to

resztą z dzielenia wielomianu V (x) przez x − x0 jest V (x0 ), czyli istnieje wielo-
mian Q(x) ∈ K[x] taki, że
V (x) = (x − x0 )Q(x) + V (x0 ). (3.14)
Dowód. Wobec twierdzenia 3.2.1 istnieją wielomiany Q(x) i R(x) takie, że
V (x) = (x − x0 )Q(x) + R(x) i deg R(x) < deg(x − x0 ). (3.15)
Ponieważ deg(x − x0 ) = 1, więc R(x) jest elementem ciała K i dlatego w szczególności

jest R(x) = R(x0 ). Z równości (3.15) dla x = x0 mamy V (x0 ) = (x0 − x0 )Q(x0 ) +
R(x0 ) = R(x0 ), więc także R(x) = V (x0 ) i dlatego mamy (3.14).
3.3. Schemat Hornera

Wielomian V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 możemy zapisać w tzw.
postaci zagnieżdżonej,
(3x + 2)x + 7 – postać
zagnieżdżona wielomianu
V (x) = . . . (an x + an−1 )x + an−2 x + . . . + a1 x + a0 .
3x2 + 2x + 7
Takie ustawienie nawiasów sugeruje następującą kolejność obliczania wartości
wielomianu V (x) dla x = x0 :
— przyjmujemy, że
y0 = a n (3.16)
jest początkową wartością wielomianu;
3.3. Schemat Hornera 45
— następnie, aż do wyczerpania wszystkich współczynników wielomianu, bieżą-

cą wartość yi wielomianu mnożymy przez x0 i powiększamy o współczynnik
an−i−1 , otrzymując
yi+1 = x0 yi + an−i−1 . (3.17)
Ostatnia tak wyliczona liczba yn = x0 yn−1 + a0 jest wartością V (x0 ) wielomianu
V (x). Ten sposób obliczania wartości wielomianu zwykle nazywa się schematem
(lub algorytmem) Hornera i realizuje za pomocą dwuwierszowej tabeli
an an−1 ··· a1 a0 Schemat Hornera

.
x0 y0 y1 ··· yn−1 yn
W górnym wierszu tej tabeli stoją kolejne współczynniki wielomianu V (x). Na-
tomiast w dolnym wierszu mamy x0 , y0 = an oraz kolejno wyznaczone liczby
y1 , . . . , yn . Te ostatnie wyznaczamy ze wzoru (3.17). Warto zauważyć, że w ogól-
nym przypadku obliczenie wartości wielomianu stopnia n za pomocą schematu
Hornera wymaga wykonania n mnożeń i n dodawań. A. Borodin udowodnił
w 1971 roku, że jest to najszybszy sposób obliczania wartości wielomianu.
Przykład 44. Za pomocą schematu Hornera obliczyć wartość wielomianu V (x)

= 5x3 − 3x2 + 10x + 7 dla x0 = 2.
Tworzymy tabelę
5 -3 10 7
.
2 5
W górnym wierszu wpisaliśmy kolejne współczynniki wielomianu V (x). W dolnym wpi-
saliśmy x0 = 2 i y0 = a3 = 5. W wolne miejsca kolejno wpisujemy liczby y1 = x0 y0 +
a2 = 2 · 5 + (−3) = 7, y2 = x0 y1 + a1 = 2 · 7 + 10 = 24 i y3 = x0 y2 + a0 = 2 · 24 + 7 = 55
otrzymując tabelę
5 -3 10 7
,
2 5 7 24 55
z której wnioskujemy, że V (2) = 55.
Schemat Hornera jest niezwykle przydatny przy wyznaczaniu ilorazu Q(x)

i reszty R(x) z dzielenia wielomianu V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0
przez dwumian x − x0 . To ostatnie jest oczywiste, bo wobec wniosku 3.2.1 jest
R(x) = V (x0 ), a wartość V (x0 ) można wyznaczyć za pomocą schematu Hornera.
Dla uzasadnienia pierwszej części przyjmijmy, że ilorazem z dzielenia wielomianu
V (x) przez dwumian x−x0 jest wielomian Q(x) = b0 xn−1 +b1 xn−2 +. . .+bn−2 x+
bn−1 . Wtedy
V (x) = (x − x0 )Q(x) + V (x0 )
= (x − x0 )(b0 xn−1 + b1 xn−2 + . . . + bn−2 x + bn−1 ) + V (x0 )
= b0 xn + (b1 − x0 b0 )xn−1 + . . . + (bn−1 − x0 bn−2 )x − x0 bn−1 + V (x0 )
i dlatego an = b0 , an−1 = b1 − x0 b0 , . . . , a1 = bn−1 − x0 bn−2 oraz a0 = V (x0 ) −

x0 bn−1 . Stąd zaś wynika, że
b0 = an , b1 = x0 b0 + an−1 , . . . , bn−1 = x0 bn−2 + a1 oraz V (x0 ) = x0 bn−1 + a0 ,
więc (wobec (3.16) i (3.17)) współczynniki wielomianu Q(x) (oraz reszta R(x))
są dokładnie tymi, które otrzymujemy w schemacie Hornera dla wielomianu V (x)
i x = x0 .
Przykład 45. Wyznaczyć iloraz i resztę z dzielenia wielomianu V (x) = x5 +

2x4 − x + 7 przez x + 2.
46 3. Wielomiany
Stosując schemat Hornera dla wielomianu V (x) i x0 = −2 otrzymujemy tabelę
1 2 0 0 -1 7
-2 1 0 0 0 -1 9
i z niej wynika, że ilorazem oraz resztą z dzielenia wielomianu V (x) przez x + 2 są

odpowiednio Q(x) = x4 − 1 i R(x) = 9 = V (−2).
3.4. Pierwiastki wielomianów

Definicja 3.4.1. Niech V (x) będzie wielomianem nad ciałem K. Element x0
Pierwiastek wielomianu ciała K nazywamy pierwiastkiem (albo zerem) wielomianu V (x), gdy V (x0 ) = 0.
Przykład 46. Wyznaczyć pierwiastki wielomianu V (x) = 2x2 + 3 w ciele Z5 .
Ponieważ dla elementów ciała Z5 = {0, 1, 2, 3, 4} jest
V (0) = 2 · 02 + 3 = 3, V (1) = 2 · 12 + 3 = 0, V (2) = 2 · 22 + 3 = 1,

V (3) = 2 · 32 + 3 = 1, V (4) = 2 · 42 + 3 = 0,
więc w ciele Z5 pierwiastkami wielomianu V (x) są x1 = 1 i x2 = 4.
Z definicji 3.2.1 i 3.4.1 oraz z wniosku 3.2.1 natychmiast otrzymujemy nastę-

pującą ważną własność pierwiastka wielomianu.
Twierdzenie Bézout Twierdzenie 3.4.1 (Bézout). Element x0 ciała K jest pierwiastkiem wielo-
mianu V (x) ∈ K[x] wtedy i tylko wtedy, gdy wielomian V (x) jest podzielny przez
dwumian x − x0 .
Dowód. Wobec wniosku 3.2.1 istnieje jednoznacznie wyznaczony wielomian Q(x) taki,
że
V (x) = (x − x0 )Q(x) + V (x0 ).
Stąd widać, że V (x) jest podzielny przez x − x0 wtedy i tylko wtedy, gdy V (x0 ) = 0,
czyli wtedy i tylko wtedy, gdy x0 jest pierwiastkiem wielomianu V (x).
Definicja 3.4.2. Element x0 ciała K jest k-krotnym pierwiastkiem wielomianu

V (x) ∈ K[x], gdy istnieje wielomian Q(x) ∈ K[x] taki, że
Pierwiastek k-krotny V (x) = (x − x0 )k Q(x) i Q(x0 ) 6= 0.
Pierwiastek wielokrotny Mówimy też, że x0 jest pierwiastkiem wielokrotnym wielomianu V (x), gdy x0 jest
k-krotnym pierwiastkiem wielomianu V (x) dla pewnej liczby naturalnej k 2.
Przykład 47. Liczba x0 = 2 jest 2-krotnym pierwiastkiem wielomianu V (x) =

x3 − 3x2 + 4, bo mamy V (x) = (x − 2)2 (x + 1) i dla wielomianu Q(x) = x + 1
jest Q(2) = 3 6= 0.
Krotność pierwiastka wielomianu o współczynnikach zespolonych możemy

wyznaczyć korzystając z następującego twierdzenia.
Twierdzenie 3.4.2. Liczba zespolona x0 jest k-krotnym pierwiastkiem wielo-
mianu V (x) ∈ C[x] wtedy i tylko wtedy, gdy
V (x0 ) = V 0 (x0 ) = . . . = V (k−1) (x0 ) = 0 oraz V (k) (x0 ) 6= 0.

3.4. Pierwiastki wielomianów 47
Dowód. Załóżmy, że x0 jest k-krotnym pierwiastkiem wielomianu V (x). Wtedy V (x)

= (x−x0 )k Q(x) dla pewnego wielomianu Q(x) ∈ C[x] i Q(x0 ) 6= 0. Ze wzoru Leibniza1
na pochodną iloczynu funkcji mamy
m
X m (j)
V (m) (x) = (x − x0 )k Q(m−j) (x)
j
j=0
m
X m
= k(k − 1) . . . (k − j + 1)(x − x0 )k−j Q(m−j) (x).
j
j=0
Łatwo teraz zauważyć, że dla m < k jest V (m) (x0 ) = 0. Natomiast dla m = k mamy
V (k) (x0 ) = k! Q(0) (x0 ) = k! Q(x0 ) 6= 0.
Załóżmy teraz, że V (x) jest wielomianem stopnia n i dla pewnego k (k ¬ n) jest

V (x0 ) = V 0 (x0 ) = . . . = V (k−1) (x0 ) = 0 i V (k) (x0 ) 6= 0. Wtedy ze wzoru Taylora2
mamy
n n
X V (i) (x0 ) X V (i) (x0 )
V (x) = (x − x0 )i = (x − x0 )i
i! i!
i=0 i=k
n
k
X V (i) (x0 )
= (x − x0 ) (x − x0 )i−k = (x − x0 )k Q(x),
i!
i=k
gdzie
V (k) (x0 ) V (k+1) (x0 ) V (n) (x0 )

Q(x) = + (x − x0 ) + . . . + (x − x0 )n−k
k! (k + 1)! n!
V (k) (x0 )
i widać stąd, że Q(x0 ) = k!
6= 0. To dowodzi, że x0 jest k-krotnym pierwiastkiem
wielomianu V (x).
Przykład 48. Wyznaczyć krotność pierwiastka x0 = 2j wielomianu
V (x) = x3 − 2jx2 + 4x − 8j ∈ C[x].
Ponieważ
V (x) = x3 − 2jx2 + 4x − 8j i V (2j) = −8j + 8j + 8j − 8j = 0,
V 0 (x) = 3x2 − 4jx + 4 i V 0 (2j) = −12 + 8 + 4 = 0,
V 00 (x) = 6x − 4j i V 00 (2j) = 12j − 4j 6= 0,
więc (wobec twierdzenia 3.4.2) liczba x0 = 2j jest 2-krotnym pierwiastkiem wielomianu

V (x).
Przykład 49. Wykazać, że wielomian rzeczywisty
V (x) = x5 + x4 + 1
nie ma pierwiastka wielokrotnego.
Jeśliby wielomian V (x) miał wielokrotny pierwiastek, to wobec twierdzenia 3.4.2 był-
by to jednocześnie pierwiastek wielomianu V 0 (x). Ponieważ pierwiastkami wielomianu
V 0 (x) = 5x4 + 4x3 są tylko liczby x0 = 0 i x00 = −4/5 i ponieważ żadna z tych liczb nie
m
X m (j)
1 Wzór Leibniza: (f (x)g(x))(m) = f (x)g (m−j) (x)
j
j=0
n
X V (i) (x0 )
2 Wzór Taylora: Jeśli deg V (x) = n, to V (x) = (x − x0 )i
i!
i=0
48 3. Wielomiany
jest pierwiastkiem wielomianu V (x) (bo V (x0 ) = V (0) = 1 6= 0 i V (x00 ) = V (−4/5) =

(−4/5)5 + (−4/5)4 + 1 6= 0), więc żadna z nich nie jest pierwiastkiem wielokrotnym
wielomianu V (x).
Twierdzenie 3.4.3. Wielomian stopnia n 0 nad ciałem K ma co najwyżej

n pierwiastków w ciele K.
Dowód indukcyjny ze względu na n. Jeśli V (x) ∈ K[x] i deg V (x) = 0, to V (x) ≡ a0 6=
0 i V (x) nie ma pierwiastków. Załóżmy prawdziwość tezy dla wielomianów stopnia n−1,
n 1. Niech teraz V (x) będzie wielomianem stopnia n. Jeśli V (x) nie ma pierwiastków
w ciele K, to oczywiście ma on co najwyżej n pierwiastków w ciele K. Jeśli x0 ∈ K
jest pierwiastkiem wielomianu V (x), to V (x) = (x − x0 )Q(x) dla pewnego Q(x) ∈ K[x]
i deg Q(x) = n − 1. Z założenia indukcyjnego wielomian Q(x) ma co najwyżej n − 1
pierwiastków w ciele K, więc V (x) ma co najwyżej n pierwiastków w ciele K – są nimi
x0 i pierwiastki wielomianu Q(x).
Wniosek 3.4.1. Wielomiany V (x) i W (x) nad nieskończonym ciałem K są

równe wtedy i tylko wtedy, gdy mają one identyczne współczynniki, czyli gdy
(V )i = (W )i dla każdego i ∈ N .
Dowód. Jest oczywiste, że jeśli (V )i = (W )i dla i ∈ N , to dla każdego x ∈ K jest
∞ ∞
X X
V (x) = (V )i xi = (W )i xi = W (x).
i=0 i=0
Załóżmy teraz, że V (x) = W (x) dla każdego x ∈ K. Wtedy każdy element x0

nieskończonego ciała K jest pierwiastkiem wielomianu T (x) = V (x) − W (x). To zaś
jest możliwe pod warunkiem, że T (x) jest wielomianem zerowym (bo wobec twierdze-
nia 3.4.3 każdy niezerowy wielomian ma skończoną liczbę pierwiastków). Stąd (V )i −
(W )i = (T )i = 0 i dlatego (V )i = (W )i dla każdego i ∈ N .
Wniosek 3.4.2. Załóżmy, że V (x) i W (x) są wielomianami stopnia co najwyżej

n i V (x), W (x) ∈ K[x]. Wielomiany V (x) i W (x) są równe wtedy i tylko wtedy,
gdy V (xi ) = W (xi ) dla n + 1 różnych elementów x1 , x2 , . . . , xn+1 z ciała K.
Dowód. Załóżmy, że V (xi ) = W (xi ) dla różnych elementów x1 , x2 , . . . , xn+1 z ciała
K. Wtedy elementy x1 , x2 , . . . , xn+1 są różnymi pierwiastkami wielomianu T (x) =
V (x) − W (x). Ponieważ T (x) jest wielomianem stopnia co najwyżej n i ponieważ ma
on więcej niż n pierwiastków, więc wobec twierdzenia 3.4.3 wielomian T (x) musi być
wielomianem zerowym. Stąd zaś wynika równość wielomianów V (x) i W (x).
Przeciwna implikacja jest oczywista.
Następujące twierdzenie – zwane zasadniczym twierdzeniem algebry – po-

wiada, że każdy wielomian (dodatniego stopnia) nad ciałem liczb zespolonych
ma pierwiastek zespolony.
Zasadnicze tw. algebry Twierdzenie 3.4.4 (Zasadnicze twierdzenie algebry). Jeśli V (x) jest wie-
lomianem nad ciałem liczb zespolonych i deg V (x) > 0, to V (x) ma pierwiastek
w ciele C.
Znanych jest wiele dowodów tego twierdzenia. Pierwszy podał C. F. Gauss
w swojej pracy doktorskiej z roku 1799 i noszącej tytuł “Dowód twierdzenia,
że każdą całkowitą funkcję wymierną jednej zmiennej można rozłożyć na rze-
czywiste czynniki pierwszego lub drugiego stopnia”. (Gauss podał też trzy inne
dowody tego twierdzenia.) Ponieważ w każdym z nich korzysta się z dość za-
awansowanych metod analizy matematycznej lub algebry, nie przedstawimy tu
dowodu tego twierdzenia. Dowody te można znaleźć m.in. w [5], [12], [13] i [14].
Następujący wniosek o rozkładzie wielomianu na iloczyn dwumianów jest prostą
konsekwencją twierdzenia 3.4.4.
Wniosek 3.4.3. Jeśli V (x) jest wielomianem nad ciałem liczb zespolonych
i deg V (x) = n > 0, to V (x) ma dokładnie n (niekoniecznie różnych) pierwiast-
ków x1 , x2 , . . . , xn w ciele C i może on być przedstawiony w postaci iloczynu
Rozkład wielomianu
V (x) = a(x − x1 )(x − x2 ) . . . (x − xn ), (3.18) na czynniki liniowe
– iloczyn dwumianów
gdzie a jest liczbą różną od zera.
Dowód indukcyjny ze względu na n. Teza jest oczywista dla n = 1. Załóżmy teraz
prawdziwość tezy dla wielomianów stopnia n − 1, gdzie n 2, i weźmy pod uwagę
wielomian V (x) ∈ C[x] stopnia n. Wobec twierdzenia 3.4.4 istnieje liczba x1 ∈ C taka,
że V (x1 ) = 0. Zatem, wobec twierdzenia 3.4.1, istnieje wielomian Q(x) ∈ C[x] stopnia
n − 1 taki, że
V (x) = (x − x1 )Q(x).
Z założenia indukcyjnego dla wielomianu Q(x) istnieją liczby zespolone x2 , x3 , . . . xn
i a takie, że
Q(x) = a(x − x2 )(x − x3 ) . . . (x − xn ).
Stąd i z twierdzenia 3.4.3 wynika, że x1 , x2 , . . . , xn są wszystkimi pierwiastkami wie-
lomianu V (x) i mamy
V (x) = (x − x1 )Q(x) = a(x − x1 )(x − x2 ) . . . (x − xn ).
Wniosek 3.4.4. Niech V (x) będzie wielomianem stopnia n nad ciałem liczb
zespolonych. Jeśli liczby zespolone x1 , x2 , . . . , xm są pierwiastkami wielomianu
V (x) o krotnościach odpowiednio k1 , k2 , . . . , km i k1 + k2 + . . . + km = n, to
V (x) = a(x − x1 )k1 (x − x2 )k2 . . . (x − xm )km (3.19)
dla pewnej niezerowej liczby a.

Teoretycznie każdy wielomian o współczynnikach zespolonych można przed-
stawić w postaci (3.18) i (3.19). Praktycznie są z tym problemy, bo dla wielo-
mianów stopnia co najmniej piątego nie znamy (i – jak to wynika z teorii Abela
– nigdy nie poznamy) możliwości przedstawienia pierwiastków wielomianu za
pomocą pierwiastkowania i działań arytmetycznych na współczynnikach wielo-
mianu. W praktyce, przedstawiając wielomian w postaci iloczynu dwumianów,
korzystamy (tam gdzie jest to możliwe i/lub celowe) ze wzorów na pierwiastki
wielomianów niskiego stopnia, ze wzorów na pierwiastki z liczb zespolonych oraz
z przekształceń algebraicznych.
Przykład 50. Podane wielomiany zespolone przedstawić w postaci iloczynu

dwumianów:
(a) V (x) = x3 + 8j;
(b) V (x) = x3 − (3 + j)x2 + (1 + 8j)x + 1 − 7j;
(c) V (x) = x4 + jx2 + 6.
3
(a) Pierwiastkami wielomianu
√ V (x)√= x + 8j są pierwiastki trzeciego stopnia
z liczby −8j, czyli liczby 2j, − 3 − j i 3 − j. Zatem
√ √
V (x) = x3 + 8j = (x − 2j)(x + 3 + j)(x − 3 + j).
(b) Łatwo zauważyć, że x = 1 jest pierwiastkiem wielomianu V (x). Ponieważ

ilorazem z dzielenia wielomianu V (x) przez dwumian x − 1 jest trójmian Q(x) =
x2 − (2 + j)x − 1 + 7j i ponieważ pierwiastkami tego trójmianu są liczby 3 − j i −1 + 2j
(zob. przykład 36), więc
V (x) = (x − 1)(x − 3 + j)(x + 1 − 2j).

50 3. Wielomiany
(c) Tym razem wielomian V (x) przedstawimy w postaci iloczynowej bez uprzed-
niego wyznaczania jego pierwiastków. Za pomocą prostych przekształceń otrzymujemy

j2 j2
V (x) = x4 + jx2 + 6 = x4 + jx2 + 4
− 4
+6

j 2 2 2
= 2
x + 2
+ 254
= x 2
+ 2j − 5
2
j
2 j
2 j

= x + 2
− 5
2
j x + 2
+ 52 j = (x − 2j)(x2 + 3j)
2
√ √ √ √
= (x − 1 − j)(x + 1 + j) x + 2
6
− 2
6
j x− 2
6
+ 2
6
j .
Każdy wielomian stopnia n o współczynnikach rzeczywistych ma wobec wnio-

sku 3.4.3 dokładnie n pierwiastków zespolonych (uwzględniając pierwiastki wie-
lokrotne) i oczywiście nie muszą to być liczby rzeczywiste. Przykładowo, wielo-
mian x2 + 1 ∈ R[x] ma dwa pierwiastki zespolone, j i −j, ale nie ma on żadnego
pierwiastka rzeczywistego. Wielomian
√
x3 + 1
√
∈ R[x] ma trzy pierwiastki zespo-
lone – są nimi liczby −1, 2 + j 2 i 2 − j 23 (które są pierwiastkami stopnia
1 3 1
3 z liczby −1) i tylko jeden z tych pierwiastków jest liczbą rzeczywistą. Warto
zwrócić uwagę na fakt, że w obu przykładach liczby sprzężone z0 i z0 jednocześnie
są pierwiastkami tego samego wielomianu. Następne twierdzenie pokazuje, że to
“chodzenie parami” pierwiastków sprzężonych jest własnością charakterystyczną
pierwiastków wielomianów o współczynnikach rzeczywistych (zob. także zadanie
23). W dowodzie tego twierdzenia skorzystamy z następującego oznaczenia: jeśli
V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 ∈ C[x], to przez V (x) oznaczamy
wielomian sprzężony z wielomianem V (x), wielomian, którego współczynniki są
liczbami sprzężonymi do odpowiednich współczynników wielomianu V (x), czyli
V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 .
Twierdzenie 3.4.5. Niech V (x) będzie wielomianem o współczynnikach rzeczy-

wistych. Jeśli liczba zespolona z0 jest k-krotnym pierwiastkiem wielomianu V (x),
to także jej sprzężenie z0 jest k-krotnym pierwiastkiem wielomianu V (x).
Dowód. Niech z0 będzie k-krotnym pierwiastkiem wielomianu V (x). Wtedy wobec
definicji 3.4.2 istnieje wielomian Q(x) ∈ C[x] taki, że
V (x) = (x − z0 )k Q(x) i Q(z0 ) 6= 0.
Stąd i z własności sprzężenia liczb zespolonych (zob. twierdzenie 2.2.1) mamy
V (x) = (x − z0 )k Q(x) i Q(z0 ) 6= 0.
Ponieważ V (x) jest wielomianem o współczynnikach rzeczywistych, więc mamy V (x)

= V (x) i dlatego także
V (x) = (x − z0 )k Q(x) i Q(z0 ) 6= 0 (bo Q(z0 ) = Q(z0 ) 6= 0).
To oznacza, że liczba z0 jest k-krotnym pierwiastkiem wielomianu V (x).
Przykład 51. Liczba 1 − j jest pierwiastkiem wielomianu
V (x) = x4 + x3 − 14x2 + 26x − 20.
Wyznaczyć wszystkie pozostałe pierwiastki wielomianu V (x).
Ponieważ V (x) jest wielomianem o współczynnikach rzeczywistych i liczba 1 − j jest

jego pierwiastkiem, więc wobec twierdzenia 3.4.5 także liczba 1 + j jest pierwiastkiem
wielomianu V (x). Zatem wielomian V (x) jest podzielny przez dwumiany x − (1 − j)
i x − (1 + j), więc

V (x) = x − (1 − j) x − (1 + j) Q(x) = (x2 − 2x + 2)Q(x).
Dzieląc V (x) przez x2 − 2x + 2 znajdujemy Q(x) = x2 + 3x − 10. Stąd

V (x) = x − (1 − j) x − (1 + j) (x2 + 3x − 10)

= x − (1 − j) x − (1 + j) (x − 2)(x + 5)
i dlatego liczby 1 − j, 1 + j, 2 oraz −5 są pierwiastkami wielomianu V (x).
Z wniosku 3.4.4 i twierdzenia 3.4.5 wynika, że każdy wielomian rzeczywisty

można przedstawić w postaci iloczynu rzeczywistych nierozkładalnych wielomia-
nów stopnia co najwyżej drugiego. Dokładniej mamy następujący wniosek.
Wniosek 3.4.5. Niech V (x) będzie rzeczywistym wielomianem stopnia n > 0.

Niech x1 , . . . , xr będą jego rzeczywistymi pierwiastkami o krotnościach odpowied-
nio k1 , . . . , kr i niech z1 , z1 , . . . , zs , zs (gdzie Im(zj ) 6= 0 dla j = 1, . . . , s)
będą jego zespolonymi pierwiastkami o krotnościach odpowiednio l 1 , . . . , ls . Jeśli
k1 + k2 + . . . + kr + 2(l1 + . . . + ls ) = n, to
r
Y s
Y
V (x) = a (x − xi )ki (x2 + pj x + qj )lj , (3.20)
i=1 j=1
gdzie a ∈ R − {0} oraz ∆j = p2j − 4qj < 0 dla j = 1, . . . , s.

Dowód. Z twierdzenia 3.4.5 i wniosku 3.4.4 wynika, że istnieje liczba a ∈ C − {0} taka,
że
r
Y s
Y lj
V (x) = a (x − xi )ki (x − zj )(x − zj )
i=1 j=1
r s
Y ki
Y lj
= a (x − xi ) x2 − (zj + zj )x + zj zj
i=1 j=1
r s
Y ki
Y
= a (x − xi ) (x2 + pj x + qj )lj ,
i=1 j=1
gdzie pj = −(zj + zj ) = −2Re(zj ), qj = zj zj = Re2 (zj ) + Im2 (zj ) oraz ∆j = p2j −

4qj = − 4Im2 (zj ) < 0. Z faktu, że współczynniki V (x) oraz liczby pj i qj (j = 1, . . . , s)
są liczbami rzeczywistymi wynika, że także liczba a jest rzeczywista.
Przykład 52. Wielomian V (x) = x4 + 1 przedstawić w postaci iloczynu rze-

czywistych wielomianów stopnia co najwyżej drugiego.
Ponieważ pierwiastkami wielomianu V (x) = x4 + 1 są pierwiastki czwartego stopnia

z liczby −1, więc mamy
√ √ √ √ √ √ √ √
2 2 2 2 2 2 2 2
V (x) = x− − j x+ − j x+ + j x− + j .
2 2 2 2 2 2 2 2
Teraz, tak jak w dowodzie wniosku 3.4.5, grupujemy i wymnażamy czynniki odpowia-
dające sprzężonym pierwiastkom i otrzymujemy
h √ √ √ √ ih √ √ √ √ i
2 2 2 2 2 2 2 2
V (x) = x− 2
− 2
j x− 2
+ 2
j x+ 2
− 2
j x+ 2
+ 2
j
2 2
√ √ √ √
2 1 2 1
= x− 2
+ 2
x+ 2
+ 2
= (x2 − 2x + 1)(x2 + 2x + 1).
Ten sam rozkład można otrzymać przez proste przekształcenia, bo mamy

√
V (x) = x4 + 1 = (x4 + 2x2 + 1) − 2x2 = (x2 + 1)2 − ( 2x)2
√ √ √ √
= (x2 + 1 − 2x)(x2 + 1 + 2x) = (x2 − 2x + 1)(x2 + 2x + 1).
52 3. Wielomiany
Skupimy teraz naszą uwagę na pierwiastkach wymiernych wielomianów z wy-

miernymi współczynnikami. Ponieważ pierwiastki wielomianu nie zmieniają się
przy mnożeniu wielomianu przez niezerową liczbę, więc w następnym twierdzeniu
możemy ograniczyć się do wielomianów o współczynnikach całkowitych.
Twierdzenie 3.4.6. Niech V (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 będzie

wielomianem dodatniego stopnia, którego współczynniki są liczbami całkowity-
mi. Niech p i q będą liczbami całkowitymi względnie pierwszymi. Jeśli ułamek
p/q jest pierwiastkiem wielomianu V (x), to p dzieli wyraz wolny a0 , a q dzieli
współczynnik wiodący an wielomianu V (x).
Dowód. Załóżmy, że p/q jest pierwiastkiem wielomianu V (x). Wtedy

n n−1
p p p p
V = an + an−1 + . . . + a1 + a0 = 0. (3.21)
q q q q
Z (3.21), po pomnożeniu przez q n , otrzymujemy
an pn + an−1 pn−1 q + . . . + a1 pq n−1 + a0 q n = 0, (3.22)
więc także
p(an pn−1 + an−1 pn−2 q + . . . + a1 q n−1 ) = −a0 q n .
Stąd wynika, że p dzieli liczbę a0 q n i dlatego p dzieli a0 , bo p i q są względnie pierwsze.
Podobnie z równości (3.22) mamy
q(an−1 pn−1 + . . . + a1 pq n−2 + a0 q n−1 ) = −an pn
i stąd także wynika, że q jest dzielnikiem liczby an .
Przykład 53. Wyznaczyć wszystkie pierwiastki wielomianu V (x) = 2x3 −9x2 +

14x − 5 znajdując najpierw wymierne pierwiastki tego wielomianu.
Jeśli liczba wymierna p/q (zapisana w postaci nieskracalnej) jest pierwiastkiem wie-
lomianu V (x) = 2x3 − 9x2 + 14x − 5, to wobec twierdzenia 3.4.6 jej licznik p jest
dzielnikiem wyrazu wolnego a0 = −5, a mianownik q jest dzielnikiem współczynnika
wiodącego a3 = 2. Dlatego
n o
p 1 5
p ∈ {±1, ±5}, q ∈ {±1, ±2} i ∈ ±1, ± , ±5, ± .
q 2 2
Ponieważ żadna rzeczywista liczba ujemna nie może być pierwiastkiem wielomianu
V (x) (bo dla każdej
liczby x0 < 0 jest V (x0 ) < 0), więc spośród liczb wymiernych
jedynie liczba pq ∈ 1, 12 , 5, 52 może być pierwiastkiem wielomianu V (x). Obliczając
wartość wielomianu V (x) dla możliwych ułamków p/q, znajdujemy

1 5 25
V (1) = 2, V = 0, V (5) = 90 i V =− .
2 2 2
Dlatego jedynym pierwiastkiem wymiernym wielomianu V (x) jest 21 . Dzieląc teraz V (x)
przez x − 21 , otrzymujemy

1
V (x) = x − (2x2 − 8x + 10) = (2x − 1)(x2 − 4x + 5).
2
Pozostałe pierwiastki wielomianu V (x) są pierwiastkami ilorazu
Q(x) = x2 − 4x + 5 = (x2 − 4x + 4) + 1
= (x − 2)2 − j 2 = (x − 2 − j)(x − 2 + j).
Ostatecznie pierwiastkami wielomianu V (x) są liczby 1/2, 2 + j i 2 − j.

3.5. Wielomiany względnie pierwsze 53
3.5. Wielomiany względnie pierwsze

Definicja 3.5.1. Niech V (x) i W (x) będą wielomianami z pierścienia K[x].
Mówimy, że wielomiany V (x) i W (x) są względnie pierwsze, gdy nie są one Wielomiany względnie
jednocześnie wielomianami zerowymi i nie są jednocześnie podzielne przez żaden pierwsze
wielomian dodatniego stopnia.
Przykład 54. Wielomiany
V (x) = (x − 1)(x + 2) i W (x) = (x + 2)(x + 3)
nie są względnie pierwsze, bo każdy z nich jest podzielny przez x + 2, wielomian

dodatniego stopnia. Natomiast wielomiany
V (x) = (x − 1)(x + 2) i U (x) = (x − 2)(x + 3)
są względnie pierwsze, bo nie mają one wspólnego dzielnika dodatniego stopnia.
Twierdzenie 3.5.1. Jeśli wielomiany V (x) i W (x) z pierścienia K[x] są nieze-

rowe i względnie pierwsze, to w pierścieniu K[x] istnieją wielomiany P (x) i Q(x)
takie, że
P (x)V (x) + Q(x)W (x) = 1. (3.23)
Dowód. Przedstawiamy dowód indukcyjny ze względu na liczbę n = min{deg V (x),
deg W (x)}. Jeśli n = 0, to co najmniej jeden z wielomianów V (x) i W (x) jest niezerową
stałą i, oczywiście, dla nich istnieją takie wielomiany P (x) i Q(x), że zachodzi (3.23).
(Przykładowo, jeśli V (x) ≡ V i V 6= 0, to dla wielomianów P (x) ≡ 1/V i Q(x) ≡ 0
mamy (3.23).)
Załóżmy z kolei, że dowodzone stwierdzenie jest prawdziwe dla każdych niezerowych
i względnie pierwszych wielomianów V1 (x) i W1 (x) takich, że min{deg V1 (x), deg W1 (x)}
< n, gdzie n jest pewną dodatnią liczbą naturalną. Niech teraz V (x) i W (x) bę-
dą względnie pierwszymi wielomianami takimi, że min{deg V (x), deg W (x)} = n. Bez
zmniejszenia ogólności możemy założyć, że deg V (x) deg W (x) = n.
Wobec twierdzenia 3.2.1 w pierścieniu K[x] istnieją wielomiany Q(x) i R(x) takie,
że
V (x) = Q(x)W (x) + R(x) i deg R(x) < n = deg W (x). (3.24)
Z faktu, że W (x) i V (x) są względnie pierwsze łatwo wynika, że R(x) nie jest wielo-
mianem zerowym. (Inaczej byłoby V (x) = Q(x)W (x) i wbrew założeniu wielomiany
V (x) i W (x) byłyby podzielne przez wielomian dodatniego stopnia, np. byłyby one po-
dzielne przez sam wielomian W (x).) Dodatkowo, wielomiany W (x) i R(x) są względnie
pierwsze. (Gdyby było inaczej, to istniałby wielomian dodatniego stopnia, powiedzmy
S(x), dzielący jednocześnie W (x) i R(x). Wtedy, wobec (3.24), wielomian S(x) byłby
jednoczesnym dzielnikiem wielomianów V (x) i W (x), co przeczyłoby założeniu, że są
one względnie pierwsze.) Ponieważ deg R(x) < n, więc min{deg V (x), deg R(x)} < n
e
i wobec założenia indukcyjnego istnieją wielomiany Q(x) i P (x) takie, że
e
Q(x)W (x) + P (x)R(x) = 1. (3.25)
A wtedy z (3.24) i (3.25) otrzymujemy (3.23), bo mamy

e
1 = Q(x)W (x) + P (x) V (x) − Q(x)W (x)

e − P (x)Q(x) W (x)
= P (x)V (x) + Q(x)
= P (x)V (x) + Q(x)W (x),
e − P (x)Q(x).
gdzie Q(x) = Q(x)
Dowód twierdzenia 3.5.1 sugeruje, w jaki sposób dla względnie pierwszych
wielomianów V (x) i W (x) można wyznaczyć wielomiany P (x) i Q(x) spełniajace
zależność (3.23).
54 3. Wielomiany
Przykład 55. Dla względnie pierwszych wielomianów V (x) i W (x) wyznaczyć

wielomiany P (x) i Q(x) takie, że P (x)V (x) + Q(x)W (x) ≡ 1, gdy:
(a) V (x) = x2 + x − 1 i W (x) = 4;
(b) V (x) = x2 + x − 1 i W (x) = x − 2;
(c) V (x) = x2 + x − 1 i W (x) = x2 + 2.
(a) Zauważmy, że wielomian W (x) jest niezerową stałą, W (x) ≡ 4, więc dla wielo-
mianów P (x) ≡ 0 i Q(x) = W1(x) = 14 mamy
1
P (x)V (x) + Q(x)W (x) = 0 · V (x) + · 4 = 1.
4
(b) Tym razem żaden z wielomianów V (x) = x2 + x − 1 i W (x) = x − 2 nie jest
stały, ale niezerową stałą jest reszta z dzielenia V (x) przez W (x),
x2 + x − 1 = V (x) = Q(x)W (x) + R(x) = (x + 3)(x − 2) + 5, (3.26)
gdzie Q(x) = x + 3 i R(x) = 5 są odpowiednio ilorazem i resztą z dzielenia V (x) przez
W (x). Wielomiany R(x) ≡ 5 = R i W (x) = x − 2 są względnie pierwsze i dla nich (tak
jak w części (a) było dla wielomianów W (x) i V (x)) mamy
1
1= · R(x) + 0 · W (x),
R
a ponieważ wobec (3.26) jest R(x) = V (x) − Q(x)W (x), więc
1
1= · V (x) − Q(x)W (x) = P (x)V (x) + Q(x)W (x),
R
1 1 1
gdzie P (x) = R
= 5
i Q(x) = − R · Q(x) = − 51 (x + 3).
(c) Dla wielomianów V (x) i W (x) tym razem mamy
x2 + x − 1 = V (x) = Q(x)W (x) + R(x) = 1 · (x2 + 2) + (x − 3), (3.27)
i
e
x2 + 2 = W (x) = Q(x)R(x) + R(x) = (x + 3)(x − 3) + 11, (3.28)
gdzie Q(x) = 1 i R(x) = x − 3 są odpowiednio ilorazem i resztą z dzielenia V (x) przez
e
W (x), a Q(x) = x + 3 i R(x) = 11 są ilorazem i resztą z dzielenia W (x) przez R(x).
Ponieważ R(x) i R(x) są względnie pierwsze i wielomian R(x) jest stały, więc wobec
(3.28) i (3.27) otrzymujemy
1 (3.28) 1
1= · R(x) + 0 · R(x) = e
· W (x) − Q(x)R(x)
R(x) R(x)
1 e
Q(x) (3.27) 1 e
Q(x)
= · W (x) − · R(x) = · W (x) − · V (x) − Q(x)W (x)
R(x) R(x) R(x) R(x)

e
Q(x) 1 e
Q(x)Q(x)
=− · V (x) + + W (x) = P (x)V (x) + Q(x)W (x),
R(x) R(x) R(x)
e(x) = − 1 (x + 3) i Q(x) =
gdzie P (x) = − Q 1
+ e
Q(x)Q(x)
= 1
(x + 4).
R(x) 11 R(x) R(x) 11
3.6. Funkcje wymierne i ułamki proste
Definicja 3.6.1. Niech P (x) i Q(x) będą wielomianami nad ciałem K, powiedz-
my P (x) = am xm + am−1 xm−1 + . . . + a1 x + a0 i Q(x) = bn xn + bn−1 xn−1 +
. . . + b1 x + b0 . Wtedy funkcję postaci
P (x) am xm + am−1 xm−1 + . . . + a1 x + a0
Funkcja wymierna = (3.29)
Q(x) bn xn + bn−1 xn−1 + . . . + b1 x + b0
nazywamy funkcją wymierną nad ciałem K. Funkcję wymierną (3.29) nazywamy
właściwą funkcją wymierną, gdy deg P (x) < deg Q(x).
3.6. Funkcje wymierne i ułamki proste 55
Przykład 56. Funkcje
x5 + 2x − 1 1 x−7
f (x) = , g(x) = i h(x) =
x4 + 1 x (x + 1)3
są funkcjami wymiernymi nad ciałem liczb rzeczywistych, a dwie ostatnie są
także właściwymi funkcjami wymiernymi.
Definicja 3.6.2. Ułamkiem prostym (nad ciałem K) nazywamy funkcję postaci
P (x) Ułamek prosty

k ,
Q(x)
gdzie P (x), Q(x) ∈ K[x], deg P (x) < deg Q(x), wielomian Q(x) jest nierozkła-
dalny w pierścieniu K[x] i k jest dodatnią liczbą naturalną.
Z definicji ułamka prostego i z wniosku 3.4.3 wynika, że każdy ułamek prosty
nad ciałem liczb zespolonych jest postaci A/(x − x0 )k , gdzie A i x0 są liczbami
zespolonymi, a k jest dodatnią liczbą naturalną. Natomiast wobec wniosku 3.4.5
ułamkami prostymi nad ciałem liczb rzeczywistych są tylko i wyłącznie funkcje
postaci
A Bx + C Ułamki proste nad cia-
i ,
(x − x0 ) k (x + px + q)k
2
łem liczb rzeczywistych
gdzie A, B, C, x0 , p i q są liczbami rzeczywistymi, p2 − 4q < 0, a k jest dodatnią
liczbą naturalną.
Znajdując iloraz I(x) i resztę R(x) z dzielenia wielomianu P (x) przez Q(x),
otrzymujemy P (x) = I(x)Q(x) + R(x), czyli
P (x) R(x)
= I(x) + ,
Q(x) Q(x)
gdzie deg R(x) < deg Q(x). Oznacza to, że każdą funkcję wymierną można przed-
stawić w postaci sumy wielomianu i funkcji wymiernej właściwej. Okazuje się,
i to jest ważne z praktycznego punktu widzenia, że funkcję wymierną właściwą
można przedstawić w postaci sumy skończonej liczby ułamków prostych.
Twierdzenie 3.6.1. Niech P i Q będą wielomianami o współczynnikach z ciała
K i 0 ¬ deg P < deg Q. Załóżmy, że wielomian Q można przedstawić w postaci
iloczynu
Q = Qn1 1 · Qn2 2 · . . . · Qnk k , (3.30)
gdzie Q1 , Q2 , . . . , Qk są nierozkładalnymi wielomianami w pierścieniu K[x],
a każde dwa spośród nich są względnie pierwsze i n1 , n2 , . . . , nk są dodatni-
mi liczbami naturalnymi. Wtedy funkcję wymierną P/Q można jednoznacznie
przedstawić w postaci sumy ułamków prostych,
X k
P Ri,ni −1 Ri,ni −2 Ri,1 Ri,0
= + + . . . + ni −1 + ni , (3.31)
Q i=1
Qi Q2i Qi Qi
gdzie Ri,j (i = 1, . . . , k, j = 1, . . . , ni − 1) są wielomianami o współczynnikach

z ciała K i deg Ri,j < deg Qi (j = 0, . . . , ni − 1).
Uwaga. Ze względów praktycznych warto pamiętać, że każdemu czynnikowi Q ni i
iloczynu (3.30) w sumie (3.31) odpowiada suma ni ułamków prostych
Ri,ni −1 Ri,ni −2 Ri,1 Ri,0
+ 2 + . . . + ni −1 + ni ,
Qi Qi Qi Qi
56 3. Wielomiany
których mianownikami są kolejne potęgi wielomianu Qi .

Dowód. Udowodnimy tylko istnienie rozkładu (3.31). Z założenia, że każde dwa spo-
śród wielomianów Q1 , Q2 , . . . , Qk są względnie pierwsze wynika, że także każde dwie
nk
spośród ich potęg Qn n2
1 , Q2 , . . . , Qk są względnie pierwsze. Stąd zaś łatwo wynika, że
1
jedynka jest największym wspólnym podzielnikiem wielomianów QQn1 , QQn2 , . . . , QQnk .

1 2 k
Dlatego istnieją wielomiany S1 , S2 , . . . , Sk ∈ K[x] takie, że
Q Q Q
S1 + n2 S2 + . . . + nk Sk = 1. (3.32)
Qn
1
1
Q2 Qk
Zatem
P P P Q Q Q
= ·1 = · S1 + n 2 S2 + . . . + n k Sk
Q Q Q Qn 1
Q2 Qk
1 (3.33)
P S1 P S2 P Sk
= + n2 + . . . + nk .
Qn1
1
Q 2 Qk
Udowodnimy obecnie, że każda funkcja P Si /Qn i
i
jest sumą wielomianu i skończonej
liczby ułamków prostych. Przez Ii,k oraz Ri,k (0 ¬ k < ni ) oznaczmy wielomiany
określone rekurencyjnie w następujący sposób: niech Ii,0 oraz Ri,0 będą odpowiednio
ilorazem i resztą z dzielenia wielomianu P Si przez Qi , a dla k = 1, . . . , ni − 1 niech
Ii,k oraz Ri,k będą odpowiednio ilorazem i resztą z dzielenia Ii,k−1 przez Qi . Dla tak
określonych wielomianów kolejno mamy
P Si = Ii,0 Qi + Ri,0
= (Ii,1 Qi + Ri,1 )Qi + Ri,0
= ((Ii,2 Qi + Ri,2 )Qi + Ri,1 )Qi + Ri,0
.. ..
. .
= ((. . . (Ii,ni −1 Qi + Ri,ni −1 )Qi + . . . + Ri,2 )Qi + Ri,1 )Qi + Ri,0
= Ii,ni −1 Qn i ni −1
i + Ri,ni −1 Qi + . . . + Ri,2 Q2i + Ri,1 Qi + Ri,0 (3.34)
i jednocześnie deg Ri,j < deg Qi (j = 0, . . . , ni − 1), bo Ri,j jest resztą z dzielenia
(pewnego wielomianu) przez wielomian Qi . Z (3.34) wynika, że iloraz P Si /Qn i
i
jest
sumą wielomianu i ułamków prostych,
P Si Ii,ni −1 Qn i ni −1
i + Ri,ni −1 Qi + . . . + Ri,2 Q2i + Ri,1 Qi + Ri,0
=
Qn i
Qn i
i i (3.35)
Ri,ni −1 Ri,ni −2 Ri,1 Ri,0
= Ii,ni −1 + + + . . . + n −1 + ni .
Qi Q2i Qi i Qi
Jeśli teraz przez J oznaczymy sumę wielomianów Ii,ni −1 (i = 1, . . . , k), to z (3.32)

i (3.35) otrzymujemy rozkład funkcji P/Q na sumę wielomianu i ułamków prostych,
k ni
!
P X X Ri,n i −j
=J+ . (3.36)
Q
i=1 j=1
Qji
Dla dowodu (3.31) pozostaje wykazać, że J jest wielomianem zerowym. Przypuśćmy,

że jest inaczej. Wtedy deg J 0 i z (3.36), po przemnożeniu przez Q, otrzymujemy
k ni
!
X X Ri,ni −j
P = JQ + Q . (3.37)
i=1 j=1
Qji
Z nierówności deg Ri,ni −j < deg Qi łatwo wynika, że

Ri,ni −j
deg Q < deg Q ¬ deg JQ
Qji
dla i = 1, . . . , k oraz j = 1, . . . , ni . To zaś implikuje, że stopień całego wielomianu

Pk Pni Ri,ni −j
i=1 j=1 j Q jest mniejszy od stopnia wielomianu JQ. Z tej obserwacji
Qi
i z (3.37) wynika, że wielomiany P i JQ mają identyczne stopnie. Jednakże wtedy
deg P = deg JQ deg Q i to jest sprzeczne z założeniem, że deg P < deg Q. Otrzyma-
na sprzeczność kończy dowód twierdzenia.
Dowód twierdzenia 3.6.1 podpowiada ogólną metodę przedstawiania funkcji

wymiernej w postaci sumy ułamków prostych. Uzyskamy rozkład funkcji wy-
miernej właściwej P/Q na sumę ułamków prostych, gdy: (a) jej mianownik Q
zapisze się w postaci (3.30), czyli w postaci iloczynu nierozkładalnych czynników;
(b) wyznaczy się wielomiany Si takie, że spełniony jest warunek (3.32) (można to
zrobić za pomocą uogólnionego algorytmu Euklidesa) ; (c) ułamek P/Q, tak jak
w (3.33), zapisze się w postaci sumy ułamków P Si /Qni i i (d) każdy z tych ułam-
ków P Si /Qni i (za pomocą ni -krotnego dzielenia z resztą przez Qi ) przedstawi
się w postaci (3.35), tj. w postaci sumy wielomianu i ni ułamków prostych.
Przykład 57. Przedstawić funkcję wymierną

P (x) 9x + 9
= 3
Q(x) x + 3x2 − 4
w postaci sumy ułamków prostych nad ciałem liczb rzeczywistych.
Rozkładu funkcji P/Q dokonamy w sposób (do pewnego stopnia) podobny do tego
z dowodu twierdzenia 3.6.1. Mianownik rozważanej funkcji przedstawiamy w postaci
iloczynu nierozkładalnych i względnie pierwszych czynników,
Q = x3 + 3x2 − 4 = (x − 1)(x + 2)2 = Q1 Q22 ,

gdzie Q1 = x − 1, n1 = 1, Q2 = x + 2 i n2 = 2. Wyznaczamy teraz wielomiany S1
i S2 , dla których spełniony jest warunek (3.32). Łatwo zauważyć, że jeśli S1 = 1/9
i S2 = −(x + 5)/9, to istotnie mamy
Q Q (x + 2)2 (x − 1)(x + 5)
S1 + 2 S2 = − = 1.
Q1 Q2 9 9
Stąd

P P 9(x + 1) (x + 2)2 (x − 1)(x + 5)
= ·1= · −
Q Q (x − 1)(x + 2)2 9 9
x+1 x2 + 6x + 5
= −
x−1 (x + 2)2
i każdy z ostatnich ułamków łatwo przedstawia się w postaci sumy wielomianu i ułam-
ków prostych i mamy
(x − 1) + 2 (x + 2)2 + 2(x + 2) − 3
= −
x−1 (x + 2)2

2 2 3
= 1+ − 1+ −
x−1 x+2 (x + 2)2
2 2 3
= − + .
x−1 x+2 (x + 2)2
Obecnie dokładniej opiszemy praktyczne sposoby przedstawiania rzeczywi-

stej funkcji wymiernej właściwej w postaci sumy ułamków prostych (nad ciałem
liczb rzeczywistych). Niech P (x)/Q(x) będzie funkcją wymierną, gdzie P (x)
i Q(x) są wielomianami o współczynnikach rzeczywistych i 0 ¬ deg P (x) <
deg Q(x) = n. Wobec wniosku 3.4.5 wielomian Q(x) można przedstawić w po-
staci iloczynu
r
Y s
Y
Q(x) = a (x − xi )mi (x2 + pj x + qj )nj , (3.38)
i=1 j=1
gdzie a jest pewną liczbą rzeczywistą, x1 , . . . , xr są pierwiastkami rzeczywistymi

wielomianu Q(x), liczby rzeczywiste pj i qj są takie, że trójmian x2 +pj x+qj jest
58 3. Wielomiany
nierozkładalny w pierścieniu R[x] (dla j = 1, . . . , s), a m1 , . . . , mr i n1 , . . . , ns są

dodatnimi liczbami naturalnymi takimi, że m1 + . . . + mr + 2(n1 + . . . + ns ) = n.
Wtedy, wobec twierdzenia 3.6.1 i naszych uwag o ułamkach prostych nad ciałem
liczb rzeczywistych, funkcję P (x)/Q(x) można przedstawić w postaci sumy
r mi
! s nj !
P (x) X X Ai,t X X Bj,u x + Cj,u
= + , (3.39)
Q(x) i=1 t=1
(x − xi )t j=1 u=1
(x2 + pj x + qj )u
gdzie Ai,t (i = 1, . . . , r, t = 1, . . . , mi ) oraz Bj,u i Cj,u (j = 1, . . . , s, u =

1, . . . , nj ) są liczbami rzeczywistymi.
W celu wyznaczenia współczynników Ai,t , Bj,u i Cj,u mnożymy obie strony
równości (3.39) przez Q(x) otrzymując równość dwóch wielomianów. Z lewej
strony nowej równości wystąpi wielomian P (x), powiedzmy P (x) = bm xm +
. . . + b1 x + b0 (m ¬ n − 1), a z prawej strony pojawi się pewien wielomian W (x)
stopnia n−1, powiedzmy W (x) = cn−1 xn−1 +. . .+c1 x+c0 , którego współczynniki
są kombinacjami liniowymi współczynników Ai,t , Bj,u i Cj,u . Równość
P (x) = W (x), (3.40)
wobec wniosku 3.4.1, jest równoważna identyczności stopni i współczynników

wielomianów P (x) i W (x). (Z drugiej strony, ponieważ deg P (x) ¬ deg W (x) =
n − 1, więc wobec wniosku 3.4.2 równość (3.40) jest równoważna temu, że dla
pewnych n różnych liczb x1 , . . . , xn jest P (x1 ) = W (x1 ), . . . , P (xn ) = W (xn ).)
Metoda porównywania Przyrównując współczynniki stojące przy jednakowych potęgach zmiennej x
współczynników w obu wielomianach, otrzymujemy układ n równań liniowych
c0 = b0 , c1 = b1 , . . . , cn−1 = bn−1 (3.41)
o n niewiadomych Ai,t , Bj,u i Cj,u . Z twierdzenia 3.6.1 wynika, że układ (3.41)

zawsze ma rozwiązanie. (Praktyczne sposoby rozwiązywania takich układów rów-
nań omawiamy w następnych rozdziałach.)
Przykład 58. Rozłożyć na sumę ułamków prostych nad ciałem R funkcję wy-
mierną
P (x) −15x + 6
= 3 . (3.42)
Q(x) x − 3x2 − 6x + 8
Ponieważ Q(x) = x3 − 3x2 − 6x + 8 = (x − 1)(x + 2)(x − 4), więc wobec (3.39) dla
pewnych stałych A, B, C jest
P (x) −15x + 6 A B C
= = + + . (3.43)
Q(x) (x − 1)(x + 2)(x − 4) x−1 x+2 x−4
Dla wyznaczenia stałych A, B i C obie strony równości (3.43) mnożymy przez mia-
nownik Q(x) otrzymując równość
−15x + 6 = A(x + 2)(x − 4) + B(x − 1)(x − 4) + C(x − 1)(x + 2). (3.44)
Wykonujemy działania po prawej stronie równości (3.44), grupujemy składniki według

malejących potęg zmiennej x i otrzymujemy
−15x + 6 = (A + B + C)x2 + (−2A − 5B + C)x + (−8A + 4B − 2C). (3.45)
Przyrównujemy teraz współczynniki stojące przy jednakowych potęgach zmiennej x po

obu stronach równości (3.45) otrzymując, układ równań
(
A + B + C = 0,
−2A − 5B + C = −15,
−8A + 4B − 2C = 6.
Stąd A = 1, B = 2 oraz C = −3, więc szukanym rozkładem funkcji (3.42) na sumę

ułamków prostych jest
−15x + 6 1 2 3
= + − . (3.46)
x3 − 3x2 − 6x + 8 x−1 x+2 x−4
Przykład 59. Przedstawić w postaci sumy ułamków prostych (nad ciałem liczb
rzeczywistych) funkcję
P (x) 12x2 + 8x + 26
= 4 .
Q(x) x + x3 − 4x2 + 2x − 12
Ponieważ Q(x) = x4 + x3 − 4x2 + 2x − 12 = (x − 2)(x + 3)(x2 + 2), więc dla pewnych

stałych A, B, C i D jest
P (x) A B Cx + D
= + + 2 .
Q(x) x−2 x+3 x +2
Mnożąc obie strony tej równości przez Q, otrzymujemy
12x2 + 8x + 26 = A(x + 3)(x2 + 2) + B(x − 2)(x2 + 2) + (Cx + D)(x − 2)(x + 3). (3.47)
Stałe A, B, C i D, podobnie jak to zrobiliśmy w poprzednim przykładzie, można

wyznaczyć z układu równań otrzymanego w wyniku przyrównania współczynników
stojących przy jednakowych potęgach zmiennej x po obu stronach równości (3.47).
Tym razem postąpimy inaczej. Stałe te wyznaczymy biorąc pod uwagę wartości lewej
i prawej strony równości (3.47) dla czterech różnych konkretnych wartości x. Do rów- Metoda porównywania
ności (3.47), która jest prawdziwa dla każdego x, wygodnie jest wstawiać takie wartości wartości wielomianów
x, dla których jeden z czynników iloczynu Q(x) = (x − 2)(x + 3)(x2 + 2) jest zerowy
i/lub takie, dla których obliczanie wartości obu stron równości (3.47) jest proste.
Z (3.47) dla x = 2 otrzymujemy A = 3, bo
90 = A(5)(6) + B(0) + (C · 2 + D)(0).
Podobnie dla x = −3 mamy
110 = A(0) + B(−5)(11) + (C(−3) + D)(0),
więc B = −2. Dla x = 0 otrzymujemy
26 = A(6) + B(−4) + D(−6) = 18 + 8 − 6D
i dlatego D = 0. W końcu dla x = 1 jest
46 = A(4)(3) + B(−1)(3) + (C + D)(−1)(4) = 42 − 4C
i stąd C = −1. Zatem mamy rozkład

P (x) 3 2 x
= − − 2 .
Q(x) x−2 x+3 x +2
Przedstawiamy teraz kolejny dość wygodny sposób wyznaczania współczyn-

ników Ai,t rozkładu (3.39) funkcji P (x)/Q(x), sposób przez niektórych nazywany
“metodą zakrywania”. Tak jak w (3.38), niech xi będzie mi -krotnym pierwiast- Metoda zakrywania
kiem wielomianu Q(x). Przez Zxi (x) oznaczamy funkcją powstałą z ułamka
(x − xi )mi P (x)/Q(x) w wyniku podzielenia jego licznika i mianownika przez
(x−xi )mi , albo – co na to samo wychodzi – funkcją powstałą z funkcji P (x)/Q(x)
przez “zakrycie” czynnika (x − xi )mi w mianowniku Q(x),
(x−xi )mi P (x)
Zxi (x) = Q(x)
P (x) Qs (3.48)
= (x−xi )mi ... (x−xr )mr
(x−x1 )m1... ||||||||||||||| (x2 +pj x+qj )nj
,
j=1
60 3. Wielomiany
gdzie kreskami |||||||| zakryliśmy czynnik (x − xi )mi .

Każdemu pierwiastkowi xi wielomianu Q(x) w rozkładzie (3.39) odpowiada
Pmi Ai,t
suma t=1 (x−xi )t . Chcąc wyznaczyć jej współczynniki, zapiszmy rozkład (3.39)
w postaci
P (x) Ai,mi Ai,mi −1 Ai,2 Ai,1
= + + ... + + + S(x), (3.49)
Q(x) (x − xi )mi (x − xi )mi −1 (x − xi )2 x − xi
gdzie S(x) jest sumą tych składników prawej strony rozkładu (3.39), które nie
P i Ai,t
P (x)
zawierają czynnika x − xi , S(x) = Q(x) − m t=1 (x−xi )t . Mnożąc obie strony
równości (3.49) przez (x − xi ) i uwzględniając (3.48), otrzymujemy
mi
mi −1
X
Zxi (x) = Ai,mi −t (x − xi )t + (x − xi )mi S(x),
t=0
mi −1
X 0
Zx0 i (x) = tAi,mi −t (x − xi )t−1 + (x − xi )mi S(x) ,
t=1
mi −1
X 00
Zx00i (x) = t(t − 1)Ai,mi −t (x − xi )t−2 + (x − xi )mi S(x) ,
t=2
..
.
(mi −1)
(mi −1)
Z xi (x) = (mi − 1)!Ai,1 + (x − xi )mi S(x) .
Zauważmy, że każdy składnik pochodnej ((x−xi )mi S(x))(k) dla k = 0, 1, . . . , mi −

1 zawiera czynnik x − xi w dodatniej potędze, więc jego wartość dla x = xi jest
równa zeru i dlatego z powyższych równości dla x = xi otrzymujemy
Zx(k)
i
(xi ) = k! Ai,mi −k ,
a stąd mamy wygodne wzory na współczynniki Ai,t rozkładu (3.39) i (3.49),

(k)
Zxi (xi )
Ai,mi −k = . (3.50)
k!
Z (3.49) i (3.50) wynika, że wszystkie składniki rozkładu (3.39) odpowiadające
czynnikowi x − xi można uzyskać metodą zakrywania i mamy
P (x) Zxi (xi ) Zx0 (xi )

Q(x) = 0!(x−xi )mi + i
1!(x−xi )mi −1
(m −1) (3.51)
Z 00 (xi ) Zx i i (xi )
+ 2!(x−x
xi
m −2 + . . . +
i) i (mi −1)!(x−xi ) + S(x).
Przykład 60. Przedstawić w postaci sumy ułamków prostych funkcję wymierną
P (x) x + 18
= 2 .
Q(x) x +x−6
Ponieważ mianownik Q(x) = x2 +x−6 = (x−2)(x+3) ma tylko jednokrotne pierwiastki,

więc metodą zakrywania (zob. (3.51)) otrzymujemy szukany rozkład
P (x) x + 18 Z2 (2) Z−3 (−3)

= = +
Q(x) (x − 2)(x + 3) x−2 x+3

x+18 x+18
(x−2)
|||||||| (x+3)
|x=2
(x−2)(x+3)
||||||||
|x=−3 4 −3
= + = + .
x−2 x+3 x−2 x+3
9x − 27
Przykład 61. Funkcję przedstawić w postaci sumy ułamków
(x + 1)(x − 2)2
prostych.
Wobec (3.51) mamy

9x − 27 Z−1 (−1) Z2 (2) Z 0 (2)
= + + 2
(x + 1)(x − 2)2 x+1 (x − 2)2 x−2
0
9x−27 9x−27 9x−27
|||||||| (x−2)2
(x+1) (x+1)(x−2) 2
|||||||||| (x+1)(x−2) 2
||||||||||
|x=−1 |x=2 |x=2
= + +
x+1 (x − 2)2 x−2
−4 −3 4
= + + .
x+1 (x − 2)2 x−2
Uzasadniliśmy, że w rozkładzie właściwej funkcji wymiernej P/Q na sumę

ułamków prostych współczynniki odpowiadające pierwiastkom wielomianu Q
można wyznaczyć metodą zakrywania (zob. (3.51)). Ponieważ w rozkładzie funk-
cji P/Q na sumę ułamków prostych nad ciałem liczb zespolonych każdy składnik
odpowiada jakiemuś pierwiastkowi wielomianu Q, więc wszystkie współczynni-
ki tego rozkładu można wyznaczyć metodą zakrywania. Stąd zaś wynika, że
metodą zakrywania można także otrzymać wszystkie współczynniki rozkładu
funkcji P/Q na sumę ułamków prostych nad ciałem liczb rzeczywistych. W tym
celu funkcję P/Q rozkładamy najpierw na sumę ułamków prostych nad ciałem C
(wyznaczając współczynniki tego rozkładu metodą zakrywania). Z tego rozkładu
po dodaniu do siebie każdych dwóch ułamków postaci A/(x − x0 )k i B(x − x0 )k
(odpowiadających tej samej potędze k i sprzężonym pierwiastkom x0 i x0 wie-
lomianu Q) otrzymujemy rozkład funkcji P/Q na sumę rzeczywistych ułamków
prostych. W następnym przykładzie w ten sposób otrzymujemy rozkład funkcji
wymiernej na sumę ułamków prostych nad ciałem liczb rzeczywistych.
P (x) 2x − 8
Przykład 62. Funkcję = rozłożyć na sumę ułamków
Q(x) (x − 1)(x2 + 2)
prostych: (a) nad ciałem C; (b) nad ciałem R.
√ √
W pierścieniu C[x] jest Q(x) = (x − 1)(x − 2j)(x + 2j) i pierwiastki wielomianu
Q(x) są jednokrotne, więc wobec (3.51) mamy
√ √
P (x) 2x − 8 Z1 (1) Z√2j ( 2j) Z−√2j (− 2j)
= √ √ = + √ + √ .
Q(x) (x − 1)(x − 2j)(x + 2j) x−1 x − 2j x + 2j
Zauważmy, że

2x−8
Z1 (1) = (x−1)
√ √
||||||| (x− 2j)(x+ 2j)
= −2
|x=1
√ √
2x−8
Z√2j ( 2j) = (x−1)(x−
√
|||||||||||
√
2j) (x+ 2j) √ =1− 2j
|x= 2j
√ √
Z−√2j (− 2j) = 2x−8
√
(x−1)(x− 2j)(x+
√
||||||||||)
2j √ =1+ 2j,
|x=− 2j
więc √ √
P (x) −2 1 − 2j 1 + 2j
= + √ + √
Q(x) x−1 x − 2j x + 2j
jest rozkładem funkcji P (x)/Q(x) na sumę zespolonych ułamków prostych.
Z rozkładu tego, po dodaniu do siebie dwóch ostatnich ułamków (i wyeliminowa-
niu “zespoloności”), otrzymujemy rozkład funkcji P (x)/Q(x) na sumę rzeczywistych
ułamków prostych,
P (x) −2 2x + 4
= + 2 .
Q(x) x−1 x +2
62 3. Wielomiany
3.7. Ćwiczenia
1. W pierścieniu Z5 [x] wyznaczyć V (x) + W (x), V (x) − 11. Wyznaczyć pierwiastki wielomianu V (x), gdy:
2W (x), V (x)W (x) i V 2 (x)+W 3 (x), gdy V (x) = x3 + (a) V (x) = x2 + 3x + 3 − j;
2x2 + 3x + 4 i W (x) = x3 + 3x2 + 2. (b) V (x) = x2 + (2j − 1)x + 1 + 5j;
2. Niech Q(x) = x3 + 5x − 1 i R(x) = −23x + 5 będą (c) V (x) = x2 − (5 + j)x + 8 + j;
ilorazem i resztą z dzielenia wielomianu V (x) przez
(d) V (x) = 12x3 − 4x2 − 3x + 1;
wielomian W (x) = x2 + 2x + 5 w pierścieniu R[x].
Wyznaczyć wielomian V (x). (e) V (x) = x4 − x3 − 2x2 + 6x − 4.
3. Zbadać podzielność wielomianu V (x) = x3 +x2 +x+1 12. Rozwiązać następujące równania:
przez wielomian W (x) = x2 + 3x + 2 w pierścieniu: (a) x2 − (3 + 7j)x − 10 + 11j = 0;
(a) R[x]; (b) Z5 [x]; (c) Z7 [x]. (b) (3 + j)x2 + (1 − j)x − 6j = 0;
4. Korzystając ze schematu Hornera, wyznaczyć iloraz (c) x4 + 2jx2 + 8 = 0;
Q(x) i resztę R(x) z dzielenia wielomianu V (x) przez (d) x4 − (3 + 6j)x2 − 8 + 6j.
dwumian W (x), gdy: 13. Wielomian V (x) przedstawić w postaci iloczynu wie-
(a) V (x) = x3 − 4x2 + x − 3, W (x) = x − 2; lomianów stopnia pierwszego, gdy:
(b) V (x) = x4 − 4x3 − 10x2 − 4x + 4, W (x) = x + 1; (a) V (x) = x3 − 6x2 + 11x − 6; (b) V (x) = x4 + 16.
(c) V (x) = −4x7 + 12x6 − 15x5 + 21x4 − 8x3 + 7x2 14. Wielomian V (x) przedstawić w postaci iloczynu rze-
−4x + 6, W (x) = x − 2. czywistych wielomianów stopnia co najwyżej drugie-
5. Obliczyć iloraz Q(x) i resztę R(x) z dzielenia wielo- go, gdy:
mianu V (x) przez wielomian W (x), gdy: (a) V (x) = x3 + x2 − x + 2;
(a) V (x) = 8x4 + 3x2 + 6, W (x) = x + 2; (b) V (x) = x4 + 4x3 + 4x2 − 1;
(b) V (x) = x3 + 8, W (x) = x2 − 2x + 4; (c) V (x) = 3x4 − 5x3 + 3x2 + 4x − 2;
(c) V (x) = jx2 + x − j, W (x) = x − j w C[x]; (d) V (x) = x6 + 27.
(d) V (x) = x2 + 2x + 2, W (x) = 2x + 2 w Z3 [x]; 15. Znaleźć największy wspólny dzielnik i najmniejszą
(e) V (x) = 2x3 + 3x2 + 4x + 1, W (x) = 3x + 1 wspólną wielokrotność wielomianów V (x) i W (x),
w Z5 [x]; gdy:
(f ) V (x) = x5 + 2x4 + 3x3 + 4x2 + 3x + 1, W (x) (a) V (x) = 6(x − 1)3 (x + 2)2 (x − 3)(x2 + 4)2 i W (x)
= x + 1 w Z5 [x]. = 4(x − 1)2 (x + 2)3 (x + 5)(x2 + 4);
6. Wyznaczyć resztę R(x) z dzielenia wielomianu V (x) (b) V (x) = x5 + x4 − x3 − 2x − 1 i W (x) = 3x4
przez wielomian W (x), gdy: +2x3 + x2 + 2x − 2.
(a) V (x) = x4 − 1, W (x) = x − 2 w Z5 [x]; 16. Wyznaczyć wielomiany P (x) i Q(x) takie, że
(b) V (x) = 2x2000 + 1999x + 2, W (x) = x2 − 1 V (x)P (x) + W (x)Q(x) jest największym wspólnym
w R[x]; dzielnikiem wielomianów V (x) = x4 +2x3 −x2 −4x−2
(c) V (x) = 6x13 + x, W (x) = x2 + 1 w C[x]; i W (x) = x4 + x3 − x2 − 2x − 2.
(d) V (x) = x110 − 2x55 + 1, W (x) = x2 + 1 w C[x]. 17. Podane funkcje wymierne przedstawić w postaci su-
my ułamków prostych nad ciałem liczb rzeczywistych:
7. Wyznaczyć wszystkie pierwiastki wielomianu V (x), 4 2
jeśli x1 jest jednym z pierwiastków wielomianu V (x): (a) ; (b) ;
(x − 1)(x + 3) (x − 1)(x2 + 1)
(a) V (x) = x3 − x2 − 7x + 15, x1 = 2 + j; 2
x x −1
(b) V (x) = x3 − 6x2 + 21x − 26, x1 = 2 + 3j; (c) ; (d) 2 ;
(x − 1)(x − 2)2 x (2x + 1)
(c) V (x) = x4 − 2x3 + 9x2 − 8x + 20, x1 = 2j; 4
x +x +1 2
1 4x2
(d) V (x) = x4 + x3 + 2x2 + x + 1, x1 = −j; (e) ; (f ) ; (g) ;
x(x2 + 1)2 (x3 − 1)2 x4 − 1
(e) V (x) = x4 − 6x3 + 11x2 + 12x − 26, x1 = 3 + 2j; x2 − 6x + 4 3x2 − 2x − 1
(f ) V (x) = x4 + 3x3 + 2x2 − x + 5, x1 = −2 + j. (h) 4 ; (i) .
x − 3x + 2x
3 2 (x − 3)(x2 + 1)
8. Wyznaczyć krotność pierwiastka x0 = 1 wielomianu 18. Podane funkcje wymierne rozłożyć na sumę ułamków
V (x), gdy: prostych nad ciałem liczb zespolonych:
(a) V (x) = x4 − x3 − 3x2 + 5x − 2; 2xj + 8 16j x2 + x + 1
(a) 2 ; (b) 4 ; (c) ;
(b) V (x) = x5 − 2x4 − 2x3 + 8x2 − 7x + 2. x +4 x +4 x4 + x 2
2
9. Znaleźć pierwiastki wielomianu V (x) = x3 − 15x2 x + 2x 24x − 8j
(d) 2 ; (e) 2 .
+76x − 140, jeśli jednym z jego pierwiastków jest licz- (x + 2x + 2)2 (x + 1)2 (x − j)
ba całkowita. 19. Udowodnić, że wielomian rzeczywisty V (x) jest po-
10. Wyznaczyć pierwiastki wielomianu V (x) = x4 −8x3 + dzielny przez dwumian x − 1 wtedy i tylko wtedy,
20x2 − 72x + 99, jeśli jednym z nich jest liczba czysto gdy suma współczynników wielomianu V (x) jest rów-
urojona. na zeru.
3.7. Ćwiczenia 63
20. Udowodnić, że jeśli liczba naturalna m jest dzielni-

kiem liczby naturalnej n, to wielomian xm − am jest
dzielnikiem wielomianu xn − an (a ∈ R).
21. Niech x0 będzie jednokrotnym pierwiastkiem wie-
lomianu Q(x) i niech x−x A
0
+ S(x) będzie rozkła-
dem funkcji wymiernej właściwej P (x)/Q(x) na sumę
ułamków prostych, gdzie A jest liczbą i S(x) jest funk-
cją ciągłą w punkcie x0 . Udowodnić, że A = QP0(x 0)
(x0 )
.
22. Niech V (x) = an xn + . . . + a1 x + a0 będzie wielo-
mianem, którego współczynniki an , . . . , a1 , a0 są licz-
bami rzeczywistymi. Pokazać (bez odwoływania się
do twierdzenia 3.4.5), że jeśli liczba zespolona z0 jest
pierwiastkiem wielomianu V (x), to także liczba sprzę-
żona z0 jest pierwiastkiem wielomianu V (x).
23. Niech x1 , x2 , . . . , xn będą pierwiastkami wielomianu
V (x) = xn + a1 xn−1 + . . . + an . Udowodnić, że praw-
dziwe są następujące związki

 a1 = −(x1 + x2 + . . . + xn ),

 a2 = x1 x2 + x1 x3 + . . . + xn−1 xn ,
a3 = −(x1 x2 x3 + x1 x2 x4 + . . . + xn−2 xn−1 xn ),

 .....................................................

an = (−1)n x1 x2 · . . . · xn ,
nazywane wzorami Viète’a.

24. Wpisując TAK albo NIE, stwierdzić prawdziwość
każdego z następujących zdań:
1 Jeśli V (x) = 3x3 + 5x + 1 i W (x) =
2x + 4 są wielomianami z pierścienia Z6 [x], to
deg(V (x)W (x)) = deg V (x) + deg W (x).
2 Jeśli V (x) = 3x3 + 5x + 1 i W (x) =
2x + 4 są wielomianami z pierścienia Z7 [x], to
deg(V (x)W (x)) = deg V (x) + deg W (x).
3 Największy wspólny dzielnik dwóch niezero-
wych wielomianów z pierścienia R[x] wyznaczony jest
w sposób jednoznaczny.
4 Wielomiany 2x + 6 oraz 4x2 + 12 są względnie
pierwsze w pierścieniu R[x].
5 Jeśli V (x) i W (x) są niezerowymi wielomiana-
mi z pierścienia R[x] takimi, że V (x) jest dzielnikiem
W (x) i W (x) jest dzielnikiem V (x), to V (x) = W (x).
6 Jeśli wielomian V (x) jest dzielnikiem wielo-
mianów W (x) i U (x) w pierścieniu R[x], to V (x)
jest dzielnikiem wielomianu W (x)S(x)+U (x)T (x) dla
każdych wielomianów S(x) i T (x) z pierścienia R[x].
7 Zbiór wszystkich funkcji wymiernych (nad
ustalonym ciałem K) jest ciałem ze względu na do-
dawanie i mnożenie funkcji.
Rozdział 4
MACIERZE
4.1. Podstawowe definicje

Definicja 4.1.1. Macierzą (dokładniej – macierzą o m wierszach i n kolumnach
albo macierzą wymiaru m × n) nazywamy prostokątną tablicę
 
  a11 a12 · · · a1j · · · a1n
a11 a12 a13 · · · a1n  a21 a22 · · · a2j · · · a2n 
 a21 a22 a23 · · · a2n   
   .. .. .. .. 
Macierz wymiaru m × n  a31 a32 a33 · · · a3n   . . . . 
A= =  (4.1)
 .. .. .. ..    a i1 a i2 . . . a ij · · · a in


 . . . .   . . . . 
 .. .. .. .. 
am1 am2 am3 · · · amn
am1 am2 . . . amj · · · amn
utworzoną z elementów aij (1 ¬ i ¬ m, 1 ¬ j ¬ n) ustalonego zbioru lub struk-

tury algebraicznej K. W naszych dalszych rozważaniach K będzie ciałem liczb
rzeczywistych lub ciałem liczb zespolonych. (W pewnych przypadkach będziemy
także rozważać macierze, których elementy są funkcjami, wektorami lub symbo-
aij – współczynniki lami pewnych obiektów.) Elementy aij macierzy A nazywamy jej współczynnika-
macierzy A = [aij ] mi. Na oznaczenie macierzy (4.1) będziemy także używać symbolu [aij ]m×n lub
[aij ] (gdy znany będzie jej wymiar). Symbolem Km×n oznaczać będziemy zbiór
K m×n – zbiór macierzy wszystkich macierzy wymiaru m × n, których współczynniki należą do ciała K.
wymiaru m × n Zatem Rm×n jest zbiorem wszystkich rzeczywistych macierzy wymiaru m × n,
a Cm×n jest zbiorem wszystkich zespolonych macierzy wymiaru m × n.
Macierze
 
a1j
 a2j 
Wiersz i kolumna macierzy  
ai∗ = ai1 ai2 ai3 . . . ain ∈ K1×n oraz a∗j =  .  ∈ Km×1
 .. 
amj
nazywamy odpowiednio i-tym wierszem oraz j-tą kolumną macierzy (4.1). Warto
zauważyć, że współczynnik aij jest elementem macierzy (4.1) znajdującym się
jednocześnie w i-tym wierszu oraz w j-tej kolumnie. (W niektórych dowodach
element macierzy X znajdujący się w jej i-tym wierszu oraz w j-tej kolumnie
oznaczać będziemy przez (X)ij .)
 
a11 a12 · · · a1j · · · a1n
 a21 a22 · · · a2j · · · a2n 
 
 .. .. .. .. 
 . . . . 
 
 ai1 ai2 . . . aij · · · ain 
  ← i-ty wiersz
 . .. .. .. 
 .. . . . 
am1 am2 . . . amj · · · amn
↑ j-ta kolumna
4.1. Podstawowe definicje 65
Przykład 63. Macierz

2 3 −1
A = [aij ] =
0 1 4
ma dwa wiersze i trzy kolumny, a jej elementami są a11 = 2, a12 = 3, a13 = −1,
a21 = 0, a22 = 1 i a23 = 4.
W pewnych przypadkach wygodnie będzie macierz (4.1) utożsamiać z macie-

rzą jednowierszową lub jednokolumnową
 
a1∗
 a2∗ 
 
a∗1 a∗2 . . . a∗n i  . ,
 .. 
am∗
której elementami są odpowiednio kolejne kolumny i kolejne wiersze macierzy

(4.1). Będziemy także pisać
 
| | |
 a∗1 a∗2 . . . a∗n  zamiast a∗1 a∗2 . . . a∗n
| | |
i    
− a1∗ − a1∗
 − a2∗ −   a2∗ 
   
 ..  zamiast  .. 
 .   . 
− am∗ − am∗
dla podkreślenia, że chodzi o kolumny lub wiersze macierzy.
Przykład 64. Macierz A z poprzedniego przykładu możemy utożsamiać z ma-

cierzą jednowierszową B i z macierzą jednokolumnową C, gdzie

2 3 −1 [ 2 3 −1 ]
B= i C= .
0 1 4 [0 1 4]
Definicja 4.1.2. Macierz O = [oij ] ∈ Km×n nazywamy macierzą zerową wy-

miaru m × n, gdy każdy jej współczynnik oij jest równy zeru,
 
0 0 ··· 0
0 0 ··· 0
  Macierz zerowa
O=. . . . .
 .. .. . . .. 
0 0 ··· 0
Definicja 4.1.3. Macierzą kwadratową stopnia n nazywamy każdą macierz A =

[aij ] należącą do zbioru Kn×n , czyli macierz mającą tyle samo wierszy co kolumn,
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= . .. . . . . (4.2) Macierz kwadratowa
 .. . . .. 
an1 an2 · · · ann
66 4. Macierze
Definicja 4.1.4. Ciąg (a11 , a22 , . . . , ann ) elementów macierzy kwadratowej (4.2)
nazywa się główną przekątną macierzy (4.2). O macierzy kwadratowej (4.2) mó-
wimy, że jest macierzą diagonalną, jeśli wszystkie jej elementy znajdujące się
poza główną przekątną są równe zeru, czyli jeśli
aij = 0 dla i 6= j.
Taką macierz diagonalną oznaczamy przez diag (a11 , a22 , . . . , ann ). Zatem mamy
 
a11 0 · · · 0
 0 a22 · · · 0 
 
Macierz diagonalna diag (a11 , a22 , . . . , ann ) =  . .. . . .. .
 .. . . . 
0 0 · · · ann
Macierzą jednostkową stopnia n, oznaczamy ją przez In lub I, nazywamy macierz

diagonalną diag (a11 , a22 , . . . , ann ), w której a11 = a22 = . . . = ann = 1. Mamy
zatem  
1 0 ··· 0
0 1 ··· 0
 
In – macierz jednostkowa In = diag (1, 1, . . . , 1) =  . . . . .
| {z }  .. .. . . .. 
n
0 0 ··· 1
Przykład 65. Macierze

 
 1  0 0 0

1 0 0
−1 0 0 1 0 0
A= , B = 0 0 0, C = 
0

0 2 0 1 0
0 0 3
0 0 0 1
są diagonalne i macierz C jest macierzą jednostkową stopnia 4, C = I4 .
4.2. Działania na macierzach

Definicja 4.2.1. Macierze A = [aij ] ∈ Km×n i B = [bij ] ∈ Ks×t nazywamy
Równość macierzy równymi i piszemy A = B, gdy
m = s, n = t i aij = bij
dla i = 1 . . . , m oraz j = 1, . . . , n.
Definicja 4.2.2. Sumą macierzy A = [aij ] i B = [bij ] należących do zbioru
Km×n (gdzie K jest ciałem, a m i n są liczbami naturalnymi) nazywamy macierz
A + B = [cij ] ∈ Km×n , której elementy określone są wzorami
Suma macierzy: cij = aij + bij
[aij ] + [bij ] = [aij + bij ]
dla i = 1, . . . , m oraz j = 1, . . . , n. Dlatego mamy
a a ··· a
 b b ··· b
  a +b a12 +b12 · · · a1n +b1n

11 12 1n 11 12 1n 11 11
 a21 a22 · · · a2n   b21 b22 · · · b2n   a21 +b21 a22 +b22 · · · a2n +b2n 
 .. . .
..
.
. . ..  +  .. . .
..
.
. . ..  = .
..
.
.. .. .
.. .
. . .
am1 am2 · · · amn bm1 bm2 · · · bmn am1 +bm1 am2 +bm2 · · · amn +bmn
4.2. Działania na macierzach 67
Przykład 66. Dla macierzy rzeczywistych

0 2 −1 1 3 5 1 3
A= , B= i C=
1 3 2 2 0 −2 2 0
suma A + B istnieje i

0 2 −1 1 3 5 1 5 4
A+B= + = ,
1 3 2 2 0 −2 3 3 0
ale suma macierzy A i C (oraz B i C) nie istnieje, bo macierze A i C (oraz B

i C) mają różne wymiary.
Definicja 4.2.3. Iloczynem macierzy A = [aij ] ∈ Km×n przez skalar r z ciała

K nazywamy macierz rA = [bij ] ∈ Km×n , w której bij = raij dla i = 1, . . . , m
oraz j = 1, . . . , n, czyli
   
a11 a12 · · · a1n ra11 ra12 · · · ra1n
 a21 a22 · · · a2n   ra21 ra22 · · · ra2n  Iloczyn macierzy przez
   
r . .. . . . = . .. .. .. . skalar: r[aij ] = [raij ]
 .. . . ..   .. . . . 
am1 am2 · · · amn ram1 ram2 · · · ramn
Przykład 67. Mamy

−1 2 −2 4
2 = .
3 4 6 8
Definicja 4.2.4. Dla macierzy A1 , A2 , . . . , Ak ∈ Km×n i dla skalarów α1 , α2 ,

. . . , αk z ciała K, macierz
α 1 A1 + α 2 A2 + . . . + α k Ak Kombinacja macierzy
nazywamy kombinacją liniową macierzy A1 , A2 , . . . , Ak ze współczynnikami

α1 , . . . , α k .
Definicja 4.2.5. Różnicą macierzy A i B tego samego wymiaru nazywamy
macierz A − B, gdzie
Różnica macierzy:
A − B = A + (−1)B. [aij ] − [bij ] = [aij − bij ]
Przykład 68. Jeśli

−2 1 3 −2 0 0
A= , B= i O= ,
3 2 1 4 0 0
to macierz

−2 1 3 −2 0 0 −7 4
2A − B + 3O = 2 − +3 =
3 2 1 4 0 0 5 0
jest kombinacją liniową macierzy A, B i O ze współczynnikami 2, -1 i 3.
Z własności ciała K oraz z definicji 4.2.1, 4.2.2 i 4.2.3 natychmiast wynikają

następujące własności dodawania macierzy i mnożenia macierzy przez skalary.
68 4. Macierze
Twierdzenie 4.2.1. Dla skalarów α, β ∈ K i macierzy A, B, C ∈ Km×n oraz

macierzy zerowej O wymiaru m × n jest:
(a) A + B = B + A; (e) α(A + B) = αA + αB;
(b) A + (B + C) = (A + B) + C; (f ) (α + β)A = αA + βA;
(c) A + O = O + A = A; (g) (αβ)A = α(βA);
(d) A + (−1)A = O; (h) 1 · A = A.
Łatwe dowody powyższych własności pozostawiamy Czytelnikowi. Tu za-

uważmy, że bezpośrednią konsekwencją własności (a) – (d) jest następujący
wniosek.
(Km×n , +) – grupa Wniosek 4.2.1. System algebraiczny (Km×n , +), gdzie + jest działaniem do-
przemienna dawania macierzy, jest grupą przemienną.
Definicja 4.2.6. Niech A = [aij ] i B = [bij ] będą odpowiednio macierzami
należącymi do zbiorów Km×n i Kn×p . Iloczynem macierzy A i B nazywamy
macierz AB = [cij ] ∈ Km×p , w której
n
X
Iloczyn macierzy cij = ai1 b1j + ai2 b2j + . . . + ain bnj = aik bkj (4.3)
k=1
dla i = 1, . . . , m oraz j = 1, . . . , p.
Zauważmy, że iloczyn AB jest określony, gdy ilość kolumn macierzy A jest
równa ilości wierszy macierzy B i wtedy też macierz AB ma tyle wierszy co
macierz A, a kolumn tyle co macierz B. Warto także zauważyć, że element c ij
iloczynu AB jest standardowym iloczynem skalarnym i-tego wiersza ai macierzy
A oraz j-tej kolumny bj macierzy B,
cij = ai bj ,
czyli mamy
   
− a1 − " # a1 b 1 a1 b 2 · · · a1 bp
 − a2 −  | | |  a2 b 1 a2 b 2 · · · a2 bp 
AB = 
 ..  b1 b2 . . . bp =  .
  .. .. .. .. . (4.4)
. | | | . . .
− am − am b 1 am b 2 · · · am bp
Przykład 69. Niech

 
1 2
2 3 0
A = [aij ] =  −2 3  i B = [bij ] = .
−1 1 −2
0 4
Ponieważ A ∈ R3×2 i B ∈ R2×3 i liczba kolumn macierzy A jest równa liczbie wierszy
macierzy B, więc iloczyn AB istnieje i jest macierzą wymiaru 3 × 3,
" # " #
1 2 c11 c12 c13
2 3 0
AB = −2 3 = c21 c22 c23 ,
−1 1 −2
0 4 c31 c32 c33
gdzie
2
X
cij = ai bj = aik bkj = ai1 b1j + ai2 b2j dla 1 ¬ i, j ¬ 3.
k=1
Łatwo znajdujemy
c11 = a1 b1 = 1 · 2 + 2 · (−1) = 0, c23 = a2 b3 = (−2) · 0 + 3 · (−2) = −6,

c12 = a1 b2 = 1 · 3 + 2 · 1 = 5, c31 = a3 b1 = 0 · 2 + 4 · (−1) = −4,
c13 = a1 b3 = 1 · 0 + 2 · (−2) = −4, c32 = a3 b2 = 0 · 3 + 4 · 1 = 4,
c21 = a2 b1 = (−2) · 2 + 3 · (−1) = −7, c33 = a3 b3 = 0 · 0 + 4 · (−2) = −8,
c22 = a2 b2 = (−2) · 3 + 3 · 1 = −3,
więc
" #
0 5 −4
AB = −7 −3 −6 .
−4 4 −8
Iloczyn BA także istnieje, ale jest macierzą wymiaru 2 × 2,
" 1 2 #
2 3 0 −4 13
BA = −2 3 = 6= AB.
−1 1 −2 −3 −7
0 4
Przykład ten ilustruje, że mnożenie macierzy nie jest przemienne. Niżej

mamy podobne przykłady:

3 −1 1 −1 1 −3 3 −4 1 −1 3 −1
= 6= = ,
0 3 2 0 6 0 6 −2 2 0 0 3
" # " # " #
1 2 5 1 1
0 2 5 1 = 0 0 0 6= 4 = 2 5 1 0 ,
2 4 10 2 2

1 2 2 −4 0 0 10 20 2 −4 1 2
= 6= = .
−2 −4 −1 2 0 0 −5 −10 −1 2 −2 −4
Warto zauważyć, że jeśli macierz A = [aij ] ∈ Km×n pomnoży się przez

macierz jednokolumnową x = [ x1 x2 . . . xn ]T ∈ Kn×1 , to wobec (4.4) mamy
     
− a1∗ − a1∗ x a11 x1 + a12 x2 + . . . + a1n xn
 − a2∗ −   a2∗ x   a21 x1 + a22 x2 + . . . + a2n xn 
     
Ax =  ..  x =  ..  =  .. 
 .   .   . 
− am∗ − am1 x1 + am2 x2 + . . . + amn xn
am∗ x
    
a11 a12 a1n
 a21   a22   a2n 
     
= x1  .  + x2  ..  + . . . +xn  .. 
.
 .   .   . 
am1 am2 amn
     
| | |
= x1  a∗1  + x2  a∗2  + . . . + xn  a∗n ,
| | |
więc także
Ax = x1 a∗1 + x2 a∗2 + . . . + xn a∗n . (4.5)
Oznacza to, że iloczyn Ax jest kombinacją liniową kolumn macierzy A ze współ-

czynnikami, które są kolejnymi elementami kolumny x.
70 4. Macierze
Przykład 70. Z (4.5) wynika, że mamy

 
2
1 3 0 1  
 −1  = 2 1 − 3 0 1 −3
+ 3 − 2 = .
2 −4 5 6  3  2 −4 5 6 11
−2
Podobnie, jeśli macierz B = [bij ] ∈ Kn×p przemnażamy przez macierz jed-

nowierszową y = y1 y2 . . . yn ∈ K1×n , to mamy

yB = yb∗1 yb∗2 . . . yb∗p
" n n n
#
X X X
= yi bi1 yi bi2 . . . yi bip
i=1 i=1 i=1
n
X
= yi bi1 bi2 . . . bip ,
i=1
czyli
 
− b1∗ −
 
 − b2∗ −  X
n
yB = y1 y2 . . . yn  .. = yi bi∗ . (4.6)
 .  i=1
− bn∗ −
Zatem iloczyn yB jest kombinacją liniową wierszy macierzy B ze współczynni-

kami będącymi kolejnymi elementami macierzy y. Teraz z (4.4) i (4.5) mamy
 
a1∗ b∗1 a1∗ b∗2 · · · a1∗ b∗p
 a2∗ b∗1 a2∗ b∗2 · · · a2∗ b∗p 
 
AB =  .. .. .. .. 
 . . . . 
am∗ b∗1 am∗ b∗2 · · · am∗ b∗p
    
a1∗ b∗1 a1∗ b∗2 a1∗ b∗p
 a2∗ b∗1  a2∗ b∗2   a2∗ b∗p 
    
=  ..  ..  · · · .. 
 .  .   . 
am∗ b∗1 am∗ b∗2 am∗ b∗p
 
| | |
=  Ab∗1 Ab∗2 . . . Ab∗p  .
| | |
Analogicznie z (4.4) i (4.6) otrzymujemy

 
a1∗ b∗1 a1∗ b∗2 · · · a1∗ b∗p
 a2∗ b∗1 a2∗ b∗2 · · · a2∗ b∗p 
 
AB =  .. .. .. .. 
 . . . . 
am∗ b∗1 am∗ b∗2 · · · am∗ b∗p
   
[ a1∗ b∗1 a1∗ b∗2 · · · a1∗ b∗p ] − a1∗ B −
 [ a2∗ b∗1 a2∗ b∗2 · · · a2∗ b∗p ]   − a2∗ B − 
   
=  .. = .. .
 .   . 
[am∗ b∗1 am∗ b∗2 · · · am∗ b∗p ] − am∗ B −
Dlatego mamy następujące własności iloczynu macierzy.

Twierdzenie 4.2.2. Jeśli a1 , . . . , am są kolejnymi wierszami macierzy A ∈

Km×n , a b1 , . . . , bp są kolejnymi kolumnami macierzy B ∈ Kn×p , to iloczyn
AB jest macierzą, której kolejnymi kolumnami oraz wierszami są odpowiednio
Ab1 , . . . , Abp oraz a1 B, . . . , am B, czyli
   
| | | | | |
AB = A  b1 b2 . . . bp  =  Ab1 Ab2 . . . Abp  (4.7)
| | | | | |
i    
− a1 − − a1 B −
 − a2 −   − a2 B − 
   
AB =  ..  ·B =  .. . (4.8)
 .   . 
− am − − am B −
Dodatkowo, i-ta kolumna macierzy AB jest kombinacją liniową kolumn macierzy
A o współczynnikach z i-tej kolumny macierzy B (1 ¬ i ¬ p), a j-ty wiersz
macierzy AB jest kombinacją liniową wierszy macierzy B o współczynnikach
z j-tego wiersza macierzy A (1 ¬ j ¬ m).
Przykład 71. Dla macierzy A i B z przykładu 69 mamy

" # " | #
1 2 | |
2 3 0
AB = −2 3 = Ab1 Ab2 Ab3
−1 1 −2
0 4 | | |
"" # " # " # " # " # " ## " #
1 2 1 2 1 2 0 5 −4
= 2 −2 − 3 3 −2 + 3 0 −2 −2 3 = −7 −3 −6
0 4 0 4 0 4 −4 4 −8
i jednocześnie
" # " #
1 2 − a1 B −
2 3 0
AB = −2 3 = − a2 B −
−1 1 −2
0 4 − a3 B −
" # " #
1 [ 2 3 0 ] + 2 [ −1 1 − 2 ] 0 5 −4
= −2 [ 2 3 0 ] + 3 [ −1 1 − 2 ] = −7 −3 −6 .
0 [ 2 3 0 ] + 4 [ −1 1 − 2 ] −4 4 −8
Następne twierdzenie daje nam jeszcze jedną możliwość rozumienia (i wy-

znaczania) iloczynu macierzy.
Twierdzenie 4.2.3. Jeśli a1 , . . . , an są kolejnymi kolumnami macierzy A = [aij ]
∈ Km×n , a b1 , . . . , bn kolejnymi wierszami macierzy B = [bij ] ∈ Kn×p , to
  − b − 
| | 1

AB = a1 . . . an    .
. 
.  = a 1 b1 + . . . + a n bn . (4.9)
| | − bn −
Dowód. Równość (4.9) jest konsekwencją tego, że dla liczb naturalnych i = 1, . . . , m
oraz j = 1, . . . , p mamy
  
! a1k
n n n
X X X  a2k  
ak b k = (ak bk )ij =  .  bk1 bk2 . . . bkp 
 ..  
k=1 ij k=1 k=1
amk ij
n
X
= aik bkj = (AB)ij ,
k=1
gdzie przez (X)ij oznaczyliśmy element znajdujący w i-tym wierszu oraz j-tej kolumnie
macierzy X.
72 4. Macierze
Przykład 72. Korzystając z ostatniego twierdzenia, obliczyć iloczyn AB, gdy

 
0 1 2
1 3 0
A= i B =  −1 3 4 .
2 1 −1
5 0 −1
Mamy
" #" #
| | | − b1 −
AB = a1 a2 a3 − b2 − = a 1 b1 + a 2 b2 + a 3 b3
| | | − b3

1 3 0
= 0 1 2 + −1 3 4 + 5 0 −1
2 1 −1

0 1 2 −3 9 12 0 0 0 −3 10 14
= + + = .
0 2 4 −1 3 4 −5 0 1 −6 5 9
W następującym twierdzeniu przedstawiamy pewne własności mnożenia ma-

cierzy.
Twierdzenie 4.2.4. Dla skalara α i macierzy A, B, C oraz macierzy jednost-
kowej I zachodzą następujące równości (pod warunkiem, że występujące w nich
działania są wykonalne):
(a) A(B + C) = AB + AC; (d) (αA)B = A(αB) = α(AB);
(b) (A + B)C = AC + BC; (e) A(BC) = (AB)C.
(c) IA = A i BI = B;
Dowód. Przykładowo udowodnimy (a) i (e). Pozostałe równości dowodzi się podobnie.
Załóżmy, że macierze A, B i C są odpowiednio macierzami wymiaru m × n, n ×
p oraz n × p i o współczynnikach z ciała K. Ponieważ A(B + C) i AB + AC są
macierzami wymiaru m × p,więc dla dowodu równości (a) wystarczy udowodnić, że
A(B + C) ij = AB + AC ij dla i = 1, . . . , m oraz j = 1, . . . , p. Tak jest istotnie, bo
z definicji iloczynu i sumy macierzy (zob. definicje (4.2.6) i (4.2.2)) oraz z rozdzielności
mnożenia względem dodawania w ciele K mamy
n n
X X
A(B + C) ij
= (A)ik (B + C)kj = (A)ik (B)kj + (C)kj
k=1 k=1
n n
X X
= (A)ik (B)kj + (A)ik (C)kj
k=1 k=1
= (AB)ij + (AC)ij = AB + AC ij
.
Dla dowodu równości (e) zakładamy, że macierze A, B i C są odpowiednio wymiaru

m × n, n × p oraz p × s. Tym razem wystarczy wykazać, że A(BC) ij = (AB)C ij
dla i = 1, . . . , m oraz j = 1, . . . , s. To zaś wynika z definicji iloczynu macierzy, bo
mamy
n
X n
X X
p
A(BC) ij
= (A)ik (BC)kj = (A)ik (B)kl (C)lj
k=1 k=1 l=1
p n p
X X X
= (A)ik (B)kl (C)lj = (AB)il (C)lj = (AB)C ij
.
l=1 k=1 l=1
Równość (e) (tak samo jak i pozostałe równości) można także udowodnić w inny
sposób. Przyjmijmy, że A ∈ Km×n , B = [ b1 . . . bp ] ∈ Kn×p i C = [ c1 . . . cs ] = [cij ]
∈ Kp×s . Zauważmy najpierw, że dla iloczynu macierzy A, B i macierzy jednokolum-
nowej ci (która jest i-tą kolumną macierzy C) wobec (4.5), (a) oraz (d) mamy
  
c1i
A [ b1 . . . bp ]  ...  = A(c1i b1 + . . . + cpi bp )
  
A(Bci ) =
cpi
= c1i (Ab1 ) + . . . + cpi (Abp ) = [ Ab1 . . . Abp ]ci = (AB)ci .
Zatem ogólnie mamy

A(BC) = A B[ c1 . . . cs ] = A Bc1 . . . Bcs = A(Bc1 ) . . . A(Bcs )

= (AB)c1 . . . (AB)cs = (AB)[ c1 . . . cs ] = (AB)C.
Definicja 4.2.7. Macierzą transponowaną macierzy A = [aij ] ∈ Km×n nazy-

wamy macierz AT = [bij ] ∈ Kn×m , w której AT – transpozycja
macierzy A
bij = aji (AT )ij = (A)ji
dla i = 1, . . . , n oraz j = 1, . . . , m.
Obrazowo, AT powstaje z macierzy A przez zamianę wierszy na kolumny
i kolumn na wiersze; kolejne wiersze macierzy A stają się kolejnymi kolumnami
macierzy AT .
Przykład 73. Macierzami transponowanymi macierzy

2 −1 1 2 −3
A= , B= i C = 1 −2 0 4
3 4 −4 0 8
są odpowiednio
 
  1
1 −4
2 3  −2 
AT = , BT =  2 0 i CT =  
 0 .
−1 4
−3 8
4
Definicja 4.2.8. Macierz kwadratową A nazywamy macierzą symetryczną, gdy

Macierz symetryczna
AT = A, (4.10)
a jest ona skośnie symetryczna, gdy
AT = −A. (4.11) Macierz skośnie

symetryczna
Równoważnie, macierz kwadratowa A = [aij ] stopnia n jest symetryczna, gdy
aij = aji , (4.12)
a jest ona skośnie symetryczna, gdy
aij = −aji (4.13)
dla każdych indeksów i, j = 1, . . . , n.

Elementy głównej przekątnej macierzy skośnie symetrycznej A = [aij ] są
równe zeru, a11 = a22 = . . . = ann = 0, bo wobec (4.13) jest aii = −aii dla
i = 1, . . . , n.
74 4. Macierze
Przykład 74. Spośród macierzy

     
0 1 2 0 1 −2 0 1 −2
 1 3 −1  ,  −1 0 −1  i  −1 0 −1  ,
2 −1 2 2 1 0 −2 1 2
pierwsza jest symetryczna, druga – skośnie symetryczna, a trzecia nie jest ani
symetryczna, ani skośnie symetryczna.
Podstawowe własności transpozycji macierzy przedstawiamy w kolejnym twier-

dzeniu.
Twierdzenie 4.2.5. Dla każdych macierzy A, B ∈ Km×n i C ∈ Kn×p oraz
skalara α ∈ K jest:
(a) (AT )T = A; (c) (A + B)T = AT + BT ;
(b) (αA)T = αAT ; (d) (AC)T = CT AT .
Dowód. Równości
(a) – (c) są oczywiste. Dla dowodu równości (d) wystarczy wykazać,
że (AC)T ij = (CT AT )ij dla i = 1, . . . , p oraz j = 1, . . . , m. Z definicji transpozycji
i iloczynu macierzy mamy
n
X
(AC)T ij
= (AC)ji = (A)jk (C)ki
k=1
n n
X X
= (AT )kj (CT )ik = (CT )ik (AT )kj = (CT AT )ij
k=1 k=1
 
2
1 2 1
Przykład 75. Jeśli A = i B =  1 , to mamy
3 5 4
3
   T
2 T
 1 2 1    7
(AB)T = 1 =
3 5 4 23
3  
1 3
= 7 23 = 2 1 3  2 5  = BT AT .
1 4
4.3. Macierz odwrotna

Definicja 4.3.1. Mówimy, że macierz kwadratowa A ∈ Kn×n jest odwracalna,
jeśli istnieje macierz B ∈ Kn×n taka, że
Macierz odwracalna AB = BA = In . (4.14)
Twierdzenie 4.3.1. Jeśli A, B i C są macierzami kwadratowymi stopnia n

takimi, że AB = CA = In , to B = C.
Dowód. Jeśli AB = In i CA = In , to z własności macierzy jednostkowej i z łączności
mnożenia macierzy otrzymujemy
B = In B = (CA)B = C(AB) = CIn = C.

4.3. Macierz odwrotna 75
Z definicji 4.3.1 i twierdzenia 4.3.1 wynika, że jeśli macierz A ∈ Kn×n jest

odwracalna, to istnieje dokładnie jedna macierz B ∈ Kn×n taka, że AB = BA
= In . W takim przypadku mówimy, że B jest macierzą odwrotną do macierzy
A i oznaczamy ją symbolem A−1 . A−1 – macierz odwrotna

3 2 5 −2
Przykład 76. Jeśli A = iB= , to mamy
7 5 −7 3

3 2 5 −2 1 0
AB = =
7 5 −7 3 0 1
i
5 −2 3 2 1 0
BA = = .
−7 3 7 5 0 1
Dlatego macierz A jest odwracalna i jej macierzą odwrotną jest B, czyli mamy A−1
= B. Z tych samych powodów macierz B jest odwracalna i B−1 = A.

1 0
Przykład 77. Macierz C = nie jest odwracalna, bo dla każdej macierzy
2 0

a b
D= jest
c d

a b 1 0 a + 2b 0 1 0
DC = = 6= = I2 .
c d 2 0 c + 2d 0 0 1
Warunki konieczne i dostateczne odwracalności macierzy oraz sposoby wy-

znaczania macierzy odwrotnej poznamy w kolejnych rozdziałach. Teraz przed-
stawiamy trzy podstawowe własności macierzy odwracalnych i ich macierzy od-
wrotnych.
Twierdzenie 4.3.2. Jeśli A i B są macierzami odwracalnymi ze zbioru Kn×n ,
to:
−1
(a) macierz A−1 jest odwracalna i A−1 = A;

T −1
T
(b) macierz A jest odwracalna i A
T
= A−1 ;
(c) macierz AB jest odwracalna i (AB)−1 = B−1 A−1 .
Dowód. Dla dowodu (a) musimy wskazać macierz X ∈ Kn×n , dla której zachodzą
równości A−1 X = XA−1 = In . Ponieważ wiemy już, że te równości zachodzą dla
X = A, więc macierz A−1 jest odwracalna i A jest jej macierzą odwrotną.
Z odwracalności macierzy A i z własności transpozycji macierzy (zob. tw. 4.2.5 (d))
mamy
T T
AT A−1 = A−1 A = ITn = In
oraz
T T
A−1 AT = AA−1 = ITn = In
i stąd wynika (b).
Z odwracalności macierzy A i B oraz z łączności iloczynu macierzy (tw. 4.2.4 (e))
mamy

(AB) B−1 A−1 = A BB−1 A−1 = AIn A−1 = AA−1 = In
i

B−1 A−1 (AB) = B−1 A−1 A B = B−1 In B = B−1 A = In ,
a to dowodzi (c).
76 4. Macierze
Definicja 4.3.2. Potęgę macierzy kwadratowej A ∈ Kn×n definiujemy przyj-

mując, że
Potęga macierzy A0 = In i Ak+1 = Ak A
dla k 0. Przykładowo, A1 = A0 A = In A = A i A2 = A1 A = AA.

4 −4
Przykład 78. Dana jest macierz A = . (a) Wykazać, że A2 − 4A +
1 0
4I2 = 0. Wywnioskować stąd, że macierz A jest odwracalna i wyznaczyć A −1 .
(b) Indukcyjnie wykazać, że dla każdej liczby naturalnej n jest

n (n + 1)2n −n2n+1
A = .
n2n−1 (1 − n)2n
(a) Łatwo sprawdza się, że A2 −4A+4I2 = 0. Stąd zaś wyliczając I2 , otrzymujemy

1 1
A − A + I2 = − A + I2 A = I2 .
4 4

0 1
To dowodzi, że macierz A jest odwracalna i A −1
= − 14 A + I2 = .
− 41 1
(b) Dowodzona równość jest prawdziwa dla n = 1, bo mamy

1 4 −4 (1 + 1)21 −1 · 21+1
A =A= = .
1 0 1 · 21−1 (1 − 1)21

(n + 1)2n −n2n+1
Załóżmy teraz, że dla liczby naturalnej n 1 jest An = .
n2n−1 (1 − n)2n
Wtedy dla macierzy An+1 = An A mamy

(n + 1)2n −n2n+1 4 −4
An+1 =
n2n−1 (1 − n)2n 1 0

4(n + 1)2n − n2n+1 −4(n + 1)2n
=
4n2n−1 + (1 − n)2n −4n2n−1

(n + 2)2n+1 −(n + 1)2n+2
= n .
(n + 1)2 (1 − (n + 1))2n+1

(n + 1)2n −n2n+1
Stąd i z twierdzenia o indukcji wynika, że An = dla każdej
n2n−1 (1 − n)2n
liczby naturalnej n.
4.4. Ślad macierzy kwadratowej

Definicja 4.4.1. Jeśli A jest macierzą kwadratową, A = [aij ] ∈ Kn×n , to sumę
elementów należących do jej głównej przekątnej nazywamy śladem macierzy A
i oznaczamy przez tr (A), czyli
Ślad macierzy tr (A) = a11 + a22 + . . . + ann .
Przykład 79. Jeśli

" #
2 2
2 1 3
A= i B= −1 2 ,
−1 0 5
1 3
4.5. Ćwiczenia 77
to macierze AB i BA są kwadratowe,
" #
2 2 16
6 15
AB = i BA = −4 −1 7 ,
3 13
−1 1 18
i mają one równe ślady, tr (AB) = 19 = tr (BA). Równość ta nie jest przypadkowa.
Jest ona ilustracją bardzo ważnej własności śladu iloczynu macierzy i udowodnimy
teraz, że zawsze tr (AB) = tr (BA), jeśli tylko macierze AB i BA są określone (i ich
współczynniki należą do pierścienia przemiennego).
Twierdzenie 4.4.1. Jeśli A ∈ Km×n i B ∈ Kn×m , to ślady macierzy AB

i BA są sobie równe, czyli
tr (AB) = tr (BA). (4.15)

Dowód. Załóżmy, że A = [aij ], B = [bij ], AB = [cij ] i BA = [dij ]. Wtedy z definicji
śladu i definicji iloczynu macierzy mamy
m m n n m n
X X X X X X
tr (AB) = cii = aij bji = bji aij = djj = tr (BA).
i=1 i=1 j=1 j=1 i=1 j=1
Twierdzenie 4.4.2. Jeśli A, B ∈ Kn×n , to
tr (A + B) = tr (A) + tr (B) i tr (AB) = tr (BA).

Dowód. Pierwsza część tezy jest oczywista, a druga wynika z poprzedniego twierdze-
nia.
Definicja 4.4.2. Macierze A, B ∈ Kn×n nazywamy podobnymi, gdy istnieje Macierze podobne
macierz odwracalna C ∈ Kn×n taka, że
B = C−1 AC.
Twierdzenie 4.4.3. Jeśli macierze kwadratowe A i B są podobne, to
tr (A) = tr (B).
Dowód. Niech C będzie macierzą taką, że B = C−1 AC. Wtedy wobec twierdzenia
4.4.1 mamy
tr (B) = tr (C−1 AC) = tr (C−1 (AC))
= tr ((AC)C−1 ) = tr (A(CC−1 )) = tr (AI) = tr (A).
4.5. Ćwiczenia
1. Dane są macierze A, B, C, x i y, gdzie " #
−1 0 0
2 5
2 0 3 1 2 1 2. Oblicz A i A , jeśli A = 0 2 0 .
A= ,B= , 0 0 3
1 1 5 0 3 1
" # " # 3. Wyznaczyć liczbę AB 21 , gdy
T
3 2 1
2
C= 1 0 ,x= 2 , y= . " #
3 1 3 5
1 2 2 1 1 1
A= i B= 4 3 2 .
Jeśli to możliwe, obliczyć następujące wielkości: 2 3 1
1 1 1
(a) A + 2B; (f ) (A + CT )BT ; (k) yT Ax; 4. Na przykładzie macierzy
(b) 2A − C; (g) AT (B + C); (l) AxyT ;
1 −2 3 −1 −1 5
(c) AC; (h) Ax − 5y; (m) AAT ; A= ,B= iC=
2 −4 2 −2 0 1
(d) CA; (i) y A;
T
(n) xxT ; sprawdzić, czy z równości AB = AC wynika równość
(e) AB ; T
(j) x C;
T
(o) xT x. B = C.
78 4. Macierze
5. Czy macierze AB i BA są identyczne, gdy jest podgrupą grupy Kn×n (z działaniem dodawania
" # " # macierzy).
1 2 3 −2 −1 −6 o
19. Niech Kn×n będzie zbiorem wszystkich macierzy od-
A= 3 2 0 i B= 3 2 9 .
wracalnych należących do zbioru Kn×n . Udowodnić,
−1 −1 −1 −1 −1 −4 o
że Kn×n jest grupą ze względu na mnożenie
macierzy.

6. Podać przykład niezerowych macierzy A i B wymiaru 20. Pokazać, że zbiór macierzy postaci 1 x
, gdzie
2 × 2 i takich, że AB = 0. 0 1
x ∈ R, jest grupą ze względu na mnożenie macierzy.
7. Podać przykład macierzy A i B takich, że dokładnie
21. Macierz A nazywa się macierzą okresową, gdy
jeden z iloczynów AB i BA jest macierzą jednostko-
Ak+1 = A dla pewnej dodatniej liczby naturalnej k.
wą.
Wykazać, że macierz
8. Wyznaczyć macierze B i C takie, że
" # " # " #
1 2 2 −1 0 1 −2 −6
AB = −1 3 i ACA = 0 −2 2 , gdy A = −3 2 9
2 0 3 1 4 2 0 −3
" #
1 0 1
A−1 = 0 2 0 . jest okresowa. Dodatkowo wyznaczyć okres macierzy
1 0 3 A, czyli wyznaczyć najmniejszą dodatnią liczbę na-
9. Wyznaczyć, jeśli to możliwe, macierz X taką, że: turalną k, dla której Ak+1 = A.
" #
4 −1 1 22. Macierz A nazywamy macierzą idempotentną, gdy
(a) AX = A3 + 2A, gdy A = −1 4 −1 ; A2 = A. (a) Wykazać, że macierz
1 −1 4 " #
" # " # " # 2 −2 −4
4 0 0 2 0 0 2 0 −2
(b) 0 4 0 X − X 0 2 0 = 0 8 0 . A = −1 3 4
0 0 4 0 0 2 4 0 −6 1 −2 −3
10. Pokazać, że jeśli macierz A ∈ Rm×n ma zerowy jest macierzą idempotentną. (b) Udowodnić, że macie-
wiersz i B ∈ Rn×p , to także macierz AB ma zerowy rze A i B są idempotentne, gdy AB = A i BA = B.
wiersz. 23. O macierzy X mówi się, że jest macierzą nilpotent-
11. Pokazać, że jeśli A ∈ Rm×n i macierz B ∈ Rn×p ma ną rzędu k, gdy X 6= 0 i k jest najmniejszą liczbą
dwie identyczne kolumny, to także macierz AB ma naturalną taką, że Xk = 0. Sprawdzić nilpotentność
dwie identyczne kolumny. macierzy
12. (a) Wykazać, że iloczyn dwóch macierzy trójkątnych " # " #
górnych (zob. definicję 6.1.2) jest macierzą trójkątną 1 −3 −4 1 1 3
górną. (b) Czy analogiczną własność mają macierze A = −1 3 4 i B= 5 2 6 .
trójkątne dolne? 1 −3 −4 −2 −1 −3
13. Korzystając z twierdzenia 4.2.5 udowodnić, że jeśli
24. Udowodnić, że dla macierzy kwadratowych A i B jest
A1 , A2 , . . . , Ak (k 2) są macierzami takimi, że
(A+B)(A−B) = A2 −B2 i (A+B)2 = A2 +2AB+
istnieje iloczyn A1 · A2 · . . . · Ak , to
B2 wtedy i tylko wtedy, gdy AB = BA.
(A1 · A2 · . . . · Ak )T = ATk · . . . · AT2 · AT1 . 25. O macierzy X mówi się, że jest macierzą inwolującą,
gdy X2 = I. (a) Wykazać, że macierz X jest macierzą
14. Pokazać, że jeśli dla macierzy kwadratowych A i B inwolującą wtedy i tylko wtedy, gdy (I − X)(I + X) =
jest AB = BA, to także An B = BAn dla każdej 0. (b) Sprawdzić inwolucyjność macierzy
liczby naturalnej n. " # " #
0 1 −1 4 3 3
15. Uzasadnić, że jeśli A jest rzeczywistą macierzą kwa-
A = 4 −3 4 i B = −1 0 −1 .
dratową, to macierz 12 (A + AT ) jest symetrycz-
3 −3 4 −4 −4 −3
na, a macierz 2 (A − A ) jest skośnie-symetryczna.
1 T
Wywnioskować stąd, że każda rzeczywista ma- 26. Przeprowadzić dowód równości (b) z twierdzenia
cierz kwadratowa jest sumą macierzy symetrycznej 4.2.4.
i skośnie-symetrycznej. 27. Udowodnić, że jeśli A, B i C są macierzami kwa-
16. Pokazać, że jeśli A jest macierzą, to każda z macierzy dratowymi takimi, że AC = BC i macierz C jest
AAT i AT A jest symetryczna. odwracalna, to A = B.
17. Niech A będzie macierzą symetryczną wymiaru n×n 28. Wykazać, że jeśli A i B są macierzami takimi, że
i niech B bedzie macierzą wymiaru n × m. Wykazać, AB = 0 i macierz A jest odwracalna,
" to B = #0.
że BT AB jest macierzą symetryczną. 2 −3 3
s
18. Niech Kn×n będzie zbiorem wszystkich macierzy sy- 29. Uzasadnić, że dla macierzy A = 4 −5 3 jest
metrycznych wymiaru n × n. Udowodnić, że Kn×n s 4 −4 2
4.5. Ćwiczenia 79
A3 + A2 − 4A − 4I3 = 0. Wywnioskować stąd, że 40. Wykazać, że A2 − (a + d)A + (ad − bc)I2 = 0, gdy
macierz A jest odwracalna i wyznaczyć macierz A . −1
a b
" # A= .
1 1 −1 c d
30. Dana jest macierz A = 0 0 1 . Wykazać, że 41. Rzeczywista macierz kwadratowa o nieujemnych
2 1 2 współczynnikach jest macierzą Markowa, jeśli suma
A3 = 3A2 − 3A + I3 . Stąd wywnioskować, że A jest współczynników każdej kolumny jest równa 1. (a) Czy
odwracalna i wyznaczyć A . Macierz A wyrazić
−1 4 w macierzy Markowa suma współczynników każdego
poprzez macierze A , A i I3 i znaleźć jej bezpośrednią
2 wiersza także jest równa 1? (b) Czy iloczyn macierzy
postać. Markowa jest macierzą Markowa?
31. Macierzą
Heisenberga
nazywamy każdą macierz po- 42. Udowodnić, że dla macierzy A ∈ Rm×n jest
x y tr (AT A) = 0 wtedy i tylko wtedy, gdy A = 0.
staci , gdzie x, y ∈ R i x > 0. (a) Udowodnić,
0 1 43. Wpisując TAK albo NIE, stwierdzić prawdziwość
że iloczyn macierzy Heisenberga jest macierzą Heisen- każdego z następujących zdań:
berga. (b) Wykazać, że każda macierz Heisenberga
1 Jeśli macierze A i B są równe, to dla każdej
jest odwracalna i uzasadnić, że jej macierzą odwrotną
macierzy C jest AC = BC.
jest macierz Heisenberga.
(c) Znaleźć
macierz
Heisen-
2 3 1 2 2 Jeśli dla macierzy A, B i C jest AC = BC,
berga X taką, że X= . to także jest A = B.
0 1 0 1
32. Niech A i B będą macierzami kwadratowymi i niech 3 Jeśli A i B są macierzami kwadratowymi ta-
A będzie macierzą odwracalną. Udowodnić, że AB = kimi, że AB = 0, to także BA = 0.
BA wtedy i tylko wtedy, gdy A−1 B = BA−1 . 4 Jeśli A i B są macierzami takimi, że AB = 0,
33. Udowodnić, że jeśli A jest macierzą wymiaru n × n to koniecznie A = 0 lub B = 0.
i X jest jedyną macierzą taką, że AX = In , to XA = 5 Jeśli A jest macierzą i A2 = I, to A = I lub
In i dlatego X = A−1 . A = −I.
4 −3 Jeśli A jest macierzą i A2 = I, to Ak = I dla
34. Dana jest macierz A = . (a) Udowodnić, 6
1 0 każdej liczby naturalnej k 2.
że A = 4A − 3I2 . (b) Indukcyjnie wykazać, że
2
7 Jeśli A jest macierzą i A2 = I, to Ak = I dla
n
3 −1 3−3 n każdej parzystej liczby naturalnej k 2.
An = A+ I2 dla n 1. Jeśli A i B są macierzami, to z równości AB =
2 2 8
I wynika odwracalność macierzy A i B.

35. Wykazać, że jeśli dla macierzy kwadratowych A, B
i P jest P−1 AP = B, to P−1 An P = Bn dla każdej 9 Jeśli macierze A i B są takie, że AB jest ma-
liczby naturalnej n. cierzą jednostkową i BA jest macierzą diagonalną, to
A i B są wzajemnie odwrotne.
4 −3 3 1
36. Udowodnić, że jeśli A = i P = ,
1 0 1 1 10 Niech A, B i C będą macierzami. Czy z rów-
to P−1 AP = diag (3, 1). Korzystając z tej równości ności A + C = B + C wynika równość A = B?
wykazać, że 11 Jeśli A jest macierzą symetryczną wymiaru
n
3 −1 3−3 n n × n i A2 = [bij ], to bii 0 dla i = 1, . . . , n.
An = A+ I2 dla n 1.
2 2 12 Jeśli dla macierzy A, B i C jest AB = C i dwie
spośród nich są kwadratowe, to i trzecia macierz jest
37. Wykazać, że jeśli macierz A jest odwracalna, to
kwadratowa.
(Ak )−1 = (A−1 )k dla każdej liczby naturalnej k.
38. Ciągiem Fibonacciego (zob. (10.13)) nazywamy ciąg 13 Dla każdej macierzy kwadratowej A i liczby α
(Fn ), w którym F0 = 0, F1 = 1 i Fn = Fn−1 + Fn−2 jest tr (αA) = αtr (A).
dla n 2. Korzystając z tego ciągu podać
i udowod-
14 Dla każdej macierzy kwadratowej A jest
1 1 tr (AT ) = tr (A).
nić wzór na n-tą potęgę macierzy A = . " #2 " #3
1 0 −1 −1 −1 0 1 0
39. Podać i udowodnić wzór na n-tą potęgę macierzy A 15 0 1 0 = −1 −1 −1
0 0 1 0 0 1
i następnie obliczyć limn→∞ An , gdy: " #4
0 1 0
1/2 α 1/2 1/2 = 0 0 1 .
(a) A = ; (b) A = .
0 1/2 1/4 3/4 −1 −1 −1
Rozdział 5
UKŁADY RÓWNAŃ LINIOWYCH
5.1. Podstawowe definicje i fakty
Definicja 5.1.1. Układem m równań liniowych o n niewiadomych x1 , x2 , . . . ,

xn nazywamy układ postaci


 a11 x1 + a12 x2 + . . . + a1n xn = b1 ,

 a21 x1 + a22 x2 + . . . + a2n xn
Układ równań = b2 ,
liniowych .. .. (5.1)

 . .


am1 x1 + am2 x2 + . . . + amn xn = bm ,
w którym współczynniki aij oraz bi (te ostatnie nazywa się wyrazami wolnymi
układu) są elementami ciała K. (W naszych rozważaniach tym ciałem będzie
ciało liczb rzeczywistych R lub ciało liczb zespolonych C.)
Ze współczynników, niewiadomych i wyrazów wolnych układu (5.1) można

utworzyć macierze
     
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
     
A = . .. .. ..  , x = ..  , b = .. 
 .. . . .   .   . 
am1 am2 . . . amn xn bm
i  
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
 
[A|b] = .. .. .. .. .. 
 . . . . . 
am1 am2 . . . amn bm
nazywane odpowiednio macierzą główną, macierzą niewiadomych, macierzą wy-

razów wolnych i macierzą rozszerzoną układu (5.1).
Układ (5.1) jest równoważny jednemu równaniu macierzowemu

   
a11 x1 + a12 x2 + . . . + a1n xn b1
 a21 x1 + a22 x2 + . . . + a2n xn   b2 
   
 ..  =  .. ,
 .   . 
am1 x1 + am2 x2 + . . . + amn xn bm
które można zapisać w postaci

    
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n     
   x2   b 2 
 .. .. .. ..  ·  ..  =  ..  (5.2)
 . . . .  .   . 
am1 am2 . . . amn xn bm
5.1. Podstawowe definicje i fakty 81
(symbolicznie Ax = b), zwanej postacią macierzową układu (5.1), oraz w postaci

       
a11 a12 a1n b1
 a21   a22   a2n   b2 
       
x1 .  + x2 .  + . . . + xn .  =  .  (5.3)
 ..   ..   ..   .. 
am1 am2 amn bm
(symbolicznie x1 a∗1 +x2 a∗2 +. . .+xn a∗n = b), zwanej postacią wektorową układu
(5.1).
Przykład 80. Postacią macierzową i wektorową układu równań


 x1 − 2x2 + x3 = 0,
2x2 − 8x3 = 8,

−4x1 + 5x2 + 9x3 = −9
jest odpowiednio     
1 −2 1 x1 0
 0 2 −8  x2  =  8 
−4 5 9 x3 −9
i        
1 −2 1 0
x1  0  + x2  2  + x3  −8  =  8 .
−4 5 9 −9
Definicja 5.1.2. Rozwiązaniem układu (5.1) nazywamy macierz jednokolum- Rozwiązanie układu
nową s ∈ Kn×1 , dla której
As = b.
Równoważnie, przez rozwiązanie układu (5.1) możemy rozumieć taki ciąg s 1 , s2 ,
. . . , sn elementów ciała K, dla którego jest ai1 s1 + ai2 s2 + . . . + ain sn = bi dla
i = 1, . . . , m. Mówimy, że układ (5.1) jest niesprzeczny, jeśli ma on co najmniej
jedno rozwiązanie. Z drugiej strony układ (5.1) nazywamy układem sprzecznym,
jeśli nie ma on żadnego rozwiązania.
Definicja 5.1.3. Dwa układy równań Ax = b i Cx = d, gdzie A, C ∈ Km×n Układy równoważne

i b, d ∈ Km×1 , nazywamy równoważnymi, gdy mają one identyczne zbiory roz-
wiązań.
Operacje elementarne
Przedstawimy teraz tzw. operacje elementarne na równaniach układu (5.1), ope-

racje, za pomocą których układ sprowadza się do postaci, z której łatwo odczy-
tuje się rozwiązania układu lub stwierdza się brak rozwiązań tego układu. Mamy Operacje elementarne
trzy typy operacji elementarnych na równaniach układu: na równaniach układu
• zamiana miejscami dwóch równań układu (5.1) (symbolem ri ↔ rj będziemy r i ↔ rj
oznaczać przestawienie miejscami równań ri oraz rj , gdzie i 6= j);
• pomnożenie równania układu (5.1) przez liczbę różną od zera (symbolu tri tri
użyjemy na oznaczenie faktu pomnożenia obu stron równania ri przez liczbę
t 6= 0);
• dodanie do jednego równania układu (5.1) innego równania układu (5.1) r i + trj
pomnożonego przez liczbę różną od zera (symbolu ri + trj użyjemy, gdy do
równania ri dodamy równanie rj (j 6= i) pomnożone przez liczbę t).
82 5. Układy równań liniowych
Przykład 81. Za pomocą operacji elementarnych można dany układ równań

przekształcić w prostszy. Przykładowo mamy
( ( r3 − r 2
x 1 − x 2 + x 3 = 4 r2 − r 1 x1 − x 2 + x 3 = 4 1
r
r3 − 3r1 2 2
x1 + x2 − x3 = 10 −→ 2x2 − 2x3 = 6 −→
3x1 − x2 + 2x3 = 20 2x2 − x3 = 8
(
x1 − x 2 + x 3 = 4
x2 − x 3 = 3
x3 = 2.
Ostatni układ równań jest prostszy od wyjściowego układu i można go rozwią-

zać “metodą cofania”. W tym celu otrzymane z ostatniego równania x 3 = 2
podstawiamy do drugiego równania (x2 − 2 = 3) i z niego wyliczamy x2 = 5.
W końcu x2 = 5 i x3 = 2 podstawiamy do pierwszego równania (x1 − 5 + 2 = 4)
i otrzymujemy x1 = 7. Zatem rozwiązaniem ostatniego (i wyjściowego) układu
równań jest    
x1 7
x =  x2  =  5  .
x3 2
Ponieważ wszystkie informacje o układzie (5.1) zawarte są w jego macie-

rzy rozszerzonej, zamiast wykonywania operacji elementarnych na równaniach
układu wygodniej jest wykonywać odpowiednie operacje na wierszach macierzy
rozszerzonej. Wyżej przedstawionym operacjom elementarnym na równaniach
wzajemnie jednoznacznie odpowiadają operacje elementarne na wierszach ma-
Operacje elementarne cierzy. Niech w1 , w2 , . . . , wm będą wierszami macierzy A ∈ Km×n . Operacjami
na wierszach macierzy elementarnymi na wierszach macierzy A są:
• zamiana miejscami dwóch wierszy macierzy A (symbolicznie wi ↔ wj dla
w i ↔ wj i 6= j);
• pomnożenie wiersza macierzy A przez liczbę różną od zera (symbolicznie tw i
twi dla t 6= 0);
• dodanie do jednego wiersza macierzy A innego wiersza macierzy A pomno-
wi + twj żonego przez liczbę różną od zera (symbolicznie wi + twj ).
Za pomocą operacji elementarnych na wierszach macierzy można daną ma-

cierz przekształcić w macierz mającą określone własności. Następujący przykład
ilustruje przekształcenie macierzy kwadratowej w macierz trójkątną górną.
Przykład 82.
   
0 3 5 5 2 4 2 6
2 4 2 6  w1 ↔ w 2  0 3 5 5  w4 − 2w3
0 −→  −→
3 4 5 0 3 4 5
0 6 8 7 0 6 8 7
   
2 4 2 6 2 4 2 6
0 3 5 5  w3 − w 2  0 3 5 5
0 −→  .
3 4 5 0 0 −1 0
0 0 0 −3 0 0 0 −3
Macierze elementarne
Definicja 5.1.4. Macierzą elementarną nazywamy macierz otrzymaną z macie- Macierz elementarna
rzy jednostkowej w wyniku jednej operacji elementarnej na jej wierszach.
Niech Eij , Ei (t) i Eij (t) będą odpowiednio macierzami elementarnymi otrzy-
manymi w wyniku operacji elementarnych wi ↔ wj , twi i wi + twj na wierszach
macierzy jednostkowej Im . Warto zauważyć, że jeśli e1 , e2 , . . . , em są kolejnymi
wierszami macierzy Im , to
− e1 −
 1 
 ..   .. 
 .   . 
− ei−1 −
  1

   
− ej −   0 0 ··· 1  ← i
  ← i  
− ei+1 −   0 1 0 
   
Eij

=  ..  
= .. .. .. 
,
.  . . . 
   
− ej−1 −   0 1 0 
   
− ei −  ← j  1 ··· 0 0  ← j
   
− ej+1 −   1 
 ..   
   .. 
. .
− em − 1
   
− e1 − 1 ··· 0
 ..   .. . . .. 
 .   . . . 
   
 − ei−1 −   0 ··· 1 
   
Ei (t) =  − tei −  ← i =  t  ← i ,
−e   1 ··· 0 
 i+1 −   
 ..   .. . . .. 
 .   . . . 
− em − 0 ··· 1
 
− e1 −
 
 ..  1
 . 
   .. 
 − ei−1 −   . 
   
 − ei + tej −  ← i  1 ··· t  ← i
 − ei+1 −
  .. . . .. 
Eij (t) = 


 =
 . . .

 .
 ..   
 .   0 ··· 1  ← j
 − ej −  ← j  .. 
   . 
 .. 
 .  1
− em −
Przykład 83. Przykładowymi macierzami elementarnymi stopnia 4 są

     
1 0 0 0 1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 5
E34 =  , E (5) =   
 0 0 5 0  i E24 (5) =  0 0
.
0 0 0 1 3 1 0
0 0 1 0 0 0 0 1 0 0 0 1
Niech teraz A będzie macierzą wymiaru m × n, której kolejnymi wierszami

są a1 , a2 , . . . , am . Niech B, C i D będą odpowiednio macierzami otrzymanymi
z macierzy A w wyniku przestawienia i-tego wiersza z j-tym, przemnożenia
i-tego wiersza przez liczbę t oraz dodania j-tego wiersza pomnożonego przez t
do i-tego wiersza. Z faktu, że iloczyn ek A jest kombinacją wierszy macierzy A ze
współczynnikami z jednowierszowej macierzy ek = [ 0 . . 0} 1 0 . . . 0 ] (zob. (4.6))

| .{z
k−1
wynika, że
ek A = ak
dla k = 1, . . . , m. Stąd zaś wynika, że mamy
     
− a1 − − e1 A − − e1 −
 ..   ..   .. 
 .   .   . 
 − aj −  ←i  − ej A −   − ej − 
     

B =  ..   .. = .. ·A = E A,
.  =
.   .  ij
  ←j    
 − ai −   − ei A −   − ei − 
 ..
  ..
  ..

     
. . .
− am − − em A − − em −
− a − − e A − − e − 
1 1 1
 .
..   ..   .. 
   .   . 
C = 
 − tai −  ←i =  − tei A −  =  − tei −
   
·A = Ei (t)A,

 ..   ..   .. 
. . .
− am − − em A − − em −
− a −
  − e A −  − e1 −

1 1
 ..   ..   .. 
 .   .   . 
D = 
 − ai + taj −  ←i =  −(ei + tej )A−  =  −
    ei + tej − ·A = Eij (t)A.

 ..   ..   .. 
. . .
− am − − em A − − em −
Oznacza to, że efekt wykonania jakiejkolwiek operacj elementarnej na wierszach

macierzy A jest tożsamy z przemnożeniem macierzy A przez macierz elementar-
ną odpowiadającą tej operacji elementarnej na wierszach. Można także rozważać
operacje elementarne na kolumnach macierzy A i zaobserwować, że w wyniku
każdej takiej operacji uzyskujemy dokładnie to samo, co w wyniku pomnożenia
macierzy A przez macierz elementarną odpowiadającą tej operacji elementarnej.
Przykład 84.
  
1 0 0 a11 a12 a13
E23 (4)A =  0 1 4   a21 a22 a23 
0 0 1 a31 a32 a33
 
a11 a12 a13
=  a21 + 4a31 a22 + 4a32 a23 + 4a33 .
a31 a32 a33
Inną ważną własność macierzy elementarnych przedstawia następujące twier-

dzenie.
Twierdzenie 5.1.1. Każda macierz elementarna jest odwracalna i macierz od-
wrotna macierzy elementarnej jest macierzą elementarną.
Dowód. Łatwo zauważyć, że dla macierzy elementarnych mamy
Eij Eij = Im , Ei (t)Ei (1/t) = Im i Eij (t)Eij (−t) = Im .
Zatem
(Eij )−1 = Eij , (Ei (t))−1 = Ei (1/t) oraz (Eij (t))−1 = Eij (−t)
i stąd wynika teza.

Przykład 85. Znaleźć macierze odwrotne następujących macierzy elementar-

nych      
0 1 0 1 0 0 1 0 3
E =  1 0 0 , F =  0 2 0  i G =  0 1 0 .
0 0 1 0 0 1 0 0 1
Z dowodu poprzedniego twierdzenia wynika, że
" # " # " #
0 1 0 1 0 0 1 0 −3
−1 −1 −1
E = 1 0 0 , F = 0 21 0 i G = 0 1 0 .
0 0 1 0 0 1 0 0 1
Definicja 5.1.5. Mówimy, że macierz B jest wierszowo równoważna macierzy Wierszowa równoważność
A, piszemy A ∼ B, gdy macierz B można uzyskać z macierzy A za pomocą macierzy
skończonego ciągu operacji elementarnych na wierszach.
Z odpowiedniości pomiędzy operacjami elementarnymi na wierszach i prze-
mnażaniem macierzy przez macierze elementarne wynika, że macierz B jest wier-
szowo równoważna macierzy A (czyli A ∼ B) wtedy i tylko wtedy, gdy istnieją
macierze elementarne E1 , E2 , . . . , Ek takie, że B = Ek Ek−1 . . . E1 A. Ponieważ
macierze E1 , E2 , . . . , Ek są odwracalne, więc także macierz P = Ek Ek−1 . . . E1
jest odwracalna i dlatego mamy: jeśli dla macierzy A i B jest A ∼ B, to istnieje
taka macierz odwracalna P, że B = PA. (Udowodnimy, że stwierdzenie odwrotne
też jest prawdziwe, tj. udowodnimy, że jeśli B = PA i macierz P jest odwracal-
na, to A ∼ B.) Warto zauważyć, że dla macierzy P jest P = Ek Ek−1 . . . E1 I,
a to oznacza, że P powstaje z macierzy jednostkowej I za pomocą operacji na
wierszach odpowiadających kolejno macierzom E1 , E2 , . . . , Ek .
Przykład 86. Pokazać, że macierze A i B są wierszowo równoważne i znaleźć

taką macierz P, że B = PA, gdy
   
2 8 7 1 4 3
A =  0 2 2  i B =  0 1 2 .
1 4 3 0 0 1
Dla dowodu wierszowej równoważności macierzy A i B wystarczy wskazać ciąg operacji
elementarnych przekształcających macierz A w macierz B (zob. dwie pierwsze kolumny
następującej tablicy). Każdej takiej operacji elementarnej odpowiada macierz elemen-
tarna, czyli macierz uzyskana w wyniku wykonania tej samej operacji elementarnej na
wierszach macierzy I3 . Iloczyn uzyskanych macierzy elementarnych tworzy macierz P.
Równoważność Operacje Macierze Równoważność

macierzy A i B elementarne elementarne macierzy I3 i P

2 8 7 1 0 −2 1 0 0
A = 0 2 2 w1 − 2w3 E13 (−2) = 0 1 0 I3 = 0 1 0
1 4 3 0 0 1 0 0 1

0 0 1 1 0 0 1 0 −2
1
∼ 0 2 2 2 w2 E2 ( 12 ) = 0 1
2 0 ∼ 0 1 0
1 4 3 0 0 1 0 0 1

0 0 1 1 0 0 1 0 −2
1
∼ 0 1 1 w2 + w 1 E21 (1) = 1 1 0 ∼ 0 2 0
1 4 3 0 0 1 0 0 1

0 0 1 0 0 1 1 0 −2
1
∼ 0 1 2 w1 ↔ w 3 E13 = 0 1 0 ∼ 1 2 −2
1 4 3 1 0 0 0 0 1

1 4 3 0 0 1
1
∼ 0 1 2 ∼ 1 2 −2
0 0 1 1 0 −2
= B = P
Ponieważ B = E13 E21 (1)E2 ( 21 )E13 (−2)A, więc mamy
P = E13 E21 (1)E2 ( 12 )E13 (−2)

" #" #" #" # " #
0 0 1 1 0 0 1 0 0 1 0 −2 0 0 1
= 0 1 0 1 1 0 0 21 0 0 1 0 = 1 21 −2 .
1 0 0 0 0 1 0 0 1 0 0 1 1 0 −2
Dla wyznaczenia macierzy P nie trzeba wymnażać macierzy E13 , E21 (1), E2 ( 12 )
i E13 (−2). Wystarczy zauważyć, że P jest macierzą uzyskaną z macierzy I3 kolejno
za pomocą operacji w1 − 2w3 , 12 w2 , w2 + w1 i w1 ↔ w3 . Zatem P jest macierzą
wygenerowaną w ostatniej kolumnie powyższej tabeli.
Rozwiązywanie układu równań liniowych

Omówimy teraz praktyczną metodę rozwiązywania układów równań. W meto-
dzie tej macierz rozszerzoną układu przekształca się w wierszowo równoważną
macierz rozszerzoną prostszego i równoważnego układu równań.
Twierdzenie 5.1.2. Jeśli macierze [A|b] i [C|d] są wierszowo równoważne, to

układy równań liniowych Ax = b i Cx = d są równoważne.
Dowód. Załóżmy, że macierze [A|b] i [C|d] są wierszowo równoważne. Wtedy istnieje
macierz odwracalna P taka, że [C|d] = P[A|b] = [PA|Pb] i dlatego także C = PA
oraz d = Pb. Ponieważ macierz P jest odwracalna, więc mamy równoważności
Ax = b ⇔ PAx = Pb ⇔ Cx = d,
a to oznacza, że układy Ax = b i Cx = d mają takie same rozwiązania i dlatego są

one równoważne.
Praktycznie rozwiązując układ równań liniowych Ax = b, przechodzić bę-
dziemy od jego macierzy rozszerzonej [A|b] do wierszowo równoważnej macierzy
mającej tzw. postać schodkową.
Macierz schodkowa Definicja 5.1.6. Mówimy, że macierz M ma postać schodkową (albo jest ma-
cierzą schodkową), jeśli ma ona następujące własności:
• każdy wiersz składający się z samych zer (jeśli taki wiersz w macierzy istnieje)
występuje w niej po wszystkich niezerowych wierszach;
• w każdym niezerowym wierszu pierwszym niezerowym elementem jest jedyn-
Wiodąca jedynka ka – nazywamy ją wiodącą jedynką tego wiersza – i występuje ona na prawo
od wiodącej jedynki każdego wcześniejszego wiersza.
Normalna macierz Powiemy także, że macierz M ma normalną postać schodkową (albo jest
schodkowa normalną macierzą schodkową), jeśli ma ona postać schodkową i dodatkowo
• każda wiodąca jedynka jest jedynym niezerowym elementem kolumny, w któ-
rej ona występuje.
Przykład 87. Dane są macierze

" # " # " # " #
1 2 3 1 2 3 0 1 3 1 0 3
A= 0 0 1 , B= 0 1 3 , C= 1 2 3 i D= 0 1 3 .
0 1 3 0 0 0 0 0 0 0 0 0
Macierz A nie ma postaci schodkowej, bo wiodąca jedynka trzeciego wiersza nie wystę-
puje na prawo od wiodącej jedynki drugiego wiersza. Z podobnych powodów macierz
C nie ma postaci schodkowej. Macierze B i D są w postaci schodkowej. Dodatkowo,
macierz D ma normalną postać schodkową. “Schodkowość” następnych dwóch macie-
rzy E i F podkreślona została schodkowymi łamanymi oddzielającymi zerowe części
ich wierszy od tych, które zaczynają się od wiodących jedynek. Macierz F oczywiście
ma normalną postać schodkową. W obu macierzach “gwiazdkowe” współczynniki mogą
mieć dowolną wartość.
   
0 1 ∗ ∗ ∗ ∗ ∗ ∗ 0 1 ∗ 0 0 0 ∗ ∗
 0 0 0 1 ∗ ∗ ∗ ∗   0 0 0 1 0 0 ∗ ∗ 
   
E= 0 0 0 0 1 ∗ ∗ ∗  i F= 0 0 0 0 1 0 ∗ ∗ .
 0 0 0 0 0 1 ∗ ∗   0 0 0 0 0 1 ∗ ∗ 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Twierdzenie 5.1.3. Każda macierz A = [aij ] ∈ Km×n jest wierszowo równo-

ważna macierzy schodkowej (normalnej macierzy schodkowej).
Uwaga. Można udowodnić, że każda macierz jest wierszowo równoważna do-
kładnie jednej macierzy w normalnej postaci schodkowej.
Dowód. Przedstawiamy tu dowód indukcyjny ze względu na s = mn. Twierdzenie jest
oczywiste, gdy A jest macierzą zerową i łatwo wynika z założenia indukcyjnego, jeśli
A ma zerowy wiersz lub zerową kolumnę. W pozostałych przypadkach przestawiając
miejscami dwa wiersze, można macierz A sprowadzić do wierszowo równoważnej macie-
rzy B = [bij ], w której b11 6= 0. Mnożąc teraz pierwszy wiersz macierzy B przez 1/b11
otrzymamy wierszowo równoważną macierz C = [cij ] z c11 = 1. Mnożąc teraz pierwszy
wiersz macierzy C przez −ck1 i dodając go do k-tego wiersza (dla k = 2, . . . , m),
otrzymamy wierszowo równoważną macierz
 
1 c12 · · · c1n
 0 d22 · · · d2n 
D=
 ... ... .. .. 
.
. .
0 dm2 · · · dmn
Wobec założenia indukcyjnego macierz D0 , którą otrzymujemy z D przez wykreśle-

nie pierwszego wiersza, jest wierszowo równoważna pewnej macierzy schodkowej D00 .
Wstawiając D00 na miejsce D0 uzyskujemy macierz schodkową E = [eij ] wierszowo
równoważną macierzy D (i A).
W celu otrzymania normalnej macierzy schodkowej wystarczy kolejno (zaczynając
od ostatniego niezerowego wiersza) każdy i-ty wiersz (i 2) macierzy E zawierający
wiodącą jedynkę, powiedzmy w j-tej kolumnie, pomnożyć przez −elj i dodać go do
l-tego wiersza dla l = 1, . . . , i − 1.
Niezerową macierz możemy sprowadzić do wierszowo równoważnej macierzy

schodkowej, posługując się następującym algorytmem.
Algorytm redukcji macierzy do postaci schodkowej

Dla redukcji niezerowej macierzy A do wierszowo równoważnej macierzy schod-
kowej wykonujemy następujące kroki:
1. Zaczynając od lewej strony, odnajdujemy pierwszą niezerową kolumnę ma-
cierzy A i niezerowy współczynnik a tej kolumny. Jeśli trzeba, przestawiamy
wiersze tak, aby niezerowy współczynnik a znalazł się w pierwszym wierszu.
2. Pierwszy wiersz mnożymy przez 1/a dla otrzymania wiodącej jedynki w pier-
wszym wierszu.
3. Za pomocą operacji zastępowania wierszy (tj. poprzez dodawanie do jednego
wiersza macierzy innego wiersza pomnożonego przez liczbę) tworzymy zera
wszędzie poniżej wiodącej jedynki.
4. Przykrywamy (lub ignorujemy) wiersz zawierający wiodącą jedynkę i przy-

krywamy wszystkie wiersze powyżej niego, jeśli takie są. Dla powstałej pod-
macierzy powtarzamy kroki 1–3. Proces ten powtarzamy do wyczerpania
niezerowych wierszy.
Normalną macierz schodkową otrzymamy, wykonując jeszcze jeden krok.
5. Kolejno zaczynając od ostatniej wiodącej jedynki, za pomocą operacji zastę-
powania wierszy tworzymy zera powyżej każdej wiodącej jedynki.
Przykład 88. Za pomocą powyższego algorytmu macierz A sprowadzić do wier-

szowo równoważnej macierzy mającej normalną postać schodkową, gdy
 
0 0 1 0 0 1
A =  2 6 2 4 2 0 .
3 9 5 6 4 4
  Krok 1. Pierwsza kolumna jest nizerowa i a = 2

0 0 1 0 0 1
2 6 2 4 znajdujące się w drugim wierszu może być jej niezero-
A = 2 0
wym elementem. Przestawiamy miejscami dwa pierw-
3 9 5 6 4 4
  sze wiersze.
2 6 2 4 2 0
0 0 1 0 Krok 2. Pierwszy wiersz mnożymy przez 1/2; uzy-
∼ 0 1
skujemy wiodącą jedynkę w pierwszym wierszu.
3 9 5 6 4 4
 
1 3 1 2 1 0 Krok 3. Do trzeciego wiersza dodajemy pierwszy
∼ 0 0 1 0 0 1 wiersz pomnożony przez −3; uzyskujemy zera pod
3 9 5 6 4 4 wiodącą jedynką.
 
1 3 1 2 1 0
0 0 1 0 Krok 4. Przykrywamy pierwszy wiersz, wiersz zawie-
∼ 0 1
rający wiodącą jedynką.
0 0 2 0 1 4
  Kroki 1-3. Trzecia kolumna jest pierwszą niezerową
1 3 1 2 1 0 kolumną podmacierzy i a = 1 jest niezerowym współ-
∼ 0 0 1 0 0 1 czynnikiem tej kolumny znajdującym sie w “pierw-
0 0 2 0 1 4 szym” wierszu (kroki 1 i 2). Do “drugiego” wiersza
  dodajemy “pierwszy” pomnożony przez −2 (krok 3).
1 3 1 2 1 0 Krok 4. Przykrywamy “pierwszy” wiersz i wiersz po-
∼ 0 0 1 0 0 1 przedzający; otrzymujemy macierz mającą tylko je-
0 0 0 0 1 2 den wiersz.
 
1 3 1 2 1 0 Kroki 1-3 niczego nie zmieniają w tej macierzy je-
∼ 0 0 1 0 0 1 dnowierszowej. Krokiem 4 wyczerpujemy wszystkie
0 0 0 0 1 2 wiersze macierzy. Otrzymaliśmy macierz schodkową.
 
1 3 1 2 1 0
Krok 5. Od pierwszego wiersza odejmujemy trzeci
∼ 0 0 1 0 0 1
i następnie od pierwszego odejmujemy drugi.
0 0 0 0 1 2
 
1 3 0 2 0 −3
Otrzymaliśmy macierz mającą normalną postać
∼ 0 0 1 0 0 1
schodkową.
0 0 0 0 1 2
Wiodąca kolumna Definicja 5.1.7. Kolumną wiodącą macierzy A nazywamy każdą kolumnę, któ-
macierzy ra w macierzy A lub w macierzy wierszowo równoważnej ma wiodącą jedynkę.
Z pojęcia tego skorzystamy w kolejnym twierdzeniu, które mówi o istnieniu
i ilości rozwiązań układu równań liniowych.
Przykład 89. Kolumną wiodącą w macierzy

 
0 0 1 0 0 1
A=2 6 2 4 2 0
3 9 5 6 4 4
(z poprzedniego przykładu) jest odpowiednio pierwsza, trzecia i piąta kolumna.
Twierdzenie 5.1.4. Niech Ax = b będzie układem równań liniowych i niech

macierz [C|d] ∈ Km×(n+1) mająca normalną postać schodkową i dokładnie r
wiodących kolumn będzie wierszowo równoważna macierzy [A|b]. Układ Ax = b
ma rozwiązanie wtedy i tylko wtedy, gdy d nie jest wiodącą kolumną macierzy
[C|d]. Dodatkowo, jeśli d nie jest wiodącą kolumną macierzy [C|d], to układ
Ax = b ma dokładnie jedno rozwiązanie, gdy r = n, a ma on co najmniej dwa
rozwiązania, gdy r < n (nieskończenie wiele rozwiązań, gdy r < n i ciało K jest
nieskończone).
Dowód. Załóżmy, że d jest wiodącą kolumną macierzy [C|d]. Wtedy [0 . . . 0 | 1] jest jej
r-tym wierszem i dlatego 0x1 +0x2 +. . .+0xn = 1 jest r-tym równaniem układu Cx = d.
Równanie to nie ma rozwiązania, więc także układ Cx = d nie ma rozwiązania. Stąd
i z twierdzenia 5.1.2 wynika, że także układ Ax = b nie ma rozwiązania.
Załóżmy teraz, że d nie jest wiodącą kolumną macierzy [C|d]. Jeśli r = n, to
wszystkie kolumny macierzy [C|d] poza ostatnią są wiodące i dlatego mamy
 
1 0 ··· 0 d1

 0 1 ··· 0 d2 
 ..
. 
[C|d] = 
 .
.
.
,

 0 0 ···
1 dn 
0 0 ··· 0 0
przy czym ostatni zerowy wiersz może nie pojawić się wcale albo takich zerowych
wierszy może być więcej. Macierzy tej odpowiada układ równań

 x1 = d1 ,



 x2 = d2 ,
.. ..
 . .

 xn = dn ,


0 = 0,
którego jedynym rozwiązaniem jest x1 = d1 , . . . , xn = dn . Wobec twierdzenia 5.1.2 jest

to także jedyne rozwiązanie układu Ax = b.
Jeśli r < n, to macierzą [C|d] (po ewentualnej permutacji pierwszych n kolumn)
jest
 
1 0 · · · 0 c1 r+1 · · · c1 n d1

 0 1 · · · 0 c2 r+1 · · · c2 n d2 
 ..
.. . 
 .
. .
 . . 
 0 0 ··· 1 c 
r r+1 · · · cr n dr
0 0 ··· 0 0 ··· 0 0
Macierzy tej odpowiada układ równań

 x1 + c1 r+1 xr+1 + · · · + c1 n xn = d1 ,



 x2 + c2 r+1 xr+1 + · · · + c2 n xn = d2 ,
.. ..
 . .

 xr + cr r+1 xr+1 + · · · + cr n xn = dr ,


0 = 0,
którego rozwiązaniem jest

 
d1 − c1 r+1 xr+1 − · · · − c1 n xn
 d2 − c2 r+1 xr+1 − · · · − c2 n xn 
 .. 
 
 . 
 
x =  dr − cr r+1 xr+1 − · · · − cr n xn 
 xr+1 
 
 .. 
 . 
xn
     
d1 c1 r+1 c1 n
 d2   c2 r+1   c2 n 
 ..   ..   .. 
     
 .   .   . 
     
=  dr  − xr+1  cr r+1  − . . . − xn  cr n ,
 0   1   0 
     
 ..   ..   .. 
 .   .   . 
0 0 1
gdzie niewiadomym xr+1 , . . . , xn (które nazywa się parametrami lub niewiadomymi wol-
nymi) nadano dowolne wartości z ciała K. Zgodnie z twierdzeniem 5.1.2, tak wyznaczo-
ne x (dla każdych parametrów xr+1 , . . . , xn ∈ K) jest także rozwiązaniem wyjściowego
układu rówań liniowych Ax = b. Stąd wynika ostatnia część tezy.
Z ostatniego twierdzenia i z jego dowodu otrzymujemy prosty algorytm roz-

wiązywania układów równań liniowych. Algorytm ten zwykle nazywa się algo-
rytmem Gaussa albo algorytmem Gaussa-Jordana.
Algorytm Gaussa i Gaussa-Jordana rozwiązywania

układów równań liniowych
Dla rozwiązania układu równań liniowych Ax = b wykonujemy następujące
kroki:
1. Tworzymy macierz rozszerzoną [A|b] układu Ax = b.
2. Macierz [A|b] redukujemy do wierszowo równoważnej macierzy schodkowej
(normalnej macierzy schodkowej) [C|d]. Jeśli d jest wiodącą kolumną macie-
rzy [C|d], układ Ax = b jest sprzeczny. W przeciwnym przypadku przecho-
dzimy do następnego kroku.
3. Wypisujemy układ równań liniowych Cx = d.
4. Z układu Cx = d metodą cofania (wprost, gdy [C|d] jest normalną macierzą
schodkową) wyznaczamy niewiadome odpowiadające wiodącym kolumnom
macierzy [C|d].
Sposób rozwiązywania układów równań liniowych zgodnie z powyższym al-

Metoda Gaussa i me- gorytmem nazywamy odpowiednio metodą Gaussa lub metodą Gaussa-Jordana
toda Gaussa-Jordana rozwiązywania układów równań liniowych w zależności od tego, czy macierz
rozszerzoną [A|b] rozwiązywanego układu równań Ax = b sprowadzamy do
wierszowo równoważnej macierzy mającej postać schodkową, czy schodkową nor-
malną. Metody te ilustrujemy trzema przykładami.
Przykład 90. Metodą Gaussa rozwiązać układ równań liniowych


 2x2 − 8x3 = 8,
x1 − 2x2 + x3 = 0,

−4x1 + 5x2 + 10x3 = −6.
Macierz rozszerzoną powyższego układu za pomocą operacji elementarnych przekształ-

camy w macierz schodkową. Tu mamy
" #
0 2 −8 8
Przestawiamy pierwszy wiersz z drugim dla uzyskania
[A|b] = 1 −2 1 0
wiodącej jedynki w pierwszym wierszu (w1 ↔ w2 ).
−4 5 10 −6
" #
1 −2 1 0 Pierwszy wiersz pomnożony przez 4 dodajemy do

∼ 0 2 −8 8 trzeciego dla otrzymania zer pod wiodącą jedynką
−4 5 10 −6 (w3 + 4w1 ).
" #
1 −2 1 0
Drugi wiersz mnożymy przez 12 dla uzyskania wiodą-
∼ 0 2 −8 8
cej jedynki w drugim wierszu ( 12 w2 ).
0 −3 14 −6
" #
1 −2 1 0 Drugi wiersz pomnożony przez 3 dodajemy do trzecie-
go dla otrzymania zera pod kolejną wiodącą jedynką
∼ 0 1 −4 4
0 −3 14 −6 (w3 + 3w2 ).
" #
1 −2 1 0
Trzeci wiersz mnożymy przez 1
dla uzyskania w nim
∼ 0 1 −4 4 2
wiodącej jedynki ( 21 w3 ).
0 0 2 6
" #
1 −2 1 0

∼ 0 1 −4 4 .
0 0 1 3
Ostatnia macierz ma postać schodkową i odpowiada jej układ równań

(
x1 − 2x2 + x3 = 0,
x2 − 4x3 = 4,
x3 = 3,
którego rozwiązaniem (otrzymanym metodą cofania) jest x3 = 3, x2 = 16 i x1 = 29.

Wobec twierdzenia 5.1.2 macierz
" # " #
x1 29
x= x2 = 16
x3 3
jest jedynym rozwiązaniem wyjściowego układu równań.
Przykład 91. Rozwiązać układ równań liniowych



 x1 + 2x2 + x4 = 1,

x1 + 3x2 + 3x3 + 3x4 = 4,

 x2 + 4x3 + 6x4 = 8,

2x1 + 5x2 + 3x3 + 4x4 = 6.
Dla macierzy rozszerzonej tego układu mamy następujące równoważności

     
1 2 0 1 1 w2 − w 1 1 2 0 1 1 w3 − w 2 1 2 0 1 1

1 3 3 3 4  w4 − 2w1  0 1 3 2 3  w4 − w 2  0 1 3 2 3
0 ∼ ∼ .
1 4 6 8  0 1 4 6 8 0 0 1 4 5
2 5 3 4 6 0 1 3 2 4 0 0 0 0 1
Ostatnia kolumna ostatniej macierzy jest jej kolumną wiodącą, więc z twierdzenia 5.1.4
wynika, że rozważany układ równań liniowych nie ma rozwiązania.
Zaprezentujemy teraz przykład układu mającego nieskończenie wiele rozwią-

zań.
Przykład 92. Metodą Gaussa-Jordana rozwiązać układ równań liniowych Ax =

b, gdzie 

 x1 + 3x3 + 2x4 = 10,

2x1 + x2 + x3 + x4 = 7,

 2x1 + 2x3 + 4x4 = 8,

x1 + 2x2 + 3x3 − 4x4 = 14.
Macierz rozszerzoną [A|b] tego układu sprowadzamy do macierzy [C|d] mającej nor-
malną postać schodkową,
  w2 − 2w1  
1 0 3 2 10 w3 − 2w1 1 0 3 2 10 w4 − 2w 2

2 1 1 1 7  w4 − w 1  0 1 −5 −3 −13  − 41 w3
[A|b] = 2 ∼ −12 
0 2 4 8 0 0 −4 0
1 2 3 −4 14 0 2 0 −6 4
  w1 − 3w3  
1 0 3 2 10 w2 + 5w3 1 0 0 2 1

0 1 −5 −3 −13  w4 − 10w3 0 1 0 −3 2 
∼ 0 ∼ = [C|d].
0 1 0 3 0 0 1 0 3
0 0 10 0 30 0 0 0 0 0
Ostatniej macierzy odpowiada układ równań Cx = d,
(
x1 + 2x4 = 1,
x2 − 3x4 = 2,
x3 = 3,
z którego wyznaczamy niewiadome odpowiadające wiodącym jedynkom macierzy [C|d]:
x1 = 1 − 2x4 , x2 = 2 + 3x4 , x3 = 3. Zatem rozwiązaniem układu Ax = b (i układu
Cx = d) jest
   
x1 1 − 2x4
 x2   2 + 3x4 
x= =
x3   3 
x4 x4
dla każdego x4 ∈ R.
Z twierdzenia 5.1.4 i jego dowodu wynika następujący wniosek.

Wniosek 5.1.1. Niech Ax = b będzie układem równań liniowych, gdzie [A|b] ∈
Km×(n+1) .
(1) Jeśli m < n, to układ Ax = b jest sprzeczny albo ma on co najmniej dwa
rozwiązania.
(2) Jeśli m = n, to układ Ax = b ma dokładnie jedno rozwiązanie wtedy i tyl-
ko wtedy, gdy macierz A jest wierszowo równoważna macierzy jednostko-
wej In .
5.2. Równania macierzowe

Weźmy pod uwagę równanie macierzowe
AX = B,
w którym A i B są macierzami mającymi tyle samo wierszy, powiedzmy A ∈
Km×n i B = [b1 b2 . . . bp ] ∈ Km×p , a wtedy macierz niewiadoma X jest macierzą
wymiaru n × p,
 
  x11 x12 . . . x1p
| | |  x21 x22 x2p 
 
X =  x1 x2 . . . x p  =  . . . . ... 
. .
 .. .. 
| | |
xn1 xn2 . . . xnp
5.2. Równania macierzowe 93
Ponieważ
     
| | | | | |
AX = A  x1 . . . xp  =  Ax1 . . . Axp  i B =  b1 . . . bp ,
| | | | | |
więc równanie AX = B jest równoważne następującemu układowi p równań
Ax1 = b1 , Ax2 = b2 , . . . , Axp = bp .
Każdy z tych układów jest układem m równań liniowych o n niewiadomych

i każdy z nich można z osobna rozwiązać metodą Gaussa-Jordana. W tym
przypadku każdą z macierzy [A|b1 ], [A|b2 ], . . . , [A|bp ] sprowadza się do wier-
szowo równoważnej normalnej macierzy schodkowej. Wygodniej (i oszczędniej)
jest utworzyć macierz rozszerzoną [A|B] i sprowadzić ją do wierszowo równo-
ważnej normalnej macierzy schodkowej [C|D] = [C|d1 . . . dp ]. Z tej ostatniej
macierzy można utworzyć macierze [C|d1 ], . . . , [C|dp ] (wierszowo równoważne
macierzom [A|b1 ], . . . , [A|bp ]) i z nich lub wprost z macierzy [C|D] można
odczytać rozwiązania układów Ax1 = b1 , . . . , Axp = bp , więc także rozwiąza-
nie równania AX = B (albo stwierdzić brak rozwiązania równania AX = B).
Z twierdzenia 5.1.4 wynika, że równanie AX = B ma rozwiązanie wtedy i tyl-
ko wtedy, gdy żadna kolumna macierzy D nie jest wiodącą kolumną macierzy
[C|D]. Wyżej przedstawiony sposób rozwiązywania równań macierzowych posta-
ci AX = B jest prostym uogólnieniem metody Gaussa-Jordana rozwiązywania
układów równań liniowych i dalej będzie nosił miano metody Gaussa-Jordana.
Przykład 93. Rozwiązać układy równań liniowych Ax = b i Ay = b0 , gdzie

 
 x1 − 2x2 + x3 = −4  y1 − 2y2 + y3 = 1
2x1 − x2 + 3x3 = −7 i 2y1 − y2 + 3y3 = 10 .
 
4x1 + 2x2 + x3 = 0 4y1 + 2y2 + y3 = 18
Układ powyższych dwóch układów równań liniowych jest równoważny równaniu ma-
cierzowemu " #" # " #
1 −2 1 x 1 y1 −4 1
2 −1 3 x2 y2 = −7 10 .
4 2 1 x 3 y3 0 18
Łatwo sprawdzić, że dla macierzy rozszerzonej tego równania mamy
" # " #
1 −2 1 −4 1 1 0 0 0 3

2 −1 3 −7 10 ∼ ... ∼ 0 1 0 1 2 .
4 2 1 0 18 0 0 1 −2 2
Stąd widać, że rozwiązaniami układów są odpowiednio liczby x1 = 0, x2 = 1, x3 = −2
oraz y1 = 3, y2 = 2, y3 = 2.
Z faktu, że umiemy rozwiązać równanie macierzowe AX = B wynika, że

umiemy także rozwiązać równanie postaci XC = D, bo jest ono równoważne
równaniu CT XT = DT .
Przykład 94. Rozwiązać równanie macierzowe XA + X = B, gdzie

 
0 −1 2
0 −6 5
A=1 1 0 i B= .
2 −5 7
0 −3 2
Mamy równoważności
XA + X = B ⇔ X(A + I) = B ⇔ (A + I)T XT = BT
i z ostatniego równania metodą Gaussa-Jordana (lub inną) możemy wyznaczyć XT

i dlatego także X. Mamy
" # " #
1 1 0 0 2 1 0 0 1 2
T T
[ (A + I) | B ] = −1 2 −3 −6 −5 ∼ 0 1 0 −1 0 = I | XT ,
2 0 3 5 7 0 0 1 1 1

1 −1 1
więc macierz X = jest rozwiązaniem równania XA + X = B.
2 0 1
Przykład 95. Rozwiązać równania macierzowe AX1 = B1 i AX2 = B2 , gdzie

     
1 −2 −2 1 −4 −3 2 −6
A =  0 1 1  , B1 =  0 2 1  i B2 =  0 3 .
2 −5 −5 2 −10 −7 4 −14
Oba równania AX1 = B1 i AX2 = B2 można rozwiązywać jednocześnie. W tym

celu macierz [A|B1 |B2 ] sprowadzamy do wierszowo równoważnej normalnej macierzy
schodkowej. Mamy
" #
1 −2 −2
1 −4 −3 2 −6

[ A | B 1 | B2 ] = 0 1
0 1 2 1 0 3
2 −10
2 −5 −5 −7 4 −14
" #
1 0 0 1 0 −1 2 0

∼ 0 1 1 0 2 1 0 0

0 0 0 0 0 0 0 1
i stąd wynika, że rozwiązaniem równania AX1 = B1 jest macierz

" # " #
1 0 −1 0 0 0
X1 = 0 2 1 + −α −β −γ
0 0 0 α β γ
dla każdych α, β, γ ∈ R. Równanie AX2 = B2 nie ma rozwiązania, bo macierz [ A | B2 ]

jest wierszowo równoważna macierzy
" #
1 0 0 2 0

0 1 1 0 0 ,
0 0 0 0 1
w której ostatnia kolumna jest kolumną wiodącą.
5.3. Kolejne własności macierzy odwracalnej

Wiemy już, że macierze elementarne i ich iloczyny są macierzami odwracalny-
mi. Teraz przedstawiamy kolejne związki macierzy odwracalnej z macierzami
elementarnymi oraz odwracalności macierzy z istnieniem rozwiązań pewnych
równań macierzowych i układów równań liniowych.
Twierdzenie 5.3.1. Jeśli A jest macierzą kwadratową stopnia n, to następujące
stwierdzenia są równoważne:
(i) A jest odwracalna;
(ii) Równanie AX = In ma rozwiązanie;
(iii) Równanie Ax = b ma rozwiązanie dla każdego b ∈ Kn×1 ;
(iv) A jest wierszowo równoważna macierzy jednostkowej In ;
(v) A jest iloczynem macierzy elementarnych.
5.4. Wyznaczanie macierzy odwrotnej 95
Dowód. (i) ⇒ (ii). Załóżmy, że macierz A jest odwracalna. Wtedy macierz A−1
istnieje i z równości AX = In po przemnożeniu obu jej stron przez A−1 otrzymujemy
rozwiązanie X = A−1 równania AX = In .
(ii) ⇒ (iii). Załóżmy, że dla macierzy C ∈ Kn×n jest AC = In . Jeśli b ∈ Kn×1 , to
Cb jest rozwiązaniem równania Ax = b, bo A(Cb) = (AC)b = In b = b.
(iii) ⇒ (iv). Załóżmy, że równanie Ax = b ma rozwiązanie dla każdego b ∈ Kn×1 .
Niech B będzie macierzą wierszowo równoważną macierzy A i mającą normalną po-
stać schodkową. Wtedy istnieje macierz odwracalna P (będąca iloczynem macierzy
elementernych) taka, że B = PA. Twierdzimy, że B = In . Gdyby było inaczej, to (co
najmniej) ostatni wiersz macierzy B byłby zerowy i układ Bx = en byłby sprzecz-
ny. Wtedy także równoważny układ Ax = P−1 en byłby sprzeczny, co zaprzeczałoby
naszemu założeniu.
(iv) ⇒ (v). Jeśli macierze A i In są wierszowo równoważne, to istnieją macierze
elementarne E1 , . . . , Ek takie, że In = Ek . . . E2 E1 A. Wtedy A = E−1 −1 −1
1 E2 . . . E k
−1 −1
i także macierze E1 , . . . , Ek są elementarne (zob. tw. 5.1.1).
(v) ⇒ (i). Załóżmy teraz, że A = E1 E2 . . . Ek , gdzie E1 , . . . , Ek są macierzami ele-
mentarnymi. Ponieważ E1 , . . . , Ek są odwracalne, to także ich iloczyn jest odwracalny.
To dowodzi, że macierz A jest odwracalna i A−1 = (E1 . . . Ek )−1 = E−1 −1
k . . . E1 .

1 2
Przykład 96. Macierz A = przedstawić w postaci iloczynu macie-
−2 −2
rzy elementarnych. Następnie wyznaczyć macierz A−1 .
Szukany iloczyn można uzyskać tak jak w dowodzie implikacji (iv) ⇒ (v) poprzedniego
twierdzenia. Macierze A i I2 są wierszowo równoważne i mamy

1 2 w2 +2w1 1 2 w1 −w2 1 0 (1 )w2 1 0
A= −→ −→ 2
−→ = I2.
−2 −2 0 2 0 2 0 1

Stąd E2 1
2
E1 2 (−1)E2 1 (2)A = I2 , więc
−1 −1 −1
A = E2 1 (2) E1 2 (−1) E2 ( 12 )
= E2 1 (−2)E1 2 (1)E2 (2)

1 0 1 1 1 0
=
−2 1 0 1 0 2
i

1 0 1 −1 1 0 −1 −1
A−1 = E2 ( 21 )E1 2 (−1)E2 1 (2) = = .
0 12 0 1 2 1 1 1
2
5.4. Wyznaczanie macierzy odwrotnej

Metoda Gaussa-Jordana rozwiązywania równań macierzowych postaci AX =
B jest przydatna przy wyznaczaniu macierzy odwrotnej. Następujący wniosek
wprost powiada, że rozwiązaniem równania AX = In (jeśli takie istnieje) jest
macierz A−1 .
Wniosek 5.4.1. Jeśli A i B są macierzami kwadratowymi stopnia n, to B jest

macierzą odwrotną macierzy A wtedy i tylko wtedy, gdy B jest rozwiązaniem
równania AX = In .
Dowód. Jeśli B = A−1 , to oczywiście mamy AB = AA−1 = In . Załóżmy teraz, że
AB = In . Oznacza to, że równanie AX = In ma rozwiazanie. Stąd i z twierdzenia
5.3.1 wynika, że macierz A jest odwracalna. Zatem A−1 istnieje i z równości AB = In ,
po jej przemnożeniu przez A−1 , otrzymujemy B = A−1 .
Przykład 97. Wyznaczyć macierz odwrotną macierzy

 
1 3 2 1
2 5 4 2
A=  3 9 5 3 .

4 12 8 3
Dla wyznaczenia macierzy A−1 wystarczy rozwiązać równanie AX = I4 . Możemy to

zrobić metodą Gaussa-Jordana. W tym celu macierz [A|I4 ] sprowadzamy do wierszowo
równoważnej normalnej macierzy schodkowej,
w1+3w2+2w3+w4
w2 −2w1
    (−1)w2
1 3 2 1 1 0 0 0 w3 −3w1 1 3 2 1 1 0 0 0 (−1)w3
2 5 4 2 0 1 0 0 w4 −4w1 0 −1 0 0 −2 1 0 0
  ∼   (−1)w4
3 9 5 3 0 0 1 0 0 0 −1 0 −3 0 1 0
4 12 8 3
0 0 0 1 0 0 0 −1
−4 0 0 1
 
1 0 0 0 −15 3 2 1
0 1 0 0 2 −1 0 0
∼  .
0 0 1 0 3 0 −1 0
0 0 0 1
4 0 0 −1
Zatem  
−15 3 2 1
 2 −1 0 0
A−1 = .
3 0 −1 0
4 0 0 −1
Problemu odwracalności macierzy A i sposobu wyznaczania macierzy A−1

nie musimy kojarzyć z rozwiązalnością i sposobem wyznaczania rozwiązania rów-
nania AX = In . Wobec twierdzenia 5.3.1 odwracalność macierzy A jest tożsama
wierszowej równoważności macierzy A i In . Sposób wyznaczania macierzy A−1
jest także praktyczną konsekwencją dowodu tej równoważności.
Wniosek 5.4.2. Jeśli A jest macierzą kwadratową stopnia n, to dla pewnej

macierzy P jest PA = In wtedy i tylko wtedy, gdy P[A|In ] = [In |A−1 ].
Dowód. Załóżmy, że dla pewnej macierzy P jest PA = In . Wtedy A = P−1 (zob.
wniosek 5.4.1) i A−1 = P = PIn . Zatem P[A|In ] = [PA|PIn ] = [In |A−1 ]. Implikacja
odwrotna jest oczywista.
Ponieważ macierz odwracalna jest iloczynem macierzy elementarnych (zob.
twierdzenie 5.3.1), a każdej macierzy elementarnej jednoznacznie odpowiada ope-
racja elementarna na wierszach macierzy, więc tezę ostatniego twierdzenia mo-
żemy przedstawić następująco: ciąg operacji elementarnych na wierszach prze-
kształca macierz A w macierz jednostkową In wtedy i tylko wtedy, gdy ten
sam ciąg przekształca macierz In w macierz A−1 . Zatem mamy wygodną me-
todę wyznaczania macierzy odwrotnej (tożsamą z praktyczną realizacją metody
Gaussa-Jordana rozwiązywania równania macierzowego AX = In ).
Algorytm wyznaczania macierzy odwrotnej

Dla danej macierzy A wymiaru n × n wykonujemy następujące czynności:
1◦ Tworzymy macierz rozszerzoną [A|In ].
2◦ Macierz [A|In ] za pomocą operacji elementarnych na wierszach sprowadzamy
do normalnej postaci schodkowej. Jeśli [A|In ] jest wierszowo równoważna
macierzy postaci [In |P], to macierz A jest odwracalna i A−1 = P. W innym
przypadku macierz A nie jest odwracalna.
5.5. Struktura rozwiązań układu równań liniowych 97
Przykład 98. Znaleźć (jeśli to możliwe) macierze odwrotne macierzy

   
2 0 2 1 0 2
A =  0 2 −4  i B =  2 1 6 .
6 0 2 2 2 8
Dla macierzy A mamy następujące równoważności

" # " #
2 0 2 1 0 0 2 0 2 1 0 0

[A|I3 ] = 0 2 −4 0 1 0 ∼ 0 2 −4 0 1 0
6 0 2 0 0 1 0 0 −4 −3 0 1
" 1 # " #
2 0 0 − 2 0 12 4 0 0 −1 0 1

∼ 0 2 0 3 1 −1 ∼ 0 4 0 6 2 −2 ,
0 0 −4 −3 0 1 0 0 4 3 0 −1
z których wynika, że A jest odwracalna i

" #
−1 0 1
−1 1
A = 6 2 −2 .
4
3 0 −1
Natomiast dla macierzy B mamy

" # " # " #
1 0 2 1 0 0 1 0 2 1 0 0 1 0 2 1 0 0
∼
−2 ∼
−2
[B|I3 ] = 2 1 6 0 1 0 0 1 2 1 0 0 1 2 1 0 ,
2 2 8 0 0 1 0 1 2 0 −1 1 0 0 0 2 −2 1
a stąd widać, że macierz [B|I3 ] nie jest wierszowo równoważna macierzy [I3 |X] (dla
żadnej macierzy X ∈ R3×3 ). Zatem macierz B nie jest odwracalna.
5.5. Struktura rozwiązań układu równań liniowych
Definicja 5.5.1. Układ równań
Ax = b, (5.4)
Ax = 0 – jednorodny
Ax = b – niejednorodny,
gdzie A ∈ Km×n i b ∈ Km×1 , nazywamy układem jednorodnym, gdy b = 0. gdy b 6= 0
W przeciwnym przypadku mówimy, że układ (5.4) jest niejednorodny.
Zauważmy, że zbiór rozwiązań układu jednorodnego Ax = 0 jest niepusty,

bo macierz zerowa x0 = 0 ∈ Kn×1 zawsze jest rozwiązaniem układu Ax = 0.
Rozwiązanie x0 = 0 nazywamy rozwiązaniem zerowym (albo rozwiązaniem try-
wialnym) układu Ax = 0. W wielu miejscach będziemy zainteresowani istnie-
niem niezerowych rozwiązań układu jednorodnego. Następujące obserwacje są
natychmiastowymi konsekwencjami wniosku 5.1.1.
Wniosek 5.5.1. Dla macierzy A ∈ Km×n mamy:
(1) układ jednorodny Ax = 0 ma niezerowe rozwiązanie, gdy m < n;

(2) jeśli m = n, to układ jednorodny Ax = 0 ma niezerowe rozwiązanie wte-
dy i tylko wtedy, gdy macierz A nie jest wierszowo równoważna macierzy
jednostkowej In .
Przykład 99. Jednorodny układ równań

x1 − x 2 + x 3 + x 4 = 0
x1 − 2x2 + x3 + 5x4 = 0
ma nieskończenie wiele rozwiązań, bo ma on mniej równań niż niewiadomych

(m = 2 < 4 = n).
Przykład 100. Zbadać istnienie niezerowych rozwiązań jednorodnego układu

równań liniowych 

 x2 + x 3 + x 4 = 0

x1 − x3 − x4 = 0
.

 x 1 + x 2 − x4 = 0

x1 + x 2 + x 3 =0
Ponieważ macierz główna tego układu jest wierszowo równoważna macierzy jednostko-
wej,
     
0 1 1 1 w4 −w3 0 1 1 1 w1 −w4 1 0 0 0
w3 −w2 w2 +w4 w4 −w3
 1 0 −1 −1   1 0 −1 −1   0 1 0 0 
∼ ∼ ... ∼ ∼ I4 ,
1 1 0 −1 0 1 1 0 0 0 1 0
1 1 1 0 0 0 1 1 0 0 1 1
więc układ ten ma tylko zerowe rozwiązanie.
Dla macierzy A ∈ Km×n i b ∈ Km×1 oznaczmy przez R0 zbiór wszystkich

rozwiązań jednorodnego układu Ax = 0, a przez Rb zbiór rozwiązań niejedno-
rodnego układu równań Ax = b, czyli
R0 = {x ∈ Kn×1 : Ax = 0}
i
Rb = {x ∈ Kn×1 : Ax = b.}
Wiemy już, że jednorodny układ równań Ax = 0 zawsze ma rozwiązanie, więc
R 0 6= ∅ zbiór R0 jest niepusty. Teraz zauważmy, że jego elementy mają dodatkową wła-
sność.
Twierdzenie 5.5.1. Jeśli x0 , y0 ∈ R0 , to
αx0 + βy0 ∈ R0
dla każdych α, β ∈ K.
Dowód. Jeśli x0 , y0 ∈ R0 , to Ax0 = 0 i Ay0 = 0, więc z własności iloczynu macierzy
dla każdych α, β ∈ K mamy
A(αx0 + βy0 ) = A(αx0 ) + A(βy0 )

= α(Ax0 ) + β(Ay0 )
= α0 + β0 = 0,
a to oznacza, że αx0 + βy0 ∈ R0 .

Obecnie udowodnimy, że zbiór Rb (zbiór rozwiązań układu niejednorodnego
Ax = b) jest jednoznacznie wyznaczony przez zbiór R0 (zbiór rozwiązań układu
x – szczególne rozwiązanie jednorodnego Ax = 0) i przez dowolne ustalone (czyli szczególne) rozwiązanie
układu Ax = b x układu niejednorodnego Ax = b.
Twierdzenie 5.5.2. Jeśli x ∈ Rb , to
Rb = R0 + {x}.
5.6. Ćwiczenia 99
Dowód. Uzasadnimy, że Rb ⊆ R0 + {x} i R0 + {x} ⊆ Rb .

Załóżmy najpierw, że x̃ ∈ Rb . Wtedy x0 = x̃ − x ∈ R0 , bo
Ax0 = A(x̃ − x) = Ax̃ − Ax = b − b = 0.
Stąd x̃ = x0 + x ∈ R0 + {x} i to dowodzi, że Rb ⊆ R0 + {x}.
Z drugiej strony, jeśli x0 + x ∈ R0 + {x}, to x0 ∈ R0 i dlatego
A(x0 + x) = Ax0 + Ax = 0 + b = b.
Zatem x0 + x ∈ Rb i to dowodzi, że R0 + {x} ⊆ Rb .
Przykład 101. Rozwiązanie układu Ax = b, gdzie



 x1 + 2x2 + 2x3 + 3x4 = 7,

2x1 + x2 + x3 = 5,

 3x 1 + x 2 + x 3 − x 4 = 6,

x1 − x4 = 1,
przedstawić jako sumę rozwiązania szczególnego układu niejednorodnego Ax =
b i rozwiązania układu jednorodnego Ax = 0.
Mamy    
1 2 2 3 7 1 0 0 −1 1

2 1 1 0 5 0 1 1 2 3
[A|b] =  ∼
3 1 1 −1 6   0 0 0 0 0
1 0 0 −1 1 0 0 0 0 0
i stąd wynika, że rozwiązaniem układu Ax = b jest
       
x1 1 + x4 1 x4
 x2   3 − x3 − 2x4   3   −x3 − 2x4 
x= = = +
x3   x3 0  x3 
x4 x4 0 x4
dla każdych x3 , x4 ∈ R. Rozwiązanie to jest sumą rozwiązania szczególnego x =
[1 3 0 0]T układu Ax = b i rozwiązania x0 = [x4 (−x3 −2x4 ) x3 x4 ]T (gdzie x3 , x4 ∈ R)
układu jednorodnego Ax = 0.
5.6. Ćwiczenia
1. Wskazać macierz elementarną E taką, że: macierze A, A−1 oraz
A + 2A .
−1
" # " # 3 2
1 2 −1 3 1 2 −1 3 4. Macierz A = przedstawić w postaci
(a) E 0 1 3 3 = 0 1 3 3 ; 1 2
−2 4 0 3 0 8 −2 9 iloczynu macierzy elementarnych.
" # " # 5. Rozwiązać następujące układy równań:
2 −3 1 3 2 −3 1 3
(b) E −2 7 −4 2 = 2 1 −2 8 .

 −3x1 + x2 + 4x3 = −5,
2 1 0 3 2 1 0 3 
x1 + x2 + x3 = 2,
(a)
2. Za pomocą macierzy elementarnych wyznaczyć  −2x1
 + x3 = −3,
macierz A taką, że: x1 + x2 − 2x3 = 5;
" # " # 
1 2 1 2  2x − 4x2 + 2x3 = 16,
 1
(a) A 3 4 = 0 −2 ; 2x1 − 4x2 + 3x3 = 19,
(b)
"
5 6
# "
0 −4
#  x1 + 2x2 + 3x3 = 6,

1 2 2 3 − 2x2 + x3 = 7;
(b) A 2 3 = 1 1 .

 x + x2 + x3 + x4 = 1,
3 4 1 2  1
x1 + x2 + 3x3 + 3x4 = 3,
(c)
3. Macierz A ∈ R3×3 jest iloczynem trzech macierzy  x1 + x2 + 2x3 + 3x4 = 3,

elementarnych, A = E23 (−1)E21 E2 (3). Wyznaczyć x1 + 3x2 + 3x3 + 3x4 = 4;

 2x − x2 + x3 + 3x4 = 7, 8. Dla których b1 , b2 i b3 równanie
 1 " # " #
x1 + 2x2 + x3 + 3x4 = 12, 1 0 1 b1
(d)
 1 + 3x2 + x3 + 2x4 = 19,
 2x −1 1 −1 x = b2
x1 + x2 + 2x3 + 3x4 = 11; 2 −1 2 b3

x1 + x2 + 3x3 − 2x4 = 0, ma rozwiązanie?

2x1 + 3x2 + 7x3 − 2x4 = 9, 9. Dla jakich a, b i c układ równań
(e) (
 3x1
 + 3x2 + 13x3 − 9x4 = 1, 2x1 − x2 + 3x3 = a
−2x1 + x2 − x4 = 0; 3x1 + x2 − 5x3 = b
( −5x1 − 5x2 + 21x3 = c
−x1 + 2x2 + x4 = 1,
(f ) −4x1 + 8x2 + 2x3 + 10x4 = 4, jest sprzeczny?
−2x1 + 4x2 + 2x3 + 8x4 = 2; 10. Dany jest układ równań
 (
 8x1 + 6x2 + 5x3 + 2x4 = 21, x1 + x 2 − x3 = 2


 3x1 + 3x2 + 2x3 + x4 = 10, x1 + 2x2 + x3 = 3 .
(g) 4x1 + 2x2 + 3x3 + x4 = 8, x1 + x2 + (a2 − 5)x3 = a


 3x1 + 5x2 + x3 + x4 = 15,
 Wyznaczyć wszystkie wartości a, dla których układ
7x1 + 4x2 + 5x3 + 2x4 = 18;
ten: (a) nie ma rozwiązań; (b) ma dokładnie jedno

3x1
 + 3x2 − 3x3 − 3x4 = 7, rozwiązanie; (c) ma nieskończenie wiele rozwiązań.

−7x1 + 3x2 − x3 + 2x4 = 0, 11. Dane są macierze
(h)
 −x1
 + 6x2 + 2x3 − x4 = 3,
" # " #
2x1 + 2x2 − 2x3 − 2x4 = 5; 1 2 −1 1
 A= 2 −3 2 i b= 1 .
x1 + x2 − x3 + 2x4 = 3, −1 12 −7 1

2x1 + 2x2 − 2x3 + 4x4 = 6,
(i)
 −3x1
 − 3x2 + 3x3 − 6x4 = −9, (a) Rozwiązać równanie Ax = 0. (b) Wszystkie
−2x1 − 2x2 + 2x3 − 4x4 = −6; rozwiązania równania Ax = b zapisać w postaci
 s + n, gdzie s jest jednym konkretnym rozwiązaniem
 2x + x2 − x3 − x4 + x5 = 1,
 1 równania Ax = b. (c) Wskazać taki wektor c, że
x1 − x2 + x3 + x4 − 2x5 = 0,
(j) równanie Ax = c nie ma rozwiązania. Uzasadnić
 3x1 + 3x2 − 3x3 − 3x4 + 4x5 = 2,
 swój wybór.
4x1 + 5x2 − 5x3 − 5x4 + 7x5 = 3;
12. Wyznaczyć liczby x1 , x2 i x3 takie, że
 " # " # " # " #
 2x − x2 + x4 − 5x5 = −1, −6 2 0 2
 1
x2 + 3x4 + x5 = 1, 37 = x1 −3 + x2 1 + x3 −8 .
(k)
 4x1 − x2 + x3 + 6x4 − 6x5 = 1,
 −59 2 −1 12
6x1 − 2x2 + x3 + 7x4 − 11x5 = 0; 13. Rozwiązać następujące równania macierzowe:
 " #" # " #
 x1 + x2 − x3 + x4 + x5 = 0, 7 −2 1 x 1 y1 11 1


 2x1 + x2 + 2x3 − x4 − 2x5 = 0, (a) −4 5 −3 x 2 y2 = 0 −4 ;
(l) 4x1 + 3x2 + x4 = 0, 5 −1 2 x 3 y3 7 5

 5x1 + 3x2 + 3x3 − x4 − 3x5 = 0, " # " #

 1 1 2 3 0 4
x1 − x2 + 7x3 − 5x4 − 7x5 = 0; (b) 2 −1 X= 1 0 −3 −1 ;
 0 1 1 2 1 3
 (1 − n)x1 + x2 + . . . + xn = 0,

 x1 + (1 − n)x2 + . . . + xn = 0, " # " #
2 1 0 1 0 2
(m) .. .. .. (c) 1 −1 0 X−X= 0 3 0 ;

 . . .
 2 1 −1 2 0 1
x1 + x2 + . . . + (1 − n)xn = 0.
1 3 5
6. Dla jakich wartości parametru k następujący układ (d) X = 3 5 7 ;
2 4 6
ma niezerowe rozwiązanie:
( 1 0 3 3 2 5
kx1 − x2 + 3x3 = 0, (e) X = ;
(a) x1 + 2x2 − x3 = 0, 2 1 4 3 0 9
2x1 − x2 − 2x3 = 0; " #
1 2 1
( −2 0 6
x1 + 2x2 + 3x3 = 0, (f ) X 0 −1 1 = .
−2 2 12
(b)2x1 + kx2 + 6x3 = 0, −1 0 1
−x1 + x2 − kx3 = 0. 14. Metodą Gaussa-Jordana wyznaczyć macierz odwrot-
7. Czy równanie ną A−1 macierzy Ai (i = 1, 2, 3, 4), gdy:
i
" #" # " #  
2 4 −2 x1 b1 " # 2 0 5 2
3 −1 11 x2 = b2 3 1 0
 1 1 1 −1 
1 2 −1 A1 = 1 2 1 , A2 =  ;
0
x3 b3
−1 0 3
0 −1 2
ma rozwiązanie dla każdych b1 , b2 , b3 ? 1 0 5 2
5.6. Ćwiczenia 101
 
" # 2 6 0 5 będzie macierzą powstałą z A w wyniku przestawie-
1 4 2
 6 21 8 17  nia miejscami dwóch wierszy. (a) Pokazać, że macierz
A3 = 1 5 2 , A4 =  .
4 12 −4 13  B jest odwracalna. (b) Jaki jest związek macierzy
2 6 2
0 −3 −12 2 B−1 z macierzą A−1 ?
15. Wyznaczyć macierze odwrotne dla następujących 21. Wpisując TAK albo NIE, stwierdzić prawdziwość
czterech macierzy wymiaru n × n: każdego z następujących zdań:
 
  1 2 0 0 ··· 0
1 1 1 ··· 1 1 Każdy układ równań liniowych, w którym
 0 1 3 0 ··· 0 
 0 1 1 ··· 1    liczba równań jest równa liczbie niewiadomych ma
   0 0 1 4 ··· 0 
(a)  0 0 1 ··· 1 ;(c)  ; tylko jedno rozwiązanie.
   0 0 0 1 ··· 0 
 .. .. .. .. ..   
. . . . .  .. .. .. .. .. ..  Każdy układ równań liniowych, w którym
. . . . . .
2
0 0 0 ··· 1 liczba równań jest równa liczbie niewiadomych ma

0 0 0 0 ··· 1
    co najmniej jedno rozwiązanie.
1 0 0 ··· 0 1 2 3 ··· n
 1 2 0 ··· 0   0 1 2 ··· n − 1  3 Układ równań liniowych, w którym jest więcej
 1 2 3 ··· 0
  0 0 1 ··· n − 2
 równań niż niewiadomych ma nieskończenie wiele
(b) 

; (d) 
 
.

 .. .. .. .. ..   .. .. .. .. ..  rozwiązań.
. . . . . . . . . .
1 2 3 ··· n 0 0 0 ··· 1 4 Układ równań liniowych, w którym jest mniej
równań niż niewiadomych może nie mieć rozwiązania.
16. Rozwiązać następujące układy równań macierzo-
wych: 5 Układ równań liniowych, w którym jest mniej

 2 4 równań niż niewiadomych ma nieskończenie wiele

 X + 2Y = −2 6 , rozwiązań.
(a)

 0 4 Każda macierz jest wierszowo równoważna
 3X + 4Y = ; 6
8 16 macierzy schodkowej.


 1 2 0 −1 Iloczyn dwóch macierzy elementarnych jest
 X + Y = , 7
0 3 2 1 macierzą elementarną.
(b)

 3 2 0 1
 X + Y = . Jeśli macierze [A|b] i [B|c] są wierszowo równo-
0 −1 6 3 8
ważne, to układy równań liniowych Ax = b i Bx = c

17. Rozwiązać następujące układy równań liniowych: mają identyczne zbiory rozwiązań.

z + jw = 1 9 Układ równań liniowych Ax = b, w którym A
(a) ;
jz + w = 1 + j jest macierzą kwadratową, ma dokładnie jedno roz-
wiązanie wtedy i tylko wtedy, gdy A jest wierszowo
(1 + j)z − jw = 3 + j
(b) ; równoważna macierzy jednostkowej.
(2 + j)z + (2 − j)w = 2j
10 Układ równań liniowych Ax = b ma nieskoń-
jz + (1 + j)w = 3 + j
(c) ; czenie wiele rozwiązań wtedy i tylko wtedy, gdy A jest
(1 + j)z − (6 + j)w = 4
wierszowo równoważna macierzy schodkowej, w której
(1 + j)z + (1 − 3j)w = −2 + 14j pewna kolumna nie zawiera wiodącej jedynki.
(d) .
3z + (3 − 9j)w = 9 + 36j 11 Jeśli układ równań Ax = b, gdzie [A|b] ∈
18. Wykazać, że jeśli macierz A jest wierszowo równo- Rn×(n+1) , ma rozwiązanie dla każdego b ∈ Rn×1 , to
ważna macierzy odwracalnej B, to także macierz A układ Ax = b ma dokładnie jedno rozwiązanie dla
jest odwracalna. każdego b.
19. Znaleźć
wszystkie
macierze przemienne z macierzą 12 Jeśli układ równań Ax = 0 ma tylko zerowe
1 −1 rozwiązanie i A ∈ Rn×n , to układ Ax = b ma do-
A= , czyli wszystkie macierze X, dla któ-
2 3 kładnie jedno rozwiązanie dla każdego b ∈ Rn×1 .
rych AX = XA. 13 Jeśli x0 i y0 są rozwiązaniami układu Ax = b,
20. Niech A będzie macierzą odwracalną i niech B to także x0 + y0 jest rozwiązaniem układu Ax = b.
Rozdział 6
WYZNACZNIKI
6.1. Definicja i pierwsze własności wyznacznika

W rozdziale tym każdej macierzy kwadratowej
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= . .. . . . 
 .. . . .. 
an1 an2 · · · ann
o elementach z ciała K przyporządkowujemy element z ciała K nazywany wy-
znacznikiem (lub determinantem) macierzy A i oznaczany symbolem
 
a11 a12 · · · a1n a11 a12 · · · a1n

 a21 a22 · · · a2n  a21 a22 · · · a2n
 
det A = |A| |A|, det A, det  . .. . . ..  lub .. .. . . .. .
 .. . . .  . .
. .
an1 an2 · · · ann an1 an2 · · · ann
W literaturze matematycznej można spotkać różne sposoby definiowania wy-
znacznika. Tu przedstawiamy indukcyjną definicję wyznacznika, definicję wy-
znacznika macierzy kwadratowej stopnia n za pomocą wyznaczników z n ma-
cierzy kwadratowych stopnia n − 1. Definicja ta może nie jest matematycznie
najładniejsza, ale jest ona dostatecznie praktyczna. W tej definicji korzystać bę-
dziemy z następującego oznaczenia: dla macierzy kwadratowej A stopnia n > 1
i dla liczb naturalnych i, j (1 ¬ i, j ¬ n) przez Aij oznaczamy macierz kwadra-
tową stopnia n − 1 powstałą z macierzy A przez wykreślenie z niej i-tego wiersza
oraz j-tej kolumny. Przykładowo, jeśli
 
1 2 4 0
2 3 5 1
A=  0 7 2 4 ,

1 3 2 1
to macierzą powstałą w wyniku wykreślenia drugiego wiersza i trzeciej kolumny
jest
   
1 2 4 0
1 2 0
2 3 5 1 
A2 3 =  0 7 2 4  = 0 7 4  .
1 3 1
1 3 2 1
Definicja 6.1.1. Wyznacznikiem macierzy kwadratowej A nazywamy liczbę

det A, gdzie:
1◦ jeśli A ∈ K1×1 , A = [a11 ], to det A = a11 ;
Definicja wyznacznika
2◦ jeśli A = [aij ] ∈ Kn×n i n > 1, to
n
X
det A = a1j (−1)1+j det A1j , (6.1)
j=1
6.1. Definicja i pierwsze własności wyznacznika 103
czyli
|A| = a11 (−1)1+1 |A11 | + a12 (−1)1+2 |A12 | + . . . + a1n (−1)1+n |A1n |.
Prawą stronę równości (6.1) nazywamy rozwinięciem Laplace’a wyznaczni-

ka det A względem elementów pierwszego wiersza macierzy A. Zgodnie z tą
definicją wyznacznik macierzy kwadratowej A stopnia n obliczamy za pomo-
cą n wyznaczników macierzy kwadratowych A1j stopnia n − 1. Dla macierzy
kwadratowych małego stopnia można podać proste wzory wyznaczania wartości
wyznacznika.
Przykład 102. Wobec (6.1) dla wyznacznika macierzy kwadratowej stopnia 2

mamy
a11 a12

a21 a22 = a11 (−1) |A11 | + a12 (−1) |A12 |
1+1 1+2
= a11 |[a22 ]| − a12 |[a21 ]| = a11 a22 − a12 a21 .

Stąd
a11 a12 a11 a12
= − = a11 a22 − a12 a21 , (6.2)
a21 a22 a22 a21
co oznacza, że wyznacznik macierzy kwadratowej stopnia dwa jest równy róż-
nicy iloczynu elementów stojących na głównej przekątnej i iloczynu elementów
stojących na “drugiej” przekątnej tej macierzy. Przykładowo, jeśli

2 −1
A= , to det A = 2 · 5 − (−1) · 3 = 13.
3 5
Przykład 103. Wobec (6.1) i (6.2) dla wyznacznika macierzy kwadratowej

stopnia trzy mamy

a11 a12 a13

a21 a22 a23 = a11 (−1)1+1 |A11 | + a12 (−1)1+2 |A12 | + a13 (−1)1+3 |A13 |

a31 a32 a33
a22 a23 a21 a23 a21 a22

= a11
− a12
+ a13
a32 a33 a31 a33 a31 a32
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32
− a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .
Zatem otrzymaliśmy następujący wzór na obliczanie wyznacznika macierzy kwa-
dratowej stopnia trzy:

a11 a12 a13

a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (6.3)
a a a − a a a − a a a − a a a .
31 32 33 13 22 31 11 23 32 12 21 33
Warto zaobserwować, że powyższy wzór na wyznacznik macierzy kwadratowej

stopnia trzy można uzyskać za pomocą tzw. schematu Sarrusa. W tym celu
na prawo od wyznacznika kopiujemy pierwszą i drugą kolumnę macierzy. Łatwo
teraz zauważyć, że wyznacznik jest sumą iloczynów elementów stojących na pro-
stych p1 , p2 i p3 oraz opatrzonych znakiem minus iloczynów elementów stojących
na prostych p4 , p5 i p6 ,
p p p p4 p p
1 2 3
5 6
a11 a12 a13 a11 a12

a21 a22 a23 a21 a22 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 Schemat Sarrusa

a31 a32 a33 a31 a32 −a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .
− − − + + +
104 6. Wyznaczniki
Zgodnie z (6.3) (i schematem Sarrusa) mamy

1 2 3
−2 3 1 = 1·3·(−1) + 2·1·3 + 3·(−2)·5 − 3·3·3 − 1·5·1 − (−1)·2(−2) = −63.

3 5 −1
Przykład 104. Korzystajc z równości (6.1) i ze schematu Sarrusa szybko można

obliczyć wyznacznik macierzy kwadratowej stopnia cztery. Przykładowo mamy

0 3 2 0

3 3 0 0

−4 2 1 2 = a11 |A11 | − a12 |A12 | + a13 |A13 | − a14 |A14 |

3 −1 −2 2
= 0|A11 | − 3|A12 | + 2|A13 | − 0|A14 |

3 0 0 3 3 0

= −3 −4 1 2 + 2 −4 2 2
3 −2 2 3 −1 2
= −3 · 18 + 2 · 60 = 66.
Nasza definicja wyznacznika wyróżnia pierwszy wiersz macierzy. Okazuje się

(ale tego tu nie udowodnimy), że to wyróżnienie nie jest niczym usprawiedliwio-
ne, bo mamy następujące twierdzenie.
Twierdzenie 6.1.1 (Laplace). Niech A = [aij ] będzie macierzą wymiaru n×n
i niech i oraz j będą liczbami ze zbioru {1, . . . , n}. Wtedy
det A = ai1 (−1)i+1 |Ai1 | + ai2 (−1)i+2 |Ai2 | + . . . + ain (−1)i+n |Ain | (6.4)
Rozwinięcia Laplace’a oraz
det A = a1j (−1)1+j |A1j | + a2j (−1)2+j |A2j | + . . . + anj (−1)n+j |Anj |. (6.5)
Prawe strony równości (6.4) i (6.5) nazywa się odpowiednio rozwinięciem La-
place’a wyznacznika det A względem i-tego wiersza oraz j-tej kolumny macierzy
A. Zgodnie z tym twierdzeniem, obliczając wyznacznik macierzy A, możemy
posłużyć się rozwinięciem względem dowolnego wiersza lub dowolnej kolumny.
W praktyce, dla skrócenia czasu obliczeń, warto posługiwać się rozwinięciem
względem wiersza lub kolumny z dużą ilością zer. W skrajnym przypadku, gdy
macierz ma zerowy wiersz lub zerową kolumnę, to z (6.4) lub (6.5) natychmiast
otrzymujemy następującą ważną obserwację.
Twierdzenie 6.1.2. Jeśli w macierzy kwadratowej A jest zerowy wiersz lub
zerowa kolumna, to det A = 0.
Dowód. Niech A = [aij ] będzie macierzą kwadratową stopnia n, w której i-ty wiersz
jest zerowy. Wtedy ai1 = ai2 = . . . = ain = 0 i dlatego wobec (6.4) mamy
det A = ai1 (−1)i+1 |Ai1 | + ai2 (−1)i+2 |Ai2 | + . . . + ain (−1)i+n |Ain |
= 0(−1)i+1 |Ai1 | + 0(−1)i+2 |Ai2 | + . . . + (−1)i+n |Ain | = 0.
Analogicznie dowodzi się, że det A = 0, gdy macierz A ma zerową kolumnę.
Przykład 105. Obliczyć wyznaczniki macierzy

 
  7 3 4 2 1
1 2 0 4 6 
7 3 0 3  0 3 0 2 
A= 
1 2 0 5 i B=2
 1 2 2 4 .

4 0 5 0 0 
1 4 0 0
0 0 3 0 0
Ponieważ macierz A ma zerową kolumnę, więc natychmiast det A = 0. Licząc wy-

znacznik macierzy B trzykrotnie możemy skorzystać z zalet rozwinięcia wyznacznika
względem wiersza (u nas obramowanego) z największą liczbą zer. Mamy

7 3 4 2 1
6 0 3 0 2
7 3 2 1
6 0 0 2
|B| = 2 1 2 2 4 = 3 · (−1)5+3
2 1 2 4
4 0 5 0 0 4 0 0 0
0 0 3 0 0

3 2 1
3 2
= 3 · 4 · (−1)4+1 0 0 2 = −12 · 2 · (−1)2+3 = 24(6 − 2) = 96.
1 2
1 2 4
Definicja 6.1.2. Macierz kwadratową A = [aij ] stopnia n nazywa się macierzą

trójkątną dolną (górną), gdy
Macierz trójkątna dolna
aij = 0 dla 1 ¬ i < j ¬ n (1 ¬ j < i ¬ n).  
a11 0 ··· 0
 a21 a22 ··· 0 
Korzystając z definicji wyznacznika lub z twierdzenia 6.1.1, indukcyjnie ze  . .. . 
 .. ..
względu na stopień macierzy, łatwo wykazuje się prawdziwość następującego . . .. 
twierdzenia o wyznaczniku macierzy trójkątnej. an1 an2 · · · ann
Twierdzenie 6.1.3. Wyznacznik macierzy trójkątnej jest równy iloczynowi ele-

mentów stojących na jej głównej przekątnej,

a11 0 · · · 0 a11 a12 · · · a1n

a21 a22 · · · 0 0 a22 · · · a2n

.. = a11 a22 . . . ann i .. = a11 a22 . . . ann .
. .

an1 an2 · · · ann 0 0 · · · ann
W szczególności dla macierzy diagonalnej, więc także dla macierzy jednostkowej,

mamy

a11 0 · · · 0 1 0 ··· 0

0 a22 · · · 0 0 1 ··· 0

.. = a11 a22 . . . ann i |In | = .. = 1.
. .

0 0 · · · ann 0 0 ··· 1
Przykład 106. Wobec poprzedniego twierdzenia mamy

5 0 0 0

1 4 0 0
= 5 · 4 · 3 · 2,
1 3 3 0

2 3 1 2
bo jest to wyznacznik macierzy trójkątnej.
Ustalimy teraz związek między wyznacznikiem macierzy kwadratowej A i wy-

znacznikiem jej transpozycji AT . Zaczynamy od prostego przykładu.
Przykład 107. Obliczyć wyznaczniki macierzy A i AT , gdy

 
2 3 5 1
2 0 3 0
A=  1 −1 2 4 .

3 2 2 1
106 6. Wyznaczniki
Wyznacznik macierzy A możemy obliczyć za pomocą rozwinięcia względem drugiego

wiersza,

2 3 5 1
3 5 1 2 3 1
2 0 3 0
|A| =
1 −1 2 4
= 2(−1)2+1 −1 2 4 + 3(−1)2+3 1 −1 4
2 2 1 3 2 1
3 2 2 1
= (−2) · 21 + (−3) · 20 = −102.
Natomiast wyznacznik macierzy AT liczymy poprzez rozwinięcie względem drugiej

kolumny,

2 2 1 3
3 −1 2 2 1 3
T 3 0 −1 2 1+2 3+2
|A | = = 2(−1) 5 2 2 + 3(−1) 3 −1 2
5 3 2 2 1 4 1 1 4 1
1 0 4 1
= (−2) · 21 + (−3) · 20 = −102.
Nie jest sprawą przypadku, że dla macierzy A z ostatniego przykładu mamy

|A| = |AT |. Pokażemy teraz, że macierz kwadratowa i jej transpozycja zawsze
mają identyczne wyznaczniki.
Twierdzenie 6.1.4. Dla każdej macierzy kwadratowej A jest
T
|A | = |A| det AT = det A. (6.6)
Dowód. Twierdzenie jest trywialne dla macierzy kwadratowych stopnia 1. Załóżmy

jego prawdziwość dla macierzy kwadratowych stopnia n − 1, gdzie n 2 jest ustaloną
liczbą naturalną. Niech teraz A = [aij ] będzie macierzą kwadratową stopnia n i niech
B = [bij ] będzie jej transpozycją. Rozwijając wyznaczniki macierzy A i B odpowiednio
względem pierwszego wiersza i pierwszej kolumny, otrzymujemy
n n
X X
det A = a1i (−1)1+i |A1i | i det B = bi1 (−1)i+1 |Bi1 |. (6.7)
i=1 i=1
Ponieważ B = AT , więc dla i, j ∈ {1, . . . , n} jest bij = aji oraz

   
b11 b12 . . . b1n a11 a21 . . . an1
 .. .. ..   .. .. .. 
 . . .   . . . 
   
Bi1 =  bi1 bi2 . . . bin = a1i a2i . . . ani 
 .. .. ..   .. .. .. 
 . . .
  . . .

bn1 bn2 ... bnn a1n a2n . . . ann
 T
a11 . . . a1i . . . a1n
 a21 . . . a2i . . . a2n 
= 
 .. .. ..  = (A1i )T.

. . .
an1 . . . ani . . . ann
Dodatkowo, ponieważ A1i jest macierzą kwadratową stopnia n − 1, więc z założenia

T
indukcyjnego |A1i | = | A1i | = |Bi1 |. Stąd i z (6.7) wynika (6.6), bo mamy
n n
X X
det AT = det B = bi1 (−1)i+1 |Bi1 | = a1i (−1)1+i |A1i | = det A.
i=1 i=1
Konsekwencją twierdzenia 6.1.4 jest następujące metatwierdzenie o wyznacz-

nikach: każde twierdzenie o wyznacznikach, w którym występuje słowo “kolum-
na” pozostaje prawdziwe po zamianie słowa “kolumna” na słowo “wiersz”. Z tego
też powodu w dowodach następnych twierdzeń zajmujemy się tylko ich wersjami
kolumnowymi.
Twierdzenie 6.1.5. Jeśli macierz B powstaje z macierzy kwadratowej A w wy-

niku przestawienia miejscami dwóch kolumn (albo dwóch wierszy), to
det B = − det A.
Dowód. Łatwo sprawdza się prawdziwość tezy dla macierzy kwadratowych stopnia 2,
bo wobec (6.2) mamy

b a
= bc − ad = −(ad − bc) = − a b .
d c c d
Załóżmy teraz prawdziwość tezy twierdzenia dla macierzy kwadratowych stopnia n− 1,

gdzie n > 2 jest ustaloną liczbą naturalną. Niech A będzie dowolną macierzą kwadrato-
wą stopnia n i niech B będzie macierzą powstałą z A w wyniku przestawienia miejscami
k-tej i l-tej kolumny, k 6= l, powiedzmy
A = [aij ] = [ a1 . . . ak . . . al . . . an ]
i
B = [bij ] = [ a1 . . . al . . . ak . . . an ].
Weźmy pod uwagę dowolną liczbę s ∈ {1, . . . , n} − {k, l} i rozważmy rozwinięcia wy-
znaczników macierzy B i A względem ich s-tych kolumn,
n n
X X
det B = bis (−1)i+s |Bis | i det A = ais (−1)i+s |Ais |. (6.8)
i=1 i=1
Ponieważ bis = ais , a macierze Bis oraz Ais są wymiaru (n − 1) × (n − 1) i różnią się
tylko kolejnością dwóch kolumn,
 
a11 . . . a1k . . . a1s . . . a1l . . . a1n
 .. .. .. .. 
 . . . . 
 
Ais =  ai1 . . . aik . . . ais . . . ail . . . ain 
 .. .. .. .. 
 . . . . 
an1 . . . ank . . . ans . . . anl . . . ann
i  
a11 . . . a1l . . . a1s . . . a1k . . . a1n
 .. .. .. .. 
 . . . . 
 
Bis =  ai1 . . . ail . . . ais . . . aik . . . ain ,
 .. .. .. .. 
 . . . . 
an1 . . . anl . . . ans . . . ank . . . ann
więc wobec założenia indukcyjnego jest |Bis | = −|Ais | i dlatego wobec (6.8) mamy
n n
X X
det B = bis (−1)i+s |Bis | = ais (−1)i+s (−|Ais |) = − det A.
i=1 i=1
 
2 4 0 2
2 3 0 0
Przykład 108. Obliczyć wyznacznik macierzy A = 
4
.
5 3 0
1 0 0 0
Przestawiając pierwszy wiersz z czwartym, przekształcamy macierz A w macierz trój-
kątną i wobec twierdzenia 6.1.5 oraz twierdzenia 6.1.3 mamy

1 0 0 0

2 3 0 0
|A| = − = −18.
4 5 3 0
2 4 0 2
108 6. Wyznaczniki
Twierdzenie 6.1.6. Jeśli macierz kwadratowa A ma dwie równe kolumny (dwa

równe wiersze), to
det A = 0.
Dowód. Załóżmy, że macierz A = [ a1 . . . al . . . ak . . . an ] ma dwie równe kolumny,
al = ak i l 6= k. Niech B będzie macierzą powstałą z A w wyniku przestawienia
miejscami kolumn al i ak . Wtedy det B = − det A wobec twierdzenia 6.1.5. Z drugiej
strony B = A, więc det A = det B = − det A i dlatego det A = 0.
Twierdzenie 6.1.7. Niech A = [aij ] będzie macierzą kwadratową stopnia n.
Jeśli i oraz j są różnymi liczbami ze zbioru {1, . . . , n}, to
ai1 (−1)j+1 |Aj1 | + ai2 (−1)j+2 |Aj2 | + . . . + ain (−1)j+n |Ajn | = 0 (6.9)
oraz
a1i (−1)1+j |A1j | + a2i (−1)2+j |A2j | + . . . + ani (−1)n+j |Anj | = 0, (6.10)
czyli suma iloczynów kolejnych elementów jednego wiersza (jednej kolumny) i do-
pełnień algebraicznych1 kolejnych elementów innego wiersza (innej kolumny)
jest równa zeru.
Dowód. Przyjmijmy, że A = [aij ] = [ a1 . . . ai . . . aj . . . an ] (i 6= j) i weźmy pod uwagę
macierz B = [bij ] = [ a1 . . . ai . . . ai . . . an ] powstałą z A przez zastąpienie w niej j-tej
kolumny przez i-tą (bkj = aki dla k = 1, . . . , n). Macierz B ma dwie równe kolumny,
więc wobec twierdzenia 6.1.6 jest det B = 0. Z drugiej strony ponieważ macierze B
i A różnią się tylko j-tą kolumną, więc
 
a11 ... a1i ... a1j . . . a1n
 .. .. .. 
 . . . 
 
Akj =  ak1 ... aki ... akj . . . akn 
 . .. .. 
 .. . .

an1 ... ani ... anj . . . ann
 
a11 ... a1i ... a1i . . . a1n
 .. .. .. 
 . . . 
 
=  ak1 ... aki ... aki . . . akn  = Bkj
 . .. .. 
 .. . .

an1 ... ani ... ani . . . ann
(dla k = 1, . . . , n) i dlatego rozwijając wyznacznik macierzy B względem j-tej kolumny

otrzymamy
n n
X X
det B = bkj (−1)k+j |Bkj | = aki (−1)k+j |Akj |
k=1 k=1
i stąd wynika (6.10). Analogicznie dowodzi się (6.9).

Następujący wniosek jest prostą konsekwencją twierdzeń 6.1.1 i 6.1.7.
Wniosek 6.1.1. Niech A = [aij ] będzie macierzą kwadratową stopnia n. Jeśli
i oraz j są liczbami ze zbioru {1, . . . , n}, to
n
X
|A|, gdy j = i,
aik (−1)j+k |Ajk | = (6.11)
0, gdy j =
6 i,
k=1
i n
X |A|, gdy j = i,
k+j
aik (−1) |Akj | = (6.12)
0, gdy j =
6 i.
k=1
1 Dopełnieniem algebraicznym elementu a
ij macierzy kwadratowej A = [aij ] nazywa się
liczbę (−1)i+j |Aij |.
Twierdzenie 6.1.8. Jeśli macierz B powstaje z macierzy kwadratowej A w wy-

niku pomnożenia jednej kolumny (jednego wiersza) przez liczbę r, to
det B = r·det A.
Dowód. Niech A = [aij ] = [ a1 . . . ak . . . an ] będzie macierzą kwadratową stopnia n

i niech B będzie macierzą powstałą z A w wyniku pomnożenia k- tej kolumny przez
liczbę r. Wtedy B = [bij ] = [ a1 . . . r ak . . . an ], bik = raik oraz
   
a11 . . . ra1k . . . a1n a11 . . . a1k . . . a1n
 .. .. ..   .. .. .. 
 . . .   . . . 
   
Bik =  ai1 . . . raik . . . ain = ai1 . . . aik . . . ain  = Aik
 .. .. ..   .. .. .. 
 . . .
  . . .

an1 . . . rank . . . ann an1 . . . ank . . . ann
dla i = 1, . . . , n. Zatem rozwijając wyznaczniki macierzy B i A względem k-tych ko-

lumn, zauważamy, że
n
X n
X
det B = bik (−1)i+k |Bik | = r aik (−1)i+k |Aik | = r·det A.
i=1 i=1
Wniosek 6.1.2. Jeśli A jest macierzą kwadratową stopnia n, to dla każdej

liczby r jest
det (rA) = rn · det A.
Przykład 109. Z twierdzenia 6.1.8 i wniosku 6.1.2 wynika, że mamy

6 2 3 6 2 3 6 2 3p 6 2 3

2r 3r 6r = r 2 3 6 2 3 6p = p 2 3 6

0 3 2 0 3 2 0 3 2p 0 3 2
i
10 20 50 1 2 5

30 10 40 = 103 3 1 4 = 1000 · 9 = 9000.

−10 20 20 −1 2 2
Twierdzenie 6.1.9. Jeśli macierz B powstaje z macierzy kwadratowej A przez

dodanie do jednej kolumny innej kolumny pomnożonej przez dowolną liczbę (albo
przez dodanie do jednego wiersza innego wiersza pomnożonego przez dowolną
liczbę), to
det B = det A.
Dowód. Niech A = [aij ] = [ a1 . . . al . . . ak . . . an ] będzie macierzą kwadratową stop-
nia n i niech B będzie macierzą powstałą z A przez dodanie iloczynu k-tej kolumny
i liczby r do l-tej kolumny, k 6= l. Wtedy B = [bij ] = [ a1 . . . al + r ak . . . ak . . . an ],
bil = ail + raik oraz
 
a11 . . . a1l + ra1k . . . a1k . . . a1n
 .. .. .. .. 
 . . . . 
 
Bil =  ai1 . . . ail + raik . . . aik . . . ain 
 .. .. .. .. 
 . . . .

an1 . . . anl + rank . . . ank . . . ann
 
a11 . . . a1l . . . a1k . . . a1n
 .. .. .. .. 
 . . . . 
 
=  ai1 . . . ail . . . aik . . . ain  = Ail
 .. .. .. .. 
 . . . .

an1 . . . anl . . . ank . . . ann
110 6. Wyznaczniki
dla i = 1, . . . , n. Ponieważ liczby k i l są różne, więc wobec twierdzenia 6.1.7 jest

P n
a (−1) |Ail | = 0. Zatem rozwijając wyznacznik macierzy B względem l-tej
i=1 ik
i+l
kolumny otrzymujemy
n n
X X
det B = bil (−1)i+l |Bil | = (ail + raik )(−1)i+l |Ail |
i=1 i=1
n n
X i+l
X
= ail (−1) |Ail | + r aik (−1)i+l |Ail |
i=1 i=1
= det A + r · 0 = det A.
 
3 2 −3 2
 0 2 3 −1 
Przykład 110. Obliczyć wyznacznik macierzy  
 −9 −4 12 −7 .
2 3 2 1
Dodając pierwszy wiersz pomnożony przez 3 do trzeciego, nie zmieniamy wyznacznika
i otrzymujemy
3 2 −3 2 3 2 −3 2

0 2 3 −1 0 2 3 −1
−9 −4 12 −7 = 0 2
= 0,
3 −1

2 3 2 1 2 3 2 1
bo jest to wyznacznik z macierzy mającej dwa identyczne wiersze.
 
1 2 3 0
 3 4 3 0 
 5
.
4 6 6 
4 2 4 3
Ponieważ w ostatniej kolumnie macierzy A mamy już dwa zera, więc dobrym pomy-
słem jest eliminacja kolejnego niezerowego wyrazu z tej kolumny. W tym celu możemy
do trzeciego wiersza dodać wiersz czwarty pomnożony przez -2 i rozwinąć otrzymany
wyznacznik względem ostatniej kolumny,

1 2 3 0
1 2 3
3 4 3 0
det A = = 3 3 4 3 .
−3 0 −2 0 −3 0 −2
4 2 4 3
Ostatni wyznacznik można już policzyć za pomocą schematu Sarrusa, ale można także
pierwszy wiersz pomnożony przez -2 dodać do drugiego i obliczyć wartość wyznacznika
za pomocą rozwinięcia względem elementów drugiej kolumny,

1 2 3 1 −3
= −6(−2 − 9) = 66.
det A = 3 1 0 −3 = 3(−2)
−3 0 −2 −3 −2
 
1 1 1 1 1
 1 2 2 2 2 
 
 1 1 3 3 3 .

 1 1 1 4 4 
1 1 1 1 5
Odejmując kolejno pierwszy wiersz od drugiego, trzeciego, czwartego i piątego wiersza,
otrzymujemy
1 1 1 1 1

0 1 1 1 1

det A = 0 0 2 2 2 = 24,
0 0 0 3 3

0 0 0 0 4
6.2. Wyznacznik iloczynu macierzy 111
bo jest to wyznacznik macierzy trójkątnej i jest on równy iloczynowi elementów stoją-

cych na głównej przekątnej.
6.2. Wyznacznik iloczynu macierzy

Ważną rolę w naszych rozważaniach będzie pełniło twierdzenie o wyznaczniku
iloczynu macierzy. Udowodnimy tzw. twierdzenie Cauchy’ego: jeśli A i B są
macierzami kwadratowymi tego samego stopnia, to wyznacznik iloczynu AB jest
iloczynem wyznacznika macierzy A i wyznacznika macierzy B, czyli udowodnimy
równość
det(AB) = (det A)(det B).
Zaczynamy od twierdzenia, które jest prostą konsekwencją twierdzeń 6.1.5, 6.1.8
i 6.1.9.
Twierdzenie 6.2.1. Jeśli A i E są macierzami wymiaru n × n i macierz E
jest elementarna, to
det (EA) = (det E)(det A) i det (AE) = (det A)(det E).
Dowód. Niech E będzie jedną z macierzy elementarnych Eij , Ei (t) i Eij (t) wymia-
ru n × n. Na początek przyjmijmy, że E = Eij dla i, j ∈ {1, . . . , n}, i 6= j. Po-
nieważ macierz EA = Eij A powstaje z macierzy A w wyniku przestawienia miej-
scami dwóch wierszy, to wobec twierdzenia 6.1.5 jest |Eij A| = −|A|. Dodatkowo
mamy |Eij | = −|In | = −1, bo |In | = 1 i macierz Eij także powstaje z macie-
rzy In w wyniku przestawienia miejscami dwóch wierszy. Stąd wynika, że |Eij A|
= −|A| = |Eij ||A|. Jednocześnie, ponieważ ETij = Eij , więc z własności transpozy-
cji macierzy (twierdzenia 4.2.5 i 6.1.4) i z już udowodnionej równości kolejno mamy
|AEij | = |(ETij AT )T | = |ETij AT | = |Eij AT | = |Eij ||AT | = |Eij ||A| = |A||Eij |.
Równości |EA| = |E||A| = |AE|, gdy E = Ei (t) lub E = Eij (t), dowodzi się
analogicznie.
Możemy już teraz udowodnić zapowiedziane twierdzenie Cauchy’ego o wy-
znaczniku iloczynu macierzy kwadratowych.
Twierdzenie 6.2.2 (Cauchy). Jeśli A i B są macierzami kwadratowymi tego Twierdzenie Cauchy’ego
samego stopnia, to
det (AB) = (det A)(det B). (6.13)
Dowód. Jeśli macierz A jest odwracalna, to wobec twierdzenia 5.3.1 istnieją macierze
elementarne E1 , . . . , Ek takie, że A = E1 · . . . · Ek . Wtedy AB = E1 ·. . .· Ek B i wobec
twierdzenia 6.2.1 mamy
|AB| = |E1 ·. . .·Ek B| = |E1 ||E2 ·. . .· Ek B| = . . . = |E1 | ·. . .· |Ek ||B|
= |E1 E2 | ·. . .· |Ek ||B| = . . . = |E1 ·. . .· Ek ||B| = |A||B|.
Załóżmy teraz, że macierz A nie jest odwracalna. Niech wtedy C będzie macierzą
wierszowo równoważną macierzy A i mającą postać schodkową normalną. Z faktu, że
A nie jest odwracalna i z twierdzenia 5.3.1 wynika, że macierz C ma zerowy wiersz.
Wtedy także macierz CB ma zerowy wiersz i wobec twierdzenia 6.1.2 jest
|C| = 0 = |CB|. (6.14)
Z wierszowej równoważności macierzy A i C wynika istnienie macierzy elemen-
tarnych E1 , . . . , Ek takich, że A = E1 · . . . · Ek C. Teraz zauważmy, że wobec (6.14)
i twierdzenia 6.2.1 mamy
|A| = |E1 ·. . .· Ek C| = |E1 | ·. . .· |Ek ||C| = 0
oraz
|AB| = |E1 ·. . .· Ek CB| = |E1 | ·. . .· |Ek ||CB| = 0 = 0|B| = |A||B|
112 6. Wyznaczniki

 
2 0 0 0 0 −1
Przykład 113. Obliczyć det A, gdy A =  3 1 0 . 0 −2 2 .
3 3 3 4 3 3
Wobec twierdzenia 6.2.2 mamy

2 0 0 0 0 −1

det A = 3 1 0 . 0 −2 2 = 6(−8) = −48.
3 3 3 4 3 3
Przykład 114. Wyznaczyć det(4A5 ), gdy A jest macierzą wymiaru 3×3 i det A
= 2.
Z twierdzenia 6.1.8 (lub z wniosku 6.1.2) oraz z twierdzenia 6.2.2 mamy
det (4A5 ) = 43 det (A5 ) = 43 (det A)5 = 43 · 25 = 2048.
6.3. Macierze odwracalne i nieosobliwe

Definicja 6.3.1. Macierz kwadratową A nazywamy macierzą nieosobliwą, gdy
Macierz A jest nieoso-
bliwa, gdy |A| 6= 0 det A 6= 0.
Udowodnimy teraz jedno z piękniejszych i ważniejszych twierdzeń całej ma-
tematyki. Udowodnimy, że macierz jest nieosobliwa wtedy i tylko wtedy, gdy jest
Macierz A jest odwra- ona odwracalna. Przedstawimy także jeszcze jeden sposób wyznaczania macierzy
calna, gdy A−1 istnieje odwrotnej. Zauważmy najpierw, że każda odwracalna macierz jest nieosobliwa.
Twierdzenie 6.3.1. Jeśli macierz kwadratowa A jest odwracalna, to jest ona
nieosobliwa. Wtedy także macierz odwrotna A−1 jest nieosobliwa i dodatkowo
1
|A−1 | = |A|−1 det (A−1 ) = .
det A
Dowód. Jeśli macierz A jest odwracalna, to macierz A−1 istnieje i A·A−1 = A−1 ·A
= I. Zatem, wobec twierdzenia 6.2.2,
det A·det(A−1 ) = det(A·A−1 ) = det I = 1.
Stąd zaś wynika nieosobliwość macierzy A i A−1 oraz zależność det(A−1 ) = (det A)−1
pomiędzy ich wyznacznikami.
Udowodnimy teraz, że każda macierz nieosobliwa jest odwracalna. (Inny do-

wód tego samego faktu zaproponowaliśmy w ćwiczeniach.) Niech A = [aij ] będzie
macierzą kwadratową stopnia n. Z dopełnień algebraicznych elementów macierzy
A, czyli z liczb Dij = (−1)i+j |Aij |, tworzymy macierz
    T 
D11 D21 . . . Dn1 D11 D12 . . . D1n
 D12 D22 . . . Dn2     
    21 D22
D . . . D2n  
Macierz dołączona AD =  ..   =  ..   ,
 .  
  .  
D1n D2n . . . Dnn Dn1 Dn2 . . . Dnn
którą nazywamy macierzą dołączoną macierzy A. Zauważmy, że jeśli

6.3. Macierze odwracalne i nieosobliwe 113
  
a11 a12 . . . a1n D11 D21 . . . Dn1
 a21 a22 . . . a2n  D12 D22 . . . Dn2 
  
AAD = ..  ..  = [cij ],
 .  . 
an1 an2 . . . ann D1n D2n . . . Dnn
to z definicji iloczynu macierzy oraz z twierdzeń 6.1.1 i 6.1.7 mamy
X n n
X
|A|, gdy j = i,
cij = aik Djk = aik (−1)j+k |Ajk | =
0, gdy j 6= i.
k=1 k=1
To oznacza, że
A · AD = [cij ] = |A| · In . (6.15)
Podobnie można udowodnić, że
AD · A = |A| · In . (6.16)
Dlatego, jeśli |A| 6= 0, to z (6.15) i (6.16) mamy
AD AD
A· = · A = In
|A| |A|
D
i A
|A| jest macierzą odwrotną macierzy A. Zatem udowodniliśmy następujące
twierdzenie o odwracalności macierzy nieosobliwej.
Twierdzenie 6.3.2. Każda macierz nieosobliwa A jest odwracalna i jej macierz
odwrotna jest określona wzorem
1
A−1 = · AD . (6.17) Macierz odwrotna
det A
Z ostatnich dwóch twierdzeń wynika bardzo ważny wniosek.
Wniosek 6.3.1. Macierz kwadratowa A jest odwracalna wtedy i tylko wtedy, gdy
jest ona nieosobliwa, tj. wtedy i tylko wtedy, gdy det A 6= 0. (Równoważnie, A −1 istnieje ⇔ |A| 6= 0
macierz kwadratowa A jest odwracalna wtedy i tylko wtedy, gdy liczba det A jest A−1 istnieje ⇔ |A|−1 ist-
odwracalna.) nieje

a b
Przykład 115. Jeśli macierz jest nieosobliwa, tj. gdy ad − bc 6= 0, to
c d
wobec (6.17) jej macierz odwrotna określona jest wzorem
−1
a b 1 d −b
= .
c d ad − bc −c a
Przykładowo mamy
−1
3 1 1 4 −1
= .
2 4 10 −2 3
Przykład 116. Wyznaczyć macierz odwrotną macierzy

 
1 1 2
A =  −1 1 1 .
2 −1 3
Ponieważ |A| = 7 6= 0, więc macierz A jest odwracalna i wobec (6.17) mamy
" #
D11 D21 D31
−1 AD 1
A = = D12 D22 D32 .
|A| |A|
D13 D23 D33
114 6. Wyznaczniki
Dla rozważanej macierzy A jest

 
1 1 1 2 1 2
+ − +
 −1 3 −1 3 1 1 
  " #
 −1 1  4 −5 −1
1 + 1 2 1 2  1
A−1 =  − 2 3
−
= 5 −1 −3 .
7 2 3 −1 1  7 −1 3 2
 
 −1 1 1 1 
+ − 1 1 +
2 −1 2 −1 −1 1
Przykład 117. Za pomocą macierzy odwrotnej rozwiązać równanie XA = B,

w którym  
1 1 −1
1 2 3
A=2 1 0 i B= .
1 −1 3
1 −1 1
Ponieważ macierz A jest odwracalna, więc pomnażając obie strony równania XA = B
przez A−1 , otrzymujemy X = BA−1 , i dlatego
1 " 1 −1
#−1
1 2 3
X = 2 1 0
1 −1 3
1 −1 1
" 1/2 0 1/2
#
1 2 3 −6 5 −3
= −1 1 −1 = .
1 −1 3 −3 2 0
−3/2 1 −1/2
Przykład 118. Rozwiązać równanie macierzowe AX + 2X = B, w którym

1 1 5 −2 5
A= i B= .
2 3 −1 3 12
Zauważmy najpierw, że mamy równoważności
AX + 2X = B ⇔ AX + 2I X = B ⇔ (A + 2I)X = B ⇔ X = (A + 2I)−1 B,
a ponieważ
−1 −1
1 1 2 0 3 1 1 5 −1
(A + 2I)−1 = + = = ,
2 3 0 2 2 5 13 −2 3
więc
1 5 −1 5 −2 5 2 −1 1
X= = .
13 −2 3 −1 3 12 −1 1 2
6.4. Wyznacznik macierzy podobnych

Tu ograniczamy swoje zainteresowania do najprostszych własności wyznaczni-
ków macierzy podobnych. Przypomnijmy, że macierze kwadratowe A i B na-
zywamy podobnymi, gdy istnieje nieosobliwa macierz P taka, że B = P−1 AP
(zob. def. 4.4.2).
Twierdzenie 6.4.1. Jeśli macierze A i B wymiaru n × n są podobne, to:
(a) macierze A − λIn i B − λIn są podobne dla każdego λ ∈ R;
(b) det (A − λIn ) = det (B − λIn ) dla każdego λ ∈ R;
(c) det A = det B.
6.5. Układy równań i wzory Cramera 115
Dowód. Niech P będzie nieosobliwą macierzą taką, że B = P−1 AP. Wtedy
B − λIn = P−1 AP − λP−1 P = P−1 (AP − λP) = P−1 (A − λIn )P
i to dowodzi własność (a). Ponieważ (det P−1 )(det P) = 1 (zob. tw. 6.3.1), więc z po-
wyższej równości i z twierdzenia Cauchy’ego (tw. 6.2.2) mamy własność (b), bo

det (B − λIn ) = det P−1 (A − λIn )P
= det (P−1 ) · det (A − λIn ) · det (P )
= det(A − λIn ).
W końcu, (c) wynika z (b) dla λ = 0.
6.5. Układy równań i wzory Cramera

Wyznacznik macierzy może być przydatny przy stwierdzaniu istnienia, wyzna-
czaniu liczby rozwiązań i przy samym wyznaczaniu rozwiązań układu równań
liniowych Ax = b, gdzie A ∈ Kn×n i b ∈ Kn×1 . Dla takiego układu mamy
równoważności:
Ax = b ma dokładnie jedno rozwiązanie
⇔ macierz A jest wierszowo równoważna macierzy I (wn. 5.1.1)
⇔ macierz A jest odwracalna (tw. 5.3.1)
⇔ det A 6= 0 (wn. 6.3.1).
Zatem mamy następujące wnioski o rozwiązaniach układów równań linowych.

Wniosek 6.5.1. Jeśli A ∈ Kn×n i b ∈ Kn×1 , to układ równań liniowych
Ax = b ma dokładnie jedno rozwiązanie wtedy i tylko wtedy, gdy det A 6= 0.
Wniosek 6.5.2. Jeśli A jest macierzą kwadratową, to jednorodny układ rów-
nań liniowych Ax = 0 ma niezerowe rozwiązanie wtedy i tylko wtedy, gdy
det A = 0.
Przykład 119. Znaleźć te wartości parametru a, dla których jednorodny układ

równań 
 x1 + 2x2 − 3x3 = 0
2x1 + ax2 + x3 = 0

2x1 + x2 + ax3 = 0
ma niezerowe rozwiązanie. Rozwiązać układ dla otrzymanych wartości parame-
tru a.
Wyznacznikiem macierzy głównej tego układu jest

1 2 −3 1 2 −3

|A| = 2 a 1 = 0 a−4 7
2 1 a 0 1−a a−1

a−4 7 a+3 7
= = = (a + 3)(a − 1).
1−a a−1 0 a−1
Zatem |A| = 0 wtedy i tylko wtedy, gdy a = −3 lub a = 1 i wobec wniosku 6.5.1 są to
jedyne wartości a, dla których jednorodny układ równań ma niezerowe rozwiązanie.
Jeśli a = −3, to dla macierzy rozszerzonej tego układu mamy
" # " #
1 2 −3 0 1 0 −1 0

[A|0] = 2 −3 1 0 ∼ 0 1 −1 0
2 1 −3 0 0 0 0 0
i dlatego x = [ t t t ]T jest rozwiązaniem układu dla każdego t ∈ R.

116 6. Wyznaczniki
Dla a = 1 mamy
" # " #
1 2 −3 0 1 0 5/3 0

[A|0] = 2 1 1 0 ∼ 0 1 −7/3 0
2 1 1 0 0 0 0 0
i rozwiązaniem układu jest x = [−5t 7t 3t]T dla każdego t ∈ R.
Przedstawimy teraz zastosowania wyznaczników do rozwiązywania układów

n równań liniowych o n niewiadomych. Niech A będzie macierzą kwadratową
stopnia n i niech x oraz b będą macierzami wymiaru n × 1,
     
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
     
A= .. , x =  .. , b =  .. ,
 .   .   . 
an1 an2 · · · ann xn bn
których współczynniki są elementami ciała K.

Definicja 6.5.1. Układ równań


 a11 x1 + a12 x2 + . . . + a1n xn = b1

 a21 x1 + a22 x2 + . . . + a2n xn = b2
..

 .


an1 x1 + an2 x2 + . . . + ann xn = bn
Układ Cramera (symbolicznie Ax = b) nazywamy układem Cramera, gdy jego macierz główna
A jest macierzą nieosobliwą, tj. gdy det A 6= 0.
Wobec wniosku 6.5.1 układ Cramera ma dokładnie jedno rozwiązanie. Teraz
poznamy nową metodę wyznaczania tego rozwiązania. Zaczynamy od przydatnej
notacji. Dla macierzy A = [ a1 . . . ai−1 ai ai+1 . . . an ] ∈ Kn×n i x ∈ Kn×1
symbolem Ai (x) oznaczamy macierz powstałą z A przez zastąpienie w niej i-tej
kolumny kolumną x, czyli
 
| | | | |
Ai (x) =  a1 · · · ai−1 x ai+1 · · · an  .
| | | | |
Twierdzenie 6.5.1. Jedynym rozwiązaniem układ Cramera Ax = b, gdzie

A ∈ Kn×n i b ∈ Kn×1 , jest macierz x = [ x1 . . . xn ]T , w której
Wzór Cramera det Ai (b)

xi = dla i = 1, . . . , n. (6.18)
det A
Dowód. Załóżmy, że macierz A = [ a1 . . . an ] jest nieosobliwa i niech x = [ x1 . . . xn ]T
będzie jedynym rozwiązaniem układu Cramera Ax = b. Wtedy x1 a1 + . . . + xi ai +
. . . + xn an = b i wobec twierdzeń 6.1.9 i 6.1.8 mamy
" #
| | | | |
det Ai (b) = det a1 · · · ai−1 b ai+1 · · · an
| | | | |
" #
| | | | |
= det a1 · · · ai−1 x1 a1 + . . . + xi ai + . . . + xn an ai+1 · · · an
| | | | |
" #
| | | | |
= det a1 · · · ai−1 xi ai ai+1 · · · an
| | | | |
= xi det A.
Stąd otrzymujemy wzór (6.18), bo det A 6= 0.
6.6. Ćwiczenia 117
Wzory (6.18), nazywane wzorami Cramera, mają wielorakie zastosowania

w rozważaniach teoretycznych.
Przykład 120. Za pomocą wzorów Cramera rozwiązać układ równań


 x1 − x2 + x3 = 6,
3x1 + 2x2 + 2x3 = 10,

x1 + 3x2 + 3x3 = 8.
Dla tego układu mamy

" # " #
1 −1 1 6 −1 1
A = 3 2 2 , A1 (b) = 10 2 2 ,
1 3 3 8 3 3
" # " #
1 6 1 1 −1 6
A2 (b) = 3 10 2 , A3 (b) = 3 2 10 .
1 8 3 1 3 8
Ponieważ |A| = 14, |A1 (b)| = 28, |A2 (b)| = −14 i |A3 (b)| = 42, więc wobec (6.18)
jedynym rozwiązaniem układu są liczby
|A1 (b)| |A2 (b)| |A3 (b)|
x1 = = 2, x2 = = −1, x3 = = 3.
|A| |A| |A|
6.6. Ćwiczenia

1. Posługując się rozwinięciem wyznacznika względem 1 1 0 0 0 0
1 2 11 2 0
wiersza lub kolumny z największą liczbą zer, obliczyć 1 1 1 0 0 0
4 3 9 0 6
wyznaczniki następujących macierzy: 0 1 1 1 0 0
(g) 2 3 0 0 0 ; (h) .
  0 0 1 1 1 0
" # 5 4 0 7 4 0 6 5 0
2 3 0 0 0 0 1 1 1
0 3 0 2 0 3 5 7 6
(a) 7 10 3 ; (c)  ; 0 0 0 0 1 1
2 3 5 4
1 5 0 3. Wyznacznikiem Vandermonde’a stopnia n nazywamy
0 7 0 2
    wyznacznik
2 0 0 2 1 3 7 4 1 x1 x21 . . . x1n−1
2 n−1
 0 3 1 3 
(b)  ;  −2 0 3 1  1 x 2 x2 . . . x2
2 1 0 4  (d)  . Vn = . . .. .
−1 2 4 0  . ..
4 3 0 1 0 3 0 1
.. .. .. . .
1 x x2 . . . xn−1
n n n
2. Obliczyć następujące wyznaczniki: Udowodnić, że V3 = (x2 − xQ 1 )(x3 − x1 )(x3 − x2 ).
(Udowodnić ogólnie, że Vn = ni>j1 (xi − xj ) dla

1 2 3 4 n 2).
116 98 145
−2 1 −4 3 4. Obliczyć wyznaczniki następujących macierzy:
(a) 100 23 100 ; (d) ;
13 75 42 3 −4 −1 2
4 3 −2 −1  
1 1 1 ... 1
 1 2 1 ... 1 
1 1 2 2 1001 2001 3001 4001  
(a) An =  1 1 3 ... 1 ;
3 1 4 8 1002 2002 3002 4002  .. .. .. .. 
(b) ; (e) ;  .. 
7 6 1 3 1003 2003 3003 4003 . . . . .
1 1 3 4 1004 2004 3004 4004 1 1 1 ... n
 
1 n n ... n
1 2 11 2 6
1 1 1 1  n 2 n ... n 
4 3 9 7 6  
x 1 1 1 (b) An =  n n 3 ... n ;
(c) ; (f ) 2 3 4 0 0 ;  .. .. .. .. .. 
x x 1 1  . 
4 5 6 5 0 . . . .
x x x 1
1 3 5 7 6 n n n ... n
118 6. Wyznaczniki
  " #
1 2 3 ... n 1 a b
 −1 0 3 ... n  A= −a 1 c .
  −b −c 1
(c) An =  −1 −2 0 ... n ;
 .. .. .. .. .. 
 . . . . .  9. Za pomocą wyznacznika wyznaczyć te wartości
−1 −2 −3 ... 0 parametru x, dla których następujące macierze są
  odwracalne:
1 1 1 ... 1    
1 0 0 1 8 x + 3 x + 2 2x
 1 x 1 ... 1  2 x 0 3  5 x x+2 x 
  (a)  ; (b)  .
(d) An =  1 1 x−1 ... 1 ; 3 0 1 0 3 1 x+2 1 
 .... .. .. .. 
 . . . . .  6 1 2 5 2 3 4 x
1 1 1 ... x− n 10. Za pomocą wzoru (6.17) wyznaczyć macierze
  odwrotne następujących macierzy:
1 2 3 ... n − 2 n − 1 n " # " #
 2 3 4 ... n − 1 n n  2 0 0 1 −2 3
 3 4 5 ... n n n
 (a) 0 3 0 ; (b) 1 −3 4 ;
(e) An = 

;

 .. .. .. .. .. .. ..  0 0 4 2 −5 8
. . . . . . . " #  
15 0 4 0 0 −2 3
n n n ... n n n (c) 17 1 19 ;  1 0 1 2
  (d)  .
1 2 3 4 ... n 27 1 22 −1 1 2 1
 1 1 2 3 ... n − 1  0 2 −3 0
  11. Wyznaczyć pierwszą kolumnę macierzy A−1 , gdy
 1 1 1 2 ... n − 2 
(f ) An = 
 1 1 1 1 ... n − 3 
. " #
 .. .. .. .. .. ..  1 0 5
 . . . . . .  A= 1 1 0 .
1 1 1 1 ... 1 1 1 1
An jest macierzą 12. Za pomocą wzorów Cramera wyznaczyć niewiadomą

5. Dany jest ciąg macierzy (An ), gdzie
2 −1 x3 z każdego z następujących układów równań:
wymiaru n × n i A1 = [2], A2 = oraz (
−1 2 2x1 + 3x2 − x3 = 16,
 
2 −1 0 ... 0 (a) − x2 + 3x3 = 34,
 −1 2 −1 . . . 0  −x1 + 2x2 + x3 = 16;
 .. .. .. .. ..  
An = 
 . . . . .
 dla n > 2.
  x1 − 2x2 + 3x3 + 2x4 = 0,
  
0 . . . −1 2 −1 −2x1 + 3x2 + x3 = 2,
(b)
0 ... 0 −1 2 
 3x 1 + x2 + 2x3 + x4 = 1,
2x1 + x3 = 0;
(a) Zauważyć, że |A1 | = 2, |A2 | = 3 i następnie 
wykazać, że |An | = 2|An−1 | − |An−2 | dla n > 2.  2x − 4x2 − 2x3 + 6x4 = 4,
 1
(b) Udowodnić, że |An | = n + 1. x1 + x 2 − 2x4 = −3,
(c)
6. Dany jestciąg macierzy (An ), gdzie A1 = [12], A2 =  7x1 − x2
 − 6x4 = 3,
3x1 − 3x2 − 2x3 = 1;
12 9
oraz          
4 12 2 1 2 1 5
 
12 9 0 0 ... 0 0 1 1 2 7
(d) x1  + x2  + x3  + x4  =  ;
 4 12 9 0 ... 0  2 2 2 1 7
  4 2 5 1 6
 0 4 12 9 ... 0 
    
An =  0 0 4 12 ... 0   dla n > 2. 1 −1 1 −1 x1 −2
 . . . . .. .   1 2 3 4  x2   16 
 .. .. .. .. . ..  (e)  = .
0 3 2 1  x3   14 
0 0 0 0 . . . 12 2 1 −1 0 x4 1
(a) Zauważyć, że |A1 | = 12, |A2 | = 108 i następnie 13. Dany jest układ równań
wykazać, że |An | = 12|An−1 | − 36|An−2 | dla n > 2. (
(b) Udowodnić, że |An | = 6n (n + 1). 2x1 + x2 − 2x3 = 2,
−3x1 + 3x2 + 5x3 = 3,
7. Rozwiązać następujące równania: −x1 + 2x2 + 2x3 = 4.
2
x 2 3 x 1 2
(a) Wyznaczyć macierz odwrotną macierzy głównej
(a) 4 1 x = 0; (b) 4 2 − 2x x = 0.
1 2+x 2 1 5 − 4x 2x A tego układu. (b) Sprawdzić poprzednie rachunki
8. Pokazać, że macierz A jest nieosobliwa dla każdych obliczając AA−1 . (c) Za pomocą macierzy A−1 wy-
liczb rzeczywistych a, b i c, gdy znaczyć rozwiązanie tego układu.
6.6. Ćwiczenia 119
14. Rozwiązać następujące równania macierzowe:

−1
1 3 3 1 26. Niech S będzie
zbiorem nieosobliwych macierzy po-
(a) + 4X = ;
2 −1 4 8 x y
staci , gdzie x, y ∈ R. Sprawdzić, czy zbiór
" # y x
1 2 3
6 9 8 S ze zwykłym mnożeniem macierzy jest grupą.
(b) X · 2 3 4 = ;
0 1 6 27. Wpisując TAK albo NIE, stwierdzić prawdziwość
3 4 1
   
1 2 3 4 5 −1 0 1 0 −1 1 Wyznacznik macierzy kwadratowej stopnia n
 0 2 3 4 5   0 2 0 −2 0  można wyznaczyć za pomocą wyznaczników macierzy
    kwadratowych stopnia n − 1.
(c)  0 0 3 4 5  ·X =  0 0 6 0 −6 .
 0 0 0 4 5   0 0 0 12 0 
2 Dopełnieniem algebraicznym elementu aij
0 0 0 0 5 0 0 0 0 20 macierzy A jest macierz Aij otrzymana z A przez

a b wykreślenie z niej i-tego wiersza oraz j-tej kolumny.
15. Wyznaczyć macierz A, jeśli A−1 =
c d 3 Rozwinięcie wyznacznika det A względem ko-
i det (A−1 ) = 3. lumny różni się znakiem od rozwinięcia wyznacznika
względem wiersza.
16. Niech A będzie macierzą o całkowitych współczyn-
nikach i niech det A = ±1. Pokazać, że macierz A −1 4 Wyznacznik macierzy trójkątnej A jest równy
ma te same własności. sumie elementów stojących na głównej przekątnej
17. Niech A i B będą macierzami kwadratowymi takimi, macierzy A.
że AB + B + I = 0. Pokazać, że B jest macierzą 5 Jeśli A i B są macierzami kwadratowymi
nieosobliwą i znaleźć macierz B−1 . stopnia n, to det (A + B) = det A + det B.
18. Niech A będzie nieosobliwą macierzą wymiaru n × n 6 Jeśli macierze kwadratowe A i B różnią
i niech AD będzie jej macierzą dołączoną. Wykazać, się tylko pierwszymi kolumnami i det A = 2 oraz
że ma ona następujące własności: det B = 3, to det (A + B) = 5.
(a) |AD | = |A|n−1 ; Jeśli A jest macierzą prostokątną, to ma-
−1 7
(b) AD 1
= |A| A; cierze AAT i AT A są kwadratowe i det (AAT )
D n−1 D
(c) (αA) = α A . = det (AT A).
19. Udowodnić lemat 6.2.1 dla macierzy elementarnej 8 det (AAT ) = (det A)2 , jeśli A jest macierzą
E = Eij (t). kwadratową.
20. Podać bezpośredni i elementarny dowód twierdzenia 9 det AT = − det A, jeśli A jest macierzą
Cauchy’ego (tw. 6.2.2) dla macierzy wymiaru 2 × 2. kwadratową.
21. Korzystając ze wzorów Cramera, wykazać, że jeśli 10 Jeśli A jest macierzą kwadratową stopnia n
2
A jest nieosobliwą macierzą wymiaru n × n, to dla i r jest liczbą rzeczywistą, to det (rA) = r n det A.
i, j ∈ {1, . . . , n} jest (A−1 )ij = |Ai (ej )|/|A|, gdzie
ej jest j-tym wektorem jednostkowym. Następnie ob- 11 Jeśli A jest macierzą kwadratową stopnia n
liczyć (A−1 )11 i (A−1 )23 , gdy i r jest liczbą rzeczywistą, to det (rA) = r n det A
i tr (rA) = rtr (A).
" #
1 −1 2 12 Każda macierz elementarna jest nieosobliwa.
A= 2 0 6 .
−3 9 1 13 Macierz kwadratowa A jest odwracalna wtedy
i tylko wtedy, gdy det A > 0.
22. Wykazać, że jeśli macierz A jest wierszowo równo- 14 Jeśli A jest macierzą kwadratową, to macierz
ważna macierzy odwracalnej B, to także macierz A A2 jest odwracalna wtedy i tylko wtedy, gdy macierz
jest odwracalna. A3 jest odwracalna.
23. Udowodnić, że jeśli A i B są macierzami kwadrato- 15 Jeśli A i B są macierzami kwadratowymi
wymi stopnia n, to AB = In wtedy i tylko wtedy, stopnia n, to det (AB) = det (BA).
gdy BA = In .
16 Jeśli A jest macierzą wymiaru m × n i B
24. Niech A będzie macierzą nieosobliwą i niech macierz jest macierzą wymiar n×m, to det (AB) = det (BA).
B, mająca normalną postać schodkową, będzie 17 Jeśli A jest macierzą wymiaru m×n i m < n,
wierszowo równoważna macierzy A. (1) Wykazać, że to det (AT A) = 0.
macierz B jest nieosobliwa. (2) Z (1) wywnioskować,
18 Jeśli A i B są macierzami kwadratowymi
że macierz B nie ma ani zerowego wiersza, ani zerowej
i AB = A−1 , to det B = 1.
kolumny. (3) Z tego ostatniego wywnioskować, że
B jest macierzą jednostkową. (4) W końcu z (3) 19 Jeśli A jest rzeczywistą macierzą kwadratową
wywnioskować, że macierz A jest odwracalna. i A2 = 8A−1 , to det A = 0.
20 Jeśli A jest macierzą kwadratową stopnia n
25. Dana jest macierz A taka, że A2 = 0. Wyjaśnić dla-
czego macierz A nie jest odwracalna. i AT = 4A−1 , to det A = 2n lub det A = −2n .
Rozdział 7
PRZESTRZEŃ WEKTOROWA
7.1. Przestrzeń wektorowa i jej podprzestrzenie

Przypomnijmy, że jeśli V jest niepustym zbiorem, to przez dwuargumentowe
działanie w zbiorze V (zob. def. 1.1.1) rozumiemy każdą funkcję ψ : V ×V → V .
W przestrzeniach wektorowych, którymi teraz się zajmiemy, ważna będzie funk-
cja przez niektórych nazywana działaniem zewnętrznym.
Definicja 7.1.1. Jeśli K i V są niepustymi zbiorami, to każdą funkcję
Działanie zewnętrzne ϕ: K × V → V
nazywamy działaniem zewnętrznym w zbiorze V nad zbiorem K.

Wartość działania zewnętrznego ϕ : K × V → V dla a ∈ K i x ∈ V , czyli
ϕ(a, x) = ax element ϕ(a, x) zbioru V , oznaczać będziemy przez a · x lub ax.
Przykład 121. Funkcja ϕ : R × Rm×n → Rm×n taka, że ϕ(a, A) jest iloczynem

macierzy A ∈ Rm×n przez liczbę a ∈ R,
ϕ(a, A) = aA,
jest działaniem zewnętrznym w zbiorze Rm×n nad zbiorem R.
Przestrzeń wektorowa Definicja 7.1.2. System algebraiczny (V, K, +, ·), w którym V jest niepustym
zbiorem, K jest ciałem, + jest działaniem dwuargumentowym w zbiorze V , a ·
jest działaniem zewnętrznym w zbiorze V nad zbiorem K nazywamy przestrzenią
wektorową nad ciałem K, gdy spełnione są następujące warunki:
1◦ ∀x, y∈V x + y = y + x;
2◦ ∀x, y, z∈V x + (y + z) = (y + x) + z;
3◦ ∃0∈V ∀x∈V x + 0 = x;
4◦ ∀x∈V ∃−x∈V x + (−x) = 0;
5◦ ∀α∈K ∀x,y∈V α(x + y) = αx + αy;
6◦ ∀α,β∈K ∀x∈V (α + β)x = αx + βx;
7◦ ∀α,β∈K ∀x∈V α(βx) = (αβ)x;
8◦ ∀x∈V 1x = x, gdzie 1 jest jedynką ciała K.
V – zbiór wektorów Jeśli (V, K, +, ·) jest przestrzenią wektorową nad ciałem K, to elementy
K – ciało skalarów zbioru V nazywamy wektorami, a elementy zbioru K – skalarami, działanie +
nazywamy dodawaniem wektorów, działanie · – mnożeniem wektorów przez ska-
lary. (Tych samych symboli + i · używamy na oznaczenie działań w ciele K.)
x + y – suma wektorów Jeśli x, y ∈ V i α ∈ K, to wektor x + y nazywamy sumą wektorów x i y, a αx
αx – iloczyn wektora x – iloczynem wektora x przez skalar α. Wektor 0, element neutralny działania
przez skalar α +, nazywamy wektorem zerowym; wektor −x nazywamy wektorem przeciwnym
do wektora x. Tam gdzie nie będzie to prowadziło do nieporozumień, przestrzeń
7.1. Przestrzeń wektorowa i jej podprzestrzenie 121
wektorową (V, K, +, ·) nad ciałem K będziemy, dla krótkości, oznaczać symbo-

lem V lub V (K). Warto pamiętać o tym, że jeśli (V, K, +, ·) jest przestrzenią
wektorową, to system algebraiczny (V, +) jest grupą przemienną.
Przykład 122. Z własności zwykłego dodawania macierzy i zwykłego mnożenia

macierzy przez skalary (zob. tw. 4.2.1) wynika, że zbiór Km×n macierzy wymiaru
m × n o współczynnikach z ciała K jest przestrzenią wektorową nad ciałem K m×n – przestrzeń macie-
K. W szczególności zbiór macierzy jednokolumnowych Kn×1 jest przestrzenią rzy
wektorową z działaniami określonymi wzorami
         
x1 y1 x1 + y 1 x1 rx1
 ..   ..   ..   .   . 
 . + . = .  i r  ..  =  .. .
xn yn xn + y n xn rxn
Z tych samych powodów K1×n jest przestrzenią wektorową. Niech teraz K n

będzie zbiorem n-elementowych ciągów o wyrazach z ciała K,
K n = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ K}.
Łatwo sprawdza się, że zbiór K n jest przestrzenią wektorową nad ciałem K, jeśli K n – przestrzeń n-elemen-
dodawanie ciągów i mnożenie ciągów przez skalary są działaniami określonymi towych ciągów
wzorami R2 , R3 są przestrzeniami
wektorowymi
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ),
r(x1 , x2 , . . . , xn ) = (rx1 , rx2 , . . . , rxn ).
Ponieważ przestrzenie Kn×1 , K1×n i K n są do siebie podobne, w wielu miejscach

(a przynajmniej tam, gdzie nie jest istotne, czy wektor zapisujemy w postaci
kolumny, wiersza lub ciągu) użyjemy wspólnego symbolu K n na oznaczenie tych
trzech przestrzeni i będziemy pisać (x1 , x2 , . . . , xn ) zamiast
 
x1
 x2 
 
x1 x2 . . . x n lub  . .
 .. 
xn
Przykład 123. Niech X będzie dowolnym niepustym zbiorem, a K – ustalonym

ciałem. Oznaczmy przez F(X, K) zbiór wszystkich funkcji f : X → K. Dla f, g ∈
F(X, K) i α ∈ K określamy sumę f + g i iloczyn αf jako zwykłe dodawanie
funkcji i mnożenie funkcji przez skalar, tj. przyjmujemy, że dla każdego x ∈ X
jest
(f + g)(x) = f (x) + g(x)
i
(αf )(x) = αf (x).
Z własności dodawania i mnożenia w ciele K łatwo wynika, że zbiór F(X, K)
z wyżej określonymi działaniami jest przestrzenią wektorową.
Udowodnimy teraz pewne proste i ważne własności działań na wektorach.

Twierdzenie 7.1.1. Dla wektorów x, y z przestrzeni V (K) i skalarów α, β
z ciała K jest:
(1) αx = 0 wtedy i tylko wtedy, gdy α = 0 lub x = 0;
(2) jeśli x 6= 0 i αx = βx, to α = β;
122 7. Przestrzeń wektorowa
(3) jeśli α 6= 0 i αx = αy, to x = y;

(4) (−α)x = α(−x) = −(αx).
Dowód. (1) Z faktu, że w grupie (V (K), +) jest 0x + 0x = (0 + 0)x = 0x = 0x + 0
i z twierdzenia 1.2.1 (o skracaniu w grupie) wynika, że 0x = 0. Podobnie z równości
α0 + α0 = α(0 + 0) = α0 = α0 + 0 wynika, że α0 = 0. Załóżmy teraz, że αx = 0
i α 6= 0. Wtedy α−1 istnieje i x = 1x = (α−1 α)x = α−1 (αx) = α−1 0 = 0 i to kończy
dowód pierwszej części twierdzenia.
(2) Załóżmy teraz, że x 6= 0 i αx = βx. Wtedy (α − β)x = 0 i z (1) otrzymujemy
α − β = 0, więc także α = β.
(3) Jeśli α 6= 0 i αx = αy, to α(x − y) = 0 i wobec (1) jest x − y = 0.
(4) Ponieważ (−α)x + αx = (−α) + α x = 0x = 0, więc (−α)x = −(αx).

Analogicznie z równości α(−x) + αx = α (−x) + x = α0 = 0 wynika, że α(−x) =
−(αx).
Definicja 7.1.3. Niech V = V (K) będzie przestrzenią wektorową i niech S
będzie podzbiorem zbioru V . Mówimy, że zbiór S jest zamknięty ze względu na
dodawanie, jeśli
∀x, y∈S x + y ∈ S.
Podobnie zbiór S jest zamknięty ze względu na mnożenie przez skalary, jeśli
∀x∈S ∀α∈K αx ∈ S.
··················
* ·· αx *
····
x+y ·
···
y
····· *
·
-···· x, y ∈ S
x
x∈S
x
S x + y 6∈ S S αx 6∈ S
Rys. 7.1. Zbiór S nie jest zamknięty ze względu na dodawanie wektorów,

ani ze względu na mnożenie wektorów przez skalary
Przykład 124. W przestrzeni wektorowej R2 zbiór S = {(x, y) ∈ R2 : x, y 0}

jest zamknięty ze względu na dodawanie, ale nie jest on zamknięty ze względu na
mnożenie skalarne, bo przykładowo (1, 2) ∈ S i −1 ∈ R, ale −1(1, 2) 6∈ S. Zbiór
T = {(x, y) ∈ R2 : xy 0} jest zamknięty ze względu na mnożenie skalarne, ale
nie jest on zamknięty ze względu na dodawanie: wektory (1, 2) i (−2, −1) należą
do zbioru T , ale ich suma (1, 2) + (−2, −1) = (−1, 1) już nie należy do zbioru T ,
zob. rys. 7.2.
S T
6 6
2 2

x x
x+y 1
I
−1 - −2 −1 -
1 1
−x y
−1
x∈S x, y ∈ T
−2 −x 6∈ S x + y 6∈ T
Rys. 7.2
7.1. Przestrzeń wektorowa i jej podprzestrzenie 123
Definicja 7.1.4. Niech (V, K, +, ·) będzie przestrzenią wektorową i niech W

będzie podzbiorem zbioru V . Mówimy, że W jest podprzestrzenią (przestrze- Podprzestrzeń przestrzeni
ni wektorowej V ), gdy (W, K, +, ·) jest przestrzenią wektorową (gdzie + i · są wektorowej
działaniami z przestrzeni V obciętymi do zbioru W ).
Procedura sprawdzania, czy dany niepusty podzbiór wektorów jest podprze-
strzenią, jest prosta i – jak to wynika z następującego twierdzenia – ogranicza się
do weryfikacji zamkniętości tego podzbioru ze względu na dodawanie i mnożenie
przez skalary (rys. 7.3).
Twierdzenie 7.1.2. Podzbiór S zbioru wektorów przestrzeni V jest podprze-

strzenią wtedy i tylko wtedy, gdy spełnione są warunki:
(a) S 6= ∅;
(b) ∀x,y∈S x + y ∈ S;
(c) ∀x∈S ∀α∈K αx ∈ S.
Dowód. Jeśli S jest podprzestrzenią przestrzeni V , to oczywiście S ma
własności (a), (b) i (c). S x+y
Załóżmy teraz, że podzbiór S zbioru V ma własności (a), (b) i (c). O
Musimy pokazać, że S spełnia wszystkie warunki definicji przestrzeni.
Większość z nich wynika z faktu, że S jest podzbiorem zbioru V . Dla
αx
przykładu, jeśli x, y ∈ S, to x + y, y + x ∈ S (wobec (b)), więc także y
x + y, y + x ∈ V . Ponieważ x + y = y + x w przestrzeni V , więc także K
x + y = y + x w zbiorze S. To oznacza, że dodawanie w zbiorze S jest
przemienne. Analogicznie uzasadnia się łączność dodawania i wszystkie
x
własności mnożenia skalarnego w zbiorze S. Zatem pozostaje pokazać, że
w S jest wektor zerowy i każdy wektor z S ma wektor przeciwny w S.
Na mocy (a) istnieje co najmniej jeden wektor x ∈ S. Wobec (c)
iloczyn 0x należy do S, ale 0x = 0 (zob. tw. 7.1.1), więc wektor zerowy
0 należy do S. Weźmy teraz dowolny wektor x ∈ S. Ponieważ (−1)x ∈ S
(wobec (c)) i (−1)x = −x (zob. tw. 7.1.1), więc −x ∈ S. Zatem S jest
przestrzenią wektorową i dlatego S jest podprzestrzenią przestrzeni V . Rys. 7.3
Łatwo zauważyć, że twierdzenie 7.1.2 jest równoważne następującemu twier-

dzeniu.
Twierdzenie 7.1.3. Niepusty zbiór S wektorów przestrzeni V jest podprzestrze-
nią wtedy i tylko wtedy, gdy
∀x,y∈S ∀α,β∈K αx + βy ∈ S.
Jeśli V jest przestrzenią wektorową, to cały zbiór V spełnia warunki twier-

dzenia 7.1.2 (i 7.1.3). Zatem przestrzeń V jest swoją własną podprzestrzenią.
Inne podprzestrzenie przestrzeni V (jeśli takie istnieją) są właściwymi podprze-
strzeniami w V . Zbiór {0}, zawierający tylko wektor zerowy przestrzeni V , też
jest podprzestrzenią przestrzeni V . Nazywamy ją podprzestrzenią zerową (lub
trywialną) przestrzeni V .
Przykład 125. Zbiór wielomianów rzeczywistych R[x] jest zawarty w prze-

strzeni wektorowej F(R, R) (z przykładu 123). Ponieważ f (x) = x ∈ R[x], więc
R[x] jest niepustym podzbiorem zbioru F(R, R). Dodatkowo, ponieważ suma
wielomianów jest wielomianem i iloczyn wielomianu przez liczbę rzeczywistą
jest wielomianem, więc wobec twierdzenia 7.1.2 zbiór wielomianów R[x] jest
podprzestrzenią przestrzeni wektorowej F(R, R). R[x] – przestrzeń
Niech teraz n będzie nieujemną liczbą całkowitą i niech Rn [x] będzie zbiorem
wielomianów rzeczywistych stopnia co najwyżej n. Ponieważ f (x) = 1 ∈ R n [x],
więc Rn [x] jest niepustym podzbiorem zbioru R[x]. Ponieważ suma wielomianów
stopnia co najwyżej n jest wielomianem stopnia co najwyżej n i iloczyn wielo-

mianu stopnia co najwyżej n przez liczbę rzeczywistą jest wielomianem stopnia
Rn [x] – przestrzeń co najwyżej n, więc z twierdzenia 7.1.2 wynika, że Rn [x] jest podprzestrzenią
przestrzeni R[x] (oraz przestrzeni F(R, R)).
Przykład 126. Zbiór A = {f ∈ F(R, R) : f (1) = 0} jest podprzestrzenią

przestrzeni F(R, R).
Zbiór A jest niepusty, bo np. funkcja f (x) = x − 1 należy do zbioru A. Weźmy teraz
pod uwagę dowolne funkcje f i g ze zbioru A oraz dowolne skalary α, β ∈ R. Wtedy
αf +βg ∈ F(R, R). Jednocześnie f (1) = g(1) = 0, więc także (αf +βg)(1) = (αf )(1)+
(βg)(1) = α(f (1)) + β(g(1)) = α0 + β0 = 0 i dlatego αf + βg ∈ A. Stąd i z twierdzenia
7.1.3 wynika, że A jest podprzestrzenią przestrzeni F(R, R).
Przykład 127. Zbiór S = {(x, y, z) ∈ R3 : x + 2y + 3z = 0} jest właściwą

podprzestrzenią przestrzeni R3 .
Ponieważ (0, 0, 0) ∈ S i (1, 1, 1) ∈ R3 − S, więc S jest właściwym podzbiorem zbioru

R3 . Weźmy teraz dowolne wektory x = (x, y, z) i y = (x0 , y 0 , z 0 ) ze zbioru S i dowolne
skalary α, β z ciała R. Wtedy x + 2y + 3z = 0 oraz x0 + 2y 0 + 3z 0 = 0 i dlatego dla
wektora
αx + βy = α(x, y, z) + β(x0 , y 0 , z 0 ) = (αx + βx0 , αy + βy 0 , αz + βz 0 )
jest
(αx + βx0 ) + 2(αy + βy 0 ) + 3(αz + βz 0 ) = α(x + 2y + 3z) + β(x0 + 2y 0 + 3z 0 ) = 0.
To dowodzi, że αx + βy ∈ S. Stąd i z twierdzenia 7.1.3 wynika, że S jest właściwą

podprzestrzenią w R3 .
Definicja 7.1.5. Jeśli A jest macierzą, powiedzmy A ∈ Km×n , to zbiór

NA – przestrzeń zerowa
macierzy NA = {x ∈ Kn×1 : Ax = 0},
czyli zbiór rozwiązań równania jednorodnego Ax = 0, nazywamy przestrzenią

zerową (lub przestrzenią rozwiązań) macierzy A.
Z twierdzeń 5.3.1 i 7.1.3 wynika, że NA jest podprzestrzenią przestrzeni Kn×1

(gdy A ∈ Km×n ).
Przykład 128. Wyznaczyć przestrzeń zerową NA rzeczywistej macierzy

3 −1 −1
A= .
6 1 −5
Przestrzenią zerową macierzy A jest zbiór wszystkich rozwiązań równania Ax = 0,

czyli równania
" x1 #
3 −1 −1 0
x2 = .
6 1 −5 0
x3
7.2. Kombinacje liniowe wektorów 125
Ponieważ

3 −1 −1 0 1 0 −2/3 0
[A|0] = ∼ ,
6 1 −5 0 0 1 −1 0
NA
więc rozwiązaniem równania Ax = 0 jest każda macierz
" # " # 3rm
x1 2r
x= x2 = 3r dla r ∈ R.
x3 3r
3 3m
Stąd 3
(" # ) ( " # )
2r 2 h 2
i
NA = 3r : r∈R = r 3 : r∈R 2 m= 3
+
3
3r 3
−m/2
3
i jest to prosta w przestrzeni R (zob. rys. 7.4). Rys. 7.4
7.2. Kombinacje liniowe wektorów

Definicja 7.2.1. Jeśli v1 , . . . , vn są wektorami z przestrzeni V (K), a α1 , α2 ,
. . . , αn są skalarami z ciała K, to wektor
n
X Kombinacja liniowa
v = α 1 v1 + α 2 v2 + . . . + α n vn = α i vi
wektorów
i=1
nazywamy kombinacją liniową wektorów v1 , . . . , vn o współczynnikach α1 , α2 ,

. . . , αn .
Przykład 129. Wektor v = (4, 7, 3) (zob. rys. 7.5) jest kombinacją liniową
wektorów v1 = (2, 2, 0) i v2 = (0, 1, 1), bo
2v1 + 3v2 = 2(2, 2, 0) + 3(0, 1, 1) = (4, 7, 3) = v.

3v2
7 2v1 +3v2
:
v2
7
7
z
v1 z
2v 1
Rys. 7.5
Jeśli S jest podzbiorem zbioru V (K), to przez L(S) oznaczamy zbiór wszyst-
kich kombinacji liniowych skończonej liczby wektorów ze zbioru S. Zatem
( n )
X L(S)
L(S) = αi vi : vi ∈ S, αi ∈ K dla i = 1, . . . , n, gdzie n ∈ N .
i=1
Przy tym przyjmujemy, że L(∅) = {0}. Jeśli S jest niepustym zbiorem skoń-
czonym, powiedzmy S = {v1 , v2 , . . . , vn }, to piszemy L(v1 , v2 , . . . , vn ) zamiast
L({v1 , v2 , . . . , vn }). W tym przypadku
L(v1 , v2 , . . . , vn ) = {α1 v1 + α2 v2 + . . . + αn vn : α1 , α2 , . . . , αn ∈ K}.

W szczególności, zbiór L(v) jest zbiorem wszystkich wektorów

postaci αv. Jeśli wektor v jest niezerowy, to zbiór L(v) zwykle
L(v) utożsamiamy z prostą przechodzącą przez punkt 0 i równoległą do
αv+βu
wektora v, zob. rys. 7.6. Natomiast L(v, u) jest zbiorem wszyst-
L(v, u) O kich wektorów postaci αv + βu i zbiór ten możemy utożsamiać
z płaszczyzną (także zob. rys. 7.6), gdy żaden z wektorów v i u
nie jest krotnością drugiego wektora. Zauważmy, że wektor b na-
βu
K leży do zbioru L(v1 , v2 , . . . , vn ) wtedy i tylko wtedy, gdy istnieją

αv
skalary α1 , α2 , . . . , αn ∈ K takie, że
u
K v α1 v1 + α2 v2 + . . . + αn vn = b,

tj. wtedy i tylko wtedy, gdy równanie wektorowe
x1 v 1 + x 2 v 2 + . . . + x n v n = b
ma co najmniej jedno rozwiązanie.

Rys. 7.6
Przykład 130. Dane są wektory
    
  
0 2 6 2
v =  1 , u =  1 , b1 =  5 , b2 =  1  .
−1 3 7 0
Sprawdzić, który z wektorów b1 , b2 należy do zbioru L(v, u).
Wektor bi należy do zbioru L(v, u) wtedy i tylko wtedy, gdy równanie x1 v + x2 u = bi
ma rozwiązanie. Tak jest wtedy i tylko wtedy, gdy bi nie jest wiodącą kolumną macierzy
[ v u | bi ]. Ponieważ
" # " #
0 2 6 2 1 1 5 1

[ v u | b 1 b2 ] = 1 1 5 1 ∼ ... ∼ 0 1 3 1 ,
−1 3 7 0 0 0 0 1
więc bi nie jest kolumną wiodącą macierzy [ v u | bi ] tylko dla i = 1. Zatem b1 ∈ L(v, u)
i b2 6∈ L(v, u), zob. rys. 7.7.
b2 6∈L(v,u)

βu
3 b1 ∈L(v,u)
u

- -
v αv
Rys. 7.7
Przykład 131. Uzasadnimy, że w przestrzeni wektorowej R[x] jest

L(1, x, x2 , . . .) = R[x].
Jeśli ϕ(x) ∈ R[x], powiedzmy ϕ(x) = a0 + a1 x + . . . + ak xk , to oczywiście ϕ(x) jest
kombinacją liniową wektorów 1, x, x2 , . . . , xk i dlatego ϕ(x) ∈ L(1, x, x2 , . . .). Zatem
R[x] ⊆ L(1, x, x2 , . . .).
Z drugiej strony zbiór {1, x, x2 , . . .} jest nieskończony, ale na podstawie definicji
każdy wektor ψ(x) ze zbioru L(1, x, x2 , . . .) jest kombinacją liniową skończonej ilości
wektorów ze zbioru {1, x, x2 , . . .},
ψ(x) = αk1 xk1 + . . . + αkm xkm
7.2. Kombinacje liniowe wektorów 127
(dla pewnych liczb k1 , . . . , km ∈ {0, 1, 2, . . .} i pewnych liczb αk1 , . . . , αkm ∈ R),

więc ψ(x) jest wielomianem. Stąd wynika, że L(1, x, x2 , . . .) ⊆ R[x] i dlatego też
L(1, x, x2 , . . .) = R[x].
Zbiór L(S) kombinacji liniowych wektorów ze zbioru S ⊆ V (K) nie tylko jest
podzbiorem zbioru V (K), ale i jest on podprzestrzenią przestrzeni V (K).
Twierdzenie 7.2.1. Jeśli S jest zbiorem wektorów przestrzeni V (K), to L(S) L(S) – przestrzeń wektoro-
jest podprzestrzenią przestrzeni V (K). wa
Dowód. Jeśli S = ∅, to L(S) = {0} i teza twierdzenia jest oczywista. Zatem załóżmy,
że zbiór S jest niepusty. Ponieważ v = 1v i 1v ∈ L(S) dla każdego v ∈ S, więc
S ⊆ L(S) i zbiór L(S) jest niepusty. Wobec twierdzenia 7.1.3 wystarczy teraz pokazać,
że kombinacja liniowa wektorów ze zbioru L(S) należy do zbioru L(S).
Weźmy dowolne dwa wektory v, u ∈ L(S) i skalary α, β ∈ K. Z definicji zbio-
ru L(S) wynika, że istnieją wektory Pnv1 , . . . , vn , u1 ,P
. . . , um ∈ S i skalary α1 , . . . , αn ,
m
β1 , . . . , βm ∈ K, dla których v = i=1 αi vi i u = j=1 βj uj . Wtedy
αv + βu = (αα1 )v1 + . . . + (ααn )vn + (ββ1 )u1 + . . . + (ββm )um

i stąd widać, że wektor αv + βu jest kombinacją liniową wektorów v1 , . . . , vn , u1 , . . . ,
um ze zbioru S (o współczynnikach ααi i ββj z ciała K), więc αx + βy ∈ L(S).
Definicja 7.2.2. Jeśli S jest zbiorem wektorów przestrzeni V (K), to wobec
twierdzenia 7.2.1 zbiór L(S) jest podprzestrzenią przestrzeni V (K). Podprze-
strzeń L(S) nazywa się podprzestrzenią generowaną przez zbiór S, zbiór S – L(S) – podprzestrzeń
zbiorem generującym przestrzeń L(S), a elementy zbioru S – generatorami prze- generowana przez zbiór S
strzeni L(S). Mówimy także, że zbiór S generuje (pod)przestrzeń L(S). Czasami
mówi się, że L(S) jest powłoką liniową zbioru S.
Każda przestrzeń wektorowa V jest generowana przez pewien zbiór wektorów,
np. zawsze mamy V = L(V ). Jeśli przestrzeń V ma skończony zbiór generujący,
to mówimy, że jest ona skończenie generowana. Zatem przestrzeń V jest skończe- Przestrzeń skończenie
nie generowana, gdy V = L(v1 , . . . , vn ) dla pewnej liczby naturalnej n i pewnych generowana
wektorów v1 , . . . , vn ∈ V .
Przykład 132. Przestrzeń Rn [x] jest skończenie generowana, bo

Rn [x] = L(1, x, x2 , . . . , xn ).
Ponieważ do przestrzeni R[x] należą wielomiany dowolnie wysokiego stopnia,
więc żaden skończony zbiór wielomianów nie generuje przestrzeni R[x]. Dlatego
przestrzeń R[x] nie jest skończenie generowana.
Przykład 133. Wyznaczyć generatory przestrzeni rozwiązań jednorodnego ukła-

du równań
x1 + x2 + 2x3 − 2x4 = 0,
x1 + 2x2 + 3x3 + 4x4 = 0.
Niech A będzie macierzą główną powyższego układu. Układ ten rozwiązujemy metodą
Gaussa-Jordana sprowadzając jego macierz rozszerzoną [A|0] do postaci schodkowej.
Ponieważ

1 1 2 −2 0 1 1 2 −2 0 1 0 1 −8 0
[A|0] = ∼ ∼ ,
1 2 3 4 0 0 1 1 6 0 0 1 1 6 0
więc każde rozwiązanie powyższego układu jest postaci

     
−x3 + 8x4 −1 8
 −x3 − 6x4   −1   −6 
x=  = x3  1  + x4  0  ,
x3
x4 0 1
gdzie x3 i x4 są dowolnymi liczbami rzeczywistymi. Zatem przestrzeń rozwiązań tego

układu (i przestrzeń zerowa jego macierzy głównej) jest generowana przez wektory v1
T T
= −1 −1 1 0 i v2 = 8 −6 0 1 .
7.3. Przestrzeń kolumnowa macierzy

Definicja 7.3.1. Przestrzenią kolumnową macierzy A ∈ Km×n , oznaczamy ją
przez CA , nazywamy przestrzeń generowaną przez kolumny macierzy A. Zatem,
jeśli A = [a1 a2 . . . an ], to
CA – przestrzeń kolumno-
wa macierzy A CA = L(a1 , a2 , . . . , an ).
 
−2 1
Przykład 134. Wyznaczyć przestrzeń CA macierzy A =  0 2 .
1 0
Mamy
( " # " # )
−2 1
CA = x1 0 + x2 2 : x1 , x2 ∈ R
1 0
(" # )
−2 1
x1 x1 2
= 0 2 : ∈R
x2 x2
1 0

= Ax : x ∈ R2 .
Korzystając z pojęcia przestrzeni kolumnowej macierzy, przedstawimy teraz

kolejny warunek konieczny i dostateczny istnienia rozwiązania układu Ax =
b. Niech a1 , a2 , . . . an będą kolejnymi kolumnami macierzy A. Ponieważ dla
przestrzeni kolumnowej macierzy A = a1 a2 . . . an mamy
CA = L(a1 , a2 , . . . , an ) = {x1 a1 +x2 a2 +. . .+xn an : x1 , . . . , xn ∈ K}

     

 x1 x1 


  x2   x2  

   
= [a1 a2 . . . an ] . :  .  ∈ K n

  ..   ..  


 

xn xn
= {Ax : x ∈ K n }
= {b : b = Ax dla pewnego x ∈ K n },
więc układ równań Ax = b ma rozwiązanie wtedy i tylko wtedy, gdy wektor b

należy do przestrzeni CA . Stąd natychmiast otrzymujemy następujące twierdze-
nie.
Twierdzenie 7.3.1. Układ równań liniowych Ax = b, gdzie A ∈ Km×n i b ∈
Km×1 , ma rozwiązanie wtedy i tylko wtedy, gdy wektor b należy do przestrzeni
kolumnowej macierzy A. Równoważnie, układ Ax = b ma rozwiązanie wtedy
i tylko wtedy, gdy
CA = C[A|b] , (7.1)
tj. wtedy i tylko wtedy, gdy przestrzeń kolumnowa macierzy A jest równa prze-
strzeni kolumnowej macierzy rozszerzonej [A|b] układu Ax = b.
7.3. Przestrzeń kolumnowa macierzy 129
Przykład 135. Dany jest układ równań Ax = b, gdzie

   
1 1 2 a
2 1 3  2a 
A = [ a 1 , a2 , a3 ] =   
 3 1 4  i b= a+b
.

4 1 5 2a + b
Dla jakich a i b układ ten ma rozwiązanie?
Wobec twierdzenia 7.3.1 układ Ax = b ma rozwiązanie wtedy i tylko wtedy, gdy

b ∈ L(a1 , a2 , a3 ). Ponieważ L(a1 , a2 , a3 ) = L(a1 , a2 ) i
   
1 1 a 1 0 a

2 1 2a   0 1 0 
[ a1 , a2 | b ] =  a + b  ∼ ... ∼  b − 2a ,
3 1 0 0
4 1 2a + b 0 0 0
więc układ Ax = b ma rozwiązanie wtedy i tylko wtedy, gdy b = 2a i a jest dowolną

liczbą rzeczywistą.
Przykład 136. Sprawdzić przynależność wektora b = (5, 0, 11) do podprze-

strzeni generowanej przez wektory v1 = (1, −2, 2), v2 = (1, 0, 4) i v3 = (2, −4, 1).
Niech A będzie macierzą, której kolumnami są v1 , v2 , v3 . Ponieważ mamy L(v1 , v2 ,

v3 ) = CA , więc wobec twierdzenia 7.3.1 wektor b należy do podprzestrzeni L(v1 , v2 , v3 )
wtedy i tylko wtedy, gdy układ równań Ax = b ma rozwiązanie. Dla macierzy rozsze-
rzonej tego układu mamy równoważności
" # " # " # " #
1 1 2 5 1 1 2 5 1 1 2 5 1 1 2 5
−2 0 −4

0 ∼ 0 2 0 10 ∼ 0 2 0 10 ∼ 0 1 0 5
2 4 1 11 0 2 −3 1 0 0 −3 −9 0 0 1 3
i z ostatniej macierzy widać, że układ Ax = b ma rozwiązanie. Zatem wektor b należy

do podprzestrzeni L(v1 , v2 , v3 ).
Podamy teraz prosty sposób sprawdzania, czy danych n wektorów z prze-

strzeni K n generuje całą przestrzeń K n . Niech v1 , v2 , . . . , vn będą wektorami
z przestrzeni K n i niech A będzie macierzą wymiaru n × n, której kolumnami są
v1 , v2 , . . . , vn , czyli A = [v1 v2 . . . vn ]. Ponieważ L(v1 , v2 , . . . , vn ) ⊆ K n , więc
mamy następujący ciąg równoważności:
L(v1 , v2 , . . . , vn ) = K n ⇔ K n ⊆ L(v1 , v2 , . . . , vn )
⇔ każdy wektor b z przestrzeni K n jest kombi-
nacją liniową wektorów v1 , v2 , . . . , vn
⇔ układ Ax = b ma rozwiązanie dla każdego
wektora b ∈ K n (twierdzenie 7.3.1)
⇔ macierz A jest odwracalna (twierdzenie 5.3.1)
⇔ macierz A jest nieosobliwa (wniosek 6.3.1).
Zatem za pomocą wyznacznika możemy badać czy danych n wektorów z prze-

strzeni K n generuje całą przestrzeń K n i mamy następujące twierdzenie.
Twierdzenie 7.3.2. Wektory v1 , v2 , . . . , vn z przestrzeni K n generują całą
przestrzeń K n wtedy i tylko wtedy, gdy macierz A = [v1 v2 . . . vn ] jest nieosobli-
wa.
Przykład 137. Czy wektory
v1 = (1, 2, −2), v2 = (3, 2, 1) i v3 = (−1, 2, −5)
generują całą przestrzeń R3 ?
Wobec twierdzenia 7.3.2 wektory v1 , v2 , v3 z przestrzeni R3 generowałyby całą prze-

strzeń R3 wtedy i tylko wtedy, gdyby macierz A = [v1 v2 v3 ] była nieosobliwa. W tym
przypadku

1 3 −1

det A = 2 2 2 = 0,
−2 1 −5
więc macierz A jest osobliwa i dlatego wektory v1 , v2 , v3 nie generują całej przestrzeni
R3 .
Wniosek 7.3.1. Żadnych k wektorów z przestrzeni K n nie generuje całej prze-

strzeni K n , gdy k < n.
Dowód. Przypuśćmy, że wektory v1 , . . . , vk generują przestrzeń K n i k < n. Wte-
dy także wektory v1 , . . . , vk , vk+1 = 0, . . . , vn = 0 generują przestrzeń K n i wobec
twierdzenia 7.3.2 macierz [v1 . . . vk 0 . . . 0] (mająca n − k > 0 zerowych kolumn) jest
nieosobliwa, co jest niemożliwe.
Niech teraz k będzie liczbą naturalną większą od n. Dla sprawdzenia czy

wektory v1 , v2 , . . . , vk z przestrzeni K n generują przestrzeń K n tworzymy ma-
cierz A = [v1 v2 . . . vk ] wymiaru n × k i za pomocą operacji elementarnych na
wierszach przekształcamy ją w wierszowo równoważną macierz B mającą postać
schodkową. Jeśli B ma n wiodących jedynek, kolumny macierzy A odpowiada-
jace wiodącym jedynkom z B tworzą macierz odwracalną i wobec twierdzenia
7.3.2 generują one całą przestrzeń K n . Jeśli macierz B ma mniej niż n wiodących
jedynek, to (tak jak w dowodzie twierdzenia 5.3.1) ostatni wiersz macierzy B
jest zerowy i układ Bx = en = [0 . . . 0 1]T jest sprzeczny. Ponieważ macierz
rozszerzona [B|en ] tego układu jest wierszowo równoważna macierzy [A|b] (dla
pewnego wektora b ∈ K n ), układ Ax = b jest sprzeczny, co oznacza, że b nie
należy do przestrzeni kolumnowej macierzy A. Zatem kolumny v1 , v2 , . . . , vk
macierzy A nie generują przestrzeni K n . Z tych rozważań wynika następujący
wniosek.
Wniosek 7.3.2. Wektory v1 , v2 , . . . , vk z przestrzeni K n (k > n) generują
przestrzeń K n wtedy i tylko wtedy, gdy macierz A = [v1 v2 . . . vk ] jest wierszowo
równoważna macierzy schodkowej mającej dokładnie n wiodących jedynek.
Przykład 138. Czy przestrzeń R3 jest generowana przez wektory
v1 = (1, −2, 2), v2 = (0, 1, 1), v3 = (1, 0, 4) i v4 = (2, 3, 6)?
Tworzymy macierz A = [v1 . . . v4 ] i przekształcamy ją w wierszowo równoważną ma-

cierz mającą postać schodkową,
" # " # " #
1 0 1 2 1 0 1 2 1 0 1 2
A= −2 1 0 3 ∼ 0 1 2 7 ∼ 0 1 2 7 .
2 1 4 6 0 2 4 9 0 0 0 1
Ostatnia macierz ma trzy wiodące jedynki i wektory v1 , v2 i v4 (odpowiadające ko-

lumnom zawierającym wiodące jedynki) generują przestrzeń R 3 .
7.4. Liniowa zależność i liniowa niezależność wektorów 131
7.4. Liniowa zależność i liniowa niezależność wektorów

W poniższym tekście przez układ wektorów v1 , v2 , . . . , vk rozumiemy ciąg wek-
torów (v1 , v2 , . . . , vk ).
Definicja 7.4.1. Układ wektorów (v1 , v2 , . . . , vk ) z przestrzeni wektorowej V
= V (K) nazywamy liniowo niezależnym, jeśli równanie wektorowe Liniowo niezależny
układ wektorów
x1 v 1 + x 2 v 2 + . . . + x k v k = 0
ma tylko zerowe rozwiązanie. Z drugiej strony, układ wektorów nazywamy li-
niowo zależnym, jeśli nie jest on liniowo niezależny. Zatem układ wektorów Liniowo zależny
(v1 , v2 , . . . , vk ) jest liniowo zależny, jeśli istnieją skalary α1 , . . . , αk ∈ K, nie układ wektorów
wszystkie równe zeru i takie, że
α1 v1 + α2 v2 + . . . + αk vk = 0. (7.2)
Równość (7.2), w której nie wszystkie skalary α1 , . . . , αk są zerowe, nazywamy
relacją liniowej zależności pomiędzy wektorami v1 , . . . , vk .
Tam gdzie nie będzie to prowadziło do nieporozumień, będziemy mówić o li-
niowej zależności (albo liniowej niezależności) wektorów v1 , v2 , . . . , vk lub zbioru
wektorów {v1 , v2 , . . . , vk }, rozumiejąc przez to liniową zależność (albo liniową
niezależność) układu (v1 , v2 , . . . , vk ).
Przykład 139. Wektory

    
1 0 2
v1 =  0  , v2 =  −2 , v3 =  −6 
2 −2 −2
są liniowo zależne w R3 i równość 2v1 + 3v2 + (−1)v3 = 0 jest relacją liniowej
zależności pomiędzy nimi.
Przykład 140. Zbadać liniową niezależność wektorów v1 , v2 , v3 ∈ K2×2 , gdy

1 3 4 5 10 9
v1 = , v2 = i v3 = .
0 −1 2 −3 6 −7
Dla zbadania liniowej niezależności wektorów v1 , v2 i v3 wystarczy zbadać istnienie

niezerowych rozwiązań równania x1 v1 + x2 v2 + x3 v3 = 0. Równanie to, czyli równanie

1 3 4 5 10 9
x1 + x2 + x3
0 −1 2 −3 6 −7

x1 + 4x2 + 10x3 3x1 + 5x2 + 9x3 0 0
= = ,
2x2 + 6x3 −x1 − 3x2 − 7x3 0 0
jest równoważne jednorodnemu układowi równań liniowych

 x1 + 4x2 + 10x3 = 0,

3x1 + 5x2 + 9x3 = 0,

 2x2 + 6x3 = 0,
−x1 − 3x2 − 7x3 = 0.
Dla jego macierzy rozszerzonej mamy równoważności
   
1 4 10 0 1 0 −2 0

 3 5 9 0  0 1 3 0 
 0 2 6 ∼ ... ∼ 
0 0 0 0 0 
−1 −3 −7 0 0 0 0 0
i stąd widać, że równanie x1 v1 + x2 v2 + x3 v3 = 0 ma niezerowe rozwiązanie, np. 2v1 −
3v2 + v3 = 0. Zatem wektory v1 , v2 i v3 są liniowo zależne.
Przykład 141. Funkcje v1 = sin i v2 = cos są liniowo niezależne w przestrzeni

F(h0; πi, R).
Załóżmy, że w przestrzeni F(h0; πi, R) zachodzi równość x1 sin +x2 cos = 0 dla pewnych
skalarów x1 , x2 ∈ R. Wtedy
x1 sin t + x2 cos t = 0(t) = 0
dla każdego t ∈ h0; πi. Z równości tej dla t = π/2 i t = 0 otrzymujemy x1 = 0 i x2 = 0.

To dowodzi, że funkcje v1 = sin i v2 = cos są liniowo niezależne.
Z definicji 7.4.1 (i z twierdzenia 7.1.1) wynika, że układ (v) składający się

z jednego wektora jest liniowo zależny wtedy i tylko wtedy, gdy v jest wektorem
zerowym. Istotnie, jeśli v 6= 0 i αv = 0, to α = 0 i układ (v) jest liniowo
niezależny. Z drugiej strony, układ (0) jest liniowo zależny, bo 1·0 = 0 jest kom-
binacją spełniającą warunki definicji liniowej zależności. Łatwo także zauważyć,
że układ dwóch wektorów (v1 , v2 ) jest liniowo zależne wtedy i tylko wtedy, gdy
jeden z wektorów v1 i v2 jest równy iloczynowi drugiego wektora przez skalar,
np. v2 = αv1 (zob. rys. 7.9). Uogólnieniem tej obserwacji są następujące dwa
twierdzenia i wynikające z nich wnioski o liniowej zależności (i niezależności)
wektorów.
y 6 2v1 y 6
3 v2 7
v1 *
3
v1
- -
x x
Wektory liniowo zależne Wektory liniowo niezależne
Rys. 7.9
Twierdzenie 7.4.1. Układ wektorów B = (v1 , . . . , vk ), k 2, z przestrzeni

wektorowej V jest liniowo zależny wtedy i tylko wtedy, gdy jeden z jego wektorów
jest kombinacją liniową pozostałych wektorów z tego układu, tj. gdy v i ∈ L(B −
{vi }) dla pewnego vi ∈ B.
Dowód. Jeśli wektor vi jest kombinacją liniową wektorów v1 , . . . , vi−1 , vi+1 , . . . , vk ,
powiedzmy
vi = α1 v1 + . . . + αi−1 vi−1 + αi+1 vi+1 + . . . + αk vk ,
to
−1 6= 0 α1 v1 + . . . + αi−1 vi−1 + (−1)vi + αi+1 vi+1 + . . . + αk vk = 0
jest relacją liniowej zależności pomiędzy wektorami v1 , . . . , vk i wektory te są liniowo
zależne.
Załóżmy teraz, że układ wektorów (v1 , . . . , vk ) jest liniowo zależny. Wtedy istnieją
skalary α1 , . . . , αk , nie wszystkie równe zeru i takie, że
α1 v1 + α2 v2 + . . . + αk vk = 0. (7.3)
Jeśli αi 6= 0, to z (7.3) otrzymujemy
αi vi = −α1 v1 − . . . − αi−1 vi−1 − αi+1 vi+1 − . . . − αk vk
i stąd
vi = (−α1 α−1 −1 −1 −1
i )v1 + . . . + (−αi−1 αi )vi−1 + (−αi+1 αi )vi+1 + . . . + (−αk αi )vk .
To oznacza, że wektor vi jest kombinacją liniową wektorów v1 , . . . , vi−1 , vi+1 , . . . , vk .
7.4. Liniowa zależność i liniowa niezależność wektorów 133
Wniosek 7.4.1. Układ wektorów B = (v1 , v2 , . . . , vk ), k 2, z przestrzeni

wektorowej V jest liniowo niezależny wtedy i tylko wtedy, gdy żaden z wektorów
vj nie jest kombinacją liniową pozostałych wektorów, tj. gdy vj 6∈ L(B − {vj })
dla każdego vj ∈ B.
Przykład 142. Wektory v1 , v2 i v3 z przykładu 139 są liniowo zależne i v3

jest kombinacją liniową wektorów v1 i v2 , v3 = 2v1 + 3v2 .
Twierdzenie 7.4.2. Układ (v1 , v2 , . . . , vk ) niezerowych wektorów przestrzeni

wektorowej V jest liniowo zależny wtedy i tylko wtedy, gdy pewien wektor v j (2 ¬
j ¬ k) jest kombinacją liniową swoich poprzedników, tj. gdy vj ∈ L(v1 , . . . , vj−1 )
dla pewnego j, 2 ¬ j ¬ k.
Dowód. Załóżmy, że układ (v1 , v2 , . . . , vk ) jest liniowo zależny. Wtedy, ponieważ
układ (v1 ) jest liniowo niezależny (bo v1 6= 0), istnieje j (2 ¬ j ¬ k) takie, że układ
(v1 , . . . , vj−1 ) jest liniowo niezależny, a układ (v1 , . . . , vj−1 , vj ) jest już liniowo zależny.
Zatem istnieją skalary α1 , . . . , αj nie wszystkie równe zeru i takie, że
α1 v1 + . . . + αj−1 vj−1 + αj vj = 0.
Zauważmy, że αj = 6 0 (bo inaczej byłoby α1 v1 + . . . + αj−1 vj−1 = 0 i nie wszyst-

kie współczynniki tej kombinacji byłyby zerowe i układ (v1 , . . . , vj−1 ) byłby liniowo
zależny), więc
vj = −α−1
j (α1 v1 + . . . + αj−1 vj−1 ) ∈ L(v1 , . . . , vj−1 ).
Załóżmy teraz, że vj ∈ L(v1 , . . . , vj−1 ) dla pewnego j, 2 ¬ j ¬ k. Wtedy także

vj ∈ L(v1 , . . . , vj−1 , vj+1 , . . . , vk ) i wobec twierdzenia 7.4.1 wektory v1 , . . . , vk są
liniowo zależne.
Wniosek 7.4.2. Układ (v1 , v2 , . . . , vk ) niezerowych wektorów przestrzeni V jest

liniowo niezależny wtedy i tylko wtedy, gdy żaden wektor vj (2 ¬ j ¬ k) nie
jest kombinacją liniową swoich poprzedników, tj. gdy vj 6∈ L(v1 , . . . , vj−1 ) dla
j = 2, . . . , k.
Przestrzeń wektorowa K n jest najważniejsza w naszych rozważaniach, więc

z osobna zajmiemy się liniową niezależnością wektorów w tej przestrzeni. Dla
wektorów v1 , v2 , . . . , vk z przestrzeni K n równanie wektorowe x1 v1 + x2 v2 +
. . . + xk vk = 0 jest równoważne równaniu macierzowemu Ax = 0, w którym
A = [v1 v2 . . . vk ].
Ponieważ istnieje odpowiedniość wzajemnie jednoznaczna pomiędzy relacja-
mi liniowej zależności wektorów v1 , v2 , . . . , vk i niezerowymi rozwiązaniami rów-
nania Ax = 0, więc mamy następujące twierdzenie o związku pomiędzy liniową
niezależnością wektorów przestrzeni K n i istnieniem niezerowych rozwiązań jed-
norodnego układu równań liniowych.
Twierdzenie 7.4.3. Kolumny macierzy A = [v1 v2 . . . vk ] ∈ Kn×k są wekto-

rami liniowo niezależnymi wtedy i tylko wtedy, gdy wektor zerowy jest jedynym
rozwiązaniem układu równań liniowych Ax = 0.
Przykład 143. Zbadać liniową niezależność wektorów v1 = (1, 2, 3, −1), v2

= (2, 1, 2, 1) i v3 = (1, −4, −5, 5) w przestrzeni R4 .
Ponieważ wektory v1 , v2 i v3 są liniowo zależne wtedy i tylko wtedy, gdy równanie
Ax = 0 (gdzie A = [v1 v2 v3 ]) ma niezerowe rozwiązanie, więc zbadamy istnienie
niezerowych rozwiązań równania Ax = 0. Dla macierzy rozszerzonej tego równania

istnieją równoważności
   
1 2 1 0 1 0 −3 0

 2 1 −4 0   0 1 2 0 
[v1 v2 v3 | 0] =  ∼ ... ∼ 
3 2 −5 0  0 0 0 0 
−1 1 5 0 0 0 0 0
i z ostatniej macierzy widać, że równanie x1 v1 +x2 v2 +x3 v3 = 0 ma niezerowe rozwiąza-

nie. Dla przykładu, jeśli x3 = 1, to x1 = 3, x2 = −2 i dlatego mamy 3v1 −2v2 +v3 = 0.
Zatem wektory v1 , v2 , v3 są liniowo zależne.
Jeśli wektory v1 , v2 , . . . , vk należą do przestrzeni K n i k > n, to w jedno-

rodnym układzie równań [v1 v2 . . . vk ]x = 0 liczba niewiadomych jest większa
od liczby równań, więc układ ten ma niezerowe rozwiązanie (zob. wniosek 5.5.1)
i z twierdzenia 7.4.3 mamy następujący wniosek.
Wniosek 7.4.3. Wektory (v1 , v2 , . . . , vk ) z przestrzeni K n są liniowo zależne,
gdy k > n.
Przykład 144. Każde cztery wektory w przestrzeni R 3 są liniowo zależne. Za-

tem wektory v1 = (2, 1, 1), v2 = (1, 2, 1), v3 = (1, 1, 2) i v4 = (3, 4, 5) są liniowo
zależne w R3 .
Z wniosków 6.3.1 i 6.5.1 oraz z twierdzeń 7.3.2 i 7.4.3 otrzymujemy następu-

jący wniosek o liniowej niezależności n wektorów z przestrzeni K n .
Wniosek 7.4.4. Dla wektorów v1 , . . . , vn z przestrzeni K n następujące stwier-
dzenia są równoważne:
(1) Układ wektorów (v1 , . . . , vn ) jest liniowo niezależny;
(2) Równanie [v1 . . . vn ]x = 0 ma tylko zerowe rozwiązanie; (tw. 7.4.3)
(3) Macierz [v1 . . . vn ] jest nieosobliwa; (wn. 6.3.1)
(4) Macierz [v1 . . . vn ] jest odwracalna; (wn. 6.5.1)
(5) Wektory v1 , . . . , vn generują całą przestrzeń K . n
(tw. 7.3.2)
Przykład 145. Zbadać liniową zależność wektorów v1 = (8, 6, 5, 4), v2 = (10, 8,

5, 4), v3 = (12, 10, 8, 4) i v4 = (7, 6, 5, 4) w przestrzeni R4 .

Ponieważ macierz v1 v2 v3 v4 jest nieosobliwa,
1 − v4
" # 8 10 12 7 v 1 3 5 7
| | | | v2 − v 4
6 8 10 6 v3 − v4 0 2 4 6
det v1 v2 v3 v4 = = = 24,
5 5 8 5 0 0 3 5
| | | | 4 4 4 4 0 0 0 4
więc wobec wniosku 7.4.4 wektory v1 , . . . , v4 są liniowo niezależne (i generują całą

przestrzeń R4 ).
Na zakończenie zauważmy, że definicję liniowej niezależności (i zależności)

można tak rozszerzyć, aby obejmowała ona także zbiory nieskończone.
Definicja 7.4.2. Mówimy, że zbiór S wektorów przestrzeni V jest liniowo nieza-
leżny, jeżeli każdy skończony podzbiór zbioru S jest liniowo niezależny. W prze-
ciwnym przypadku mówimy, że zbiór S jest liniowo zależny.
7.5. Baza przestrzeni wektorowej 135
Przykład 146. Zbiór S = {1, x, x2 , . . . , xn , . . .} jednomianów jest liniowo nie-

zależny w przestrzeni wielomianów rzeczywistych R[x].
Tak jest, bo każda liniowa kombinacja skończonej ilości różnych wektorów ze zbioru
S jest wielomianem, ϕ(x) = α1 xk1 + . . . + αm xkm . Taki wielomian jest wielomianem
zerowym, gdy wszystkie jego współczynniki są zerowe.
7.5. Baza przestrzeni wektorowej

Definicja 7.5.1. Układ B = (v1 , v2 , . . . , vn ) wektorów z przestrzeni V nazy-
wamy bazą przestrzeni V , gdy ma on następujące dwie własności: Baza przestrzeni
(1) B jest liniowo niezależny;
(2) B generuje przestrzeń V , tj. L(B) = V .
Zacznijmy od kilku przykładów baz przestrzeni wektorowych.
Przykład 147. Sprawdzić, czy układ wektorów (v1 , v2 , v3 ) jest bazą przestrzeni
R3 , gdy v1 = (2, 1, 3), v2 = (1, 0, 1) i v3 = (1, −1, 1).
Wobec wniosku 7.4.4 wystarczy sprawdzić nieosobliwość macierzy [v1 v2 v3 ]. Ponieważ

" #
2 1 1
det [v1 v2 v3 ] = det 1 0 −1 = −1 6= 0,
3 1 1
więc macierz ta jest nieosobliwa i układ wektorów (v1 , v2 , v3 ) jest bazą przestrzeni R3 .
Przykład 148. Podobnie jak w poprzednim przykładzie można uzasadnić, że

układ wektorów B = (e1 , e2 , . . . , en ), w którym Baza standardowa
ei = (0, . . . , 0, 1, 0, . . . , 0)
(jedynka na i-tym miejscu) dla i = 1, . . . , n, jest bazą przestrzeni K n . Nazywamy

ją bazą standardową (lub kanoniczną) przestrzeni K n .
Przykład 149. Wyznaczyć bazę podprzestrzeni W przestrzeni R 4 , gdy
W = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 = 3x2 , x3 = x2 + 4x4 }.
Mamy
W = {(3x2 , x2 , x2 + 4x4 , x4 ) : x2 , x4 ∈ R}
= {(3x2 , x2 , x2 , 0) + (0, 0, 4x4 , x4 ) : x2 , x4 ∈ R}
= {x2 (3, 1, 1, 0) + x4 (0, 0, 4, 1) : x2 , x4 ∈ R},
co oznacza, że wektory v1 = (3, 1, 1, 0) i v2 = (0, 0, 4, 1) generują podprzestrzeń W .
Ponieważ wektory v1 i v2 są liniowo niezależne (bo żaden z nich nie jest krotnością
drugiego), więc uporządkowany zbiór (v1 , v2 ) (i zbiór (v2 , v1 )) jest bazą podprzestrzeni
W.
Przykład 150. Wyznaczyć bazę przestrzeni zerowej NA macierzy

 
1 3 2
A =  2 6 4 .
2 1 −1
Przestrzeń zerowa NA macierzy A jest zbiorem wszystkich rozwiązań jednorodnego

układu równań Ax = 0. Ponieważ dla macierzy rozszerzonej tego układu mamy
" # " # " #
1 3 2 0 1 3 2 0 1 0 −1 0

[A|0] = 2 6 4 0 ∼ 0 0 0 0 ∼ 0 1 1 0 ,
2 1 −1 0 0 −5 −5 0 0 0 0 0
więc
(" # ) ( " # ) " #!
x3 1 1
NA = −x3 : x3 ∈ R = x3 −1 : x3 ∈ R =L −1
x3 1 1
i bazę przestrzeni NA tworzy pojedynczy wektor (1, −1, 1).
Przykład 151. Z naszych wcześniejszych rozważań wynika, że uporządkowany

nieskończony zbiór jednomianów (1, x, x2 , . . . , xn , . . .) jest bazą przestrzeni R[x].
Korzystając z tzw. lematu Kuratowskiego-Zorna, można udowodnić, że każdy

uporządkowany zbiór niezależnych wektorów przestrzeni V jest zawarty w pew-
nej bazie przestrzeni V (zob. tw. 6.2 w [2]). Stąd w szczególności wynika, że każda
przestrzeń wektorowa ma bazę. Twierdzenia te mają charakter egzystencjalny
i w ogólnym przypadku nie dostarczają one efektywnych metod wyznaczania ba-
zy przestrzeni wektorowej. W przestrzeniach skończenie generowanych, a te są
głównym obiektem naszych zainteresowań, istnieją – jak to wynika z następnych
twierdzeń – efektywne metody wyznaczania baz.
Następujące twierdzenie podaje podstawowe własności bazy skończenie ge-

nerowanej przestrzeni wektorowej.
Twierdzenie 7.5.1. Niech B = (v1 , v2 , . . . , vn ) będzie układem wektorów z prze-
strzeni V . Wówczas następujące warunki są równoważne:
(a) B jest bazą przestrzeni V ;
(b) Każdy wektor v ∈ V można, i to tylko na jeden sposób, przedstawić jako
kombinację liniową wektorów układu B;
(c) B jest minimalnym układem generującym przestrzeń V ;
(d) B jest maksymalnym liniowo niezależnym układem w przestrzeni V .
Dowód. (a) ⇒ (b). Załóżmy, że B jest bazą przestrzeni V . Wtedy V = L(B), więc
każdy wektor v ∈ V jest kombinacją liniową wektorów układu B, czyli
v = α 1 v1 + α 2 v2 + . . . + α n vn
dla pewnych skalarów α1 , . . . , αn ∈ K. Twierdzimy, że współczynniki tej kombinacji

są określone jednoznacznie (przez wektory v1 , v2 , . . . , vn i v). Przypuśćmy bowiem, że
także mamy
v = β 1 v1 + β 2 v2 + . . . + β n vn
dla pewnych skalarów β1 , . . . , βn ∈ K. Wtedy
0 = v − v = (β1 − α1 )v1 + (β2 − α2 )v2 + . . . + (βn − αn )vn

i z liniowej niezależności wektorów v1 , v2 , . . . , vn wynika, że wszystkie współczynniki

tej kombinacji są zerami. Stąd β1 = α1 , . . . , βn = αn i to dowodzi, że współczynniki
kombinacji v = α1 v1 + . . . + αn vn są określone jednoznacznie.
(b) ⇒ (c). Z (b) wynika, że B jest układem generującym przestrzeń V , tj. V = L(B).
Dla dowodu, że B jest minimalnym układem generującym przestrzeń V wystarczy
zauważyć, że gdyby układ B − {vi } (powstały z B przez odrzucenie zeń wektora vi )
był układem generującym przestrzeń V , to mielibyśmy L(B − {vi }) = V i dla wektora
vi , który należy do V = L(B − {vi }), istniałyby skalary α1 , . . . , αi−1 , αi+1 , . . . , αn
takie, że
vi = α1 v1 + . . . + αi−1 vi−1 + αi+1 vi+1 . . . + αn vn ,
a ponieważ jednocześnie jest
vi = 0v1 + . . . + 0vi−1 + 1vi + 0vi+1 + . . . + 0vn ,
więc istniałyby dwie różne możliwości przedstawienia wektora vi w postaci kombinacji

liniowej wektorów v1 , v2 , . . . , vn i to przeczyłoby założeniu (b).
(c) ⇒ (d). Załóżmy teraz, że B jest minimalnym układem generującym przestrzeń
V . Wtedy L(B) = V i V − L(B − {vi }) 6= ∅ dla każdego wektora vi z układu B. Stąd
wynika, że vi 6∈ L(B − {vi }) dla każdego vi ∈ B. Wobec wniosku 7.4.1 dowodzi to, że
układ B jest liniowo niezależny. Jednocześnie dla każdego u ∈ V − B jest u ∈ L(B),
więc układ B ∪ {u} (czyli uklad powstały z B przez dołączenie doń wektora u) jest
liniowo zależny. Zatem B jest maksymalnym liniowo niezależnym układem.
(d) ⇒ (a). Załóżmy, że B jest maksymalnym układem liniowo niezależnym i niech
u będzie dowolnym wektorem ze zbioru V − B. Wtedy B ∪ {u} jest liniowo zależny
i z twierdzenia 7.4.1 wynika, że u ∈ L(B). To dowodzi, że układ B generuje przestrzeń
V . Zatem B jest bazą przestrzeni V .
Wniosek 7.5.1. Każda skończenie generowana przestrzeń wektorowa ma bazę.
Dowód. Teza jest oczywista dla przestrzeni zerowej, jej bazą jest zbiór pusty. Zatem
niech V będzie niezerową przestrzenią wektorową generowaną przez zbiór G = {v1 ,
. . . , vn } ⊂ V i niech B będzie maksymalnym liniowo niezależnym układem utworzonym
z elementów zbioru G (lub minimalnym układem generującym przestrzeń V i utworzo-
nym z elementów zbioru G). Zgodnie z twierdzeniem 7.5.1 układ B jest bazą przestrzeni
V.
Niech G = {v1 , . . . , vn } będzie zbiorem generującym przestrzeń wektorową
V . Ponieważ V = L(G) = L(G − {0}), możemy założyć, że wektory v1 , . . . , vn
są niezerowe. Bazę B przestrzeni V , w praktyce (uporządkowany) maksymalny
liniowo niezależny podzbiór zbioru G, o którym mowa w dowodzie poprzed-
niego wniosku, możemy efektywnie wyznaczyć za pomocą procedury odrzuca-
nia. W tym celu bierzemy pod uwagę układ (v1 , v2 , . . . , vn ). Zaczynając od Procedura odrzucania
v2 , z układu tego odrzucamy każdy wektor, który jest kombinacją liniową jego
poprzedników pozostałych po wcześniejszych odrzuceniach. Po przetestowaniu
wszystkich wektorów vi (2 ¬ i ¬ n), wektory, które nie zostały odrzucone są
liniowo niezależne (zob. wniosek 7.4.2) i – jak łatwo zauważyć – generują one
przestrzeń V , więc tworzą bazę przestrzeni V .
Przykład 152. Za pomocą procedury odrzucania wyznaczyć bazę przestrzeni

V = L(x2 , x2 + 1, 2, 3x − 2, x) w R[x].
Weźmy pod uwagę ciąg (v1 , . . . , v5 ) = (x2 , x2 + 1, 2, 3x − 2, x). Ponieważ wektory

v1 = x2 i v2 = x2 + 1 są liniowo niezależne, więc zgodnie z procedurą odrzucania
zachowujemy wektor v2 i badamy zależność wektora v3 = 2 od jego poprzedników.
Wektor v3 jest liniową kombinacją swoich poprzedników, v3 = 2 = −2x2 + 2(x2 + 1)
= −2v1 +2v2 , więc odrzucamy v3 i badamy zależność wektora v4 od jego poprzedników
w ciągu (v1 , v2 , v4 , v5 ). Wektor v4 = 3x − 2 nie jest kombinacją wektorów v1 i v2 , bo
x w pierwszej potędze nie występuje ani w v1 , ani w v2 . Zatem v4 pozostaje w cią-
gu i analizujemy zależność wektora v5 od jego poprzedników w ciągu (v1 , v2 , v4 , v5 ).
W tym celu sprawdzamy czy istnieją skalary a, b i c takie, że v5 = av1 + bv2 + cv4 .
Łatwo zauważyć, że v5 = x = − 32 x2 + 23 (x2 + 1) + 13 (3x − 2) = − 32 v1 + 23 v2 + 13 v4 , więc
z ciągu (v1 , v2 , v4 , v5 ) odrzucamy wektor v5 . Ostatecznie wektory v1 , v2 i v4 tworzą
bazę przestrzeni V .
W przypadku wektorów przestrzeni K n procedurę odrzucania wektorów, któ-

re są liniowymi kombinacjami swoich poprzedników w ciągu (v1 , v2 , . . . , vk )
można wykonać w następujący sposób: Tworzymy macierz A = [v1 v2 . . . vk ]
i sprowadzamy ją do wierszowo równoważnej macierzy H mającej normalną po-
stać schodkową. Z ciągu (v1 , v2 , . . . , vk ) odrzucamy wszystkie te wektory, które
odpowiadają kolumnom bez wiodących jedynek w macierzy H. Pozostałe wek-
tory tworzą bazę podprzestrzeni generowanej przez wektory v1 , v2 , . . . , vk , więc
także bazę przestrzeni kolumnowej macierzy A.
Tak jest istotnie, bo wobec definicji 7.4.1 każdej relacji liniowej zależności między wek-
torami v1 , v2 , . . . , vk odpowiada niezerowe rozwiązanie jednorodnego układu Ax = 0.
A ponieważ zbiór rozwiązań układu Ax = 0 jest taki sam jak zbiór rozwiązań układu
Hx = 0, więc każda relacja liniowej zależności między kolumnami macierzy A jest rela-
cją liniowej zależności między kolumnami macierzy H (i odwrotnie). Kolumny macierzy
H zawierające wiodące jedynki są różnymi wektorami standardowej bazy przestrzeni
K n , więc są one niezależne. Natomiast każda kolumna bez wiodącej jedynki macierzy
H jest liniową kombinacją poprzedzających ją kolumn z wiodącymi jedynkami. Zatem
kolumnami macierzy A, które są kombinacjami swoich poprzedników (i które odrzu-
camy) są dokładnie te kolumny, które odpowiadają kolumnom bez wiodących jedynek
w macierzy H.
Nasze rozważania ilustruje następujący przykład.
Przykład 153. Za pomocą procedury odrzucania wyznaczyć bazę podprze-

strzeni V przestrzeni R5 generowanej przez wektory v1 = (1, 2, 3, 1, 1), v2 =
(−2, −3, −5, −1, −2), v3 = (0, 1, 1, 1, 0), v4 = (1, −1, 0, −2, 1) i v5 = (2, 6, 9, 4, 3).
Tworzymy macierz A = [v1 v2 v3 v4 v5 ] i sprowadzamy ją do wierszowo równoważnej

normalnej macierzy schodkowej:
     
1 −2 0 1 2 1 −2 0 1 2 1 0 2 −5 0
 2 −3 1 −1 6   0 1 1 −3 2   0 1 1 −3 0 
     
 3 −5 1 0 9 ∼ 0 1 1 −3 3 ∼ 0 0 0 0 1 .
 1 −1 1 −2 4   0 1 1 −3 2   0 0 0 0 0
1 −2 0 1 3 0 0 0 0 1 0 0 0 0 0
Ponieważ wiodące jedynki są tylko w pierwszej, drugiej i piątej kolumnie normalnej

macierzy schodkowej, więc wektory v1 , v2 i v5 są liniowo niezależne. Wektory v3 i v4
są kombinacjami wektorów v1 i v2 (v3 = 2v1 + v2 , v4 = −5v1 − 3v2 ) i odrzucamy je
ze zbioru generatorów przestrzeni V . Zatem układ (v1 , v2 , v5 ) jest bazą przestrzeni V
(i bazą przestrzeni kolumnowej macirzy A).
Uwaga. Przy wyznaczaniu bazy przestrzeni L(v1 , . . . , vk ) ⊆ K n wystarczy spro-

wadzić macierz A = [v1 v2 . . . vk ] do wierszowo równoważnej macierzy schod-
kowej, nie musi to być normalna macierz schodkowa.
Niech V będzie skończenie generowaną przestrzenią wektorową. Chociaż prze-

strzeń ta może mieć wiele różnych baz, pokażemy, że każde dwie bazy przestrzeni
V mają taką samą liczbę elementów. Fakt ten jest konsekwencją następującego
twierdzenia Steinitza.
Twierdzenie 7.5.2 (Steinitz). Jeśli wektory v1 , . . . , vn generują przestrzeń

V , a wektory u1 , . . . , um są liniowo niezależne w przestrzeni V , to m ¬ n.
Dowód. Przypuśćmy dla sprzeczności, że jest m > n. Ponieważ wektory v1 , . . . , vn
generują przestrzeń V , więc istnieją skalary aij takie, że
n
X
ui = ai1 v1 + ai2 v2 + . . . + ain vn = aij vj (7.4)
j=1
dla i = 1, . . . , m. Weźmy teraz pod uwagę jednorodny układ równań


 a11 x1 + a21 x2 + . . . + am1 xm = 0,

 a12 x1 + a22 x2 + . . . + am2 xm = 0,
.. (7.5)

 .

a1n x1 + a2n x2 + . . . + amn xm = 0.
W układzie (7.5) jest więcej niewiadomych niż równań (m > n), więc wobec wnio-
sku 5.5.1 układ ten ma niezerowe rozwiązanie x1 , x2 , . . . , xm . Dla tego niezerowego
rozwiązania x1 , x2 , . . . , xm z (7.4) i (7.5) kolejno otrzymujemy
m
X m
X X
n n m
X X n
X
xi ui = xi aij vj = aij xi vj = 0vj = 0,
i=1 i=1 j=1 j=1 i=1 j=1
co oznacza, że wektory u1 , u2 , . . . , um są liniowo zależne i co jest sprzeczne z założe-

niem. To dowodzi, że m ¬ n.
Wniosek 7.5.2. Każde dwie bazy skończenie generowanej przestrzeni wektoro-
wej mają tyle samo elementów.
Dowód. Niech B = (u1 , u2 , . . . , um ) i B 0 = (v1 , v2 , . . . , vn ) będą bazami przestrzeni

V . Ponieważ wektory u1 , u2 , . . . , um są liniowo niezależne w przestrzeni generowanej
przez wektory v1 , v2 , . . . , vn , to wobec twierdzenia 7.5.2 jest m ¬ n. Jednocześnie
wektory v1 , v2 , . . . , vn są liniowo niezależne w przestrzeni generowanej przez wektory
u1 , u2 , . . . , um , więc także n ¬ m. Stąd wynika, że m = n.
Wobec wniosku 7.5.2 liczba wektorów w dowolnej bazie skończenie genero-
wanej przestrzeni wektorowej jest niezmiennikiem tej przestrzeni, więc możemy
przyjąć następującą definicję.
Definicja 7.5.2. Liczbę elementów dowolnej bazy skończenie generowanej prze-
strzeni wektorowej V nazywamy wymiarem przestrzeni V i oznaczamy symbolem
dim V . Jeśli dim V = n, to mówimy, że V jest przestrzenią wymiaru n (lub prze- dim V – wymiar
strzenią n-wymiarową). W tym przypadku mówimy także, że V jest przestrzenią przestrzeni V
skończenie wymiarową. Jeśli przestrzeń V nie jest skończenie wymiarowa, to
mówimy, że jest ona przestrzenią nieskończenie wymiarową (lub że jej wymiar
jest nieskończony) i piszemy dim V = ∞.
Przestrzeń K n jest skończenie wymiarowa i wobec przykładu 121 mamy
dim K n = n. Wielomiany 1, x, x2 , . . . , xn tworzą bazę przestrzeni Rn [x] wielo- dim K n = n
mianów stopnia co najwyżej n. Zatem dim Rn [x] = n + 1. Natomiast przestrzeń dim Rn [x] = n + 1
wszystkich wielomianów R[x] (i przestrzeń funkcji F(R, R)) jest przestrzenią
nieskończenie wymiarową. Bazą przestrzeni zerowej V = {0} jest zbiór pusty
i dlatego mówimy, że jest to przestrzeń 0-wymiarowa, dim {0} = 0. dim {0} = 0
Twierdzenie 7.5.3. Każdy uporządkowany zbiór Ik = (v1 , v2 , . . . , vk ) liniowo
niezależnych wektorów skończenie wymiarowej przestrzeni V można uzupełnić
do bazy przestrzeni V .
Dowód. Niech (u1 , u2 , . . . , un ) będzie jakąkolwiek bazą przestrzeni V . Ponieważ wek-
tory v1 , . . . , vk , u1 , . . . , un generują przestrzeń V , więc po odrzuceniu z ciągu (v1 , . . . ,
vk , u1 , . . . , un ) wektorów będących kombinacjami liniowymi swoich poprzedników otrzy-
mamy bazę B przestrzeni V . Baza ta zawiera wektory v1 , . . . , vk , bo żaden z nich nie
jest kombinacją swoich poprzedników w ciągu (v1 , . . . , vk , u1 , . . . , un ).
Inne uzasadnienie. Jeśli L(Ik ) = V , to Ik jest żądaną bazą przestrzeni V . Jeśli

L(Ik ) 6= V , to wybieramy dowolny wektor vk+1 ze zbioru V − L(Ik ) i tworzymy upo-
rządkowany zbiór Ik+1 = (v1 , v2 , . . . , vk , vk+1 ). Wobec wniosku 7.4.2 zbiór Ik+1 jest
liniowo niezależny. Jeśli tym razem L(Ik+1 ) = V , to Ik+1 jest stosowną bazą przestrzeni
V . Jeśli L(Ik+1 ) 6= V , to wybieramy dowolny wektor vk+2 ze zbioru V − L(Ik+1 ) i two-
rzymy uporządkowany zbiór Ik+2 = (v1 , v2 , . . . , vk , vk+1 , vk+2 ). Zbiór Ik+2 jest liniowo
niezależny. Zatem, jeśli L(Ik+2 ) = V , to Ik+2 jest bazą przestrzeni V . W przypadku
przeciwnym zbiór V − L(Ik+2 ) jest niepusty, więc wybieramy z niego dowolny wektor
vk+3 , itd. Proces ten kończy się po pewnej liczbie kroków, bo przestrzeń V jest skończe-
nie wymiarowa i nie może zawierać nieskończonego zbioru niezależnych wektorów. Dla-
tego po skończonej liczbie kroków otrzymamy zbiór In = (v1 , v2 , . . . , vk , vk+1 , . . . , vn )
liniowo niezależnych wektorów generujących przestrzeń V , czyli bazę przestrzeni V .
Niech V będzie przestrzenią skończenie wymiarową. Na to aby układ wek-
torów B ⊂ V był bazą przestrzeni V potrzeba i wystarcza, aby miał on dwie
własności: (a) B generuje przestrzeń V i (b) B jest liniowo niezależny. Okazuje
się, że jeśli znamy wymiar przestrzeni V i liczba elementów zbioru B jest równa
wymiarowi przestrzeni V , to własności (a) i (b) są sobie równoważne i mamy
następujący odpowiednik wniosku 7.4.4.
Twierdzenie 7.5.4. Jeśli B = (v1 , v2 , . . . , vn ) jest układem n wektorów n-wy-
miarowej przestrzeni V , to następujące warunki są równoważne:
(1) B jest bazą przestrzeni V ;
(2) B jest liniowo niezależny;
(3) B generuje przestrzeń V .
Dowód. Jeśli zbiór B jest niezależny, to wobec twierdzenia 7.5.3 można go uzupełnić
do bazy B 0 przestrzeni V . Ponieważ B ⊆ B 0 i n = |B| ¬ |B 0 | = dim V = n, więc
B = B 0 i B jest bazą przestrzeni V .
Z drugiej strony, jeśli B generuje przestrzeń V , to można B zredukować (np. za
pomocą procedury odrzucania) do bazy B 00 przestrzeni V . Ponieważ B 00 ⊆ B i n
= dim V = |B 00 | ¬ |B| = n, więc B = B 00 i B jest bazą przestrzeni V .
Stąd i z definicji bazy wynikają równoważności warunków (1), (2) i (3).
Przykład 154. Pokazać, że układ B = (1, x − 1, (x − 1)2 , . . . , (x − 1)10 ) jest

bazą przestrzeni R10 [x].
Ponieważ dim R10 [x] = 11 i układ B ma 11 elementów, więc wobec twierdzenia 7.5.4
wystarczy pokazać, że B generuje przestrzeń R10 [x].
Niech ϕ(x) będzie dowolnym wielomianem z przestrzeni R10 [x]. Wielomian ϕ(x) ma
pochodną dowolnego rzędu i ϕ(k) (x) = 0 dla k 11, więc ze wzoru Taylora (znanego
z kursu analizy matematycznej) mamy
ϕ0 (1) ϕ00 (1) ϕ(10) (1)

ϕ(x) = ϕ(1) + (x − 1) + (x − 1)2 + . . . + (x − 1)10 ,
1! 2! 10!
co oznacza, że ϕ(x) jest kombinacją liniową wektorów z układu B. Stąd wynika, że B
generuje przestrzeń R10 [x] i dlatego jest on bazą przestrzeni R10 [x].
Przykład 155. Liniowo niezależny układ wektorów

3 1 2 0 1 0
B= , ,
0 0 1 0 0 1
uzupełnić do bazy przestrzeni R2×2 .
7.6. Współrzędne wektora 141
Ponieważ dim R2×2 = 4 i wektory należące do układu B są liniowo niezależne, więc

wobec twierdzenia 7.5.4 wystarczy układ B uzupełnić o wektor z przestrzeni R2×2 ,
który nie należy do podprzestrzeni L(B). Można to zrobić “metodą prób i błędów” lub
– jak to tu zrobimy – za pomocą
opisu
podprzestrzeni L(B).
a b
Zauważmy, że macierz należy do L(B) pod warunkiem, że dla pewnych
c d
liczb x, y i z jest

a b 3 1 2 0 1 0 3x + 2y + z x
=x +y +z = .
c d 0 0 1 0 0 1 y z
To
jest możliwe tylko wtedy, gdy a = 3b+2c+d. Zatem L(B) jestzbiorem
tych macierzy
a b 1 0
∈ R2×2 , dla których a = 3b + 2c + d. W szczególności 6∈ L(B) i zbiór
c d 0 0

3 1 2 0 1 0 1 0
B0 = , , , jest uzupełnieniem zbioru B do bazy
0 0 1 0 0 1 0 0
przestrzeni R2×2 .
Ze względów praktycznych warto pamiętać o następujących werbalnych kon-

sekwencjach wcześniejszych twierdzeń i definicji.
Wniosek 7.5.3. (1) Jeśli V jest n-wymiarową przestrzenią wektorową, to każ-
dy podzbiór zbioru V mający więcej niż n wektorów jest liniowo zależny. Jed-
nocześnie żaden podzbiór zbioru V mający mniej niż n wektorów nie generuje
przestrzeni V .
(2) Bazą skończenie wymiarowej przestrzeni V jest każdy największy zbiór
liniowo niezależny w przestrzeni V oraz każdy najmniejszy podzbiór zbioru V
generujący przestrzeń V .
W naszych dalszych rozważaniach skorzystamy z następujących relacji po-
między wymiarem przestrzeni i jej podprzestrzeni.
Twierdzenie 7.5.5. Niech W będzie podprzestrzenią skończenie wymiarowej
przestrzeni V . Wtedy dim W ¬ dim V i, dodatkowo, dim W = dim V wtedy
i tylko wtedy, gdy W = V .
Dowód. Teza twierdzenia jest oczywista, gdy W = {0}. Załóżmy zatem, że W

6 {0}. Niech dim V = n i niech (w1 , w2 , . . . , wk ) będzie bazą przestrzeni W . Po-
=
nieważ wektory w1 , w2 , . . . , wk są liniowo niezależne, więc wobec wniosku 7.5.3 jest
dim W = k ¬ n = dim V . Dla dowodu drugiej części twierdzenia odnotujmy najpierw,
że z równości W = V w oczywisty sposób wynika równość dim W = dim V . Załóżmy
teraz, że dim W = dim V . Wtedy k = n i wobec twierdzenia 7.5.4 zbiór (w1 , w2 , . . . ,
wk ) jest bazą przestrzeni V i dlatego W = L(w1 , w2 , . . . , wk ) = V .
7.6. Współrzędne wektora

W naszych dotychczasowych rozważaniach najwięcej uwagi poświęciliśmy prze-
strzeni K n i nie było to przypadkowe, bo – jak teraz pokażemy – każdy wektor
z przestrzeni V (nad ciałem K) mającej bazę składającą się z n wektorów moż-
na utożsamiać z wektorem z przestrzeni K n i w konsekwencji także działania
na wektorach z przestrzeni V można utożsamiać z działaniami na wektorach
z przestrzeni K n .
Definicja 7.6.1. Niech układ B = (b1 , b2 , . . . , bn ) będzie bazą przestrzeni wek-
torowej V nad ciałem K i niech v będzie wektorem z przestrzeni V . Wobec
twierdzenia 7.5.1 istnieją jednoznacznie wyznaczone skalary r1 , r2 , . . . , rn ∈ K
takie, że
v = r 1 b1 + r 2 b2 + . . . + r n bn .
Wektor  
r1
 r2 
 
[v]B = (r1 , r2 , . . . , rn ) lub częściej [v]B =  .. 
 . 
rn
[v] B – wektor współrzęd- nazywamy wektorem współrzędnych wektora v względem bazy B przestrzeni
nych V , a skalary r1 , r2 , . . . , rn – współrzędnymi wektora v względem bazy B (lub
B-współrzędnymi wektora v).
[ ]B
R
v [v]B
V Kn
Rys. 7.10. Wektorowi v ∈ V odpowiada wektor [v]B ∈ K n

3 1
Przykład 156. Dana jest baza B = (b1 , b2 ) = , przestrzeni
1 −1

5
R2 . Wyznaczyć wektor współrzęnych [v]B wektora v = . Wyznaczyć tak-
−1
r1 2
że wektor x ∈ R , którego wektorem współrzędnych jest [x] B =
2
= .
r2 −3
Ponieważ
y 6 x=2b1 −3b2
5 3 2
v= = +2 = 1b1 + 2b2 ,
−1 1 −2
−3b2
I 1 2b1
I więc
1
b1
I - [v]B =
1
.
R x
2
b2
Z definicji wektora współrzędnych mamy
Rys. 7.11. Wektor x = 2b1 − 3b2
3 1 3
x = r 1 b1 + r 2 b2 = 2 + (−3) = .
1 −1 5
Przykład 157. Znaleźć wektory współrzędnych wektorów v = (9, 8), u =

(−1, 3), v + u = (8, 11) i 3u = (−3, 9) względem bazy B = (b1 , b2 ) =
(1, 2), (3, 1) przestrzeni R2 .
Szukane wektory współrzędnych [v]B , [u]B , [v + v]B i [3u]B są odpowiednio rozwiąza-

niami równań
[ b1 b2 ] x = v, [ b1 b2 ] x = u, [ b 1 b2 ] x = v + u i [ b1 b2 ] x = 3u.
Dla ich wyznaczenia macierz [ b1 b2 | v u v+u 3u] (odpowiadającą powyższym czterem
równaniom) sprowadzamy do wierszowo równoważnej normalnej macierzy schodkowej1 ,
h i h i
1 3 9 −1 8 −3 1 0 3 2 5 6
[ b1 b2 | v u v + u 3u] =
2 1 8 3 11 9
∼ ... ∼
0 1 2 −1 1 −3
.
1 W ogólnym przypadku wektor współrzędnych [v] wektora v z przestrzeni K n względem

B
bazy B = (b1 , b2 , . . . , bn ) jest rozwiązaniem równania [b1 b2 . . . bn ]x = v. Rozwiązanie to
możemy wyznaczyć metodą Gaussa-Jordana, czyli sprowadzając macierz [b 1 b2 . . . bn | v] do
wierszowo równoważnej normalnej macierzy schodkowej [In | [v]B ].
Z ostatniej macierzy otrzymujemy [v]B = (3, 2), [u]B = (2, −1), 6 6b1
v+u
[v + u]B = (5, 1) i [3u]B = (6, −3), zobacz rysunek 7.12. 3u
v
Warto zauważyć, że dla wektorów z ostatniego przykładu ma-
my:
u
b1
[v + u]B = (5, 1) = (3, 2) + (2, −1) = [v]B + [u]B b2 -
i −b2
[3u]B = (6, −3) = 3(2, −1) = 3[u]B . −3b2
Rys. 7.12
Powyższe własności są szczególnymi przypadkami dowodzonych w następ-
nym twierdzeniu ogólniejszych własności: w skończenie wymiarowej przestrzeni
z ustaloną bazą wektor współrzędnych sumy wektorów jest równy sumie wek-
torów współrzędnych tych wektorów i wektor współrzędnych iloczynu wektora
przez skalar jest równy iloczynowi wektora współrzędnych przez ten sam skalar.
Twierdzenie 7.6.1. Niech B będzie bazą n-wymiarowej przestrzeni V nad cia-
łem K. Jeśli v, u ∈ V i t ∈ K, to
[v + u]B = [v]B + [u]B i [t v]B = t [v]B .
Dowód. Niech B = (b1 , b2 , . . . , bn ) będzie bazą przestrzeni V i niech (r1 , r2 , . . . , rn )

oraz (s1 , s2 , . . . , sn ) będą odpowiednio wektorami współrzędnych wektorów v i u wzglę-
dem bazy B. Wtedy v = r1 b1 + r2 b2 + . . . + rn bn , u = s1 b1 + s2 b2 + . . . + sn bn
i v+u = (r1 +s1 )b1 +(r2 +s2 )b2 +. . .+(rn +sn )bn . Zatem dla wektora współrzędnych
wektora v + u mamy
[v + u]B = (r1 + s1 , r2 + s2 , . . . , rn + sn )
= (r1 , r2 , . . . , rn ) + (s1 , s2 , . . . , sn )
= [v]B + [u]B .
Podobnie mamy
t v = t (r1 b1 + r2 b2 + . . . + rn bn ) = (tr1 )b1 + (tr2 )b2 + . . . + (trn )bn ,
więc także
[t v]B = (t r1 , t r2 , . . . , t rn ) = t (r1 , r2 , . . . , rn ) = t [v]B .
Definicja 7.6.2. Niech V i W będą przestrzeniami wektorowymi nad tym sa-

mym ciałem K. Przekształcenie ϕ : V → W nazywamy izomorfizmem przestrze- Izomorfizm przestrzeni
ni V na przestrzeń W , gdy ma ono następujące własności:
(1) ϕ jest różnowartościowe i ϕ(V ) = W ;
(2) ϕ(x + y) = ϕ(x) + ϕ(y) dla każdych x, y ∈ V , tj. ϕ zachowuje działanie
dodawania;
(3) ϕ(αx) = αϕ(x) dla każdych x ∈ V i α ∈ K, tj. ϕ zachowuje mnożenie
wektorów przez skalary.
Dwie przestrzenie wektorowe nazywamy izomorficznymi, gdy istnieje izomor- Izomorficzność przestrzeni
fizm odwzorowujący jedną z nich na drugą. Łatwo zauważyć, że: (1) przekształce-
nie tożsamościowe przestrzeni V na siebie jest izomorfizmem; (2) przekształcenie
odwrotne do izomorfizmu przestrzeni V na przestrzeń W jest izomorfizmem prze-
strzeni W na przestrzeń V ; (3) złożenie izomorfizmu przestrzeni V na przestrzeń
W i izomorfizmu przestrzeni W na przestrzeń U jest izomorfizmem przestrzeni V
na przestrzeń U . Zatem relacja izomorfizmu przestrzeni wektorowych jest relacją
równoważności w zbiorze wszystkich przestrzeni wektorowych (nad tym samym
ciałem) i jest podstawą algebraicznej identyfikacji przestrzeni izomorficznych.
W konsekwencji, jeżeli w przestrzeni wektorowej V zostało udowodnione jakie-

kolwiek twierdzenie sformułowane w terminach dodawania wektorów i mnożenia
wektorów przez skalary, to dokładnie to samo twierdzenie jest prawdziwe w każ-
dej przestrzeni izomorficznej z przestrzenią V .
dim V (K) = n
Twierdzenie 7.6.2. Każda n-wymiarowa przestrzeń wektorowa V nad ciałem
V (K) ≈ K n
K jest izomorficzna z przestrzenią K n .
Dowód. Niech B = (b1 , b2 , . . . , bn ) będzie bazą przestrzeni V . Odwzorowanie ϕ :
V → K n , które każdemu wektorowi v z przestrzeni V przyporządkowuje jego wektor
współrzędnych względem bazy B, tj. ϕ(v) = [v]B , zachowuje działania przestrzeni V
(zob. twierdzenie 7.6.1), jest różnowartościowe (bo jeśli ϕ(v) = (r1 , r2 , . . . , rn ) = ϕ(u),
to v = r1 b1 + r2 b2 + . . . + rn bn = u) i odwzorowuje zbiór V na cały zbiór K n (bo
dla każdego wektora (s1 , s2 , . . . , sn ) ∈ K n mamy (s1 , s2 , . . . , sn ) = ϕ(v), gdy v =
s1 b1 + s2 b2 + . . . + sn bn ), więc jest izomorfizmem przestrzeni V i K n .
Jeśli V i W są n-wymiarowymi przestrzeniami wektorowymi nad ciałem K,
to wobec twierdzenia 7.6.2 każda z nich jest izomorficzna z przestrzenią K n
i dlatego przestrzenie V i W są wzajemnie izomorficzne.
Wniosek 7.6.1. Każde dwie n-wymiarowe przestrzenie wektorowe (nad tym
samym ciałem) są izomorficzne.
Ponieważ n-wymiarowa przestrzeń V nad ciałem K jest izomorficzna z prze-
strzenią K n , więc przestrzeń K n , wraz z jej technikami macierzowymi, można
stosować do badania przestrzeni V . Tego rodzaju możliwości ilustrujemy w ko-
lejnym wniosku i przykładzie.
Wniosek 7.6.2. Wektory v1 , v2 , . . . , vk z n-wymiarowej przestrzeni wekto-
rowej V (K) z bazą B są liniowo niezależne wtedy i tylko wtedy, gdy wektory
[v1 ]B , [v2 ]B , . . . , [vk ]B są liniowo niezależne w przestrzeni K n .
Dowód. Ponieważ odwzorowanie ϕ : V (K) → K n , gdzie ϕ(x) = [x]B dla x ∈ V (K),
jest izomorfizmem (zob. dowód twierdzenia 7.6.2), więc dla skalarów α1 , . . . , αk ∈ K
mamy równoważności
α 1 v1 + . . . + α k vk = 0 ⇔ [α1 v1 + . . . + αk vk ]B = [0]B = 0
⇔ α1 [v1 ]B + . . . + αk [vk ]B = 0.
To oznacza, że pomiędzy wektorami v1 , . . . , vk istnieją dokładnie takie same relacje

liniowej zależności jak pomiędzy wektorami [v1 ]B , . . . , [vk ]B . Stąd wynika teza wnio-
sku.
Przykład 158. Pokazać, że uporządkowany zbiór
C = (a, b, c) = (x2 + 2x − 3, 2x2 + 2x + 1, −3x2 + x + 1)
jest bazą przestrzeni R2 [x]. Następnie znaleźć współrzędne wektora v = −7x2 −

x−8 względem bazy C i przedstawić wektor v jako kombinację liniową wektorów
bazy C.
Weźmy pod uwagę bazę B = (x2 , x, 1) przestrzeni R2 [x]. Wektorami współrzędnych

wektorów a, b, c i v względem bazy B są [a]B = (1, 2, −3), [b]B = (2, 2, 1), [c]B
= (−3, 1, 1) i [v]B = (−7, −1, −8).
Dla dowodu, że wektory a, b, c tworzą bazę przestrzeni R2 [x] (izomorficznej z R3 )
wystarczy pokazać, że wektory [a]B , [b]B , [c]B tworzą bazę przestrzeni R3 . Podob-
nie wyznaczając współrzędne wektora v względem bazy C wystarczy znaleźć współ-
rzędne wektora [v]B względem bazy ([a]B , [b]B , [c]B ) (bo wobec twierdzenia 7.6.1 jest
v = r1 a + r2 b + r3 c wtedy i tylko wtedy, gdy [v]B = [r1 a + r2 b + r3 c]B = r1 [a]B +
r2 [b]B + r3 [c]B , co oznacza, że współrzędne wektora v względem bazy (a, b, c) są rów-
ne współrzędnym wektora [v]B względem bazy ([a]B , [b]B , [c]B )). Dla jednoczesnego
h i
osiągnięcia obu wspomnianych celów tworzymy macierz [a]B [b]B [c]B | [v]B i spro-
wadzamy ją do wierszowo równoważnej macierzy mającej normalną postać schodkową:
" # " # " #
1 2 −3 −7 1 2 −3 −7 1 0 0 2

2 2 1 −1 ∼ 0 −2 7 13 ∼ . . . ∼ 0 1 0 −3 .
−3 1 1 −8 0 7 −8 −29 0 0 1 1
h i
Ponieważ macierz [a]B [b]B [c]B jest wierszowo równoważna macierzy jednostkowej

I3 , więc jest ona nieosobliwa i wobec wniosku 7.4.4 układ [a]B , [b]B , [c]B jest bazą
przestrzeni R3 . Zatem układ C = (a, b, c) jest bazą przestrzeni R2 [x]. Dodatkowo
mamy [v]C = (2, −3, 1) i dlatego
v = 2a − 3b + c
= 2(x2 + 2x − 3) − 3(2x2 + 2x + 1) + (−3x2 + x + 1)
= −7x2 − x − 8.
Macierz przejścia od bazy do bazy

Niech B = (b1 , b2 , . . . , bn ) i C = (c1 , c2 , . . . , cn ) będą dwiema bazami przestrze-
ni wektorowej V (K) i niech x będzie dowolnym wektorem z przestrzeni V (K).
Zbadamy teraz jaki jest związek pomiędzy wektorami współrzędnych
   
r1 s1
 r2   s2 
   
[x]B =  .  i [x]C =  . 
 ..   .. 
rn sn
wektora x względem baz B i C. Opiszemy sposób przedstawiania współrzędnych
wektora [x]B poprzez współrzędne wektora [x]C .
Z definicji wektora współrzędnych jest x = r1 b1 + r2 b2 + . . . + rn bn . Zatem

wobec twierdzenia 7.6.1 mamy
[x]C = [r1 b1 + r2 b2 + . . . + rn bn ]C
= r1 [b1 ]C + r2 [b2 ]C + . . . + rn [bn ]C
 
  r1
| | |  r2 
 
=  [b1 ]C [b2 ]C · · · [bn ]C  . 
.
 . 
| | |
  rn
| | |
=  [b1 ]C [b2 ]C · · · [bn ]C [x]B .
| | |
Stąd zaś wynika, że mamy następujące twierdzenie o zależnościach pomiędzy
B-współrzędnymi i C-współrzędnymi wektora x.
Twierdzenie 7.6.3. Jeśli B = (b1 , b2 , . . . , bn ) i C = (c1 , c2 , . . . , cn ) są

bazami przestrzeni wektorowej V , to dla każdego wektora x z przestrzeni V jest
[x]C = PB
C [x]B , (7.6)
gdzie  
| | |
PB
C =
 [b1 ] [b2 ] · · · [bn ] .
C C C (7.7)
| | |
Macierz przejścia Macierz PB

C określoną równością (7.7) nazywa się macierzą przejścia od ba-
zy B do bazy C (lub macierzą zamiany współrzędnych przy przejściu od bazy
B do bazy C). W macierzy tej i-tą kolumną jest wektor [bi ]C , czyli wektor
C-współrzędnych wektora bi , i jest on jedynym rozwiązaniem równania
x1 c 1 + x 2 c 2 + . . . + x n c n = b i .
Równość [x]C = PB C [x]B jest związkiem pomiędzy
B-współrzędnymi i C-współrzędnymi wektora x, zob. rys. 7.13.
Ponieważ wektory b1 , . . . , bn bazy B są liniowo niezależne,
x
V
więc także kolumny [b1 ]C , . . . , [bn ]C macierzy PB C są liniowo
niezależne (zob. wniosek 7.6.2). Stąd i z wniosku 7.4.4 wynika, że
[ ]C [ ]B macierz PB C jest odwracalna. Zatem z równości [x] C = PC [x]B
B

B −1
mamy także równość [x]B = PC [x]C . To zaś oznacza, że
R
B −1
[x]C
Przemnażanie [x]B macierz odwrotna PC przekształca C-współrzędne wektora
przez PB
−1
Kn C Kn x w jego B-współrzędne. Dlatego macierz PB C jest macierzą
przejścia od bazy C do bazy B i mamy
Rys. 7.13
−1
PB
C = PC
B. (7.8)
Przykład 159. Układy wektorów B = (b1 , b2 , b3 , b4 ) i C = (c1 , c2 , c3 , c4 ) są

bazami przestrzeni R4 , gdy b1 = (1, 2, 3, 0), b2 = (1, −1, 1, 1), b3 = (3, 1, 6, 3),
b4 = (5, 3, 11, 6) i c1 = (1, 2, 3, 0), c2 = (2, 1, 4, 1), c3 = (0, 1, 1, 1), c4
= (0, 0, 0, 1). Ponieważ


 b1 = c1 ,

b2 = −c1 + c2 ,

 b3 = −c1 + 2c2 + c3 ,

b4 = −c1 + 3c2 + 2c3 + c4 ,
więc macierzą przejścia od bazy B do bazy C jest
 
  1 −1 −1 −1
| |  
PBC =
 [b1 ]C · · · [b4 ]C  =  0 1 2 3 .
0 0 1 2
| |
0 0 0 1
Łatwo zauważyć, że jednocześnie mamy


 c1 = b 1 ,

c2 = b 1 + b 2 ,

 c3 = −b1 − 2b2 + b3 ,

c4 = b2 − 2b3 + b4 ,
więc także
 
  1 1 −1 0
| |  0 1 −2 1 
PC  [c1 ]B · · · [c4 ]B  =   = PB −1 .
B =  0 0 1 −2  C
| |
0 0 0 1
Za pomocą tak otrzymanych macierzy PB C i PB można wyrazić związek po-
C
między B-współrzędnymi i C-współrzędnymi każdego wektora z przestrzeni R 4 .

Przykładowo dla wektora x = (3, 2, 6, −1) ∈ R 4 jest x = 3b1 + 2b2 + b3 − b4
i dlatego
      
3 1 −1 −1 −1 3 1
 2  0 1 2 3  2   1 
[x]B =  oraz [x]C = PB
C · [x]B =  = .
1 0 0 1 2   1   −1 
−1 0 0 0 1 −1 −1
Przykład 160. Dane są bazy B = (b1 , b2 ) i C = (c1 , c2 ) przestrzeni V , gdzie

b1 = 2c1 − c2 i b2 = c1 − 2c2 , i dany jest wektor x = 2b1 + b2 . Wyznaczyć
wektor [x]C .
Dla wektora x (zob. rys. 7.14) podobnie jak w wyprowadzeniu twierdzenia 7.6.3 mamy
następujące zależności między jego B- i C-współrzędnymi:
[x]C = [2b1 + b2 ]C = 2[b1 ]C + [b2 ]C

2 2
= [b1 ]C [b2 ]C = [2c1 − c2 ]C [c1 − 2c2 ]C
1 1

2 1 2 5
= = .
−1 −2 1 −4
Drugi sposób. Ponieważ wektor x jest kombinacją liniową wektorów b1 i b2 , a te ostatnie
są kombinacjami wektorów c1 i c2 , więc x jest kombinacją liniową wektorów c1 oraz
c2 i współczynniki tej kombinacji tworzą wektor [x]C ,

5
[x]C = [ 2b1 + b2 ]C = [ 2(2c1 − c2 ) + (c1 − 2c2 ) ]C = [ 5c1 − 4c2 ]C = .
−4
5c1
2b1
b1
c2 c1 c2 c1 x
x
0 0
b2
−4c2
Rys. 7.14
Zmiana bazy w przestrzeni Kn

Niech B = (b1 , b2 , . . . , bn ) i C = (c1 , c2 , . . . , cn ) będą bazami przestrzeni wek-
torowej K n i niech B i C będą macierzami utworzonymi z kolejnych wektorów
baz B i C, B = [ b1 b2 . . . bn ] i C = [ c1 c2 . . . cn ]. Pokażemy teraz związek
macierzy B i C z macierzą przejścia od bazy B do bazy C, czyli z macierzą P B C.
Zauważmy, że jeśli E = (e1 , e2 , . . . , en ) jest bazą standardową przestrzeni
K n , to dla każdego wektora x ∈ K n jest [x]E = x i dlatego wobec twierdzenia
7.6.3 dla macierzy przejścia od baz B i C do bazy standardowej E mamy
PB C
E = [ b1 b2 . . . bn ] = B i PE = [ c1 c2 . . . cn ] = C.
Dodatkowo wobec (7.6) dla każdego wektora x ∈ K n jest

C [x]C = PC B
E [x]C = [x]E = PE [x]B = B [x]B .
Stąd i z odwracalności macierzy C wynika, że [x] C = C−1 B [x]B . Jednocześnie

dla każdego x ∈ K n jest [x]C = PBC [x]B . Zatem mamy następujące zależności
pomiędzy macierzą przejścia PBC i macierzami B oraz C:
PB
C =C
−1
B. (7.9)
Macierz C−1 B = PB
C jest jednocześnie rozwiązaniem równania macierzowego
CX = B
(reprezentującego równania [ c1 c2 . . . cn ]x = b1 , . . . , [ c1 c2 . . . cn ]x = bn ,
których rozwiązaniami są kolumny [b1 ]C , . . . , [bn ]C macierzy PB C ) i dlatego
można ją wyznaczyć metodą Gaussa-Jordana. Mamy następujący wygodny spo-
sób wyznaczania macierzy przejścia.
Algorytm wyznaczania macierzy przejścia w Kn

Jeśli B = (b1 , b2 , . . . , bn ) i C = (c1 , c2 , . . . , cn ) są bazami przestrzeni wektoro-
wej K n , to macierz przejścia od bazy B do bazy C jest macierzą PB C = C
−1
B
otrzymaną w wyniku wierszowej redukcji macierzy [ C|B ] do normalnej macierzy
schodkowej,
 
| | | | | |
[ C|B ] =  c1 c2 · · · cn b1 b2 · · · bn  ∼ In |PB C . (7.10)
| | | | | |
Nowa baza Stara baza
Przykład 161. Wyznaczyć macierz przejścia PB C od bazy B do bazy C prze-

strzeni R3, gdy B = (1, 2, 3), (−2, −6, −10), (4, 16, 16) i C = (1, 2, 3), (1, 1,
1), (1, 3, 1) . Za pomocą tej macierzy wyznaczyć wektor C-współrzędnych wek-
tora v, dla którego [v]B = (1, 1, 1).
Dla otrzymania macierzy PB

C tworzymy macierz [C|B] i sprowadzamy ją do wierszowo
równoważnej normalnej macierzy schodkowej (zob. (7.10)). Ponieważ
" # " #
1 1 1 1 −2 4 1 0 0 1 −4 6

[C|B] = 2 1 3 2 −6 16 ∼ 0 1 0 0 2 −5 ,
3 1 1 3 −10 16 0 0 1 0 0 3
więc
" #
1 −4 6
PB
C = 0 2 −5
0 0 3
i " #" # " #
1 −4 6 1 3
[v]C = PB
C [v]B = 0 2 −5 1 = −3 .
0 0 3 1 3

Przykład 162. Znaleźć macierz przejścia od bazy B = 4x2 − 6x, 2x2 − 2, 4x
do bazy C = x + 1, 2x2 , x − 1 przestrzeni R2 [x]. Wyznaczyć także współrzędne
wektora v = 10x2 − 8x − 2 = 2(4x2 − 6x) + (2x2 − 2) + 4x względem bazy C.
Utożsamiając każdy wektor a2 x2 + a1 x + a0 z przestrzeni R2 [x] z wektorem (a2 , a1 , a0 )

z przestrzeni R3 , możemy utożsamiać bazy B i C odpowiednio z bazami B 0 = (4, −6, 0),

(2, 0, −2), (0, 4, 0) i C 0 = (0, 1, 1), (2, 0, 0), (0, 1, −1) przestrzeni R3 . Wtedy szukana
macierz przejścia od bazy B do C jest macierzą przejścia od bazy B 0 do C 0 . Ponieważ
" # " #
0 2 0 4 2 0 1 0 0 −3 −1 2
0 0
[C |B ] = 1 0 1 −6 0 4 ∼ 0 1 0 2 1 0 ,
1 0 −1 0 −2 0 0 0 1 −3 1 2
więc
" #
−3 −1 2
PB
C = 2 1 0 .
−3 1 2
7.7. Rząd macierzy 149
Zatem dla wektora [v]C mamy

" #" # " #
−3 −1 2 2 −5
[v]C = PB
C [v]B = 2 1 0 1 = 5 .
−3 1 2 1 −3
Zauważmy, że istotnie mamy −5(x + 1) + 5(2x2 ) − 3(x − 1) = 10x2 − 8x − 2 = v.
7.7. Rząd macierzy

Niech A będzie macierzą wymiaru m × n o współczynnikach z ciała K,
 
  − w1 −
| | |  − w2 − 
 
A =  a1 a2 · · · a n  =  .. ,
| | |  . 
− wm −
gdzie a1 , . . . , an są kolumnami, a w1 , . . . , wm wierszami macierzy A.

Definicja 7.7.1. Liczbę dim L(a1 , a2 , . . . , an ), czyli wymiar przestrzeni kolum-
nowej CA macierzy A, nazywa się rzędem kolumnowym macierzy A. Podobnie Rząd kolumnowy
liczbę dim L(w1 , . . . , wm ), czyli wymiar przestrzeni wierszowej RA = L(w1 , w2 ,
. . . , wm ) macierzy A, nazywamy rzędem wierszowym macierzy A. (Te dwa rzę- Rząd wierszowy
dy są odpowiednio największą liczbą liniowo niezależnych kolumn i największą
liczbą liniowo niezależnych wierszy macierzy A.)
Przykład 163. Dane są wierszowo równoważne macierze A i B, gdzie

   
3 4 −2 7 6 1 0 −2 0 −1
2 3 −1 6 7 0 1 1 0 −3
A = [ a 1 . . . a5 ] =  ∼ . . . ∼  = [ b1 . . . b5 ] = B.
2 4 0 7 7 0 0 0 1 3
1 1 −1 2 2 0 0 0 0 0
Macierz B ma normalną postać schodkową i jej wiodące kolumny b1 , b2 i b4

tworzą bazę jej przestrzeni kolumnowej, bo są one liniowo niezależne (dlaczego?)
i pozostałe kolumny są ich kombinacjami liniowymi (tu oczywiście b3 = −2b1 +
b2 i b5 = −b1 − 3b2 + 3b4 ). Zatem rząd kolumnowy macierzy B jest równy 3.
Trzy niezerowe wiersze macierzy B także są liniowo niezależne (bo żaden
z nich – ze względu na położenie wiodących jedynek – nie jest kombinacją liniową
pozostałych wierszy) i dlatego tworzą one bazę przestrzeni generowanej przez
wiersze macierzy B. Zatem rząd wierszowy macierzy B także jest równy 3.
Macierz A jest wierszowo równoważna macierzy B i – jak to będzie wyni-
kało z następnego twierdzenia – jej przestrzeń wierszowa jest równa przestrzeni
wierszowej macierzy B. Z kolejnych twierdzeń będzie wynikało, że między ko-
lumnami macierzy A są dokładnie takie same relacje liniowej zależności, jak
między kolumnami macierzy B. Z tego także będzie wynikała równość rzędów
kolumnowych macierzy A i B (oraz równość rzędu wierszowego i kolumnowego
macierzy A).
Twierdzenie 7.7.1. Jeśli macierze A i B są wierszowo równoważne, to ich

przestrzenie wierszowe są równe. Jeśli macierz B jest w postaci schodkowej, to
niezerowe wiersze macierzy B tworzą bazę przestrzeni wierszowej macierzy A
i B.
Dowód. Niech A i B będą macierzami wierszowo równoważnymi. Ponieważ macierz B

można otrzymać z macierzy A za pomocą operacji elementarnych na wierszach, więc
wiersze macierzy B są kombinacjami liniowymi wierszy macierzy A i dlatego każda
kombinacja liniowa wierszy macierzy B jest kombinacją liniową wierszy macierzy A.
Zatem przestrzeń wierszowa macierzy B jest zawarta w przestrzeni wierszowej macie-
rzy A. Z drugiej strony operacje elementarne są odwracalne, więc macierz A można
otrzymać z macierzy B za pomocą operacji elementarnych na wierszach i dlatego
  przestrzeń wierszowa macierzy A jest zawarta w przestrzeni wierszowej ma-
0 1 ∗ ∗ ∗ ∗ ∗ ∗ cierzy B. To dowodzi, że przestrzenie wierszowe macierzy A i B są równe.
 0 0 0 1 ∗ ∗ ∗ ∗ Jeśli macierz B jest w postaci schodkowej (zob. rys. 7.15), to jej niezerowe
 
B= 0 0 0 0 1 ∗ ∗ ∗ wiersze są liniowo niezależne, bo żaden z nich nie jest kombinacją liniową wier-
 0 0 0 0 0 0 1 ∗ szy leżących poniżej niego. Zatem niezerowe wiersze macierzy B tworzą bazę
0 0 0 0 0 0 0 0 przestrzeni wierszowej macierzy B i dlatego także tworzą one bazę przestrzeni
Rys. 7.15 wierszowej macierzy A.
Twierdzenie 7.7.2. Operacje elementarne na wierszach macierzy nie zmieniają
relacji liniowej zależności pomiędzy kolumnami tej macierzy.
Dowód. Jeśli macierze A i B są wierszowo równoważne, to także macierze [A|0] i [B|0]
są wierszowo równoważne i wobec twierdzenia 5.1.2 układy równań liniowych Ax = 0
i Bx = 0 mają dokładnie te same rozwiązania. To zaś oznacza, że pomiędzy kolumna-
mi macierzy A są dokładnie takie same liniowe zależności, jak pomiędzy kolumnami
macierzy B.
Przykład 164. Weźmy pod uwagę wierszowo równoważne macierze A i B

z poprzedniego przykładu. Wobec twierdzenia 7.7.2 pomiędzy kolumnami ma-
cierzy A są dokładnie takie same relacje liniowej zależności, jak pomiędzy ko-
lumnami macierzy B. Przykładowo mamy a5 = −a1 − 3a2 + 3a4 , bo było
b5 = −b1 − 3b2 + 3b4 . Podobnie kolumny a1 , a2 i a4 tworzą bazę przestrze-
ni kolumnowej macierzy A, bo kolumny b1 , b2 i b4 tworzą bazę przestrzeni
kolumnowej macierzy B.
Twierdzenie 7.7.3. Wiodące kolumny macierzy A tworzą bazę przestrzeni ko-

lumnowej macierzy A.
Dowód. Załóżmy, że macierz A jest wierszowo równoważna macierzy schodkowej B.
Wiodące kolumny macierzy B są liniowo niezależne, bo żadna z nich nie jest liniową
kombinacją swoich poprzedniczek. Z tego i z twierdzenia 7.7.2 wynika, że wiodące
kolumny macierzy A są liniowo niezależne. Z tych samych powodów każda inna kolumna
macierzy A jest liniową kombinacją wiodących kolumn tej macierzy. Stąd wynika, że
wiodące kolumny macierzy A tworzą bazę przestrzeni kolumnowej macierzy A.
Uwaga. Przestrzenie kolumnowe wierszowo równoważnych macierzy A i B mają

równe wymiary, ale przestrzenie te nie muszą być równe. Dla przykładu, prze-
strzenie kolumnowe macierzy A i B z ostatniego przykładu są generowane odpo-
wiednio przez kolumny a1 , a2 , a4 oraz przez kolumny b1 , b2 , b4 i przestrzenie te
są różne, bo czwarta współrzędna wektora z przestrzeni kolumnowej macierzy A
może być dowolną liczbą rzeczywistą, ale czwarta współrzędna każdego wektora
z przestrzeni kolumnowej macierzy B jest równa zeru.
Twierdzenie 7.7.4. Rząd kolumnowy macierzy A jest równy jej rzędowi wier-
szowemu.
Dowód. Niech macierz A będzie wierszowo równoważna macierzy schodkowej B. Wo-
bec twierdzenia 7.7.1 rząd wierszowy macierzy A jest równy rzędowi wierszowemu
macierzy B, a ten jest równy liczbie niezerowych wierszy macierzy B, więc także licz-
bie wiodących jedynek macierzy B. Z drugiej strony wobec twierdzenia 7.7.3 rząd
kolumnowy macierzy A jest równy liczbie wiodących kolumn macierzy A, a ta liczba
jest równa liczbie wiodących jedynek macierzy B. Stąd wynika teza twierdzenia.
7.7. Rząd macierzy 151
Definicja 7.7.2. Wspólną wartość rzędu kolumnowego i wierszowego macierzy

A ∈ Km×n nazywamy rzędem macierzy A i oznaczamy ją przez r(A), czyli r(A) – rząd macierzy
mamy
r(A) = dim CA = dim RA . (7.11)
Przykład 165. Wyznaczyć rząd macierzy

 
2 0 −4 0 8
1 1 −3 0 6
A=
3
.
3 −9 1 20 
2 2 −6 2 16
Łatwo zauważyć, że macierz A jest wierszowo równoważna normalnej macierzy schod-

kowej
 
1 0 −2 0 4
0 1 1 0 2
B= .
0 0 0 1 2 
0 0 0 0 0
Ponieważ ta ostatnia ma trzy niezerowe wiersze, więc jej rząd, jak i rząd macierzy A
jest równy trzy.
Z faktu, że rząd macierzy A jednocześnie jest największą liczbą liniowo nie-

zależnych wierszy i największą liczbą liniowo niezależnych kolumn macierzy A
wynikają następujące dwa wnioski.
Wniosek 7.7.1. Dla każdej macierzy A jest r(A) = r(AT ).
Wniosek 7.7.2. Jeśli A jest macierzą wymiaru m × n, to
r(A) ¬ min{m, n}.
Nasze rozważania o rzędzie macierzy kończymy obserwacjami dotyczącymi

związku rzędu macierzy kwadratowej A z jej odwracalnością oraz wyrażonego
w terminach rzędu macierzy warunku koniecznego i dostatecznego istnienia roz-
wiązania układu równań liniowych Ax = b. Inne twierdzenie o związku rzędu
macierzy A z rzędem macierzy AT A przedstawimy w następnym rozdziale (zob.
twierdzenie 8.2.3).
Twierdzenie 7.7.5. Macierz kwadratowa A stopnia n jest odwracalna wtedy

i tylko wtedy, gdy r(A) = n.
Dowód. Teza twierdzenia jest natychmiastową konsekwencją wniosku 7.4.4 i definicji
7.7.2.
Twierdzenie 7.7.6 (Kroneckera-Capellego). Układ równań liniowych Ax

= b ma rozwiązanie wtedy i tylko wtedy, gdy rząd macierzy A jest równy rzędowi
macierzy rozszerzonej [A|b] tego układu,
r (A) = r ([A|b]). (7.12)
Dowód. Wobec twierdzenia 7.3.1 układ Ax = b ma rozwiązanie wtedy i tylko wtedy,

gdy przestrzeń C[A|b] jest równa swojej podprzestrzeni CA . To zaś wobec twierdzenia
7.5.5 zachodzi wtedy i tylko wtedy, gdy dim CA = dim C[A|b] , tj. wtedy i tylko wtedy,
gdy r (A) = r ([A|b]) (bo r (A) = dim CA i r ([A|b]) = dim C[A|b] ).
7.8. Suma i suma prosta podprzestrzeni

Definicja 7.8.1. Jeżli V1 i V2 są podprzestrzeniami przestrzeni wektorowej V ,
to zbiór
Suma podprzestrzeni V1 + V2 = {v1 + v2 : v1 ∈ V1 i v2 ∈ V2 }
nazywamy sumą podprzestrzeni V1 i V2 .

z Przykład 166. Jeżli V1 = L (0, 1, 1) i V2 = L (1, 1, 1) , to
V1
V1 + V2 = {t(0, 1, 1) + s(1, 1, 1) : t, s ∈ R}

V2 = L (0, 1, 1), (1, 1, 1) .
y
Geometrycznie V1 i V2 są różnymi prostymi w przestrzeni R3 prze-
chodzącymi przez początek układu współrzędnych, a V1 + V2 jest
płaszczyzną zawierającą te dwie proste,
V1 +V2 x
V1 + V2 = {(x, y, z) ∈ R3 : y − z = 0},
zobacz rys. 7.16.

Rys. 7.16
Twierdzenie 7.8.1. Jeśli V1 i V2 są podprzestrzeniami przestrzeni wektorowej

V , to V1 + V2 jest podprzestrzenią przestrzeni V .
Dowód. Z faktu, że 0 ∈ Vi (i = 1, 2) wynika, że 0 = 0 + 0 ∈ V1 + V2 i dlatego
V1 + V2 6= ∅. Weźmy teraz dowolne dwa wektory v, u ∈ V1 + V2 i dwa skalary s, t ∈ K.
Wobec twierdzenia 7.1.2 wystarczy pokazać, że sv + tu ∈ V1 + V2 . Ponieważ v, u ∈
V1 + V2 , więc istnieją v1 , u1 ∈ V1 i v2 , u2 ∈ V2 takie, że v = v1 + v2 i u = u1 + u2 .
Jednocześnie sv1 + tu1 ∈ V1 i sv2 + tu2 ∈ V2 , bo V1 i V2 są podprzestrzeniami. Zatem
(sv1 + tu1 ) + (sv2 + tu2 ) ∈ V1 + V2 wobec definicji sumy podprzestrzeni. Stąd wynika,
że sv + tu ∈ V1 + V2 , bo sv + tu = (sv1 + tu1 ) + (sv2 + tu2 ).
Część wspólna dwóch podprzestrzeni nigdy nie jest pusta (bo zawsze zawiera
ona wektor zerowy) i – podobnie jak w poprzednim twierdzeniu – łatwo dowodzi
się, że jest ona podprzestrzenią.
Twierdzenie 7.8.2. Jeśli V1 i V2 są podprzestrzeniami przestrzeni wektorowej
V , to V1 ∩ V2 jest podprzestrzenią przestrzeni V .
Twierdzenie 7.8.3. Jeśli V1 i V2 są skończenie wymiarowymi podprzestrzenia-
mi przestrzeni wektorowej V , to
dim (V1 + V2 ) = dim V1 + dim V2 − dim (V1 ∩ V2 ).
Dowód. Niech B = (b1 , b2 , . . . , bn ) będzie bazą przestrzeni V1 ∩ V2 . Wobec twierdze-

nia 7.5.3 bazę B można uzupełnić do bazy przestrzeni V1 , jak i do bazy przestrzeni V2 .
Niech (a1 , . . . , am , b1 , . . . , bn ) będzie uzupełnieniem bazy B do bazy przestrzeni V1 ,
a (b1 , . . . , bn , c1 , . . . , ck ) – uzupełnieniem bazy B do bazy przestrzeni V2 . Dla dowodu
twierdzenia wystarczy teraz pokazać, że (a1 , . . . , am , b1 , . . . , bn , c1 , . . . , cn ) jest bazą
przestrzeni V1 + V2 , bo wtedy będzie dim (V1 + V2 ) = m + n + k = (m + n) + (n + k) − n
= dim V1 + dim V2 − dim (V1 ∩ V2 ).
Ponieważ V1 = L(a1 , . . . , am , b1 , . . . , bn ) i V2 = L(b1 , . . . , bn , c1 , . . . , ck ), więc
V1 +V2 = L(a1 , . . . , am , b1 , . . . , bn , c1 , . . . , ck ), co oznacza, że wektory a1 , . . . , am , b1 ,
. . . , bn , c1 , . . . , ck generują przestrzeń V1 + V2 . Pozostaje nam uzasadnić, że wektory
a1 , . . . , am , b1 , . . . , bn , c1 , . . . , ck są liniowo niezależne. Załóżmy zatem, że dla pewnych
skalarów si , ti i ri jest
s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn + r1 c1 + . . . + rk ck = 0.
7.8. Suma i suma prosta podprzestrzeni 153
Wtedy wektor v = s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn = −(r1 c1 + . . . + rk ck ) musi

być wektorem zerowym, bo inaczej wektor v = s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn
należałby do V1 , a wektor v = −(r1 c1 + . . . + rk ck ) do V2 − V1 , co jest niemożliwe. Stąd
s1 a1 + . . . + sm am + t1 b1 + . . . + tn bn = 0 i r1 c1 + . . . + rk ck = 0.
Z równości tych i z niezależności wektorów tworzących układy (a1 , . . . , am , b1 , . . . , bn )

oraz (c1 , . . . , ck ) wynika, że s1 = . . . = sm = t1 = . . . = tn = 0 i r1 = . . . = rk = 0.
To dowodzi, że wektory tworzące układ (a1 , . . . , am , b1 , . . . , bn , c1 , . . . , ck ) są liniowo
niezależne i to kończy dowód twierdzenia.
Definicja 7.8.2. Jeśli V1 i V2 są podprzestrzeniami przestrzeni wektorowej V

takimi, że V = V1 + V2 i V1 ∩ V2 = {0}, to mówimy, że przestrzeń V jest sumą
prostą podprzestrzeni V1 oraz V2 i piszemy V = V1 ⊕ V2 . V1 ⊕ V2 – suma prosta
Twierdzenie 7.8.4. Jeśli V1 i V2 są skończenie wymiarowymi podprzestrzenia-

mi przestrzeni wektorowej V , to następujące warunki są równoważne:
(a) V = V1 ⊕ V2 , tj. V = V1 + V2 i V1 ∩ V2 = {0};
(b) V = V1 + V2 i dim V = dim V1 + dim V2 ;
(c) każdy wektor v ∈ V można w jeden i tylko w jeden sposób przedstawić
w postaci sumy v = v1 + v2 , gdzie v1 ∈ V1 i v2 ∈ V2 .
Dowód. Równoważność warunków (a) i (b) jest oczywista, bo wobec twierdzenia 7.8.3
jest dim V = dim V1 + dim V2 wtedy i tylko wtedy, gdy dim(V1 ∩ V2 ) = 0, tj. wtedy
i tylko wtedy, gdy V1 ∩ V2 = {0}.
Wykażemy teraz równoważność warunków (a) i (c). Załóżmy najpierw, że V =
V1 ⊕ V2 . Wówczas V1 ∩ V2 = {0}. Weźmy teraz dowolny wektor v z przestrzeni V .
Ponieważ V = V1 + V2 , więc istnieją wektory v1 ∈ V1 i v2 ∈ V2 takie, że v = v1 + v2 .
Przypuśćmy, że jednocześnie jest v = u1 + u2 dla pewnych u1 ∈ V1 i u2 ∈ V2 . Wtedy
v1 + v2 = u1 + u2 i dlatego v1 − u1 = u2 − v2 . Ponieważ v1 − u1 ∈ V1 i u2 − v2 ∈ V2 ,
więc v1 − u1 = u2 − v2 ∈ V1 ∩ V2 = {0}. Stąd u1 = v1 i u2 = v2 , co dowodzi, że
rozkład v1 + v2 wektora v jest jednoznaczny.
Załóżmy teraz, że dla każdego wektora v ∈ V istnieją jednoznacznie wyznaczone
wektory v1 ∈ V1 i v2 ∈ V2 takie, że v = v1 + v2 . Wtedy V = V1 + V2 i pozostaje
pokazać, że V1 ∩ V2 = {0}. W tym celu weźmy dowolny wektor u ze zbioru V1 ∩ V2 .
Ponieważ u = u + 0 = 0 + u ∈ V1 + V2 , więc wobec jednoznaczności rozkładu mamy
u = 0 i to dowodzi, że V1 ∩ V2 = {0}.
Przykład 167. Weźmy pod uwagę podprzestrzenie V1 = {(x, y, z) ∈ R3 : x + y +

z = 0} i V2 = L (1, 2, 3) przestrzeni R3 . Ponieważ V1 = {(x, y, −x − y) ∈ R3 :

x, y ∈ R} = L (1, 0, −1), (0, 1, −1) i wektory (1, 0, −1), (0, 1, −1) oraz (1, 2, 3) są

liniowo niezależne, więc V1 + V2 = L (1, 0, −1), (0, 1, −1), (1, 2, 3) jest całą przestrze-
nią R3 . Dodatkowo, V1 ∩ V2 = {0}, bo dim(V1 ∩ V2 ) = dim V1 + dim V2 − dim(V1 +
V2 ) = 2 + 1 − 3 = 0. Zatem przestrzeń R3 jest sumą prostą podprzestrzeni V1 i V2 ,
R3 = V1 ⊕ V2 . Wobec twierdzenia 7.8.4 (c) każdy wektor v ∈ R3 można w jeden
i tylko w jeden sposób przedstawić w postaci sumy wektorów v1 ∈ V1 i v2 ∈ V2 .
Przykładowo, aby znaleźć stosowny rozkład wektora v = (7,3, 2) warto poznać jego
współrzędne względem bazy B = (1, 0, −1), (0, 1, −1), (1, 2, 3) . Rozwiązując równanie
x(1, 0, −1) + y(0, 1, −1) + z(1,
2, 3) = (7, 3, 2), stwierdzamy, że [v]B = (5, −1, 2). Zatem
v = 5(1, 0, −1)−(0, 1, −1) +2(1, 2, 3) = (5, −1, −4)+(2, 4, 6) i v1 = (5, −1, −4) ∈ V1 ,
v2 = (2, 4, 6) ∈ V2 .
Geometrycznie v1 jest wektorem wodzącym punktu przecięcia się płaszczyzny x +
y + z = 0 z prostą przechodzącą przez punkt (7, 3, 2) i równoległą do wektora (1, 2, 3),
tj. z prostą (x, y, z) = (7, 3, 2) + t(1, 2, 3). Zaś v2 jest wektorem wodzącym punktu
przecięcia się prostej L (1, 2, 3) z płaszczyzną x + y + z − 12 = 0, tj. z płaszczyzną
przechodzącą przez punkt (7, 3, 2) i równoległą do płaszczyzny x + y = z = 0 (zob. rys.
7.17).
Przykład 168. Sumą podprzestrzeni

V1 = L (1, −1, 0), (1, 0, −1) i V2 = L (2, 1, 0), (3, 0, 1)
jest przestrzeń

V1 + V2 = L (1, −1, 0), (1, 0, −1), (2, 1, 0), (3, 0, 1) .
Ponieważ (dowolne) trzy spośród wektorów (1, −1, 0), (1, 0, −1), (2, 1, 0), (3, 0, 1) są
liniowo niezależne w przestrzeni R3 , więc suma V1 + V2 jest całą przestrzenią R3 .
Jednakże, ponieważ V1 ∩V2 6= {0} (bo dim(V1 ∩V2 ) = dim V1 +dim V2 −dim(V1 +V2 ) =
1), więc przestrzeń R3 nie jest sumą prostą podprzestrzeni V1 i V2 .
Geometrycznie V1 i V2 są płaszczyznami przechodzącymi przez początek układu
współrzędnych, a V1 + V2 jest podprzestrzenią zawierającą obie te płaszczyzny, więc
V1 +V2 = R3 . Podprzestrzeń V1 ∩V2 jest prostą wzdłuż której przecinają się płaszczyzny

V1 i V2 (zob. rys. 7.18) i – jak łatwo zauważyć – mamy V1 ∩ V2 = L (1, −4, 3) .
V2
v
v1 v
v2
O
v10
V1
V1
* v1 v20
v2
V2
Rys. 7.17 Rys. 7.18. v = v1 + v2 = v10 + v20
Pojęcie sumy i sumy prostej dwóch podprzestrzeni łatwo uogólnia się na

dowolną (skończoną) liczbę podprzestrzeni: jeśli V1 , V2 , . . . , Vn są podprzestrze-
niami przestrzeni V , to zbiór
V1 + V2 + . . . + Vn = {v1 + v2 + . . . + vn : vi ∈ Vi dla i = 1, . . . , n}
nazywamy sumą podprzestrzeni V1 , V2 , . . . , Vn . Dodatkowo, jeśli V = V1 + V2 +

. . . + Vn i Vi ∩ Vj = {0}, gdy i, j = 1, . . . , n, i 6= j, to mówimy, że przestrzeń
V jest sumą prostą podprzestrzeni V1 , V2 , . . . , Vn i piszemy V = V1 ⊕V2 ⊕. . .⊕Vn .
Następujące twierdzenie jest łatwym uogólnieniem twierdzenia 7.8.4 dla sumy

n podprzestrzeni.
Twierdzenie 7.8.5. Jeśli V1 , V2 , . . . , Vn (n 2) są skończenie wymiarowymi

podprzestrzeniami przestrzeni wektorowej V , to następujące warunki są równo-
ważne:
(a) V = V1 ⊕ V2 ⊕ . . . ⊕ Vn , tj. V = V1 + . . . + Vn i (V1 + . . . + Vj ) ∩ Vj+1 = {0}
dla j = 1, . . . , n − 1;
(b) V = V1 + . . . + Vn i dim V = dim V1 + . . . + dim Vn ;
(c) każdy wektor v ∈ V można w jeden i tylko w jeden sposób przedstawić
w postaci sumy v = v1 + v2 + . . . + vn , gdzie vi ∈ Vi dla i = 1, . . . , n.
7.9. Ćwiczenia 155
7.9. Ćwiczenia
1. Dla wektorów x = (x1 , . . . , xn ) i y = (y1 , . . . , yn ) ze (i) zbiór funkcji RR ze zwykłym mnożeniem funkcji
zbioru Rn i skalara α ∈ R, sumę wektorów i iloczyn przez skalary, ale z dodawaniem określonym wzorem
wektora przez skalar definiujemy wzorami:
(f ⊕ g)(x) = max{f (x), g(x)}.
x + y = (x1 + y1 , . . . , xn + yn );
αx = (αx1 , . . . , αxn ). 5. W zbiorze R3×1 określono dodawanie wektorów
i mnożenie wekorów przez skalary w taki sposób, że
Pokazać, że Rn z tak określonymi działaniami jest
przestrzenią wektorową. " # " # " #
x x0 x + x0 − 1
2. Pokazać, że zbiór K[x] wielomianów nad ciałem K y + y0 = y + y0
z dodawaniem wielomianów i mnożeniem wielomia- z z0 z + z0
nów przez skalary jest przestrzenią wektorową.
3. Niech RR będzie zbiorem wszystkich funkcji odwzoro- i " # " #
wujących zbiór R w zbiór R. Dla f, g ∈ RR i α ∈ R, x rx − r + 1
suma f + g oraz iloczyn αf są funkcjami takimi, że r y = ry .
z rz
(f + g)(x) = f (x) + g(x) oraz (αf )(x) = αf (x) (a) Pokazać, że R3×1 z tak określonymi działaniami
jest przestrzenią wektorową nad ciałem R.
dla każdego x ∈ R. Pokazać, że RR z tak określonymi
(b) Sprawdzić, czy zbiór
działaniami jest przestrzenią wektorową.
(" # )
4. Sprawdzić, czy niżej podane zbiory ze wskazanymi x
działaniami są przestrzeniami wektorowymi nad cia- S= y ∈ R3×1 : x + y + z = 1
łem R: z
(a) R2 ze zwykłym mnożeniem wektorów przez ska-
lary i z dodawaniem określonym wzorem jest podprzestrzenią przestrzeni R3×1 z wyżej okre-
ślonymi działaniami.
(x, y) ⊕ (x0 , y 0 ) = (x + x0 , y + 2y 0 );
6. Niech (V, R, +, ·) będzie przestrzenią wektorową nad
ciałem R i niech p będzie ustalonym wektorem z prze-
(b) R2 ze zwykłym mnożeniem wektorów przez skala-
strzeni V . Określamy nowe działanie dodawania ⊕
ry i z dodawaniem określonym wzorem
i nowe mnożenie ⊗ wektorów przez skalary przyjmu-
(x, y) ⊕ (x0 , y 0 ) = (x − x0 , y − y 0 ); jąc, że
(c) R2 ze zwykłym mnożeniem wektorów przez skala- x⊕y = x+y+p i α ⊗ x = αx + (α − 1)p

ry i z dodawaniem określonym wzorem
dla każdych wektorów x, y ∈ V i każdego skalara
0 0
(x, y) ⊕ (x , y ) = (0, 0); α ∈ R. Pokazać, że system algebraiczny (V, R, ⊕, ⊗)
jest przestrzenią wektorową.
(d) R2 ze zwykłym mnożeniem wektorów przez ska- 7. Sprawdzić, który ze zbiorów jest podprzestrzenią da-
lary i z dodawaniem określonym wzorem nej przestrzeni wektorowej:

(x, y) ⊕ (x, y) = (x3 + x3 )1/3 , (y 3 + y 3 )1/3 ; (a) {(x, −x) : x ∈ R} w R2 ;
(b) {(x, x − 1) : x ∈ R} w R2 ;
(e) R2 ze zwykłym dodawaniem, ale z mnożeniem
przez skalary określonym wzorem (c) {(x, y) ∈ R2 : x, y 0} w R2 ;
(d) {(x, y) ∈ R2 : xy 0} w R2 ;
r (x, y) = (ry, rx);
(e) {(x, y, z) ∈ R3 : x + y + z = 0} w R3 ;
2
(f ) R ze zwykłym dodawaniem, ale z mnożeniem
(f ) {(x, y, z) ∈ R3 : y = x, y = 1} w R3 ;
przez skalary określonym wzorem
(g) {(x, y, z, t) ∈ R4 : xy = 0} w R4 ;
r (x, y) = (rx, r 2 y);
(h) {x ∈ Rn : xa = 0} w Rn , gdzie a ∈ Rn ;
(g) R+ = {x ∈ R : x > 0} z dodawaniem ⊕ i mnoże- (i) {(x1 , . . . , xn ) ∈ Rn : |x1 | = . . . = |xn |} w Rn ;
niem , gdzie
(j) {(xn ) ∈ RN : ciąg (xn ) jest zbieżny} w RN ;
r
x ⊕ y = xy i rx = x (k) {(xn ) ∈ RN : ciąg (xn ) jest rosnący} w RN ;
dla x, y ∈ R+ i r ∈ R; (l) {A ∈ Rn×n : A jest odwracalna} w Rn×n ;
(h) zbiór macierzy R2×2 ze zwykłym mnożeniem ma- (m) {f ∈ RR : f jest funkcją nieparzystą} w RR ;
cierzy przez skalary, ale z dodawaniem określonym
(n) {f ∈ RR : f (0) = 1} w RR ;
wzorem
A⊕B = 0 (o) {f ∈ RR : f jest różniczkowalna na R} w RR ;
dla każdych A, B ∈ R2×2 ; (p) {f ∈ RR : f 00 + f = 0} w RR .
8. Sprawdzić, czy wektor x jest kombinacją liniową wek- 18. Pokazać, że jeśli x1 , . . . , xn są wektorami w przestrze-
torów xi w danej przestrzeni wektorowej: ni V , to wektory x1 − x2 , x2 − x3 , . . . , xn−1 − xn , xn −
(a) x = (1, 2), x1 = (3, 1), x2 = (1, 3) w R2 ; x1 są liniowo zależne.
19. Wykazać, że wektory x1 , . . . , xn są liniowo niezależne
(b) x = (1, 2, 1), x1 = (1, 1, 1), x2 = (1, 1, 2), x3 =
w przestrzeni V wtedy i tylko wtedy, gdy wektory
(0, 1, 1) w R3 ;
x1 , x1 +x2 , . . . , x1 +x2 +. . .+xn są liniowo niezależne
(c) x = t2 + 3t, x1 = t3 + 3t, x2 = t2 + t i x3 = t2 w w V.
R3 [t]; 20. Uzasadnić, że wektory (1, α, α2 ), (1, β, β 2 ), (1, γ, γ 2 )
1 0 1 0 są liniowo niezależne, gdy α, β i γ są różnymi liczbami
(d) x = I2 , x1 = , x2 = w R2×2 .
1 2 2 3 rzeczywistymi.
9. Dane są funkcje f (x) = 0, g(x) = 1, h(x) = sin x, 21. Dobrać liczbę m tak, aby wektory (1, 2, 3, 1),
k(x) = 1 + x i l(x) = cos 2x z przestrzeni RR . Która (0, 3, 1, 2), (1, 0, 3, 4) i (2, 5, 0, m) były liniowo zależne
z nich należy do podprzestrzeni L(cos2 x, sin2 x)? w R4 .
10. Pokazać, że jeśli b ∈ L(a1 , . . . , an ) i {a1 , . . . , an } ⊆ 22. Wskazać te parametry t, dla których wektory
L(x1 , . . . , xk ), to b ∈ L(x1 , . . . , xk ). (1, −1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 1) i (t, 1, 1, 2t) są linio-
wo niezależne.
11. Pokazać, że L(x1 , . . . , xn , y) = L(x1 , . . . , xn ) wtedy
23. Czy istnieje taka liczba m, że wektory (1, 0, 1),
i tylko wtedy, gdy y ∈ L(x1 , . . . , xn ).
(2, m, 3) i (1, −m, 0) są liniowo niezależne?
12. Wykazać, że S ⊆ L(S) i L(S) = L L(S) dla każ- 24. Sprawdzić, czy dany układ wektorów jest bazą prze-
dego zbioru wektorów S z przestrzeni wektorowej. strzeni:
13. Sprawdzić następujące równości:
(a) (1, 1), (2, 3) w R2 ;
(a) L(x, y) = L(x + y, x − y);
(b) (j, j), (0, j) w C 2 ;
(b) L(x, y, z) = L(x, x + y, x + y + z);
(c) (2, 3, 0), (3, 2, 1) w L (6, 4, 2), (−2, 2, −2) ;
(c) L(x, y, z) = L(x + y, y + z, x + z);
(d) x + 1, x2 − 1, (x + 1) w R2 [x].
2
(d) L (1, 2, 1), (4, 1, 2) = L (2, 3, 0), (3, 1, 1) ; 25. Znaleźć takie wektory v i u, aby układ (a, b, v, u)
był bazą przestrzeni R4 , gdy a = (1, 1, 0, 0) i b =
(e) L(t2 + 1, t2 − 1, t2 + t) = L(t, t2 + 1);
(1, 0, 1, 0).
(f ) {x ∈ R4 : xa = 0, xb = 0} = L (1, 0, 1, 0), 26. Znaleźć bazę i wymiar przestrzeni generowanej przez

(2, 1, 0, 1) , gdzie a = (1, 1, −2, −3) i b = wektory:
(3, −2, 0, −4). (a) a1 = (1, 3, 2), a2 = (2, 2, −1), a3 = (1, 7, 7);
14. Zbadać liniową niezależność podanych wektorów xi
w danej przestrzeni wektorowej: (b) b1 = (1, 0, 1, −1), b2 = (2, 1, 1, 0), b3 =
(1, 1, 1, 1), b4 = (1, 2, 3, 4), b5 = (0, 1, 2, 3).
(a) x1 = (1, 3), x2 = (−2, −6) w R ; 2
27. Niech W1 i W2 będą podprzestrzeniami przestrzeni
(b) x1 = (1, 3), x2 = (2, −6) w R2 ; wektorowej V . Wykazać, że W1 ∩ W2 i W1 + W2 =
(c) x1 = (−1, 2, 1), x2 = (2, −4, 3) w R3 ; {x + y : x ∈ W1 i y ∈ W2 } są podprzestrzeniami
przestrzeni V . Pokazać, że W1 ∪W2 jest podprzestrze-
(d) x1 = (1, 3, 2), x2 = (2, 5, 3), x3 = (4, 0, 1)
nia przestrzeni V wtedy i tylko wtedy, gdy W1 ⊆ W2
w R3 ;
lub W2 ⊆ W1 .
(e) x1 = (−2, 3, 1), x2 = (3, −1, 2), x3 = (1, 2, 3), 28. Niech x1 , . . . , xm oraz y1 , . . . , yn będą wekto-
x4 = (1, 1, 1) w R3 ; rami z przestrzeni wektorowej V . Wykazać, że
(f ) x1 = x2 − 1, x2 = x2 + 1, x3 = x, x4 = 2x + 1 L(x1 , . . . , xm ) + L(y1 , . . . , yn ) = L(x1 , . . . , xm ,
w R[x]; y1 , . . . , yn ).
29. Znaleźć współrzędne wektora v = (1, 1, 1) względem
(g) x1 = 1, x2 = sin2 x, x3 = cos2 x, x4 = cos 2x
baz B = (b1 , b2 , b3 ) i B 0 = (b01 , b02 , b03 ) przestrzeni
w RR .
R3 , gdy b1 = (1, 2, 1), b2 = (2, 3, 3), b3 = (3, 7, 1) i
15. W przestrzeni RR zbadać liniową niezależność
b01 = (3, 1, 4), b02 = (5, 2, 1), b03 = (1, 1, −6).
następujących układów funkcji rzeczywistych:
30. W przestrzeni Rn [x] znaleźć współrzędne wektora
(a) (1, 2 sin2 x, 3 cos2 x); (b) (1, sin x, sin 2x);
f (x) = a0 + a1 x + . . . + an xn względem bazy B =
(c) (1, x2 + 2x, (x + 1)2 ).
1, x − 1, (x − 1)2 , . . . , (x − 1)n .
16. Niech A i B będą niepustymi zbiorami wektorów
31. Znaleźć macierz przejścia P od bazy B do bazy B 0 ,
przestrzeni wektorowej V . Udowodnić, że: (a) jeśli
gdy:
0 ∈ A, to A jest liniowo zależny; (b) jeśli A jest li-
niowo zależny i A ⊆ B, to B też jest liniowo zależny; (a) B = (1, 2, 0), (3, 4, 2), (2, 2, 1) i B 0 =

(c) jeśli B jest liniowo niezależny i A ⊆ B, to A też (1, −1, 2), (3, 1, −1), (4, 0, 2) w R3 ;
jest liniowo niezależny. (b) B = (x3 , x2 , x, 1) i B 0 = (x3 − x2 , x2 − x, x −
17. Niech A będzie liniowo niezależnym zbiorem wek- 1, x3 + 1) w R3 [x].
torów przestrzeni wektorowej V i niech v ∈ V . Po- 32. (a) Wskazać przykład macierzy kwadratowej A ta-
kazać, że zbiór A ∪ {v} jest liniowo zależny wtedy kiej, że A 6= 0 i A2 = 0. (b) Następnie wykazać, że
i tylko wtedy, gdy v ∈ L(A). dla każdej takiej macierzy A jest CA ⊆ NA .
7.9. Ćwiczenia 157
33. Zbadać, czy wektor b należy do podprzestrzeni wier- Czy przestrzeń R3 jest sumą prostą podprzestrzeni
szowej RA macierzy A, gdy V1 i V2 ?
    46. Niech V1 i V2 będą podprzestrzeniami przestrzeni
1 1 1 −2 1 −2
R4 , gdzie V1 = L (1, 1, 1, 1), (1, 2, −1, 0) i V2 =
 1 0 2 4 2  4 
    L (−1, 1, −1, 1), (2, 1, 1, 2) . Wykazać, że R4 = V1 ⊕
A= 1 0 2 5 3 i b= 5 .
 1 0 2 6 4  6  V2 .
1 0 2 6 4 6 47. Znaleźć bazę i wymiar przestrzeni V1 ∩ V2 oraz prze-
strzeni V1 + V2 , gdy:
34. Wyznaczyć bazy przestrzeni kolumnowej CA , wier- (a) V1 = L((1, 2, 0, 1), (1, 1, 1, 0)) i V2 = L((1, 0, 1, 0),
szowej RA i zerowej NA macierzy (1, 3, 1, 3));
" # (b) V1 = L((1, 1, 1, 1), (1, −1, 1, −1), (1, 3, 1, 3)) i V2 =
1 2 1 1 5
A= −2 −4 0 4 −2 . L((1, 2, 0, 2), (1, 2, 1, 2), (3, 1, 3, 1)).
1 2 2 4 9 48. Niech a1 , . . . , a6 będą kolejnymi kolumnami macierzy
 
35. Wyznaczyć rząd macierzy 3 −1 1 1 8 12
   1 −1 −1 1 4 6 
1 1 3 1 2  1 0 1 1 5 8 .
2 3 7 4 8 1 1 3 1 6 10
A= .
2 2 6 1 2
2 3 7 5 10 Wyznaczyć bazy przestrzeni V , U , V +U i V ∩U , gdy
V i U są podprzestrzeniami przestrzeni R4 takimi, że
36. Czy jest możliwe, że dla rzędu macierzy A + B jest V = L(a1 , a2 , a3 ) i U = L(a4 , a5 , a6 ).
r (A + B) = r (A) + r (B)?
x y
37. Niech A będzie macierzą ze zbioru Kn×n . Wykazać, 49. Wykazać, że zbiory V = : x, y ∈ R
−y x
że r(A) r(A2 ). Wskazać przykład macierzy A ∈
R2×2 takiej, że r(A) > r(A2 ). x y
i U = : x, y, z ∈ R są podprzestrzenia-
38. Pokazać, że zbiór macierzy symetrycznych (diago- y z
nalnych) wymiaru n × n jest podprzestrzenią prze- mi przestrzeni R2×2 . Wskazać także bazy i wymiary
strzeni Rn×n . przestrzeni V , U , V ∩ U oraz V + U = {x + y : x ∈
39. Niech A będzie macierzą ze zbioru Rn×n i niech V V i y ∈ U }.
będzie zbiorem macierzy przemiennych z macierzą 50. Niech V1 i V2 będą podprzestrzeniami przestrzeni Rn ,
A, czyli V = {X ∈ Rn×n : AX = XA}. (a) Udo- gdzie V1 = {(x1 , . . . , xn ) ∈ Rn : x1 + . . . + xn = 0}
wodnić, że V jest podprzestrzenią w Rn×n . (b) Wy- i V2 = {(x1 , . . . , xn ) ∈ Rn : x1 = . . . = xn }. Wykazać,
kazać, że zbiór U = {a0 In + a1 A + . . . + am Am : m ∈ że Rn = V1 ⊕ V2 .
N, a0 , . . . , am ∈ R} jest podprzestrzenią w Rn×n . 51. Pokazać, że przestrzeń wektorowa Rn [x] (n 1) jest
(c) Wykazać, że U ⊆ V . (d) Wyznaczyć
bazy prze- sumą prostą podprzestrzeni V1 = {ϕ(x) ∈ Rn [x] :
1 0 ϕ(−x) = −ϕ(x) dla każdego x ∈ R} i V2 = {ϕ(x) ∈
strzeni V i U , gdy A = . (Uwzględnić, że
1 1 Rn [x] : ϕ(−x) = ϕ(x) dla każdego x ∈ R}.
A2 = 2A − I). 52. Wykazać, że dla każdej podprzestrzeni V1 skończenie
40. Znaleźć bazę przestrzeni
macierzy przemiennych wymiarowej przestrzeni V istnieje podprzestrzeń V2
1 2 taka, że V = V1 ⊕ V2 .
z macierzą A = .
−1 1 53. Pokazać, że n-wymiarowa przestrzeń wektorowa V
41. Niech S i T będą niepustymi zbiorami wektorów jest sumą prostą n podprzestrzeni, gdy n 2.
z przestrzeni wektorowej V . Udowodnić, że
54. Niech (a1 , . . . , am ) i (b1 , . . . , bn ) będą odpowiednio
L(S ∪ T ) = L(S) + L(T ). bazami podprzestrzeni V1 i V2 przestrzeni wektorowej
V . Udowodnić, że przestrzeń V1 + V2 jest sumą pro-
42. Pokazać, że przestrzeń
R2 jest sumą prostą podprze- stą podprzestrzeni V1 i V2 wtedy i tylko wtedy, gdy
strzeni L (1, 2) i L (1, 3) . (a1 , . . . , am , b1 , . . . , bn ) jest bazą przestrzeni V1 + V2 .

43. Pokazać, że przestrzeń L (1, 2, 3) + L (1, 2, 0) 55. Udowodnić twierdzenie 7.8.5.

jest sumą prostą podprzestrzeni L (1, 2, 3) 56. Wpisując TAK albo NIE, stwierdzić prawdziwość

i L (1, 2, 0) . Czy przestrzeń R3 jest sumą prostą każdego z następujących zdań:

podprzestrzeni L (1, 2, 3) i L (1, 2, 0) ? 1 Zbiór składający się z wektora zerowego
44. Niech V1 i V2 będą podprzestrzeniami w R3 , gdzie przestrzeni V jest podprzestrzenią przestrzeni
V1 = {(x, y, z) ∈ R3 : x + y + z = 0} i V2 = wektorowej V .
{(x, y, z) ∈ R3 : x + y − z = 0}. Wykazać, że 2 Każda przestrzeń wektorowa ma co najmniej
V1 + V 2 = R 3 . dwie różne podprzestrzenie.
45. Wyznaczyć część wspólną (przekrój) V1 ∩ V2 i sumę 3 Każda przestrzeń wektorowa, w której jest
V1 + V2 podprzestrzeni V1 = L (1, 2, −1), (1, 0, 2), niezerowy wektor, ma co najmniej dwie różne

(1, −4, 8) i V2 = L (1, 0, 0), (0, 0, 1) przestrzeni R3 . podprzestrzenie.
4 Jeśli S i T są zbiorami wektorów z przestrzeni

wektorowej V , to zawsze L(S ∩ T ) ⊆ L(S) ∩ L(T ).
5 Jeśli {v1 , v2 , . . . , vn } jest podzbiorem prze-
strzeni wektorowej, to vi ∈ L(v1 , . . . , vn ) dla każdego
i ∈ {1, . . . , n}.
6 Jeśli {v1 , v2 , . . . , vn } jest podzbiorem prze-
strzeni wektorowej, to vi + vj ∈ L(v1 , . . . , vn ) dla
każdych i, j ∈ {1, . . . , n}.
7 Jeśli v + u należy do podprzestrzeni W
przestrzeni V , to v i u należą do W .
8 Część wspólna dwóch podprzestrzeni prze-
strzeni wektorowej V może być zbiorem pustym.
9 Każda prosta w R2 jest podprzestrzenią
przestrzeni R2 generowaną przez jeden wektor.
10 Każda prosta przechodząca przez początek
układu w R2 jest podprzestrzenią przestrzeni R2
generowaną przez jeden wektor.
11 Każdy zbiór generujący przestrzeń wektorową
R2 zawiera co najwyżej dwa wektory.
12 Przestrzeń R2 jest podprzestrzenią przestrzeni
3
R .
13 Jeśli wiersze macierzy kwadratowej A są
liniowo zależne, to det A = 0.
14 Czy układ wektorów B = ((0, 1, 0, 1),
(1, 1, 1, 1)) jest bazą przestrzeni W = {(x, y, z, t) ∈
R4 : x = z i y = t}?
15 Jeśli wektory a, b i c są liniowo niezależne
w przestrzeni wektorowej V , to podprzestrzenie
L(a, b) i L(b, c) są izomorficzne.
16 Jeśli A jest macierzą kwadratową i A4 = 0, to
A jest macierzą nieosobliwą.
17 Jeśli A jest rzeczywistą macierzą kwadratową
i A2 = 8A−1 , to det A = 2.
18 Jeśli A jest macierzą kwadratową i A3 −A = 0,
to det A = 0.
19 Jeśli A jest macierzą kwadratową stopnia n
i AT = 4A−1 , to det A = 2n lub det A = −2n .
Rozdział 8
PRZEKSZTAŁCENIA LINIOWE
8.1. Definicja przekształcenia liniowego
Definicja 8.1.1. Niech V i W będą przestrzeniami wektorowymi nad tym sa-

mym ciałem K. Funkcję T : V → W nazywamy przekształceniem (odwzorowa-
niem lub homomorfizmem) liniowym przestrzeni V w przestrzeń W , jeżeli dla Przekształcenie liniowe
każdych wektorów x, y ∈ V i każdego skalara α ∈ K spełnione są warunki:
(a) T (x + y) = T (x) + T (y), (addytywność przekształcenia)

(b) T (αx) = αT (x). (jednorodność przekształcenia)
Przekształcenie liniowe T : V → V (przestrzeni V w przestrzeń V ) nazywa

się operatorem liniowym na przestrzeni V lub endomorfizmem przestrzeni V . Operator liniowy
Zbiór wszystkich przekształceń liniowych przestrzeni V w przestrzeń W ozna-
czać będziemy symbolem L(V, W ), a zbiór wszystkich operatorów na przestrzeni L(V, W )
V – symbolem L(V ). L(V ) = L(V, V )
Własność (a) przekształcenia liniowego T powiada, że wektor T (x+y), który

otrzymujemy dodając x i y w przestrzeni V i następnie wyznaczając obraz sumy
x + y poprzez przekształcenie T , jest identyczny z wektorem, jaki otrzymamy
wyznaczając najpierw obrazy wektorów x i y poprzez przekształcenie T i następ-
nie dodając T (x) i T (y) w przestrzeni W . Własność (b) gwarantuje, że wektor
T (αx), obraz iloczynu wektora x przez skalar α, jest taki sam jak iloczyn αT (x)
obrazu T (x) (wektora x) i skalara α, zob. rys. 8.1 i 8.2.
T
q
z T (y)
y O

x+y
z T (x+y)=T (x)+T (y)
k
-
x z
V W T (x)
Rys. 8.1. Przekształcenie liniowe zachowuje dodawanie wektorów

T
q
V W
αx
x
s T (αx)=αT (x)
j
0
j T (x)
0
Rys. 8.2. Przekształcenie liniowe zachowuje współliniowość wektorów

160 8. Przekształcenia liniowe
Z własności (a) i (b) przekształcenia liniowego łatwo wynika, że jeśli V i W

są przestrzeniami wektorowymi nad ciałem K, to funkcja T : V → W jest prze-
kształceniem liniowym wtedy i tylko wtedy, gdy spełniony jest jeden z następu-
jących trzech warunków:
(c) Dla każdych wektorów x, y ∈ V i każdego skalara α ∈ K jest
T (x + αy) = T (x) + αT (y). (8.1)
(d) Dla każdych wektorów x, y ∈ V i każdych skalarów α, β ∈ K jest

Przekształcenie liniowe za-
chowuje kombinacje liniowe T (αx + βy) = αT (x) + βT (y); (8.2)
dwóch wektorów
(e) Dla każdych wektorów x1 , . . . , xn ∈ V i skalarów α1 , . . . , αn ∈ K jest
Przekształcenie liniowe za-
X
n Xn
chowuje kombinacje liniowe
T α i xi = αi T (xi ). (8.3)
skończonej liczby wektorów
i=1 i=1
Z powyższych własności oraz z twierdzenia 7.1.1 wynikają następujące ważne

i naturalne własności przekształcenia liniowego.
(f ) Jeśli T : V → W jest przekształceniem liniowym, to

Przekształcenie liniowe
przekształca wektor zerowy T (0) = 0 (8.4)
w wektor zerowy
i
T (x − y) = T (x) − T (y) (8.5)
dla każdych dwóch wektorów x, y ∈ V .1
Przykład 169. Jeśli A jest macierzą wymiaru m × n i jej elementy należą do

ciała K, to symbolem TA oznaczać będziemy odwzorowanie TA : K n → K m
takie, że
TA (x) = A·x (8.6)
dla każdego x ∈ K n . Twierdzimy, że TA jest przekształceniem liniowym (prze-
strzeni wektorowej K n w przestrzeń wektorową K m ).
Z własności iloczynu macierzy mamy
TA (x + y) = A(x + y) = Ax + Ay = TA (x) + TA (y)
i
TA (αx) = A(αx) = α(Ax) = αTA (x)
dla każdych x, y ∈ K i α ∈ K. To dowodzi, że funkcja TA określona wzorem (8.6)
n
jest przekształceniem liniowym.
Przykład 170. Dana jest funkcja T : R2 → R2 , gdzie
T (x1 , x2 ) = (x1 + 2x2 , 3x1 − x2 )
dla (x1 , x2 ) ∈ R2 . Niech P będzie prostokątem o wierzchołkach w punktach

A(0, 0), B(1, 0), C(1, 2) i D(0, 2). Wykazać liniowość przekształcenia T i wyzna-
czyć obraz T (P ) prostokąta P poprzez przekształcenie T .
1 Własność (8.4) wynika z (b) i z tw. 7.1.1, bo mamy T (0) = T (0x) = 0T (x) = 0.
Własność (8.5) wynika z (8.1) i tw. 7.1.1, bo T (x − y) = T (x + (−1)y) = T (x) + (−1)T (y)
= T (x) − T (y).
8.1. Definicja przekształcenia liniowego 161
Dla wektorów x = (x1 , x2 ) i y = (y1 , y2 ) z przestrzeni R2 i skalarów α, β ∈ R mamy
T (αx + βy) = T (αx1 + βy1 , αx2 + βy2 )

= (αx1 + βy1 ) + 2(αx2 + βy2 ), 3(αx1 + βy1 ) − (αx2 + βy2 )

= α(x1 + 2x2 ) + β(y1 + 2y2 ), α(3x1 − x2 ) + β(3y1 − y2 )

= α(x1 + 2x2 ), α(3x1 − x2 ) + β(y1 + 2y2 ), β(3y1 − y2 )
= α(x1 + 2x2 , 3x1 − x2 ) + β(y1 + 2y2 , 3y1 − y2 )
= αT (x) + βT (y),
więc T jest przekształceniem liniowym. Do tego samego stwierdzenia dochodzimy ko-

rzystając z poprzedniego przykładu i obserwując, że T (x) jest iloczynem pewnej ma-
cierzy A ∈ R2×2 i wektora x = (x1 , x2 ). Istotnie, mamy
T (x1 , x2 ) = (x1 + 2x2 , 3x1 − x2 ) = (x1 , 3x1 ) + (2x2 , −x2 )

1 2 1 2 x1
= x1 + x2 = ,
3 −1 3 −1 x2

1 2
czyli T (x) = TA (x) = Ax, gdzie A = .
3 −1
−→
Zauważmy, że czworokąt P jest równoległobokiem zbudowanym na wektorach AB
−−→
= (1, 0) i AD = (0, 2), czyli P = {α(1, 0) + β(0, 2) : 0 ¬ α, β ¬ 1}, a jego obrazem
jest zbiór

T (P ) = {T (x) : x ∈ P } = {T α(1, 0) + β(0, 2) : 0 ¬ α, β ¬ 1}
= {αT (1, 0) + βT (0, 2) : 0 ¬ α, β ¬ 1}
= {α(1, 3) + β(4, −2) : 0 ¬ α, β ¬ 1}
i jest to równoległobok zbudowany na wektorach (1, 3) = T (1, 0) i (4, −2) = T (0, 2),
zob. rys. 8.3. Warto zauważyć, że pole równoległoboku T (P ) jest iloczynem pola rów-
noległoboku P i wartości bezwzględnej wyznacznika macierzy A,
|T (P )| = 14 = 7·2 = | det A|·|P |.
T (B)
T
D C
q
T (C)
P
T (P )
A B 0
T (D)
Rys. 8.3
Przykład 171. Sprawdzić, czy przekształcenie Ti : R3 → R3 jest liniowe, gdy:

(a) T1 (x1 , x2 , x3 ) = (x1 , 2x2 − x3 , x1 − 3x2 + 1);
(b) T2 (x1 , x2 , x3 ) = (x2 + x3 , x1 x2 , 6x3 );
(c) T3 (x1 , x2 , x3 ) = (−x1 , x1 + x22 , x1 − x3 ).
(a) Zauważmy, że T1 (0) = T1 (0, 0, 0) = (0, 0, 1) 6= (0, 0, 0) = 0, więc z (8.4) wynika, że

T1 nie jest przekształceniem liniowym.
(b) Jeśli x = (x1 , x2 , x3 ) i y = (y1 , y2 , y3 ) są wektorami z przestrzeni R3 , to mamy
T2 (x + y) = T2 (x1 + y1 , x2 + y2 , x3 + y3 )

= (x2 + y2 ) + (x3 + y3 ), (x1 + y1 )(x2 + y2 ), 6(x3 + y3 )
= (x2 + x3 , x1 x2 , 6x3 ) + (y2 + y3 , y1 y2 , 6y3 ) + (0, x1 y2 + x2 y1 , 0)
= T2 (x) + T2 (y) + (0, x1 y2 + x2 y1 , 0)
6= T2 (x) + T2 (y) (gdy x1 y2 + x2 y1 6= 0)
i stąd wynika, że T2 nie jest przekształceniem liniowym.

(c) Jeśli x = (x1 , x2 , x3 ) jest wektorem z przestrzeni R3 i α jest liczbą rzeczywistą,
to
T3 (αx) = T3 (αx1 , αx2 , αx3 ) = (−αx1 , αx1 + α2 x22 , αx1 − αx3 )
= α(−x1 , x1 + αx22 , x1 − x3 )
6= α(−x1 , x1 + x22 , x1 − x3 ) (gdy α 6= 1 i x2 6= 0)
= α T3 (x),
więc także T3 nie jest przekształceniem liniowym.
Przykład 172. Niech C(R) i C 0 (R) będą odpowiednio przestrzenią ciągłych

funkcji rzeczywistych i przestrzenią funkcji mających ciągłą pochodną na całym
zbiorze R. Odwzorowanie T : C 0 (R) → C(R) takie, że T (f ) = f 0 , gdzie f 0 jest
pochodną funkcji f , jest przekształceniem liniowym przestrzeni C 0 (R) w prze-
strzeń C(R).
Istotnie, z elementarnych własności pochodnej mamy
T (f + g) = (f + g)0 = f 0 + g 0 = T (f ) + T (g)
i
T (αf ) = (αf )0 = αf 0 = αT (f )
dla każdych funkcji f, g ∈ C 0 (R) i każdej liczby α ∈ R. To dowodzi, że tu rozważana
funkcja T jest przekształceniem liniowym.
Ważnymi przykładami przekształceń są przekształcenie zerowe i przekształ-

cenie tożsamościowe.
Definicja 8.1.2. Jeśli V i W są przestrzeniami wektorowymi (nad tym samym
ciałem), to przekształceniem zerowym przestrzeni V w przestrzeń W nazywamy
funkcję 0 : V → W taką, że
Przekształcenie zerowe 0(x) = 0 (8.7)
dla każdego x ∈ V. Natomiast przekształceniem tożsamościowym (lub przekształ-
ceniem identycznościowym) przestrzeni V nazywamy funkcję IV : V → V taką,
że
Przekształcenie tożsa-
mościowe
IV (x) = x (8.8)
dla każdego x ∈ V.
Łatwo pokazuje się, że przekształcenie zerowe oraz przekształcenie tożsamo-
ściowe są przekształceniami liniowymi.
W pierwszym twierdzeniu tego rozdziału pokazujemy, że każde przekształce-

nie liniowe T : V → W jest jednoznacznie wyznaczone przez swoje wartości na
wektorach bazy przestrzeni V . Praktycznie oznacza to, że jeśli (b1 , . . . , bn ) jest
bazą przestrzeni V i jeśli znamy wektory T (b1 ), . . . , T (bn ), to możemy wyzna-
czyć wartość T (x) przekształcenia T dla każdego wektora x z przestrzeni V .
8.1. Definicja przekształcenia liniowego 163
Twierdzenie 8.1.1. Niech V i W będą przestrzeniami wektorowymi nad ciałem

K. Jeśli (b1 , . . . , bn ) jest bazą przestrzeni V , a c1 , . . . , cn są dowolnymi wek-
torami przestrzeni W , to istnieje dokładnie jedno takie przekształcenie liniowe
T : V → W , że T (bi ) = ci dla i = 1, . . . , n.
Dowód. Niech x będzie dowolnym wektorem z przestrzeni V . Ponieważ (b1 , . . . , bn )
jest bazą przestrzeni V , więc istnieją jednoznacznie wyznaczone skalary x1 , . . . , xn ∈ K
takie, że x = x1 b1 + . . . + xn bn . Definiujemy przekształcenie T : V → W , przyjmując,
że
T (x) = T (x1 b1 + . . . + xn bn ) = x1 c1 + . . . + xn cn . (8.9)
Tak określone przekształcenie T odwzorowuje przestrzeń V w przestrzeń W i obrazem
każdego wektora bi poprzez T jest wektor ci , bo wobec (8.9) mamy
T (bi ) = T (0b1 + . . . + 1bi + . . . + 0bn ) = 0c1 + . . . + 1ci + . . . + 0cn = ci .
Dodatkowo, jest to przekształcenie liniowe, bo znowu z (8.9) dla każdych wektorów

x = x1 b1 + . . . + xn bn i y = y1 b1 + . . . + yn bn z przestrzeni V oraz skalarów α, β
z ciała K mamy

T (αx + βy) = T (αx1 + βy1 )b1 + . . . + (αxn + βyn )bn
= (αx1 + βy1 )c1 + . . . + (αxn + βyn )cn
= α(x1 c1 + . . . + xn cn ) + β(y1 c1 + . . . + yn cn )
= αT (x) + βT (y).
W końcu, dla dowodu jedyności T , przypuśćmy, że U : V → W jest przekształceniem

liniowym takim, że U (bi ) = ci dla i = 1, . . . , n. Wystarczy teraz udowodnić, że U = T .
Ponieważ dla każdego wektora x = x1 b1 + . . . + xn bn z przestrzeni V mamy
U (x) = U (x1 b1 + . . . + xn bn )
= x1 U (b1 ) + . . . + xn U (bn ) (z liniowości U )
= x1 T (b1 ) + . . . + xn T (bn ) (bo U (bi ) = ci = T (bi ))
= T (x1 b1 + . . . + xn bn ) = T (x), (z liniowości T )
więc U = T i to kończy dowód twierdzenia.
Przykład 173. Wskazać przekształcenie liniowe T : R 3 → R2 , dla którego

        
1 0 0
1 2 1
T  0   = , T  1   = i T  0   = .
−1 3 1
0 0 1
Ponieważ wektory
" # " # " #
1 0 0
0 = e1 , 1 = e2 i 0 = e3
0 0 1
tworzą bazę przestrzeni R3 i dla każdego wektora

" #
x
x= y ∈ R3 jest x = xe1 + ye2 + ze3 ,
z
więc wobec żądanej liniowości przekształcenia T musi być
T (x) = T (xe1 + ye2 + ze3 ) = xT (e1 ) + yT (e2 ) + zT (e3 )

" x #
1 2 1 1 2 1
= x +y +z = y .
−1 3 1 −1 3 1
z
 
x
Przykład 174. Wyznaczyć obraz wektora x =  y  poprzez przekształcenie
z
liniowe T : R3 → R3 takie, że T (bi ) = ci (i = 1, 2, 3), gdzie
" # " # " # " # " # " #
1 1 1 1 1 0
b1 = 1 , b2 = 0 , b3 = −1 , c1 = 0 , c2 = 1 , c3 = 1 .
0 1 1 −1 −1 0

Wyznaczając s z równania b1 b2 b3 s = x, stwierdzamy, że wektor x jest kombi-
nacją liniową wektorów b1 , b2 oraz b3 i jednocześnie zauważamy, że
" #
x
x= y = (x − z)b1 + (−x + y + 2z)b2 + (x − y − z)b3 .
z
Stąd, z liniowości przekształcenia T oraz z równości T (bi ) = ci otrzymujemy obraz

T (x) wektora x,

T (x) = T (x − z)b1 + (−x + y + 2z)b2 + (x − y − z)b3
= (x − z)T (b1 ) + (−x + y + 2z)T (b2 ) + (x − y − z)T (b3 )
= (x − z)c1 + (−x + y + 2z)c2 + (x − y − z)c3
" # " # " #
1 1 0
= (x − z) 0 + (−x + y + 2z) 1 + (x − y − z) 1
−1 −1 0
" # " #" #
y+z 0 1 1 x
= z = 0 0 1 y .
−y − z 0 −1 −1 z
Wniosek 8.1.1. Niech V i W będą przestrzeniami wektorowymi i niech (b1 , b2 ,

. . . , bn ) będzie bazą przestrzeni V . Jeśli U, T : V → W są przekształceniami
liniowymi i U (bi ) = T (bi ) (i = 1, . . . , n), to U = T .
Przykład 175. Niech T : R2 → R3 będzie funkcją taką, że T (x, y) = (x −

y, 0, 3x). Niech U : R2 → R3 będzie przekształceniem liniowym takim, że
U (2, 1) = (1, 0, 6) i U (0, 1) = (−1, 0, 0).

Ponieważ układ wektorów B = (2, 1), (0, 1) jest bazą przestrzeni R2 i prze-
kształcenia liniowe T oraz U przyjmują identyczne wartości na wektorach bazy
B,
U (2, 1) = (1, 0, 6) = T (2, 1) i U (0, 1) = (−1, 0, 0) = T (0, 1),
więc wobec ostatniego wniosku przekształcenia liniowe T oraz U są identyczne,
czyli U = T .
8.2. Jądro i obraz przekształcenia liniowego

Zajmiemy się teraz dwiema ważnymi podprzestrzeniami związanymi z prze-
kształceniem liniowym — jądrem i obrazem przekształcenia liniowego. Zaczyna-
my od pokazania, że obraz (i przeciwobraz) podprzestrzeni poprzez przekształ-
cenie liniowe jest podprzestrzenią.
8.2. Jądro i obraz przekształcenia liniowego 165
Twierdzenie 8.2.1. Niech T : V → W będzie przekształceniem liniowym i niech

V 0 oraz W 0 będą odpowiednio podprzestrzeniami przestrzeni wektorowych V
i W . Wtedy:
V 0 −podprzestrzeń w V
(a) T (V 0 ) = { T (x) : x ∈ V 0 } jest podprzestrzenią przestrzeni W ; T (V 0 )− podprzestrzeń w W
(b) T −1 (W 0 ) = { x ∈ V : T (x) ∈ W 0 } jest podprzestrzenią przestrzeni V . W 0 −podprzestrzeń w W

T −1 (W 0 )−podprzestrzeń w V
Dowód. Zbiór T (V 0 ) jest niepusty, bo 0 ∈ V 0 i 0 = T (0) ∈ T (V 0 ). Weźmy teraz

dowolne wektory y, y0 ∈ T (V 0 ) i skalary α, β ∈ K. Wobec twierdzenia 7.1.3 dla dowodu
części (a) wystarczy pokazać, że αy + βy0 ∈ T (V 0 ), zob. rys. 8.4. Niech x, x0 ∈ V 0 będą
takie, że T (x) = y i T (x0 ) = y0 . Wtedy αx + βx0 ∈ V 0 , bo V 0 jest podprzestrzenią.
Stąd i z liniowości przekształcenia T wynika, że
αy + βy0 = αT (x) + βT (x0 ) = T (αx + βx0 ) ∈ T (V 0 ).

Równie łatwo dowodzi się drugą część twierdzenia. Ponieważ T (0) = 0 ∈ W 0 ,
więc 0 ∈ T −1 (W 0 ) i dlatego zbiór T −1 (W 0 ) jest niepusty. Niech x, x0 ∈ T −1 (W 0 )
i α, β ∈ K. Dla dowodu (b) wystarczy pokazać, że αx + βx0 ∈ T −1 (V 0 ). Ponieważ
x, x0 ∈ T −1 (W 0 ), więc T (x), T (x0 ) ∈ W 0 i dlatego αT (x) + βT (x0 ) ∈ W 0 (bo W 0 jest
podprzestrzenią). Stąd i z liniowości przekształcenia T wynika, że T (αx + βx0 ) ∈ W 0
i dlatego αx + βx0 ∈ T −1 (W 0 ).
W W −T (V 0 )
V Y ?
T
z 0
V0
T (V )
? αy+βy0
y0

x0 M
6 -
0 y
0 -
x
αx+βx0 ∈V 0 ⇒ αy+βy0 =T (αx+βx0 )∈T (V 0 )
Rys. 8.4
Definicja 8.2.1. Niech V i W będą przestrzeniami wektorowymi (nad ciałem

K) i niech T : V → W będzie przekształceniem liniowym. Wtedy zbiór
Im T = T (V ) = { T (x) : x ∈ V } (8.10) Obraz przekształcenia
(będący obrazem zbioru V poprzez przekształcenie T ) nazywamy obrazem prze-

kształcenia T . Natomiast zbiór
Ker T = T −1 ({0}) = { x ∈ V : T (x) = 0}, (8.11) Jądro przekształcenia
czyli przeciwobraz wektora zerowego, nazywamy jądrem (lub przestrzenią zero-

wą) przekształcenia T .
x jT (x)
z
Ker T − jądro
- -
- 0
Im T − obraz
V – dziedzina W – przeciwdziedzina
Rys. 8.5
Wniosek 8.2.1. Jeśli T : V → W jest przekształceniem liniowym, to:

(a) Im T jest podprzestrzenią przestrzeni W ;
(b) Ker T jest podprzestrzenią przestrzeni V .
Dowód. Oba stwierdzenia wynikają z twierdzenia 8.2.1 odpowiednio dla V 0 = V i W 0
= {0}.
Wniosek 8.2.2. Niech B = (b1 , . . . , bn ) będzie bazą przestrzeni wektorowej V
i niech T : V → W będzie przekształceniem liniowym. Wtedy

T L(B) = L T (B) Im T = L T (b1 ), . . . , T (bn ) . (8.12)

Dowód. Mamy B ⊂ V , więc także T (B) ⊂ T (V ) i L T (B) ⊆ L T (V ) . Jednocze-

śnie L T (V ) = T (V ) (bo T (V ) wobec wniosku 8.2.1 jest podprzestrzenią) i dlatego

L T (B) ⊆ T (V ).
Weźmy teraz y ∈ T (V ). Niech wektorPn x ∈ V będzie taki, że y = T (x). Ponieważ
B jest bazą przestrzeni V , więc x = α b (dla pewnych skalarów α1 , . . . , αn )
i=1 i i
i wtedy też z liniowości przekształcenia T mamy
X
n n
X
y = T (x) = T αi bi = αi T (bi ) ∈ L T (B) .
i=1 i=1

Stąd T (V ) ⊆ L T (B) i to kończy dowód równości T (V ) = L T (B) .
Przykład 176. Dane jest przekształcenie liniowe T : R2×2 → R2 [x] takie, że

a b
T = a + (b + c)x + dx2 .
c d
Wyznaczyć obraz i jądro przekształcenia T .

1 0 0 1 0 0 0 0
Bazą przestrzeni R2×2 jest układ , , , , więc wobec
0 0 0 0 1 0 0 1
wniosku 8.2.2 obrazem przekształcenia T jest

1 0 0 1 0 0 0 0
Im T = L T ,T ,T ,T
0 0 0 0 1 0 0 1
= L(1, x, x, x2 ) = L(1, x, x2 ) = R2 [x].
Zauważmy teraz, że

a b a b
∈ Ker T ⇔ T = a + (b + c)x + dx2 ≡ 0
c d c d
⇔ a = 0, b + c = 0 i d = 0.
Stąd otrzymujemy

0 b 0 1
Ker T = : b∈R =L .
−b 0 −1 0
Przykład 177. Wyznaczyć jądro i obraz przekształcenia TA : R5 → R4 , dla

którego  
1 1 1 1 −1
2 1 1 0 1
TA (x) = Ax i A =   1 0 0 1 0 .

3 2 2 −1 2
8.2. Jądro i obraz przekształcenia liniowego 167
Z definicji jądra mamy
Ker TA = { x ∈ R5 : TA (x) = 0 } = { x ∈ R5 : Ax = 0 }.
To oznacza, że Ker TA jest zbiorem rozwiązań jednorodnego układu równań Ax = 0

(i przestrzenią zerową NA macierzy A). Dla macierzy rozszerzonej układu Ax = 0 Ker TA = NA
mamy wierszowe równoważności
   
1 1 1 1 −1 0 1 0 0 0 1 0

2 1 1 0 1 0   0 1 1 0 −1 0 
[A|0] =  ∼ ... ∼  .
1 0 0 1 0 0  0 0 0 1 −1 0 
3 2 2 −1 2 0 0 0 0 0
0 0
Stąd zaś wynika, że

      
 −x5  0 −1

 

 −x3 + x5    −1   1 
     
Ker TA =  x3  : x 3 , x 5 ∈ R = L  1 ,  0  .

 x5  
  0   1 

 

x5 0 1
Obrazem przekształcenia liniowego TA jest
Im TA = TA (R5 ) = { TA (x) : x ∈ R5 } = { Ax : x ∈ R5 } Im TA = CA
i jest to przestrzeń kolumnowa macierzy A, czyli przestrzeń CA . Korzystając z powyż-

szej wierszowej równoważności, dochodzimy do wniosku, że jest ona generowana przez
pierwszą, drugą i czwartą kolumnę macierzy A,
     
1 1 1
 2   1   0 
Im TA = CA = L  ,  , .
1 0   1 
3 2 −1
Następujące twierdzenie, zwane twierdzeniem wymiarowym, zasadniczym

twierdzeniem algebry liniowej lub twierdzeniem Sylvestera, podaje związek po-
między wymiarem jądra i wymiarem obrazu (zob. rys. 8.6) przekształcenia linio-
wego.2
Twierdzenie 8.2.2 (Twierdzenie wymiarowe). Jeśli T : V → W jest prze- Twierdzenie wymiarowe
kształceniem liniowym i V jest przestrzenią skończonego wymiaru, to
dim Ker T + dim Im T = dim V. (8.13)
Dowód. Niech (a1 , . . . , ar ) i (b1 , . . . , bp ) będą odpowiednio bazą przestrzeni Ker T

i Im T . Niech b0i ∈ V będzie wektorem takim, że T (b0i ) = bi dla i ∈ {1, . . . , p}. Dla
dowodu równości (8.13) wystarczy udowodnić, że układ B = (a1 , . . . , ar , b01 , . . . , b0p )
jest bazą przestrzeni V . Pokażemy najpierw, że układ B jest liniowo niezależny. W tym
celu bierzemy pod uwagę kombinację liniową
r p
X X
x i ai + yj b0j = 0. (8.14)
i=1 j=1
Wystarczy pokazać, że x1 = . . . = xr = y1 . . . = yp = 0. Zauważmy najpierw, że

z liniowości T i z faktu, że ai ∈ Ker T mamy
X
r p
X r
X p
X p
X
0 = T (0) = T x i ai + yj b0j = xi T (ai ) + yj T (b0j ) = yj b j
i=1 j=1 i=1 j=1 j=1
2 Jeśli T : V → W jest przkształceniem liniowym skończenie wymiarowej przestrzeni
wektorowej V , to liczby dim Ker T i dim Im T nazywa się odpowiednio zerowością i rzędem
przekształcenia T .
i dlatego
p
X
yj bj = 0. (8.15)
j=1
Ponieważ wektory b1 , . . . , bp są liniowo niezależne, więc Pr z równości (8.15) otrzymujemy

y1 = . . . = yp = 0. Stąd i z równości (8.14) mamy x a = 0. Z tej zaś równości
i=1 i i
i z liniowej niezależności wektorów a1 , . . . , ar wynika, że x1 = . . . = xr = 0.
Pokażemy teraz, że każdy wektor v ∈ V jest kombinacją liniową wektorów układu
B. Przede wszystkim, ponieważ wektory b1 , . . . , bp generują Pp przestrzeń T (V ) i T (v) ∈
T (V ), więc istnieją skalary y1 , . . . , yp takie, że T (v) = j=1 yj bj . Zauważmy teraz, że
Pp Pp Pp
wektor v− j=1 yj b0j ∈ Ker T (bo T (v− j=1 yj b0j ) = T (v)− j=1 yj T (b0j ) = T (v)−
Pp Pp Pr
y b = 0), więc istnieją skalary x1 , . . . , xr takie, że v − j=1 yj b0j = i=1 xi ai
j=1 j j Pr Pp
i dlatego v = x a + j=1 yj b0j . Z powyższego wynika, że zbiór B jest bazą
i=1 i i
przestrzeni V i dlatego dim V = |B| = r + p = dim Ker T + dim Im T .
V
T -W
- y
T −1 (y)
- 0
Ker T =T −1 (0)-
Im T
Rys. 8.6
Przykład 178. Wyznaczyć wymiar jądra i wymiar obrazu przekształcenia li-

niowego T : R4 → R3 , gdzie
T (x, y, z, t) = (x + y + z, y + 2z, x − z).

Łatwo zauważyć, że mamy
      
 x (  1 0
 x + y + z = 0 
y  −2   0 
Ker T =   ∈ R4 : y + 2z = 0 = L  , .
 z
 
 1  0 
x − z = 0
t 0 1
Stąd dim Ker T = 2 i wobec twierdzenia 8.2.2 jest
dim Im T = dim R4 − dim Ker T = 2.
Przykład 179. Korzystając z twierdzenia wymiarowego (tw. 8.2.2), uzasad-

nić, że nie istnieje przekształcenie liniowe T : R3 → R4 takie, że wektory c1 =
(1, 1, 2, 1), c2 = (1, 2, 3, 1), c3 = (3, 2, 7, 5) i c4 = (1, 0, 2, 5) należą do przestrzeni
Im T .
Łatwo sprawdzić, że wektory c1 , c2 , c3 i c4 są liniowo niezależne. Stąd wynika, że

dim L(c1 , c2 , c3 , c4 ) = 4. Zauważmy teraz, że jeśli istniałoby przekształcenie liniowe
T : R3 → R4 takie, że c1 , c2 , c3 , c4 ∈ Im T , to wtedy przestrzeń L(c1 , c2 , c3 , c4 ) za-
wierałaby się w przestrzeni Im T i dlatego byłoby dim Im T dim L(c1 , . . . , c4 ) = 4.
To zaś byłoby niemożliwe, bo z twierdzenia 8.2.2 mamy
dim Im T ¬ dim Im T + dim Ker T = dim R3 = 3.

8.3. Mono- i epimorficzność przekształcenia liniowego 169
Za pomocą twierdzenia 8.2.2 udowodnimy teraz, że rząd macierzy A wymiaru

m × n i o współczynnikach z ciała K jest identyczny z rzędem macierzy AT A.
W tym celu kolejny raz warto uświadomić sobie, że przestrzeń kolumnowa macie-
rzy A jest identyczna z obrazem przekształcenia liniowego TA : Kn×1 → Km×1 ,
czyli jest CA = Im TA . Natomiast jądro przekształcenia liniowego TA pokry-
wa się z przestrzenią zerową macierzy A, czyli Ker TA = NA . Wymiar tej
ostatniej przestrzeni, czyli liczbę dim NA , nazywa się zerowością macierzy A. Zerowość macierzy
Z twierdzenia 8.2.2 dla przekształcenia TA : Kn×1 → Km×1 , czyli z równości
dim Ker TA + dim Im TA = n, mamy następującą zależność pomiędzy rzędem
(zob. definicję 7.7.2) i zerowością macierzy A:
r(A) = dim CA = dim Im TA = n − dim Ker TA = n − dim NA
i stąd
r(A) = n − dim NA . (8.16)
T
Twierdzenie 8.2.3. Macierze rzeczywiste A i A A mają identyczne rzędy,
czyli
r (A) = r (ATA). (8.17)
Dowód. Załóżmy, że A ∈ Rm×n . Wtedy A A ∈ Rn×n i wobec (8.16) jest r (A) = n −
T
dim NA oraz r (ATA) = n − dim NATA . Zatem dla dowodu równości (8.17) wystarczy
wykazać równość przestrzeni zerowych NA i NATA .
W tym celu zauważmy najpierw, że jeśli x ∈ NA , to Ax = 0 i wtedy ATAx =
AT (Ax) = AT 0 = 0, więc także x ∈ NATA . To dowodzi, że NA ⊆ NATA .
Weźmy teraz dowolny wektor y ze zbioru NATA . Dla takiego y jest ATAy = 0.
Zatem (Ay)T (Ay) = yT AT Ay = yT 0 = 0 i dlatego Ay = 0, co dowodzi, że y ∈ NA .
Stąd NATA ⊆ NA .
To kończy dowód równości NA = NATA .
8.3. Mono- i epimorficzność przekształcenia liniowego

Definicja 8.3.1. Przekształcenie liniowe T : V → W nazywamy monomorfi-
zmem, gdy każdy wektor b z przestrzeni W jest obrazem co najwyżej jednego Monomorfizm
wektora x z przestrzeni V , zob. rys. 8.7. Przekształcenie liniowe T : V → W jest
epimorfizmem, gdy każdy wektor b z przestrzeni W jest obrazem co najmniej Epimorfizm
jednego wektora x z przestrzeni V , zob. rys. 8.8.
Równoważnie, przekształcenie liniowe T : V → W jest monomorfizmem (epi-
morfizmem), gdy dla każdego wektora b ∈ W równanie T (x) = b ma co
najwyżej (co najmniej) jedno rozwiązanie. Jeszcze inaczej: Przekształcenie li-
niowe T : V → W jest monomorfizmem, gdy T jest różnowartościowym od-
wzorowaniem przestrzeni wektorowej w przestrzeń W . Przekształcenie liniowe
T : V → W jest epimorfizmem, gdy T odwzorowuje przestrzeń wektorową V
na przestrzeń W , tj. gdy Im T = W .3
b00
T
- T z
-- b0 - b0
- z
-- b - b
V W V W
Rys. 8.7 Rys. 8.8
3 Odwzorowanie T : V → W jest różnowartościowe, gdy dla dowolnych x, x 0 ∈ V z równo-
ści T (x) = T (x0 ) wynika równość x = x0 . Odwzorowanie T : V → W przekształca zbiór V na

zbiór W , gdy T (V ) = W , czyli gdy dla każdego y ∈ W istnieje x ∈ V , dla którego y = T (x).
Następne dwa twierdzenia pokazują bezpośrednie związki monomorfizmu i epi-

morfizmu z jądrem i obrazem przekształcenia liniowego.
Twierdzenie 8.3.1. Dla przekształcenia liniowego T : V → W przestrzeni wek-

torowej V w przestrzeń wektorową W następujące warunki są równoważne:
(a) T jest monomorfizmem;
(b) Ker T = {0};
(c) dim Im T = dim V .
Dowód. (a) ⇔ (b) Załóżmy, że T jest monomorfizmem i niech x będzie dowolnym
wektorem ze zbioru Ker T . Wtedy T (x) = 0 = T (0) i z różnowartościowości T mamy
x = 0. To dowodzi, że Ker T = {0}.
Załóżmy teraz, że Ker T = {0} i przypuśćmy, że dla pewnych wektorów x i y jest
T (x) = T (y). Wtedy x − y ∈ Ker T = {0} (bo T (x − y) = T (x) − T (y) = 0). Stąd
x − y = 0, czyli x = y. To dowodzi, że T jest monomorfizmem.
(b) ⇔ (c) Wobec twierdzenia 8.2.2 mamy dim V = dim Ker T + dim Im T . Stąd
dim V = dim Im T wtedy i tylko wtedy, gdy dim Ker T = 0, czyli wtedy i tylko wtedy,
gdy Ker T = {0}.
Okazuje się, że monomorficzność przekształcenia liniowego jest równoważna

jego epimorficzności w jednym bardzo ważnym przypadku.
Twierdzenie 8.3.2. Jeśli V i W są przestrzeniami wektorowymi tego samego

skończonego wymiaru (dim V = dim W < ∞) i T : V → W jest przekształ-
ceniem liniowym, to T jest monomorfizmem wtedy i tylko wtedy, gdy T jest
epimorfizmem.
Dowód. Wobec twierdzenia 8.3.1 odwzorowanie T jest monomorfizmem wtedy i tylko
wtedy, gdy dim Im T = dim V , czyli wtedy i tylko wtedy, gdy dim Im T = dim W (bo
dim W = dim V ). Równość dim Im T = dim W wobec twierdzenia 7.5.5 jest równoważ-
na równości Im T = W , a ta z kolei jest równoważna epimorficzności odwzorowania
liniowego T .
Następujące przykłady ilustrują przydatność powyższych twierdzeń przy ba-

daniu i rozumieniu natury monomorficzności i/lub epimorficzności przekształce-
nia liniowego.
Przykład 180. Przekształcenie liniowe T : R4 → R3 , gdzie

  
 
x x
1 2 0 3   y
y
T (x) =  0 1 2 1 
z dla x =  
 z ,
2 1 0 1
t t
nie jest monomorfizmem. (Z tych samych powodów, jeśli V i W są przestrze-

niami wektorowymi (nad tym samym ciałem) i dim V > dim W , to żadne prze-
kształcenie liniowe T : V → W nie jest monomorfizmem, tak jak nie było nim
przekształcenie T z przykładu 173, 176, 177 lub 178.)
Ponieważ Im T ⊆ R3 , więc dim Im T ¬ 3 i wobec twierdzenia 8.2.2 mamy
dim Ker T = dim R4 − dim Im T 1.
To zaś oznacza, że Ker T 6= {0} i (wobec twierdzenia 8.3.1) odwzorowanie T nie jest
monomorfizmem.
8.4. Suma i złożenie przekształceń liniowych 171
Przykład 181. Dane jest przekształcenie liniowe T : R 3 → R3 takie, że T (e1 )

= (2, 3, 0), T (e2 ) = (−1, 1, 3) i T (e3 ) = (0, 5, 6), gdzie (e1 , e2 , e3 ) jest bazą
przestrzeni V = R3 . Ponieważ
Im T ⊆ R3
T (e3 ) = (0, 5, 6) = (2, 3, 0) + 2(−1, 1, 3) = T (e1 ) + 2T (e2 ) T (e3 )
7
(zob. rys. 8.9), więc
T (e2 )
Im T = L T (e1 ), T (e2 ), T (e3 ) = L T (e1 ), T (e2 )
1T (e1 )
i dim Im T ¬ 2 < 3 = dim V . Z twierdzenia 8.3.1 wynika, że przekształcenie
T nie jest monomorfizmem. Wobec twierdzenia 8.3.2 przekształcenie T nie jest
także epimorfizmem.
Rys. 8.9
Poprzedni przykład pokazuje, że obraz poprzez przekształcenie liniowe li-

niowo niezależnego zbioru wektorów może być zbiorem liniowo zależnym. Na
zakończenie tej części udowodnimy, że tak nie może być, gdy przekształcenie
jest monomorfizmem.
Twierdzenie 8.3.3. Jeżeli przekształcenie liniowe T : V → W jest monomorfi-
zmem, to wektory b1 , . . . , bn są liniowo niezależne w przestrzeni V wtedy i tylko
wtedy, gdy ich obrazy T (b1 ), . . . , T (bn ) są liniowo niezależne w przestrzeni W .
Dowód. Niech T : V → W będzie monomorfizmem (więc Ker T = {0}) i niech wekto-
ry b P1 , . . . , bn będą liniowo niezależne
Pn w przestrzeniP V . Weźmy skalary x1 , .P. . , xn takie,
n n n
że i=1 i
x T (bi ) = 0. Wtedy xi T (bi ) = T xi bi = 0, więc xb ∈
i=1 i i
Pn i=1 i=1
Ker T = {0} i dlatego i=1 xi bi = 0. Stąd i z niezależności wektorów b1 , . . . , bn wyni-
ka, że x1 = . . . = xn = 0. To dowodzi liniową niezależność wektorów T (b1 ), . . . , T (bn ).
PZałóżmy teraz, że wektory T (b1 ), . . . ,P T (bn ) są liniowo
Pn niezależne i przypuśćmy,
n n
że i=1 i i
x b = 0. Wtedy 0 = T (0) = T ( i=1 xi bi ) = x T (bi ) i dlatego x1 =
i=1 i
. . . = xn = 0, bo wektory T (b1 ), . . . , T (bn ) są liniowo niezależne. To dowodzi że
wektory b1 , . . . , bn są liniowo niezależne. (Zauważmy, że w dowodzie drugiej części
twierdzenia nie korzystaliśmy z monomorficzności przekształcenia T .)
8.4. Suma i złożenie przekształceń liniowych
Definicja 8.4.1. Niech T, U : V → W będą funkcjami, gdzie V i W są prze-

strzeniami wektorowymi nad ciałem K i niech α ∈ K. Wtedy T + U : V → W
i αT : V → W są funkcjami takimi, że dla każdego x ∈ V jest
(T + U )(x) = T (x) + U (x) i (αT )(x) = αT (x). (8.18)

T + U – suma funkcji T i U
Okazuje się, że suma przekształceń liniowych jest przekształceniem liniowym. αT – iloczyn funkcji T
i skalara α
Podobnie iloczyn przekształcenia liniowego i skalara jest przekształceniem linio-
wym. Można udowodnić, że zbiór L(V, W ), czyli zbiór wszystkich przekształceń
liniowych przestrzeni wektorowej V w przestrzeń wektorową W , jest przestrzenią
wektorową (z wyżej określonym dodawaniem przekształceń i mnożeniem prze-
kształceń przez skalary).
Twierdzenie 8.4.1. Niech V i W będą przestrzeniami wektorowymi nad tym
samym ciałem K. Wtedy:
(a) T + U ∈ L(V, W ), gdy T, U ∈ L(V, W );
(b) αT ∈ L(V, W ), gdy T ∈ L(V, W ) i α ∈ K;
(c) L(V, W ) jest przestrzenią wektorową nad ciałem K.
Dowód. (a) Niech x, y ∈ V i a, b ∈ K. Wtedy

(T + U )(ax + by) = T (ax + by) + U (ax + by) (z definicji sumy T + U )

= aT (x) + bT (y) + aU (x) + bU (y) (z liniowości T i U )

= a T (x) + U (x) + b T (y) + U (y)

= a T + U (x) + b T + U (y) (z definicji sumy T + U )
i to oznacza, że T + U jest przekształceniem liniowym. Podobnie dowodzi się stwierdze-
nie (b). Łatwy dowód stwierdzenia (c), sprawdzenie wszystkich warunków przestrzeni
wektorowej, pozostawiamy czytelnikowi.
Definicja 8.4.2. Jeśli V , W i Z są zbiorami, a T : V → W i U : W → Z są
funkcjami, to ich złożeniem (lub superpozycją) nazywamy funkcję U T : V → Z
taką, że dla każdego x ∈ V mamy
U T – złożenie funkcji T i U (U T )(x) = U (T (x)). (8.19)

UT
T U
~ ~
~
x y=T (x) U (y)=U (T (x))
W
V Z
Rys. 8.10. Złożenie przekształceń T i U

W następnym twierdzeniu dowodzimy, że złożenie przekształceń liniowych
jest przekształceniem liniowym. Inne własności złożenia operatorów liniowych
przedstawiamy w ćwiczeniach.
Twierdzenie 8.4.2. Niech V , W i Z będą przestrzeniami wektorowymi nad
tym samym ciałem K. Jeśli T : V → W i U : W → Z są przekształceniami
liniowymi, to także ich złożenie U T : V → Z jest przekształceniem liniowym.
Dowód. Dla wektorów x, y ∈ V i skalarów a, b ∈ K mamy

U T (ax + by) = U T (ax + by) (z definicji złożenia U T )

= U aT (x) + bT (y) (z liniowości T )

= aU T (x) + bU T (y) (z liniowości U )

= a U T (x) + b U T (y). (z definicji złożenia U T )
To dowodzi, że złożenie U T jest przekształceniem liniowym.
Przykład 182. Jeśli T : R2 → R3 i U : R3 → R2 są przekształceniami linio-

wymi takimi, że
T (x, y) = (x, x + y, −3x − y) i U (v, u, w) = (v, v + u − w),
to ich złożeniem jest przekształcenie liniowe U T : R 2 → R2 , dla którego
(U T )(x, y) = U (T (x, y)) = U (x, x + y, −3x − y) = (x, 5x + 2y).
Dla tych samych przekształceń T i U istnieje także złóżenie T U : R 3 → R3 i dla
każdego wektora (v, u, w) ∈ R3 mamy
(T U )(v, u, w) = T (U (v, u, w)) = T (v, v + u − w)
= (v, 2v + u − w, −4v − u + w).
8.5. Macierz przekształcenia liniowego 173
8.5. Macierz przekształcenia liniowego

Definicja 8.5.1. Niech V i W będą przestrzeniami wektorowymi (nad tym
samym ciałem K) i niech odpowiednio B = (b1 , . . . , bn ) oraz C = (c1 , . . . , cm )
będą ich bazami. Jeśli T : V → W jest przekształceniem liniowym, to macierz
 
| |
B Macierz przekształcenia
[T ]C =  [T (b1 )]C · · · [T (bn )]C , (8.20) liniowego
| |
której kolejnymi kolumnami są wektory C-współrzędnych wektorów T (b 1 ),
. . . , T (bn ) jest nazywana macierzą przekształcenia liniowego T : V → W wzglę-
dem baz B i C (przestrzeni wektorowych V i W ). Macierz operatora liniowego
B
T : V → V względem baz B i B, czyli macierz [T ]B , nazywamy macierzą ope- [T ]B – macierz operatora
ratora T względem bazy B i oznaczamy symbolem [T ]B . T względem bazy B
Niech teraz x będzie dowolnym wektorem z przestrzeni V , powiedzmy x =

x1 b1 + . . . + xn bn (dla pewnych skalarów x1 , . . . , xn ∈ K). Wtedy
T (x) = T (x1 b1 + . . . + xn bn ) = x1 T (b1 ) + . . . + xn T (bn )
i mamy następujący związek pomiędzy wektorem [x]B , czyli wektorem współ-
rzędnych wektora x względem bazy B, i wektorem [T (x)]C ,
wektorem współrzędnych wektora T (x) względem bazy C,
V W

[T (x)]C = x1 T (b1 ) + . . . + xn T (bn ) C x
T
zT (x)
= x1 [T (b1 )]C + . . . + xn [T (bn )]C
  x1
 [ ]B [ ]C
| | Kn Km
=  [T (b1 )]C · · · [T (bn )]C 
 .. 
. 
| | xn ? ?
[x]B
:
[T (x)]C
B [T ]B
= [T ]C ·[x]B , C
zob. rys. 8.11. Zatem udowodniliśmy następujące twierdzenie. Rys. 8.11
Twierdzenie 8.5.1. Jeśli B i C są odpowiednio bazami skończenie wymia-

rowych przestrzeni wektorowych V i W , a T : V → W jest przekształceniem
liniowym, to dla każdego wektora x ∈ V jest
B
[T (x)]C = [T ]C ·[x]B . (8.21)
Przykład 183. Niech T : R3 → R2 będzie “rzutem” na płaszczyznę Oxy, czyli

przekształceniem określonym wzorem T (x, y, z) = (x, y), zob. rys. 8.12. Wy-
B
znaczyć macierz [T ]C przekształcenia T względem baz B = (b1 , b2 , b3 ) oraz
C = (c1 , c2 ), gdzie b1 = (1, 0, 0), b2 = (−1, 1, 0), b3 = (1, −1, 1), c1 = (1, 2)
i c2 = (1, 3). Następnie za pomocą macierzy [T ]B C wyznaczyć [T (x)]C i T (x),
gdy x = (2, 3, 7).
Łatwo sprawdzić, że

1 1 1
T (b1 ) = =3 −2 = 3c1 − 2c2 ,
0 2 3 (x,y,z)
z T
−1 1 1
T (b2 ) = = −4 +3 = −4c1 + 3c2 y
y
1 2 3
W (x,y)
i x x

1 1 1
T (b3 ) = =4 −3 = 4c1 − 3c2 .
−1 2 3
Rys. 8.12
Zatem

3 −4 4
[T (b1 )]C = , [T (b2 )]C = oraz [T (b3 )]C =
−2 3 −3
i wobec (8.20) mamy

" #
| | |
3 −4 4
[T ]B = [T (b1 )]C [T (b2 )]C [T (b2 )]C = .
C −2 3 −3
| | |

2
Z definicji przekształcenia T dla wektora x = (2, 3, 7) jest T (x) = . Z drugiej
3
strony
" # " # " # " #
2 1 −1 1
x= 3 =5 0 + 10 1 +7 −1 = 5b1 + 10b2 + 7b3 ,
7 0 0 1
" #
5
więc [x]B = 10 i wobec twierdzenia 8.5.1 (zob. (8.21)) mamy
7
" 5 #
3 −4 4 3
[T (x)]C = [T ]B [x]B = 10 =
C −2 3 −3 −1
7
i dlatego znowu

1 1 2
T (x) = 3c1 + (−1)c2 = 3 − = .
2 3 3
W ostatnim przykładzie obraz wektora x, czyli wektor T (x), wyznaczyliśmy

na dwa sposoby — wprost z definicji przekształcenia T oraz za pomocą macie-
rzy przekształcenia T . Ten drugi sposób był dłuższy. Jednakże, jak to pokazuje
następny przykład, i ten dłuższy sposób może mieć swoje zalety.
Przykład 184. Niech ϕ będzie ustaloną liczbą rzeczywistą i niech T będzie ob-
rotem płaszczyzny R2 o kąt ϕ dookoła początku układu współrzędnych (w kie-
ϕ runku przeciwnym do kierunku ruchu wskazówek zegara), zob. rys. 8.13.
Po-
e2
T (e2 )
6 1 0
] nieważ jest to przekształcenie, które wektorom e1 = i e2 = bazy
T (e1 ) 0 1
* kanonicznej E = (e1 , e2 ) przestrzeni R przyporządkowuje wektory
2
ϕ
-
e1 cos ϕ − sin ϕ
T (e1 ) = i T (e2 ) = ,
sin ϕ cos ϕ
Rys. 8.13 więc jego macierzą względem bazy E jest

Macierz obrotu cos ϕ − sin ϕ
płaszczyzny o kąt ϕ
[T ]E = . (8.22)
sin ϕ cos ϕ
Znając obrazy wektorów bazowych, czyli znając macierz [T ]E , łatwo wyznacza

się obraz T (x) każdego innego wektora x. Istotnie, ponieważ E jest bazą kano-
niczną przestrzeni R2 , więc dla każdego x = (x, y) ∈ R2 jest [x]E = x i wobec
(8.21) oraz (8.22) mamy

cos ϕ − sin ϕ x
T (x) = [T (x)]E = [T ]E [x]E = [T ]E x = .
sin ϕ cos ϕ y
Przedstawiona w twierdzeniu 8.5.1 równość

B
[T (x)]C = [T ]C ·[x]B
pokazuje, że wektor C-współrzędnych wektora T (x) można otrzymać pomna-

B
żając macierz [T ]C (przekształcenia T : V → W względem baz B i C) przez T
x −
−−−−→ T (x)
wektor B-współrzędnych wektora x. (Zob. także rys. 8.11 i/lub rys. 8.14.) War-  
B  [
to także pamiętać, że macierz [T ]C ma m wierszy i n kolumn, gdzie m = dim W [ ]B y y ]C
B
i n dim V . Zauważmy, że i-ta kolumna [T (bi )]C macierzy [T ]C jest wektorem [x]B −
−−−−→ [T (x)]C
C-współrzędnych wektora T (bi ) i jest to jedyne rozwiązanie równania wekto- [T ]B
C
rowego
x1 c1 + x2 c2 + . . . + xm cm = T (bi ). Rys. 8.14
Stąd w szczególności wynika, że jeśli przestrzeniami V i W są odpowiednio K n
i K m i jeśli C oraz T (B) są macierzami takimi, że

   
| | | | | |
C =  c1 c2 · · · cm  i T (B) =  T (b1 ) T (b2 ) · · · T (bn ) ,
| | | | | |
to jedynymi rozwiązaniami równań macierzowych
C x1 = T (b1 ), C x2 = T (b2 ), . . . , C xn = T (bn ) (8.23)

B
są kolumny macierzy [T ]C , czyli
x1 = [T (b1 )]C , x2 = [T (b2 )]C , . . . , xn = [T (bn )]C .
Równania (8.23) wyznaczają (i są wyznaczone przez) równanie macierzowe
C X = T (B). (8.24)
Jego jedynym rozwiązaniem jest

   
| | | |
B
X =  x1 · · · xn  =  [T (b1 )]C · · · [T (bn )]C  = [T ]C ,
| | | |
czyli macierz przekształcenia T względem baz B i C. Ponieważ macierz C jest

kwadratowa i jej kolumny są liniowo niezależne, więc jest ona nieosobliwa i je-
dynym rozwiązaniem równania (8.24) jest X = C−1 T (B). Stąd mamy
B
[T ]C = C−1 T (B),
B
więc macierz [T ]C jest iloczynem macierzy C−1 i T (B). Praktycznie, macierz
B
[T ]C , jako rozwiązanie równania (8.24), możemy wyznaczyć metodą Gaussa-Jor-
dana. W tym celu korzystamy z wierszowej równoważności
h i Sposób wyznaczania macie-
B
[ C | T (B) ] ∼ Im | [T ]C . (8.25) rzy przekształcenia liniowe-
go względem baz B i C
Przykład 185. Przekształcenie liniowe T : R3 → R3 określone jest wzorem
T (x, y, z) = (2x − y + 2z, x + y, 3x − y − z).

B
Wyznaczyć: (a) macierz [T ]C , gdy B = (b1 , b2 , b3 ) i C = (c1 , c2 , c3 ), gdzie
b1 = (1, 0, 0), b2 = (1, 1, 1), b3 = (1, −1, 1), c1 = (1, 1, 2), c2 = (1, 2, 1)
B
i c3 = (2, 1, 1); (b) macierz [T ]D , gdzie D = (T (b1 ), T (b2 ), T (b3 )), a b1 , b2
E
oraz b3 są takie jak w części (a); (c) macierz [T ]E = [T ]E , gdzie E = (e1 , e2 , e3 )
jest bazą standardową przestrzeni R3 .
(a) Mamy
" # " # " #
2 3 5
T (b1 ) = 1 , T (b2 ) = 2 i T (b3 ) = 0 .
3 1 3
Musimy teraz poznać C-współrzędne każdego z wektorów T (bi ). W tym celu tworzymy
macierz rozszerzoną [ C | T (B) ] i sprowadzamy ją do wierszowo równoważnej macierzy
schodkowej normalnej Im | [T ]B C (zob. (8.25)). Mamy
" # " #
1 1 2 2 3 5 1 1 2 2 3 5

[ C | T (B) ] = 1 2 1 1 2 0 ∼ 0 1 −1 −1 −1 −5
2 1 1 3 1 3 0 −1 −3 −1 −5 −7
" #  
1 0 0 3 1
1
1 0 3 3

4 10 21 − 21
∼ 0 1 −1 −1 −1 −5
∼  0 1 0 −2 −2 .
2
0 0 −4 −2 −6 −12 0 0 1 1 3
3
2 2
" #
3 −1 2
Stąd wynika, że macierzą przekształcenia T jest [T ]B
C = 1
2
−1 1 −4 .
1 3 6

(b) Przede wszystkim zauważmy, że układ D = T (b1 ), T (b2 ), T (b3 ) jest li-

niowo niezależny w 3-wymiarowej przestrzeni R3 (bo macierz T (b1 ) T (b2 ) T (b3 )
" #
2 3 5
= 1 2 0 jest nieosobliwa) i dlatego jest on bazą przestrzeni R3 . Łatwo teraz
3 1 3
zauważyć, że
" # " #
| | | | | |
[T ]B
D = [T (b1 )]D [T (b2 )]D [T (b3 )]D = e1 e2 e3 = I3 .
| | | | | |
(c) Ponieważ dla każdego x ∈ R3 jest [x]E = x, więc mamy

" # " # " #
| | | | | | 2 −1 2
[T ]E = [T (e1 )]E [T (e2 )]E [T (e3 )]E = T (e1 ) T (e2 ) T (e3 ) = 1 1 0 .
| | | | | | 3 −1 −1
Ostatni przykład pokazuje, że w ogólnym przypadku macierz przekształcenia

liniowego T : V → W zależy od wyboru baz przestrzeni V i W .
Przykład 186. Wyznaczyć T (x), gdy x = (14, 7, 3) i macierzą przekształce-

nia liniowego T : R3 → R3 względem baz B = ((1, 1, 1), (2, 1, 0), (3, 0, 0)) i C
= ((1, 0, 1), (2, 1, 0), (0, 3, 2)) jest
 
1 2 3
B
[T ]C =  0 2 1 .
2 0 1
Ponieważ znamy macierz [T ]B C przekształcenia T względem baz B i C, więc możemy

kolejno wyznaczyć [x]B , [T (x)]C i T (x).
Bez trudu stwierdzamy, że [x]B = (3, 4, 1). Wtedy wobec (8.21) mamy
" #" # " #
1 2 3 3 14
[T (x)]C = [T ]B
C [x]B = 0 2 1 4 = 9
2 0 1 1 7
i dlatego
" # " # " # " #
1 2 0 32
T (x) = 14 0 +9 1 +7 3 = 30 .
1 0 2 28

2 1 0
Przykład 187. Dana jest macierz A = ∈ R2×3 . Wyznaczyć macierz
2 4 1
przekształcenia TA : R3 → R2 , gdzie TA (x) = Ax, względem baz kanonicznych
E3 = (e1 , e2 , e3 ) i E2 = (e01 , e02 ) przestrzeni R3 i R2 .
Niech a1 , a2 i a3 będą kolejnymi kolumnami macierzy A. Ponieważ [x]E2 = x dla

x ∈ R2 i [TA (ei )]E2 = TA (ei ) = Aei = ai , więc mamy
  " #
| | | | | |
[TA ]E
E2
3
=  [T (e1 )]E2 [T (e2 )]E2 [T (e3 )]E2  = a1 a2 a3 = A.
| | | | | |
W ten sam sposób pokazuje się, że macierz A ∈ Km×n jest równa macierzy prze-
kształcenia liniowego TA : K n → K m względem baz standardowych przestrzeni K n [TA ]E
Em = A
n
i Km.
W naszych dalszych rozważaniach wykorzystamy fakt, że macierz przekształ-

cenia tożsamościowego względem różnych baz przestrzeni jest znaną nam (z po-
przedniego rozdziału) macierzą przejścia od jednej bazy przestrzeni wektorowej
do innej bazy tej samej przestrzeni.
Twierdzenie 8.5.2. Niech B = (b1 , . . . , bn ) i B 0 = (b01 , . . . , b0n ) będą baza-

mi przestrzeni wektorowej V . Wtedy macierzą przekształcenia tożsamościowego
IV : V → V względem baz B i B 0 jest macierz przejścia od bazy B do bazy B 0 , IV (x) = x dla x ∈ V
B
PBB 0 = [IV ]B 0 – macierz
[IV ]B B przejścia
B 0 = PB 0 . (8.26)
Dowód. Z definicji macierzy przekształcenia liniowego (zob. def. 8.5.1) oraz z definicji
macierzy przejścia (zob. tw. 7.6.3) mamy
" # " # V
I
−−−−V−−−→ V
| | | |
 
[IV ]B
B0 = [IV (b1 )]B0 · · · [IV (bn )]B0 = [b1 ]B0 · · · [bn ]B0 = PB
B0 .  [
[ ]B y y ]B 0
| | | |
K n −−−−−−−−→ Kn
PB 0 =[IV ]B 0
Kolejne dwa twierdzenia pokazują zależności pomiędzy działaniami na prze- B B
kształceniach liniowych i działaniami na odpowiadających im macierzach. Do-

Rys. 8.15
kładniej, pokazują one, że macierz kombinacji liniowej przekształceń jest kom-
binacją liniową macierzy przekształceń, a macierz złożenia przekształceń jest
iloczynem macierzy przekształceń.
Twierdzenie 8.5.3. Niech V i W będą skończenie wymiarowymi przestrzenia-

mi wektorowymi, których bazami są odpowiednio B i C, i niech T, U : V → W
będą przekształceniami liniowymi. Wtedy:
B B B
(a) [T + U ]C = [T ]C + [U ]C ;
(b) [aT ]B B
C = a[T ]C dla każdego skalara a.
Dowód. (a) Jeśli B = (b1 , . . . , bn ) jest bazą przestrzeni V , to stwierdzenie (a) jest
konsekwencją następującego ciągu równości:
h i
[T + U ]B
C = [(T + U )(b1 )]C . . . [(T + U )(bn )]C (def. macierzy przekształcenia)
h i
= [T (b1 ) + U (b1 )]C . . . [T (bn ) + U (bn )]C (def. sumy T + U )
h i
= [T (b1 )]C + [U (b1 )]C . . . [T (bn )]C + [U (bn )]C (wobec tw. 7.6.1)
h i h i
= [T (b1 )]C . . . [T (bn )]C + [U (b1 )]C . . . [U (bn )]C
(def. sumy macierzy)
= [T ]B
C + [U ]B
C. (def. macierzy przekształcenia)
Dowód stwierdzenia (b) jest podobny do tego z części (a).
Twierdzenie 8.5.4. Niech A, B i C będą odpowiednio bazami skończenie wy-

miarowych przestrzeni wektorowych V , W i Z. Jeśli T : V → W i U : W → Z
są przekształceniami liniowymi, to
[U T ]A B A
C = [U ]C · [T ]B . (8.27)
Dowód. Załóżmy, że bazami przestrzeni V , W i Z są odpowiednio A = (a1 , . . . , an ),

B = (b1 , . . . , bm ) oraz C = (c1 , . . . , cp ). Niech aij , bij i cij będą odpowiednio współ-
czynnikami macierzy [T ]A B A
B , [U ]C i [U T ]C . Dokładniej, zakładamy, że
h i
[T ]A
B = [T (a1 )]B [T (a2 )]B . . . [T (an )]B = [aij ] ∈ Km×n ,
h i
[U ]B
C = [U (b1 )]C [U (b2 )]C . . . [U (bm )]C = [bij ] ∈ Kp×m ,
h i
[U T ]A
C = [(U T )(a1 )]C [(U T )(a2 )]C . . . [(U T )(an )]C = [cij ] ∈ Kp×n .
Pm
Dla dowodu równości (8.27) wystarczy wykazać, że cij = k=1
bik akj (i = 1, . . . , p,
j = 1, . . . , n).
Ponieważ
     
c1j a1j b1k
 ..   .   . 
 .  = (U T )(aj ) C ,  ..  = T (aj ) B i  ..  = U (bk ) C ,
cpj amj bpk
więc kolejno mamy

p m
! m
X X X
cij ci = U T (aj ) = U T (aj ) = U akj bk = akj U (bk )
i=1
m p
! p
k=1
m
! k=1
X X X X
= akj bik ci = bik akj ci .
k=1 i=1 i=1 k=1
Z tychPrówności oraz z liniowej niezależności wektorów c1 , . . . , cp wynika, że mamy

m
cij = k=1 bik akj .
Wniosek 8.5.1. Jeśli B jest bazą skończenie wymiarowej przestrzeni wektorowej

V i jeśli T oraz U są operatorami liniowymi na przestrzeni V , to
[U T ]B = [U ]B ·[T ]B . (8.28)
Wniosek 8.5.2. Jeśli A, B i C są bazami skończenie wymiarowej przestrzeni

A A B
wektorowej V , to macierz przejścia [1V ]C jest iloczynem macierzy [1V ]B i [1V ]C ,
A B A
[1V ]C = [1V ]C ·[1V ]B . (8.29)
Przykład 188. Niech przekształcenie T : R2 → R2 będzie złożeniem T3 T2 T1

trzech przekształceń T1 , T2 i T3 płaszczyzny R2 w siebie, gdzie T1 jest symetrią
względem prostej y = x, T2 jest obrotem o kąt π/3 (dookoła początku układu T1 (x, y) = (y, x)
współrzędnych i w kierunku przeciwnym do kierunku ruch wskazówek zegara) T2 (x, y)
i T3 jest jednokładnością (o środku w początku układu współrzędnych) i skali 2. h i
cos π
− sin π x
Wyznaczyć macierze przekształceń T1 , T2 , T3 i T względem bazy standardowej = sin
3
π
cos
3
π
3 3 y
E = (e1 , e2 ) przestrzeni R2 .
T3 (x, y) = 2(x, y)
Ponieważ E jest bazą standardową przestrzeni R , więc [x]E = x dla x ∈ R i dlatego
2 2
mamy h i
[Ti ]E = [Ti (e1 )]E [Ti (e2 )]E = Ti (e1 ) Ti (e2 ) .
Stąd i z definicji przekształceń T1 , T2 i T3 (oraz z przykładu 184) mamy

0 1
[T1 ]E = T1 (e1 ) T1 (e2 ) = [ e2 e1 ] = ,
1 0
√
cos π3 − sin π3 1 √1 − 3
[T2 ]E = =
sin 3
π
cos 3π 2 3 1
i

2 0
[T3 ]E = T3 (e1 ) T3 (e2 ) = [ 2e1 2e2 ] = .
0 2
Zatem wobec wniosku 8.5.1 mamy

√ √
2 0 1 √1 − 3 0 1 − 3 √1
[T ]E = [T3 ]E [T2 ]E [T1 ]E = = .
0 2 2 3 1 1 0 1 3
Na zakończenie tej części rozdziału udowodnimy twierdzenie o izomorficzno-

ści przestrzeni L(V, W ), czyli przestrzeni przekształceń liniowych, z przestrzenią
macierzy. Przypomnijmy (zob. definicję 7.6.2), że dwie przestrzenie wektorowe X
i Y (nad tym samym ciałem) są izomorficzne, gdy istnieje przekształcenie linio-
we ϕ : X → Y przestrzeni X w przestrzeń Y , które jest mono- i epimorfizmem. Izomorfizm przestrzeni
Takie przekształcenie ϕ nazywa się izomorfizmem przestrzeni wektorowych X wektorowych
i Y.
Twierdzenie 8.5.5. Niech V i W będą przestrzeniami wektorowymi nad cia-

łem K. Jeżeli dim V = n i dim W = m, to przestrzeń wektorowa L(V, W ) jest
izomorficzna z przestrzenią Km×n . L(V, W ) ≈ Km×n
Dowód. Niech B = (b1 , . . . , bn ) i C = (c1 , . . . , cm ) będą bazami przestrzeni V i W .

Udowodnimy, że odwzorowanie ϕ : L(V, W ) → Km×n , gdzie
ϕ(T ) = [T ]B
C dla T ∈ L(V, W ),
jest izomorfizmem.
Liniowość odwzorowania ϕ wynika z twierdzenia 8.5.3. Dla dowodu mono- i epimor-
ficzności ϕ wystarczy pokazać, że dla każdej macierzy A ∈ Km×n istnieje dokładnie
jedno przekształcenie liniowe T : V → W , dla którego ϕ(T ) = A.
Weźmy dowolną macierz A = [aij ] ∈ Km×n . Wobec twierdzenia 8.1.1 istnieje
dokładnie jedno przekształcenie liniowe T : V → W takie, że
m
X
T (bj ) = aij ci dla j = 1, . . . , n.
i=1
Dla tego przekształcenia T wobec (8.20) mamy [T ]B

C = A, więc ϕ(T ) = A, i to kończy
dowód twierdzenia.
8.6. Odwracalność odwzorowania liniowego

Funkcja odwracalna Definicja 8.6.1. Funkcję T : V → W nazywamy odwracalną, jeśli istnieje
funkcja U : W → V taka, że
U T = IV i T U = IW . (8.30)
Funkcję U mającą powyższe własności nazywa się funkcją odwrotną funkcji T .

Łatwo dowodzi się, że funkcja odwracalna T : V → W ma dokładnie jedną
funkcję odwrotną.4 Tę jedyną funkcję odwrotną odwracalnej funkcji T oznacza
T −1 – funkcja odwrotna się przez T −1 .
Przykład 189. (a) Funkcja T : R2 → R2 taka, że
T (x, y) = (−x + 3y, −x + 2y)
jest odwracalna i jej funkcją odwrotną jest
U (x, y) = (2x − 3y, x − y).
Istotnie tak jest, bo mamy
(U T )(x, y) = U (−x + 3y, −x + 2y) = (x, y) = IR2 (x, y)
i
(T U )(x, y) = T (2x − 3y, x − y) = (x, y) = IR2 (x, y).
(b) Niech teraz T : R3 → R2 będzie funkcją taką, że T (x, y, z) = (x, y). Dla
funkcji T i dla funkcji U : R2 → R3 określonej wzorem U (x, y) = (x, y, 0) jest
(T U )(x, y) = T (x, y, 0) = (x, y) = IR2 (x, y).
Jednak dla tej funkcji U (i dla każdej innej funkcji U : R2 → R3 ) jest
(U T )(x, y, z) = U (x, y) 6= (x, y, z) = IR3 (x, y, z),
więc tym razem funkcja T nie jest odwracalna.
Mamy następującą charakteryzację funkcji odwracalnych.

Twierdzenie 8.6.1. Funkcja T : V → W jest odwracalna wtedy i tylko wtedy,
gdy jest ona różnowartościowa i odwzorowuje zbiór V na cały zbiór W .
Dowód. Niech U : W → V będzie funkcją odwrotną funkcji T : V → W . Wtedy
wobec definicji 8.6.1 jest U T = IV i T U = IW . Z różnowartościowości przekształcenia
tożsamościowego IV = U T łatwo wynika różnowartościowość przekształcenia T . Rów-
nie łatwo z faktu, że przekształcenie tożsamościowe IW = T U jest odwzorowaniem na
cały zbiór W wynika, że T jest odwzorowaniem na cały zbiór W .
Załóżmy teraz, że T : V → W jest odwzorowaniem różnowartościowym zbioru V
na zbiór W . Ponieważ T (V ) = W , więc dla każdego y ∈ W istnieje x ∈ V taki, że
y = T (x). Stąd i z różnowartościowości T wynika, że dla każdego y ∈ W istnieje
dokładnie jeden x ∈ V taki, że y = T (x). Zatem istnieje funkcja U : W → V taka, że
dla każdego y ∈ W i każdego x ∈ V jest
U (y) = x wtedy i tylko wtedy, gdy T (x) = y.

4 Jeśli funkcje U , U : W → V są funkcjami odwrotnymi funkcji T : V → W , to z rów-
1 2
ności Ui T = IV oraz T Ui = IW mamy U1 = U1 IW = U1 (T U2 ) = (U1 T )U2 = IV U2 = U2 i to
dowodzi, że funkcja odwracalna ma tylko jedną funkcję odwrotną.
8.6. Odwracalność odwzorowania liniowego 181
Ponieważ dla x i y spełniających powyższe relacje mamy

(U T )(x) = U (T (x)) = U (y) = x
i
(T U )(y) = T (U (y)) = T (x) = y,
więc U T = IV oraz T U = IW i funkcja T jest odwracalna.
Z twierdzeń 8.2.2 – 8.3.2 i 8.6.1 otrzymujemy następujące warunki konieczne
i dostateczne odwracalności przekształcenia liniowego.
Wniosek 8.6.1. Przekształcenie liniowe T : V → W skończenie wymiarowej
przestrzeni wektorowej V w przestrzeń wektorową W jest odwracalne wtedy i tylko
wtedy, gdy Ker T = {0} i dim V = dim W .
Dowód. Jeśli przekształcenie liniowe T : V → W jest odwracalne, to wobec twier-
dzenia 8.6.1 jest ono mono- i epimorfizmem. Zatem Ker T = {0} (wobec tw. 8.3.1)
i Im T = W . Stąd i z twierdzenia 8.2.2 wynikają także równości
dim V = dim Ker T + dim Im T = dim Im T = dim W.
Załóżmy teraz, że dim V = dim W i T : V → W jest przekształceniem liniowym
takim, że Ker T = {0}. Z tych założeń oraz z twierdzeń 8.3.1 i 8.3.2 jest oczywiste, że T
jest jednocześnie mono- i epimorfizmem. Stąd i z twierdzenia 8.6.1 wynika odwracalność
odwzorowania T .
Wniosek 8.6.2. Operator liniowy T : V → V na skończenie wymiarowej prze-
strzeni wektorowej V jest odwracalny wtedy i tylko wtedy, gdy Ker T = {0}.
Przykład 190. Dany jest operator liniowy

T (a + bx + cx2 ) = a + b + c + (2a + b + c)x + (a + b)x2
na przestrzeni R2 [x]. Uzasadnić odwracalność operatora T .
Wobec wniosku 8.6.2 wystarczy pokazać, że wielomian zerowy jest jedynym elementem
jądra odwzorowania T . Ponieważ mamy
a + bx + cx2 ∈ Ker T ⇔ T (a + bx + cx2 ) ≡ 0
⇔ a + b + c + (2a + b + c)x + (a + b)x2 ≡ 0
(
a + b + c = 0
⇔ 2a + b + c = 0
a + b = 0
⇔ a=b=c=0
⇔ a + bx + cx2 ≡ 0,
więc Ker T = {0} i dlatego operator T jest odwracalny.
Udowodnimy teraz, że przekształcenie odwrotne przekształcenia liniowego

jest przekształceniem liniowym.
Twierdzenie 8.6.2. Jeżeli V i W są przestrzeniami wektorowymi i T : V → W
jest odwracalnym przekształceniem liniowym, to także przekształcenie odwrotne
T −1 : W → V jest przekształceniem liniowym.
Dowód. Z definicji przekształcenia odwrotnego T −1 i z liniowości przekształcenia T
wynika, że dla każdych wektorów y1 , y2 ∈ W i skalarów a1 i a2 jest

T −1 (a1 y1 + a2 y2 ) = T −1 a1 T (T −1 (y1 )) + a2 T (T −1 (y2 )) (T T −1 = IW )

= T −1 T a1 T −1 (y1 ) + a2 T −1 (y2 ) (z liniowości T )
−1 −1
= a1 T (y1 ) + a2 T (y2 ). (T −1 T = IV )
To kończy dowód liniowości przekształcenia T −1 .

Z wniosku 8.6.1 wynika, że jeśli V i W są skończenie wymiarowymi przestrze-

niami wektorowymi i dim V 6= dim W , to nie istnieje odwracalne przekształcenie
liniowe przestrzeni V w przestrzeń W . Z tego względu w następnym twierdzeniu,
w którym dowodzimy, że przekształcenie liniowe jest odwracalne wtedy i tylko
wtedy, gdy jego macierz jest odwracalna, rozważane przestrzenie wektorowe są
tego samego skończonego wymiaru.
Twierdzenie 8.6.3. Załóżmy, że V i W są n-wymiarowymi przestrzeniami
wektorowymi oraz B = (b1 , . . . , bn ) i C = (c1 , . . . , cn ) są odpowiednio ich
bazami. Jeżeli T : V → W jest przekształceniem liniowym, to T jest odwzorowa-
B
niem odwracalnym wtedy i tylko wtedy, gdy jego macierz [T ]C jest odwracalna.
Dodatkowo,
−1 C
B
[T ]C = [T −1 ]B . (8.31)
Dowód. Załóżmy najpierw, że odwzorowanie T : V → W jest odwracalne. Wtedy
odwzorowanie odwrotne T −1 : W → V istnieje i dla niego jest T T −1 = IW oraz
T −1 T = IV . Stąd i z twierdzenia 8.5.3 wynika, że dla macierzy odwzorowań T , T −1 ,
T T −1 i T −1 T mamy
C
In = [IW ]C = [T T −1 ]C = [T ]B
C ·[T
−1
]B
oraz
C
In = [IV ]B = [T −1 T ]B = [T −1 ]B ·[T ]B
C,
a to oznacza odwracalność macierzy [T ]B C i równość (8.31).

Załóżmy teraz, że macierz A = [T ]B
C jest odwracalna i niech B = [bij ] będzie jej ma-
cierzą odwrotną. Wtedy AB = BA = In . Niech U : W → V będzie przekształceniem
liniowym takim, że
n
X
U (cj ) = bij bi (8.32)
i=1
dla j = 1, . . . , n. (Istnienie (i jednoznaczność) takiego przekształcenia U wynika z twier-

dzenia 8.1.1.) Dla dowodu odwracalności przekształcenia T (i równości T −1 = U )
wystarczy wobec definicji 8.6.1 pokazać, że złożenia U T i T U są przekształceniami
tożsamościowymi, U T = IV i T U = IW . h i
Wobec (8.32)) jest oczywiste, że mamy [U ]C
B = [U (c1 )]B . . . [U (cn )]B = B. Stąd
zaś i z twierdzenia 8.5.3 otrzymujemy
[U T ]B = [U ]C B
B ·[T ]C = BA = In = [IV ]B .
W końcu z równości [U T ]B = [IV ]B wynika równość U T = IV . (Jeśli byłoby U T 6=

IV , to wobec wniosku 8.1.1 byłoby U T (bi ) 6= IV (bi ) dla pewnego i ∈ {1, . . . , n}
i wtedy i-ta kolumna macierzy [U T ]B byłaby różna od i-tej kolumny macierzy [IV ]B
(U T )(bi ) B 6= [IV (bi )]B , co przeczyłoby równości [U T ]B = [IV ]B .) Podobnie do-
wodzi się, że T U = IW .
Z powyższego twierdzenia wynikają dwa proste wnioski.

Wniosek 8.6.3. Niech T : V → V będzie operatorem liniowym na skończe-
nie wymiarowej przestrzeni wektorowej V z bazą B. Operator T jest odwracalny
wtedy i tylko wtedy, gdy jego macierz [T ]B jest odwracalna. Dla odwracalnego
−1 operatora T mamy też
−1
[T ]B = T −1 B
([T ]B ) = T −1 B . (8.33)
Wniosek 8.6.4. Jeżeli A jest macierzą wymiaru n × n i o współczynnikach
z ciała K, to macierz A jest odwracalna wtedy i tylko wtedy, gdy operator
TA : K n → K n jest odwracalny. Dla odwracalnej macierzy A mamy też
−1
(TA )−1 = TA−1 (TA ) = TA−1 . (8.34)
8.7. Podobieństwo macierzy 183
Przykład 191. Dane jest przekształcenie liniowe T : R 2 → R2 takie, że
T (x, y) = (3x + 4y, −x − 2y).
(a) Wyznaczyć macierz [T ]E przekształcenia T względem bazy kanonicznej E

przestrzeni R2 . (b) Wykazać odwracalność odwzorowania T oraz wyznaczyć
[T −1 ]E i T −1 (x, y). (c) Wyznaczyć T −1 (b1 ) i T −1 (b2 ) oraz [T −1 ]B , gdzie B =
(b1 , b2 ) = ((4, −1), (1, −1)) jest bazą przestrzeni R 2 .

3 4
Mamy [T ]E = i macierz ta jest odwracalna. Zatem wobec wniosku 8.6.3
−1 −2
także i przekształcenie T jest odwracalne oraz

−1
−1 1 2 4
[T ]E = [T ]E = .
2 −1 −3
Dlatego
1 2 4 x 1
T −1 (x, y) = = (2x + 4y, −x − 3y).
2 −1 −3 y 2
Stąd T −1 (b1 ) = 21 (4, −1) = 12 b1 , T −1 (b2 ) = 12 (−2, 2) = −b2 i w końcu mamy

−1
−1 −1
1
0
[T ]B = [T (b1 )]B [T (b2 )]B = 2 .
0 −1
8.7. Podobieństwo macierzy

Definicja 8.7.1. Dwie macierze A, B ∈ Km×n nazywamy równoważnymi, jeśli
istnieją nieosobliwe macierze P i Q takie, że
B = Q−1 AP. (8.35) Równoważność macierzy
Podobieństwo macierzy, o którym mówiliśmy w rozdziale trzecim, jest szczegól-

nym przypadkiem równoważności macierzy. Przypomnijmy, że macierze kwadra-
towe A i B nazywamy podobnymi, jeśli istnieje macierz nieosobliwa P (zwana
macierzą podobieństwa macierzy A do macierzy B) taka, że
B = P−1 AP. (8.36) Podobieństwo macierzy
Wspomnieliśmy już, że macierz przekształcenia liniowego T : V → W prze-

strzeni wektorowej V w przestrzeń wektorową W zależy jednocześnie od wyboru
bazy przestrzeni V i od wyboru bazy przestrzeni W . Badaniu tych zależności po-
święcamy pozostałą część tego rozdziału. Pokazujemy, że macierze przekształce-
nia T względem różnych baz przestrzeni V i/lub W są równoważne. Dowodzimy
też, że każde dwie równoważne macierze mogą być utożsamiane z macierzami
tego samego przekształcenia liniowego względem różnych wyborów baz.
Twierdzenie 8.7.1. Jeśli B i B 0 są bazami przestrzeni wektorowej V , a C i C 0
są bazami przestrzeni wektorowej W oraz T : V → W jest przekształceniem
B B0
liniowym, to macierze [T ]C i [T ]C 0 są równoważne,
Wzór na zmianę macierzy
B0 B
[T ]C 0 = Q−1 [T ]C P, (8.37) przekształcenia liniowego
przy zmianie baz
0 0
gdzie P = [IV ]B C
B jest macierzą przejścia od bazy B do bazy B, a Q = [IW ]C
0
0
jest macierzą przejścia od bazy C do bazy C.
Dowód. Niech IV oraz IW będą przekształceniami tożsamościowymi odpowiednio na

V oraz W . Wtedy IW T = T IV (co oznacza przemienność diagramu z rys. 8.16) i wobec
twierdzenia 8.5.4 mamy
0 0 0 0 0 0
T
Q [T ]B C B B B B B B
C 0 = [IW ]C [T ]C 0 = [IW T ]C = [T IV ]C = [T ]C [IV ]B = [T ]C P.
V −
−−−−
→ W
  Stąd otrzymujemy [T ]B [T ]B
0
C0 = Q
−1
 I C P.
IV y yW
V −
−−−−
→ W Wniosek 8.7.1. Jeśli T : V → V jest operatorem liniowym oraz B i B 0 są
T bazami przestrzeni V , to macierze [T ]B i [T ]B 0 są podobne i
Rys. 8.16 [T ]B 0 = P−1 [T ]B P, (8.38)
0
gdzie P = PB
B .
Przykład 192. Dane jest przekształcenie liniowe T : R 3 → R2 , gdzie T (x, y, z)

B B0
= (x−y, 2x+3z). Wyznaczyć macierze [T ]C i [T ]C 0 przekształcenia T oraz macie-
B0 C
rze przejścia P = [IR3 ]B i Q−1 = [IR2 ]C 0 , gdy B = (1, −1, 1), (1, 0, 1), (0, 1, 1)
i B 0 = (3, 1, 1), (2, 2, 1), (1,
2, 1) są bazami przestrzeni R3 , a C = (0, 1),
(−1, 3) i C = (2, 1), (7, 3) – bazami przestrzeni R . Sprawdzić, czy dla otrzy-
0 2
C B B0 B0
manych macierzy zachodzi równość [IR2 ]C 0 [T ]C [IR3 ]B = [T ]C 0 .
0
Macierze [T ]B B
C i [T ]C 0 (tak jak w przykładzie 185) wyznaczamy z równoważności
0
[ C | T (B) ] ∼ I | [T ]B
C i [ C0 | T (B0 ) ] ∼ I | [T ]B
C0 .
Ponieważ mamy

0 −1 2 1 −1 1 0 11 8 0
C | T (B) = ∼ = I | [T ]B
1 3 5 5 3 0 1 −2 −1 1 C
i
h i
2 7 2 0 −1 1 0 57 49 38 0
C0 | T (B0 ) = ∼ = I | [T ]B ,
1 3 9 7 5 0 1 −16 −14 −11 C0
więc
11 8 0 0 57 49 38
[T ]B
C = i [T ]B
C0 = .
−2 −1 1 −16 −14 −11
0
B C
P = [IR0 3]B i Q = [IR02 ]C 0 . Tym
−1
W podobny sposób wyznaczamy macierze
przejścia
razem korzystamy z równoważności B | IR3 (B ) = B | B ∼ I | P i C | IR2 (C)
0

= C0 | C ∼ I | Q−1 , z których otrzymujemy
" #
−3 −3 −2
0 7 24
P= [IR3 ]B
B = 6 5 3 i Q−1 = [IR2 ]C
C0 = .
−2 −7
−2 −1 0
Łatwo teraz zauważyć, że istotnie mamy
" #
h ih i −3 −3 −2
7 24 11 8 0
Q−1 [T ]B
C P = 6 5 3
−2 −7 −2 −1 1
−2 −1 0
" #
h i −3 −3 −2 h i
29 32 24 −57 49 38 0
= 6 5 3 = = [T ]B
C0 .
−8 −9 −7 −16 −14 −11
−2 −1 0
Przykład 193. Dana jest pewna przestrzeń wektorowa V z bazami B = (b1 , b2 )

i B 0 = (b1 +b2 , 2b1 +b2 ). Niech T : V → V będzie
operatorem liniowym, którego
0 2
macierzą względem bazy B jest A = . Wyznaczyć:
−1 3
8.7. Podobieństwo macierzy 185
(a) [T (b1 )]B i T (b1 );

(b) T (b1 + b2 ), [T (b1 + b2 )]B 0 , T (2b1 + b2 ) i [T (2b1 + b2 )]B 0 ;
(c) [T ]B 0 ;

2 0
(d) macierz podobieństwa P macierzy B = do macierzy A.
0 1
h A jest macierzą przekształcenia
(a) Ponieważ macierz i T względem bazy B, więc
oczywiście A = [T ]B = [T (b1 )]B [T (b2 )]B i dlatego mamy

0
[T (b1 )]B = oraz T (b1 ) = 0 b1 + (−1)b2 = −b2 .
−1
Z tych samych powodów mamy T (b2 ) = 2b1 + 3b2 .
(b) Z liniowości przekształcenia T oraz z (a) mamy
T (b1 + b2 ) = T (b1 ) + T (b2 ) = −b2 + (2b1 + 3b2 )
= 2(b1 + b2 ) = 2(b1 + b2 ) + 0(2b1 + b2 )
i stąd
2
[T (b1 + b2 )]B0 = .
0
Podobnie znajdujemy

0
T (2b1 + b2 ) = 0(b1 + b2 ) + 1(2b1 + b2 ) i [T (2b1 + b2 )]B0 = .
1
(c) Korzystając z (b), otrzymujemy
h i
2 0
[T ]B0 = [T (b1 + b2 )]B0 [T (2b1 + b2 )]B0 = .
0 1
(d) Ponieważ A = [T ]B i B = [T ]B0 , więc wobec wniosku 8.7.1 jest B = P−1 AP

i macierzą podobieństwa P macierzy A do macierzy B jest macierz przejścia od bazy
B 0 do bazy B,
h i
0 1 2
P= PB
B = [b1 + b2 ]B [2b1 + b2 ]B = .
1 1
Przykład 194. Macierzą przekształcenia liniowego T : V → W względem bazy

B = (b1 , b2 , b3 ) przestrzeni V i bazy C = (c1 , c2 ) przestrzeni W jest

1 3 2
[T ]B = .
C 2 −1 −1
B0
Wyznaczyć macierz [T ]C 0 , gdy B 0 = (b1 + b2 , b1 + b3 , b1 + b2 + b3 ) oraz
C 0 = (2c1 + 3c2 , 3c1 + 5c2 ).
Korzystamy ze wzoru na zmianę macierzy przekształcenia przy zmianie baz (zob.

0
(8.37)) i macierz [T ]B
C 0 wyznaczamy z zależności
0 0
0
−1 0
[T ]B C B B C
C 0 = [IW ]C 0 [T ]C [IV ]B = [IW ]C [T ]B B
C [IV ]B .
Ponieważ każdy wektor bazy B 0 jest już wskazaną kombinacją liniową wektorów bazy
" #
1 1 1
B0 0 2 3
B, więc mamy [IV ]B = 1 0 1 . Z tych samych powodów [IW ]C =
C 3 5
0 1 1
i w końcu mamy
−1 " 1 1 1 #
0 2 3 1 3 2 17 12 30
[T ]B
C0 = 1 0 1 = .
3 5 2 −1 −1 −10 −7 −18
0 1 1
Udowodnimy teraz, że każde dwie równoważne macierze są macierzami tego

samego przekształcenia liniowego względem różnych baz przestrzeni wektoro-
wych.
Twierdzenie 8.7.2. Niech V i W będą odpowiednio n- i m-wymiarową prze-
strzenią wektorową nad ciałem K. Macierze A, B ∈ Km×n są macierzami pew-
nego przekształcenia liniowego T : V → W (względem pewnych baz przestrzeni V
i W ) wtedy i tylko wtedy, gdy są one równoważne, tj. gdy istnieją nieosobliwe
macierze P i Q takie, że
B = Q−1 AP. (8.39)
Dowód. Pierwsza część jest prostą konsekwencją twierdzenia 8.7.1.
Dla dowodu drugiej części załóżmy, że P i Q są nieosobliwymi macierzami takimi,
że B = Q−1 AP. Niech B = (b1 , . . . , bn ) będzie ustaloną bazą przestrzeni V , a C =
(c1 , . . . , cm ) – ustaloną bazą przestrzeni W . Pokażemy teraz jak za pomocą macierzy
A = [aij ], P = [pij ] i Q = [qij ] (oraz baz B i C) określić przekształcenie liniowe
0
T : V → W oraz bazę B 0 przestrzeni V i bazę C 0 przestrzeni W takie, że B = [T ]B C0
0
= [IW ]C B B
C 0 [T ]C [IV ]B = Q
−1
AP.
Niech P T : V → W będzie przekształceniem liniowym takim, że dla i = 1, . . . , n jest
m
T (bi ) = a c . (Istnienie takiego przekształcenia wynika z twierdzenia 8.1.1.)
k=1 ki k
Jest oczywiste, że macierzą tak określonego przekształcenia T względem baz B i C jest
macierz A, czyli [T ]B C = A. Pn
Weźmy teraz pod uwagę wektory b01 , . . . , b0n , gdzie b0i = p b dla i = 1,
k=1 ki k
0
. . . , n. Macierz [b1 ]B . . . [bn ]B jest identyczna z nieosobliwą macierzą P i z tego
0
faktu wynika, że uporządkowany zbiór B 0 = (b01 , . . . , b0n ) jest bazą przestrzeni V . Ma-
0
cierzą przejścia od bazy B 0 do bazy B jest [IV ]B = P. Z tych samych powodów
B = [pij ]P
m
uporządkowany zbiór C = (c1 , . . . , cm ), w którym c0i = k=1 qki ck (dla i = 1, . . . , m),
0 0 0
0
jest bazą przestrzeni W i [IW ]C
C = Q. Stąd i z poprzedniego twierdzenia wynika, że
0
B0
dla macierzy przekształcenia T mamy [T ]B C B
C 0 = [IW ]C 0 [T ]C [IV ]B = Q
−1
AP.
W analogiczny sposób dowodzi się prawdziwość następującego twierdzenia.
Twierdzenie 8.7.3. Niech V będzie n-wymiarową przestrzenią wektorową nad
ciałem K. Dla macierzy A, B ∈ Kn×n istnieje operator liniowy T : V → V oraz
bazy B i B 0 przestrzeni V takie, że
A = [T ]B i B = [T ]B 0
wtedy i tylko wtedy, gdy macierze A i B są podobne, tj. gdy istnieje macierz
nieosobliwa P taka, że
B = P−1 AP. (8.40)
8.8. Ćwiczenia
Rx
1. Zbadać liniowość następujących przekształceń: (n) T : R[x] → R[x], T ϕ(x) = 0 ϕ(t) dt;
(o) T : R[x] → R, T (ϕ(x)) = ϕ(0).
(a) T : R2 → R2 , T (x, y) = (x + y, 3x);
(b) T : R2 → R2 , T (x, y) = (x, −x); 2. Dana jest macierz B ∈ R2×2 . Stwierdzić, czy funk-
(c) T : R2 → R2 , T (x, y) = (x + 1, x + y); cja T : R2×2 → R2×2 jest przekształceniem liniowym,
(d) T : R3 → R2 , T (x, y, z) = (z, 2y − x); gdy dla każdej macierzy A ∈ R2×2 jest: (a) T (A) =
(e) T : R3 → R3 , T (x, y, z) = (0, x, x + y + z); AB; (b) T (A) = (det A)B; (c) T (A) = BA;
(f ) T : R4 → R3 , T (x, y, z, t) = (0, xy, z − t); (d) T (A) = (det A)A; (e) T (A) = (det B)(A + AT ).
(g) T : R3 → R2 , T (x, y, z) = (x, y 3. Niech T : R2 → R2 będzie przekształceniem liniowym
√− 2z + 3); takim, że T (0, 1) = (4, 3) i T (1, 3) = (5, 9). Wyzna-
(h) T : R3 → R2 , T (x, y, z) = (0, 3(x + z));
(i) T : R3 → R2 , T (x, y, z) = (x2 , y + z − x); czyć T (2, 5) i T 3 (−1, 4). Czy przekształcenie T jest
(j) T : R3 → R3 , T (x, y, z) = (x, x + y, x + y); różnowartościowe?
(k) T : RR → RR , T (f ) = −f ; 4. Przekształcenie liniowe T : R2 → R2 jest takie, że
2 T (2, 3) = (4, 6) i T (4, −1) = (−8, 2). Wektor (−5, 3)
(l) T : RR → R, T (f ) = f (1) ;
przedstawić jako kombinację liniową wektorów (2, 3)
(m) T : R2 [x] → R3 [x], T ϕ(x) = xϕ(x); oraz (4, −1) i obliczyć T 50 (−5, 3).
8.8. Ćwiczenia 187
5. Niech T : R3 → R3 będzi przekształceniem linio- 16. Dane jest przekształcenie liniowe T : R3 → R3 ta-
wym takim, że T (x, y, z) = (x + y − z, x + 3y kie, że T (x, y, z) = (z, 0, x). Wyznaczyć jego ma-
− z, −3x−y+z). Wyznaczyć bazę jądra i bazę obrazu cierz [T ]B
C , gdy B = (3, 1, 2), (1, 2, 1), (2, −1, 0)

przekształcenia T . i C = (1, 2, 1), (2, 1, −1), (5, 4, 1) .
6. Przekształcenie liniowe T : R4 → R4 określone jest
17. Niech V i W będą przestrzeniami wektoro-
wzorem T (x, y, z, t) = (x+3y+2z +3t, y−z +2t, 2x+
wymi i niech ich bazami będą odpowiednio
5y+5z+5t, x+4y+z+4t). Wyznaczyć bazy i wymiary
B = (b1 , b2 , b3 , b4 ) i C = (c1 , c2 , c3 ). Znaleźć
przestrzeni Ker T i Im T .
4 2 T (b1 − b2 + 3b3 ), jeśli macierzą przekształcenia
7. Dane jestprzekształcenie liniowe T : R → R , gdzie liniowego T : V → W względem baz B i C jest:
1 2 1 2 " # " #
T (x) = x dla x ∈ R4 . Wyznaczyć: 2 4 1 −1 1 0 0 1
0 2 1 1
(a) bazę przestrzeni Ker T i (b) wymiar przestrzeni (a) 3 0 0 1 ; (b) 0 1 0 0 .
Im T . 0 1 2 3 1 0 1 0
8. Niech T : R2 [x] → R3 [x] będzie przekształceniem ta- 18. Wyznaczyć macierz przekształcenia liniowego
kim, że T (ϕ(x)) = xϕ(x) dla ϕ(x) ∈ R2 [x]. Znaleźć T : Rn → Rm względem bazy B przestrzeni Rn
obraz i jądro przekształcenia T . Wyznaczyć także i bazy C przestrzeni Rm , gdy:

rząd i zerowość przekształcenia T . (a) T (x, y) = (x − 2y, 2x + 3y), B = (1, 1), (1, 0)
9. Dane jest przekształcenie T : R2R[x] → R3 [x], gdzie
x i C = (0, 1), (1, 0) ;
T (ϕ(x)) = ϕ0 (x) + 6 0 ϕ(t)dt.
(b) T (x, y) = (2x + y, x + y, x − 3y), B = (1, 0),
(a) Wyznaczyć Im T i Ker T . (b) Zbadać mono- i epi-
morficzność przekształcenia T . (0, 1) i C = (1, 1, 1), (1, 1, 0), (1, 0, 0) ;
10. Wskazać przekształcenie liniowe T : R3 → R3 , dla (c) T (x, y, z) = (x + 2y + 3z, x, y + z), B =
którego Ker T= {(x, y, z) ∈ R3 : x + 2y − z = 0} (1, 0, 1), (1, 1, 0), (0, 1, 1) i C = (0, 1, 1),

oraz Im T = (x, y, z) ∈ R3 : x + y − z = 0 i x + 3y (1, 1, 0), (1, 0, 1) ;
+z = 0}. Czy istnieje tylko jedno takie przekształ- (d) T (x, y, z) = (x, y, z), B = (1, 1, 0), (−1, 1, 0),

cenie? Uzasadnić swoją odpowiedź. (0, 1, 2) i C = (1, 0, 0), (0, 1, 0), (0, 0, 1) ;
11. Uzasadnić, że nie istnieje przekształcenie liniowe (e) T (x, y) = (x + y, x − 2y), B = C =
T : R3 → R3 takie, że Ker T = {(x, y, z) ∈ R3 : x (1, 1), (1, −2) .
+y+z = 0} i Im T = {(x, y, z) ∈ R3 : x−y+2z = 0}.
19. Wyznaczyć macierz przekształcenia liniowego
12. Dane jest przekształcenie T : R3 → R3 , gdzie
T : R3 → R3 względem bazy standardowej
T (x, y, z) = (x + 2y − 2z, 3x + 3z, 2x − 2y + 5z).
E = (e1 , e2 , e3 ) przestrzeni R3 , jeśli T (ai ) = bi dla
(a) Pokazać, że Im T jest płaszczyzną i znaleźć rów-
i = 1, 2, 3, gdy:
nanie tej płaszczyzny. (b) Pokazać, że T przekształca
wszystkie punkty prostej x−1 = y+1 = z2 w jeden (a) a1 = (2, 3, 5), a2 = (0, 1, 2), a3 = (1, 0, 1),
−2 3
punkt i znaleźć ten punkt. (c) Pokazać, że wszystkie b1 = (1, 1, 1), b2 = (1, 1, −1), b3 = (2, 1, 2);
punkty, których obrazem jest punkt (0, 0, 0) leżą na (b) a1 = (2, 0, 3), a2 = (4, 1, 5), a3 = (3, 1, 2),
pewnej prostej. Wyznaczyć równanie tej prostej. b1 = (1, 2, −1), b2 = (4, 5, −2), b3 = (1, −1, 1).
13. Dane jest przekształcenie T : R3 → R3 , gdzie 20. Niech T : R4 [x] → R4 [x] będzie funkcją taką, że
" #! " #" # T (f (x)) = x2 f 00 (x)−(2x+2)f 0 (x)+2f (x) dla f (x) ∈
x 1 2 3 x
R4 [x]. (a) Pokazać, że T jest przekształceniem linio-
T y = 2 0 −2 y .
wym. (b) Wyznaczyć jądro i obraz przekształcenia T
z 3 −2 −7 z
oraz ich wymiary. (c) Wyznaczyć macierz [T ]B prze-
kształcenia T względem bazy B = (1, x, x2 , x3 , x4 )
(a) Pokazać, że T (R3 ) jest płaszczyzną o równaniu
przestrzeni R4 [x]. (d) Wyznaczyć rząd macierzy [T ]B
x − 2y + z = 0. (b) Wyznaczyć obrazy prostej x =
i wymiar przestrzeni zerowej macierzy [T ]B .
−y = z/2 oraz płaszczyzny x − y − z = 0 poprzez
przekształcenie T . 21. Niech B = (1, 1, 0), (0, 1, 0), (1, 0, 2) , C =

14. Niech V i W będą przestrzeniami wektorowy- (0, 1), (1, 1) i D = (1, 0, 0, 1), (0, 1, 1, 0),
mi i niech ich bazami będą odpowiednio B =
(0, 0, 1, 1), (1, 0, 0, 0) będą odpowiednio bazami prze-
(b1 , b2 , b3 ) i C = (c1 , c2 , c3 , c4 ). Znaleźć macierz
strzeni R3 , R2 i R4 . Niech T : R3 → R2 i U : R2 →
[T ]B
C przekształcenia liniowego T : V → W wzglę- R4 będą funkcjami takimi, że T (x, y, z) = (x +
dem baz B i C, gdy T (b1 ) = 2c1 + c2 + 3c3 − c4 ,
T (b2 ) = c1 + 2c2 − c3 + 2c4 i T (b3 ) = −c1 + c2 + c4 .
z, y − z) i U (u, v) = (u, u + v, v, v − u). (a) Znaleźć
U T (0, 1, 1). (b) Pokazać, że T , U i U T są przekształ-
15. Przekształcenie liniowe T : R4 → R4 jest ta-
ceniami liniowymi. (c) Utworzyć macierze [T ]B C
C , [U ]D
kie, że T (e1 ) = (1, 3, 1, 5), T (e2 ) = (2, 5, 1, 13), B
T (e3 ) = (1, 2, 0, 8) i T (e4 ) = (2, 6, 3, 12), gdzie i [U T ]D przekształceń T , U i U T . (d) Wyznaczyć:
E = (e1 , e2 , e3 , e4 ) jest bazą standardową przestrze- (1) dim Ker T , dim Im T i bazę przestrzeni Ker T ;
ni R4 . Wyznaczyć: (a) Ker T i bazę tej podprzestrze- (2) dim Ker U , dim Im U i bazę przestrzeni Im U oraz
ni; (b) Im T i dim Im T ; (c) [T ]E oraz det [T ]E . (3) dim Ker U T i dim Im U T .
" #
22. Niech T : R3 [x] → R3 [x] będzie przekształceniem li- 1 2 0
niowym takim, że T (ϕ(x)) = ϕ00 (x)−ϕ0 (x)+2ϕ(x) dla [T ]A = 3 0 −1 .
ϕ(x) ∈ R3 [x]. Znaleźć macierz [T ]B przekształcenia T 2 5 3
względem bazy B = (x, 1 + x, x + x2 , x3 ) przestrzeni
Wyznaczyć macierze [T ]B , [T ]C i [T ]D względem baz
R3 [x].
B = (b1 , b3 , b2 ), C = (b1 , b1 +b2 , b1 +b2 +b3 ) i D
23. W przestrzeni wektorowej Rn [x] wielomianów stop-
= (2b1 + 3b2 + b3 , 3b1 + 4b2 + b3 , b1 + 2b2 + 2b3 ).
nia co najwyżej n dana jest funkcja T : Rn [x] → Rn [x]
0 30. Dana jest funkcja T : R2 [x] → R2 [x] taka, że
taka, że T (f (x)) = f (x). (a) Pokazać, że T jest
T ϕ(x) = ϕ(x+1)+ϕ(x) dla ϕ(x) ∈ R2 [x]. (a) Wy-
przekształceniem liniowym. (b) Wyznaczyć jądro i ob-
raz przekształcenia T . (c) Wyznaczyć macierz prze- znaczyć macierz [T ]B 2
C względem baz B = (x , x, 1)
2 B
kształcenia T względem bazy (1, x, . . . , xn ) przestrze- i C = (x +1, x+1, 2). (b) Obliczyć det [T ]C . (c) Czy
ni Rn [x]. (d) Czy przekształcenie T jest różnowarto- przekształcenie T jest odwracalne?
ściowe? 31. Dane jest przekształcenie T : R3 [x] → R3 [x] takie,
24. Dane jest przekształcenie T : Rn [x] → Rn [x], gdzie że T ϕ(x) = ϕ(x) − xϕ00 (x). Macierzowo uzasadnić
2 00
T (f (x)) = (x f (x)) . (a) Pokazać, że T jest prze- odwracalność przekształcenia T i obliczyć T −1 (x2 ).
kształceniem liniowym. (b) Znaleźć macierz prze- 32. Dana jest przestrzeń wektorowa V z bazą B =
kształcenia T względem bazy (1, x, . . . , xn ) przestrze- (b1 , b2 , b3 ) i przekształcenie liniowe T : V → V ta-
ni Rn [x]. (c) Pokazać, że przekształcenie T jest epi- kie, że T (b1 ) = b1 + b2 + b3 , T (b2 ) = b1 + 2b2 − b3
morfizmem. i T (b3 ) = b1 − b2 + 3b3 . Wyznaczyć macierz [T ]B
25. Przekształcenie liniowe T : R2 [x] → R2×2 przekształcenia T względem bazy B. Czy przekształ-
ϕ(0) 2ϕ0 (1) cenie T jest odwracalne? Obliczyć T −1 (b1 ).
jest takie, że T (ϕ(x)) = .
3ϕ00 (2) 0 33. Macierzą przekształcenia liniowego T : V → V
względem bazy B = (b1 , b2 ) przestrzeni V jest
B 2
Wyznaczyć
macierz
[T ] ,
C gdy B
= (1,
x, x )
1 0 0 1 0 0 0 0 1 1
iC= , , , . [T ]B = . Wyznaczyć T 2 (b1 ) i T −1 (b2 ).
0 0 0 0 1 0 0 1 3 5
26. Przekształcenie liniowe 34. Macierzą przekształcenia liniowego T : R3 → R
3
T : R2×2 → R2×2 jest ta- względem bazy B = (1, 2, 3), (2, 3, 1), (4, 5, 2) jest
1 0 1 2 1 3
kie, że T = T = macierz " #
0 0 0 0 1 0 1 2 3

0 1 1 2 2 0 [T ]B = −1 0 4 .
iT =T = . Wyzna-
1 1 3 4 3 0 2 −1 1
czyć macierz przekształcenia T względem bazy stan- Wyznaczyć macierze [T ]C i [T −1 ]C , gdy C =
dardowej
E przestrzeni
R 2×2 . Dodatkowo wyznaczyć (1, 2, 3), (0, 1, 2), (0, 0, 1) .
x y
T
z t
. 35. Przekształcenie T : R3 → R3 jest symetrią wzglę-
dem płaszczyzny y = 0. Podać macierze [T ]E i [T ]B
27. Znaleźć macierz przejścia P = [IV ]B C od bazy B do przekształcenia T względem bazy kanonicznej E
bazy C, gdy: (a) B = (1, 2, 0), (3, 4, 2), (2, 2, 1) , C i względem bazy B = (1, 1, 1), (0, 1, 1), (0, 0, 1)

= (1, −1, 2), (3, 1, −1), (4, 0, 2) i V = R3 ; (b) B przestrzeni R3 .
= (x3 , x2 , x, 1), C = (x3 − x2 , x2 − x, x − 1, x3 + 1) 36. Przekształcenie liniowe T : R3 → R3 jest syme-
i V = R3 [x]. trią względem prostej określonej równaniami x = y
28. Macierz A jest macierzą operatora liniowego T i z = 0. Wyznaczyć macierz przekształcenia T wzglę-
względem bazy standardowej przestrzeni Rn . Znaleźć dem bazy standardowej przestrzeni R3 i wyznaczyć
macierz operatora T względem
bazy B, gdy: T (x, y, z).
1 −2 2 1 37. Przekształcenie T : R3 → R3 jest obrotem o kąt π/2
(a) A = , B= , ;
3 −4 1 1 wokół osi Ox, zaś przekształcenie U : R3 → R3 okre-
" # " # " # " #! ślone jest wzorem U (x, y, z) = (x, y − x, z + x − y).
1 2 3 1 1 1
Wyznaczyć macierze przekształceń T , U , U T i T U T
(b) A = 2 3 1 ; B = 0 , 1 , 1 ;
względem bazy standardowej przestrzeni R3 .
1 3 2 0 0 1
38. Niech T będzie obrotem w przestrzeni R3 o kąt 32 π
7 2 −1 1 wokół osi Oz, zaś U niech będzie symetrią względem
(c) A = ; B= , ;
1 2 −2 3 płaszczyzny Oxz. Wyznaczyć macierz przekształce-
" # " # " # " #! nia U T względem bazy standardowej przestrzeni R3 .
1 0 1 1 1 1
(d) A = 0 7 0 , B = 1 , 2 , 1 . 39. Zbadać odwracalność przekształcenia liniowego T
2 3 14 0 1 1 i, jeśli to możliwe, wyznaczyć przekstałcenie odwrot-
3
29. Macierzą operatora liniowego T : R → R względem 3 ne, gdy T : R3 → R3 i T (x, y, z) = (x + y − z, x −
bazy A = (b1 , b2 , b3 ) jest 2y + z, −3x + y + z).
8.8. Ćwiczenia 189
40. Zbadać, które z przekształceń liniowych T jest izo- 54. Wyznaczyć wszystkie macierze podobne do macierzy
morfizmem przestrzeni wektorowych: jednostkowej In .
(a) T : R2 → R2 , T (x, y) = (x + y, x); 55. Wyznaczyć wszystkie macierze równoważne z macie-
(b) T : R2 → R2 , T (x, y) = (x − y, x − y); rzą jednostkową In .
" # " #
(c) T : R4 → R4 , T (x, y, z, t) = (x, y, t, t − z). 1 0 4 1 0 1
41. Wyznaczyć wymiar przestrzeni wektorowej 56. Wykazać, że macierze 1 1 3 i 0 1 1 nie
a a+b 2 1 7 3 1 2
V = : a, b, c ∈ R . są podobne.
0 b+c
Wskazać izomorfizm przestrzeni V i R3 . 57. Wykazać, że jeśli macierze A i B są podobne i ma-
42. Zbadać liniowość i różnowartościowość przekształce- cierz A jest odwracalna, to także macierz B jest od-
nia T : Rn×n → Rn×n takiego, że T (A) = AT + A. wracalna.
43. Pokazać, że każda podprzestrzeń wektorowa W prze- 58. Wykazać, że jeśli macierze A i B są podobne, to także
strzeni V jest jądrem pewnego przekształcenia linio- macierze A2 i B2 są podobne.
wego T : V → V . 59. Wykazać, że jeśli macierze A i B są podobne, to także
44. Pokazać, że przekształcenie odwrotne odwracalnego macierze an An +an−1 An−1 +. . .+a1 A+a0 I i an Bn +
przekształcenia liniowego odwracalnym przekształce- an−1 Bn−1 + . . . + a1 B + a0 I są podobne dla każdych
niem liniowym. skalarów a0 , . . . , an .
45. Niech T : V → W będzie monomorfizmem przestrze- 60. Wykazać, że jeśli macierze A − λI i B są podobne,
ni V i W . Wykazać, że wektory b1 , . . . , bn są linio- to także macierze A i B + λI są podobne.
wo niezależne w przestrzeni V wtedy i tylko wtedy, 61. Niech T : V → W będzie przekształceniem liniowym
gdy ich obrazy T (b1 ), . . . , T (bn ) są liniowo niezależne przestrzeni wektorowej V w przestrzeń wektorową W ,
w przestrzeni W . gdzie dim V = dim W < ∞. Pokazać, że istnieje ba-
46. Wykazać, że jeśli T1 , T2 i T3 są operatorami liniowy- za B przestrzeni V i baza C przestrzeni W taka, że
mi na przestrzeni wektorowej V , to: (a) T1 (T2 + T3 ) macierz [T ]B C jest diagonalna.
= T1 T2 + T1 T3 i (T1 + T2 )T3 = T1 T3 + T2 T3 ; 62. Niech A i B będą macierzami podobnymi wymiaru
(b) T1 (T2 T3 ) = (T1 T2 )T3 ; (c) a(T1 T2 ) = (aT1 )T2 = n × n. Udowodnić, że istnieje przestrzeń wektorowa
T1 (aT2 ) dla każdego skalara a; (d) T IV = IV T = T , V , operator liniowy T : V → V i bazy B oraz C
gdzie IV jest przekształceniem tożsamościowym na przestrzeni V takie, że A = [T ]B i B = [T ]C .
przestrzeni V . 63. Wykazać, że przekształcenie liniowe T : V → W jest
47. Niech V i W będą przestrzeniami wektorowymi monomorfizmem wtedy i tylko wtedy, gdy istnieje
(nad tym samym ciałem), niech S będzie pod- taki wektor y ∈ W , że przeciwobraz T −1 ({y}) jest
zbiorem zbioru V i S 0 = {T ∈ L(V, W ) : zbiorem jednoelementowym.
T (x) = 0 dla każdego x ∈ S}. Udowodnić nastę- 64. Dane jest przekształcenie liniowe T : V → W .
pujące stwierdzenia: (a) S 0 jest podprzestrzenią prze- (a) Wykazać, że T nie jest monomorfizmem, gdy
strzeni L(V, W ); (b) Jeśli S1 ⊆ S2 ⊂ V , to S20 ⊆ S10 ; dim V > dim W . (b) Wykazać, że T nie jest epimorfi-
(c) Jeśli V1 i V1 są podprzestrzeniami przestrzeni V , zmem, gdy dim V < dim W .
to (V1 + V2 )0 = V10 ∩ V20 .
65. Niech Q będzie macierzą rzeczywistą wymiaru n × n.
48. Niech T : V → V będzie operatorem liniowym na
Wykazać, że odwzorowanie T : Rn×n → Rn×n jest
przestrzeni wektorowej V . Udowodnić, że T 2 = 0 wte-
izomorfizmem, gdy T (A) = Q−1 AQ dla A ∈ Rn×n .
dy i tylko wtedy, gdy Im T ⊆ Ker T .
49. Podać przykład przekształceń liniowych T, U : R 2 → 66. Niech V i W będą skończenie wymiarowymi prze-
R2 takich, że U T = 0 i T U 6= 0. Wskazać także ma- strzeniami wektorowymi i T ∈ L(V, W ). Niech
cierze A i B takie, że AB = 0 i BA 6= 0. (Uzasadnić (b1 , . . . , bn ) będzie bazą przestrzeni V . Udowodnić,
swoje stwierdzenia.) że T jest izomorfizmem wtedy i tylko wtedy, gdy
50. Podać przykład przekształcenia liniowego T : R 2 → T (b1 ), . . . , T (bn ) jest bazą przestrzeni W .
R2 takiego, że Ker T = Im T . (Uzasadnić swój wy- 67. Niech V , W i Z będą przestrzeniami wektorowymi
bór.) i niech T ∈ L(V, W ) oraz U ∈ L(W, Z). (a) Pokazać,
51. Podać przykład różnych przekształceń liniowych że jeśli U T jest monomorfizmem, to T jest monomor-
T, S : R2 → R2 takich, że Ker T = Ker S i Im T = fizmem. (b) Wykazać, że U jest epimorfizmem, gdy
Im S. (Uzasadnić swój wybór.) U T jest epimorfizmem. (c) Udowodnić, że U T jest
52. Dane jest przekształcenie liniowe T : R3 → R3 , gdzie izomorfizmem, gdy T i U są izomorfizmami.
T (x, y, z) = (x + y, y + z, x − z). Wskazać podprze- 68. Niech T : V → W będzie przekształceniem liniowym
strzenie V , W , Z i X przestrzeni R3 , dla których: i niech V 0 i W 0 będą odpowiednio podprzestrzeniami
(a) dim T (V ) < dim V ; (b) dim T (W ) = dim W ; przestrzeni V i W . Wykazać, że: (a) dim T (V 0 ) ¬
(c) dim T −1 (Z) > dim Z; (d) dim T −1 (X) = dim X. dim V 0 ; (b) dim T −1 (W 0 ) dim W 0 .
53. Wykazać, że macierze A i B są równoważne wtedy 69. Niech T : V → W będzie izomorfizmem skończenie
i tylko wtedy, gdy macierz B można otrzymać z ma- wymiarowych przestrzeni wektorowych V i W . Wy-
cierzy A za pomocą operacji elementarnych na wier- kazać, że jeśli V 0 jest podprzestrzenią przestrzeni V ,
szach i kolumnach macierzy. to dim V 0 = dim T (V 0 ).
70. Niech T : R2 → R2 będzie przekształceniem linio- 11 Przestrzenie wektorowe R3×2 i R5 są izomor-

wym takim, że T (x, y) = (x + 2y, 3x + 2y) i niech E ficzne.
= ((1, 0), (0, 1)) oraz B = ((1, 3), (2, 5)) będą bazami 12 Macierze A i B ze zbior Rn×n są podobne,
przestrzeni R2 . (a) Wyznaczyć macierze [T ]E i [T ]B . gdy B = P−1 AP dla pewnej macierzy P ∈ Rn×n .
(b) Znaleźć [v]B i [T (v)]B , gdy v = (1, 1). (c) Wyzna-
Macierze podobne mają identyczne ślady.
czyć macierze przejścia [1R2 ]E B 13
B i [1R2 ]E . (d) Spraw-
E B
dzić, czy [T ]B = [1R2 ]B [T ]E [1R2 ]E . (e) Znaleźć ba- 14 Każda macierz przejścia jest odwracalna.
zę C przestrzeni R2 taką, że macierz [T ]C C jest dia-
15 Macierz jednostkowa zawsze reprezentuje prze-
gonalna. (f ) Wskazać macierze P = [1R2]C E i P .
−1 kształcenie tożsamościowe.
n
1 2
(g) Wskazać formułę dla obliczeń potęgi ,
3 2
gdzie n jest liczbą naturalną.
71. Niech T, U : V → W będą niezerowymi przekształce-
niami liniowymi takimi, że Im T ∩ Im U = {0}. Udo-
wodnić,że T i U są liniowo niezależne w przestrzeni
L(V, W ).
72. Niech V i W będą n-wymiarowymi przestrzeniami
wektorowymi i niech B i C będą odpowiednio ich
bazami. Udowodnić, że dla przekształcenia liniowe-
go T : V → W następujące stwierdzenia są równo-
ważne: (a) T jest monomorfizmem; (b) Ker T = {0};
(c) dim Ker T = 0; (d) dim Im T = n; (e) Im T = W ;
(f ) T jest epimorfizmem; (g) macierz [T ]B C jest od-
wracalna; (h) układ wektorów (b1 , . . . , bn ) jest ba-
zą przestrzeni V wtedy i tylko wtedy, gdy układ
T (b1 ), . . . , T (bn ) jest bazą przestrzeni W .
73. Wpisując TAK albo NIE, stwierdzić prawdziwość
1 Przekształcenie T ∈ L(V, W ) jest różnowarto-
ściowe wtedy i tylko wtedy, gdy Ker T = {0}.
2 Przekształcenie T : Rn×n → R jest liniowe, gdy
T (A) = tr(A).
3 Jeśli T ∈ L(V, W ) i wektory b1 , . . . , bn są
liniowo niezależne w przestrzeni V , to wektory
T (b1 ), . . . , T (bn ) są liniowo niezależne w przestrzeni
W.
4 Jeśli T ∈ L(V, W ) i L(b1 , . . . , bn ) = V , to

L T (b1 ), . . . , T (bn ) = W .
5 Jeśli T ∈ L(V, W ) i wektory b1 , . . . , bn
są liniowo zależne w przestrzeni V , to wektory
T (b1 ), . . . , T (bn ) są liniowo zależne w przestrzeni
W.
6 Jeśli T ∈ L(V, W ) i b1 , . . . , bn ∈ V oraz układ

wektorów T (b1 ), . . . , T (bn ) jest bazą przestrzeni
Im T , to układ wektorów (b1 , . . . , bn ) jest bazą
przestrzeni V .
7 Jeśli T ∈ L(V, W ) jest epimorfizmem, to
dim V dim W .
8 Jeśli V i W są przestrzeniami wektorowymi
nad tym samym ciałem, to L(V, W ) = L(W, V ).
9 Jeśli V i W są przestrzeniami wektorowymi
nad tym samym ciałem, to L(V, W ) = L(W, V )
wtedy i tylko wtedy, gdy dim V = dim W .
10 Jeśli T ∈ L(V, W ) oraz B i C są bazami prze-
−1 B
strzeni wektorowych V i W , to [T ]B
C = [T −1 ]C .
Rozdział 9
ILOCZYN SKALARNY
I ORTOGONALNOŚĆ WEKTORÓW
9.1. Definicja i przykłady iloczynów skalarnych

Definicja 9.1.1. Niech V będzie przestrzenią wektorową nad ciałem liczb rze-
czywistych. Funkcję (·|·) : V × V → R, która każdej parze wektorów x, y ∈ V
przyporządkowuje liczbę (x|y) ∈ R, nazywamy iloczynem skalarnym w prze- Iloczyn skalarny
strzeni V , jeśli ma ona następujące własności:
(S1 ) ∀x, y∈V (x|y) = (y|x); (symetria)
(S2 ) ∀x, y, z∈V ∀α, β∈R (x|αy + βz) = α(x|y) + β(x|z); (liniowość)
(S3 ) ∀x∈V (x|x) 0 i (x|x) = 0 ⇔ x = 0. (dodatnia określoność)
Jeśli (·|·) jest iloczynem skalarnym w przestrzeni V , a x i y są wektorami

z przestrzeni V , to liczbę (x|y) nazywamy iloczynem skalarnym wektorów x i y.
Z własności (S1 ) i (S2 ) iloczynu skalarnego wynika, że dla każdych wektorów
x, x1 , . . . , xn , y1 , . . . , ym z przestrzeni wektorowej V i każdych liczb rzeczywi-
stych α1 , . . . , αn , β1 , . . . , βm jest
Xm Xm

x βj y j = αi βj (xi |yj ) (9.1)
j=1 j=1
oraz
X
n Xm Xn X
m

α i xi βj y j = αi βj (xi |yj ). (9.2)
i=1 j=1 i=1 j=1
Definicja 9.1.2. Skończenie wymiarową

przestrzeń wektorową V z iloczynem
skalarnym (·|·), czyli parę V, (·|·) , nazywamy przestrzenią Euklidesa. Przestrzeń Euklidesa
Przykład 195. Niech V będzie n-wymiarową przestrzenią wektorową nad cia-

łem liczb rzeczywistych i niech B będzie bazą przestrzeni V . Wykażemy, że
iloczynem skalarnym w przestrzeni V jest funkcja (·|·) : V × V → R, która
wektorom x, y z przestrzeni V przyporządkowuje liczbę
T
(x|y) = [x]B [y]B . (9.3)
Formalnie iloczyn [x]TB [y]B jest macierzą wymiaru 1 × 1, którą utożsamiamy z jej jedy-
nym elementem. Z własności transpozycji macierzy wynika, że dla każdych wektorów
x, y z przestrzeni V jest
T T
(x|y) = [x]TB [y]B = [x]TB [y]B = [y]TB [x]TB = [y]TB [x]B = (y|x).
To dowodzi, że funkcja (·|·) ma własność (S1 ). Własność (S2 ) funkcji (·|·) wynika
z twierdzenia 7.6.1 oraz z własności iloczynu macierzy, bo dla każdych wektorów
x, y, z ∈ V i każdych liczb α, β ∈ R mamy

(x|αy + βz) = [x]TB [αy + βz]B = [x]TB α[y]B + β[z]B
= α[x]TB [y]B + β[x]B [z]B = α(x|y) + β(x|z).
192 9. Iloczyn skalarny
W końcu zauważmy, że jeśli x ∈ V i [x]B = (x1 , x2 , . . . , xn ), to mamy (x|x) = [x]TB [x]B

Pn 2 Pn 2
= x 0 i w ciele liczb rzeczywistych jest (x|x) =
i=1 i
x = 0 wtedy i tylko
i=1 i
wtedy, gdy xi = 0 dla i = 1, . . . , n, tj. wtedy i tylko wtedy, gdy x = 0. Zatem funkcja
(·|·) określona wzorem (9.3) ma własność (S3 ) i jest ona iloczynem skalarnym w prze-
strzeni V . Dlatego przestrzeń wektorowa V z tak określonym iloczynem skalarnym jest
przestrzenią Euklidesa.
W przestrzeni wektorowej Rn ze standardową bazą E = (e1 , . . . , en ) dla każ-
dego wektora x jest [x]E = x, więc z powyższego wynika, że iloczynem skalarnym
w przestrzeni Rn jest funkcja (·|·) : Rn ×Rn → R przyporządkowująca wektorom
x = (x1 , . . . , xn ) i y = (y1 , . . . , yn ) liczbę
Standardowy n
X
iloczyn skalarny (x|y) = xT y = x1 y1 + x2 y2 + . . . + xn yn = xi y i . (9.4)
i=1
Ten iloczyn nazywa się standardowym iloczynem skalarnym w przestrzeni R n .
Przykład 196. Z poprzedniego przykładu wynika, że w przestrzeni R3 [x] z bazą

B = (1, x, x2 , x3 ) iloczynem skalarnym jest funkcja (·|·), która każdym wielo-
mianom ϕ(x) = a0 +a1 x+a2 x2 +a3 x3 i ψ(x) = b0 +b1 x+b2 x2 +b3 x3 z przestrzeni
R3 [x] przyporządkowuje liczbę
 
b0
 b1 
(ϕ|ψ) = [ϕ(x)]TB [ψ(x)]B = [ a 0 a 1 a 2 a 3 ] = a 0 b0 + a 1 b1 + a 2 b2 + a 3 b3 .
b  2
b3
Zatem przestrzeń R3 [x] z iloczynem skalarnym (·|·) jest przestrzenią Euklidesa

i w tej przestrzeni przykładowo mamy
   
1 −3
0  2
(x|1 + x2 ) = [ 0 1 0 0 ]  = 0 i (−1 + 4x2 | − 3 + 2x) = [ −1 0 4 0 ] = 3.
1 0
0 0

Przykład 197. Niech V = C ha; bi będzie przestrzenią rzeczywistych funkcji
ciągłych na odcinku ha; bi. Wykażemy, że iloczynem skalarnym w tej przestrzeni
jest funkcja (·|·) : V × V → R, która funkcjom f, g ∈ V przyporządkowuje liczbę
Z b
(f |g) = f (x)g(x) dx. (9.5)
a
Korzystając z własności całki oznaczonej, z łatwością stwierdzamy, że tak określona

funkcja ma własności (S1 ) i (S2 ). Oczywiście dla każdej funkcji f ∈ V jest (f |f )
Rb 2
= f (x) dx 0. Zatem dla dowodu własności (S3 ) wystarczy pokazać, że (f |f )
Rba
= a f 2 (x) dx > 0 dla każdej niezerowej funkcji f ze zbioru V . Jeśli f jest niezerową
funkcją ze zbioru V , to istnieje x0 ∈ ha; bi takie, że f 2 (x0 ) = p > 0. Stąd i z ciągłości
funkcji f wynika, że istnieje przedział hc; di ⊆ ha; bi zawierający x0 i taki, że f 2 (x)
p/2 dla każdego x ∈ hc; di. Dlatego jest
Z b Z c Z d Z b
(f |f ) = f 2 (x) dx = f 2 (x) dx + f 2 (x) dx + f 2 (x) dx
a a c d
Z d Z d
f 2 (x) dx p/2 dx > 0.
c c
To dowodzi, że funkcja (·|·) określona wzorem (9.5) jest iloczynem skalarnym.

9.1. Definicja i przykłady iloczynów skalarnych 193
Przykład 198. Pokazać, że funkcja f : R2 ×R2 → R jest iloczynem skalarnym,

x1 y1
jeśli dla każdych wektorów x = , y= z R2 jest
x2 y2

T 1 −1
f (x, y) = x Ay i A = .
−1 3
Ponieważ macierz A jest symetryczna (AT = A), więc dla każdych wektorów x, y ∈ R2
jest
f (x, y) = xT Ay = (xT Ay)T = yT AT x = yT Ax = f (y, x)
i funkcja f ma własność (S1 ). Funkcja f ma także własność (S2 ), bo dla każdych
wektorów x, y, z ∈ R2 i liczb rzeczywistych α, β jest
f (x, αy + βz) = xT A(αy + βz) = αxT Ay + βxT Az = αf (x, y) + βf (x, z).

x1
Dla dowodu własności (S3 ) zauważmy, że dla każdego wektora x = jest
x2

1 −1 x1
f (x, x) = [ x 1 x2 ]
−1 3 x2
= x21 − 2x1 x2 + 3x22 = (x1 − x2 )2 + 2x22 0.
Stąd też widać, że f (x, x) = 0 wtedy i tylko wtedy, gdy x = (x1 , x2 ) = (0, 0).
Przykład 199. Uzasadnić, że funkcja f : R2 × R2 → R nie jest iloczynem

x1 y1
skalarnym w przestrzeni R , jeśli dla każdych wektorów x =
2
, y=
x2 y2
z przestrzeni R2 jest

3 2 y1
f (x, y) = 3x1 y1 + 2x1 y2 + 2x2 y1 − 2x2 y2 = x1 x2 .
2 −2 y2
Pokażemy, że funkcja f nie ma własności (S3 ) iloczynu skalarnego. Dla wektora x =
(x1 , x2 ) ∈ R2 jest f (x, x) = 3x21 + 4x1 x2 − 2x22 i w szczególności dla wektora x0 = (0, 1)
jest f (x0 , x0 ) = −2 < 0. Stąd wynika, że funkcja f nie jest iloczynem skalarnym
w przestrzeni R2 .
Definicja 9.1.3. Normą albo długością wektora x w przestrzeni Euklidesa

nazywamy liczbę rzeczywistą
p
||x|| = (x|x). (9.6) Norma wektora
Wektor x jest wektorem jednostkowym, gdy ||x|| = 1. Łatwo zauważyć, że jeśli Wektor jednostkowy
x 6= 0, to (1/||x||) x jest wektorem jednostkowym. Przykładowo, normą funkcji
f (x) = x2 z przestrzeni C(h0;qR 1i) z iloczynem skalarnym określonym wzorem
p 1 4 √ √ 2
(9.5) jest ||f || = (f |f ) = 0 x dx = 1/ 5 i (1/||f ||)f = 5x .
Definicja 9.1.4. Odległością pomiędzy wektorami x i y nazywamy liczbę
Odległość pomiędzy
d(x, y) = ||x − y||. (9.7) wektorami
Jeśli W jest niepustym podzbiorem wektorów przestrzeni Euklidesa V i x jest
wektorem z przestrzeni V , to liczbę
d(x, W ) = inf d(x, y) (9.8)

y∈W
nazywamy odległością pomiędzy wektorem x i zbiorem wektorów W .

Podstawowe własności normy i odległości pomiędzy wektorami przedstawia-

my w następnych dwóch twierdzeniach i w kolejnym wniosku.
Twierdzenie 9.1.1. Dla dowolnych wektorów x i y w przestrzeni Euklidesa
spełniona jest nierówność
|(x|y)| ¬ ||x|| ||y||. (9.9)
Nierówność Schwarza
Dowód. Łatwo zauważyć, że nierówność (9.9) jest prawdziwa, gdy x = 0 lub y = 0.
Z własności (S2 ) i (S3 ) iloczynu skalarnego wynika, że jeśli x 6= 0 i y 6= 0, to dla każdej
liczby t ∈ R mamy
0 ¬ (tx + y|tx + y) = t2 (x|x) + 2t(x|y) + (y|y) = ||x||2 t2 + 2(x|y)t + ||y||2 ,
więc wyróżnik trójmianu kwadratowego ||x||2 t2 + 2(x|y)t + ||y||2 zmiennej t jest niedo-
datni. Zatem ∆ = 4(x|y)2 − 4||x||2 ||y||2 ¬ 0 i stąd już otrzymujemy |(x|y)| ¬ ||x|| ||y||.
Przykład 200. Wobec nierówności (9.9) dla każdych dwóch wektorów x = (x 1 ,

. . . , xn ) i y = (y1 , . . . , yn ) z przestrzeni Rn (ze standardowym iloczynem skalar-
nym) mamy
|x1 y1 + . . . + xn yn | ¬ (x21 + . . . + x2n )1/2 (y12 + . . . + yn2 )1/2 .
Przykład 201. Za pomocą nierówności Schwarza (9.9) w odpowiednio dobranej

przestrzeni Euklidesa uzyskać następujące nierówności:
(a) (x + y + z)2 ¬ 3(x2 + y 2 + z 2 ) dla każdych x, y, z ∈ R;
(b) (xy + yz + xz)2 ¬ (x2 + y 2 + z 2 )2 dla każdych x, y, z ∈ R;
Z 1 2 Z 1
(c) f (x) dx ¬ f 2 (x) dx dla każdej funkcji f ∈ C(h0; 1i).
0 0
3
(a) W przestrzeni R ze standardowym iloczynem skalarnym weźmy pod uwagę
wektory x = (x, y, z) i y = (1, 1, 1). Z nierówności Schwarza mamy
2
(x + y + z)2 = (x, y, z)|(1, 1, 1) ¬ ||(x, y, z)||2 ||(1, 1, 1)||2 = 3 (x2 + y 2 + z 2 ).
(b) Z nierówności Schwarza dla wektorów x = (x, y, z) i y = (y, z, x) z przestrzeni

R3 ze standardowym iloczynem skalarnym mamy
2
(xy + yz + xz)2 = (x, y, z)|(y, z, x) ¬ ||(x, y, z)||2 ||(y, z, x)||2 = (x2 + y 2 + z 2 )2 .

(c) W przestrzeni C h0; 1i z iloczynem skalarnym określonym wzorem (9.5) wobec
nierówności Schwarza mamy
Z 1
2 Z 1
2
f (x) dx = f (x) · 1 dx = (f |1)2 ¬ ||f ||2 ||1||2
0 0
Z 1
Z 1
Z 1
= f 2 (x) dx 1 dx = f 2 (x) dx.
0 0 0
Własności normy Twierdzenie 9.1.2. Norma wektora w przestrzeni Euklidesa V ma następujące

własności:
(N1 ) ∀x∈V ||x|| 0 i ||x|| = 0 ⇔ x = 0;
(N2 ) ∀x∈V ∀α∈R ||αx|| = |α| ||x||;
Nierówność trójkąta (Cau-
chy’ego-Minkowskiego)
(N3 ) ∀x,y∈V ||x + y|| ¬ ||x|| + ||y||.
9.2. Kąt pomiędzy wektorami 195
Dowód. Dwie pierwsze własności łatwo wynikają z definicji normy i własności (S3 )
oraz (S2 ) iloczynu skalarnego. Nierówność (N3 ), zwana także nierównością Cauchy’ego-
-Minkowskiego, wynika z nierówności (9.9). Mamy bowiem
||x + y||2 = (x + y|x + y) = (x|x) + 2(x|y) + (y|y)

= ||x||2 + 2(x|y) + ||y||2
¬ ||x||2 + 2|(x|y)| + ||y||2
¬ ||x||2 + 2||x|| ||y|| + ||y||2 = (||x|| + ||y||)2 ,
a stąd już otrzymujemy nierówność ||x + y|| ¬ ||x|| + ||y||.

Z twierdzenia 9.1.2 natychmiast wynikają następujące własności odległości
pomiędzy wektorami.
Wniosek 9.1.1. Dla każdych wektorów x, y i z z przestrzeni Euklidesa jest:
(1) d(x, y) 0 oraz d(x, y) = 0 wtedy i tylko wtedy, gdy x = y;
(2) d(x, y) = d(y, x);
(3) d(x, y) ¬ d(x, z) + d(z, y).
9.2. Kąt pomiędzy wektorami

Z nierówności Schwarza (zob. (9.9)) wynika, że dla niezerowych
wektorów x i y jest 1
(x|x) -
(x|y) ||x||||y|| π
π
−1 ¬ ¬ 1, 2
||x|| ||y|| α
(x|y)
więc ułamek ||x|| ||y|| jest wartością cosinusa (zob. rys. 9.1) i może- −1 cos x
my przyjąć następującą definicję miary kąta pomiędzy wektorami
x i y. Rys. 9.1
Definicja 9.2.1. Miarą kąta pomiędzy niezerowymi wektorami x i y w prze- Kąt pomiędzy wektorami
strzeni Euklidesa nazywamy liczbę ϕ ∈ h0; πi taką, że
(x|y)
cos ϕ = . (9.10)
||x|| ||y||
Definicja 9.2.2. Dwa wektory x i y w przestrzeni Euklidesa nazywamy orto-

gonalnymi (prostopadłymi), gdy (x|y) = 0. Ortogonalność wektorów
Z definicji tej wynika, że wektory x i y są ortogonalne (piszemy x ⊥ y), gdy
co najmniej jeden z nich jest wektorem zerowym lub gdy miara kąta między tymi
wektorami jest równa π/2.
Przykład 202. W przestrzeni C(h0; π/2i) z iloczynem skalarnym określonym

wzorem (9.5) dla a = 0 i b = π/2 funkcje f (x) = cos x+sin x i g(x) = cos x−sin x
jest
Z π2 Z π2
(f |g) = f (x)g(x) dx = (cos2 x − sin2 x) dx = 0,
0 0
więc funkcje te są wektorami ortogonalnymi.
Następny przykład pokazuje, że miara kąta pomiędzy wektorami (i ortogonal-

ność wektorów) zależy od wyboru iloczynu skalarnego w przestrzeni wektorowej.
Przykład 203. Wektory v = (4, 1) i u = (1, 3) z rysunku 9.2 nie są ortogonalne

6 wprzestrzeni R2 ze standardowym iloczynem skalarnym, bo (v|u) = v T u = 7 6=
0. Jednakże te same dwa wektory są ortogonalne w tej samej przestrzeni R 2
u z loczynem skalarnym określonym wzorem (9.3) dla bazy B = (v, u), bo mamy
v :
- T 0
(v|u) = [v]B [u]B = [ 1 0 ] = 0.
1
Rys. 9.2
W każdej przestrzeni Euklidesa mamy następującą własność wektorów orto-
gonalnych.
Twierdzenie Pitagorasa Twierdzenie 9.2.1 (Pitagorasa). W przestrzeni Euklidesa wektory u i v są
ortogonalne wtedy i tylko wtedy, gdy
||u||2 + ||v||2 = ||u + v||2 . (9.11)
Dowód. Dla wektorów u i v mamy
||u + v||2 = (u + v|u + v) = (u|u) + (v|v) + 2(u|v)

= ||u||2 + ||v||2 + 2(u|v).
Stąd wynika, że ||u||2 + ||v||2 = ||u + v||2 wtedy i tylko wtedy, gdy (u|v) = 0, tj. wtedy
i tylko wtedy, gdy wektory u i v są ortogonalne.
Definicja 9.2.3. Układ (v1 , v2 , . . . , vn ) wektorów z przestrzeni Euklidesa na-

zywamy ortogonalnym (ortonormalnym), jeśli jego wektory są wzajemnie orto-
gonalne (i normalne), tj. (vi |vj ) = 0 dla i 6= j (i każdy jest długości 1, czyli
Baza ortogonalna ||vi || = 1 dla i = 1, . . . , n). Bazą ortogonalną przestrzeni Euklidesa V nazywa-
my układ wektorów (v1 , v2 , . . . , vn ), który jednocześnie jest bazą przestrzeni V
i ortogonalnym układem wektorów w tej przestrzeni. Bazę B = (v1 , v2 , . . . , vn )
Baza ortonormalna przestrzeni Euklidesa V nazywamy bazą ortonormalną, gdy jest ona ortonor-
malnym układem wektorów w przestrzeni V .
Przykład 204. Standardowa baza E = (e1 , . . . , en ) przestrzeni Rn (ze stan-

dardowym iloczynem skalarnym) jest bazą ortonormalną w R n . Układy

1 1 1 1 1
√ (2, 1), √ (1, −2) i √ (1, 2, 3), √ (1, 1, −1), √ (5, −4, 1)
5 5 14 3 42
są innymi przykładami baz ortonormalnych w przestrzeniach R 2 i R3 .
Definicja 9.2.4. Jeśli S jest ortonormalnym układem wektorów w przestrzeni

Współczynniki Fouriera V z iloczynem skalarnym (·|·) i jeśli x ∈ V , to współczynnikami Fouriera wektora
x względem układu S nazywamy liczby (x|vi ) dla vi ∈ S. Natomiast sumę
X
(x|vi )vi (9.12)
Kombinacja Fouriera vi ∈S
nazywamy kombinacją Fouriera wektora x względem układu ortonormalnego S.

(Kombinacja ta nie musi być identyczna z wektorem x.)
Przykład 205. W przestrzeni R3 ze standardowym iloczynem skalarnym wy-

znaczyć kombinację Fouriera wektora x = (−11, 3, 11) względem ortonormalnego
układu (v1 , v2 ), gdzie v1 = √135 (1, −3, 5) i v2 = √16 (1, 2, 1). Czy ta kombinacja
9.2. Kąt pomiędzy wektorami 197
pokrywa się z wektorem x?

√ √
Ponieważ (x|v1 ) = 35 i (x|v2 ) = 6, więc kombinacją Fouriera wektora x względem
układu (v1 , v2 ) jest
√ 1 √ 1
(x|v1 )v1 + (x|v2 )v2 = 35 √ (1, −3, 5) + 6 √ (1, 2, 1) = (2, −1, 6)
35 6
i jest ona różna od wektora x = (−11, 3, 11).
Pierwsze zalety ortonormalnych układów wektorów i współczynników Fourie-

ra przedstawia następujące twierdzenie i wynikające zeń wnioski.
Twierdzenie 9.2.2. Niech (v1 , . . . , vn ) będzie ortogonalnym
Pn układem niezero-
wych wektorów przestrzeni Euklidesa V i niech x = i=1 αi vi będzie kombinacją
liniową wektorów tego układu. Wtedy αi = (x|v i)
||vi ||2 dla i = 1, . . . , n, więc
n
X (x|vi )
x= vi (9.13)
i=1
||vi ||2
i jest to kombinacja Fouriera wektora x względem ortonormalnego układu

v1 vn
||v1 || , . . . , ||vn || .
Pn
Dowód. Jeśli x = i=1
αi vi , to dla i = 1, . . . , n jest
P Pn
n
(x|vi ) = j=1
αj vj |vi = j=1
αj (vj |vi )
= αi (vi |vi ) = αi ||vi ||2

Pn (x|vi ) Pn
i stąd wynika (9.13), bo x = v
i=1 ||vi ||2 i
= i=1
x| ||vvii || vi
||vi ||
.
Wniosek 9.2.1. Jeśli B = (vP 1 , . . . , vn ) jest ortonormalną bazą przestrzeni V ,

n
to dla każdego x ∈ V jest x = i=1 (x|vi )vi i dlatego
 
(x|v1 )
 (x|v2 ) 
 
[x]B =  .. . (9.14)
 . 
(x|vn )
Wniosek 9.2.2. Układ (v1 , . . . , vn ) niezerowych i wzajemnie ortogonalnych Niezerowe wektory ortogo-
wektorów w przestrzeni Euklidesa jest liniowo niezależny. nalne są liniowo niezależne
Dowód. Załóżmy, że dla wektorów układu (v1 , . . . , vn ) i skalarów α1 , . . . , αn jest

P n
α v = 0. Wtedy wobec twierdzenia 9.2.2 jest αi = (0|vi )/||vi ||
i=1 i i
2
= 0 dla i
= 1, . . . , n. To dowodzi, że układ (v1 , . . . , vn ) jest liniowo niezależny.
Przykład 206. Wykazać, że układ

1 1 1
B = (v1 , v2 , v3 ) = √ (1, 0, −2), √ (2, 3, 1), √ (6, −5, 3)
5 14 70
jest bazą ortonormalną przestrzeni

√ R3 ze standardowym iloczynem skalarnym.
Dodatkowo, wektor x = 70(−1, 2, −1) przedstawić jako kombinację liniową
wektorów bazy B.
Ponieważ
(v1 |v1 ) = 1, (v1 |v2 ) = 0, (v1 |v3 ) = 0,
(v2 |v2 ) = 1, (v2 |v3 ) = 0,
(v3 |v3 ) = 1,
więc B = (v1 , v2 , v3 ) jest ortonormalnym układem wektorów w przestrzeni R 3 . Stąd
i z wniosku 9.2.2 wynika, że układ B jest liniowo niezależny i (wobec twierdzenia 7.5.4)
jest on bazą przestrzeni R3 . Dla wektora x jest
√ √
(x|v1 ) = 14, (x|v2 ) = 3 5 i (x|v3 ) = −19,
więc wobec wniosku 9.2.1 (lub twierdzenia 9.2.2) mamy
√ √
x = (x|v1 )v1 + (x|v2 )v2 + (x|v3 )v3 = 14v1 + 3 5v2 − 19v3 .
9.3. Ortogonalizacja bazy

Pokażemy teraz, że każda skończenie wymiarowa przestrzeń Euklidesa ma bazę
ortogonalną i ortonormalną. Zaprezentujemy tu tak zwaną metodę Grama-Schmi-
dta ortogonalizacji bazy, czyli metodę przekształcania bazy (x 1 , x2 , . . . , xn ) prze-
strzeni Euklidesa w pewną bazę ortogonalną (y1 , y2 , . . . , yn ) i otrzymaną z niej
bazę ortonormalną (y1 /||y1 ||, y2 /||y2 ||, . . . , yn /||yn ||) tej samej przestrzeni. W me-
todzie tej przyjmuje się, że y1 = x1 , a każdy następny wektor yk (k = 2, . . . , n)
jest kombinacją liniową wektorów y1 , y2 , . . . , yk−1 i xk ,
yk = xk + ak 1 y1 + . . . + ak k−1 yk−1 ,
gdzie współczynniki akj dobiera się tak, aby wektor yk był ortogonalny do każ-
dego z wektorów y1 , . . . , yk−1 . Nasze rozważania zaczynamy od przydatnego
lematu.
Lemat 9.3.1. Niech (y1 , . . . , yk−1 ) będzie układem niezerowych i wzajemnie
ortogonalnych wektorów przestrzeni Euklidesa V , niech b będzie dowolnym wek-
torem ze zbioru V iniech b będzie jego kombinacją Fouriera względem orto-
Pk−1 (b|yi )
normalnego układu ||yy11 || , . . . , ||yyk−1
k−1 ||
, czyli b = i=1 ||yi ||2 yi . Wtedy wek-
tor b − b jest ortogonalny do podprzestrzeni L(y1 , . . . , yk−1 ). Dodatkowo, jeśli
b ∈ V − L(y1 , . . . , yk−1 ), to wektor b − b jest niezerowy.
Dowód. Wektor b − b jest ortogonalny do podprzestrzeni L(y1 , . . . , yk−1 ), bo dla
każdego j = 1, . . . , k − 1 jest
!
k−1
X
(b|yi )
(b − b|yj ) = b− yi yj
||yi ||2
i=1
k−1
X (b|yi )
= (b|yj ) − (yi |yj )
||yi ||2
i=1
(b|yj )
= (b|yj ) − (yj |yj ) = 0.
||yj ||2
Pk−1 (b|yi )
Dalej, jeśli b ∈ V −L(y1 , . . . , yk−1 ), to b−b 6= 0, bo inaczej byłoby b = i=1 ||yi ||2
yi
i wektor b byłby elementem podprzestrzeni L(y1 , . . . , yk−1 ).
Twierdzenie 9.3.1. Jeśli (x1 , x2 , . . . , xn ) jest bazą przestrzeni Euklidesa V , to

układ wektorów (y1 , y2 , . . . , yn ), w którym


 y1 = x 1


Metoda Grama-Schmidta
 y2 = x2 − (x 2 |y1 )
(y1 |y1 ) y1
ortogonalizacji bazy .. (9.15)

 .


 y = xn − (x n |y1 ) (xn |yn−1 )
n (y1 |y1 ) y1 − . . . − (yn−1 |yn−1 ) yn−1 ,
9.3. Ortogonalizacja bazy 199
jest bazą ortogonalną przestrzeni V , a układ

y1 y2 yn
, ,...,
||y1 || ||y2 || ||yn ||
jest bazą ortonormalną przestrzeni V .
Dowód. Ponieważ drugie stwierdzenie jest oczywistą konsekwencją pierwszego stwier-
dzenia, udowodnimy tylko to pierwsze. W tym celu z uwagi na wniosek 9.2.2 wystarczy
indukcyjnie ze względu na k (1 ¬ k ¬ n) uzasadnić, że (y1 , y2 , . . . , yk ) jest ortogo-
nalnym układem niezerowych wektorów i L(y1 , y2 , . . . , yk ) ⊆ L(x1 , x2 , . . . , xk ). Jest
to oczywiste dla k = 1. Załóżmy teraz, że (y1 , . . . , yk−1 ) jest ortogonalnym układem
niezerowych wektorów i L(y1 , . . . , yk−1 ) ⊆ L(x1 , . . . , xk−1 ), 2 ¬ k ¬ n. Ponieważ
xk ∈ V − L(x1 , . . . , xk−1 ) ⊆ V − L(y1 , . . . , yk−1 ), więc z lematu 9.3.1 (dla b = xk )
wynika, że wektor yk jest niezerowy i ortogonalny do podprzestrzeni L(y1 , . . . , yk−1 ).
Stąd zaś i z założenia wynika, że także układ (y1 , . . . , yk−1 , yk ) jest ortogonalnym
układem niezerowych wektorów. P
k−1
W końcu, ponieważ yk = xk − i=1 (x||yk |y||2i ) yi ∈ L(y1 , . . . , yk−1 , xk ), więc
i
L(y1 , . . . , yk−1 , yk ) ⊆ L(y1 , . . . , yk−1 , xk ) ⊆ L(x1 , . . . , xk−1 , xk ),

bo z założenia jest L(y1 , . . . , yk−1 ) ⊆ L(x1 , . . . , xk−1 ).

4 1
Przykład 207. Baza (x1 , x2 ) = , przestrzeni R2 (ze standardo-
2 3
wym iloczynem skalarnym) nie jest ortogonalna, ale wobec twierdzenia 9.3.1 x2
(zob. (9.15)) układ wektorów (y1 , y2 ) jest już bazą ortogonalną przestrzeni R2 , *x1
gdy

4 (x2 |y1 ) 1 1 4 −1
y1 = x 1 = , y2 = x 2 − y1 = − = ,
2 (y1 |y1 ) 3 2 2 2
rys. 9.3. K y2
*y1
Przykład 208. Metodą Grama-Schmidta utworzyć bazę ortogonalną i ortonor-
malną podprzestrzeni W = L(x1 , x2 , x3 ) przestrzeni R4 (ze standardowym ilo-
czynem skalarnym), gdzie x1 = (1, 1, 0, 1), x2 = (3, 0, 0, 3) i x3 = (1, −1, −1, 0). Rys. 9.3
Ponieważ układ wektorów (x1 , x2 , x3 ) jest bazą przestrzeni W (dlaczego?), więc wobec
twierdzenia 9.3.1 bazą ortogonalną przestrzeni W będzie układ (y1 , y2 , y3 ), w którym
(x2 |y1 ) (x3 |y1 ) (x3 |y2 )
y1 = x 1 , y 2 = x 2 − y1 , y 3 = x 3 − y1 − y2 .
(y1 |y1 ) (y1 |y1 ) (y2 |y2 )
Łatwo widać, że mamy (y1 |y1 ) = 3 i (x2 |y1 ) = 6. Dlatego
6
y2 = (3, 0, 0, 3) − (1, 1, 0, 1) = (1, −2, 0, 1).
3
Analogicznie, ponieważ (y2 |y2 ) = 6, (x3 |y1 ) = 0 i (x3 |y2 ) = 3, więc
0 3 1
y3 = (1, −1, −1, 0) − (1, 1, 0, 1) − (1, −2, 0, 1) = (1, 0, −2, −1).
3 6 2
Zatem układ

1
(y1 , y2 , y3 ) = (1, 1, 0, 1), (1, −2, 0, 1), (1, 0, −2, −1)
2
jest bazą ortogonalną przestrzeni W , a układ

y1 y2 y3 1 1 1
, , = √ (1, 1, 0, 1), √ (1, −2, 0, 1), √ (1, 0, −2, −1)
||y1 || ||y2 || ||y3 || 3 6 2 6
jest bazą ortonormalną tej samej przestrzeni.
9.4. Dopełnienie ortogonalne

Definicja 9.4.1. Jeśli S jest niepustym zbiorem wektorów w przestrzeni Eukli-
desa V , to zbiór wszystkich wektorów przestrzeni V ortogonalnych do każdego
s wektora ze zbioru S nazywamy ortogonalnym dopełnieniem zbioru S i oznaczamy

symbolem S ⊥ (zob. rys. 9.4),
qx S ⊥ S ⊥ = {x ∈ V : (x|s) = 0 dla każdego s ∈ S}. (9.16)

S
Rys. 9.4
Przykład 209. W przestrzeni R3 ze standardowym iloczynem skalarnym orto-
gonalnym dopełnieniem zbioru S = {(1, 2, −1)} jest
6
(1,2,−1)
S ⊥ = {(1, 2, −1)}⊥ = {(x, y, z) ∈ R3 : ((x, y, z)|(1, 2, −1)) = 0}
= {(x, y, z) ∈ R3 : x + 2y − z = 0}.

x sy
Zatem
x + 2y − z = 0
S ⊥ jest zbiorem wektorów odpowiadających punktom płaszczyzny o równa-
niu x + 2y − z = 0, rys. 9.5.
Rys. 9.5
Łatwo zauważyć, że S ⊥ jest podprzestrzenią przestrzeni V dla każdego nie-

S ⊆ V i S 6= ∅
pustego podzbioru S zbioru V . Ponieważ dla wektora x jest (x|x) = 0 wtedy
S ⊥ − podprzestrzeń
i tylko wtedy, gdy x = 0, więc wektor zerowy jest jedynym wektorem, który może
S ∩ S ⊥ ⊆ {0} jednocześnie należeć do zbioru S i do jego ortogonalnego dopełnienia S ⊥ . Warto
także zauważyć, że wektor x jest ortogonalny do podprzestrzeni L(v 1 , . . . , vm )
wtedy i tylko wtedy, gdy x jest ortogonalny do każdego z wektorów v 1 , . . . , vm .
(a) NA Dodatkowo, jeśli v1 , . . . , vm są wektorami z przestrzeni Rn , to wektor x jest
ortogonalny do podprzestrzeni L(v1 , . . . , vm ) wtedy i tylko wtedy, gdy Ax = 0,
gdzie A jest macierzą, której wierszami są v1 , . . . , vm . Z tych obserwacji skorzy-
0 stamy przy wyjaśnianiu ortogonalnych zależności pomiędzy podprzestrzeniami
RA NA , RA , CA i NAT , czterema podstawowymi podprzestrzeniami odpowiada-
jącymi macierzy A, i przy wyznaczaniu ortogonalnego dopełnienia przestrzeni
L(v1 , . . . , vm ), gdy v1 , . . . , vm ∈ Rn .
(b) Twierdzenie 9.4.1. Ortogonalnym dopełnieniem przestrzeni wierszowej ma-
cierzy A jest przestrzeń zerowa macierzy A i ortogonalnym dopełnieniem prze-
strzeni kolumnowej macierzy A jest przestrzeń zerowa macierzy AT ,
RA ⊥ ⊥
(RA ) = NA i (CA ) = NAT . (9.17)
Dowód. Niech v1 , . . . , vm będą wierszami macierzy A wymiaru m × n. Wtedy

   
 − v1 − 
NA 
 

 − v2 − 
NA = {x ∈ Rn : Ax = 0} = x ∈ Rn :  .  x = 0
  ..  

 

− vm −
   
 (v1 |x) 
(c) NA T 
  (v2 |x) 


n  
= x∈R : ..  = 0 = {x ∈ Rn : x ⊥ vi dla i = 1, . . . , m}

 . 

 
0 (vm |x)
CA = {x ∈ Rn : x ⊥ L(v1 , . . . , vm ) = RA } = (RA )⊥
i to kończy dowód pierwszej części tezy (zob. rys. 9.6(a) i 9.6(b)). Druga część tezy
wynika z pierwszej i z faktu, że CA = RAT (rys. 9.6(c)).
Rys. 9.6
9.5. Rzut ortogonalny 201
Przykład 210. W przestrzeni R4 wyznaczyć bazę ortogonalnego dopełnienia

podprzestrzeni

S = L(v1 , v2 , v3 ) = L (1, −2, 3, −1), (2, −3, 4, 0), (7, −12, 17, −3) .
Niech A będzie macierzą, której wierszami są wektory v1 , v2 i v3 ,
" #
1 −2 3 −1
A= 2 −3 4 0 .
7 −12 17 −3
Wtedy S jest przestrzenią wierszową macierzy A, S = RA , i wobec twierdzenia 9.4.1
ortogonalnym dopełnieniem przestrzeni S jest przestrzeń zerowa macierzy A. Łatwo
zauważyć, że przestrzenią zerową macierzy A jest
NA = {s(1, 2, 1, 0) + t(3, 2, 0, −1) : s, t ∈ R}.
Ponieważ wektory (1, 2, 1, 0) i (3, 2, 0, −1) generujące przestrzeń NA są liniowo nieza-
leżne, więc układ (1, 2, 1, 0), (3, 2, 0, −1) jest bazą przestrzeni S ⊥ .
Następne twierdzenie pokazuje, że przestrzen Euklidesa jest sumą prostą

(zob. def. 7.8.2) swojej podprzestrzeni i jej ortogonalnego dopełnienia.
Twierdzenie 9.4.2. Jeśli W jest podprzestrzenią przestrzeni Euklidesa V , to
V = W ⊕ W ⊥, (9.18)
czyli dla każdego wektora b ∈ V istnieje jednoznacznie wyznaczony wektor b ∈
W taki, że b − b ∈ W ⊥ .
Dowód. Niech (a1 , a2 , . . . , ak ) będzie ortonormalną bazą podprzestrzeni W i niech b
Pk
będzie wektorem z przestrzeni V . Wtedy wektor b = i=1
(b|ai )ai należy do pod-
przestrzeni W i wobec lematu 9.3.1 wektor b − b należy do podprzestrzeni W ⊥ . Stąd
wynika, że przestrzeń V jest sumą podprzestrzeni W i W ⊥ . Dodatkowo, ponieważ
W ∩ W ⊥ = {0}, więc (wobec definicji 7.8.2) przestrzeń V jest sumą prostą swoich
podprzestrzeni W i W ⊥ , czyli V = W ⊕ W ⊥ .
Kolejne twierdzenie jest inną wersją twierdzenia 9.4.2.
Twierdzenie 9.4.3. Niech W będzie podprzestrzenią przestrzeni Euklidesa V
i niech b ∈ V . Wtedy istnieją jednoznacznie wyznaczone wektory b ∈ W i b e∈
e
W takie, że b = b + b. Dodatkwo, jeśli (a1 , . . . , ak ) jest ortonormalną bazą
⊥
przestrzeni W , to b jest kombinacją Fouriera wektora b względem ortonormal-

nego układu (a1 , . . . , ak ),
Xk
b= (b|ai )ai . (9.19)
i=1
Dowód. Niech (a1 , . . . , ak ) będzie bazą ortonormalną przestrzeni W . Wtedy b =

Pk
(b|ai )ai ∈ W . Dodatkowo, wobec lematu 9.3.1, wektor b e = b − b należy do
i=1
podprzestrzeni W ⊥ .
0
Dla dowodu jednoznaczności przypuśćmy, że dodatkowo b = b + b e0 , gdzie b0 ∈ W
0 0 0
e0 ∈ W ⊥ . Wtedy b + b
ib e =b=b +b e0 i dlatego b − b = b
e0 − b
e ∈ W ∩ W ⊥ = {0}.
0
e
Stąd zaś wynika, że b = b i b = b.
0 e
9.5. Rzut ortogonalny

Definicja 9.5.1. Niech b będzie wektorem z przestrzeni V i niech W będzie
podprzestrzenią przestrzeni V . Rzutem ortogonalnym wektora b na podprze- Rzut ortogonalny
strzeń W nazywamy wektor b (czasami oznaczany symbolem projW b) taki, że
b ∈ W i b − b jest ortogonalny do podprzestrzeni W , zob. rys. 9.7.
Twierdzenia 9.4.2 i 9.4.3 gwarantują istnienie i jednoznaczność rzutu

6 ortogonalnego każdego wektora b z przestrzeni V na podprzestrzeń W
b b−b⊥W przestrzeni V . Z twierdzeń tych wynika też, że rzutem ortogonalnym
wektora b na podprzestrzeń W jest kombinacja Fouriera wektora b
b∈W: względem bazy ortonormalnej podprzestrzeni W .
W 0 Wniosek 9.5.1. Jeśli (a1 , . . . , ak ) jest bazą ortogonalną podprzestrzeni
W przestrzeni Euklidesa V i jeśli b jest wektorem z przestrzeni V , to
Rys. 9.7. Jeśli b = projW b,
to b ∈ W i b − b ⊥ W Xk
(b|ai )
projW b = ai . (9.20)
i=1
(a i |ai )
W szczególności, jeśli (a1 , . . . , ak ) jest bazą ortonormalną podprzestrzeni

W , to
X k
projW b = (b|ai )ai . (9.21)
i=1
> Przykład 211. Z wniosku 9.5.1 jest oczywiste, że rzut ortogonalny wek-
b tora b na 1-wymiarową podprzestrzeń W = L(a) (rys. 9.8) jest określony
wzorem
(b|a)
b= a. (9.22)
a - b - (a|a)
W = L(a) i b = (b|a)
a Przykładowo, w przestrzeni R3 (ze standardowym iloczynem skalarnym) rzu-
(a|a)
tem ortogonalnym wektora b = (2, 4, −3) na podprzestrzeń W generowaną
Rys. 9.8 przez wektor a = (0, 1, −2) jest wektor
" #
0
2 4 −3 1 " # " # " #
0 0 0
(b|a) −2 10
b= a= " # 1 = 1 = 2 .
(a|a) 0 5
−2 −2 −4
0 1 −2 1
−2
Z definicji rzutu ortogonalnego łatwo wynika, że wektor b jest rzutem

ortogonalnym wektora b na podprzestrzeń W przestrzeni V wtedy i tylko
W⊥
wtedy, gdy wektor b e = b − b jest rzutem ortogonalnym wektora b na
podprzestrzeń W ⊥ , rys. 9.9. Równoważnie, dla każdej podprzestrzeni W
3
e6
projW ⊥ b = b b przestrzeni V i dla każdego wektora b ∈ V jest
- b = projW b + projW ⊥ b. (9.23)

projW b = b W
O tej prostej zależności warto pamiętać wtedy, gdy bezpośrednie wyzna-
czanie rzutu ortogonalnego wektora b na podprzestrzeń W ⊥ jest łatwiej-
Rys. 9.9 sze od wyznaczania rzutu ortogonalnego wektora b na podprzestrzeń W .
Ilustruje to następujący przykład.
Przykład 212. W przestrzeni R4 ze standardowym iloczynem skalarnym wy-

znaczyć rzut ortogonalny wektora b = (1, 0, −1, 1) na podprzestrzeń W genero-
waną przez wektory a1 = (1, 0, 0, 0), a2 = (0, 1, 1, 0) i a3 = (0, 0, 1, 1).
Ponieważ W = L(a1 , a2 , a3 ) jest 3-wymiarową podprzestrzenią w przestrzeni R4 , więc

jej ortogonalne dopełnienie W ⊥ jest podprzestrzenią 1-wymiarową generowaną przez
każdy niezerowy wektor a ortogonalny do wektorów a1 , a2 i a3 . W szczególności, wek-
torem tym może być wektor a = (0, −1, 1, −1). (Samą przestrzeń W ⊥ i generujący
ją wektor można wyznaczyć – podobnie jak to zrobiliśmy w przykładzie 210 – jako
9.5. Rzut ortogonalny 203
przestrzeń zerową macierzy A, której wierszami są a1 , a2 i a3 .) Wobec wniosku 9.5.1

rzutem wektora b na podprzestrzeń W ⊥ = L(a) jest wektor
e= (b|a) −2
b a= (0, −1, 1, −1).
(a|a) 3
Zatem, wobec własności (9.23), rzutem wektora b na podprzestrzeń W jest wektor

e = (1, 0, −1, 1) − −2 2 1 1
b=b−b (0, −1, 1, −1) = 1, − , − , .
3 3 3 3
Przedstawimy teraz sposób wyznaczania rzutu ortogonalnego wektora na

podprzestrzeń, gdy znamy jakąkolwiek bazę tej podprzestrzeni.
Twierdzenie 9.5.1. Jeśli układ (a1 , . . . , ak ) jest bazą podprzestrzeni W prze-
strzeni Euklidesa V , to rzutem ortogonalnym wektora b ∈ V na podprzestrzeń
W jest wektor
b = x 1 a1 + x 2 a2 + . . . + x k ak ,
gdzie (x1 , x2 , . . . , xk ) jest rozwiązaniem układu równań liniowych


 x1 (a1 |a1 ) + x2 (a1 |a2 ) + . . . + xk (a1 |ak ) = (a1 |b),

 x1 (a2 |a1 ) + x2 (a2 |a2 ) + . . . + xk (a2 |ak ) = (a2 |b),
.. (9.24)

 .


x1 (ak |a1 ) + x2 (ak |a2 ) + . . . + xk (ak |ak ) = (ak |b).
Dowód. Z faktu, że układ wektorów (a1 , a2 , . . . , ak ) jest bazą przestrzeni W = L(a1 ,

Pk
a2 , . . . , ak ) wynika, że wektor b = j=1 xj aj jest rzutem ortogonalnym wektora b na
podprzestrzeń W wtedy i tylko wtedy, gdy wektor b − b jest ortogonalny do podprze-
strzeni L(a1 , . . . , ak ). Tak jest wtedy i tylko wtedy, gdy
k
X
(ai |b − b) = (ai |b) − xj (ai |aj ) = 0
j=1
dla i = 1, . . . , k, czyli wtedy i tylko wtedy, gdy (x1 , . . . , xk ) jest rozwiązaniem układu
(9.24).
Definicja 9.5.2. Wyznacznik macierzy głównej układu równań liniowych (9.24)

nazywa się wyznacznikiem Grama układu (a1 , a2 , a2 , . . . , ak ) i oznacza symbolem Wyznacznik Grama
G(a1 , a2 , . . . , ak ),

(a1 |a1 ) (a1 |a2 ) . . . (a1 |ak )

(a2 |a1 ) (a2 |a2 ) . . . (a2 |ak )

G(a1 , a2 , . . . , ak ) = .. .. .. .. . (9.25)

. . . .

(ak |a1 ) (ak |a2 ) . . . (ak |ak )
Łatwo zauważyć, że wyznacznik Grama G(a1 , a2 , . . . , ak ) jest niezerowy, jeśli

układ wektorów (a1 , a2 , . . . , ak ) jest liniowo niezależny.
Przykład 213. Znaleźć rzut ortogonalny wektora b = (6, 6, 21) na podprze-

strzeń W generowaną przez wektory a1 = (1, 0, 1) i a2 = (0, 1, 1).
Wobec twierdzenia 9.5.1 rzutem ortogonalnym wektora b na podprzestrzeń generowaną

przez wektory a1 i a2 jest wektor
b = x 1 a1 + x 2 a2 ,
gdzie (x1 , x2 ) jest rozwiązaniem układu równań liniowych

x1 (a1 |a1 ) + x2 (a1 |a2 ) = (a1 |b),
x1 (a2 |a1 ) + x2 (a2 |a2 ) = (a2 |b).
Tu mamy
2x1 + x2 = 27,
x1 + 2x2 = 27,
więc x1 = x2 = 9 i dlatego b = 9a1 + 9a2 = (9, 9, 18).
9.6. Macierz rzutu ortogonalnego

Przedstawimy tu jeszcze jeden sposób wyznaczania rzutu ortogonalnego wektora
na podprzestrzeń W przestrzeni Rn . Niech (a1 , . . . , ak ) będzie bazą podprze-
strzeni W . Wtedy
W = L(a1 , . . . , ak ) = {Ax : x ∈ Rk } = CA ,
gdzie A jest macierzą wymiaru n × k, której kolejnymi kolumnami są a1 , . . . , ak .

Weźmy pod uwagę dowolny wektor b ∈ Rn i jego rzut ortogonalny b na
podprzestrzeń W . Wtedy b ∈ W = CA , więc b = Ax0 (dla pewnego x0 ∈ Rk )
i wektor b−b = b−Ax0 jest ortogonalny do podprzestrzeni W , czyli do każdego
wektora Ax, gdzie x ∈ Rk . Dlatego
xT (AT b − AT Ax0 ) = (Ax)T (b − Ax0 ) = 0
dla każdego x. Stąd wynika, że
AT b − AT Ax0 = 0.
Ponieważ A jest macierzą rzędu k (bo jej kolumny są liniowo niezależne), więc
wobec twierdzenia 7.5.4 także macierz AT A wymiaru k × k jest rzędu k. Dla-
tego AT A jest odwracalna i z równości AT b − AT Ax0 = 0 otrzymujemy x0
= (AT A)−1 AT b. Stąd wynika, że rzutem wektora b na podprzestrzeń W jest
b = Ax0 = A(AT A)−1 AT b.
Zatem udowodniliśmy następujące twierdzenie.

Twierdzenie 9.6.1. Niech W = L(a1 , . . . , ak ) będzie k-wymiarową podprze-
strzenią przestrzeni Rn i niech A będzie macierzą, której kolumnami są wektory
a1 , . . . , ak . Wtedy rzutem ortogonalnym wektora b ∈ R n na podprzestrzeń W
jest
b = A(AT A)−1 AT b. (9.26)
Definicja 9.6.1. Jeśli W = L(a1 , . . . , ak ) jest k-wymiarową podprzestrzenią
przestrzeni Rn i A jest macierzą, której kolumnami są a1 , . . . , ak , to macierz
Macierz rzutu P = A(AT A)−1 AT (9.27)
nazywamy macierzą rzutu (ortogonalnego) na podprzestrzeń W .

Jeśli A = [a1 . . . ak ] i B = [b1 . . . bk ] są macierzami wymiaru n × k i układy
(a1 , . . . , ak ) i (b1 , . . . , bk ) są bazami tej samej podprzestrzeni W przestrzeni R n ,
to P = A(AT A)−1 AT i P0 = B(BT B)−1 BT są macierzami rzutu na podprze-
strzeń W . Ponieważ dla każdego x ∈ Rn jest Px = P0 x, więc P = P0 i to
oznacza, że macierz rzutu na podprzestrzeń W nie zależy od wyboru bazy tej
podprzestrzeni.
9.6. Macierz rzutu ortogonalnego 205
Przykład 214. Wyznaczyć macierz P rzutu ortogonalnego na podprzestrzeń

W będącą płaszczyzną o równaniu x+y −z = 0. Za pomocą tej macierzy znaleźć
rzut ortogonalny wektora b = (6, 6, 21) na podprzestrzeń W .
Bazę przestrzeni W tworzą dwa nierównoległe wektory a1 i a2 leżące w płaszczyźnie

x + y − z = 0, rys. 9.10. Mogą nimi być
" # " #
1 0
a1 = 0 i a2 = 1 .
1 1
Wtedy dla macierzy
" # " #
| | 1 0
A= a1 a2 = 0 1
| | 1 1
mamy
" 1 0 #!−1 −1
T −1 1 0 1 2 1 1 2 −1
(A A) = 0 1 = =
0 1 1 1 2 3 −1 2
1 1
i wobec (9.27) macierzą rzutu na płaszczyznę W jest
" #
1 0
2 −1 1 0 1
P = A(A A) T −1
A T
= 0 1 1
3 −1 2 0 1 1
1 1
" # " #
1 0 2 −1 1 b
2 −1 1
= 1
0 1 = 1
−1 2 1 . a2 b
3 −1 2 1 3
1 1 1 1 2
Zatem, wobec (9.26), rzutem ortogonalnym wektora b na płaszczyznę W jest wektor W
a1
" #" # " # y
2 −1 1 6 9
1
b = projW b = Pb = −1 2 1 6 = 9
3
1 1 2 21 18 0
x
(i oczywiście jest on identyczny z wektorem z przykładu 213).
Rys. 9.10
Jeśli baza (a1 , . . . , ak ) podprzestrzeni W jest ortonormalna, to macierz A =
[a1 . . . ak ] ma ortonormalne kolumny (aTi ai = 1 i aTi aj = 0, gdy j 6= i), więc
AT A = I (i (AT A)−1 = I) i mamy prostszą niż w (9.27) zależność pomiędzy
macierzą A i macierzą rzutu P na podprzestrzeń W ,
P = A(AT A)−1 AT = AIAT = AAT . (9.28)
Przykładowo dla bazy ortonormalnej
√ √ √ p √
(a1 , a2 ) = (1/ 2, 0, 1/ 2), (−1/ 6, 2/3, 1/ 6)
przestrzeni W z ostatniego przykładu i dla macierzy

 √1 
− √16
2 q
 2 
A= 0 3 
√1 √1
2 6
iloczyn
 √1
 

− √16 " #
2 q √1 0 √1 2 −1 1
  2 q 2 1
AAT =  0 2
 =  −1 2 1 
3 − √16 2 √1 3
√1 √1 3 6 1 1 2
2 6
jest znaną z przykładu 214 macierzą rzutu na podprzestrzeń W .
Na koniec zaobserwujmy pewne ogólne własności macierzy rzutu. Przede

wszystkim zauważmy, że jeśli W = L(a1 , . . . , ak ) jest k-wymiarową podprze-
strzenią przestrzeni Rn i A jest macierzą, której kolumnami są a1 , . . . , ak , to
macierz rzutu P = A(AT A)−1 AT jest symetryczna,
T
PT = P PT = (A(AT A)−1 AT )T = (AT )T (AT A)−1 AT
−1 T −1 T
= A (AT A)T A = A AT (AT )T A = P,
i idempotentna,
P2 = (A(AT A)−1 AT )(A(AT A)−1 AT )

P2 = P
= A(AT A)−1 AT A(AT A)−1 AT = A(AT A)−1 AT = P.
W następnym twierdzeniu udowodnimy, że te dwie własności w pełni cha-

rakteryzują macierz rzutu ortogonalnego.
Twierdzenie 9.6.2. Macierz P ∈ Rn×n jest macierzą rzutu ortogonalnego na
pewną podprzestrzeń W ⊆ Rn wtedy i tylko wtedy, gdy jest ona symetryczna
(PT = P) i idempotentna (P2 = P).
Dowód. Symetryczność i idempotentność macierzy rzutu już wyjaśniliśmy. Załóżmy
teraz, że macierz P jest symetryczna i idempotentna. Wykażemy, że P jest macierzą
rzutu ortogonalnego na podprzestrzeń CP = {Px : x ∈ Rn }, podprzestrzeń kolumnową
macierzy P. W tym celu wystarczy pokazać, że jeśli b ∈ Rn , to Pb ∈ CP (co jest
oczywiste) i wektor b − Pb jest ortogonalny do każdego wektora Px z przestrzeni CP .
Ponieważ P2 = P = PT , więc dla iloczynu skalarnego wektorów b − Pb i Px mamy
(b − Pb)T Px = ((I − P)b)T Px = bT (I − P)T Px = bT (IT − PT )Px

= bT (I − P)Px = bT (P − P2 )x = bT 0x = 0
i to dowodzi, że wektory b − Pb i Px są ortogonalne.

4 2
Przykład 215. Czy macierz P = jest macierzą rzutu ortogonalnego
2 1
na pewną podprzestrzeń przestrzeni R2 ?
Ponieważ 2
4 2 20 10
P2 = = 6= P,
2 1 10 5
macierz P nie jest idempotentna i nie może być macierzą rzutu ortogonalnego na żadną
podprzestrzeń przestrzeni R2 .
9.7. Metoda najmniejszych kwadratów

W tej części zajmujemy się aproksymacją wektora b z przestrzeni Euklidesa
V wektorem z podprzestrzeni W ⊂ V . Poszukujem wektora x należącego do
podprzestrzeni W takiego, że odległość pomiędzy wektorami b i x, czyli norma
||b − x||, jest najmniejsza z możliwych. W przypadku takiej aproksymacji wektor
b−x nazywa się wektorem błędu (jaki popełnia się zastępując wektor b wektorem
x), a jego długość ||b−x|| – wielkością błędu aproksymacji. Następne twierdzenie
zapewnia, że wektor projW b, czyli rzut ortogonalny wektora b na podprzestrzeń
W , jest najlepszą (ze względu na odległość) aproksymacją wektora b wektorami
należącymi do podprzestrzeni W .
9.8. Najlepsze rozwiązanie układu równań 207
Twierdzenie 9.7.1. Jeśli b jest rzutem ortogonalnym wektora b na podprze-

e ∈ W różnego od b Twierdzenie o najlepszej
strzeń W przestrzeni Euklidesa V , to dla każdego wektora b aproksymacji
zachodzi nierówność
e
||b − b|| < ||b − b||, (9.29)
czyli odległość pomiędzy wektorem b i podprzestrzenią W jest odległością pomię-
dzy wektorem b i jego rzutem ortogonalnym b na podprzestrzeń W ,
e = ||b − b||.
d(b, W ) = min ||b − b||
e
b∈W
Dowód. Niech b e będzie dowolnym wektorem ze zbioru W − {b}. Wtedy b − b e ∈

e
W − {0} i ||b − b|| > 0. Z definicji rzutu ortogonalnego wektor b − b jest ortogonalny
do podprzestrzeni W , więc w szczególności jest on ortogonalny do wektora b − b e (zob.
rys. 9.11). Stąd i z twierdzenia Pitagorasa (tw. 9.2.1) mamy
e||2 = ||(b − b) + (b − b
||b − b e)||2 = ||b − b||2 + ||b − b
e||2 > ||b − b||2 O
i to implikuje nierówność (9.29). b−b
e
b−b b
i
]
b
9.8. Najlepsze rozwiązanie układu równań e
b
0
W
Dany jest układ równań liniowych Rys. 9.11. projW b jest najlepszą

 a11 x1 + a12 x2 + . . . + a1n xn = b1 , aproksymacją wektora b.


 a21 x1 + a22 x2 + . . . + a2n xn = b2 ,
.. .. ..


 . . .

am1 x1 + am2 x2 + . . . + amn xn = bm ,
czyli układ Ax = b, gdzie
   
a11 a12 . . . a1n b1
 a21 a22 . . . a2n   b2 
   
A= . .. .  i b= .. .
 .. . ..   . 
am1 am2 . . . amn bm
W wielu konkretnych przypadkach taki układ Ax = b nie ma rozwiązania.
W takiej sytuacji możemy (a często musimy) wyznaczyć tzw. najlepsze rozwiąza-
nie, czyli taki wektor x, że odległość pomiędzy wektorami Ax i b jest najmniejsza
z możliwych.
Definicja 9.8.1. Najlepszym rozwiązaniem układu Ax = b nazywamy wektor
x ∈ Rn taki, że dla każdego x ∈ Rn jest
x – najlepsze rozwiązanie
||Ax − b|| ¬ ||Ax − b||. układu Ax = b
Ponieważ {Ax : x ∈ Rn } jest przestrzenią kolumnową macierzy A,
{Ax : x ∈ Rn } = CA ,
więc wektor x jest najlepszym rozwiązaniem układu Ax = b wtedy i tylko wtedy, 6
b−b b
gdy Ax jest tym wektorem z podprzestrzeni CA , który leży najbliżej wektora b.
Z twierdzenia 9.7.1 wynika, że tak jest wtedy i tylko wtedy, gdy Ax jest rzutem - b=Ax
ortogonalnym wektora b na podprzestrzeń CA , tj. wtedy i tylko wtedy, gdy CA 6
Ax = b, gdzie b = projCAb, zob. rys. 9.12. Ostatni warunek jest równoważny
ortogonalności wektora b−b = b−Ax i podprzestrzeni CA , czyli ortogonalności Rn
wektora b − Ax do każdej kolumny macierzy A. Na to potrzeba i wystarcza, aby x
zachodziła równość AT (b − Ax) = 0. Stąd zaś wynika następujące twierdzenie

o najlepszych rozwiązaniach układu równań liniowych. Rys. 9.12
Twierdzenie 9.8.1. Zbiór najlepszych rozwiązań układu równań liniowych Ax

= b jest identyczny ze zbiorem rozwiązań układu
Normalny układ równań ATA x = AT b. (9.30)
Wyżej przedstawiony sposób wyznaczania najlepszego rozwiązania układu

równań liniowych Ax = b poprzez rozwiązywanie układu równań ATA x = AT b,
Metoda najmniejszych zwanego normalnym układem równań (odpowiadających układowi Ax = b),
kwadratów nazywa się metodą najmniejszych kwadratów.
Przykład 216. Za pomocą normalnego układu równań wyznaczyć najlepsze

rozwiązanie układu równań liniowych Ax = b, gdy

 x + y + z = 1,
2x − y + z = 1,

3x − 3y + z = 2.
Układowi Ax = b odpowiada normalny układ równań ATAx = AT b, w którym

" #" # " #
1 2 3 1 1 1 14 −10 6
ATA = 1 −1 −3 2 −1 1 = −10 11 −3
1 1 1 3 −3 1 6 −3 3
i " #" # " #

1 2 3 1 9
T
A b= 1 −1 −3 1 = −6 .
1 1 1 2 4
Ponieważ dla macierzy rozszerzonej układu ATAx = AT b mamy
" # " #
14 −10 6 9 1 0 2/3 13/18
T T
[A A|A b] = −10 11 −3 −6 ∼ 0 1 1/3 1/9 ,
6 −3 3 4 0 0 0 0
więc rozwiązaniem układu ATAx = AT b i najlepszym rozwiązaniem układu Ax = b

jest każdy wektor
" # " #
13 2
1
x= 2 +t 1 ,
18
0 0
gdzie t ∈ R.
9.9. Dopasowanie prostej

Zajmiemy się teraz prostym, lecz bardzo ważnym i często spotykanym w prak-
tycznych zastosowaniach zagadnieniem najlepszego dopasowania prostej do da-
nego zbioru punktów płaszczyzny. Niech (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) będą punk-
tami z płaszczyzny R2 takimi, że nie wszystkie liczby x1 , x2 , . . . , xn są równe.
Chcemy wyznaczyć prostą y = ax+b, która w sensie metody najmniejszych kwa-
dratów najlepiej pasuje do danych punktów. Jej współczynniki a i b dobieramy
w taki sposób aby suma
n
X n
X
d2i = (axi + b − yi )2 ,
i=1 i=1
w której di = |axi +b−yi | jest odległością pomiędzy punktami (xi , yi ) i (xi , axi +
b) (zob. rys. 9.13), była najmniejsza z możliwych. Ostatnia suma jest najmniejsza
9.9. Dopasowanie prostej 209
wtedy i tylko wtedy, gdy (a, b) jest najlepszym (w sensie metody najmniejszych
kwadratów) rozwiązaniem układu równań liniowych


 ax1 + b = y1

 ax2 + b = y2
.. y 6

 .

 (xi ,yi )
axn + b = yn , di
czyli układu Ax = b, w którym d1 (xi ,axi +b)
    dn
x1 1 y1 y=ax+b
 x2 1   y2 
  a   -
A =  . . , x= i b= .. .
 .. ..  b  .  x1 xi xj xn x
xn 1 yn Rys. 9.13
Wobec twierdzenia 9.8.1 najlepsze rozwiązanie (a, b) układu Ax = b można
wyznaczyć z normalnego układu równań ATAx = AT b, w którym
 
x1 1
  2
T x1 . . . x n  x2 1  x1 + . . . + x2n x1 + . . . + xn
A A= =
1 . . . 1  ... ... 

x1 + . . . + x n n
xn 1
i  
y1
 y2 
T x1 . . . x n   x1 y 1 + . . . + x n y n
A b=  .. = .
1 ... 1  .  y1 + . . . + y n
yn
Bez trudu można zauważyć, że
X
det (ATA) = (xi − xj )2
1¬i<j¬n
i ostatnia suma jest niezerowa, jeśli tylko nie wszystkie liczby x1 , . . . , xn są rów-
ne. Stąd zaś wynika, że układ ATAx = AT b ma dokładnie jedno rozwiązanie
(a układ Ax = b ma dokładnie jedno najlepsze rozwiązanie), jeśli tylko nie
wszystkie liczby x1 , . . . , xn są równe.
Przykład 217. Wyznaczyć najlepszą liniową zależność y = ax + b pomiędzy

współrzędnymi xi i yi punktów (0, 0), (2, 2), (4, 2) i (6, 4).
Współczynniki a i b szukanej prostej tworzą najlepsze rozwiązanie układu równań li-

niowych Ax = b, gdzie
   
0 1 0
2 1 a 2
A= , x= i b =  .
4 1 b 2
6 1 4
Najlepsze rozwiązanie układu Ax = b wyznaczamy z normalnego układu równań
ATAx = AT b. Mamy
  y 6
0 1
0 2 4 6 2 1 56 12
A TA = = ,
1 1 1 1 4 1 y = 35 x + 1
12 4 5
6 1
 
0

0 2 4 6 2 36 -
AT b = =
1 1 1 1 2
x
8
4 Rys. 9.14
i
a T
−1 T 1 4 −12 36 3/5
x= = A A A b= = .
b 80 −12 56 8 1/5
Zatem y = 53 x+ 15 jest najlepszą liniową zależnością pomiędzy współrzędnymi punktów
(0, 0), (2, 2), (4, 2) i (6, 4), zob. rys. 9.14.
9.10. Macierz i przekształcenie ortogonalne

Definicja 9.10.1. Mówimy, że rzeczywista macierz A wymiaru n × n jest ma-
cierzą ortogonalną, jeśli
Macierz ortogonalna A TA = I n . (9.31)
Z (9.31) jest oczywiste, że A jest macierzą ortogonalną wtedy i tylko wtedy,

gdy A jest odwracalna i
A−1 = AT . (9.32)
Dodatkowo, ponieważ det AT = det A i det ATA = det AT det A, więc z (9.31)
otrzymujemy
(det A)2 = det AT det A = det ATA = det In = 1
i stąd wynika, że wartość wyznacznika macierzy ortogonalnej jest równa jeden

lub minus jeden. Warto także zauważyć, że jeżeli a1 , a2 , . . . , an są kolumnami
macierzy A, to mamy
   T 
− aT1 −   a1 a1 aT1 a2 · · · aT1 an
 − aT2 −  | | |  aT2 a1 aT2 a2 · · · aT2 an 
   
ATA =  ..  a1 a2 · · · an  =  .. .. .. .. ,
 .  | | |  . . . . 
− aTn − aTn a1 aTn a2 · · · aTn an
więc równość (9.31) (i (9.32)) zachodzi wtedy i tylko wtedy, gdy

0, jeśli j 6= i,
aTi aj =
1, jeśli j = i,
tj. wtedy i tylko wtedy, gdy kolumny macierzy A tworzą bazę ortonormalną
przestrzeni Rn . Ponieważ równość (9.31) (i (9.32)) zachodzi wtedy i tylko wtedy,
gdy (AT )TAT = AAT = In , więc także macierz AT jest ortogonalna, a to ma
miejsce wtedy i tylko wtedy, gdy jej kolumny (które są wierszami macierzy A)
tworzą bazę ortonormalną przestrzeni R n . Stąd mamy następujące twierdzenie.
Twierdzenie 9.10.1. Jeśli A jest rzeczywistą macierzą wymiaru n × n, to na-

stępujące stwierdzenia są równoważne:
(a) wiersze macierzy A tworzą bazę ortonormalną przestrzeni R n ;
(b) kolumny macierzy A tworzą bazę ortonormalną przestrzeni R n ;
(c) macierz A jest ortogonalna, tj. A jest odwracalna i A−1 = AT .
Przykład 218. Pokazać, że macierz

 
3 0 4
1
A= −4 0 3 
5
0 5 0
9.10. Macierz i przekształcenie ortogonalne 211
jest ortogonalna i wyznaczyć macierz A−1 .
Ponieważ mamy
" #" # " #
3 −4 0 3 0 4 1 0 0
T 1
A A= 0 0 5 −4 0 3 = 0 1 0 ,
25
4 3 0 0 5 0 0 0 1
więc macierz A jest ortogonalna i

" #
3 −4 0
−1 1
T
A =A = 0 0 1 .
5
4 3 0
Następne twierdzenie pokazuje, że przekształcenie liniowe TA określone przez

macierz ortogonalną A, przekształcając wektory, zachowuje ich iloczyn skalarny,
więc także długości wektorów i kąty pomiędzy wektorami.
Twierdzenie 9.10.2. Niech A będzie macierzą ortogonalną stopnia n i niech
x oraz y będą wektorami z przestrzeni R n . Wtedy
(a) (Ax)T (Ay) = xT y, (zachowanie iloczynu skalarnego)
(b) ||Ax|| = ||x||, (zachowanie długości wektorów)
(c) ∠(Ax, Ay) = ∠(x, y). (zachowanie kąta pomiędzy wektorami)
Dowód. (a) Ponieważ A A = In , więc mamy (Ax)Tp
T
(Ay) = xT ATAy √ = x T In y
= xT y. (b) Z definicji normy oraz z (a) mamy ||Ax|| = (Ax)T (Ax) = xT x = ||x||.
(c) Z definicji miary kąta pomiędzy wektorami (zob. def. 9.2.1) oraz z (a) i (b) mamy
(Ax)T (Ay) xT y
∠(Ax, Ay) = arccos ||Ax||||Ay||
= arccos ||x||||y||
= ∠(x, y).
Okazuje się, co dowodzimy w następnym twierdzeniu, że własność (a) z twier-

dzenia 9.10.2 jest także warunkiem dostatecznym ortogonalności macierzy.
Twierdzenie 9.10.3. Macierz A wymiaru n × n jest macierzą ortogonalną
wtedy i tylko wtedy, gdy (Ax)T (Ay) = xT y dla każdych dwóch wektorów x i y
z przestrzeni Rn .
Dowód. Załóżmy, że xT AT Ay = (Ax)T (Ay) = xT y, czyli xT (AT A − In )y = 0
dla każdych wektorów x, y ∈ Rn . Wtedy także dla każdego wektora y ∈ Rn i dla
T
wektora x = (AT A − In )y mamy (AT A − In )y · (AT A − In )y = 0, co wobec
własności iloczynu skalarnego (zob. def. 9.1.1) ma miejsce wtedy i tylko wtedy, gdy
(AT A − In )y = 0 dla każdego y ∈ Rn . Stąd AT A − In = 0 i dlatego macierz A jest
ortogonalna.
Odwrotna implikacja była treścią twierdzenia 9.10.2 (a).
Pokażemy teraz, że macierz A jest ortogonalna wtedy i tylko wtedy, gdy

przekształcenie TA = Ax przekształca bazę ortonormalną w bazę ortonormalną.
Twierdzenie 9.10.4. Jeśli A jest macierzą wymiaru n × n i układ wektorów
(a1 , a2 , . . . , an ) jest bazą ortonormalną przestrzeni R n , to macierz A jest orto-
gonalna wtedy i tylko wtedy, gdy układ wektorów (Aa1 , Aa2 , . . . , Aan ) jest bazą
ortonormalną przestrzeni Rn .
Dowód. Konieczność warunku wynika z twierdzenia 9.10.2. Dla dowodu dostateczno-
ści zakładamy, że (a1 , . . . , an ) oraz (b1 , . . . , bn ) = (Aa1 , . . . , Aan ) są bazami ortonor-
malnymi przestrzeni Rn . Wobec twierdzenia 9.10.3 wystarczy Pn pokazać, że P(Ax)
T
(Ay)
n
= x y dla każdych x, y ∈ R . Zauważmy, że jeśli x = i=1 xi ai i y = j=1 yj aj , to
T n
Pn
wobec ortonormalności bazy (a1 , a2 , . . . , an ) jest xT y = i=1 xi yi . Jednocześnie, po-
Pn Pn Pn Pn
nieważ Ax = A x a = i=1 xi Aai = i=1 xi bi i podobnie Ay = j=1 yj bj ,
i=1 i i
więcPtym razem wobec ortonormalności bazy (b1 , b2 , . . . , bn ) mamy (Ax)T (Ay)
n
= x y = xT y i to kończy dowód twierdzenia.
i=1 i i
Przykład 219. Z ostatniego twierdzenia łatwo wynika, że macierz obrotu płasz-

czyzny wokół punktu (0, 0) o kąt α, czyli macierz

cos α sin α
,
− sin α cos α
jest ortogonalna. (To samo stwierdzenie jest także oczywistą konsekwencją defi-
nicji 9.10.1 i/lub twierdzenia 9.10.1.)
Definicja 9.10.2. Niech V będzie przestrzenią wektorową z iloczynem skalar-

nym ( · | · ). Przekształcenie liniowe T : V → V nazywamy przekształceniem or-
Przekształcenie ortogonalne togonalnym, gdy dla każdych wektorów x, y ∈ V jest

T (x)|T (y) = (x|y). (9.33)
Związek przekształcenia ortogonalnego z macierzą ortogonalną przedstawia

następujące twierdzenie.
Twierdzenie 9.10.5. Niech B będzie baza ortonormalną przestrzeni wektorowej

V . Przekształcenie liniowe T : V → V jest ortogonalne wtedy i tylko wtedy, gdy
jego macierz [T ]B jest ortogonalna.
Dowód. Niech B = (b1 , . . . , bn ) będzie bazą ortonormalną przestrzeni wektorowej

V i niech [T ]B = [T (b1 )]B . . . [T (bn )]B = [aij ] będzie macierzą przekształcenia T
względem bazy B.
Z własności iloczynu skalarnego, liniowości przekształcenia T i z ortonormalności
bazy B mamy
n n
! n X
n
X X X
(bk |bl ) = δkl , gdzie T (bi )|T (bj ) = aki bk alj bl = aki alj (bk |bl )
k=1 l=1 k=1 l=1
0, gdy k =
6 l n n n
δkl = XX X
1, gdy k = l = aki alj δkl = aki akj = [T (bi )]T [T (bj )].
k=1 l=1 k=1
Z drugiej strony z ortonormalności bazy B i z ortogonalności przekształcenia T (zob.

definicję (9.10.2) mamy

T (bi )|T (bj ) = (bi |bj ) = δij .
Stąd wynika, że kolumny macierzy [T ]B tworzą bazę ortonormalną przestrzeni Rn , więc

macierz [T ]B jest ortogonalna.
Załóżmy teraz, że macierz [T ]B jest ortogonalna. Wtedy

T (bi )|T (bj ) = [T (bi )]T [T (bj )] = δij = (bi |bj ).
Pn Pn
Zatem dla dowolnych wektorów x = i=1
xi bi oraz y = j=1
yj bj mamy (9.33), bo
n n
! n n
X X X X
T (x)|T (y) = xi T (bi ) yj T (bj ) = xi yj T (bi )|T (bj )
i=1 j=1 i=1 j=1
n n n n
!
X X X X
= xi yj (bi |bj ) = xi bi yj b j = (x|y),
i=1 j=1 i=1 j=1
i dlatego T jest przekształceniem ortogonalnym.

9.11. Ćwiczenia 213
Przykład 220. Zbadać ortogonalność przekształcenia T : R 3 → R3 , gdzie

1
T (x, y, z) = √ (x + z, y, x − z).
2
Macierzą przekształcenia T względem bazy kanonicznej E przestrzeni R 3 jest
 
1 √0 1
1
[T ]E = √  0 2 0 .
2 1 0 −1
Ponieważ kolumny macierzy [T ]E tworzą ortonormalną bazę przestrzeni R3 , więc ma-

cierz [T ]E jest ortogonalna, a przekształcenie T jest ortogonalne.
9.11. Ćwiczenia
" # " # " #! " #
1. W przestrzeni R3 ze standardowym iloczynem skalar- 1 1 1 1
nym dane są wektory x = (6, −2, 3) i y = (1, 2, −3). (a) B = 1 , −1 , 0 ix= 2 ;
Obliczyć następujące wielkości: (x|y), (x|x), ||x||, ||x|
x
|
, 1 0 −1 3
d(x, y) i (x|y)
y. " # " # " #! " #
(y|y) 1 2 1 3
2. W przestrzeni R3 z bazą B = (1, −2, 3), (b) B = −1 , 2 , 1 ix= 2
;
0 −1 4 1
(0, 1, 2), (0, 0, 1) iloczyn skalarny określony jest wzo-
" # " # " #! " #
rem (x|y) = [x]TB [y]B . Obliczyć (x|y), ||x||, ||y|| i ||x + 2 2 1 1
y||, gdy x = (1, −4, −1) i y = (3, −6, 10). (c) B = −2 , 1 , 2 ix= 0 .
3. W przestrzeni C(h0; 1i) iloczyn skalarny określony 1 −2 2 2
R1
jest wzorem (f |g) = 0 f (x)g(x) dx. Obliczyć (f |g), 9. Metodą Grama-Schmidta wyznaczyć bazę ortogonal-
||f ||, ||g|| i ||f − g||, gdy f (x) = x i g(x) = ex . ną podprzestrzeni W przestrzeni R4 (ze standardo-
4. Niech x, y i z będą wektorami z przestrzeni Euklidesa wym iloczynem skalarnym), gdy:

takimi, że (x|y) = 2, (x|z) = −3, (y|z) = 2, ||x|| = 1, (a) W = L (1, 0, 1, 0), (1, 1, 0, 1), (0, 1, 1, 1) ;
||y|| = 2 i ||z|| = 3. Obliczyć: (a) (x + y|y + z); (b)
(b) W = L (1, 2, 2, −1), (1, 1, −5, 3), (3, 2, 8, −7) .
(x − y + 3z|2x + y); (c) ||x + y||; (d) ||x − 2y + 4z||.
10. Metodą Grama-Schmidta w przestrzeni Rn (ze stan-
5. Dana jest macierz A ∈ R2×2 i funkcja f : R2 × R2 →
dardowym iloczynem skalarnym) utworzyć bazę orto-
R, która wektorom x i y z przestrzeni R2 przypo-
gonalną z następującej bazy:
rządkowuje liczbę f (x, y) = x Ay. Sprawdzić, czy
T
" # " # " #!
1 1 1
funkcja ta jest iloczynem
skalarnym,
gdy: 1 0
(a) , ; (b) 1 , 0 , 1 ;
1 1 2 1 1 4
(a) A = ; (b) A = ; 1 −1 0
1 0 −1 0
       
1 1 1 1 1 1 1 13
(c) A = ; (d) A = .  2   1   −2   7 
2 1 1 −1 (c)  , , , .
6. Niech w1 , . . . , wn będą dodatnimi liczbami rzeczywi- 3   1   1   1 
stymi. Wykazać, że funkcja (·|·) : Rn × Rn → R jest −1 6 0 0
iloczynem skalarnym, gdy 11. Metodą Grama-Schmidta w przestrzeni V z iloczy-
nem skalarnym (·|·) z bazy C utworzyć bazę ortonor-
(x|y) = w1 x1 y1 + . . . + wn xn yn malną C 0 i wyznaczyć współczynniki Fouriera wekto-
ra x0 względem bazy C 0 , gdy:
dla każdych wektorów x = (x1 , . . . , xn ) i y = (a) V = R2 , (x|y) = xT y, C = (1, 1), (1, 2) i x0
n
(y1 , . . . , yn ) z przestrzeni R . = (3, 4); (b) V = R3 , (x|y) T
7. Opisać, jak wyznacza się współrzędne wektora wzglę- = [x]C [y]C , gdzie C
= (1, 0, 1), (0, 1, 1), (1, 1, 1) i x0 = (1, −1, 0); (c) V
dem bazy ortogonalnej. Następnie wektor (1, 2, 3) R1
przedstawić jako kombinację liniową wektorów = R2 [x], (f |g) = 0 f (t)g(t) dt, C = (1, x, x2 ) i f0 (x)
or-
togonalnej bazy (1, −2, 1), (2, 1, 0), (−1, 2, 5) prze- = 1 + x2 .
strzeni R . 3 12. Wskazać ortogonalną bazę przestrzeni R4 zawierają-
8. Pokazać, że układ B = (x1 , x2 , x3 ) jest bazą orto- cą wektory (1, 2, −1, 0) i (2, −1, 0, 1).
gonalną przestrzeni R3 (ze standardowym iloczynem 13. W przestrzeni R3 ze standardowym iloczynem ska-
skalarnym) i wektor x zapisać jako kombinację Fo- larnym wyznaczyć ortogonalne dopełnienia zbiorów
uriera względem układu (x1 /||x1 ||, x2 /||x2 ||, x3 /||x3 ||), S1 = {(1, 1, 1)}, S2 = {(1, 1, 1), (1, 2, −1)} i S3 =
gdy: {(x, y, z) ∈ R3 : x = 0 i y + z = 0}.
14. W przestrzeni R4 wyznaczyć bazę ortogonalnego do-      

5 3 2
pełnienia podprzestrzeni generowanej przez wektory:  −1   1   −1 
(a) (2, 0, 1, 2), (1, 0, 0, 1) i (3, 0, 1, 3); (b) b =  i W = L  , .
1 −1   1 
(b) (1, 0, 2, 1), (2, 1, 2, 3) i (0, 1, −2, 1). 1 2 −2
15. W przestrzeni R4 wyznaczyć ortogonalną bazę orto- 23. Znaleźć najlepsze rozwiązanie sprzecznego układu
gonalnego dopełnienia podprzestrzeni S generowanej równań:
( (
przez wektory (1, 2, 3, 1) i (0, 0, 1, 2). x + 2y = 4, 2x = 1,
16. Znaleźć bazę, wymiar i samo ortogonalne dopełnienie (a) x + y = 5, (b) y = 2,
L⊥ podprzestrzeni L ⊆ R4 , która jest zbiorem rozwią- 3x + 5y = 12; 2x + 2y = 3.
4
zań następującego jednorodnego układu równań 24. W przestrzeni R dane są wektory
(      
2x1 + x2 + 3x3 − x4 = 0, 1 8 7
3x1 + 2x2 − 2x4 = 0, 1  −6   −6 
v1 =   , v 2 =  i b= .
3x1 + x2 + 9x3 − x4 = 0. 1 2 4 
17. Wskazać ortonormalną bazę jądra przekształcenia li- 1 0 −5
niowego T : R3 → R, gdzie T (x, y, z) = 2x + y +
3z. Następnie wyznaczyć rzut ortogonalny wektora (a) Algorytmem Grama-Schmidta dokonać ortogona-
(1, 1, 0) na podprzestrzeń Ker T . Dodatkowo, obliczyć lizacji układu (v1 , v2 ). (b) Wyznaczyć rzut ortogo-
kąt pomiędzy wektorem (1, 1, 0) i płaszczyzną Ker T . nalny wektora b na podprzestrzeń V = L(v1 , v2 ).
18. Znaleźć rzut ortogonalny wektora b = (1, 2, 2, 7) na (c) Wskazać macierz A, której przestrzenią zerową
płaszczyznę x + y + z + u = 0. jest przestrzeń L(v1 , v2 ).
19. Wyznaczyć rzut ortogonalny wektora b na podprze- 25. Szukamy prostej y = Cx + D najbliższej punk-
strzeń W przestrzeni Rn (ze standardowym iloczy- tom (0, −1), (1, 2) i (2, −1). (a) Metodą najmniej-
nem skalarnym),
gdy: szych kwadratów wyznaczyć współczynniki C i D.
2 3 (b) Wyjaśnić jak ma się wektor b = (−1, 2, −1) do
(a) b = ,W =L ; płaszczyzny, na którą rzutowano? (c) Wyznaczyć dłu-
1 −2
" # " # " #! gość wektora błędu e (= odległość od płaszczyzny
2 3 1 = ||b − Ax||).
(b) b = 3 , W = L −1 , −1 ; 26. Wyznaczyć najlepszą (w sensie metody najmniej-
4 2 −2 szych kwadratów) zależność postaci y = ax+b między
       
4 1 −1 1 współrzędnymi xi oraz yi punktów (1, 2), (2, 3), (3, 5)
0  1   0   −3  i (4, 7).
(c) b =  , W = L  ,  , ;
1 0 1   −1  27. Rozwiązaniem sprzecznego układu równań Ax = b,
" # " #
2 1 1 2 1 0 3
       x
1 1 1 gdzie A = 1 1 i b = 4 , jest macierz =
y
1 2 1
 −1   0   2 
(d) b =  , W = L  ,  .
1 2 0 11/3
. (a) Wskazać rzut ortogonalny b wektora
−1 1 2 −1
20. W przestrzeni V z podanym iloczynem skalarnym b na przestrzeń kolumnową macierzy A. (b) Wyzna-
wyznaczyć (1) rzut ortogonalny wektora b na pod- czyć bazę ortonormalną (q1 , q2 ) przestrzeni kolum-
przestrzeń W i (2) odległość d pomiędzy wektorem nowej macierzy A. (c) Wyznaczyć macierz P rzutu
b i podprzestrzenią W , gdy: (a) V = R2 ze stan- ortogonalnego na przestrzeń kolumnową macierzy A.
dardowym iloczynem skalarnym, b = (4, 7), W = 28. Wyznaczyć rozwiązanie układu
{(x, y) : x = 2y}; (b) V = R3 ze standardowym ilo- x1 + x 2 + x 3 = 0
czynem skalarnym, b = (14, 3, 2), W = {(x, y, z) : x+ 2x1 + 2x2 + 2x3 + 3x4 = 0
2y − 2z = 0}; (c) V = R2 [x] z iloczynem skalarnym T
R1 najbliższe wektorowi b = 1 1 1 1 .
(f |g) = 0 f (t)g(t) dt, b = 1 + 3x + 2x , W = R1 [x].
2 " # " #
1 1 1
21. (a) Wyznaczyć rzut ortogonalny wektora b = (1, 2, 3) 29. Dane są macierze A = 2 −1 i b = 2 .
na płaszczyznę π zawierającą wektory a1 = (2, 2, −1) −2 4 7
i a2 = (2, −1, 2). (b) Metodą Grama-Schmidta (a) Wskazać trzy ortonormalne wektory x1 , x2 i x3
otrzymać ortonormalny układ wektorów (q1 , q2 , q3 ) takie, że układ (x1 , x2 ) jest bazę przestrzeni kolumno-
z układu (a1 , a2 , b). (c) Znaleźć macierz P rzutu na wej CA macierzy A. (b) Która z podprzestrzeni NA ,
płaszczyznę π. NAT , CA i CAT zawiera wektor x3 ? (c) Wyznaczyć
22. Wyznaczyć: (1) najlepszą aproksymację wektora b macierz P rzutu na podprzestrzeń NAT . (d) Wyzna-
wektorami z podprzestrzeni W (czyli wyznaczyć wek- czyć najlepsze rozwiązanie równania Ax = b.
" #
tor b0 ∈ W taki, że ||b−b0 || = min{||b−x|| : x ∈ W }); 1 2 −3
(2) wektor błędu tej aproksymacji; (3) wielkość błędu 30. (a) Czy macierz A = 2 1 −3 jest odwracal-
tej aproksymacji oraz (4) odległość pomiędzy wekto- 2 2 −4
rem b i podprzestrzenią W , gdy: na? (b) Wskazać bazę ortonormalną przestrzeni ko-
" # " # " #! lumnowej macierzy A. (c) Dlaczego macierz P =
1 2 3
(a) b = 29 i W = L 1 , 2 ; A(AT A)−1 AT nie jest macierzą rzutu na przestrzeń
1 −1 2 kolumnową macierzy A?
31. Pokazać, że w przestrzeni wektorowej V z iloczynem 46. Wykazać, że jeśli macierz A jest macierzą ortogonal-
skalarnym (·|·) dla każdych wektorów x i y jest ną wymiaru n × n, to ||Ax|| = ||A−1 x|| dla każdego
wektora x ∈ Rn .
(x|y) = 14 ||x + y||2 − ||x − y||2 .
47. Zbadać ortogonalność następujących przekształceń
32. Niech f (·, ·) i g(·, ·) będą iloczynami skalarnymi liniowych: (a) T (x, y)√= (y, √x); (b) T (x, y) = (x, −y);
w przestrzeni wektorowej V . Wykazać, że funkcja (c) T (x, y) = 12 (x − 3y, 3x + y); (d) T (x, y, z) =
h(·, ·) = f (·, ·) + g(·, ·) (3/3+2y/3+2z/3, −2x/3−y/3+2z/3, −2x/3+2y/3−
także jest iloczynem skalarnym w przestrzeni V . z/3).
33. Wykazać, że funkcja f : Rn×n × Rn×n → R jest 48. Niech V będzie przestrzenią wektorową z iloczynem
iloczynem skalarnym, gdy f (A, B) = tr (ABT ). skalarnym ( · | · ) i niech B = (a1 , a2 , a3 ) będzie bazą
34. Indukcyjnie udowodnić, że jeśli wektory v1 , . . . , vn są ortonormalną przestrzeni V . Niech T : V → V bę-
wzajemnie ortogonalne, to dzie takim przekształceniem, że T (x) = (x|a)a, gdzie
a ∈ V i [a]B = (1, −1, 3). (a) Pokazać, że T jest
||v1 ||2 + ||v2 ||2 + . . . + ||vn ||2 = ||v1 + v2 + . . . + vn ||2 . przekształceniem liniowym. (b) Znaleźć macierz [T ]B
35. Niech (v1 , . . . , vn ) będzie ortonormalnym układem przekształcenia T .
wektorów w przestrzeni Euklidesa. Udowodnić, że 49. Wpisując TAK albo NIE, stwierdzić prawdziwość
√
||v1 + . . . + vn || = n. 1 Jeśli x, y i z są wektorami z przestrzeni Eu-
klidesa i (x|y) = (x|z), to y = z.
36. Za pomocą nierówności Schwarza udowodnić, że dla
liczb rzeczywistych a, b i ϕ jest 2 Jeśli x jest wektorem z przestrzeni Euklidesa
i (x|y) = 0 dla każdego wektora y, to x = 0.
(a cos ϕ + b sin ϕ)2 ¬ a2 + b2 . 3 W przestrzeni Rn istnieje tylko jeden iloczyn
skalarny.
37. Za pomocą nierówności Schwarza udowodnić, że dla
4 W przestrzeni R2 istnieje iloczyn skalarny (·|·)
dodatnich liczb a1 , a2 , . . . , an jest
względem którego wektory x = (1, 1) i y = (1, 2) są
1 1 1
(a1 + a2 + . . . + an ) + + ... + n2 . ortogonalne.
a1 a2 an
5 Funkcja f : R2×2 × R2×2 → R jest iloczynem
38. Niech (v1 , . . . , vn ) będzie bazą ortonormalną prze- skalarnym, gdy f (A, B) = tr (A + B) dla każdych
strzeni V . Wykazać, że dla każdych wektorów x, y ∈ A, B ∈ R2×2 .
V spełniona jest tzw. równość Parsevala (x|y) =
P 6 Metoda Grama-Schmidta umożliwia konstruk-
n
i=1
(x|vi )(y|vi ). Następnie Pnwykazać,2 że dla każdego cję ortogonalnego zbioru wektorów z dowolnego zbio-
wektora x ∈ V jest ||x|| = i=1 (x|vi ) . ru wektorów.
39. Niech (v1 , . . . , vn ) będzie układem ortonormalnych 7 Każda przestrzeń Euklidesa ma ortonormalną
wektorów w przestrzeni Euklidesa V . Wykazać, że bazę.
dla każdego x ∈ V zachodzi nierówność ||x||2
P 8 Ortogonalne dopełnienie każdego zbioru jest
n
i=1
(x|vi )2 . Jest to tzw. nierówność Bessela i wy- podprzestrzenią.
raża ona fakt, że norma rzutu ortogonalnego wektora 9 Jeśli (b1 , . . . , bn ) jest bazą przestrzeni Eukli-
x na podprzestrzeń nie jest większa od normy samego desa V i x ∈ V , to liczby (x|bi ) są współczynnikami
wektora x. Fouriera wektora x.
40. Wykazać, że W ∩W ⊥ = {0} dla każdej podprzestrze- 10 Każdy zbiór ortonormalny jest liniowo nieza-
ni W przestrzeni Euklidesa. leżny.
41. Wykazać, że jeśli S i T są niepustymi zbiorami wek- 11 Każdy zbiór liniowo niezależnych wektorów
torów w przestrzeni Euklidesa V , a W jest podprze- jest ortogonalny.
strzenią przestrzeni V , to prawdziwe są następujące 12 Dla każdych wektorów x i y z przestrzeni Eu-
stwierdzenia: (a) S ⊥ jest podprzestrzenią przestrzeni klidesa mamy ||x + y||2 + ||x − y||2 = 2||x||2 + 2||y||2 .
V ; (b) jeśli S ⊆ T , to T ⊥ ⊆ S ⊥ ; (c) S ⊆ (S ⊥ )⊥ ;
13 Jeśli U jest macierzą wymiaru n × p i b ∈ Rn ,
(d) W = (W ⊥ )⊥ ; (e) V = W ⊕ W ⊥ .
42. Niech U1 i U2 będą podprzestrzeniami przestrzeni to UUT b = b jest rzutem ortogonalnym wektora b
Euklidesa. Udowodnić, że (U1 + U2 )⊥ = U1⊥ ∩ U2⊥ na przestrzeń kolumnową macierzy U.
⊥
i (U1 ∩ U2 ) = U1 + U2 . ⊥ ⊥ 14 Jeśli U jest macierzą wymiaru n × p i jej ko-
43. Udowodnić, że 0 lub 1 jest wyznacznikiem macierzy lumny są ortogonalne, to UUT b = b dla każdego
rzutu. b∈R . n
44. Wykazać, że jeśli macierze A i B z przestrzeni Rn×n 15 Jeśli W jest podprzestrznią przestrzeni Eukli-
są ortogonalne, to także macierze AB i A2 są orto- desa V i b ∈ V , to b − projW b jest najlepszą aprok-
gonalne. symacją wektora b za pomocą wektorów z podprze-
45. Wykazać ortogonalność macierzy strzeni W.
" # Jeśli macierz A jest ortogonalna, to także ma-
1 −2a 2a2 16
A = 1+2a 1
2 2a 1 − 2a2 −2a cierze AT i A−1 są ortogonalne.
2a 2
2a 1 17 Jeśli A jest symetryczną macierzą ortogonalną,
dla każdej liczby a ∈ R. to A2 = I.
Rozdział 10
WARTOŚCI WŁASNE
I WEKTORY WŁASNE
10.1. Wartości własne i wektory własne macierzy

i operatora
Definicja 10.1.1. Niech V będzie przestrzenią wektorową nad ciałem K (gdzie
K = R albo K = C) i niech T : V → V będzie operatorem liniowym na prze-
λ – wartość własna strzeni V . Skalar λ ∈ K nazywamy wartością własną operatora T , jeśli istnieje
niezerowy wektor v0 ∈ V taki, że
T (v0 ) = λv0 . (10.1)
v0 – wektor własny W takim przypadku mówimy, że v0 jest wektorem własnym operatora T odpowia-
dającym wartości własnej λ. Geometryczny efekt działania operatora liniowego
T : Rn → Rn na wektor własny v0 przedstawia rys. 10.1.
Podobnie, skalar λ ∈ K nazywamy wartością własną macierzy kwadratowej
A ∈ Kn×n , jeśli istnieje niezerowy wektor v0 ∈ K n , dla którego
z
3 Av0 = λv0 . (10.2)
T (v0 )=λv0
Taki wektor v0 nazywamy wektorem własnym macierzy A odpowiadającym war-

3 v0
tości własnej λ.
0
Przykład 221. Niech V będzie przestrzenią wektorową nad ciałem K i niech

Rys. 10.1
λ będzie dowolnym elementem z ciała K. Jeśli T jest operatorem liniowym na
przestrzeni V takim, że T (x) = λx, to każdy niezerowy wektor x ∈ V jest
wektorem własnym operatora T odpowiadającym wartości własnej λ.
Łatwo sprawdza się, czy dany wektor jest wektorem własnym macierzy (ope-
ratora). Równie łatwo bada się, czy dana liczba jest wartością własną macierzy
(operatora).

1
Przykład 222. Sprawdzić, czy wektor v0 = jest wektorem własnym ma-
1

1 2
cierzy A = .
2 1
Z równości
1 2 1 3 1
Av0 = = =3 = 3v0
2 1 1 3 1
wynika, że wektor v0 jest wektorem własnym macierzy A odpowiadającym wartości
własnej λ = 3.
Przykład 223. Sprawdzić, czy liczba λ = 4 jest wartością własną macierzy

 
4 0 1
A =  −2 1 0 .
−2 0 1
10.1. Wartości własne i wektory własne macierzy i operatora 217
Ponieważ
0 0 1

det(A − 4I) = −2 −3 0 = −6 6= 0,
−2 0 −3
więc równanie (A − 4I)x = 0 (i równoważne z nim równanie Ax = 4x) ma tylko zerowe
rozwiązanie. Stąd wynika, że liczba 4 nie jest wartością własną macierzy A.
Przykład 224. Niech CR ∞

będzie przestrzenią funkcji f : R → R mających
pochodne każdego rzędu. Niech T : CR
∞
→ CR ∞
będzie funkcją taką, że T (f ) = f 0
dla f ∈ CR .
∞
Zauważmy, że funkcja f ∈ CR∞

jest wektorem własnym operatora T odpo-
wiadającym wartości własnej λ ∈ R wtedy i tylko wtedy, gdy
f 0 = T (f ) = λf,
tj. wtedy i tylko wtedy, gdy f jest rozwiązaniem równania różniczkowego y 0 = λy.
(Rozwiązaniem takiego równania jest funkcja f (t) = ceλt dla każdej stałej rze-
czywistej c.)
Po tych kilku przykładach ilustrujących pojęcie wartości własnej i wektora

własnego macierzy i operatora liniowego wracamy do ogólnych rozważań. Przede
wszystkim zauważmy, że zależność (10.2) można zapisać w postaci równości (A−
λIn )v0 = 0. Stąd wynika, że wektor v0 ∈ K n jest wektorem własnym macierzy A
odpowiadającym wartości własnej λ wtedy i tylko wtedy, gdy jest on niezerowym
rozwiązaniem równania jednorodnego
(A − λIn )x = 0. (10.3)
Wartością własną macierzy A jest więc każda liczba λ, dla której równanie jed-
norodne (10.3) ma niezerowe rozwiązanie x. Z wniosku 6.5.2 wiadomo, że takie
niezerowe rozwiązanie istnieje wtedy i tylko wtedy, gdy macierz A − λIn jest
osobliwa, co ma miejsce wtedy i tylko wtedy, gdy
det (A − λIn ) = 0. (10.4)
Stąd otrzymujemy twierdzenie, z którego dalej korzystamy, wyznaczając war-

tości własne i wektory własne macierzy.
Twierdzenie 10.1.1. (a) Liczba λ ∈ K jest wartością własną macierzy A ∈

Kn×n wtedy i tylko wtedy, gdy λ jest rozwiązaniem równania (10.4).
(b) Wektor v ∈ K n jest wektorem własnym macierzy A ∈ Kn×n odpowiadają-
cym wartości własnej λ wtedy i tylko wtedy, gdy v jest niezerowym rozwiązaniem
równania (10.3).
Dla macierzy A = [aij ]n×n równanie (10.4) przyjmuje postać

a11 − λ a12 ... a1n

a21 a 22 −λ ... a2n

.. .. .. .. =0

. . . .

an1 an2 . . . ann − λ
i jego lewa strona, det (A − λIn ), jest wielomianem zmiennej λ. Wielomian ten
nazywamy wielomianem charakterystycznym macierzy A, a równanie
Równanie
det (A − λIn ) = 0 charakterystyczne
218 10. Wartości własne
– równaniem charaktrystycznym macierzy A. Można pokazać, że wielomian cha-

rakterystyczny det (A − λIn ) jest wielomianem stopnia n,

det (A − λIn ) – wielomian det (A − λIn ) = (−1)n λn − a1 λn−1 + a2 λn−1 − . . . + (−1)n an ,
charakterystyczny
i każdy jego współczynnik ak jest sumą wszystkich minorów głównych1 stopnia
k macierzy A. W szczególności mamy
a1 = a11 + a22 + . . . + ann = tr (A) i an = det (A).

a b
Zatem dla macierzy A wymiaru 2 × 2, powiedzmy dla macierzy A = ,
c d

jest a−λ b

det (A − λI2 ) = = (a − λ)(d − λ) − bc
c d−λ
= λ2 − λ(a + d) + (ad − bc)
= λ2 − λ tr (A) + |A|.
Podobnie, jeśli A jest macierzą wymiaru 3 × 3, to

det (A − λI3 ) = − λ3 − λ2 tr (A) + λ |A11 | + |A22 | + |A33 | − |A| .
Przykład 225. Wyznaczyć wielomian charakterystyczny ϕ(λ) = det (A − λI 3 )

macierzy  
4 −1 6
A =  2 1 6 .
2 −1 8
Mamy

4 −1 6

−λ3 + λ2 (4 + 1 + 8) − λ
1 6 + 4 6 + 4 −1 +
ϕ(λ) =
−1 8 2 8 2 1 2 1 6
2 −1 8
= −λ3 + 13λ2 − 40λ + 36.
Niech T : V → V będzie operatorem liniowym na skończenie wymiarowej

przestrzeni wektorowej V i niech A będzie macierzą operatora T względem ja-
kiejkolwiek bazy B przestrzeni V , czyli A = [T ]B . Twierdzimy, że wielomian
det (A − λI) nie zależy od wyboru bazy przestrzeni V . Tak jest istotnie, bo jeśli
C jest inną bazą przestrzeni V , to macierze [T ]B i [T ]C są podobne (zob. tw.
8.40) i wobec twierdzenia 6.4.1 wyznaczniki det ([T ]B − λI) i det ([T ]C − λI) są
identyczne. Wielomian ϕ(λ) = det (A − λI), gdzie A jest macierzą operatora
Wielomian charakte- T względem dowolnej bazy przestrzeni V , nazywamy wielomianem charaktery-
rystyczny operatora stycznym operatora T .
Przykład 226. Wyznaczyć wielomian charakterystyczny operatora liniowego

T : R2 → R2 , gdzie
T (x1 , x2 ) = (2x1 + x2 , 3x1 − x2 ).
Ponieważ macierzą operatora T względem bazy standardowej E przestrzeni R 2

jest
2 1
[T ]E = ,
3 −1
1 Niech A będzie macierzą kwadratową stopnia n i niech i , i , . . . , i będą liczbami na-
1 2 k
turalnymi takimi, że 1 ¬ i1 < i2 < . . . < ik ¬ n. Minorem głównym stopnia k macierzy A
nazywamy wyznacznik macierzy kwadratowej stopnia k powstałej z macierzy A przez wykre-
ślenie z niej wszystkich wierszy i wszystkich kolumn o numerach różnych od i1 , i2 , . . . , ik .
10.1. Wartości własne i wektory własne macierzy i operatora 219
więc wielomianem charakterystycznym operatora T jest

2−λ 1

ϕ(λ) = det ([T ]E − λI) = = λ2 − λ − 5.
3 −1 − λ
Dla macierzy A ∈ Cn×n równanie charakterystyczne det (A − λIn ) = 0 jest

równaniem wielomianowym stopnia n i wobec zasadniczego twierdzenia algebry
ma ono n (niekoniecznie różnych) rozwiązań zespolonych. Stąd wynika, że ma-
cierz kwadratowa stopnia n ma n (niekoniecznie różnych) zespolnych wartości
własnych. Zbiór wszystkich wartości własnych macierzy A nazywamy widmem Widmo macierzy
tej macierzy.

5 4
Przykład 227. Znaleźć wartości własne macierzy A = .
1 2
Równaniem charakterystycznym macierzy A jest

5−λ 4
det (A − λI2 ) = = (5 − λ)(2 − λ) − 4 = λ2 − 7λ + 6 = 0.
1 2−λ
Zatem wartościami własnymi macierzy A są liczby λ1 = 1 i λ2 = 6.
Przypomnijmy, że wobec twierdzenia 10.1.1 wektory własne macierzy A od-

powiadające wartości własnej λ0 są niezerowymi rozwiązaniami równania (A −
λ0 In )x = 0.
Przykład 228. Wyznaczyć wartości własne i wektory własne macierzy A, gdy

 
2 0 4
A =  0 6 0 .
4 0 2
Rozwiązując równanie charakterystyczne det (A − λI3 ) = 0, znajdujemy najpierw

wszystkie wartości własne macierzy A. Ponieważ

2−λ 0 4

det (A − λI3 ) = 0 6−λ 0
4 0 2−λ
= (6 − λ)(2 − λ)2 − 16(6 − λ) = (6 − λ)(λ + 2)(λ − 6),
więc wartościami własnymi macierzy A są λ1 = −2 i λ2 = λ3 = 6.

Rozwiązując teraz równanie macierzowe (A − λi I3 )x = 0, znajdujemy wektory
własne macierzy A odpowiadające wartości własnej λi .
Dla λ1 = −2 wyznaczamy x = (x1 , x2 , x3 ) z równania (A − λ1 I3 )x = 0. Mamy
" # " #
4 0 4 0 1 0 1 0

[ A − λ1 I3 | 0 ] = [ A + 2I3 | 0] = 0 8 0 0 ∼ 0 1 0 0 .
4 0 4 0 0 0 0 0
Zatem " #
−x3
x= 0 , x3 ∈ R,
x3
jest rozwiązaniem równania (A − λ1 I3 )x = 0. Dlatego każdy wektor
" #
−1
v1 = x 3 0 , x3 ∈ R − {0},
1
jest wektorem własnym macierzy A odpowiadającym wartości własnej λ1 = −2.

Dla λ2 = λ3 = 6 mamy
" # " #
−4 0 4 0 1 0 −1 0

[ A − λ2 I3 | 0 ] = [ A − 6I3 | 0 ] = 0 0 0 0 ∼ 0 0 0 0
4 0 −4 0 0 0 0 0
i każdy niezerowy wektor

" # " # " #
x3 0 1
x= x2 = x2 1 + x3 0
x3 0 1
jest wektorem własnym macierzy A odpowiadającym wartości własnej λ2 = λ3 = 6.
W szczególności wektory
" # " #
0 1
v2 = 1 i v3 = 0
0 1
są wektorami własnymi macierzy A odpowiadającymi wartości własnej λ2 = λ3 = 6.
Następujące twierdzenie pokazuje, że istnieją ścisłe zależności pomiędzy war-

tościami i wektorami własnymi operatora liniowego, a wartościami i wektorami
własnymi macierzy tego operatora. Zależności te bywają pomocne przy wyzna-
czaniu wartości własnych i wektorów własnych operatora liniowego.
Twierdzenie 10.1.2. Niech T będzie operatorem liniowym na skończenie wy-
miarowej przestrzeni wektorowej V i niech [T ]B będzie macierzą operatora T
względem bazy B przestrzeni V .
(a) Liczba λ jest wartością własną operatora T wtedy i tylko wtedy, gdy λ
jest wartością własną macierzy [T ]B .
(b) Wektor v0 ∈ V jest wektorem własnym operatora T odpowiadającym
wartości własnej λ wtedy i tylko wtedy, gdy wektor [v0 ]B jest wektorem własnym
macierzy [T ]B odpowiadającym wartości własnej λ.
Dowód. Obie części twierdzenia wynikają z następujących równoważności.
Wektor v0 ∈ V jest wektorem własnym operatora T
odpowiadającym wartości własnej λ
⇔ T (v0 ) = λv0 i v0 6= 0 (definicja 10.1.1)
⇔ [T (v0 )]B = [λv0 ]B i [v0 ]B 6= 0 (zob. dowód tw. 7.6.2)
⇔ [T ]B [v0 ]B = λ[v0 ]B i [v0 ]B 6= 0 (zob. tw. 8.5.1 i 7.6.1)
⇔ [v0 ]B jest wektorem własnym macierzy [T ]B odpo-
wiadającym wartości własnej λ.
Przykład 229. Przekształcenie liniowe T : R2 [x] → R2 [x] określone jest wzo-

rem T (a0 + a1 x + a2 x2 ) = (−14a0 + 4a1 − 14a2 ) + (−33a0 + 9a1 − 31a2 )x +
(11a0 − 4a1 + 11a2 )x2 . Wyznaczyć jego wartości własne i wektory własne.
Macierzą przekształcenia T względem bazy B = (1, x, x2 ) jest

" #
−14 4 −14
[T ]B = −33 9 −31 ,
11 −4 11
a dla jej wielomianu charakterystycznego mamy

−14 − λ 4 −14 −λ 4 −14 −λ −14
−33 9 − λ −31
−2 9 − λ −31
−2 9 − λ4 −31

= =
11 −4 11 − λ λ −4 11 − λ 0 0 −3 − λ

= −(3 + λ)
−λ 4
= −(λ + 3)(λ2 − 9λ + 8)
−2 9−λ
= −(λ + 3)(λ − 1)(λ − 8).
10.2. Diagonalizowalność macierzy i operatora liniowego 221
Stąd wynika, że liczby λ1 = −3, λ2 = 1 i λ3 = 8 są wartościami własnymi operatora T

(i macierzy [T ]B ). Rozwiązując równania ([T ]B − λi I3 )x = 0, stwierdzamy, że wektory
" # " # " #
4 4 1
[v1 ]B = 11 , [v2 ]B = 1 i [v3 ]B = 2
0 −4 −1
są wektorami własnymi macierzy [T ]B . Stąd i z ostatniego twierdzenia wynika, że

wektory
v1 = 4 + 11x, v2 = 4 + x − 4x2 i v3 = 1 + 2x − x2
(których wektorami B-współrzędnych są v1 , v2 i v3 ) są wektorami własnymi operatora
T odpowiadającymi wartościom własnym λ1 = −3, λ2 = 1 i λ3 = 8.
10.2. Diagonalizowalność macierzy i operatora liniowego

Definicja 10.2.1. Operator liniowy T na skończenie wymiarowej przestrzeni
wektorowej V nazywamy diagonalizowalnym, jeśli istnieje baza B przestrzeni Diagonalizowalność opera-
V taka, że macierz [T ]B jest diagonalna. Macierz kwadratową A nazywamy tora i macierzy
diagonalizowalną, jeśli jest ona podobna do macierzy diagonalnej. Tak jest wtedy
i tylko wtedy, gdy istnieje macierz nieosobliwa P taka, że macierz P−1 AP jest
macierzą diagonalną.
Przykład 230. Operator liniowy T (x1 , x2 ) = (4x1 + 2x2 , −3x1 + 11x2 ) na

przestrzeni R2 jest diagonalizowalny, bo jego macierz [T ]B jest diagonalna dla
bazy B = (b1 , b2 ) przestrzeni R2 , gdzie b1 = (2, 1) ib2 = (1, 3),
h i h i
[T ]B = [T (b1 )]B [T (b2 )]B = [T (2, 1)]B [T (1, 3)]B
h i
5 0
= [(10, 5)]B [(10, 30)]B = .
0 10

4 2
Zauważmy, że także macierz A = (która jest macierzą operatora
−3 11
T względem bazy standardowej
przestrzeni R 2 ) jest diagonalizowalna i macierz
2 1
P = b1 b2 = jest macierzą podobieństwa macierzy A do macierzy
1 3
diagonalnej, bo mamy

−1 1 3 −1 4 2 2 1 5 0
P AP = = .
5 −1 2 −3 11 1 3 0 10
Mamy następujący związek diagonalizowalności operatora z diagonalizowal-

nością macierzy tego operatora.
Twierdzenie 10.2.1. Jeśli T jest operatorem liniowym na skończenie wymia-
rowej przestrzeni wektorowej V i B jest bazą przestrzeni V , to operator T jest T – diagonalizowalny ⇔
diagonalizowalny wtedy i tylko wtedy, gdy macierz [T ]B jest diagonalizowalna. [T ]B – diagonalizowalna
Dowód. Załóżmy, że operator T jest diagonalizowalny. Wtedy istnieje baza B 0 prze-

strzeni V taka, że macierz [T ]B0 jest diagonalna. Stąd i z podobieństwa macierzy [T ]B
i [T ]B0 (zob. tw. 8.7.3) wynika diagonalizowalność macierzy [T ]B .
Załóżmy teraz, że macierz [T ]B jest diagonalizowalna. Wtedy jest ona podobna do
pewnej macierzy diagonalnej D. Wobec twierdzenia 8.7.3 istnieje baza B 0 przestrzeni
V taka, że D = [T ]B0 . Stąd wynika diagonalizowalność operatora T .
Wniosek 10.2.1. Macierz A jest diagonalizowalna wtedy i tylko wtedy, gdy

operator TA jest diagonalizowalny.
Ogólny warunek konieczny i dostateczny diagonalizowalności operatora linio-
wego (i macierzy) przedstawia następujace twierdzenie.
Twierdzenie 10.2.2. Operator liniowy T na n-wymiarowej przestrzeni wekto-
rowej V jest diagonalizowalny wtedy i tylko wtedy, gdy istnieje baza B = (v 1 , v2 ,
. . . , vn ) przestrzeni V składająca się z wektorów własnych operatora T . Do-
datkowo, jeśli wektory własne v1 , v2 , . . . , vn odpowiadają wartościom własnym
λ1 , λ2 , . . . , λn , to macierz [T ]B jest diagonalna i
 
λ1 0 . . . 0
 0 λ2 . . . 0 
 
[T ]B =  .. .. . . . .
 . . . .. 
0 0 . . . λn
Dowód. Operator T jest diagonalizowalny wtedy i tylko wtedy, gdy istnieje baza
B = (v1 , v2 , . . . , vn ) przestrzeni V taka, że macierz [T ]B = [T (v1 )]B . . . [T (vn )]B
jest diagonalna. Tak jest wtedy i tylko wtedy, gdy istnieją skalary λ1 , . . . , λn takie, że
 
" # λ1 0 ... 0
| | |  0 λ2 ... 0 
[T ]B = [T (v1 )]B [T (v2 )]B . . . [T (vn )]B =
 ... ... .. . .
| | | . .. 
0 0 . . . λn
Ostatnia równość zachodzi wtedy i tylko wtedy, gdy T (vi ) = λi vi dla i = 1, . . . , n,

tj. wtedy i tylko wtedy, gdy każdy wektor vi bazy B jest wektorem własnym operatora
T odpowiadającym wartości własnej λi .
Przykład 231. Weźmy pod uwagę macierze

Ax

} 1 7 −2 2 −1
A= , v1 = i v2 = .
3 −1 8 1 1
Ponieważ
=
Av2 1 7 −2 2 4 2
I
x TA (v1 ) = = =2 = 2v1 ,
3 −1 8 1 2 1
* Av1
v2 *v1 więc v1 jest wektorem własnym operatora TA (i macierzy A)

I
odpowiadającym wartości własnej λ1 = 2. Podobnie mamy

1 7 −2 −1 −3 −1
TA (v2 ) = = =3 = 3v2
3 −1 8 1 3 1
Rys. 10.2
i dlatego v2 jest wektorem własnym operatora TA (i macierzy A) odpowiadają-
cym wartości własnej λ2 = 3. Ponieważ układ B = (v1 , v2 ) jest bazą przestrzeni
R2 , więc wobec twierdzenia 10.2.2 operator TA jest diagonalizowalny i mamy

2 0
[TA ]B = .
0 3

Także macierz A jest diagonalizowalna, bo dla macierzy P = v1 v2 (która
jest macierzą przejścia od bazy B do bazy standardowej E) mamy

2 0
P−1 AP = TA B = .
0 3
Efekt oddziaływania przekształcenia TA (czyli mnożenia przez macierz A) na

wektory v1 , v2 i x = (3, 3) przedstawiono na rys. 10.2.
Następujące twierdzenie przedstawia warunek konieczny i dostateczny dia-

gonalizowalności macierzy. Dla macierzy diagonalizowalnej A, przedstawia ono
także macierz podobieństwa P macierzy A do macierzy diagonalnej.
Twierdzenie 10.2.3. Macierz A ∈ Kn×n jest diagonalizowalna wtedy i tyl-
ko wtedy, gdy istnieje baza B = (v1 , v2 , . . . , vn ) przestrzeni K n składająca się
z wektorów własnych macierzy A. Dodatkowo, jeśli wektory własne v 1 , v2 , . . . , vn
odpowiadają wartościom własnym λ1 , λ2 , . . . , λn , to macierz
A jest
podobna do
macierzy diagonalnej Λ = diag (λ1 , . . . , λn ) i P = v1 . . . vn jest macierzą
podobienstwa macierzy A do macierzy Λ, tj. Λ = P−1 AP.

Dowód. Przede wszystkim zauważmy, że dla macierzy P = v1 . . . v n oraz Λ
= diag (λ1 , . . . , λn ) mamy

AP = A v1 . . . vn = Av1 . . . Avn (10.5)
i  
λ1 0 ... 0
 0 λ2 ... 0 
PΛ = v1 . . . vn  ... ... .. .. 
 = λ 1 v1 . . . λ n vn . (10.6)
. .
0 0 . . . λn
Załóżmy teraz, że macierz A jest diagonalizowalna i Λ = P−1 AP. Wtedy AP
= PΛ, więc z (10.5) i (10.6) mamy

Av1 . . . Avn = λ1 v1 . . . λn vn (10.7)
i dlatego także
Av1 = λ1 v1 , . . . , Avn = λn vn . (10.8)
Ponieważ macierz P jest odwracalna, więc jej kolumny v1 , . . . , vn są liniowo niezależne
i dlatego układ B = (v1 , . . . , vn ) jest bazą przestrzeni K n . Dodatkowo, ponieważ
wektory v1 , . . . , vn są niezerowe, z (10.8) wynika, że v1 , . . . , vn są wektorami własnymi
macierzy A odpowiadającymi wartościom własnym λ1 , . . . , λn .
Załóżmy teraz, że v1 , . . . , vn są wektorami własnymi odpowiadającymi wartościom
własnym
λ1 , . . ., λn macierzy A. Wtedy wobec (10.5), (10.6) i (10.7) dla macierzy P
= v1 . . . vn oraz Λ = diag (λ1 , . . . , λn ) jest PΛ = AP. Przy założeniu liniowej
niezależności wektorów v1 , . . . , vn macierz P jest odwracalna i równość PΛ = AP jest
równoważna równości Λ = P−1 AP, a ta jest równoważna diagonalizowalności macierzy
A.
Twierdzenie 10.2.4. Niech T będzie operatorem liniowym na przestrzeni wek-
torowej V . Jeśli v1 , . . . , vk są wektorami własnymi operatora T odpowiadającymi
jego różnym wartościom własnym λ1 , . . . , λk , to układ wektorów (v1 , . . . , vk ) jest
liniowo niezależny.
Dowód. Ponieważ wektory v1 , . . . , vk są niezerowe, więc wystarczy udowodnić, że
żaden z nich nie jest kombinacją liniową swoich poprzedników. Przypuśćmy, że jest
inaczej. Niech wtedy j (2 ¬ j ¬ k) będzie najmniejszą liczbą naturalną taką, że vj
jest kombinacją liniową wektorów v1 , . . . , vj−1 . Wtedy wektory v1 , . . . , vj−1 są liniowo
niezależne i istnieją skalary a1 , . . . , aj−1 takie, że
vj = a1 v1 + . . . + aj−1 vj−1 .
Wtedy także
j−1 j−1
! j−1 j−1
X X X X
λj al vl = λj vj = T (vj ) = T a l vl = al T (vl ) = a l λ l vl
l=1 l=1 l=1 l=1
i z niezależności wektorów v1 , . . . , vj−1 wynika, że λj al = λl al dla l = 1, . . . , j − 1.

Stąd Pi z faktu, że λ
P 1 , . . . , λk są różne wynika, że al = 0 dla l = 1, . . . , j − 1. Wtedy
j−1 j−1
vj = l=1 al vl = l=1 0vl = 0, co zaprzecza niezerowości wektorów v1 , . . . , vk .
Wniosek 10.2.2. Niech T będzie operatorem liniowym na n-wymiarowej prze-

strzeni wektorowej V . Jeśli operator T ma n różnych wartości własnych, to jest
on diagonalizowalny.
Dowód. Niech λ1 , . . . , λn będą różnymi wartościami własnymi operatora T . Niech
vi będzie wektorem własnym operatora T odpowiadającym wartości własnej λi (i =
1, . . . , n). Wobec poprzedniego twierdzenia B = (v1 , . . . , vn ) jest układem n liniowo
niezależnych wektorów w n-wymiarowej przestrzeni V . Stąd i z twierdzenia 7.5.4 wy-
nika, że B jest bazą przestrzeni V . Ponieważ baza ta składa się z wektorów własnych
operatora T , więc wobec twierdzenia 10.2.2 operator T jest diagonalizowalny.
Wniosek 10.2.3. Jeśli macierz A ∈ Kn×n ma n różnych wartości własnych,
to jest ona diagonalizowalna.
Przykład 232. Wielomianem charakterystycznym macierzy

7 8
A= ∈ R2×2
−4 −5
(i operatora TA : R2 → R2 ) jest

7−λ 8
det (A − λI) = = (λ + 1)(λ − 3),

−4 −5 − λ
więc wartościami własnymi operatora TA (i macierzy A) są dwie różne liczby

λ = −1 i λ = 3. Stąd i z wniosku 10.2.2 wynika, że operator TA i macierz A są
diagonalizowalne.
Warunek z ostatniego wniosku jest tylko warunkiem dostatecznym diagona-

lizowalności. Przykład operatora tożsamościowego (który jest diagonalizowalny
choć ma tylko jedną wartość własną) pokazuje, że nie jest to warunek koniecz-
ny diagonalizowalności operatora. Udowodnimy teraz, że wielomian charaktery-
styczny diagonalizowalnego operatora T na przestrzeni wektorowej V , która jest
przestrzenią wektorową nad ciałem K, jest rozkładalny nad ciałem K.
Wielomian charakterystycz- Twierdzenie 10.2.5. Niech T będzie operatorem liniowym na n-wymiarowej
ny operatora diagonalizo- przestrzeni wektorowej V (nad ciałem K) i niech ϕ(λ) będzie wielomianem cha-
walnego jest rozkładalny rakterystycznym operatora T . Jeśli operator T jest diagonalizowalny, to istnieją
skalary a, λ1 , . . . , λn ∈ K takie, że
ϕ(λ) = a(λ − λ1 )(λ − λ2 ) . . . (λ − λn ).

Dowód. Niech B będzie taką bazą przestrzeni V , że macierz [T ]B jest diagonalizowal-
na. Wtedy istnieją skalary λ1 , . . . , λn takie, że
 
λ1 0 ... 0
 0 λ2 ... 0 
[T ]B = 
 ... ... .. . .
. .. 
0 0 . . . λn
Wtedy także mamy

 
λ1 − λ 0 ... 0
 0 λ2 − λ ... 0 
ϕ(λ) = det([T ]B − λI) = det 
 .. .. .. .. 

. . . .
0 0 . . . λn − λ
= (λ1 − λ)(λ2 − λ) . . . (λn − λ) = (−1)n (λ − λ1 )(λ − λ2 ) . . . (λ − λn )
i to dowodzi tezę twierdzenia.


1 4
Przykład 233. Dana jest macierz A = i określony przez nią operator
−1 1
liniowy TA : R2 → R2 . Ponieważ jego wielomian charakterystyczny

1−λ 4
ϕ(λ) = det(A − λI) = det = (1 − λ)2 + 4
−1 1 − λ
nie jest rozkładalny nad ciałem R, więc operator TA : R2 → R2 nie jest diago-
nalizowalny. Ta sama macierz A określa także operator liniowy UA : C 2 → C 2 ,
gdzie UA (x) = Ax dla każdego x ∈ C 2 . Tym razem jego wielomian charakte-
rystyczny ϕ(λ) = det(A − λI) = (1 − λ)2 + 4 = (λ − 1 − 2j)(λ − 1 + 2j) (jest
rozkładalny nad ciałem C i) ma dwie różne wartości własne i dlatego operator
UA jest diagonalizowalny.
W naszych dalszych rozważaniach diagonalizowalności operatorów posłuży-

my się algebraiczną i geometryczną krotnością wartości własnej.
Definicja 10.2.2. Niech ϕ(λ) i λ0 będą odpowiednio wielomianem charakte-
rystycznym i wartością własną operatora liniowego (lub macierzy kwadrato-
wej). Algebraiczną krotnością liczby λ0 nazywamy największą liczbę naturalną
k = k(λ0 ) taką, że (λ − λ0 )k jest dzielnikiem wielomianu ϕ(λ). k(λ0 ) – algebraiczna
krotność wartości własnej
Przykład 234. Wielomianem charakterystycznym macierzy

 
3 2 1
A=0 2 3
0 0 2
jest ϕ(λ) = −(λ−2)2 (λ−3). Zatem λ = 2 jest dwukrotną, a λ = 3 – jednokrotną

wartością własną macierzy A i operatora TA na przestrzeni R3 .
Definicja 10.2.3. Niech T będzie operatorem liniowym na przestrzeni wekto-

rowej V i niech λ będzie jego wartością własną. Wtedy zbiór
Vλ = {x ∈ V : T (x) = λx} = Ker (T − λIV ) Vλ – przestrzeń własna
który jest podprzestrzenią przestrzeni V , nazywamy przestrzenią własną opera-

tora T odpowiadającą wartości własnej λ. Analogicznie definiuje się przestrzeń
własną macierzy. Wymiar przestrzeni Vλ , czyli liczbę dim(Vλ ), nazywamy geo- dim(Vλ ) – geometryczna
metryczną krotnością wartości własnej λ operatora T . krotność wartości własnej
Związek między algebraiczną i geometryczną krotnością wartości własnej
operatora przedstawia następujące twierdzenie.
Twierdzenie 10.2.6. Jeśli λ0 jest wartością własną operatora liniowego T na
skończenie wymiarowej przestrzeni wektorowej V , to
Geometryczna krotność
1 ¬ dim(Vλ0 ) ¬ k(λ0 ). ¬ algebraiczna krotność
Dowód. Weźmy pod uwagę bazę (v1 , . . . , vm ) przestrzeni Vλ0 (gdzie m = dim(Vλ0 ))
i jej rozszerzenie B = (v1 , . . . , vm , vm+1 , . . . , vn ) do bazy całej przestrzeni V . Ponieważ
v1 , . . . , vm są wektorami własnymi operatora T odpowiadającymi wartości własnej λ0 ,
więc macierzą operatora T względem bazy B jest macierz blokowa

λ0 I m A
[T ]B = ,
0 B
w której A i B są macierzami wymiaru odpowiednio m × (n − m) i (n − m) × (n − m).

Zatem dla wielomianu charakterystycznego operatora T mamy równości

(λ0 − λ)Im A
ϕ(λ) = det [T ]B − λIn = det
0 B − λIn−m

= det (λ0 − λ)Im det (B − λIn−m )
= (λ0 − λ)m det (B − λIn−m )
i z nich wynika, że (λ − λ0 )m jest dzielnikiem wielomianu ϕ(λ). Stąd i z definicji liczby
k(λ0 ) wynika, k(λ0 ) m = dim(Vλ0 ).
Z definicji wartości własnej i przestrzeni własnej operatora jest oczywiste, że
jeśli λ0 i λ00 są różnymi wartościami własnymi operatora liniowego T : V → V ,
to Vλ0 ∩ Vλ00 = {0}. Stąd zaś wynika, że jeśli λ1 , . . . , λm są różnymi wartościami
własnymi operatora liniowego T : V → V , to podprzestrzeń Vλ1 + . . . + Vλm jest
sumą prostą podprzestrzeni Vλ1 , . . . , Vλm , czyli Vλ1 + Vλ2 + . . . + Vλm = Vλ1 ⊕
V λ2 ⊕ . . . ⊕ V λm .
Twierdzenie 10.2.7. Niech T będzie operatorem liniowym na n-wymiarowej
przestrzeni wektorowej V . Jeśli wielomian charakterystyczny operatora T jest
rozkładalny i λ1 , λ2 , . . . , λl są wszystkimi różnymi wartościami własnymi ope-
ratora T , to T jest diagonalizowalny wtedy i tylko wtedy, gdy algebraiczna krot-
ność każdej wartości własnej λi pokrywa się z jej geometryczną krotnością, k(λi )
= dim (Vλi ) dla i = 1, . . . , l.
(i) (i)
Dodatkowo, jeśli operator T jest diagonalizowalny i Bi = (b1 , . . . , bk(λi ) )
jest bazą przestrzeni Vλi (i = 1, . . . , l), to

(1) (1) (2) (2) (l) (l)
B = b1 , . . . , bk(λ1 ) , b1 , . . . , bk(λ2 ) , . . . , b1 , . . . , bk(λl )
jest bazą przestrzeni V składającą się z wektorów własnych operatora T .

Dowód. Z założeń wynika, że wielomianem Plcharakterystycznym operatora T jest
ϕ(λ) = (−1)n (λ − λ1 )k(λ1 ) . . . (λ − λl )k(λl ) i i=1
k(λi ) = n.
Załóżmy teraz, że operator T jest diagonalizowalny. Wtedy istnieje baza B prze-
strzeni V składająca się z samych wektorów własnych operatora T . Ponieważ B ∩ Vλi
jest zbiorem liniowo niezależnych wektorów własnych należących do przestrzeni Vλi
wymiaru dim (Vλi ) i dim (Vλi ) ¬ k(λi ) (zob. tw. 10.2.6), więc
l l l l
[ X X X
n = |B| = | (B ∩ Vλi ) | = |B ∩ Vλi | ¬ dim(Vλi ) ¬ k(λi ) = n
i=1 i=1 i=1 i=1
i stąd wynika, że k(λi ) = dim(Vλi ) dla i = 1, . . . , l.

Dla dowodu przeciwnej implikacji i jednoczesnego dowodu drugiej części twierdze-
(i) (i)
nia załóżmy, że k(λi ) = dim(Vλi ) i niech Bi = (b1 , . . . , bk(λi ) ) będzie bazą przestrzeni
(1) (1) (l) (l)
Vλi (i = 1, . . . , l). Twierdzimy, że układ B = (b1 , . . . , bk(λ1 ) , . . . , b1 , . . . , bk(λl ) )
(i)
jest liniowo niezależny. Dla dowodu tego faktu niech xj będą skalarami takimi, że
Pl Pk(λi ) (i) (i)
i=1 j=1
xj bj = 0. Wtedy dla każdego i0 ∈ {1, . . . , l} jest
k(λi0 )
X (i ) (i )
X k(λ
Xi ) (i) (i)
xj 0 bj 0 =− xj bj .
j=1 i6=i0 j=1
Pk(λi0 ) (i ) (i ) P Pk(λ ) (i) (i) P
Ponieważ j=1 xj 0 bj 0
∈ Vλ0 i − i6=i0 j=1i xj bj ∈ i6P
V , a wek-
=i0 λi
tor zerowy jest jedynym wspólnym elementem podprzestrzeni Vλ0 i V , więc
i6=i0 λi
Pk(λi0 ) (i ) (i )
j=1 xj 0 bj 0 = 0. Stąd i z liniowej niezależności wektorów układu Bi0 wyni-
(i ) (i ) (i )
ka, że x1 0 = = . . . = xk(λ
x2 0 0
i0 )
= 0 (dla każdego i0 ∈ {1, . . . , l}). To do-
wodzi,
Pl że układ B jest liniowo niezależny. Dodatkowo, ponieważ układ B zawiera
i=1
k(λ i ) = n = dim (V ) wektorów, jest on bazą przestrzeni V . Baza ta składa się
z samych wektorów własnych operatora T . Zatem wobec twierdzenia 10.2.2 operator
T jest diagonalizowalny.
Przykład 235. Niech T będzie operatorem liniowym na przestrzeni wektorowej

R3 określonym wzorem T (x, y, z) = (2x−z, 3y, −x+2z). Wyznaczyć przestrzenie
własne operatora T i zbadać diagonalizowalność operatora T .
Macierzą operatora T względem bazy standardowej E przestrzeni R 3 jest

" #
2 0 −1
[T ]E = 0 3 0 ,
−1 0 2
więc jego wielomianem charakterystycznym jest

" #
2−λ 0 −1
det ([T ]E − λI) = det 0 3−λ 0 = −(λ − 1)(λ − 3)2 .
−1 0 2−λ
Zatem λ1 = 1 jest jednokrotną, a λ2 = 3 – dwukrotną wartością własną operatora T .

Przestrzenią własną operatora T odpowiadającą wartości własnej λ1 = 1 jest
Vλ1 = Ker (T − λ1 1R3 )

(" # " #" # " #) " #!
x 1 0 −1 x 0 1
3
= y ∈R : 0 2 0 y = 0 =L 0 .
z −1 0 1 z 0 1
Wartości własnej λ2 = 3 odpowiada przestrzeń własna

(" # " #" # " #)
x −1 0 −1 x 0
3
Vλ2 = Ker (T − λ2 1R3 ) = y ∈R : 0 0 0 y = 0
z −1 0 −1 z 0
" # " #!
0 −1
= L 1 , 0 .
0 1
W tym przypadku algebraiczna krotność każdej wartości własnej λi jest równa wymia-
rowi odpowiadającej jej przestrzeni własnej Vλi , k(λ1 ) = 1 = dim (Vλ1 ) i k(λ2 ) = 2
= dim (Vλ2 ), więc układ
" # " # " #!
1 0 −1
B= 0 , 1 , 0 ,
1 0 1
który jest sumą baz przestrzeni Vλ1 i Vλ2 , jest bazą przestrzeni R3 składającą się
z samych wektorów własnych operatora T . Stąd i z poprzedniego twierdzenia wynika,
że operator T jest diagonalizowalny.
Przykład 236. Zbadać diagonalizowalność macierzy

 
1 0 2
A =  3 1 4 .
0 0 3
Liczba λ1 = 1 jest dwukrotną, a liczba λ2 = 5 – jednokrotną wartością własną macierzy

A (i operatora TA : R3 → R3 ), bo det (A − λI) = (1 − λ)2 (5 − λ). Przestrzenią własną
macierzy A odpowiadającą wartości własnej λ1 = 1 jest

Vλ 1 = x ∈ R3 : (A − λ1 I)x = 0
(" # " #" # " #) " #!
x 0 0 2 x 0 0
3
= y ∈R : 3 0 4 y = 0 =L 1 .
z 0 0 4 z 0 0
Ponieważ wymiar przestrzeni Vλ1 jest mniejszy od algebraicznej krotności liczby λ1 , bo

mamy dim (Vλ1 ) = 1 < 2 = k(λ1 ), więc macierz A nie jest diagonalizowalna. (Wymiar
przestrzeni Vλ1 także można było wyznaczyć za pomocą rzędu macierzy A − λi I, bo
zawsze jest dim (Vλi ) = n − r(A − λi I), gdzie n = dim (V ).)
10.3. Diagonalizacja macierzy symetrycznej

Problem diagonalizacji macierzy symetrycznych jest ważny zarówno ze względów
praktycznych, jak i teoretycznych. Tu udowodnimy, że każda rzeczywista macierz
symetryczna jest diagonalizowalna. Wykażemy także, że tej diagonalizacji moż-
A – symetryczna na dokonać za pomocą macierzy ortogonalnej. Nasze rozważania zaczynamy od
⇔ AT = A dowodu, że wartości własne rzeczywistej macierzy symetrycznej są rzeczywiste.
Twierdzenie 10.3.1. Każda wartość własna rzeczywistej macierzy symetrycz-
nej jest liczbą rzeczywistą.
Dowód. Niech A będzie symetryczną macierzą rzeczywistą wymiaru n × n. Niech λ
będzie wartością własną macierzy A i niech v ∈ C n będzie wektorem własnym takim,
że Av = λv. Dla dowodu twierdzenia wystarczy wykazać, że λ = λ.
T
Zwróćmy uwagę, że Ponieważ A = A = A , więc mamy
A = [aij ] = [aij ] T T T
λ vT v = λv v = Av v = vT A v = vT A v

= vT Av = vT λv = λ vT v .
Stąd λ = λ i to dowodzi, że λ ∈ R.
Warto zwrócić uwagę na to, że wartościami własnymi niesymetrycznej ma-

cierzy rzeczywistej mogą być zarówno liczby rzeczywiste jak i zespolone. Przy-
kładowo, wartościami własnymi niesymetrycznej macierzy rzeczywistej
 
1 0 0
A=0 0 1
0 −1 0
są liczby λ1 = 1, λ2 = j i λ3 = −j.
Wiemy, że wektory własne odpowiadające różnym wartościom własnym ma-

cierzy są liniowo niezależne (zob. tw. 10.2.4). Pokażemy teraz, że w przypadku
macierzy symetrycznych mają one dodatkową własność – są wzajemnie ortogo-
nalne.
Twierdzenie 10.3.2. Wektory własne odpowiadające różnym wartościom wła-
snym rzeczywistej macierzy symetrycznej są ortogonalne.
Dowód. Niech v1 i v2 będą wektorami własnymi odpowiadającymi różnym warto-
ściom własnym λ1 i λ2 symetrycznej macierzy A. Dla dowodu twierdzenia wystarczy
pokazać, że (v1 |v2 ) = 0.
Ponieważ Av1 = λ1 v1 i Av2 = λ2 v2 , więc wobec symetrii macierzy A oraz wła-
sności iloczynu skalarnego mamy
(x|y) = xT y λ1 (v1 |v2 ) = (λ1 v1 |v2 ) = (Av1 |v2 ) = (Av1 )T v2 = (v1T AT )v2
= (v1T A)v2 = v1T (Av2 ) = v1T (λ2 v2 ) = λ2 (v1T v2 ) = λ2 (v1 |v2 ).
Stąd (λ1 − λ2 )(v1 |v2 ) = 0 i dlatego (v1 |v2 ) = 0, bo λ1 − λ2 6= 0.
Wniosek 10.3.1. Jeśli A jest symetryczną macierzą rzeczywistą i λi oraz λj są

λi 6= λj ⇒ Vλi ⊥ Vλj różnymi wartościami własnymi macierzy A, to podprzestrzenie własne Vλi oraz
Vλj są wzajemnie ortogonalne.
10.3. Diagonalizacja macierzy symetrycznej 229
Twierdzenie 10.3.3. Jeśli Q i A są rzeczywistymi macierzami wymiaru n × n

i macierz Q jest ortogonalna, to macierz A jest symetryczna wtedy i tylko wtedy, Q – ortogonalna
gdy macierz QT AQ jest symetryczna. ⇔ Q−1 = QT
Dowód. Ponieważ QT = Q−1 , więc macierze

T
QT AQ i (QT AQ)T = QT AT QT = Q T AT Q
są identyczne wtedy i tylko wtedy, gdy macierze A i AT są identyczne.

Definicja 10.3.1. Mówimy, że macierz A ∈ Rn×n jest ortogonalnie diagonali- Ortogonalna diagonali-
zowalna, gdy istnieje macierz ortogonalna Q taka, że macierz QT AQ jest dia- zowalność macierzy
gonalna.
Z twierdzenia 10.2.2 jest oczywiste, że macierz A ∈ Rn×n jest ortogonal-
nie diagonalizowalna wtedy i tylko wtedy, gdy istnieje baza B = (v1 , . . . , vn )
przestrzeni Rn składająca się z ortonormalnych wektorów własnych macierzy
A. W takim przypadku macierz Q = [ v1 . . . vn ] jest ortogonalna i iloczyn
QT AQ jest macierzą diagonalną. Okazuje się, że klasa macierzy ortogonalnie
diagonalizowalnych jest łatwo rozpoznawalna i identyczna z klasą macierzy sy-
metrycznych.
Twierdzenie 10.3.4. Rzeczywista macierz A wymiaru n × n jest ortogonalnie
diagonalizowalna wtedy i tylko wtedy, gdy macierz A jest symetryczna.
Dowód. Jeśli dla macierzy A istnieje macierz ortogonalna Q taka, że iloczyn QT AQ
jest macierzą diagonalną (więc także symetryczną), to wobec poprzedniego twierdzenia
macierz A jest symetryczna.
Przeciwną implikację dowodzimy indukcyjnie ze względu na n. Implikacja ta jest
oczywista dla n = 1. Załóżmy teraz, że każda symetryczna macierz wymiaru l × l,
1 ¬ l < n, jest ortogonalnie diagonalizowalna i niech A będzie symetryczną macierzą
wymiaru n×n. Niech λ1 , . . . , λk będą wszystkimi różnymi wartościami własnymi macie-
rzy A i niech v1 , . . . , vk będą odpowiadającymi im jednostkowymi (i wobec twierdzenia
10.2.4 wzajemnie ortogonalnymi) wektorami własnymi.
Jeśli k = n, to układ B = (v1 , . . . , vn ) jest bazą ortonormalną przestrzeni Rn , ma-
cierz Q = [ v1 . . . vn ] jest ortogonalna, a macierz QT AQ = [TA ]B (która jest macierzą TA (x) = Ax
przekształcenia TA względem bazy B) jest diagonalna, [TA ]B = diag (λ1 , . . . , λn ).
Załóżmy teraz, że k < n. W tym przypadku niech B = (v1 , . . . , vk , . . . , vn ) będzie
rozszerzeniem ortonormalnego układu (v1 , . . . , vk ) do ortonormalnej bazy przestrzeni
Rn . Łatwo zauważyć, że macierzą przekształcenia TA względem bazy B jest
  
λ1 . . . 0
  .. . . ..  B

 . . .  T
[TA ]B =  = Q AQ,
 0 . . . λk 
0 C

gdzie Q = v1 . . . vn znowu jest macierzą ortogonalną. Z symetrii macierzy A
i z twierdzenia 10.3.3 wynika symetryczność macierzy QT AQ. To zaś wymusza ze-
rowość macierzy B i symetrię macierzy C ∈ R(n−k)×(n−k) . Z tego ostatniego i z zało-
żenia indukcyjnego wynika ortogonalna diagonalizowalność macierzy C. Zatem istnieje
macierz ortogonalna P ∈ R(n−k)×(n−k) taka, że macierz P CP,
T
oznaczamy ją przez
Ik 0
D, jest diagonalna. Łatwo teraz zauważyć, że macierz jest ortogonalna i jest
0 P

Λ 0
ona macierzą podobieństwa macierzy QT AQ do macierzy diagonalnej , gdzie
0 D

Ik 0
Λ = diag (λ1 , . . . , λk ). Równoważnie, macierz ortogonalna Q jest macierzą
0 P

Λ 0
podobieństwa macierzy symetrycznej A do macierzy diagonalnej .
0 D
Przykład 237. Wyznaczyć ortogonalną macierz podobieństwa macierzy A do

macierzy diagonalnej, gdy
1 2
A= .
2 1
Wartościami własnymi macierzy A są pierwiastki wielomianu

1−λ 2
= λ2 − 2λ − 3 = (λ + 1)(λ − 3),
2 1−λ
więc są nimi liczby λ1 = −1 i λ2 = 3. Łatwo sprawdzić, że liczbom tym odpowiadają

wektory własne
1 1
x1 = i x2 = .
−1 1
Ponieważ wektory x1 /||x1 || i x2 /||x2 || są ortonormalne, więc macierz
h x1
x2 i 1 1 1
Q= = √
||x1 || ||x2 || 2 −1 1
jest ortogonalną macierzą podobieństwa macierzy A do macierzy diagonalnej,

T 1 1 −1 1 2 1 1 −1 0
Q AQ = = .
2 1 1 2 1 −1 1 0 3
 
5 2 2
Przykład 238. Dla macierzy symetrycznej A =  2 2 −4  wyznaczyć ma-
2 −4 2
cierz ortogonalną Q taką, że QT AQ jest macierzą diagonalną.
Ortogonalną macierzą diagonalizującą macierz A będzie macierz Q = [ v1 v2 v3 ],

w której kolumny v1 , v2 i v3 są ortonormalnymi wektorami własnymi macierzy A. Dla
ich uzyskania wyznaczamy najpierw wartości własne macierzy A. Ponieważ

det (A − λI) = − λ3 − λ2 tr (A) + λ(|A11 | + |A22 | + |A33 |) − |A|
= −(λ3 − 9λ2 − 108) = −(λ + 3)(λ − 6)2 ,
więc wartościami własnymi macierzy A są λ1 = −3 i λ2 = λ3 = 6.

Rozwiązując teraz układ równań (A − λi I)x = 0 dla λ1 = −3 i λ2 = 6, znajdujemy
przestrzenie własne V−3 i V6 macierzy A,
V−3 = L(x1 ) i V6 = L(x2 , x3 ),
gdzie
" # " # " #
−1 2 2
x1 = 2 , x2 = 1 i x3 = 0 .
2 0 1
Wystarczy teraz wskazać bazę ortogonalną (y1 ) przestrzeni V−3 , bazę ortogonalną
(y2 , y3 ) przestrzeni V6 , z nich zestawić bazę ortonormalną (y1 /||y1 ||, y2 /||y2 ||, y3 /||y3 ||)
przestrzeni R3 i utworzyć macierz ortogonalną

Q = y1 /||y1 || y2 /||y2 || y3 /||y3 || .
Możemy przyjąć y1 = x1 . Wektory y2 i y3 mogą być dowolnymi niezerowymi krotno-

ściami wektorów uzyskanych metodą Grama-Schmidta z bazy (x2 , x3 ). W szczególności
możemy przyjąć
" # " #! " #
2 2 2
(x3 |x2 ) 4
y2 = x 2 i y3 = 5 x3 − x2 =5 0 − 1 = −4 .
(x2 |x2 ) 5
1 0 5
10.3. Diagonalizacja macierzy symetrycznej 231
(Równie dobrze można było przyjąć, że y3 jest iloczynem wektorowym (definicja 12.1.1)
wektorów y1 i y2 , czyli przyjąć y3 = y1 × y2 .) Zatem szukaną macierzą jest
 √ √ 
h y1 y2 y3 i −1/3 2/√5 2/√45
Q= =  2/3 1/ 5 −4/√45 .
||y1 || ||y2 || ||y3 ||
2/3 0 5/ 45
Twierdzenie spektralne dla macierzy symetrycznej

Konsekwencją poprzednich twierdzeń jest następujący wniosek nazywany twier-
dzeniem spektralnym dla macierzy symetrycznych.
Wniosek 10.3.2 (Twierdzenie spektralne). Jeśli λ1 , . . . , λm są wszystkimi
różnymi wartościami własnymi rzeczywistej macierzy symetrycznej A wymiaru
n × n, to:
(1) liczby λ1 , . . . , λm są rzeczywiste;
(2) podprzestrzenie własne Vλ1 , . . . , Vλm są wzajemnie ortogonalne;
(3) macierz A jest ortogonalnie diagonalizowalna;
(4) dim Vλi = k(λi ) dla i = 1, . . . , m;
(5) k(λ1 ) + . . . + k(λm ) = n;
(6) Rn = Vλ1 ⊕ . . . ⊕ Vλm .
Dowód. Stwierdzenia (1), (2), (3) i (4) wynikają odpowiednio z twierdzenia 10.3.1,
wniosku 10.3.1, twierdzenia 10.3.4 i twierdzenia 10.2.7.
Niech teraz ϕ(λ) będzie wielomianem charaktrystycznym macierzy A. Ponieważ
ϕ(λ) ma dokładnie n pierwiastków i liczby λ1 , . . . , λm są wszystkimi różnymi pier-
wiastkami wielomianu ϕ(λ), więc suma ich krotności algebraicznych musi być równa
n, czyli musi być k(λ1 ) + . . . + k(λm ) = n i to dowodzi (5).
Z faktu, że podprzestrzenie Vλ1 , . . . , Vλm są wzajemnie ortogonalne wynika, że Vλi ∩
Vλj = {0}, gdy i 6= j. Stąd zaś wynika, że podprzestrzeń Vλ1 +. . .+Vλm przestrzeni Rn
jest sumą prostą podprzestrzeni Vλ1 , . . . , Vλm , czyli Vλ1 + . . . + Vλm = Vλ1 ⊕ . . . ⊕ Vλm .
Ponieważ
n = dim Rn dim (Vλ1 ⊕ . . . ⊕ Vλm )
= dim Vλ1 + . . . + dim Vλm = k(λ1 ) + . . . + k(λm ) = n,
więc dim Rn = dim (Vλ1 ⊕ . . . ⊕ Vλm ) i wobec twierdzenia 7.5.5 przestrzeń Rn jest
identyczna ze swoją podprzestrzenią Vλ1 ⊕ . . . ⊕ Vλm . To kończy dowód stwierdzenia
(6).
Rozkład spektralny macierzy symetrycznej

Niech macierz ortogonalna Q = [ u1 . . . un ] będzie macierzą podobieństwa ma-
cierzy symetrycznej A do macierzy diagonalnej Λ, gdzie Λ = diag (λ1 , . . . , λn ).
Wtedy A = QΛQ−1 i ponieważ Q−1 = QT , więc wobec twierdzenia 4.2.3 mamy
A = QΛQT
  λ ... 0

− uT1 −

| | 1
=  u1 . . . un   ... . . . ..   ..
 
.  . 
| | 0 ... λn T
− un −
  − uT1 −

| |
=  λ1 u 1 . . . λ n u n  
 .. 
. 
| | − uTn −
= λ1 u1 uT1 + . . . + λn un uTn .
Wniosek 10.3.3 (Rozkład spektralny macierzy). Jeśli macierz ortogonal-

na Q = [ u1 . . . un ] jest macierzą podobieństwa symetrycznej macierzy A ∈
Rn×n do macierzy diagonalnej Λ = diag (λ1 , . . . , λn ), to
A = λ1 u1 uT1 + . . . + λn un uTn . (10.9)
Prawą stronę równości (10.9) nazywamy spektralnym rozkładem macierzy

A. Ponieważ każdy iloczyn ui uTi jest macierzą rzutu ortogonalnego na podprze-
strzeń L(ui ) (zob. (9.28) i tw. 9.6.2), więc z (10.9) wynika, że każda rzeczywista
macierz symetryczna jest kombinacją liniową macierzy rzutów ortogonalnych (na
swoje podprzestrzenie własne).
" #
1 3
2 2
Przykład 239. Wyznaczyć rozkład spektralny macierzy A = 3 1 .
2 2
Ponieważ det (A − λI) = (λ − 2)(λ + 1), więc wartościami własnymi macierzy A są

λ1 = 2 i λ2 = −1. Łatwo także zauważyć, że
√ √
1/√2 −1/√ 2
u1 = i u2 =
1/ 2 1/ 2
są ortonormalnymi wektorami własnymi macierzy A odpowiadającymi wartościom

własnym λ1 = 2 i λ2 = −1. Wobec (10.9) dla macierzy A mamy

1/2 3/2
= A = λ1 u1 uT1 + λ2 u2 uT2
3/2 1/2
√ √
1/√2 √ √ −1/√ 2 √ √
= 2 1/ 2 1/ 2 − −1/ 2 1/ 2
1/ 2 1/ 2

1/2 1/2 1/2 1/2
= 2 − .
1/2 1/2 1/2 1/2
Zauważmy także, że wektor Ax (dla każdego wektora x ∈ R2 ) jest kombinacją liniową

λ1 u1 uT1 +λ2 u2 uT2 rzutów
u1 u1 x i u2 u2 x wektora x na podprzestrzenie L(u1 ) i L(u2 ),
T T
1
zob. rys. 10.3 dla x = .
3
λ1 u1 uT
1 x

x
* λ1 u1 u1 x+λ2 u2 u2 x=Ax
T T

L(u2 )
u1 uT
1 x
u2 uT
2 x u2 u1
I
λ2 u2 uT
2 x
L(u1 )
Rys. 10.3
10.4. Potęga macierzy diagonalizowalnej

Wyznaczanie naturalnych potęg macierzy kwadratowej jest szczególnie proste
dla macierzy diagonalnych. Istotnie, indukcyjnie łatwo wykazuje się, że jeśli Λ
10.5. Granica ciągu macierzy 233
jest macierzą diagonalną, powiedzmy Λ = diag (λ1 , . . . , λn ), to dla każdej liczby

naturalnej k jest
k
Λk = diag (λ1 , . . . , λn ) = diag (λk1 , . . . , λkn ). Potęga macierzy
diagonalnej
Przykładowo mamy
 5  
2 0 0 32 0 0
 0 −1 0  =  0 −1 0 .
0 0 3 0 0 243
Odrobinę trudniej wyznacza się naturalne potęgi macierzy diagonalizowal-

nych: jeśli macierz A jest diagonalizowalna i jeśli P jest macierzą podobieństwa
macierzy A do macierzy diagonalnej Λ = diag (λ1 , . . . , λn ), to AP = PΛ i dla
każdej liczby naturalnej k jest
k Potęga macierzy
Ak = PΛP−1 = PΛP−1 PΛP−1 . . . PΛP−1 = PΛk P−1
k diagonalizowalnej
= P diag (λ1 , . . . , λn ) P−1 = P diag (λk1 , . . . , λkn ) P−1 .

−4 6
Przykład 240. Wykazać, że macierz A = jest diagonalizowalna
−3 5
i wskazać macierz podobieństwa P macierzy A do macierzy diagonalnej
Λ. Na-
−2
stępnie wyznaczyć A (k ∈ N ) i obliczyć A x, gdy x =
k 10
.
1

−4 − λ 6
Wielomianem charakterystycznym macierzy A jest = (λ + 1)(λ −
−3 5−λ
2). Ponieważ ma on różne wartości własne, λ1 = −1 i λ2 = 2, więc macierz A jest
−1 0
diagonalizowalna i jest ona podobna do macierzy diagonalnej Λ = . Łatwo
0 2
macierzyA odpowiadającymi
sprawdzić, że wektorami własnymi wartościom
własnym

2 1 2 1
λ1 = −1 i λ2 = 2 są x1 = i x2 = , więc P = [ x1 x2 ] = jest
1 1 1 1

−1 0
macierzą podobieństwa macierzy A do macierzy diagonalnej Λ = . Ponieważ
0 2
AP = PΛ, więc A = PΛP i dla każdej liczby naturalnej k mamy
−1
k −1
2 1 −1 0 2 1
Ak = PΛk P−1 =
1 1 0 2 1 1

2 1 (−1)k 0 1 −1 2(−1)k − 2k 2k+1 + 2(−1)k+1
= = .
1 1 0 2k −1 2 (−1)k − 2k 2k+1 + (−1)k+1
Stąd

10 −1022 2046 10 −1022 2046 −2 4090
A = i A x= = .
−1023 2047 −1023 2047 1 4093
10.5. Granica ciągu macierzy

Definicja 10.5.1. Dane są macierze A, A1 , A2 , . . . wymiaru m × n. Mówimy,
że ciąg macierzy (Ak ) jest zbieżny do macierzy A, gdy dla każdych indeksów
i ∈ {1, . . . , m} oraz j ∈ {1, . . . , n} jest
lim (Ak )ij = Aij . Granica ciągu macierzy

k→∞
W takim przypadku mówimy też, że macierz A jest granicą ciągu macierzy (A k )

i piszemy
lim Ak = A.
n→∞
" #
1 2k
1 − k1 1+ 2−k
Przykład 241. Jeśli Ak = √
k
3k−1
, to mamy
k
5+k 2 k+1
" #
1 2k
1 − k1 1+ 2−k
lim Ak = lim √
k
3k−1
k→∞ k→∞ k
5+k 2 k+1
 
1 1 2k

lim
1− lim 1+ lim 2−k 1 e2 0
=  k→∞ √ k k→∞ k k→∞ = .
3k − 1 1 2 3
lim k 5 + k lim 2 lim
k→∞ k→∞ k→∞ k + 1
Dla granicy ciągu macierzy mamy następujące dwie ważne własności.

Twierdzenie 10.5.1. Jeżeli ciąg (Ak ) macierzy wymiaru m × n jest zbieżny do
macierzy A, a ciąg (Bk ) macierzy wymiaru n × p jest zbieżny do macierzy B,
to ciąg (Ak Bk ) jest zbieżny do macierzy AB,

lim Ak Bk = lim Ak lim Bk = AB.
k→∞ k→∞ k→∞
Dowód. Dla każdego i ∈ {1, . . . , m} oraz j ∈ {1, . . . , p} jest

n n
X X
lim (Ak Bk )ij = lim (Ak )il (Bk )lj = lim (Ak )il lim (Bk )lj
k→∞ k→∞ k→∞ k→∞
l=1 l=1
Pn
= l=1
(A)il (B)lj = (AB)ij .
To zaś oznacza, że lim Ak Bk = AB.

k→∞
Wniosek 10.5.1. Jeśli Λ i P są macierzami kwadratowymi tego samego stopnia

i P jest macierzą odwracalną, to granica lim Λk istnieje wtedy i tylko wtedy,
k→∞
gdy istnieje granica lim PΛk P−1 i wtedy też
k→∞

k −1 k
lim PΛ P =P lim Λ P−1 .
k→∞ k→∞
Dowód. Ponieważ lim P = P i lim P−1 = P−1 , więc z istnienia granicy lim Λk
k→∞ k→∞ k→∞
i z poprzedniego twierdzenia wynika istnienie granicy lim PΛk P−1 , bo
k→∞

lim PΛk P−1 = lim P lim Λk lim P−1 =P lim Λk P−1 .
k→∞ k→∞ k→∞ k→∞ k→∞
Odwrotna implikacja także jest oczywista, bo mamy

lim Λk = lim P−1 PΛk P−1 P = P−1 lim PΛk P−1 P.
6 k→∞ k→∞ k→∞
S W naszych rozważaniach o granicy ciągu macierzy będziemy odwoływać się

1- do zbioru
S = {λ ∈ C : |λ| < 1 lub λ = 1}.
Geometrycznie zbiór S składa się z liczby zespolonej 1 i liczb, które tworzą wnę-
trze jednostkowego koła o środku w punkcie 0 (zob. rys. 10.4). Warto zauważyć,
że zbiór S składa się z tych i tylko tych liczb zespolonych λ, dla których granica
Rys. 10.4 limk→∞ λk istnieje.
10.5. Granica ciągu macierzy 235
Można udowodnić, że dla macierzy A ∈ Cn×n granica limk→∞ Ak istnieje

wtedy i tylko wtedy, gdy każda wartość własna λ macierzy A należy do zbioru
S i jeśli liczba 1 jest wartością własną macierzy A, to jej krotność algebraiczna
jest identyczna z jej krotnością geometryczną. W naszych zastosowaniach roz-
ważać będziemy tylko granice potęg macierzy diagonalizowalnych. Dla każdej
takiej macierzy A krotność algebraiczna każdej wartości własnej automatycznie
jest równa jej krotności geometrycznej i mamy następujący warunek konieczny
i dostateczny istnienia granicy limk→∞ Ak .
Twierdzenie 10.5.2. Jeśli macierz A ∈ Cn×n jest diagonalizowalna, to granica

limk→∞ Ak istnieje wtedy i tylko wtedy, gdy każda wartość własna λ macierzy
A należy do zbioru S. Dodatkowo, jeśli A = PΛP−1 , gdzie P jest macierzą
odwracalną i Λ = diag (λ1 , . . . , λn ) dla pewnych liczb λ1 , . . . , λn ∈ S, to

lim Ak = P diag lim λk1 , . . . , lim λkn P−1 .
k→∞ k→∞ k→∞
k
Dowód. Ponieważ Ak = PΛP−1 = PΛk P−1 = P diag (λk1 . . . , λkn ) P−1 i granica

lim Λk = lim diag(λk1 , . . . , λkn ) = diag lim λk1 , . . . , lim λkn
k→∞ k→∞ k→∞ k→∞
istnieje wtedy i tylko wtedy, gdy każda z liczb λ1 , . . . , λn należy do zbioru S, więc
wobec wniosku 10.5.1 granica lim Ak = lim PΛk P−1 istnieje i jest równa macierzy
k→∞ k→∞
P lim Λk P−1 wtedy i tylko wtedy, gdy λ1 , . . . , λn ∈ S.

k→∞
 
1/2 1/2 −1/2
Przykład 242. Obliczyć granicę lim Ak , gdy A =  0 1 0 .
k→∞
0 0 1

1/2 − λ 1/2 −1/2

Ponieważ det(A − λI) = 0 1−λ 0 = ( 12 − λ)(1 − λ)2 , więc liczby
0 0 1−λ
λ1 = 12 , λ2 = λ3 = 1 są wartościami własnymi macierzy A. Rozwiązując układ równań
(A − λi I)x = 0 (dla i = 1, 2, 3), stwierdzamy, że wektory
" # " # " #
1 1 −1
v1 = 0 , v2 = 1 , v3 = 0
0 0 1
są wektorami własnymi macierzy A odpowiadającymi wartościom własnym λ1 , λ2 i λ3 .

Wektory v1 , v2 i v3 tworzą bazę przestrzeni R3 , więc macierz A jest diagonalizowalna
i mamy A = PΛP−1 , gdzie Λ = diag (λ1 , λ2 , λ3 ) i P = [ v1 v2 v3 ]. Dodatkowo, ponie-
waż wszystkie wartości własne macierzy A należą do zbioru S, więc wobec ostatniego
wniosku granica limk→∞ Ak istnieje i

lim Ak = lim PΛk P−1 = P lim Λk P−1
k→∞ k→∞ k→∞
" # 
1 k
" #
1 1 −1 2
0 0 1 1 −1
= 0 1 0  lim  0 1k 0   0 1 0
k→∞
0 0 1 0 0 1k 0 0 1
" #" #" # " #
1 1 −1 0 0 0 1 −1 1 0 1 −1
= 0 1 0 0 1 0 0 1 0 = 0 1 0 .
0 0 1 0 0 1 0 0 1 0 0 1
10.6. Podprzestrzenie niezmiennicze

Definicja 10.6.1. Niech T będzie operatorem liniowym na przestrzeni wekto-
Podprzestrzeń rowej V . Podprzestrzeń W przestrzeni V nazywamy T -niezmienniczą podprze-
niezmiennicza strzenią, gdy T (W ) ⊆ W , czyli gdy T (x) ∈ W dla każdego wektora x ∈ W .
Przykład 243. Jeśli T jest operatorem liniowym na przestrzeni wektorowej

V , to T -niezmienniczymi podprzestrzeniami przestrzeni V m.in. są: przestrzeń
zerowa {0}, cała przestrzeń V , jądro Ker T przekształcenia T , obraz Im T prze-
kształcenia T oraz przestrzeń Vλ wektorów własnych operatora T odpowiadają-
cych wartości własnej λ.
Przykład 244. Jeśli T jest operatorem liniowym na przestrzeni wektorowej V

i v jest niezerowym wektorem z przestrzeni V , to podprzestrzeń
Podprzestrzeń T -cykliczna W = L(v, T (v), T 2 (v), . . .)

nazywamy T -cykliczną podprzestrzenią przestrzeni V generowaną przez wektor
v. Jest oczywiste, że jest to T -niezmiennicza podprzestrzeń. Bez trudu dowodzi
się także, że jest to najmniejsza T -niezmiennicza podprzestrzeń przestrzeni V
zawierająca wektor v. Z T -cyklicznej podprzestrzeni korzystamy w dowodzie
twierdzenia Cayleya-Hamiltona, przy bezwyznacznikowym wyznaczaniu wielo-
mianu charakterystycznego operatora liniowego i przy analizie macierzowych
reprezentacji niediagonalizowalnych operatorów liniowych.
Przykład 245. Wyznaczyć T -cykliczną podprzestrzeń przestrzeni R 3 genero-

waną przez wektor v = (1, 1, 1), gdy operator T określony jest wzorem
T (x, y, z) = (x, x + y, y + z).
Ponieważ T (v) = T (1, 1, 1) = (1, 2, 2), T 2 (v) = T (1, 2, 2) = (1, 3, 4), T 3 (v) = T (1, 3, 4)
= (1, 4, 7), więc

R3 ⊇ L v, T (v), T 2 (v), . . . ⊇ L (1, 1, 1), (1, 2, 2), (1, 3, 4) = R3

i dlatego mamy L v, T (v), T 2 (v), . . . = R3 .
Jeśli T jest operatorem liniowym na przestrzeni wektorowej V i jeśli W

jest T -niezmienniczą podprzestrzenią przestrzeni V , to symbolem TW oznacza-
Obcięcie operatora my obcięcie operatora T do zbioru W , czyli funkcję TW : W → W taką, że
TW (x) = T (x) dla każdego x ∈ W . Operator TW dziedziczy pewne własności
po operatorze T . Przede wszystkim łatwo zauważyć, że TW jest operatorem
liniowym na przestrzeni wektorowej W . Kolejną własność, związek pomiędzy
wielomianami charakterystycznymi operatorów T i TW , przynosi następujące
twierdzenie.
miarowej przestrzeni wektorowej V i niech W będzie T -niezmienniczą podprze-
strzenią w przestrzeni V . Wtedy wielomian charakterystyczny operatora T W dzie-
li wielomian charakterystyczny operatora T .
Dowód. Niech B = (b1 , . . . , bk ) będzie bazą podprzestrzeni W i niech C = (b1 ,
. . . , bk , bk+1 , . . . , bn ) będzie rozszerzeniem bazy B do bazy całej przestrzeni V . Dla
macierzy [TW ]B operatora TW względem bazy B i macierzy [T ]C operatora T względem
bazy C mamy
[TW ]B A
[T ]C = ,
0 B
10.6. Podprzestrzenie niezmiennicze 237
gdzie 0 jest macierzą zerową wymiaru (n − k) × k, A jest pewną macierzą wymiaru

k × (n − k) i B jest pewną macierzą wymiaru (n − k) × (n − k). Jeśli ϕ(λ) i ψ(λ) są
wielomianami charakterystycznymi operatorów T i TW , to mamy

[TW ]B − λIk A
ϕ(λ) = det [T ]C − λIn = det
0 B − λIn−k

= det [TW ]B − λIk · det (B − λIn−k ) = ψ(λ) · det (B − λIn−k )
i to dowodzi, że wielomian ψ(λ) dzieli wielomian ϕ(λ).
 
1 3 3 −3
 3 1 −3 3 
Przykład 246. Dana jest macierz A =  i operator liniowy
3 −3 1 3
−3 3 3 1
T : R4 → R4 , gdzie T (x) = Ax dla x ∈ R4 . Zauważmy, że podprzestrzeń W ⊂ R4
generowana przez wektory a1 = (1, 0, 0, −1) i a2 = (0, 1, 0, 1) jest T -niezmiennicza,
bo T (a1 ) = 4a1 ∈ W i T (a2 ) = 4a2 ∈ W . Zauważmy także, że B = (a1 , a2 ) jest
bazą przestrzeni W i C = (a1 , a2 , e3 , e4 ) jest rozszerzeniem bazy B do bazy całej
przestrzeni R4 . Łatwo teraz sprawdzić, że dla macierzy [TW ]B operatora TW względem
bazy B i macierzy [T ]C operatora T względem bazy C mamy
 
4 0 3 −3
4 0  0 4 −3 3 
[TW ]B = i [T ]C =  .
0 4 0 0 1 3 
0 0 9 5
Jeśli teraz ϕ(λ) i ψ(λ) są wielomianami charakterystycznymi operatorów T i TW , to

 
4−λ 0 3 −3
 0 4−λ −3 3 
ϕ(λ) = det
0 0 1−λ 3 
0 0 9 5−λ

4−λ 0 1−λ 3 1−λ 3
= det ·det = ψ(λ) · det
0 4−λ 9 5−λ 9 5−λ
= (4 − λ)2 (λ2 + 4λ − 32) = (λ − 4)3 (λ + 8).
Ostatnie twierdzenie jest szczególnie wygodne, gdy mamy do czynienia z pod-

przestrzenią cykliczną operatora, bo (jak zaraz zobaczymy) wielomian charakte-
rystyczny operatora obciętego do podprzestrzeni cyklicznej jest łatwo wyznaczal-
ny. (W dodatku, można ten wielomian wyznaczyć metodą bezwyznacznikową.)
miarowej przestrzeni wektorowej V i niech W będzie T -cykliczną podprzestrzenią
generowaną przez wektor v ∈ V . Jeśli dim W = k, to wtedy:

(a) układ v, T (v), T 2 (v), . . . , T k−1 (v) jest bazą przestrzeni W ;
(b) jeśli a0 , a1 , . . . , ak−1 są skalarami takimi, że
a0 v + a1 T (v) + . . . + ak−1 T k−1 (v) + T k (v) = 0,
to
ψ(λ) = (−1)k a0 + a1 λ + a2 λ2 + . . . + ak−1 λk−1 + λk
jest wielomianem charakterystycznym operatora TW .
Dowód. (a) Ponieważ wektor v jest niezerowy i przestrzeń V jest skończenie wymia-
rowa, więc istnieje największa liczba naturalna l taka, że układ wektorów B = (v,
T (v), . . . , T l−1 (v) jest liniowo niezależny. Niech U będzie podprzestrzenią generowaną
przez wszystkie wektory układu B. Oczywiście, B jest bazą przestrzeni U . Z wyboru l

jest także oczywiste, że układ v, T (v), . . . , T l−1 (v), T l (v) jest liniowo zależny. Stąd

T l (v) ∈ U , więc L (v, T (v), . . . , T l−1 (v), T l (v) = L (v, T (v), . . . , T l−1 (v) = U.
Pokażemy teraz, że U jest T -niezmienniczą podprzestrzenią. Weźmy x ∈ U . Dla takie-
go x istnieją skalary α0 , α1 , . . . , αl−1 takie, że x = α0 v + α1 T (v) + . . . + αl−1 T l−1 (v).
Wtedy T (x) = α0 T (v) + α1 T2 (v) + . . . + αl−2 T l−1 (v) + αl−1 T l (v) i T (x) ∈ U , bo
L v, T (v), . . . , T l−1 (v), T l (v) = L v, T (v), . . . , T l−1 (v) = U . To dowodzi, że U jest
T -niezmienniczą podprzestrzenią zawierającą wektor v. Ponieważ W jest najmniejszą
T -niezmienniczą podprzestrzenią zawierającą wektor v, więc W ⊆ U . Jednocześnie
U ⊆ W , więc także mamy U = W . To dowodzi, że B jest bazą przestrzeni W
i k = dim W = |B| = l.
(b) Niech B = v, T (v), T 2 (v), . . . , T k−1 (v) będzie bazą przestrzeni W (zob. (a))
i niech a0 , a1 , . . . , ak−1 będą skalarami, dla których a0 v+a1 T (v)+. . . + ak−1 T k−1 (v)+
T k (v) = 0. Wtedy macierzą operatora TW względem bazy B jest
 
0 0··· 0 0 −a0
 1 0··· 0 0 −a1 
 0 1··· 0 0 −a2 
[TW ]B =  
 .. ..
.. .. .. .. 
. . . . . .
0 0 0 ··· 1 −ak−1
i wielomianem charakterystycznym operatora TW jest

−λ 0 0 ... 0 −a0
1 −λ 0 · · · 0 −a1

ψ(λ) = det [TW ]B − λIk = 0 1 −λ . . . 0 −a2 .
.. .. .. . . .. ..
. . . . . .
0 0 0 ··· 1 −ak−1 − λ

Rozwijając ostatni wyznacznik względem elementów pierwszego wiersza i korzystając

z indukcji, łatwo stwierdzamy, że

ψ(λ) = (−1)k a0 + a1 λ + a2 λ2 + . . . + ak−1 λk−1 + λk .
Przykład 247. T -cykliczna podprzestrzeń operatora T (x, y, z) = (x, x +y, y +

z) generowana przez wektor v = (1, 1, 1) (zob. przykład 245) jest przestrzenią
W
= L(v, T (v), . . .) wymiaru 3 i jej bazą jest układ v, T (v), T 2 (v) . Dla skalarów
a0 = −1, a1 = 3 i a2 = −3 mamy a0 v + a1 T (v) + a2 T 2 (v) + T 3 (v) = 0, bo
         
1 1 1 1 0
−1 1  + 3 2  − 3 3  +  4  =  0 ,
1 2 4 7 0
więc z ostatniego twierdzenia wynika, że wielomianem charakterystycznym ope-

ratora TW (i identycznego z nim operatora T ) jest
 
−λ 0 1
ϕ(λ) = (−1)3 (−1 + 3λ − 3λ2 + λ3 ) = det  1 −λ −3 .
0 1 3−λ
10.7. Twierdzenie Cayleya-Hamiltona
Niech ψ(x) będzie wielomianem o współczynnikach z ciała K, powiedzmy

ψ(x) = a0 + a1 x + . . . + ak xk , i niech A będzie macierzą wymiaru n × n o
współczynnikach z ciała K. Wtedy
ψ(A) = a0 In + a1 A + . . . + ak Ak
10.7. Twierdzenie Cayleya-Hamiltona 239
jest macierzą z przestrzeni Kn×n . Z faktu, że Kn×n jest przestrzenią wektorową

wymiaru n2 wynika, że (n2 + 1)-elementowy zbiór
2
{In , A, . . . , An }
jest liniowo zależny. Zatem istnieją skalary a0 , a1 , . . . , an2 ∈ K takie, że

2
a0 In + a1 A + . . . + an2 An = 0.
To zaś jest równoważne istnieniu wielomianu ϕ(x) takiego, że ϕ(A) = 0. Po-

dobnie, jeśli V jest n-wymiarową przestrzenią wektorową nad ciałem K i jeśli
T : V → V jest operatorem liniowym, to z faktu, że L(V, V ) jest n2 -wymiarową
2
przestrzenią wektorową wynika, że przekształcenia liniowe IV , T, . . . , T n są
liniowo zależne. Stąd zaś wynika istnienie wielomianu ϕ(x) takiego, że ϕ(T )
jest zerowym przekształceniem liniowym. Udowodnimy teraz, że taką własność
ma wielomian charakterystyczny operatora liniowego (macierzy kwadratowej).
Innymi słowy udowodnimy, że operator liniowy (macierz kwadratowa) jest “pier-
wiastkiem” swojego równania charakterystycznego.
Twierdzenie 10.7.1 (Cayleya-Hamiltona). Niech T będzie operatorem li- Twierdzenie Cayleya-
niowym na skończenie wymiarowej przestrzeni wektorowej V i niech ϕ(λ) będzie -Hamiltona
jego wielomianem charakterystycznym. Wtedy ϕ(T ) jest operatorem zerowym na
przestrzeni V , czyli ϕ(T ) = 0.
Dowód. Wystarczy pokazać, że ϕ(T )(v) = 0 dla każdego wektora v ∈ V . Jest to
oczywiste, gdy v = 0 (bo ϕ(T ) jest przekształceniem liniowym). Załóżmy teraz, że
v 6= 0 i niech W będzie T -cykliczną podprzestrzenią generowaną przez wektor v.
Jeśli dim W = k, to wobec twierdzenia 10.6.2 układ v, T (v), . . . , T k−1 (v) jest bazą
przestrzeni W i dlatego istnieją skalary a0 , a1 , . . . , ak−1 takie, że
a0 v + a1 T (v) + . . . + ak−1 T k−1 (v) + T k (v) = 0.
Wtedy także wobec poprzedniego twierdzenia wielomian

ψ(λ) = (−1)k a0 + a1 λ + . . . + ak−1 λk−1 + λk
jest wielomianem charakterystycznym operatora TW . Teraz z obu powyższych równości

wynika, że

ψ(T )(v) = (−1)k a0 I + a1 T + . . . + ak−1 T k−1 + T k (v)

= (−1)k a0 v + a1 T (v) + . . . + ak−1 T k−1 (v) + T k (v) = 0.
Ponieważ wielomian ψ(λ) dzieli wielomian ϕ(λ), więc istnieje wielomian %(λ) taki, że
ϕ(λ) = %(λ)ψ(λ). Wtedy także mamy

ϕ(T )(v) = %(T )ψ(T ) (v) = %(T ) ψ(T )(v) = %(T )(0) = 0

Wniosek 10.7.1 (Twierdzenie Cayleya-Hamiltona dla macierzy). Jeśli
A jest macierzą kwadratową i

ϕ(λ) = (−1)n a0 + a1 λ + . . . + an−1 λn−1 + λn
jest jej wielomianem charakterystycznym, to ϕ(A) jest macierzą zerową, więc
a0 I + a1 A + . . . + an−1 An−1 + An = 0.
Przykład 248. Niech T : R2 → R2 będzie operatorem liniowym takim, że T (x, y)

= (5x − 6y, 3x − 4y) dla (x, y) ∈ R2 . Macierzą operatora T względem bazy kanonicznej
przestrzeni R2 jest macierz
5 −6
A= ,
3 −4
więc jego wielomianem charakterystycznym jest

5−λ −6
ϕ(λ) = det (A − λI2 ) = det = λ2 − λ − 2.
3 −4 − λ
Zauważmy teraz, że operator liniowy ϕ(T ) = T 2 − T − 2I jest zerowy, bo dla każdego

wektora v = (x, y) ∈ R2 mamy

ϕ(T )(v) = T T (v) − T (v) − 2v = T T (x, y) − T (x, y) − 2(x, y)
= T (5x − 6y, 3x − 4y) − (5x − 6y, 3x − 4y) − (2x, 2y)
= (7x − 6y, 3x − 2y) − (5x − 6y, 3x − 4y) − (2x, 2y) = (0, 0).
Podobnie macierz ϕ(A) jest zerowa, bo

2
5 −6 5 −6 1 0
ϕ(A) = A2 − A − 2I = − −2
3 −4 3 −4 0 1

7 −6 5 −6 2 0 0 0
= − − = .
3 −2 3 −4 0 2 0 0
Twierdzenie Cayleya-Hamiltona i potęgi macierzy

Pokażemy teraz w jaki sposób twierdzenie Cayleya-Hamiltona może być pomocne
przy wyznaczaniu potęg macierzy. Cała tajemnica tkwi w następującym prostym
twierdzeniu.
Twierdzenie 10.7.2. Jeśli macierz A o współczynnikach z ciała K jest macie-
rzą wymiaru n × n i jeśli k jest liczbą naturalną, to macierz Ak jest kombinacją
liniową macierzy In , A, . . . , An−1 .
Dowód. Teza jest oczywista dla k = 0, 1, . . . , n−1. Jeśli k = n, to stwierdzenie wynika
z ostatniego wniosku. Istotnie, jeśli ϕ(λ) = (−1)n (a0 + a1 λ + . . . + an−1 λn−1 + λn
jest wielomianem charakterystycznym macierzy A, to ϕ(A) = 0 i z równości tej mamy
An = −a0 I − a1 A + . . . − an−1 An−1 ,
co oznacza, że macierz An jest kombinacją liniową macierzy I, A, . . . , An−1 . Jeśli

jest teraz k > n i jeśli założymy, że macierz Ak−1 jest kombinacją liniową macierzy
I, A, . . . , An−1 , powiedzmy
Ak−1 = x0 I + x1 A + . . . + xn−1 An−1
dla pewnych skalarów x0 , x1 , . . . , xn−1 , to dla macierzy Ak mamy

Ak = Ak−1 A = x0 I + x1 A + . . . + xn−1 An−1 A
= x0 A + . . . + xn−2 An−1 + xn−1 An

= x0 A + . . . + xn−2 An−1 + xn−1 −a0 I − a1 A + . . . − an−1 An−1
i to dowodzi, że także Ak jest kombinacją liniową macierzy I, A, . . . , An−1 .

10.7. Twierdzenie Cayleya-Hamiltona 241
Przykład 249. Korzystając

z twierdzenia Cayleya-Hamiltona, obliczyć A , A
2 3
−2 0
oraz A4 , gdy A = .
7 −1
Wielomianem charakterystycznym macierzy A jest ϕ(λ) = λ2 + 3λ + 2. Stąd i z twier-

dzenia Cayleya-Hamiltona mamy A2 + 3A + 2I = 0 i dlatego kolejno

4 0
A 2
= −3A − 2I = ,
−21 1

−8 0
A 3
= A(−3A − 2I) = −3(−3A − 2I) − 2A = 7A + 6I = ,
49 −1

16 0
A 4
= A(7A + 6I) = 7(−3A − 2I) + 6A = −15A − 14I = .
−105 1
Z ostatniego twierdzenia łatwo wynika, że jeśli macierz A o współczynnikach

z ciała K jest wymiaru n × n i jeśli ψ(x) jest wielomianem o współczynnikach
z ciała K, to macierz ψ(A) jest kombinacją liniową macierzy In , A . . . , An−1 ,
czyli istnieją skalary x0 , x1 , . . . , xn−1 takie, że
ψ(A) = x0 In + x1 A + . . . + xn−1 An−1 .
Prosty sposób wyznaczania współczynników ostatniej kombinacji jest konse-

kwencją następującego twierdzenia.
Twierdzenie 10.7.3. Niech ϕ(x) będzie wielomianem charakterystycznym ma-

cierzy A ∈ Kn×n . Jeśli ψ(x) jest wielomianem o współczynnikach z ciała K
i r(x) jest resztą z dzielenia wielomianu ψ(x) przez wielomian ϕ(x), to
ψ(A) = r(A).
Dowód. Jeśli q(x) jest ilorazem, a r(x) resztą z dzielenia wielomianu ψ(x) przez ϕ(x),
to ψ(x) = q(x)ϕ(x) + r(x). Stąd i z równości ϕ(A) = 0 mamy
ψ(A) = q(A)ϕ(A) + r(A) = r(A).
Przykład 250. Dla macierzy A z poprzedniego przykładu wyznaczyć A9 −3A7 .
Różnica A9 − 3A7 jest wartością wielomianu ψ(x) = x9 − 3x7 dla macierzy A, której
wielomianem charakterystycznym jest ϕ(x) = x2 + 3x + 2. Ponieważ resztą z dziele-
nia wielomianu ψ(x) przez ϕ(x) jest r(x) = −126x − 124, więc wobec poprzedniego
twierdzenia mamy
A9 − 3A7 = ψ(A) = r(A) = −126 A − 124 I2

−2 0 1 0 128 0
= −126 − 124 = .
7 −1 0 1 −882 2
Twierdzenie Cayleya-Hamiltona i macierz odwrotna

Wyżej uzasadnialiśmy, że jeśli A jest macierzą wymiaru n × n i k jest licz-
bą naturalną, to macierz Ak jest kombinacją liniową macierzy I, A, . . . , An−1 .
Z twierdzenia Cayleya-Hamiltona wynika, że także macierz A−1 (i każda macierz
A−k dla k ∈ N ) jest kombinacją liniową macierzy I, A, . . . , An−1 .
Twierdzenie 10.7.4. Jeśli A jest nieosobliwą macierzą wymiaru n × n i jeśli

ϕ(λ) = (−1)n a0 + a1 λ + . . . + an−1 λn−1 + λn jest jej wielomianem charakte-
rystycznym, to
1
A−1 = − a1 I + a2 A + . . . + an−1 An−2 + An−1 .
a0
Dowód. Ponieważ wobec ostatniego wniosku mamy
a0 I + a1 A + . . . + an−1 An−1 + An = 0
i ponieważ a0 (= |A|) 6= 0 (bo macierz A jest nieosobliwa), więc także mamy
1
− a1 I + a2 A + . . . + an−1 An−2 + An−1 A = I.
a0

Stąd zaś wynika, że macierz − a10 a1 I + a2 A + . . . + an−1 An−2 + An−1 jest macierzą
odwrotną do macierzy A.
Kolejny przykład ilustruje, że powyższy związek może być przydatny przy

wyznaczaniu macierzy odwrotnej.
Przykład 251. Za pomocą

 twierdzenia
 Cayleya-Hamiltona wyznaczyć macierz
0 2 3
odwrotną macierzy A =  2 0 0 .
1 −1 0
Macierz A jest nieosobliwa (|A| = −6) i jej wielomianem charakterystycznym jest
" #
−λ 2 3
det 2 −λ 0 = −λ3 + 7λ − 6.
1 −1 −λ
Stąd i z twierdzenia Cayleya-Hamiltona jest −A3 + 7A − 6 I = 0, więc także 16 (−A2 +

7I)A = I i dlatego mamy
 " #2  " #
0 2 3 0 3 0
1 1 1
A −1
= (−A2 + 7 I) = − 2 0 0 + 7 I = 0 3 −6 .
6 6 6
1 −1 0 2 −2 4
10.8. Zależności rekurencyjne
Ciąg rekurencyjny jest ciągiem (xn ), w którym określone są początkowe wyra-

zy x0 , x1 , . . . , xp (dla pewnej liczby naturalnej p) i dana jest reguła tworzenia
wyrazu xn (n > p) za pomocą wyrazów x0 , . . . , xn−1 . Tak rozumiane ciągi re-
kurencyjne pełnią ważną rolę w wielu działach matematyki i jej zastosowaniach.
Tu zajmiemy się ciągiem (xn ), w którym znane są dwa pierwsze wyrazy x0 i x1 ,
a pozostałe wyrazy określone są zależnością rekurencyjną
Zależność rekurencyjna xn = axn−1 + bxn−2 (n 2), (10.10)
gdzie a i b są liczbami rzeczywistymi takimi, że a2 + 4b 0. Pokażemy teraz,

10.8. Zależności rekurencyjne 243
jak za pomocą wartości własnych i wektorów własnych macierzy można uzyskać

jawny wzór na wyrazy ciągu (10.10).2
a b
Zauważmy, że wobec (10.10) dla macierzy A = i dla n 2 mamy
1 0

xn+1 axn + bxn−1 a b xn
= =
xn xn 1 0 xn−1

xn xn−1 x1
= A =A 2
= ... = A n
.
xn−1 xn−2 x0

xn+1 x1
Z równości = An możemy wyznaczyć xn , ale wcześniej mu-
xn x0
x1
simy obliczyć wartości iloczynu A n
. Ponieważ a i b są liczbami rzeczywi-
x0
stymi takimi, że a + 4b 0, więc
2
macierz
A ma rzeczywiste wartości własne
x 1
i przy wyliczeniach iloczynu An rozróżniamy dwa przypadki.
x0
x1 v1
(a) Jeśli wektor jest kombinacją liniową wektorów własnych v =
x0 v2
u1
iu= odpowiadających wartościom własnym λ1 i λ2 macierzy A, powiedz-
u2

x1
my = αv + βu dla pewnych liczb rzeczywistych α i β, to z równości
x0

xn+1 x1
= A n
= An (αv + βu) = αAn v + βAn u
xn x0
v1 u1
= αλ1 v + βλ2 u = αλ1
n n n
+ βλ2 n
v2 u2
otrzymujemy jawny wzór na wyrazy ciągu (10.10),
xn = αv2 λ1n−1 + βu2 λ2n−1 . (10.11)

x1
(b) Załóżmy teraz, że wektor nie jest kombinacją liniową wektorów
x0
własnych macierzy A. W tym przypadku macierz A ma podwójną wartość wła-
sną i jej wielomianem charakterystycznym jest ϕ(x)
= (x − λ0 )2 dla pewnego
a − x b
λ0 ∈ R. Wtedy x2 − 2λ0 x + λ20 = x2 − ax − b = i dlatego a = 2λ0
1 −x
i b = −λ20 . Łatwo teraz zauważyć, że resztą z dzielenia wielomianu ψ(x) = xn
przez wielomian ϕ(x) jest r(x) = nλ0n−1 x − (n − 1)λn0 . Stąd i z twierdzenia 10.7.3
wynika, że
An = ψ(A) = r(A) = nλ0n−1A − (n − 1)λn0 I

(n + 1)λ0 −nλ20
= λ0n−1 .
n −(n − 1)λ0
2 W matematyce wypracowano wiele szczegółowych metod rozwiązywania rekurencji, czyli
uzyskiwania jawnych wzorów na wyrazy ciągów określonych rekurencyjnie. Przykładowo, ele-

mentarnie można uzasadnić, że jeśli λ1 i λ2 są różnymi pierwiastkami równania kwadratowego
x2 − ax − b = 0, to n-ty wyraz ciągu (10.10) określony jest wzorem
xn = c 1 λn n
1 + c 2 λ2 (n 0),
gdzie stałe c1 i c2 są takie, że c1 + c2 = x0 i c1 λ1 + c2 λ2 = x1 .
Jeśli zaś λ0 jest podwójnym pierwiastkiem równania x2 − ax − b = 0, to
xn = c 1 λn n
0 + c2 nλ0 (n 0),
gdzie stałe c1 i c2 są tak dobrane, że c1 = x0 i c1 λ0 + c2 λ2 = x1 .

xn+1 x1
Dlatego z równości = An dla n 0 mamy
xn x0
xn = nλ0n−1 x1 − (n − 1)λn0 x0 . (10.12)

Nasze rozważania powtarzamy dla dwóch konkretnych ciągów rekurencyj-
nych.
Przykład 252. Wyznaczyć jawny wzór na wyrazy ciągu Fibonacciego, czyli

ciągu (Fn ), w którym F0 = 0, F1 = 1 i dla n 2 jest
Ciąg Fibonacciego: Fn = Fn−1 + Fn−2 . (10.13)
0, 1, 1, 2, 3, 5, 8, 13, . . .
1 1
Ciąg (10.13) jest jednoznacznie określony przez macierz A = . Ponieważ ma-
1 0

Fn+1 F1
cierz ta jest diagonalizowalna, wyznaczymy = An , przedstawiając
Fn F0

F1
wektor jako kombinację liniową wektorów własnych macierzy A.
F0
Dla macierzy A mamy
√ √
2 1+ 5 1− 5
|A − λI| = λ − λ − 1 = λ − λ− ,
2 2
więc jej wartościami własnymi są liczby
√ √
1+ 5 1− 5
λ1 = i λ2 = .
2 2
Ponieważ
√ √
1 − 5 2 0 1 + 5 2 0
A − λ1 I | 0 ∼ i A − λ2 I | 0 ∼
0 0 0 0 0 0
więc
v= √ 2 i u= √ −2
5−1 5+1
są wektorami własnymi
odpowiadającymi
wartościom własnym λ1 i λ2 . Zauważmy
F1 1
teraz, że wektor = jest kombinacją liniową wektorów v i u,
F0 0
√ √
1 1+ 5 1− 5
= αv + βu, gdzie α = √ i β= √ .
0 4 5 4 5
Zatem
h i h i
Fn+1 1
= An = An (αv + βu) = αAn v + βAn u = αλn n
1 v + βλ2 u
Fn 0
√ √ nh i √ √ nh i
1+ 5 1+ 5 √ 2 1− 5 1− 5 √ −2
= √ + √ .
4 5 2 5−1 4 5 2 5+1

Fn+1
Stąd składowa Fn wektora , czyli n-ta liczba Fibonacciego, określona jest
Fn
wzorem √ n √ n
1 1+ 5 1 1− 5
Fn = √ − √ . (10.14)
5 2 5 2
Korzystając ze wzoru (10.14), możemy obliczyć każdą liczbę Fibonacciego
Fn bez uprzedniego obliczania liczb F2 , . . . , Fn−1 . Okazuje się, że sam proces
obliczania liczby Fn można jeszcze uprościć. Przede wszystkim można zaobser-
wować, że dla każdej liczby naturalnej n jest
√ !n
1 1 1− 5 1
− <√ < .
2 5 2 2
Stąd zaś i z faktu, że każda liczba Fibonacciego

jest liczbą całkowitą wynika, że
√ n
1 1+ 5
Fn jest liczbą całkowitą najbliższą liczbie 5
√
2 , czyli
$ √ !n '
1 1+ 5
Fn = √ . (10.15)
5 2
W tym miejscu warto zastanowić się, czy łatwiej oblicza się liczbę Fn iteracyj-
nie (znajdując najpierw F2 , . . . , Fn−1 ), czy posługując się formułą (10.14) lub
(10.15). Czytelnikowi proponujemy iteracyjne obliczenie kilku liczb Fn , a na-
stępnie obliczenie na kalkulatorze tych samych liczb zz pomocą wzoru (10.14)
lub (10.15).
Przykład 253. Wyznaczyć jawny wzór na wyrazy ciągu (xn ), w którym x0 = 1,

x1 = −3 i xn = 6xn−1 − 9xn−2 dla n 2.

6 −9
Ciągowi (xn ) odpowiada macierz A = , której wielomianem charaktery-
1 0
stycznym jest ϕ(x) = x2
− 6x + 9 = (x −3)2 . Tym
razem macierz A nie jest diagona-
xn+1 x1
lizowalna i wyznaczając =A n
, wyznaczymy najpierw An . Ponieważ
xn x0
r(x) = 3n−1 nx − 3n (n − 1) jest resztą z dzielenia wielomianu ψ(x) = xn przez ϕ(x),
więc wobec twierdzenia 10.7.3 mamy

3n + 3 −9n
An = ψ(A) = r(A) = 3n−1 nA − 3n (n − 1)I = 3n−1 .
n 3 − 3n
Stąd
xn+1 n x1 n−1 3n + 3 −9n −3
=A =3
xn x0 n 3 − 3n 1
i dlatego
xn = 3n − 2n3n (n 0).
10.9. Ćwiczenia
1. Zbadać, czy liczba λ jest wartością własną macierzy  
" # 0 1 0 0
A, gdy: −3 2 4
0 0 1 0
(c) A = 2 −6 2 ; (d) A =  .
(a) λ = −2, A =
1 1
; 0 0 0 1
18 4 4 2 −3
1 0 0 0
1 3 4. Wyznaczyć wielomian charakterystyczny, wartości
(b) λ = 3, A = .
3 2 własne i wektory własne następujących macierzy:
2. Zbadać, czy wektor v jest wektorem własnym
macierzy A, gdy: 3 0 2 7 3 −2 5 −3
, , , ,
7 −1 7 2 1 −1 −4 3
1 7 3
(a) v = iA= ; 10 −9 1 2 2 4 −1 2j
−3 3 −1 , , , ,
" # " # 4 −2 4 3 5 3 −2j 2
−3 1 3 0
(b) v = 5 i A = 3 −2 −1 . " # " # " #
3 4 4 2 −2 3 1 1 1
1 0 −1 1 −1 −2 −4 , 1 1 1 , 1 0 0 ,
3. Wyznaczyć tr (A), det (A), A−1 , wartości własne 1 1 3 1 3 −1 1 0 0
i wektory własne macierzy A, gdy: " # " # " #
1 2 1 3 2 2 4 9 0
3/5 4/5 −2 −1 2 0 −2 , 1 4 1 , 0 −2 8 .
(a) A = ; (b) A = ;
4/5 −3/5 5 2 −1 2 3 −2 −4 −1 0 0 7
5. Wyznaczyć wielomian charakterystyczny, wartości

−3 1 4 −3
własne i wektory własne oraz stwierdzić, czy istnieje (c) A = ; (d) A = .
−4 2 1 0
baza przestrzeni R3 składająca się z wektorów wła- 2 2
snych każdej z następujących macierzy: 11. Niech T : R → R będzie przekształceniem linio-
" # " # " # wym takim, że T(x, y) = (x + 2y, 3x + 2y) i niech E
2 −2 3 7 4 −1 2 −2 3 = (1, 0), (0, 1) oraz B = (1, 3), (2, 5) będą ba-
1 1 1 , 4 7 −1 , 10 −4 5 ,
zami przestrzeni R2 . (a) Wyznaczyć macierze [T ]E
1 3 −1 −4 −4 4 5 −4 6
" # " # " # i [T ]B . (b) Znaleźć [v]B i [T (v)]B , gdy v = (1, 1).
0 1 0 −1 3 −1 2 0 4 (c) Wyznaczyć macierze przejścia [IR2 ]E B
B i [IR2 ]E .
1 0 2 , −3 5 −1 , 0 6 0 . 2
(d) Znaleźć bazę C przestrzeni R taką, że macierz
0 2 0 −3 3 1 4 0 2 [T ]C jest diagonalna.(e) Wskazać macierz P = [IR2 ]C
n E
6. Wyznaczyć (jeśli to możliwe) macierz P taką, że ma- 1 2
i P −1
. (f ) Obliczyć dla n ∈ N .
cierz P−1 AP jest diagonalna, gdy A jest jedną z na- 3 2
stępujących macierzy: 12. Wyznaczyć wartości własne i wektory własnemacie-
25 40 1
2 1 2 −3 1 4 13 4 5 2 rzy A = . Następnie wektor
, , , , , −12 −19 −1
1 2 4 −5 3 2 4 7 2 2
przedstawić jako kombinację liniową wektorów
wła-
−3 4 0 1 0 j 0 j 1
, , , , snych macierzy A i obliczyć A 10
.
2 −1 −1 0 −j 0 j 0 −1
" # " # " # 13. Wyznaczyć
2 −2 2 3 −2 0 5 2 −2 wartości własne i wektory własne macie-
0 1 1 , −2 3 0 , 2 5 −2 , 4 1 2
rzy A = . Następnie wektor przed-
−4 8 3 0 0 5 −2 −2 5 2 3 −1
" # " # " # stawić jako kombinację liniową wektorówwłasnych
−1 2 2 1 −3 −3 1 1 −1
2 2
2 2 2 , −8 6 −3 , −1 −1 2 . macierzy A i obliczyć A 5
oraz An .
−1 −1
−3 6 6 8 −2 7 −5 −2 3

5 n 4 −3
7. Niech A będzie macierzą wymiaru 3×3 z wartościami 14. Wyznaczyć P−1 AP i An − 17 12 , gdy
−4 3
własnymi λ1 = 0, λ2 = 2 i λ3 = c ∈ R i wektorami
" # " # " #
1 1 1
własnymi x1 = 1 , x2 = −1 , i x3 = 1 . 2/3 1/4 1 3
A= i P= .
1 0 −2 1/3 3/4 −1 4
(a) Dla jakich c macierz A jest diagonalizowalna? n
3/5 4/5 2/3 2/3
(b) Dla jakich c macierz A jest symetryczna? 15. Wykazać, że lim = .
n→∞ 2/5 1/5 1/3 1/3
8. (a) Obliczyć wartości własne i wektory własne ma- 16. Wyznaczyć (1) wartości własne i wektory własne
 
0 0 0 1 macierzy A, (2) macierz P taką, że P−1 AP jest
0 0 1 0 macierzą diagonalną i (3) lim An , gdy:
cierzy A =  . (b) Czy macierz A jest
0 1 0 0 " # n→∞
" #
1 0 0 0 1/2 3 4 1/2 1/2 0
diagonalizowalna? (c) Wyznaczyć rząd i wyznacznik (a) A = 0 1 0 ; (b) A = 1/4 1/4 1/2 .
macierzy A + 2I. 0 0 1 1/4 1/4 1/2
9. Zbadać diagonalizowalność operatora liniowego 17. Sprawdzić, czy podprzestrzeń W jest T -niezmienni-
T : V → V i, tam gdzie jest to możliwe, wskazać czą podprzestrzenią przestrzeni V , gdy:

bazę B przestrzeni V taką, że macierz [T ]B jest (a) V = R4 [x], T ϕ(x) = ϕ0 (x) i W = R2 [x];
diagonalna, gdy:
(b) V = R3 , T (x, y, z) = (x + 3y + 3z, −3x − 5y −
(a) T : R3 → R3 , T (x, y, z) = (y, x, 3z); 3z, 3x + 3y + z) i W = {(t, −t, t) : t ∈ R};
(b) T : R3 [x] → R3 [x], T (ϕ(x)) = ϕ0 (x) + ϕ00 (x);
0 1
(c) T : R2 [x] → R2 [x], T (ax2 + bx + c) = (c) V = R2×2 , T (A) = A
1 0
cx2 + bx + a; i W = {A : A = A}.
T
(d) T : C 2 → C 2 , T (z, w) = (jz + w, z + jw); 18. Wyznaczyć bazę T -cyklicznej podprzestrzeni genero-
(e) T : R2×2 → R2×2 , T (A) = AT ; wanej przez wektor v, gdy:

(f ) T : R →R , (a) V = R4 [x], T ϕ(x) = ϕ0 (x), v = x3 ;
2×2 2×2
(b) V = R3 , T (x, y, z) = (x + 3y + 3z, −3x − 5y − 3z,
a b 2c a+c
T = . 3x + 3y + z), v = (1, 0, 0);
c d b − 2c d
1 2 1 0
10. Wyznaczyć macierz P taką, że macierz P−1 AP jest (c) V = R2×2 , T (A) = AT , v = .
3 0 0 −1
diagonalna i, dodatkowo, wyznaczyć An , gdy:
19. Niech V będzie przestrzenią wektorową (nad cia-
3 −4 3 4 łem liczb zespolnych) z iloczynem skalarnym. Niech
(a) A = ; (b) A = ;
2 −3 −1 −2 T : V → V będzie samosprzężonym operatorem linio-
wym na przestrzeni V , czyli takim, że (T (u)|v) = rystyczny ϕ(λ) operatora T . (d) Korzystając z rów-
(u|T (v)) dla każdych wektorów u, v ∈ V . Niech v1 ności ϕ(T ) = 0, wyznaczyć T −1 . (e) Obliczyć T 7 +
i v2 będą wektorami własnymi operatora T odpowia- 3T 6 − 3T 4 + 3T 3 + 5T + IR3 .
dającymi wartościom własnym λ1 i λ2 . Udowodnić, 29. (a) Wyznaczyć wartości własne i wektory własne ma-
że λ1 i λ2 są rzeczywiste. Wykazać, że jeśli λ1 6= λ2 ,
1 1
to v1 i v2 są ortogonalne. cierzy A = . (b) Dany jest ciąg wektorów
− 16 16
20. Niech V będzie rzeczywistą przestrzenią wektorową
1
z iloczynem skalarnym. Napisać, co to znaczy, że ope- (xk ) taki, że xk+1 = Axk i x100 = . Wyznaczyć
0
rator liniowy T : V → V jest ortogonalny. Pokazać,
x0 . (c) Niech B będzie dowolna macierzą wymiaru
że jeśli λ ∈ R jest wartością własną operatora T , to
2 × 2. Wyjaśnić dlaczego macierze AB i BA mają
λ = 1 albo λ =−1. 
1
− 12 − √12 identyczne wartości własne.
2
21. Czy macierz  1 1
− 2 − √21  jest ortogonalna? 30. Niech dn będzie wyznacznikiem macierzy An = [aij ],
2
√1 √1
0 której współczynniki określone są wzorem
2 2
Wyznaczyć jej wartości własne. (
−2, i = j − 1,
22. Wyznaczyć wartości własne i przestrzeń zerową ma- aij = 1, i ∈ {j, j + 1},
" #
0 a −b 0, i 6∈ {j − 1, j, j + 1}.
cierzy A = −a 0 c . Wyjaśnić dlaczego ma-
b −c 0 1 −2
Przykładowo: A1 = [1], A2 = ,
cierz A nie jest ortogonalna. 1 1
 
23. Wyznaczyć wartości własne i wektory własne macie- " # 1 −2 0 0
1 −2 0
rzy A oraz utworzyć macierz ortogonalną Q taką, że  1 1 −2 0 
A3 = 1 1 −2 , A4 =  .
QT AQ jest macierzą diagonalną, gdy: 0 1 1 −2 
  0 1 1
1 3 3 −3 0 0 1 1
3 4  3 1 −3 3 
(a) A = ; (b) A =  ; (a) Obliczyć d4 . (b) Wyznaczyć liczby a i b takie, że
4 3 3 −3 1 3
−3 3 3 1 dn = adn−1 + bdn−2 . (c) Wskazać macierz A taką,
  d n+1 dn
" # 1 −1 0 0 że =A i obliczyć wartości własne
0 1 1 d n d n−1
 −1 1 0 0  i wektory własne wskazanej macierzy A. (d) Wyzna-
(c) A = 1 0 1 ; (d) A =  .
0 0 1 3 dn
1 1 0 czyć liczbę λ taką, że lim n = 0.
0 0 3 1 n→∞ λ
24. Znaleźć wszystkie podprzestrzenie niezmiennicze
31. Dany jest ciąg (xn ), w którym x0 = 0, x1 = 1 i xn+2
operatora T : R3 → R3 , gdy
" # = (xn + xn+1 )/2.
1 −4 1
1 1 x. Wskazać
(a) taką macierz A, dla której jest
T (x) = −4
4 4 4 x n+2 x n+1
= A . (b) Wyznaczyć wartości
xn+1 xn
25. Napisać twierdzenie Cayleya-Hamiltona. Wskazać
własne i wektory własne macierzy A. (c) Wyznaczyć
macierz wymiaru 6 × 6, której wielomianem charak-
6 5 3 2 macierz diagonalną Λ i macierz odwracalną P taką,
terystycznym jest λ − 17λ + 2λ + λ − 5.
że A = PΛP−1 . (d) Wyznaczyć limn→∞ xn .
26. Niech A będzie macierzą wymiaru 4 × 4 i niech 32. (a) Ciąg liczbowy x0 , x1 , x2 , . . . spełnia zależność re-
λ1 = 1, λ2 = −1, λ3 = λ4 = 2 będą wartościami kurencyjną xn+2= 2xn+1 + 3xn. Wskazać macierz A
własnymi macierzy A. (a) Wyznaczyć A−1 za pomo- xn+2 xn+1
cą nieujemnych potęg macierzy A. (b) Pokazać, że taką, że =A . (b) Wyznaczyć war-
xn+1 xn
A = 36A − 51A − 36A + 52I.
6 3 2
tości własne i wektory własne macierzy A. (c) Dla
27. Wyznaczyć wartości własne i wektory własne v1 , v2 x0 = 2 wskazać taką wartość x1 , że ciąg (xn ) jest
" #
1 0 0 ograniczony.
i v3 macierzy A = 2 2 0 . Dla macierzy B 33. Rozwiązać układ zależności rekurencyjnych
−2 2 3

= v1 v2 v3 znaleźć liczby α, β i γ takie, że B3 + xn+1 = 3xn − yn ,
αB + βB + γI = 0.
2 yn+1 = −xn + 3yn ,
28. Operator liniowy T : R3 → R3 określony jest wzorem gdy x0 = 1 i y0 = 2.

T (x, y, z) = (2x + 4y + 3z, −4x − 6y − 3z, 3x + 3y + z). 34. Rozwiązać układ zależności rekurencyjnych
(a) Wyznaczyć wymiar T -cyklicznej podprzestrzeni
W ⊆ R3 generowanej przez wektor v = (1, 0, 0). xn+1 = 2xn − yn − 1,
(b) Wyznaczyć liczby a0 , . . . , ak−1 (k = dim W ) takie, yn+1 = −xn + 2yn + 2,
że a0 v + a1 T (v) + . . . + ak−1 T k−1 (v) + T k (v) = 0.
(c) Korzystając z (b) wyznaczyć wielomian charakte- gdy x0 = 0 i y0 = −1.
35. Zakładamy, że populacja Polski jest ustalona i stała. 49. Macierz A jest nilpotentna, gdy Ak = 0 dla pewnego
Co roku 1/20 liczby ludności wiejskiej przenosi się do naturalnego k. Wykazać, że zero jest jedyną wartością
miast i 1/10 liczby ludności miejskiej opuszcza mia- własną nilpotentnej macierzy A.
sto. Co po wielu latach stanie się z ludnością miejską? 50. Wykazać, że macierz A ∈ Rn×n jest osobliwa wtedy
36. Niech T będzie operatorem liniowym na przestrze- i tylko wtedy, gdy 0 jest jej wartością własną.
ni wektorowej V (nad ciałem K) i niech W będzie 51. Udowodnić, że operator liniowy T na skończenie wy-
T -niezmienniczą podprzestrzenią przestrzeni V . Udo- miarowej przestrzeni wektorowej V jest odwracalny
wodnić, że W jest ϕ(T )-niezmienniczą podprzestrze- wtedy i tylko wtedy, gdy zero nie jest wartością wła-
nią dla każdego wielomianu ϕ(x) ∈ K[x]. sną operatora T .
37. Niech A będzie rzeczywistą macierzą wymiaru n × n 52. Niech T będzie odwracalnym operatorem liniowym.
i niech Vλ oznacza zbiór {x ∈ Rn : Ax = λx} dla licz- Udowodnić, że skalar λ jest wartością własną opera-
by rzeczywistej λ. Pokazać, że Vλ jest podprzestrzenią tora T wtedy i tylko wtedy, gdy λ−1 jest wartością
przestrzeni Rn . Wyznaczyć wymiar przestrzeni Vλ , własną operatora T −1 .
gdy λ nie jest wartością własną macierzy A. 53. Niech ϕ(λ) = (−1)n λn + an−1 λn−1 + . . . + a1 λ + a0
38. Wykazać, że macierz kwadratowa A i jej transpozy- będzie wielomianem charakterystycznym macierzy A.
cja AT mają identyczne wielomiany charakterystycz- (a) Udowodnić, że ϕ(0) = a0 = det (A). Wywniosko-
ne. wać stąd, że macierz A jest odwracalna wtedy i tyl-
39. Udowodnić, że macierze podobne mają identyczne ko wtedy, gdy a0 6= 0. (b) Udowodnić, że tr (A) =
wielomiany charakterystyczne, te same wartości wła- (−1)n−1 an−1 .
sne i to samo widmo. 54. Wykazać, że jeśli λ jest wartością własną odwracalnej
40. Niech A będzie macierzą diagonalizowalną. Za po- macierzy A, to 1/λ jest wartością własną macierzy
mocą macierzy podobnych pokazać, że ślad macierzy A−1 .
A jest równy sumie jej wartości własnych. 55. Wykazać, że jeśli λ jest wartością własną macierzy
41. Niech A będzie macierzą kwadratową stopnia n ortogonalnej A, to także 1/λ jest wartością własną
i niech λ1 , . . . , λn będą jej wartościami własnymi. Po- macierzy A.
kazać, że ślad macierzy A jest równy sumie jej war- 56. Niech T będzie operatorem liniowym w n-wymiaro-
tości własnych, tj. tr (A) = λ1 + . . . + λn . wej przestrzeni wektorowej V nad ciałem K. Niech
42. Niech A będzie diagonalizowalną macierzą wymiaru B będzie bazą przestrzeni V . Udowodnić, że wektor
n × n i niech λ1 , . . . , λn będą wartościami własnymi v ∈ V jest wektorem własnym operatora T odpowia-
macierzy A. Udowodnić, że det (A) = λ1 λ2 . . . λn . dającym wartości własnej λ wtedy i tylko wtedy, gdy
43. Udowodnić, że jeśli A jest macierzą kwadratową i su- wektor [v]B ∈ K n jest wektorem własnym macierzy
mą elementów każdego jej wiersza jest liczba a, to [T ]B odpowiadającym wartości własnej λ.
a jest pierwiastkiem wielomianu charakterystycznego 57. Niech A będzie rzeczywistą macierzą skośnie-syme-
macierzy A. tryczną (tj. taką, że AT = −A). Wykazać, że każda
44. Niech T będzie operatorem liniowym w przestrzeni wartość własna λ macierzy A jest liczbą ściśle urojo-
wektorowej V nad ciałem K i niech x0 będzie wek- ną. (W tym celu pokazać, że λ = −λ.)
torem własnym operatora T odpowiadającym warto- 58. Macierz A jest podobna do macierzy B wymiaru
ści własnej λ. (a) Udowodnić, że x0 jest wektorem 3 × 3, której wartościami własnymi są 1, 1 i 2. Co
własnym operatora T n (dla każdej liczby naturalnej można powiedzieć o: (a) wartościach własnych ma-
n). (b) Wykazać, że x0 jest wektorem własnym ope- cierzy A; (b) diagonalizowalności macierzy A; (c) sy-
ratora 2T 2 + IV odpowiadającym wartości własnej metryczności A; (d) wyznaczniku macierzy A?
2λ2 + 1. (c) Niech ψ(t) będzie wielomianem o współ- 59. Niech u, v, w będą wektorami własnymi macierzy
czynnikach z ciała K. Wykazać, że x0 jest wektorem A ∈ R3×3 odpowiadającymi jej wartościom własnym
własnym operatora ψ(T ) odpowiadającym wartości 0, 1 i 2. (a) Opisać przestrzeń zerową, przestrzeń ko-
własnej ψ(λ). lumnową i przestrzeń wierszową macierzy A za po-
45. Pokazać, że jeśli λ jest wartością własną macierzy A, mocą u, v i w. (b) Znaleźć wszystkie rozwiązania
to λn jest wartością własną macierzy An dla każdej równania Ax = v − w.
liczby naturalnej n. 60. Wartościami własnymi macierzy A są 0, 1 i 2. Wy-
46. Liczby λ = −1 i λ = 1 są wartościami własnymi ma- znaczyć: (a) rząd macierzy A; (b) wyznacznik macie-
cierzy A wymiaru 3 × 3 takiej, że A + I jest macierzą rzy AT A; (c) wyznacznik macierzy A+I; (d) wartości
rzędu jeden. Która wartość własna macierzy A jest własne macierzy (A + I)−1 .
wielokrotna? Dlaczego? Czy macierz A jest diagona- 61. Wpisując TAK albo NIE, stwierdzić prawdziwość
lizowalna? " # każdego z następujących zdań:
1 2 3
47. Dana jest macierz A = 2 x 4 . Wyznaczyć (je- 1 Jeśli T : V → V jest przekształceniem linio-
3 4 5 wym i jego wielomian charakterystyczny jest iloczy-
śli to możliwe) te wartości parametru x, dla których nem różnych składników stopnia pierwszego, to T jest
wszystkie wartości własne macierzy A są dodatnie. diagonalizowalne.
48. Wykazać, że jeśli A2 jest macierzą zerową, to zero 2 Każde przekształcenie liniowe T : V → V ma
jest jedyną wartością własną macierzy A. co najmniej jedną wartość własną.
" #
2 0 0
3 Macierz 0 2 1 jest diagonalizowalna, a ma-
0 0 4
" #
2 1 0
cierz 0 2 0 nie jest diagonalizowalna.
0 0 4
4 Jeśli dla macierzy A, B i Q jest Q−1 AQ = B,
to A i B mają te same wartości własne.
5 Macierz mająca wielokrotną wartość własną nie
może być diagonalizowalna.
6 Jeśli macierz A ma wielokrotne wartości własne,
to istnieje baza ortonormalna jej przestrzeni kolumno-
wej.
7 Operator liniowy T : Rn → Rn mający mniej niż
n wartości własnych nie może być diagonalizowalny.
8 Wektory własne odpowiadające tej samej warto-
ści własnej operatora liniowego nie muszą być liniowo
zależne.
9 Liniowo niezależne wektory własne v1 i v2 ma-
cierzy A odpowiadają jej różnym wartościom własnym.
10 Jeśli λ jest wartością własną operatora liniowe-
go T : V → V , to każdy element zbioru Vλ − {0} jest
wektorem własnym operatora T .
11 Jeśli A ∈ Rn×n i B = (b1 , . . . , bn ) jest ba-
zą przestrzeni Rn składającą się z wektorów własnych
macierzy A, to macierz Q−1 AQ jest diagonalna, gdy
Q = [ b1 . . . bn ].
12 Przestrzeń własna Vλ macierzy kwadratowej A
jest przestrzenią zerową pewnej innej macierzy.
13 Jeśli λ jest wartością własną macierzy A i β jest
liczbą zespoloną, to λ−β jest wartością własną macierzy
A − βI.
14 Jeśli λ jest wartością własną macierzy A, to także
−λ jest wartością własną macierzy A.
15 Jeśli λ jest wartością własną nieosobliwej macie-
rzy A, to λ−1 jest wartością własną macierzy A−1 .
16 Jeśli wszystkie wartości własne macierzy A są
zerowe, to A = 0.
17 Jeśli macierz A jest diagonalizowalna i wszystkie
wartości własne macierzy A są sobie równe, to A jest
diagonalna.
18 Liczba λ0 jest wartością własną macierzy A wte-
dy i tylko wtedy, gdy jest ona wartością własną macie-
rzy AT .
19 Wektor v0 jest wektorem własnym macierzy A
wtedy i tylko wtedy, gdy jest on wektorem własnym
macierzy AT .
20 Jeśli macierz A jest symetryczna, to każde dwa
wektory własne macierzy A odpowiadające różnym
wartościom własnym są ortogonalne.
21 Jeśli A jest macierzą kwadratową stopnia n i A
ma n wzajemnie ortogonalnych wektorów własnych, to
macierz A jest symetryczna.
Rozdział 11
FORMY KWADRATOWE
11.1. Rzeczywista forma kwadratowa

Definicja 11.1.1. Rzeczywistą formą kwadratową n zmiennych nazywamy wie-
lomian jednorodny drugiego stopnia postaci
n X
X n
Forma kwadratowa q= mij xi xj , (11.1)
i=1 j=1
w którym współczynniki mij (i, j = 1, . . . , n) są liczbami rzeczywistymi.

Formę kwadratową (11.1) można także zapisać w postaci
n
X X
q= mii x2i + (mij + mji )xi xj . (11.2)
i=1 1¬i<j¬n
Przykład 254. Wielomian q = x21 + 4x23 − 2x2 x3 jest formą kwadratową zmien-
nych x1 , x2 i x3 , ale wielomian p = x21 + 4x23 − 2x2 x3 + x2 − 1 nie jest już formą
kwadratową zmiennych x1 , x2 i x3 .
Współczynniki mij i zmienne xi formy (11.1) tworzą macierze

   
m11 m12 . . . m1n x1
 m21 m22 . . . m2n   x2 
   
M= . . .  i x =  . ,
 .. .. ..   .. 
mn1 mn2 . . . mnn x3
dla których mamy

 Pn 
n n j=1 m1j xj
X X  .. 
q = xi mij xj = x1 . . . x n  . 
i=1 j=1
Pn
m x
  j=1  nj j
m11 . . . m1n x1
 .. ..  ..  = xT Mx.
= x1 . . . x n  . .  . 
mn1 . . . mnn xn
Zatem formę (11.1) można zapisać w postaci

Postać macierzowa
formy kwadratowej q = q(x) = xT Mx, (11.3)
nazywanej jej postacią macierzową. Można zauważyć, że każdą formę kwadrato-

wą n zmiennych (n 2) można zapisać w postaci macierzowej na nieskończenie
wiele sposobów.
11.1. Rzeczywista forma kwadratowa 251
Przykład 255. Mamy

2 10 x1
q= 2x21 + 10x1 x2 + 3x22 = x1 x2 ,
0 3 x2
ale jednocześnie

2 10 − a x1
q= 2x21 + 10x1 x2 + 3x22 = x1 x2
a 3 x2
dla każdej liczby rzeczywistej a i, w szczególności, dla a = 5 jest

2 5 x1
q = 2x21 + 10x1 x2 + 3x22 = x1 x2 .
5 3 x2
Okazuje się także, że każdą formę kwadratową można zapisać przy użyciu
macierzy symetrycznej. Fakt ten będzie miał zasadnicze znaczenie w naszych
dalszych rozważaniach, bo z uwagi na twierdzenie 10.3.4 każdą formę kwadratową
będzie można zapisać w bardzo wygodnej posatci, w tzw. postaci kanonicznej.
Twierdzenie 11.1.1. Dla każdej formy kwadratowej q = xT Mx istnieje do-
kładnie jedna macierz symetryczna A taka, że q = xT Ax.
Dowód. Jeśli M = [mij ] jest macierzą wymiaru n × n, to macierz A = 12 (M + MT )
jest symetryczna oraz (A)ij + (A)ji = mij + mji (i w szczególności (A)ii = mii ) dla
i, j ∈ {1, . . . , n}. Stąd i z (11.2) mamy
n
X X
xT Ax = (A)ii x2i + (A)ij + (A)ji xi xj
i=1 i6=j
n
X X
= mii x2i + (mij + mji ) xi xj = xT Mx = q.
i=1 i6=j
Dowód jedyności macierzy A pozostawiamy czytelnikowi.
Wobec powyższego twierdzenia możemy przyjąć, że macierzą formy kwadra- Macierz formy kwadratowej
towej q = xT Mx (gdzie M ∈ Rn×n ) jest jedyna macierz symetryczna A taka,
że xT Mx = xT Ax dla każdego x ∈ Rn . Natomiast rzędem formy kwadratowej Rząd formy kwadratowej
nazywamy rząd jej jedynej macierzy symetrycznej.
Przykład 256. Formę kwadratową q(x) = 2x21 + 3x22 − 7x23 − 2x1 x2 + 3x1 x3
zapisać w postaci xT Ax z symetryczną macierzą A.
Współczynniki stojące przy x21 , x22 i x23 kolejno stawiamy na głównej przekątnej macie-
rzy A, czyli przyjmujemy (A)11 = 2, (A)22 = 3 i (A)33 = −7. Współczynnik stojący
przy xi xj dla i 6= j w równych częściach rozdzielamy pomiędzy (A)ij i (A)ji . Tu mamy
(A)12 = (A)21 = −1, (A)13 = (A)31 = 3/2 i (A)23 = (A)32 = 0 (bo współczynnikiem
x2 x3 jest 0). Łatwo sprawdzić, że istotnie mamy
" #" #
2 −1 3/2 x1
T
q(x) = x Ax = x1 x2 x3 −1 3 0 x2 .
3/2 0 −7 x3
Definicja 11.1.2. Niech q(x) = xT Ax i p(y) = yT By będą rzeczywistymi

formami kwadratowymi n zmiennych, gdzie A i B są macierzami symetrycznymi.
252 11. Formy kwadratowe
Mówimy, że forma q(x) jest sprowadzalna do formy p(y), gdy istnieje nieosobliwa
macierz Q ∈ Rn×n taka, że
∀y∈Rn q(Qy) = p(y). (11.4)
W takim przypadku mówimy też, że podstawienie x = Qy sprowadza formę

kwadratową q(x) = xT Ax do formy kwadratowej p(y) = yT By, czyli
q(Qy) = (Qy)T A(Qy) = yT (QT AQ)y = yT By = p(y). (11.5)
Łatwo zauważyć, że równości (11.5) zachodzą dla każdego y ∈ R n wtedy

i tylko wtedy, gdy
B = QT AQ. (11.6)
To dowodzi, że forma kwadratowa q(x) = xT Ax jest sprowadzalna do formy
kwadratowej p(y) = yT By wtedy i tylko wtedy, gdy zachodzi równość (11.6)
dla pewnej nieosobliwej macierzy Q.
Przykład 257. Podstawienie

x1 1 1 y1 y1 + y 2
= x = Qy = =
x2 0 1 y2 y2
sprowadza formę kwadratową q(x) = x21 + 4x1 x2 + 2x22 do formy kwadratowej p(y)
= y12 + 6y1 y2 + 7y22 , bo
q(Qy) = (y1 + y2 )2 + 4(y1 + y2 )y2 + 2y22 = y12 + 6y1 y2 + 7y22 = p(y).
Powyższy fakt jest także konsekwencją tego, że dla macierzy

1 2 1 3
A= i B= ,
2 2 3 7
które są odpowiednio macierzami

symetrycznymi
form kwadratowych q(x) i p(y) oraz
1 1
dla macierzy nieosobliwej Q = spełniony jest warunek (11.6), bo mamy
0 1

T 1 0 1 2 1 1 1 0 1 3 1 3
Q AQ = = = = B.
1 1 2 2 0 1 1 1 2 4 3 7
11.2. Postać kanoniczna formy kwadratowej

Definicja 11.2.1. Jeżeli macierz A jest diagonalna, to mówimy, że forma kwa-
dratowa q(x) = xT Ax ma postać kanoniczną. Zauważmy, że jeśli A = diag (λ1 , λ2 ,
T
. . . , λn ) i x = x1 x2 . . . xn , to forma kwadratowa q(x) = xT Ax jest formą
postaci
Forma kwadratowa q(x) = λ1 x21 + λ2 x22 + . . . + λn x2n .
w postaci kanonicznej
W tym miejscu nasuwa się pytanie: które formy kwadratowe (i za pomocą
jakich podstawień) można sprowadzić do form w postaci kanonicznej? Uzasadni-
my, że każdą rzeczywistą formę kwadratową można sprowadzić do postaci kano-
nicznej za pomocą przekształcenia ortogonalnego oraz tzw. metodą Lagrange’a.
Zaczynamy od tego pierwszego sposobu.
11.2. Postać kanoniczna formy kwadratowej 253
Metoda przekształceń ortogonalnych

Niech A będzie symetryczną macierzą rzeczywistą wymiaru n × n. Wobec twier-
dzenia 10.3.4 macierz A jest ortogonalnie diagonalizowalna, czyli istnieje macierz
ortogonalna Q = [ q1 . . . qn ] taka, że macierz QT AQ jest diagonalna,
QT AQ = Λ = diag (λ1 , . . . , λn ), (11.7)
gdzie λ1 , . . . , λn są wartościami własnymi macierzy A, a q1 , . . . , qn są znor-
malizowanymi wektorami własnymi macierzy A odpowiadającymi wartościom
własnym λ1 , . . . , λn . Jednocześnie układ wektorów Q = (q1 , . . . , qn ) jest bazą
przestrzeni Rn i macierz Q jest macierzą przejścia od bazy Q do bazy kano-
Q
nicznej E = (e1 , . . . , en ) przestrzeni Rn , czyli Q = [1Rn ]E . Natomiast macierz
E
Q = Q jest macierzą przejścia od bazy E od bazy Q, więc QT = [1Rn ]Q .
−1 T
Niech teraz x = [x1 . . . xn ]T będzie dowolnym wektorem z przestrzeni Rn i niech

y = [y1 . . . yn ]T będzie wektorem współrzędnych wektora x względem bazy Q.
Wtedy
E
y = [x]Q = [1Rn ]Q · [x]E = QT x i x = Qy.
Przekształcenie y = QT x nazywa się przekształceniem do osi głównych formy Przekształceniem do osi
kwadratowej q = xT Ax. Natomiast przekształcenie x = Qy jest ortogonalnym głównych
podstawieniem sprowadzającym formę kwadratową q(x) = xT Ax do postaci Podstawienie ortogonalne
kanonicznej, bo wobec (11.7) mamy
q(Qy) = (Qy)T A(Qy) = yT (QT AQ)y
= yT Λy = λ1 y12 + λ2 y22 + . . . + λn yn2 .
W ten sposób udowodniliśmy następujące twierdzenie o sprowadzalności for-
my kwadratowej do postaci kanonicznej za pomocą przekształcenia ortogonalne-
go.
Twierdzenie 11.2.1. Formę kwadratową q(x) = xT Ax, gdzie A jest syme-
tryczną macierzą rzeczywistą wymiaru n × n, za pomocą podstawienia ortogonal-
nego x = Qy = [ q1 . . . qn ] y można sprowadzić do postaci
q(Qy) = yT Λy = λ1 y12 + λ2 y22 + . . . + λn yn2 , (11.8)
gdzie Λ = diag (λ1 , . . . , λn ) i λ1 , . . . , λn są wszystkimi wartościami własnymi
macierzy A, a q1 , . . . , qn są znormalizowanymi wektorami własnymi macierzy
A odpowiadającymi wartościom własnym λ1 , . . . , λn .
Przykład 258. Wyznaczyć podstawienie ortogonalne x = Qy sprowadzające

formę kwadratową q(x) = 2x1 x2 + 4x1 x3 do postaci kanonicznej.
Symetryczną macierzą współczynników podanej formy kwadratowej jest

" #
0 1 2
A= 1 0 0 .
2 0 0
Ponieważ #
−λ 1 2

|A − λI| = 1 −λ 0 = −λ(λ2 − 5),
2 0 −λ
√ √
więc jej wartościami własnymi są liczby λ1 = 0, λ2 = 5 i λ3 = − 5. Wektory
własne macierzy A odpowiadające wartościom własnym λ1 , λ2 i λ3 wybieramy spośród
niezerowych rozwiązań układu równań (A − λi I)x = 0 dla i = 1, 2, 3. Mamy
" # " #
0 1 20 1 0 00

[ A − λ1 I | 0 ] = [ A | 0 ] = 1 0 00 ∼ 0 1 20 ,
2 0 00 0 0 00
więc v1 = (0, −2, 1) jest wektorem własnym odpowiadająacym wartości własnej λ1 = 0.

Podobnie
 √ #  √ #
− 5 1
√ 2 0 1 − 5 00

[ A − λ2 I | 0 ] =  1 − 5 0 0 ∼  0 −2 1 0
√ 0 0 0 00
2 0 − 5
√
v2 = ( 5, 1, 2) jest wektorem własnym odpowiadająacym
i stąd wynika, że √ √ warto-
ści własnej λ2 = 5. Analogicznie pokazuje się, że√v3 = (− 5, 1, 2) jest wektorem
własnym odpowiadającym wartości własnej λ3 = − 5. Zatem
   √ √ √ √ 
| | | √0 5/√10 − 5/√10
Q=  =  −2/ 5 1/√10 
v1 v2 v3
||v1 || ||v2 || ||v3 || √ 1/√10
| | | 1/ 5 2/ 10 2/ 10
jest macierzą ortogonalną i wobec twierdzenia 11.2.1 podstawienie

" #  √ √ " #
x1
1 √0 5 − 5 y1
x2 = x = Qy = √  −2√2 1 1  y2
x3 10 2 2 2 y3
sprowadza formę kwadratową q(x) = 2x1 x2 +4x1 x3 do postaci kanonicznej q(Qy)

√ √
= λ1 y12 + λ2 y22 + λ3 y32 = 5y22 − 5y32 .
Przykład 259. Formę kwadratową q = 5x21 +8x1 x2 +5x22 za pomocą przekształ-

cenia do osi głównych (tj. za pomocą przekształcenia typu y = QT x) zapisać
w postaci kanonicznej.
Mamy
5 4 x1
q = xT Ax = x1 x2 .
4 5 x2
Łatwe obliczenia
pokazują, żeliczby λ1 = 1 i λ2 =9 są wartościami własnymi macierzy
5 4 1 1
A = , a q1 = √12 i q2 = √12 są ortonormalnymi wektorami
4 5 −1 1
własnymi macierzy A odpowiadającymi wartościom własnym λ1 i λ2 . Zatem

1 1 1
Q= q1 q2 = √
2 −1 1
i przekształceniem do osi głównych formy q = 5x21 + 8x1 x2 + 5x22 jest

y1 1 1 −1 x1 1 x1 − x 2
= y = QT x = √ = √ .
y2 2 1 1 x2 2 x1 + x 2
Wobec (11.8) formę q = 5x21 + 8x1 x2 + 5x22 możemy zapisać w postaci
q = yT Λy = λ1 y12 + λ2 y22
2 2
1 1
= 1 √
2
(x1 − x2 ) +9 √
2
(x1 + x2 )
= 1
2
(x1 − x2 )2 + 92 (x1 + x2 )2 .
Metoda Lagrange’a
Tym razem będziemy sprowadzać formę kwadratową do postaci kanonicznej,
czyli do sumy kwadratów, poprzez uzupełnianie do pełnych kwadratów wyrażeń
zawierających ustaloną zmienną formy. Przykładowo, jeśli w formie q = x 21 +
4x1 x2 −7x22 wyrażenie x21 +4x1 x2 zawierające zmienną x1 uzupełnimy do pełnego

kwadratu, (x21 +4x1 x2 )+4x22 = (x1 +2x2 )2 , to formę q możemy zapisać w postaci

q = (x1 + 2x2 )2 − 4x22 − 7x22 = (x1 + 2x2 )2 − 11x22
i jest to jej postać kanoniczna. Ten sposób sprowadzania formy kwadratowej

do postaci kanonicznej nazywa się metodą Lagrange’a. W ogólnym przypadku Metoda Lagrange’a
(0)
bierzemy pod uwagę macierz rzeczywistą symetryczną A(0) = [aij ] wymiaru
P n (0)
n×n i formę kwadratową q(x) = xT A(0) x = i, j=1 aij xi xj . Sprowadzając ją do
postaci kanonicznej metodą Lagrange’a rozróżniamy dwa przypadki, w zależności
(0)
od współczynników aii :
(0)
(a) aii 6= 0 dla pewnego i ∈ {1, . . . , n};
(0)
(b) aii = 0 dla i = 1, . . . , n.
(0)
Przypadek (a). Załóżmy, że nie wszystkie współczynniki aii są równe zeru. Bez
(0)
utraty ogólności możemy założyć, że a11 6= 0. W tym przypadku całe wyrażenie
(0) (0) (0)
a11 x21 + 2a12 x1 x2 + . . . + 2a1n x1 xn zawierające x1 uzupełniamy do pełnego
kwadratu i formę q zapisujemy w postaci
1 (0) (0) (0)
q(x) = (0)
(a11 x1 + a12 x2 + . . . + a1n xn )2 + q1 , (11.9)
a11
gdzie q1 = q1 (x2 , . . . , xn ) jest pewną formą kwadratową zmiennych x2 , x3 , . . . , xn .

Z równości tej wynika, że jeśli t2 y22 + . . .+ tn yn2 będzie postacią kanoniczną formy
q1 , to wyrażenie
t1 y12 + t2 y22 + . . . + tn yn2 ,
(0) (0)
w którym t1 = 1
(0) i y1 = a11 x1 +. . .+a1n xn , będzie postacią kanoniczną formy
a11
q.
Przykład 260. Metodą Lagrange’a formę kwadratową
q = x21 + 4x1 x2 − 2x1 x3 + 3x22 + 2x2 x3 + 2x23 (11.10)
sprowadzić do postaci kanonicznej.
Wyrażenie x21 + 4x1 x2 − 2x1 x3 , zawierające x1 w formie q, uzupełniamy do pełnego

kwadratu, otrzymując
q = (x21 + 4x1 x2 − 2x1 x3 ) + 3x22 + 2x2 x3 + 2x23

= (x1 + 2x2 − x3 )2 − 4x22 + 4x2 x3 − x23 + 3x22 + 2x2 x3 + 2x23
= (x1 + 2x2 − x3 )2 + (−x22 + 6x2 x3 + x23 ).
Podobnie postępujemy z wyrażeniem −x22 + 6x2 x3 , zawierającym x2 w formie q1 =

−x22 + 6x2 x3 + x23 zmiennych x2 i x3 . Mamy

q1 = −x22 + 6x2 x3 + x23 = − (−x2 + 3x3 )2 + 9x3 + x23
= −(−x2 + 3x3 )2 + 10x23
i to ostatnie wyrażenie jest postacią kanoniczną formy q1 . Stąd otrzymujemy
q = (x1 + 2x2 − x3 )2 − (−x2 + 3x3 )2 + 10x23 . (11.11)
Zatem, jeśli podstawimy y1 = x1 + 2x2 − x3 , y2 = −x2 + 3x3 i y3 = x3 do (11.11)

lub x1 = y1 + 2y2 − 5y3 , x2 = −y2 + 3y3 i x3 = y3 do (11.10), to otrzymamy postać
kanoniczną
q = y12 − y22 + 10y32
formy (11.10).
Zauważmy jeszcze, że jeśli proces przekształcania formy (11.10) zaczniemy od czyn-

ników zawierających zmienną x2 , to otrzymamy
1 1
q= (2x1 + 3x2 + x3 )2 − (x1 + 5x3 )2 + 10x23
3 3
i jest to inna postać kanoniczna wyjściowej formy q. Oznacza to, że przedstawienie
formy kwadratowej w postaci sumy kwadratów nie jest jednoznaczne.
Warto odnotować, że wszystkie współczynniki formy q zapisanej w postaci

(11.9) łatwo wyznacza się z macierzy A(0) . W tym celu zauważmy, że dla formy
q1 mamy
1 (0) (0)
q1 = q(x1 , x2 , . . . , xn ) − (0)
(a11 x1 + . . . + a1n xn )2
a11
n
X (0)
X a(0)
n (0)
1i a1j
X n
(1)
= aij xi xj − (0)
x x
i j = aij xi xj ,
i, j=1 i, j=1 a11 i, j=2
gdzie
(0) (0)
(1) (0) a1i a1j
aij = aij − (0)
(11.12)
a11
dla i, j ∈ {2, . . . , n}. Wszystkie te współczynniki są elementami macierzy
 (0) (0) (0)

a11 a12 . . . a1n
 (1) (1) 
 0 a22 . . . a2n 
A(1) = 
 .. .. .. .
 . . . 
(1) (1)
0 an2 . . . ann
Wobec (11.12) możemy przyjąć, że macierz A(1) otrzymano z macierzy A(0)

(0) (0)
odejmując kolejno pierwszy wiersz pomnożony przez a1i /a11 od i-tego wiersza
dla i = 2, . . . , n. Odnotujmy także, że z symetrii macierzy A(0) i z równości
(1)
(11.12) wynika, że podmacierz A11 macierzy A(1) jest symetryczna, bo
(0) (0) (0) (0)

(1) (0) a1i a1j (0) a1j a1i (1)
aij = aij − (0)
= aji − (0)
= aji
a11 a11
(1)
dla i, j ∈ {2, . . . , n}. Zatem, jeśli a22 6= 0, to także formę q1 = q1 (x2 , . . . , xn )
(1)
(określoną przez macierz A11 ) można przedstawić w postaci sumy
1 (1) (1) 2
q1 = (1)
a22 x2 + . . . + a2n xn + q2 . (11.13)
a22
Tym razem q2 jest formą kwadratową n − 2 zmiennych x3 , . . . , xn i
1 (1) (1)
q2 = q1 (x2 , . . . , xn ) − (1)
(a22 x2 + . . . + a2n xn )2
a22
n n (1) (1)
X (1)
X a2i a2j
= aij xi xj − (1)
xi xj
i, j=2 i, j=2 a22
n (1) (1)
! n
X (1) a2i a2j X (2)
= aij − (1)
xi xj = aij xi xj ,
i, j=3 a22 i, j=3
(1) (1)
(2) (1) a2i a2j
a jej współczynniki aij = aij − (1) są elementami macierzy
a22
 (0) (0) (0) (0) 

a11 a12 a13 . . . a1n
 (1) (1) (1) 
 0 a22 a23 . . . a2n 
 (2) (2) 
A(2) =
 0 0 a33 . . . a3n ,
 .. .. .. .. 
 . . . . 
(2) (2)
0 0 an3 . . . ann
którą otrzymano z macierzy A(1) odejmując kolejno jej drugi wiersz pomnożony
(1) (1) (2)
przez a2i /a22 od i-tego wiersza (dla i = 3, . . . , n). Jeśli a33 6= 0, to procedurę
redukcji macierzy (i przedstawiania formy kwadratowej w postaci sumy kwadra-
tów) możemy kontynuować aż do otrzymania macierzy
 (0) (0) (0) (0) (0)

a11 a12 · · · a1k a1 k+1 · · · a1n
 (1) 
 0 a(1)22 · · ·
(1)
a2k
(1)
a2 k+1 · · · a2n 
 . .. . . .. .. .. 
 . 
 . . . . . . 
 (k−1) (k−1) (k−1)  Macierz zredukowana
A (k−1) 
= 0 0 · · · akk ak k+1 · · · akn , formy kwadratowej

 (k−1) (k−1) 
 0 0 · · · 0 a · · · a 
 k+1 k+1 k+1 n 
 .. .
. .
. .
. .. .
. 
 . . . . . . 
(k−1) (k−1)
0 0 ··· 0 an k+1 · · · ann
którą nazywamy zredukowaną macierzą formy kwadratowej q, i w której jest

(0) (1) (k−1) (k−1)
a11 6= 0, a22 6= 0 . . . , akk 6= 0 i albo k = n, albo k < n i wtedy ak+1 k+1
(k−1)
= . . . = ann = 0.
W każdym przypadku formę kwadratową q można zapisać za pomocą współ-
czynników macierzy A(k−1) i mamy
 2
k−1
X 1 X n
 (i−1)
q= (i−1)
aij xj  + qk , (11.14)
a
i=1 ii j=i
gdzie
n
X (k−1)
qk = aij xi xj . (11.15)
i, j=k+1
(k−1)
Jeśli k = n albo k < n i aij = 0 dla i, j ∈ {k + 1, . . . , n}, to qk jest formą
zerową i wtedy
 2
k
X n
X
1  (i−1)
q= (i−1)
aij xj  (11.16)
i=1 aii j=i
(k−1)
i jest to postać kanoniczna formy q. Jeśli zaś jest k < n i aij 6= 0 dla pewnych
indeksów i, j ∈ {k + 1, . . . , n}, i 6= j, to qk jest niezerową formą kwadratową
mającą własność (b).
Przykład 261. Wyznaczyć macierz zredukowaną formy kwadratowej
q = x21 + 5x22 + 4x23 − x24 + 6x1 x2 − 4x1 x3 − 12x2 x3 − 4x2 x4 (11.17)
i następnie zapisać ją w postaci (11.14) (lub, jeśli to będzie możliwe, w postaci

(11.16)).
Niżej wskazane operacje elementarne na wierszach sprowadzają macierz symetryczną

A(0) formy q do zredukowanej macierzy A(2) ,
     
1 3 −2 0 w2 −3w1 1 3 −2 0 1 3 −2 0
w4 + 21 w2 0 −4 −2
 3 5 −6 −2  w3 +2w
∼
1  0 −4 0 −2  ∼  0  = A(2) .
−2 −6 4 0 0 0 0 0 0 0 0 0
0 −2 0 −1 0 −2 0 −1 0 0 0 0
(2)
Ponieważ w macierzy A(2) jest aij = 0 dla i, j ∈ {3, 4}, więc wobec (11.16) mamy
1
q = (x1 + 3x2 − 2x3 )2 − (−4x2 − 2x4 )2 .
4
Z ostatniej formy po przyjęciu y1 = x1 +3x2 −2x3 , y2 = 2x2 +x4 i y3 = x3 oraz y4 = x4
(albo z formy (11.17) po podstawieniu x1 = y1 − 32 y2 + 2y3 + 32 y4 , x2 = 12 y2 − 12 y4 ,
x3 = y4 oraz x4 = y4 ) otrzymujemy
q = y12 − y22
i to jest postać kanoniczna formy (11.17).
Przypadek (b). Załóżmy teraz, że forma q(x) = xT A(0) x nie jest zerowa, ale
(0) (0) (0)
a11 = . . . = ann = 0. Wtedy aij 6= 0 dla pewnych indeksów i, j ∈ {1, . . . , n},
gdzie i 6= j. W takim przypadku podstawienie x = Qy, gdzie macierz Q okre-
ślona jest równościami
xi = y i − y j , xj = y i + y j oraz xk = yk (11.18)
dla k ∈ {1, . . . , n} − {i, j}, sprowadza formę kwadratową q(x) = xT A(0) x

zmiennych x1 , . . . , xn do formy kwadratowej q(Qy) = yT QT A(0) Qy zmiennych
y1 , . . . , yn i ta ostatnia forma ma już własność (a), bo w niej współczynnik przy
yi2 (oraz przy yj2 ) jest niezerowy:
(0) (0) (0) (0) (0)
2aij xi xj = 2aij (yi − yj )(yi + yj ) = 2aij yi2 − 2aij yj2 i 2aij 6= 0.
Przykład 262. Metodą Lagrange’a sprowadzić formę kwadratową
q = 2x1 x2 + 4x2 x3 (11.19)
do postaci kanonicznej.
(0) (0) (0)
Tym razem forma q ma własność (b), bo w niej a11 = a22 = a33 = 0. Ponieważ
(0)
a12 6= 0, więc tak jak w (11.18) podstawienie
x1 = y 1 − y 2 , x2 = y 1 + y 2 i x3 = y 3
sprowadza ją do formy
q = 2(y1 − y2 )(y1 + y2 ) + 4(y1 + y2 )y3 = 2y12 + 4y1 y3 − 2y22 + 4y2 y3
mającej własność (a). W tym przypadku wyrażenie 2y12 + 4y1 y3 zawierające y1 (oraz
wyrażenie −2y22 + 4y2 y3 zawierające y2 ) uzupełniamy do pełnego kwadratu, kolejno
otrzymując
q = 2 (y1 + y3 )2 − y32 − 2 (y2 − y3 )2 − y32
= 2(y1 + y3 )2 − 2(y2 − y3 )2
= z12 − z22 ,
√ √ √ √
gdzie z1 = 2(y1 +y3 ) = 22 (x1 +x2 +2x3 ), z2 = 2(y2 −y3 ) = 22 (−x1 +x2 −2x3 ) i z3 =
x3 . (Postać
√
q = z12 −√z22 można też√
uzyskać wprost z (11.19) za pomocą podstawienia
x1 = 2 (z1 − z2 − 2 2z3 ), x2 = 22 (z1 + z2 ) i x3 = z3 .)
2
11.3. Określoność macierzy i formy kwadratowej 259
Przykład 263. Metodą Lagrange’a wyznaczyć postać kanoniczną formy

q = 2x1 x2 + 2x1 x3 − 2x1 x4 − 2x2 x3 + 2x2 x4 + 2x3 x4 . (11.20)
(0) (0) (0) (0) (0)
W formie (11.20) jest a11 = a22 = a33 = a44 = 0 i a12 6= 0, więc możemy podstawić
x1 = y1 − y2 , x2 = y1 + y2 , x3 = y3 i x4 = y4 , otrzymując
q = 2y12 − 2y22 − 4y2 y3 + 4y2 y4 + 2y3 y4 .
Teraz możemy wyznaczyć zredukowaną macierz tej ostatniej formy. Ponieważ
   
2 0 0 0 2 0 0 0
 0 −2 −2 2   0 −2 −2 2
A(0) = ∼ ... ∼  = A(3) ,
0 −2 0 1  0 0 2 −1 
0 2 1 0 0 0 0 3/2
więc wobec (11.16) mamy
1 3
q = q(y1 , . . . , y4 ) = 2y12 − 2(y2 + y3 − y4 )2 + (2y3 − y4 )2 + y42 .
2 2
Stąd zaś wynika, że
q = z12 − z22 + z32 + z42 , (11.21)
√ √ √ √
gdzie z1 = 2y1 = 2 (x1 + x2 ), z2 = 2(y2 + y3 − y4 ) = 2 (−x1 + x2 + 2x3 − 2x4 ),
2 2
√ √ p3 p3
z3 = 22 (2y3 − y4 ) = 22 (2x3 − x4 ) i z4 = y =
2 4
x .
2 3
Łatwo zauważyć, że postać (11.21) można także otrzymać wprost z (11.20) przez
podstawienie x1 = √12 (z1 −z2 +z3 − √13 z4 ), x2 = √12 (z1 +z2 −z3 + √13 z4 ), x3 = √12 (z3 +
p2
√1
3
z4 ) i x4 = z .
3 4
11.3. Określoność macierzy i formy kwadratowej

Definicja 11.3.1. Niech A będzie rzeczywistą macierzą symetryczną wymiaru
n × n. Mówimy, że forma kwadratowa q(x) = xT Ax (oraz definiująca ją macierz
A) jest:
(a) dodatnio określona, gdy q(x) > 0 dla każdego x ∈ R n − {0}; q(Rn − {0}) ⊆ (0; +∞)
(b) dodatnio półokreślona, gdy q(x) 0 dla każdego x ∈ R n − {0} i q(x0 ) = 0

dla pewnego x0 ∈ Rn − {0}; 0 ∈ q(Rn − {0}) ⊆ h0; +∞)
(c) ujemnie określona, gdy q(x) < 0 dla każdego x ∈ R n − {0}; q(Rn − {0}) ⊆ (−∞; 0)
(d) ujemnie półokreślona, gdy q(x) ¬ 0 dla każdego x ∈ R n − {0} i q(x0 ) = 0

dla pewnego x0 ∈ Rn − {0}; 0 ∈ q(Rn − {0}) ⊆ (−∞; 0i
(e) nieokreślona, gdy q(x) > 0 i q(y) < 0 dla pewnych x, y ∈ R n . q(Rn − {0}) ∩ (−∞; 0) 6= ∅
i q(Rn − {0}) ∩ (0; +∞) 6= ∅
z z
z
x1 x2 x1
x2
x1 x2
Rys. 11.1. Dodatnio określona Rys. 11.2. Ujemnie określona Rys. 11.3. Nieokreślona
Łatwo jest rozpoznać typ określoności formy kwadratowej (i odpowiadającej

jej macierzy symetrycznej), gdy forma ta zapisana jest w postaci kanonicznej.
Przykładowo mamy:
q1 (x1 , x2 ) = x21 + 3x22 − forma dodatnio określona;
q2 (x1 , x2 ) = x21 − forma dodatnio półokreślona;
q3 (x1 , x2 ) = −x21 − 3x22 − forma ujemnie określona;
q4 (x1 , x2 ) = −x21 − forma ujemnie półokreślona;
q5 (x1 , x2 ) = x21 − 3x22 − forma nieokreślona.
z
Tak samo łatwo wyznacza się typ określoności formy kwadratowej, jeśli jest
ona zapisana w postaci sumy lub różnicy kwadratów.
Przykład 264. Formę kwadratową
q = −x21 + 3x22 + 3x23 − 4x1 x2 + 4x1 x3

x1 x2
przedstawić w postaci sumy (lub różnicy) kwadratów i na tej podstawie
Rys. 11.4. Dodatnio półokreślona wyznaczyć jej typ określoności.
Ponieważ mamy
z
1 33 2
q = −(x1 + 2x2 − 2x3 )2 + (7x2 − 4x3 )2 + x
7 7 3
i ponieważ współczynniki kwadratów tej formy są liczbami różnych znaków,
x2 więc można się domyślać, że w jednych punktach forma q przyjmuje wartości
x1
ujemne, a w innych dodatnie. Łatwo zauważyć, że
q(1, 0, 0) = −1 i q(0, 1, 0) = 3
Rys. 11.5. Ujemnie półokreślona i to dowodzi, że forma q jest nieokreślona.
W ogólnym przypadku oczywiste jest następujące twierdzenie.

Twierdzenie 11.3.1. Jeśli λ1 , . . . , λn są liczbami rzeczywistymi, to macierz
diagonalna A = diag (λ1 , . . . , λn ) oraz forma kwadratowa q(x) = xT Ax =
λ1 x21 + λ2 x22 + . . . + λn x2n są:
(a) dodatnio określone, gdy λ1 > 0, . . . , λn > 0;
(b) dodatnio półokreślone, gdy λ1 0, . . . , λn 0 i λ1 · . . . · λn = 0;
(c) ujemnie określone, gdy λ1 < 0, . . . , λn < 0;
(d) ujemnie półokreślone, gdy λ1 ¬ 0, . . . , λn ¬ 0 i λ1 · . . . · λn = 0;
(e) nieokreślone, gdy λi λj < 0 dla pewnych λi , λj ∈ {λ1 , . . . , λn }.
Udowodnimy teraz, że typ określoności formy kwadratowej q = xT Ax (i sy-
metrycznej macierzy A) w sposób jednoznaczny zależy od wartości własnych
macierzy A. Zaczynamy od dowodu następującego lematu.
Lemat 11.3.1. Niech A i Q będą odpowiednio symetryczną i nieosobliwą ma-
cierzą ze zbioru Rn×n . Wtedy dla form kwadratowych q(x) = xT Ax i p(y)
= yT QT AQy jest
q(Rn − {0}) = p(Rn − {0}).
Równoważnie, forma kwadratowa q(x) = xT Ax (i macierz A) jest dodatnio
określona (dodatnio półokreślona, ujemnie określona, ujemnie półokreślona al-
bo nieokreślona) wtedy i tylko wtedy, gdy forma kwadratowa p(y) = y T QT AQy
(i macierz QT AQ) jest dodatnio określona (dodatnio półokreślona, ujemnie okre-
ślona, ujemnie półokreślona albo nieokreślona).
Dowód. Z faktu, że macierz Q jest nieosobliwa wynika, że przekształcenie liniowe

TQ : Rn → Rn (gdzie TQ (y) = Qy dla każdego y ∈ Rn ) wzajemnie jednoznacznie
odwzorowuje przestrzeń Rn w siebie. Stąd w szczególności wynika, że
TQ (Rn − {0}) = Rn − {0}. (11.22)
Ponieważ dla każdego y ∈ Rn jest q(Qy) = p(y), więc wobec (11.22) mamy
q(Rn − {0}) = q(TQ (Rn − {0})) = q({TQ (y) : y ∈ Rn − {0}})

= q({Qy : y ∈ Rn − {0}}) = {q(Qy) : y ∈ Rn − {0}}
= {p(y) : y ∈ Rn − {0}} = p(Rn − {0}).
Wniosek 11.3.1. Jeśli A jest rzeczywistą macierzą symetryczną wymiaru n×n

i λ1 , . . . , λn są jej wszystkimi wartościami własnymi, to macierz A oraz forma
kwadratowa q(x) = xT Ax są:
(a) dodatnio określone, gdy λ1 > 0, . . . , λn > 0;
(b) dodatnio półokreślone, gdy λ1 0, . . . , λn 0 i λ1 · . . . · λn = 0;
(c) ujemnie określone, gdy λ1 < 0, . . . , λn < 0;
(d) ujemnie półokreślone, gdy λ1 ¬ 0, . . . , λn ¬ 0 i λ1 · . . . · λn = 0;
(e) nieokreślone, gdy λi λj < 0 dla pewnych λi , λj ∈ {λ1 , . . . , λn }.
Dowód. Wobec twierdzenia 11.2.1 istnieje przekształcenie ortogonalne x = Qy spro-

wadzające formę kwadratową q(x) do formy kanonicznej p(y) = q(Qy) = λ1 y12 +λ2 y22 +
. . .+λn yn2 , w której λ1 , . . . , λn są wszystkimi wartościami własnymi macierzy A. Wobec
lematu 11.3.1 zbiory q(Rn −{0}) i p(Rn −{0}) są identyczne. To oznacza, że forma q(x)
jest dodatnio określona (dodatnio półokreślona, ujemnie określona, ujemnie półokreślo-
na lub nieokreślona) wtedy i tylko wtedy, gdy forma p(y) = λ1 y12 +λ2 y22 +. . .+λn yn2 jest
dodatnio określona (dodatnio półokreślona, ujemnie określona, ujemnie półokreślona
lub nieokreślona). Stąd i z twierdzenia 11.3.1 wynikają poszczególne części tezy. (Inny
dowód wniosku 11.3.1 proponujemy w ćwiczeniach.)
Przykład 265. Wyznaczyć wartości własne macierzy symetrycznej formy kwa-

dratowej
q = −x21 + 3x22 + 3x23 − 4x1 x2 + 4x1 x3
i za pomocą wartości własnych wyznaczyć typ określoności formy q.
Wielomianem charakterystycznym macierzy symetrycznej A formy q jest

−1 − λ −2 2 √ √

|A − λI| = −2 3−λ 0 = (3 − λ)(λ − 1 − 2 3)(λ − 1 + 2 3)
2 0 3−λ
√ √
i ponieważ wśród wartości własnych λ1 = 3, λ2 = 1 + 2 3 i λ3 = 1 − 2 3 są liczby
różnych znaków, więc wobec wniosku 11.3.1 forma q jest nieokreślona.
Wniosek 11.3.2. Jeśli symetryczna macierz A wymiaru

n × n jest dodatnio
(ujemnie) określona, to det A > 0 (−1)n det A > 0 .
Dowód. Niech λ1 , . . . , λn będą wszystkimi wartościami własnymi macierzy A. Ponie-
waż det A = λ1 ·. . .·λn i ponieważ wobec wniosku 11.3.1 liczby λ1 , . . . , λn (odpowiednio
– −λ1 , . . . , −λn ) są dodatnie, gdy macierz A jest dodatnio (odpowiednio – ujemnie)
określona, więc λ1 · . . . · λn = det A > 0 ((−λ1 ) · . . . · (−λn ) = (−1)n det A > 0).
Uszczegółowimy teraz poprzedni wniosek i przedstawimy bardziej praktyczne
kryterium określoności rzeczywistej macierzy symetrycznej i rzeczywistej formy
kwadratowej. Dla potrzeb tego kryterium przyjmujemy następującą definicję.
Definicja 11.3.2. Niech A będzie macierzą wymiaru n × n. Wiodącą podma-

Wiodąca podmacierz cierzą główną stopnia k macierzy A nazywamy macierz Ak powstałą z A przez
odrzucenie z niej n − k ostatnich wierszy i n − k ostatnich kolumn. Wyznacznik
Wiodący minor główny takiej macierzy Ak nazywamy wiodącym minorem głównym stopnia k macie-
rzy A.
Z definicji tej wynika, że macierz A = [aij ] wymiaru n × n ma dokładnie n
wiodących podmacierzy głównych i są nimi
 a 
11 a12 . . . a1n
h i a21 a22 . . . a2n
A1 = [ a11 ], A2 =
a11 a12 
, . . . , An =  .
.
a21 a22 .
.
. .. .
. 
. . . .
an1 an2 . . . ann
Twierdzenie Sylvestera Twierdzenie 11.3.2 (Sylvester). Symetryczna macierz A = [aij ] ∈ Rn×n

(i forma kwadratowa q = xT Ax) jest:
(a) dodatnio określona ⇔ |Ak | > 0 (k = 1, . . . , n);

(b) ujemnie określona ⇔ (−1)k |Ak | > 0 (k = 1, . . . , n);
(c) dodatnio półokreślona ⇔ |Ak | 0 (k = 1, . . . , n − 1), |An | = 0;
(d) ujemnie półokreślona ⇔ (−1)k |Ak | 0 (k = 1, . . . , n−1), |An | = 0;
W pozostałych przypadkach macierz A (i forma kwadratowa q = x T Ax) jest

nieokreślona.
Uwaga. Nierówność (−1)k |Ak | > 0 w (b) jest równoważna stwierdzeniu, że
liczby |Ak | i (−1)k mają identyczne znaki.
Dowód. (a) Załóżmy najpierw, że macierz A jest dodatnio określona. Wobec wnio-
sku 11.3.2 jest wtedy |An | = |A| > 0. Udowodnimy teraz, że każda wiodąca podmacierz
główna Ak macierzy A jest dodatnio określona dla k = 1, . . . , n − 1. Weźmy pod uwagę
niezerowy wektor xk ∈ Rk×1 i zerowy wektor 0n−k ∈ R(n−k)×1 . Z dodatniej określo-
xk
ności macierzy A wynika, że dla niezerowego wektora jest
0n−k
k
X
xk
0< xTk 0Tn−k A = aij xi xj = xTk Ak xk .
0k
i, j=1
To dowodzi, że macierz Ak jest dodatnio określona. Stąd i z wniosku 11.3.2 znowu

wynika, że |Ak | > 0 dla k = 1, . . . , n − 1.
Odwrotną implikację udowodnimy indukcyjnie ze względu na n. Implikacja ta jest
oczywista dla n = 1, bo jeśli A = [ a ] i |A1 | = a > 0, to forma q = xT Ax = ax21
(i macierz A) jest dodatnio określona. Niech teraz n 2 będzie liczbą naturalną i niech
A = [ aij ] będzie symetryczną macierzą wymiaru n×n, której wszystkie wiodące mino-
ry główne |A1 |, |A2 |, . . . , |An−1 |, |An | są dodatnie. Z założenia indukcyjnego wynika,
że macierz An−1 jest dodatnio określona (bo wszystkie jej wiodące minory główne
|A1 |, . . . , |An−1 | są dodatnie). Weźmy teraz pod uwagę macierze
" #
a1 n
.. An−1 a In−1 A−1
n−1 a An−1 0n−1
a= , A= , Q= iB= ,
. aT ann 0T
n−1 1 0T
n−1 d
an−1 n
gdzie d = ann − aT A−1n−1 a i 0n−1 jest macierzą zerową wymiaru (n − 1) × 1. Można

sprawdzić, że dla tych macierzy mamy

In−1 0n−1 An−1 0n−1 In−1 A−1
n−1 a
QT BQ = = A.
(A−1
n−1 a)
T 1 0T
n−1 d 0T
n−1 1
Ponieważ |Q| = 1 = |QT |, więc z powyższej równości i z twierdzenia 6.2.2 mamy
|A| = |QT BQ| = |QT ||B||Q| = |B| = d · |An−1 |
i stąd wynika, że d > 0 (bo liczby |A| i |An−1 | są dodatnie). Z faktu, że macierz An−1
jest dodatnio określona i d jest liczbą dodatnią, wynika, że dla niezerowego wektora
x = [ x1 . . . xn−1 xn ]T ∈ Rn×1 i dla wektora x = [ x1 . . . xn−1 ]T (powstałego z x przez

odrzucenie z niego ostatniej współrzędnej) jest

An−1 0n−1 x
xT Bx = xT x n = xT An−1 x + d · x2n > 0.
0Tn−1 d xn
To dowodzi, że macierz B jest dodatnio określona. Stąd zaś i z lematu 11.3.1 wynika
dodatnia określoność macierzy A.
(b) Jest oczywiste, że macierz A jest ujemnie określona wtedy i tylko wtedy, gdy
macierz −A jest dodatnio określona. Wobec już udowodnionego stwierdzenia (a) tak
jest wtedy i tylko wtedy, gdy każdy wiodący minor główny |(−A)k | macierzy −A jest
dodatni, tj. wtedy i tylko wtedy, gdy (−1)k |Ak | = |(−A)k | jest liczbą dodatnią. To
kończy dowód stwierdzenia (b).
Analogiczne dowody stwierdzeń (c) i (d) pozostawiamy jako ćwiczenia.
Podamy teraz dwa przykłady na badanie określoności macierzy i formy kwa-

dratowej z wykorzystaniem twierdzenia Sylvestera.
Przykład 266. Zbadać określoność formy kwadratowej
q = −x21 + 3x22 + 3x23 − 4x1 x2 + 4x1 x3 .
Macierzą symetryczną formy q jest

" #
−1 −2 2
A= −2 3 0 ,
2 0 3
której wiodącymi minorami głównymi są

−1 −2 −1 −2 2
|A1 | = −1, |A2 | = = −7 i |A3 | = −2 3 0 = −33.

−2 3 2 0 3
Ponieważ liczby te nie spełniają żadnego z warunków (a) – (d) twierdzenia 11.3.2,
więc rozważana forma kwadratowa q i jej macierz A są nieokreślone. Do tego samego
stwierdzenia w inny sposób doszliśmy w przykładach 264 i 265.
Przykład 267. Korzystając z twierdzenia Sylvestera, zbadać określoność formy

kwadratowej
q = x21 + 2x22 + 5x23 + 2x1 x2 + 4x2 x3 .
Dla macierzy symetrycznej

" #
1 1 0
A= 1 2 2
0 2 5
formy q jest

1 1 1 1 0
|A1 | = 1, |A2 | = = 1 i |A3 | = 1 2 2 = 1.
1 2 0 2 5
Tym razem warunek (a) twierdzenia 11.3.2 jest spełniony, więc forma kwadratowa q
i jej macierz A są dodatnio określone.
11.4. Ćwiczenia
1. Dla formy kwadratowej q = xT Ax wyznaczyć ma- 6. Dana jest forma kwadratowa q(x, y, z) = 4x2 + 3y 2 +
cierz ortogonalną Q i postać kanoniczną q = yT Λy 2z 2 + 4xy − 4yz. (a) Wyznaczyć macierz symetryczną
uzyskaną za pomocą podstawienia ortogonalnego A formy q. (b) Wyznaczyć wartości własne i wekto-
x = Qy, gdy: ry własne macierzy A. (c) Zbadać określoność formy
(a) q = 5x21 + 2x22 + 4x1 x2 ; q. (d) Formę q zapisać w postaci kanonicznej w ba-
2 2
(b) q = −2x1 + x2 + 4x1 x2 ; zie unormowanych wektorów własnych macierzy A.
2 2 2
(c) q = 3x1 + 3x2 + 3x3 − 2x1 x3 ; (e) Podać przekształcenie ortogonalne x = Qy spro-
(d) q = 10x21 + 10x22 − 12x1 x2 ; wadzające formę q do postaci kanonicznej.
(e) q = 5x21 + 5x22 + 18x23 − 26x1 x2 ; 7. Bez odwoływania się do wniosku 11.3.1 udowodnić, że
2 2
(f ) q = 3x2 + 3x3 + 4x1 x2 + 4x1 x3 − 2x2 x3 ; jeśli macierz symetryczna A jest dodatnio (ujemnie)
2 2 2
(g) q = 2x1 + 5x2 + 2x3 + 4x1 x2 + 2x1 x3 + 4x2 x3 ; określona, to jest ona nieosobliwa.
(h) q = 2x21 + 6x22 + 2x23 + 8x1 x3 ; 8. Udowodnić, że każdy wiodący minor główny macierzy
(i) q = x21 + 5x22 + x23 + 2x1 x2 + 6x1 x3 + 2x2 x3 ; dodatnio półokreślonej jest nieujemny. (Wskazówka.
(j) q = 2x1 x2 +2x1 x3 −2x1 x4 −2x2 x3 +2x2 x4 +2x3 x4 . Można wzorować się na dowodzie wniosku 11.3.2 i na
dowodzie części (a) twierdzenia 11.3.2.)
2. Formę q = q(x1 , x2 ) przedstawić w postaci sumy 9. Udowodnić, że każdy minor główny macierzy dodat-
kwadratów i następnie zaproponować nowe współ- nio określonej jest dodatni. (Wskazówka. Można wzo-
rzędne y1 i y2 takie, że forma q będzie postaci rować się na dowodzie wniosku 11.3.2 i na dowodzie
λ1 y12 + λ2 y22 , gdy: części (a) twierdzenia 11.3.2.)
(a) q = x21 + 4x1 x2 + x22 ; 10. Przedstawić dowódy stwierdzeń (c) i (d) z twierdze-
(b) q = 2x21 + 2x1 x2 + 2x22 ; nia 11.3.2.
(c) q = x21 − 12x1 x2 − 4x22 ; 11. (a) Udowodnić, że jeśli x0 jest wektorem własnym
(d) q = 3x21 + 2x1 x2 + 3x22 . macierzy A odpowiadającym wartości własnej λ0 , to
3. Formę kwadratową q = q(x1 , . . . , xn ) zapisać w po- liczby xT0 Ax0 i λ0 mają zgodne znaki. (b) Wyprowa-
staci kanonicznej i następnie zbadać jej określoność, dzić nowy dowód wniosku 11.3.1 korzystając z części
gdy: (a) oraz z twierdzenia 10.3.4.
2 2 2 12. Wykazać, że jeśli macierz A ∈ Rn×n jest nieosobliwa,
(a) q = x1 + 2x2 + x3 − 2x1 x2 + 4x1 x3 + 2x2 x3 ; to macierz AT A jest dodatnio określona. (Wskazów-
(b) q = 5x21 + 5x22 + 2x23 + 8x1 x2 + 4x1 x3 + 4x2 x3 ;
ka. Uwzględnić, że xT Ix = yT AT IAy.)
(c) q = x21 + x22 + 3x23 + 4x1 x2 + 2x1 x3 + 2x2 x3 ; 13. Udowodnić, że dla macierzy A ∈ Rn×n następują-
(d) q = 2x21 + 5x22 + 5x23 + 4x1 x2 − 4x1 x3 − 8x2 x3 ; ce stwierdzenia są równoważne: (a) A jest dodatnio
(e) q = x1 x2 + x1 x3 + x1 x4 + x2 x3 + x2 x4 + x3 x4 .
określona; (b) istnieje macierz nieosobliwa B taka, że
4. Za pomocą twierdzenia Sylvestera (lub w inny A = BT B; (c) istnieje macierz nieosobliwa P taka,
sposób) zbadać określoność macierzy Ai , gdzie: że PT AP = In .
14. Udowodnić, że jeśli macierz symetryczna A ∈ Rn×n
" #
2 3 −1 1 0 jest dodatnio określona, to także macierz Ap jest do-
A1 = ; A8 = 1 −1 0 ; datnio określona dla każdej liczby całkowitej p.
3 7
0 0 −2 15. Pokazać, że funkcja q : Rn×n → R jest dodatnio okre-
2 4
A2 = ; " # śloną formą kwadratową, gdy q(X) = tr(XT X) dla
4 7 1 −1 −1
X ∈ Rn×n .
2 −1 A 9 = −1 5 1 ; 16. Wpisując TAK albo NIE, stwierdzić prawdziwość
A3 = ;
−1 1 −1 1 5 każdego z następujących zdań:

−3 4 " # 1 Macierz A jest dodatnio określona wtedy i tylko
A4 = ; 20 6 8
4 −5 wtedy, gdy macierz A−1 jest dodatnio określona.
A10 = 6 3 0 ;
−3 4 2 Jeśli macierze A i B są dodatnio określone, to
A5 = ; 8 0 8 także macierz A + B jest dodatnio określona.
4 −6
  3 Jeśli macierze A jest symetryczna, a P jest
2 4 1 0 3 0
A6 = ; macierzą ortogonalną, to podstawienie x = Py prze-
4 8 0 2 0 5
" # A11 =  . kształca formę kwadratową q(x) = xT Ax w formę
1 2 0 3 0 4 0
kwadratową q(Py) = yT (PT AP)y w postaci kano-
A7 = 2 4 5 ; 0 5 0 6
nicznej.
0 5 6 4 Jeśli macierze A ∈ Rn×n jest symetryczna
5. Udowodnić, że jeśli macierz A ∈ Rn×n jest dodatnio i det A < 0, to forma kwadratowa q(x) = xT Ax jest
określona, to aii > 0 dla i = 1, . . . , n. nieokreślona.
Rozdział 12
ELEMENTY GEOMETRII
ANALITYCZNEJ
12.1. Iloczyn wektorowy wektorów

W tej części rozważamy przestrzeń R3 ze standardową bazą (i, j, k) (gdzie i =
(1, 0, 0), j = (0, 1, 0), k = (0, 0, 1)) i standardowym iloczynem skalarnym.
Definicja 12.1.1. Iloczynem wektorowym uporządkowanej pary (a, b) wektorów
a = (a1 , a2 , a3 ) = a1 i+a2 j+a3 k oraz b = (b1 , b2 , b3 ) = b1 i + b2 j+b3 k nazywamy
wektor

i j k

a × b = a1 a2 a3 (12.1)
b1 b2 b3

a a3
= 2 i − a1 a3 j + a1 a2 k (12.2)
b2 b3 b1 b3 b1 b2
= (a2 b3 − a3 b2 )i − (a1 b3 − a3 b1 )j + (a1 b2 − a2 b1 )k
= (a2 b3 − a3 b2 , −a1 b3 + a3 b1 , a1 b2 − a2 b1 ).
Przykład 268. Jeśli a = (2, −1, 3) i b = (1, 3, 4), to wobec (12.1) mamy

i j k
−1 3 2 3 2 −1

a × b = 2 −1 3 = i−
j+ k
1 3 4 1 4 1 3
3 4
= −13i − 5j + 7k = (−13, −5, 7).
W powyższej definicji wykorzystano pojęcie wyznacznika macierzy i możli-

wość obliczenia jego wartości za pomocą rozwinięcia względem elementów pierw-
szego wiersza. Uczyniono to w sposób formalny, bez zwracania uwagi na naturę
elementów tej macierzy. Dalej, korzystając z formalnych własności wyznacznika,
otrzymujemy kolejne własności iloczynu wektorowego.
Twierdzenie 12.1.1. Dla każdych wektorów a, b i c oraz każdej liczby α mamy:
(a) a × b = −(b × a);
(b) a × a = 0;
(c) (αa) × b = a × (αb) = α(a × b);
(d) a × (b + c) = (a × b) + (a × c) i (a + b) × c = (a × c) + (b × c);
(e) wektor a × b jest ortogonalny do każdego z wektorów a i b, rys. 12.1.
6
a×b
Dowód. Załóżmy, że a = (a1 , a2 , a3 ) i b = (b1 , b2 , b3 ). Ponieważ zamiana
miejscami dwóch wierszy macierzy powoduje zmianę znaku wyznacznika :
b
(zob. twierdzenie 6.1.5), więc wobec (12.1) mamy

i j k i j k a
j

a × b = a1 a2 a3 = − b1 b2 b3 = −(b × a)
b a a3
b×a
1 b2 b3 1 a2 ? Rys. 12.1
266 12. Geometria analityczna
i to dowodzi (a). Podobnie uzasadnia się (b), (c) i (d). Dla dowodu (e) wystarczy
pokazać, że a · (a × b) = 0 i b · (a × b) = 0. Z definicji iloczynu wektorowego (def.
12.1.1), z definicji wyznacznika (def. 6.1.1) oraz z twierdzenia 6.1.6 mamy

a2 a3 a1 a3 a1 a2
6
a×b a · (a × b) = (a1 i + a2 j + a3 k) · i− j + k
b2 b3 b1 b3 b1 b2
:
b
a2 a3
= a1 − a 2 a1 a3 + a 3 a1 a2
b2 b3 b1 b3 b1 b2

j
a a1 a2 a3

= a1 a2 a3 = 0,
Rys. 12.2. P(a,b) = ||a × b|| b b b
1 2 3
bo dwa pierwsze wiersze są identyczne. Dowód drugiej części jest podobny.
Geometryczne własności iloczynu wektorowego przedstawia następujące twier-

dzenie.
Twierdzenie 12.1.2. Dla każdych dwóch wektorów a i b mamy:
(a) pole P(a,b) równoległoboku zbudowanego na wektorach a i b jest równe
długości wektora a × b, tj. P(a,b) = ||a × b|| (rys. 12.2);
Tożsamość Lagrange’a (b) ||a × b|| = ||a||||b|| sin ϕ, gdzie ϕ jest miarą kąta pomiędzy wektorami a i b;
(c) a × b = 0 wtedy i tylko wtedy, gdy wektory a i b są równoległe;
(d) (a × b)2 = a2 b2 − (a · b)2 .
Dowód. Jeżeli ϕ jest miarą kąta między wektorami a i b, to pole P(a,b) równoległoboku
zbudowanego na wektorach a i b (zob. rys. 12.3) jest równe liczbie ||a||||b|| sin ϕ. Zatem,
jeśli a = (a1 , a2 , a3 ) i b = (b1 , b2 , b3 ), to mamy
2
P(a,b) = ||a||2 ||b||2 sin2 ϕ
= ||a||2 ||b||2 (1 − cos2 ϕ)
b = ||a||2 ||b||2 − (||a||||b|| cos ϕ)2

= ||a||2 ||b||2 − (a · b)2
||b|| sin ϕ
= (a21 + a22 + a23 )(b21 + b22 + b23 ) − (a1 b1 + a2 b2 + a3 b3 )2
ϕ 2 2 2
- a2
a3 a1 a3 a1 a2
a = b2 + +
b3 b1 b3 b1 b2
Rys. 12.3
= ||a × b||2
i z równości tych łatwo wynikają wszystkie cztery dowodzone własności.
z 6 y
Przykład 269. Wyznaczyć pole równoległoboku zbudowanego na
* wektorach a = (1, 2, −1) i b = (0, 1, 1), zob. rys. 12.4.
b
2 Ponieważ
1

1
i j k
2 −1 1 −1

1 2
k = [3, −1, 1],
a × b = 1 2 −1 = i− j+
- 0 1 1
1 1 0 1 0 1
1 a
−1 z więc z poprzedniego twierdzenia mamy

x
√
P(a,b) = ||a × b|| = ||(3, −1, 1)|| = 11.
Rys. 12.4
12.2. Iloczyn mieszany wektorów 267
Przykład 270. Obliczyć pole trójkąta ABC, którego wierzchołkami są punkty

A(1, 3, 0), B(0, 2, 5) i C(−1, 0, 2), zob. rys. 12.5.
z6
Ponieważ pole PABC trójkąta ABC jest równe połowie pola równoległoboku zbudowa-
nego na wektorach AB = (−1, −1, 5) i AC = (−2, −3, 2), więc z twierdzenia 12.1.2 (a) 4
mamy
3

i j k y
1 1 1 √ *
PABC = ||AB × AC|| = || −1 −1 5 || = ||[13, −8, −5]|| = 258/2. 2 3
2 2 2
−2 −3 2 1
2
1
−1
Niech (a, b, c) będzie układem liniowo niezależnych wektorów z przestrzeni x

j
R3 . Mówimy, że układ (a, b, c) ma orientację zgodną z orientacją układu (i, j, k),
gdy wyznacznik macierzy [ a b c ]T jest dodatni. Rys. 12.5
Twierdzenie 12.1.3. Jeśli wektory a i b z przestrzeni R 3 są liniowo niezależne,

to układ (a, b, a × b) ma orientację zgodną z orientacją układu (i, j, k).
Dowód. Z liniowej niezależności wektorów

a =
(a1 , a2 , a3) i b = (b1 , b2 , b3 ) wynika, że
a1 a2 a1 a3 a2 a3
co najmniej jeden z wyznaczników , i jest różny od zera.
b1 b2 b1 b3 b2 b3
Wtedy też
" #
−a− a1 a2 a3

det −b− = b1 b2 b3
−a × b− a b −a b a b −a b a b −a b
2 3 3 2 3 1 1 3 1 2 2 1

a1 a2 2 a1 a3 2 a2 a3 3
= + +
b1 b2 b1 b3 b2 b3 > 0,
więc układ (a, b, a × b) ma orientację zgodną z orientacją układu (i, j, k) (rys. 12.6),
czyli zwrot wektora a × b jest wyznaczony przez “regułę prawej ręki”.
6
a×b

(a) 6
a×b (b) 6
k (c)
b j

*b
- -
a i
q
a
Rys. 12.6
12.2. Iloczyn mieszany wektorów

Definicja 12.2.1. Niech a, b i c będą wektorami z przestrzeni R 3 . Iloczynem
mieszanym uporządkowanej trójki (a, b, c) nazywamy liczbę a · (b × c), czasami
oznaczaną przez abc.
Twierdzenie 12.2.1. Jeśli a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) i c = (c1 , c2 , c3 ) są

wektorami z przestrzeni R3 , to

a1 a2 a3

abc = b1 b2 b3 . (12.3)
c1 c2 c3
Dowód. Tak jak w dowodzie twierdzenia 12.1.1 (e), mamy

b2 b3 b1 b3

b1 b2
abc = a · (b × c) = (a1 i + a2 j + a3 k) · i− j + k
c2 c3 c1 c3 c1 c2

b2 b3
= a1 − a 2 b1 b3 + a 3 b1 b2
c2 c3 c1 c3 c1 c2

a1 a2 a3

= b1 b2 b3 .
c c c
1 2 3
Z twierdzenia 12.2.1 i z faktu, że przestawienie miejscami dwóch wierszy ma-

cierzy powoduje zmianę znaku jej wyznacznika (zob. wspomniane już twierdzenie
6.1.5), otrzymujemy następną własność iloczynu mieszanego.
Twierdzenie 12.2.2. Jeśli a, b i c są wektorami z przestrzeni R 3 , to
abc = bca = cab = −bac = −acb = −cba. (12.4)
3
Twierdzenie 12.2.3. Jeśli a, b i c są wektorami z przestrzeni R , to
a · (b × c) = (a × b) · c. (12.5)
Dowód. Z definicji iloczynu mieszanego, z twierdzenia 12.2.2 i z przemienności iloczy-
nu skalarnego wektorów mamy
a · (b × c) = abc = cab = c · (a × b) = (a × b) · c.
Twierdzenie 12.2.4. Objętość V równoległościanu zbudowanego na wektorach
a, b i c z przestrzeni R3 jest równa wartości bezwzględnej iloczynu mieszanego
tych wektorów, tj.
V = |abc|. (12.6)
6
b×c
α
a
h
c
-
j
b
Rys. 12.7
Dowód. Mamy abc = a · (b × c) = ||a||||b × c|| cos α, gdzie α jest miarą kąta między
wektorami a i b × c. Dla obliczenia objętości równoległościanu możemy przyjąć, że jego
podstawą jest równoległobok rozpięty na wektorach b i c (zob. rys. 12.7), którego pole
jest równe ||b × c||. Wysokość h równoległościanu jest równa długości rzutu wektora
a na prostą prostopadłą do podstawy, mającą kierunek b × c, więc h jest wartością
bezwzględną liczby ||a|| cos α. Stąd mamy V = ||b×c||||a||| cos α| = |a·(b×c)| = |abc|.
Przykład 271. Wyznaczyć objętość równoległościanu zbudowanego na wekto-

rach a = (1, 0, 2), b = (4, 6, 2) i c = (3, 3, −6).
Wobec twierdzenia 12.2.4 mamy

1 0 2

V = |abc| = | 4 6 2 | = 54.
3 3 −6
12.3. Prosta i płaszczyzna 269
Przykład 272. Z poprzedniego twierdzenia i z faktu, że objętość czworościanu

rozpiętego na trzech wektorach jest równa szóstej części objętości równoległo-
boku rozpiętego na tych samych wektorach wynika, że objętość V czworościanu
o wierzchołkach w punktach Pi (xi , yi , zi ) (i = 1, 2, 3, 4) jest równa szóstej czę-
P4
ści objętości równoległoboku zbudowanego na wektorach P1 P4 , P2 P4 i P3 P4 ,
rys. 12.8. Stąd
1
V = |(P1 P2 )(P1 P3 )(P1 P4 )|, (12.7) : P3
6
czyli
P1
x1 y 1 z 1 1
x2 − x 1 y 2 − y 1 z 2 − z 1 q
1 1 x y2 z2 1 P2
V = | x3 − x1 y3 − y1 z3 − z1 | = | 2 |. (12.8)
6 x − x y − y z − z 6 x3 y3 z3 1 Rys. 12.8
4 1 4 1 4 1 x4 y 4 z 4 1
Z twierdzenia 12.2.1 i z wniosku 7.4.4 natychmiast otrzymujemy następu-

jący związek liniowej niezależności wektorów z wartością iloczynu mieszanego
wektorów.
Wniosek 12.2.1. Trzy wektory a, b i c z przestrzeni R 3 są liniowo zależne
wtedy i tylko wtedy, gdy abc = 0.
12.3. Prosta i płaszczyzna

Definicja 12.3.1. Niech W będzie k-wymiarową podprzestrzenią n-wymiarowej
przestrzeni E i niech r0 będzie ustalonym wektorem z przestrzeni E. Wtedy zbiór
r0 + W = {r0 + w : w ∈ W }
nazywamy k-wymiarową płaszczyzną w n-wymiarowej przestrzeni E. Wektor r 0

nazywamy wektorem przesunięcia płaszczyzny r0 + W , a podprzestrzeń W jej
kierunkiem.
Jeśli W jest podprzestrzenią generowaną przez liniowo niezależne wektory
m1 , m2 , . . . , mk , to
k
X
r0 + W = {r0 + ti mi : t1 , t2 , . . . , tk ∈ R}
i=1
i wektory k-wymiarowej płaszczyzny r0 + W są określone równaniem

k
X
r = r0 + ti mi , t1 , . . . , tk ∈ R. (12.9)
i=1
Równanie (12.9) nazywamy równaniem k-wymiarowej płaszczyzny r 0 + W i da-

lej równanie to utożsamiać będziemy z samą k-wymiarową płaszczyzną. Mó-
wimy także, że k-wymiarowa płaszczyzna (12.9) przechodzi przez punkt P 0
o wektorze wodzącym r0 i jest równoległa do wektorów m1 , m2 , . . . , mk . Wek-
tory m1 , m2 , . . . , mk nazywamy wektorami kierunkowymi płaszczyzny (12.9),
a współczynniki t1 , . . . , tk jej parametrami.
Teraz zajmiemy się przypadkami szczególnymi: k = 1 i k = n − 1. Każdą
1-wymiarową płaszczyznę zwykle nazywa się prostą. Natomiast (n − 1)-wymia-
rową płaszczyznę nazywana jest hiperpłaszczyzną w n-wymiarowej przestrzeni
E lub płaszczyzną, gdy n = 3.
Prosta przechodząca przez punkt i równoległa do wektora

Niech r = (x, y, z) i r0 = (x0 , y0 , z0 ) będą wektorami wodzącymi punktów
P (x, y, z) i P0 (x0 , y0 , z0 ) i niech m = (a, b, c) będzie niezerowym wektorem. Wo-
bec (12.9) punkt P leży na prostej ` przechodzącej przez punkt P0 i równoległej
do wektora m (rys. 12.9) wtedy i tylko wtedy, gdy
r = r0 + tm, t ∈ R. (12.10)
Równanie wektorowe
prostej
6
z
P
] k m
1 P0
-
y
x
Rys. 12.9
Równanie (12.10) nazywamy równaniem wektorowym prostej `, a wektor m

jej wektorem kierunkowym. Równanie (12.10), czyli równanie
(x, y, z) = (x0 , y0 , z0 ) + t(a, b, c), t ∈ R,
jest równoważne następującemu układowi trzech równań skalarnych

Równanie parametryczne  x = x0 + ta,
prostej y = y0 + tb, t ∈ R. (12.11)

z = z0 + tc,
Układ równań (12.11) nazywa się układem parametrycznych równań prostej `
przechodzącej przez punkt P0 (x0 , y0 , z0 ) i równoległej do wektora m = (a, b, c).
Potocznie układ ten nazywa się parametrycznym równaniem prostej `. Rugując
z tego układu parametr t, otrzymujemy równoważny układ równości (proporcji)
x − x0 y − y0 z − z0
= = . (12.12)
Równanie kierunkowe a b c
prostej Układ ten nazywa się układem symetrycznych równań prostej ` (albo równaniem
kierunkowym prostej `) przechodzącej przez punkt P0 (x0 , y0 , z0 ) i równoległej do
niezerowego wektora m = (a, b, c). W równościach (12.12) któryś z mianowni-
ków (ale nie wszystkie trzy jednocześnie) może być zerowy. W takim przypadku
przyjmujemy, że odpowiadający mu licznik także jest zerowy.
Przykład 273. Prosta określona równaniem

x−4 y−3 z+2
= =
5 0 −1
przechodzi przez punkt (4, 3, −2) i jest równoegła do wektora m = (5, 0, −1). Ta
sama prosta jest określona przez równości
x = 4 + 5t, y = 3, z = −2 − t dla t ∈ R.
Przykład 274. Napisać równanie parametryczne prostej ` przechodzącej przez

punkt P0 (1, −1, 2) i równoległej do wektora m = (2, 1, −1). Sprawdzić, czy punkt
P (7, 1, 1) leży na tej prostej.
Wobec (12.11) równaniem parametrycznym prostej ` jest z 6

P
:
(
x = 1 + 2t, r1 −r0 :
P1 `
y = −1 + t, t ∈ R.
P0 r
z = 2 − t, K r0 r1
Dla sprawdzenia czy punkt P (7, 1, 1) leży na tej prostej, należy zbadać czy ma rozwią-
zanie następujący układ równań: -
y
( x
7 = 1 + 2t,
1 = −1 + t,
Rys. 12.10
1 = 2 − t.
Rozwiązaniem pierwszego równania, 7 = 1 + 2t, jest t = 2. Liczba t = 2 jest także roz-

wiązaniem drugiego równania, bo 1 = −1 + 2. Jednakże liczba ta nie jest rozwiązaniem
trzeciego równania, 1 6= 2 − 2. Zatem punkt P (7, 1, 1) nie leży na prostej `.
Prosta przechodząca przez dwa punkty

Prosta przechodząca przez dwa różne punkty P0 (x0 , y0 , z0 ) i P1 (x1 , y1 , z1 ) (o wek-
torach wodzących r0 i r1 ) jest równoległa do niezerowego wektora P0 P1 = r1 −r0 ,
więc jej równanie możemy uzyskać z każdego z równań (12.10)–(12.12) zastę-
pując w nich wektor m = (a, b, c) lub jego składowe przez wektor r1 − r0 =
(x1 − x0 , y1 − y0 , z1 − z0 ). W szczególności, równaniem wektorowym i równaniem
parametrycznym prostej ` przechodzącej przez punkty P0 i P1 (zob. rys. 12.10)
są odpowiednio
r = r0 + t(r1 − r0 ), t ∈ R, (12.13)
i

 x = x0 + t(x1 − x0 ),
y = y0 + t(y1 − y0 ), t ∈ R. (12.14)

z = z0 + t(z1 − z0 ),
Odcinek
Ograniczając w równaniach (12.13) i (12.14) zakres zmienności parametru t do
przedziału h0; 1i, otrzymujemy równanie odcinka o końcach w punktach P0 i P1
(rys. 12.11). z6
P1
P
Przykład 275. Napisać równanie odcinka o końcach w punktach P0 (1, 2, 5) P0 r1
i P1 (−1, 3, 2). K r0
r
Ponieważ P0 P1 = (−2, 1, −3), więc wobec (12.14) odcinek o końcach w punktach P0

i P1 określony jest przez równania
-
y
(
x = 1 − 2t, x
y = 2 + t, t ∈ h0; 1i.
z = 5 − 3t, Rys. 12.11
Kąt nachylenia dwóch prostych

Dane są dwie proste `1 i `2 o równaniach
r = r1 + tm1 i r = r2 + λm2 , gdzie t, λ ∈ R. (12.15)
Definicja 12.3.2. Miarą kąta nachylenia prostych `1 i `2 określonych przez rów-
nania (12.15), oznaczamy ją przez ](`1 , `2 ), nazywamy miarę ϕ = ](m1 , m2 )
kąta pomiędzy ich wektorami kierunkowymi m1 i m2 dobranymi tak, aby ϕ było
liczbą z przedziału h0; π/2i (co zawsze można uzyskać przez ewentualne zastąpie-
nie jednego z wektorów m1 i m2 przez wektor przeciwny, zob. rys. 12.12 (a)-(c)).
(a) (b) (c) 6

o−m2
6 6
m2
w
`2
Y
m1 o−m2 o−m2
q
z z
m m1 m1
`1
j
2 `1 `1
−m2 ϕ ϕ
`2 m2
w m2
w
- `2 - `02 -

Rys. 12.12
Z ostatniej definicji i ze wzorów na cosinus i sinus kąta pomiędzy wektorami

(zob. (9.2.1) i twierdzenie 12.1.2 (b)) otrzymujemy wzory na cosinus i sinus kąta
pomiędzy prostymi `1 i `2 ,
|m1 · m2 |
cos ](`1 , `2 ) = | cos ](m1 , m2 )| = (12.16)
||m1 ||||m2 ||
i
||m1 × m2 ||
sin ](`1 , `2 ) = sin ](m1 , m2 ) = . (12.17)
||m1 ||||m2 ||
Mówimy, że proste `1 i `2 określone przez równania (12.15) są prostopadłe
(piszemy `1 ⊥ `2 ) lub równoległe (co oznaczamy przez `1 k `2 ), jeśli ich wektory
kierunkowe m1 i m2 są odpowiednio prostopadłe lub równoległe. Zatem mamy
Prostopadłość prostych `1 ⊥ ` 2 ⇔ m 1 ⊥ m 2 ⇔ m 1 · m2 = 0 (12.18)
i
Równoległość prostych `1 k `2 ⇔ m1 k m2 ⇔ m1 × m2 = 0. (12.19)
Wichrowatość prostych Definicja 12.3.3. Dwie proste nazywamy skośnymi (wichrowymi lub niewspół-
płaszczyznowymi), gdy nie są one równoległe i nie przecinają się (rys. 12 (c)).
Jeśli proste (12.15) są nierównoległe (co zachodzi, gdy m1 × m2 6= 0) i prze-
cinają się, to dla pewnych liczb rzeczywistych t i λ jest
r2 + λm2 = r1 + tm1 .
Wtedy też
r2 − r1 = tm1 − λm2
i
(r2 − r1 ) · (m1 × m2 ) = tm1 · (m1 × m2 ) − λm2 · (m1 × m2 ) = 0,
bo m1 · (m1 × m2 ) = 0 i m2 · (m1 × m2 ) = 0. Stąd zaś wynika, że proste (12.15)
są skośne wtedy i tylko wtedy, gdy
(m1 × m2 ) 6= 0 i (r2 − r1 ) · (m1 × m2 ) 6= 0. (12.20)
Przykład 276. Wyznaczyć kąt nachylenia prostych `1 i `2 określonych równa-

niami 
x+1 x = t,
=y−1=z+2 i y = −1 − 2t,
−2 
z = −1 + t.
Wyznaczyć (jeśli jest to możliwe) punkt przecięcia się prostych `1 i `2 .
Wektorami kierunkowymi prostych `1 i `2 są wektory m1 = (−2, 1, 1) i m2 = (1, −2, 1).

Wobec (12.16) mamy
|m1 · m2 | | − 2 − 2 + 1| 1
cos ∠(`1 , `2 ) = = √ √ =
||m1 ||||m2 || 6 6 2
i dlatego ∠(`1 , `2 ) = π/3.

Proste `1 i `2 przetną się wtedy i tylko wtedy, gdy pewien punkt P (t, −1−2t, −1+t)
prostej `2 jest punktem prostej `1 . Podstawiając współrzędne punktu P do równania
prostej `1 , otrzymujemy układ równań
t+1
= −2t − 2 = t + 1,
−2
którego rozwiązaniem jest t = −1. Stąd wynika, że punkt P (−1, 1, −2) jest punktem
przecięcia prostych `1 i `2 .
Przykład 277. Prosta ` określona jest przez równania x = 3 − t, y = 2 + t

i z = 2t. Napisać równanie prostej `0 przechodzącej przez punkt P0 (1, 0, 3), prze-
cinającej prostą ` i prostopadłej do prostej `.
Prosta `0 przechodzi przez pewien punkt P1 (3 − t, 2 + t, 2t) leżący na prostej `, więc

6 `0
wektor P0 P1 = (2 − t, 2 + t, 2t − 3) może być jej wektorem kierunkowym (rys. 12.13).
Parametr t dobieramy tak, aby wektor P0 P1 był prostopadły do wektora m = (−1, 1, 2), m: `
wektora kierunkowego prostej `. Z warunku prostopadłości, czyli z równości
oP1
m · P0 P1 = −(2 − t) + (2 + t) + 2(2t − 3) = 0 P0
-
0
otrzymujemy t = 1. Zatem P0 P1 = (1, 3, −1) i prosta ` określona jest przez równania
x = 1 + t, y = 3t, z = 3 − t.
Rys. 12.13
Przykład 278. Zbadać wzajemne położenie prostych `1 i `2 określonych odpo-

wiednio przez równania
x−1 y+2 z−8 x−5 y−6 z
= = i = = .
2 1 2 10 −4 1
Proste `1 i `2 są równoległe do wektorów m1 = (2, 1, 2) oraz m2 = (10, −4, 1) i prze-
chodzą odpowiednio przez punkty P1 i P2 o wektorach wodzących r1 = (1, −2, 8)
i r2 = (5, 6, 0). Ponieważ

i j k

m1 × m 2 = 2 1 2 = (9, 18, −18) i r2 − r1 = (4, 8, −8)
10 −4 1
oraz
(r2 − r1 ) · (m1 × m2 ) = (4, 8, −8) · (6, 18, −18) 6= 0,
więc wobec (12.20) proste `1 i `2 są skośne.
Odległość punktu od prostej

Niech ` będzie prostą przechodzącą przez punkt P0 i równoległą do niezerowego
wektora m. Niech P1 będzie ustalonym punktem z przestrzeni R3 i niech P10
będzie jego rzutem ortogonalnym na prostą ` (rys. 12.14). Odległość d punktu
P1 od prostej ` jest równa odległości punktu P1 od punktu P10 . Dla jej wyzna-
czenia weźmy pod uwagę pole P równoległoboku rozpiętego na wektorach m
i P0 P1 . Z jednej strony (wobec twierdzenia 12.1.2) mamy P = ||m × P0 P1 ||.
Z drugiej strony pole P jest iloczynem długości podstawy m i wysokości d tego
równoległoboku, P = ||m|| d. Zatem ||m|| d = ||m × P0 P1 || i stąd otrzymujemy
wzór na odległość d punktu P1 od prostej `,
||m × P0 P1 ||
d= . (12.21)
||m||
Przykład 279. Obliczyć odległość d punktu P1 (2, 2, 3) od prostej `

6 określonej przez równania
P1
x−1 y−2 z+3
= = .
d 3 0 4
m : `
P10 Prosta ` przechodzi przez punkt P0 (1, 2, −3) i jest równoległa do wektora m
P0
= (3, 0, 4). Ponieważ ||m|| = 5 i P0 P1 = (1, 0, 6), więc wobec (12.21) mamy
-
i j k
||m × P0 P1 || 1 1 14
Rys. 12.14 d=
||m||
= || 3
5
0 4 || = ||(0, −14, 0)|| =
5 5
.
1 0 6
Płaszczyzna w przestrzeni trójwymiarowej

Niech r0 = (x0 , y0 , z0 ), r1 = (x1 , y1 , z1 ) i r2 = (x2 , y2 , z2 ) będą wektorami wo-
dzącymi trzech niewspółliniowych punktów P0 , P1 i P2 z przestrzeni R3 . Wtedy
wektory
m1 = r1 − r0 = (x1 − x0 , y1 − y0 , z1 − z0 ) = (a1 , a2 , a3 )
i
m2 = r2 − r0 = (x2 − x0 , y2 − y0 , z2 − z0 ) = (b1 , b2 , b3 )
są liniowo niezależne, więc ich iloczyn wektorowy
n = m1 × m2 = (A, B, C)
jest wektorem niezerowym.

Niech teraz Π będzie płaszczyzną przechodzącą przez punkt P0 i równoległą
do wektorów m1 i m2 (rys. 12.15). Wobec (12.9) punkt P (x, y, z) o wektorze
wodzącym r = (x, y, z) leży na płaszczyźnie Π wtedy i tylko wtedy, gdy istnieją
liczby t, λ ∈ R takie, że
Równanie wektorowe
r = r0 + tm1 + λm2 , (12.22)
płaszczyzny
tzn. gdy wektor r − r0 jest kombinacją liniową wektorów m1 i m2 ,
r − r0 = tm1 + λm2 . (12.23)
Każde z równań (12.22) i (12.23) nazywamy równaniem wektorowym płaszczyzny

Π przechodzącej przez punkt P0 i równoległej do wektorów m1 i m2 .
Przedstawiając wektory r, r0 , m1 i m2 za pomocą ich współrzędnych, ła-

two zauważamy, że każde z równań (12.22) i (12.23) jest równoważne układowi
równań 
 x − x0 = ta1 + λb1 ,
Układ równań parametrycz-
y − y0 = ta2 + λb2 , (12.24)
 nych płaszczyzny
z − z0 = ta3 + λb3 ,
który nazywa się układem parametrycznych równań płaszczyzny przechodzącej
przez punkt P0 (x0 , y0 , z0 ) i równoległej do wektorów m1 = (a1 , a2 , a3 ) i m2 =
(b1 , b2 , b3 ).

z 6 n
P P1
i
r−r0 Im1
Π r m2
9 * P0
P2
r0
-
y
Rys. 12.15
x

Przykład 280. Wyznaczyć równanie płaszczyzny przechodzącej przez punkt

P0 (1, −3, 2) i równoległej do prostych `1 i `2 określonych równaniami

x−1 y+3 z−2  x = 2 + 3λ,
= = i y = 1 − 2λ, λ ∈ R.
2 0 −1 
z = 1 + λ,
Rozważana płaszczyzna przechodzi przez punkt P0 (1, −3, 2) i jest równoległa do wek-
torów kierunkowych m1 = (2, 0, −1) i m2 = (3, −2, 1) prostych `1 i `2 , więc wobec
(12.24) jest ona określona układem parametrycznych równań
(
x = 1 + 2t + 3λ,
y = −3 − 2λ,
z = 2 − t + λ,
gdzie t, λ ∈ R.
Ponieważ m1 (m1 ×m2 ) = m2 (m1 ×m2 ) = 0, więc z równania (12.23) wynika,

że mamy
(r − r0 )(m1 × m2 ) = 0 (12.25)
i jest to kolejna postać wektorowa równania płaszczyzny przechodzacej przez
punkt P0 i równoległej do wektorów m1 i m2 oraz ortogonalnej do wektora
n = m1 ×m2 (rys. 12.16). W tym ostatnim przypadku mowi się, że n = m1 ×m2
jest wektorem normalnym płaszczyzny określonej równaniem (12.25).
Uwzględniając współrzędne wektorów r − r0 = (x − x0 , y − y0 , z − z0 ), m1
= (a1 , a2 , a3 ), m2 = (b1 , b2 , b3 ) oraz wyznacznikową postać iloczynu mieszanego,
równanie (12.25) można zapisać w postaci

x − x0 y − y0 z − z0

Równanie wyznacznikowe a1 a2 a3 =0 (12.26)

płaszczyzny b1 b2 b3
zwanej wyznacznikowym równaniem płaszczyzny równoległej do wektorów m 1

oraz m2 i przechodzącej przez punkt P0 (x0 , y0 , z0 ).
Jeśli teraz uwzględnimy, że wektory m1 i m2 są wyznaczone przez współrzęd-
ne punktów P0 , P1 i P2 , czyli uwzględniając, że m1 = (x1 − x0 , y1 − y0 , z1 − z0 )
i m2 = (x2 − x0 , y2 − y0 , z2 − z0 ), to równanie (12.26) można zapisać w postaci

x − x0 y − y 0 z − z 0

x1 − x 0 y 1 − y 0 z 1 − z 0 = 0 (12.27)

x2 − x 0 y 2 − y 0 z 2 − z 0
Wyznacznikowe równania
płaszczyzny przechodzącej lub
przez trzy punkty x y z 1

x0 y0 z0 1
= 0. (12.28)
x1 y1 z1 1

x2 y2 z2 1
Każde z równań (12.27) i (12.28) jest równaniem płaszczyzny przechodzacej

przez trzy niewspółliniowe punkty P0 (x0 , y0 , z0 ), P1 (x1 , y1 , z1 ) i P2 (x2 , y2 , z2 ).
z6 n
P0
r−r0
r0 7 q P
*
r
y

x
z
Rys. 12.16
Przykład 281. Napisać równanie płaszczyzny przechodzącej przez punkty P 0 (1,

1, 0), P1 (2, 1, 1) i P2 (0, 2, 1)
Wobec (12.28) płaszczyzna przechodząca przez punkty P0 , P1 i P2 wyznaczona jest

przez równanie

x y z 1

1 1 0 1
2 1 1 1 = 0.

0 2 1 1
Łatwo można zauważyć, że

x y z 1
x−1 y−1 z
1 1 0 1
2 1 1 1
= 1 0 1 = −x − 2y + z + 3,
−1 1 0
0 2 1 1
więc rozważana płaszczyzna jest wyznaczona przez równanie x + 2y − z = 3.

Z równania (12.25) po podstawieniu (A, B, C) zamiast m1 × m2 oraz (x −

x0 , y − y0 , z − z0 ) zamiast r − r0 otrzymujemy równania
(A, B, C) · (x − x0 , y − y0 , z − z0 ) = 0 (12.29)
Równania ogólne
oraz płaszczyzny
A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. (12.30)
Każde z równań (12.29) i (12.30) jest tzw. równaniem ogólnym płaszczyzny prze-
chodzącej przez punkt P0 (x0 , y0 , z0 ) i ortogonalnej do wektora n = (A, B, C).
Jeśli przyjmiemy, że D = −Ax0 − By0 − Cz0 , to każde z powyższych równań
płaszczyzny przechodzącej przez punkt P0 (x0 , y0 , z0 ) i ortogonalnej do wektora
n = (A, B, C) przyjmuje postać
Ax + By + Cz + D = 0 (12.31)
i także i to równanie nazywamy równaniem ogólnym płaszczyzny ortogonalnej
do wektora (A, B, C).
Przykład 282. Płaszczyzna przechodząca przez punkt P0 (2, 3, −4) i ortogonal-

na do wektora n = (−2, 5, 3) określona jest przez równanie
−2(x − 2) + 5(y − 3) + 3(z + 4) = 0,
czyli przez równanie
−2x + 5y + 3z + 1 = 0. `
6
n
m6
Kąt między prostą i płaszczyzną

Niech r = r0 + mt i n(r − r00 ) = 0 będą odpowiednio równaniem prostej ` Π
i płaszczyzny Π. Mówimy, że prosta ` jest ortogonalna do płaszczyzny Π, jeśli
wektory m i n są równoległe (rys. 12.17). W takim przypadku mówimy też, że
prosta ` tworzy kąt π/2 z płaszczyzną Π. W każdym innym przypadku przez Rys. 12.17
kąt pomiędzy prostą ` i płaszczyzną Π rozumiemy kąt ϕ pomiędzy prostą `
a jej rzutem ortogonalnym `0 na płaszczyznę Π (rys. 12.18). Zauważmy, że jeśli `
](m, n) jest kątem pomiędzy wektorami m i n, to n 6
π π
m
7
ϕ = − ](m, n) lub ϕ = ](m, n) − . ϕ
2 2 `0
W obu przypadkach jest
sin ϕ = | cos ](m, n)| Π
i dlatego wobec (9.2.1) mamy

|m · n| Rys. 12.18
sin ϕ = .
||m||||n||
Stąd zaś w szczególności wynika, że prosta ` jest równoległa do płaszczyzny Π
wtedy i tylko wtedy, gdy wektory m i n są ortogonalne. Jeśli prosta ` i płaszczy-
zna Π nie są równoległe, to mają one dokładnie jeden punkt wspólny (czasami
nazywany śladem prostej ` na płaszczyźnie Π) i punkt ten jest rozwiązaniem
układu równań
r = r0 + mt,
n(r − r00 ) = 0.
Dla jego wyznaczenia wstawiamy r = r0 + mt do równania n(r − r00 ) = 0.
n(r0 −r00 )
Wtedy n(r0 − r00 ) + nmt = 0 i stąd t = − nm . Wspólnym punktem prostej
` i płaszczyzny Π jest więc
n(r0 − r00 )
r = r0 − m .
nm
Przykład 283. Prosta ` i płaszczyzna Π są określone odpowiednio przez rów-

nania
x+1 y−2 z+2
= = i Ax + 3y − 5z = 0.
4 3 A
Dla jakiej wartości parametru A prosta ` będzie równoległa do płaszczyzny Π?
Prosta ` jest równoległa do wektora m = (4, 3, A), a płaszczyzna Π jest ortogonalna

do wektora n = (A, 3, −5). Zatem ` będzie równoległa do Π wtedy i tylko wtedy, gdy
wektory m i n będą ortogonalne. Tak będzie wtedy i tylko wtedy, gdy ich iloczyn
skalarny m · n = −A + 9 będzie równy zeru, tj. wtedy i tylko wtedy, gdy A = 9.
Przykład 284. Znaleźć wspólny punkt prostej (x, y, z) = (1, 2, −12) + (1, 2, 3)t
i płaszczyzny x + y + 2z − 6 = 0.
Dla wyznaczenia wspólnego punktu prostej i płaszczyzny wstawiamy x = 1 + t, y =

2 + 2t i z = −12 + 3t do równania płaszczyzny. Wtedy
(1 + t) + (2 + 2t) + 2(−12 + 3t) − 6 = 0
i stąd t = 3. Zatem (x, y, z) = (1, 2, −12) + (1, 2, 3) · 3 = (4, 8, −3) jest wspólnym
punktem prostej i płaszczyzny.
Kąt dwóch płaszczyzn

Niech Π1 i Π2 będą płaszczyznami o równaniach
n1 (r − r1 ) = 0 i n2 (r − r2 ) = 0. (12.32)
Przez miarę kąta pomiędzy płaszczyznami Π1 i Π2 , oznaczamy ją przez ϕ =

](Π1 , Π2 ), rozumiemy miarę ](n1 , n2 ) kąta pomiędzy ich wektorami normal-
nymi n1 i n2 dobranymi tak, aby była to liczba z przedziału h0; π/2i (zob.
rys. 12.19). Zatem ϕ = ](n1 , n2 ) lub ϕ = π − ](n1 , n2 ). W obu przypadkach
cos ϕ = | cos ](n1 , n2 )| i ze wzoru na cosinus kąta pomiędzy wektorami otrzy-
mujemy
|n1 · n2 |
cos ϕ = .
||n1 ||||n2 ||
6 ] n2
n 1
] ϕ
n2
Π2
ϕ
Π1
Rys. 12.19
Przykład 285. Płaszczyzny o równaniach x − 12y + 7z + 12 = 0 oraz 2x + 3y −

4z − 1 = 0 tworzą kąt
|(1, −12, 7)(2, 3, −4)| 62
ϕ = arccos = arccos √ √ = 34◦ 250 .
||(1, −12, 7)||||(2, 3, −4)|| 194 29
O płaszczyznach Π1 i Π2 określonych równaniami (12.32) mówimy, że są one

ortogonalne (Π1 ⊥ Π2 ) albo równoległe (Π1 k Π2 ), jeśli ich wektory normalne
n1 i n2 są odpowiednio ortogonalne albo równoległe. Zatem mamy
Π 1 ⊥ Π 2 ⇔ n 1 ⊥ n 2 ⇔ n 1 · n2 = 0 (12.33)
i
Π1 k Π2 ⇔ n1 k n2 ⇔ n1 × n2 = 0. (12.34)
Przykład 286. Płaszczyzny Π1 i Π2 są określone przez równania
x − 2y + z + 7 = 0 oraz 2x + y − z + 3 = 0.
Wyznaczyć równanie płaszczyzny Π przechodzącej przez punkt A(3, 2, −1) i or-

togonalnej do płaszczyzn Π1 i Π2 .
Wektorami normalnymi płaszczyzn Π1 i Π2 są wektory n1 = (1, −2, 1) i n2 = (2, 1, −1).

Warunek prostopadłości płaszczyzny Π do płaszczyzn Π1 i Π2 jest równoważny równo-
ległości płaszczyzny Π do wektorów n1 i n2 . Zatem, wobec (12.26), równaniem płasz-
czyzny Π jest

x−3 y−2 z+1

1 −2 1 = 0, czyli x + 3y + 5z − 4 = 0.
2 1 −1
Jeśli płaszczyzny Π1 i Π2 nie są równoległe, to przecinają się one wzdłuż

prostej (rys. 12.19), którą nazywa się krawędzią przecięcia się płaszczyzn i której
równanie otrzymuje się z układu równań opisujących obie płaszczyzny.
Przykład 287. Płaszczyzny Π1 i Π2 o równaniach
x − 2y + 2z = 3 i 2x − 3y + z = 1
przecinają się wzdłuż prostej ` (rys. 12.20). Napisać jej równanie. Wyznaczyć
także równanie płaszczyzny Π przechodzącej przez punkt A(3, 2, 1) i zawierającej
prostą `.
`
Π1
Prosta ` jest zbiorem tych punktów (x, y, z), których współrzędne x, y i z spełniają Π
układ równań Π2 A
x − 2y + 2z = 3, 6
2x − 3y + z = 1.
Jego rozwiązaniem jest (x, y, z) = (−7, −5, 0) + (4, 3, 1)t, t ∈ R, i jest to równanie B
szukanej prostej `. Prosta ta przechodzi przez punkt B(−7, −5, 0) i jest równoległa do
wektora m = (4, 3, 1). Płaszczyzna Π przechodzi przez punkt A(3, 2, 1) i jest równoległa
do wektorów m = (4, 3, 1) i AB = (−10, −7, −1), więc jest ona określona równaniem
Rys. 12.20
x−3 y−2 z −1

4 3 1 = 0, czyli 2x − 3y + z = 1.
−10 −7 −1
Odległość punktu od płaszczyzny

Niech r0 oraz r1 będą wektorami wodzącymi punktów P0 oraz P1 i niech n
będzie niezerowym wektorem. Niech Π0 będzie płaszczyzną określoną równaniem
n(r − r0 ) = 0. Pokażemy, że odległość d = d(P1 , Π0 ) punktu P1 od płaszczyzny
P1
O Π0 określona jest wzorem
α r1 −r0 |n(r1 − r0 )|
6 r1 d(P1 , Π0 ) = . (12.35)
d ||n||
n
Π0 Dla dowodu powyższego wzoru niech P10 będzie rzutem ortogonalnym
P10 punktu P1 na płaszczyznę n(r − r0 ) = 0 i niech α będzie miarą kąta
* P0 między wektorami n i r1 − r0 (rys. 12.21). Z trójkąta prostokątnego
r0
P0 P1 P10 mamy d = ||r1 − r0 || | cos α|. Stąd i ze wzoru (9.2.1) mamy
|n(r1 − r0 )| = ||n|| ||r1 − r0 ||| cos α| = ||n|| d

z i z tej równości wynika wzór (12.35).
Rys. 12.21
Niech Π0 i Π1 będą płaszczyznami równoległymi określonymi przez równania
n(r − r0 ) = 0 i n(r − r1 ) = 0, (12.36)
gdzie r0 i r1 są wektorami wodzącymi punktów P0 i P1 . Ponieważ odległość
d(Π0 , Π1 ) pomiędzy płaszczyznami Π0 i Π1 jest równa odległości dowolnego
punktu leżącego na jednej płaszczyźnie od drugiej płaszczyzny, więc d(Π0 , Π1 ) =
d(P1 , Π0 ) i (12.35) jest także wzorem na odległość pomiędzy równoległymi płasz-
czyznami określonymi przez równania (12.36).
Niech teraz Π0 będzie płaszczyzną określoną równaniem ogólnym (12.31),
czyli równaniem
Ax + By + Cz + D = 0,
i niech P0 (x0 , y0 , z0 ) będzie dowolnym punktem leżącym na płaszczyźnie Π0 . Dla
takiego punktu jest D = −(Ax0 + By0 + Cz0 ). Niech teraz P1 (x1 , y1 , z1 ) będzie
dowolnym punktem z przestrzeni R3 . Jeśli przyjmiemy, że wektorem kierunko-
wym płaszczyzny π0 jest wektor n = (A, B, C) i√jeśli r0 oraz r1 są wektorami
wodzącymi punktów P0 oraz P1 , to mamy ||n|| = A2 + B 2 + C 2 oraz
Ax1 + By1 + Cz1 + D = (A, B, C)(x1 , y1 , z1 ) − (A, B, C)(x0 , y0 , z0 )

= (A, B, C) (x1 , y1 , z1 ) − (x0 , y0 , z0 ) = n(r1 − r0 ).
Stąd i z (12.35) wynika, że odległóść pomiędzy punktem P1 (x1 , y1 , z1 ) i płasz-
czyzną Π0 określoną równaniem Ax + By + Cz + D = 0 wyraża się wzorem
|Ax1 + By1 + Cz1 + D|
d(P1 , Π0 ) = √ . (12.37)
A2 + B 2 + C 2
Przykład 288. Obliczyć odległość punktu P1 (1, 5, 3) od: (a) płaszczyzny Π1

przechodzącej przez punkty A(1, 0, 0), B(0, 2, 0) i C(0, 0, 3); (b) płaszczyzny Π 2
określonej równaniem 2x + 3y + 6z − 7 = 0.
Płaszczyzna Π1 przechodzi przez punkt P0 = A(1, 0, 0) i jest ortogonalna do wektora

i j k

n = AB × AC = −1 2 0 = (6, 3, 2).
−1 0 3
Zatem, wobec wzoru (12.35), odległość pomiędzy punktem P1 i płaszczyzną Π1 jest

równa
|n(r1 − r0 )| |(6, 3, 2) · (1, 5, 3) − (1, 0, 0) |
d(P1 , Π1 ) = = √
||n|| 62 + 32 + 22
|(6, 3, 2) · (0, 5, 3)| 21
= = = 3.
7 7
Ponieważ płaszczyzna Π2 jest określona równaniem ogólnym, więc odległość punktu

P1 od płaszczyzny Π2 możemy wyznaczyć za pomocą wzoru (12.37),
|Ax1 + By1 + Cz1 + D| |2 · 1 + 3 · 5 + 6 · 3 − 7| 28
d(P1 , Π2 ) = √ = √ = = 4.
A2 + B 2 + C 2 22 + 32 + 62 7
Odległość dwóch prostych skośnych

Niech `1 i `2 będą dwiema prostymi skośnymi określonymi przez równania r =
r1 +tm1 oraz r = r2 +λm2 i niech P1 oraz P2 będą punktami, których wektorami
wodzącymi są r1 i r2 . Odległość d = d(`1 , `2 ) pomiędzy tymi prostymi jest równa
odległości dowolnego punktu jednej prostej od płaszczyzny zawierającej drugą
prostą i równoległej do obu rozważanych prostych (rys. 12.22). Przykładowo, jest
ona równa odległości punktu P2 od płaszczyzny (m1 × m2 )(r − r1 ) = 0. Stąd
i ze wzoru (12.35) otrzymujemy wzór na odległość pomiędzy prostymi skośnymi,
|(m1 × m2 )(r2 − r1 )|
d(`1 , `2 ) = . (12.38)
||m1 × m2 ||
Przykład 289. Obliczyć odległość d(`1 , `2 ) pomiędzy prostymi skośnymi `1 i `2

określonymi przez równania
x+7 y−4 z+3 x − 21 y−5 z−2
= = i = = .
3 4 −1 −6 4 1
Proste `1 i `2 są równoległe do wektorów m1 = (3, 4, −1) i m2 = (−6, 4, 1) i przechodzą Π2
przez punkty o wektorach wodzących r1 = (−7, 4, −3) i r2 = (21, 5, 2). Ponieważ
`2
Π1
i j k P2

m1 × m2 = 3 4 −1 = (8, 3, 36) i r2 − r1 = (28, 1, 5),
−6 4 1 `1
więc ze wzoru (12.38) znajdujemy

|(8, 3, 36) · (28, 1, 5)| Rys. 12.22
d(`1 , `2 ) = = 11.
||(8, 3, 36)||
12.4. Ćwiczenia
1. Obliczyć a × b, gdy: (a) a = (2, 1, 3) i b = (0, 1, 2); 8. Wyznaczyć objętość czworościanu, którego wierzchoł-
(b) a = (2, −3, 1) i b = (−2, 3, −1). kami są: (a) (0, 0, 0), (1, 1, 2), (−1, 2, −1), (0, −1, 3);
2. Obliczyć pole równoległoboku zbudowanego na wek- (b) (1, 3, −1), (2, 2, 3), (3, 7, 4), (4, 2, −2).
torach a = (2, −3, 5) i b = (4, 1, 0). 9. Wyznaczyć ogólną postać wektora a = xi + yj + zk
takiego, że a × (i + j + 2k) = i + j − k.
3. Obliczyć pole równoległoboku, którego trzema wierz-
10. Dane są wektory a = xi − 6j − 3k, b = 4i + 3j − k
chołkami są A(1, 2, −1), B(2, 1, 4) i C(3, 5, 2).
i c = i − 3j + 2k. (a) Wyznaczyć x takie, że a i b są
4. Obliczyć pole równoległoboku, którego wierzchołkami ortogonalne. (b) Wyznaczyć x takie, że a, b i c leżą
są punkty (−3, 0, 2), (6, 1, 4), (4, 2, 2) i (−5, 1, 0). w jednej płaszczyźnie. (c) Obliczyć a × (b × c), gdy
5. Obliczyć pole trójkąta, którego wierzchołkami są: x = 2.
(a) A(1, 2, 1), B(2, 1, −3) i C(0, 1, 5); (b) A(1, 4), 11. Dane są wektory a, b i c z przestrzeni R3 , gdzie a i b
B(3, 2) i C(−1, 2). nie są równoległe. (a) Pokazać, że istnieją liczby x i y
6. Obliczyć wysokość h trójkąta o wierzchołkach takie, że c × (a × b) = xa + yb. (b) Wywnioskować
A(1, 0, 0), B(0, 2, 0), C(0, 0, 3) poprowadzoną z wierz- stąd, że x(ca) + y(cb) = 0. (c) Dla wektorów c = c1 i,
chołka C na bok AB. a = a1 i + a2 j i b = b1 i + b2 j + b3 k obliczyć c × (a × b)
oraz (cb)a − (ca)b i stąd wywnioskować, że c × (a ×
7. Obliczyć pole wielokąta o wierzchołkach w punktach:
b) = (cb)a − (ca)b. (Dla matematyków: czy ostatnia
(a) (1, 1), (4, 2), (3, 4) i (2, 4); (b) (2, 1), (6, 1), (7, 3),
równość jest prawdziwa dla każdych wektorów a, b
(5, 5) i (3, 4). i c z przestrzeni R3 ?)
12. Niech a będzie wektorem niezerowym. Pokazać, że 31. Zbadać wzajemne położenie prostych −(x + 1) = y −
jeśli b jest wektorem takim, że a × b = 0 i a · b = 0, 1 = (z − 1)/2 i x/2 = y = −z i obliczyć kąt między
to b = 0. tymi prostymi.
13. Niech a i b będą różnymi niezerowymi wektorami 32. Przez punkt P (1, 2, 3) poprowadzić prostą, która pod
z przestrzeni R3 . Rozwiązać równania: (a) x = a × x; kątem prostym przecina prostą x = 3+2t, y = −4−t,
(b) x − a = a × z; (c) a × x = b × x; (d) (a × x) × z = 1 + 5t.
(b × x) = 0. 33. Wskazać równanie prostej przecinającej proste
14. Napisać równanie prostej przechodzącej przez punkt
x−1 y+2 z−3 x+1 y−1 z+1
P (1, 1, 3) i równoległej do: (a) wektora n = (2, −3, 5); = = i = =
(b) prostej −(x − 1)/3 = (y + 1)/2 = −(z + 1); (c) osi −1 2 1 3 2 −1
Ox. i przechodzącej przez punkt (0, 0, 0).
15. Wyznaczyć punkt, w którym prosta przechodzą- 34. Wyznaczyć punkt P przecięcia się prostych o równa-
ca przez punkty A(2, 1, 3) i B(4, −1, 5) przecina się niach −x = −(y + 5)/7 = (z − 7)/4 i (x + 1)/2 =
z płaszczyzną Oxz. (y − 2)/0 = (z + 3)/6.
16. Przez punkt A(0, 1, −1) poprowadzić prostą prosto- 35. Wskazać punkt przecięcia się prostych x−1 = y−2 =
4 5
padłą do prostych (x + 3)/2 = (y − 5)/3 = −(z + 8) z−3 x−4 y−5 z−6
i 1 = 2 = 3 . Następnie napisać równanie
6
i x = 4 − t, y = 5 + t, z = 3t. płaszczyzny zawierającej obie proste.
17. Obliczyć odległość d punktu A(2, 1, 0) od prostej x + 36. Wyznaczyć równanie płaszczyzny równoległej do osi
1 = y − 1 = −(z − 3)/3. Oy, prostopadłej do płaszczyzny 2x − y + 5z = 0
18. Obliczyć odległość punktu A(3, 1, 2) od prostej i przechodzącej przez punkt A(1, 2, 3).
x−2
3
= y−32
= z−12
. 37. Znaleźć równanie płaszczyzny przechodzącej przez
19. Znaleźć rzut ortogonalny A0 punktu A(2, 1, −3) na punkt A(2, 0, 1), prostopadłej do płaszczyzny x+5z −
prostą x = 2 + 2t, y = 8 + 5t, z = 2 − t. 1 = 0 i równoległej do prostej x−1 = −1y
= z−2 .
4 2
20. Znaleźć rzut ortogonalny A0 punktu A(1, 1, 19) na 38. Podać równanie parametryczne rzutu ortogonalnego
prostą x−2 3
= y−34
= z−1
2
. Obliczyć odległość między prostej x−1 = y−1 = z−2 na płaszczyznę x + 2y +
1 0 1
punktami A i A0 . 3z − 1 = 0.
21. Dana jest prosta ` przechodząca przez punkty 39. Napisać równanie prostej przechodzącej przez punkt
A(2, 4, 9) i B(4, 6, 7). Znaleźć odległość d prostej ` (0, 0, 0) i równoległej do płaszczyzn x + y − 2z = 1
od punktu C(0, 0, 0) i wyznaczyć rzut ortogonalny C 0 i 3x − y + 7z = 2.
punktu C na prostą `. 40. Napisać równanie płaszczyzny przechodzącej przez
22. Płaszczyzny x + y + z = 0 i x − 3y + 9z − 28 = 0 punkty (1, 0, 1), (−1, 1, 1) i (5, 4, −3).
przecinają się wzdłuż prostej. Napisać równanie tej 41. Pokazać, że punkty (−5, 3, 3), (−1, −2, −2), (2, 8, 3)
prostej. i (3, 4, 0) leżą w jednej płaszczyźnie. Wyznaczyć rów-
23. Napisać równanie parametryczne prostej przecięcia nanie tej płaszczyzny.
płaszczyzn 4x − 5y − 2z + 3 = 0 i x + 4y + 3z − 8 = 0. 42. Napisać równanie płaszczyzny przechodzącej przez
24. Na prostej `, wzdłuż której przecinają się płaszczyzny punkt P (−1, 2, 4) i prostopadłej do płaszczyzn 6x −
x + y − 2z = 1 i x + 3y − z = 4, wskazać punkt B 2y + 3z− 12 = 0 i 3x + 2y − 6z + 21 = 0.
najbliższy punktowi A(1, 2, 4). 43. Napisać równanie prostej przechodzącej przez punkt
25. Znaleźć długość d rzutu ortogonalnego odcinka łączą- A(6, 1, −2) i prostopadłej do płaszczyzny 3x − 2y +
cego punkty A(5, 2, 3) i B(0, 1, −7) na prostą przecho- z − 4 = 0.
dzącą przez punkty C(1, 2, 0) i D(7, 2, −8). 44. Jakie jest położenie prostej (x, y, z) = (1+t, 2−3t, 1+
26. Proste `1 i `2 określone są przez równania x−2 3
= 2t) względem płaszczyzny 3x + 5y + 6z − 19 = 0?
y+3 y−5
−4
= z−4
12
i x−1
4
= 0
= z+3
3
. Znaleźć cosinus kąta 45. Wyznaczyć odległość punktu (1, 1, 1) od prostej,
pomiędzy prostymi `1 i `2 oraz odległość prostej `1 wzdłuż której przecinają się płaszczyzny 2x−y+z = 3
od prostej `2 . i x − 3y + 3z = 4.
27. Obliczyć odległość d pomiędzy prostymi skośnymi 46. Obliczyć odległość d punktu P (2, −1, 6) od płaszczy-
(x − 2)/3 = (y − 8)/4 = −(z + 6) i −(x − 9)/6 = zny 7x − 4y + 4z − 6 = 0.
(y − 3)/4 = z − 4. 47. Znaleźć symetryczne odbicie A0 punktu A(4, 21, 2)
28. Dana jest prosta przechodząca przez punkty względem płaszczyzny 2x + 3y − 4z − 5 = 0.
A(1, 1, 5) i B(−2, 1, 2) i druga przechodząca przez 48. Znaleźć punkt A0 symetryczny do punktu A(7, 5, −3)
punkty C(2, 2, 1) i D(1, −2, 1). Obliczyć odległość d względem płaszczyzny przechodzącej przez punkt
między tymi prostymi. B(3, 2, 2) i równoległej do wektorów m = (1, 2, 2)
29. Znaleźć punkty A i B leżące odpowiednio na pro- i n = (3, 1, 2).
stych (x, y, z) = (−1, 7, 1) + t(−2, 5, 1) i (x, y, z) = 49. Wyznaczyć odległość punktu P0 (3, −1, 2) od płasz-
(3, 1, 4) + s(3, 0, 1), odległość pomiędzy którymi jest czyzny (x, y, z) = (3, 1, −2) + t(1, −1, 1) + s(1, 1, −1).
równa odległości pomiędzy prostymi. 50. Obliczyć odległość d między płaszczyznami 2x−10y+
30. Dane są proste (x, y, z) = (1, 1, 1) + t(1, −1, 1) 11z − 15 = 0 i 2x − 10y + 11z + 15 = 0.
i (x, y, z) = (1, −1, 1) + s(−1, 1, 1). Znaleźć cosinus 51. Napisać równania płaszczyzn dwusiecznych kątów
kąta nachylenia oraz odległość pomiędzy tymi pro- dwuściennych między płaszczyznami x+2y +2z −1 =
stymi. 0 i 4x + 4y + 7z + 1 = 0.
Bibliografia 283
52. Wektorami wodzącymi punktów A, B i C są a = 59. Napisać równanie płaszczyny zawierającej prostą x−
(2, −4, −3), b = (6, 0, 4) i c = (−2 + 4t, 1 + 4t, 8 + 7t). 2 = (y + 3)/2 = (z − 4)/3 i jej ortogonalny rzut na
(a) Obliczyć pole trójkąta ABC. (b) Dlaczego pole płaszczyznę 3x − y + 2z + 1 = 0.
trójkąta ABC nie zależy od t? (c) Obliczyć pole trój- 60. Wpisując TAK albo NIE, stwierdzić prawdziwość
kąta A0 B 0 C 0 będącego rzutem prostopadłym trójkąta każdego z następujących zdań:
ABC na płaszczyznę 2x − y + 2z = 0. 1 Załóżmy, że wektory b i c są równoległe. Czy
53. Wyznaczyć zbiór tych punktów, które leżą w płasz- wektory a × b i a × c są równoległe?
czyźnie x − 2y + 3z = 0 i są równooddalone od punk-
tów A(1, −3, 4) i B(−1, 1, 0). 2 Niech wektory b i c będą ortogonalne. Czy w
takim przypadku wektory a × b i a × c także będą
54. Napisać równanie płaszczyzny przechodzącej przez
ortogonalne?
punkty A(1, 2, 3) i B(3, −1, 4) i prostopadłej do płasz-
czyzny x − 3y + 2z + 4 = 0. 3 Iloczyn mieszany wektorów jest wektorem.
55. Obliczyć kąt nachylenia płaszczyzn: (a) x−y−2z = 4 4 Dla każdych a, b ∈ R3 jest (a + b) × (a −
i 2x + y − z = 5; (b) 2x − 10y + 11z − 1 = 0 i 4x + b) = 2(b × a).
4y − 7z + 2 = 0.
5 Dla każdych a, b ∈ R3 jest ||a · (a × b)||
56. Napisać równanie prostej przechodzącej przez punkt
= ||a|| ||b|| sin ](a, b).
2
A(0, 1, 6), równoległej do płaszczyzny 2x−y+3z+4 =
x−1 y+2
0 i przecinającej prostą 2 = 3 = 4 . z 6 Dla a, b ∈ R3 jest ||a×b||2 +|a·b|2 = ||a||2 ||b||2 .
57. Wyznaczyć płaszczyznę przechodzącą przez punkt 7 Dla każdego a ∈ R3 jest ||a × a|| = ||a||2 .
(2, −1, −3) i przez prostą przecięcia płaszczyzn 3x +
2y − 4z = 7 i 6x − 3y + 2z = 4. 8 Jeśli kąt między wektorami a i b z przestrzeni
58. Napisać równanie parametryczne prostej będącej rzu- R3 jest równy π/4, to ||a × b|| = |a · b|.
tem ortogonalnym prostej x−1 2
= y+2
3
= z4 na płasz- 9 Dla każdych a, b, c ∈ R3 jest a × (b × c) =
czyznę 2x − y + 3z + 4 = 0. (a × b) × c.
BIBLIOGRAFIA
[1] Banaszak G., Gajda W.: Elementy algebry liniowej, cz. I i II. Warszawa: Wydawnictwa Naukowo-Techniczne
2002.
[2] Białynicki-Birula A.: Algebra liniowa z geometrią. Warszawa: Państwowe Wydawnictwo Naukowe 1979.
[3] Fichtenholz G. M.: Rachunek różniczkowy i całkowy, tom 2. Warszawa: Państwowe Wydawnictwo Naukowe
1966.
[4] Friedberg S. H., Insel A. J., Spence L. E.: Linear Algebra. New Jersey: Prentice Hall 1999.
[5] Gleichgewicht B.: Algebra. Wrocław: Oficyna Wydawnicza GiS 2002.
[6] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Definicje, twierdzenia, wzory. Wrocław: Oficyna Wydawnicza GiS
2003.
[7] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Definicje, twierdzenia, wzory. Wrocław: Oficyna Wydawnicza GiS
2003.
[8] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Przykłady i zadania. Wrocław: Oficyna Wydawnicza GiS 2003.
[9] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Przykłady i zadania. Wrocław: Oficyna Wydawnicza GiS 2003.
[10] Kaczorek T.: Wektory i macierze w automatyce i elektrotechnice. Warszawa: Wydawnictwa Naukowo-Techni-
czne 1998.
[11] Klukowski J., Nabiałek I.: Algebra dla studentów. Warszawa: Wydawnictwa Naukowo-Techniczne 1999.
[12] Kostrykin A.: Wstęp do algebry. Warszawa: Państwowe Wydawnictwo Naukowe 1984.
[13] Mostowski A., Stark M.: Elementy algebry wyższej. Warszawa: Państwowe Wydawnictwo Naukowe 1965.
[14] Rudin W.: Podstawy analizy matematycznej. Warszawa: Państwowe Wydawnictwo Naukowe 1969.
[15] Sołtysiak A.: Algebra liniowa. Poznań: Wydawnictwo Naukowe UAM 1996.
Skorowidz
algorytm forma kwadratowa
Gaussa-Jordana, 90 dodatnio (pół)określona, 259, 261,
Grama-Schmidta, 198 262
Hornera, 45 nieokreślona, 259, 261, 262
argument liczby zespolonej, 25–27 postać kanoniczna, 252–259
postać macierzowa, 250
baza ujemnie (pół)określona, 259, 261,
ortogonalna, 196, 199, 202 262
ortonormalna, 196, 197, 199, 201, funkcja
202, 211 odwracalna, 180
standardowa, 196 odwrotna, 180
baza przestrzeni wektorowej, 135–137, wielomianowa, 42
139, 140, 150, 196, 202, 221, wymierna, 54–63
223, 226, 237
Bessela nierówność, 215 generator grupy, 14
bijekcja, 10 generator przestrzeni, 127, 129, 134
granica ciągu macierzy, 234, 235
Cauchy’ego-Minkowskiego nierówność, grupa, 10–14, 18
194 grupa
centrum grupy, 17 cykliczna, 14, 18
ciąg Fibonacciego, 244 macierzy, 68
ciąg rekurencyjny, 242 podgrupa, 13, 18
ciało, 16, 18 podgrupa cykliczna, 14
ciało podgrupa trywialna, 13
ciało Zn , 17 przemienna, 10, 121
liczb rzeczywistych, 17 reszt modulo n, 12
liczb wymiernych, 17 symetryczna, 10
liczb zespolonych, 19
skalarów, 120 Hornera schemat, 44
cosinus kąta pomiędzy prostymi, 272
iloczyn
długość wektora, 193, 211 macierzy, 68–79
dodawanie modulo n, 12 mieszany wektorów, 267
dopasowanie prostej, 208–210 przekształcenia liniowego przez ska-
dopełnienie algebraiczne, 108 lar, 171
działanie skalarny wektorów, 191, 211
łączne, 7 wektora przez skalar, 120
dwuargumentowe, 7 wektorowy wektorów, 265–267
modulo n, 11 wielomianów, 39
przemienne, 7 iloczyn macierzy przez skalar, 67
zewnętrzne, 120 izomorfizm ciał, 38
dzielenie wielomianów z resztą, 42 izomorfizm przestrzeni wektorowych, 143,
dzielnik zera, 15, 18 144, 179
element jądro przekształcenia liniowego, 165, 181

neutralny, 8 jednokładność, 179
odwracalny, 8, 13 jednostka urojona, 21
odwrotny, przeciwny, 8
endomorfizm, 159 kąt
epimorfizm, 169, 170 nachylenia dwóch prostych, 272
pomiędzy płaszczyznami, 278
forma kwadratowa, 250–264 pomiędzy prostą i płaszczyzną, 277
Skorowidz 285
pomiędzy wektorami, 195, 211 trójkątna, 78, 105

kolumna macierzy, 64 transponowana, 73, 106, 210
kombinacja Fouriera, 196–198, 201, 202 ujemnie (pół)określona, 259, 261,
kombinacja liniowa wektorów, 125, 132–133, 262
136 wierszowo równoważna, 85, 86, 94,
krawędź przecięcia się płaszczyzn, 279 149
krotność wartości własnej złożenia przekształceń liniowych,
algebraiczna, 225, 226 178
geometryczna, 225, 226 zerowa, 65
zredukowana formy kwadratowej,
Lagrange’a metoda, 255 257
liczba zespolona, 19–38 metoda
liczba zespolona Gaussa i Gaussa-Jordana rozwią-
część rzeczywista, 19 zywania układu równań linio-
część urojona, 19 wych, 90
postać kanoniczna, 22 Grama-Schmidta, 198, 199
postać trygonometryczna, 26 Lagrange’a, 255
postać wykładnicza, 35 najmniejszych kwadratów, 208
zakrywania, 59
macierz, 64–79 minor główny, 218, 262
macierz mnożenie macierzy, 68
diagonalizowalna, 221–224 mnożenie modulo n, 12
diagonalna, 66, 105, 222, 223, 232, moduł liczby zespolonej, 23
233 monomorfizm, 169–171
dołączona, 112
dodatnio (pół)określona, 259, 261, najlepsze rozwiązanie układu równań,
262 207, 208
elementarna, 83–86, 94, 111 nierówność
formy kwadratowej, 251 Bessela, 215
główna układu, 80 Cauchy’ego-Minkowskiego, 194
Heisenberga, 79 Schwarza, 194, 215
idempotentna, 78, 206 trójkąta, 194
inwolującą, 78 norma wektora, 193
jednostkowa, 66, 105 normalny układ równań, 208
kwadratowa, 65
Markowa, 79 objętość czworościanu, 269
nieokreślona, 259, 261, 262 objętość równoległościanu, 268
nieosobliwa, 112, 113, 129, 134 obrót płaszczyzny, 174, 179
nilpotentna, 78, 248 obraz podprzestrzeni, 165
obrotu płaszczyzny, 174 obraz przekształcenia liniowego, 165
odwracalna, 74, 84, 94, 113, 134, odcinek, 271
151, 182, 210 odległość
odwrotna, 75, 95–97, 112, 113, 182, pomiędzy prostymi, 281
242 pomiędzy wektorami, 193
okresowa, 78 punktu od płaszczyzny, 280
operatora liniowego, 220 punktu od prostej, 274
ortogonalna, 210–212, 229, 232 odwracalność
ortogonalnie diagonalizowalna, 229, operatora liniowego, 181
231 przekształcenia liniowego, 181
podobieństwa, 223, 232 odwzorowanie tożsamościowe, 10
przejścia, 145–149, 177, 178 okres macierzy, 78
przekształcenia liniowego, 173, 177, operacje elementarne
182 na równaniach układu, 81
rozszerzona układu, 80 na wierszach macierzy, 82, 150
rzutu ortogonalnego, 204–206 operator
schodkowa, 86 liniowy odwracalny, 182
schodkowa normalna, 86 operator liniowy, 159, 220, 223
skośnie symetryczna, 73 operator liniowy
symetryczna, 73, 206, 228, 229, 231, diagonalizowalny, 221, 222, 224, 226
232 odwracalny, 182
286 Skorowidz
ortogonalizacja bazy, 198–199 wektorowa ciągów n-elementowych,

ortogonalne dopełnienie 121
(pod)przestrzeni, 200, 201 wektorowa funkcji, 121
zbioru wektorów, 200 wektorowa macierzy, 121
ortogonalność wektorów, 195 wektorowa wielomianów, 123
wierszowa macierzy, 200
płaszczyzna, 269 zerowa macierzy, 124, 200
płaszczyzna zerowa przekształcenia, 165
k-wymiarowa, 269 przestrzeń wektorowa, 120
zespolona Gaussa, 22
Parsevala równość, 215 różnica macierzy, 67
pierścień, 14 równanie
pierścień charakterystyczne macierzy, 218
przemienny, 15 macierzowe, 92
wielomianów, 41 płaszczyzny
z jedynką, 15 ogólne, 277
pierwiastek parametryczne, 275
n-tego stopnia z jedności, 30 wektorowe, 274
n-tego stopnia z liczby zespolonej, wyznacznikowe, 276
29–33 prostej
wielokrotny wielomianu, 46 kierunkowe, 270
wielomianu, 46–52 parametryczne, 270
podobieństwo macierzy, 77, 183, 184, wektorowe, 270
186, 223 równość macierzy, 66
podprzestrzeń równość Parsevala, 215
cykliczna, 236, 237 równość wielomianów, 39, 48
generowana, 127 równoległość prostych, 272
niezmiennicza, 236 równoważne układy równań, 81, 86
przestrzeni wektorowej, 123, 152 równoważność macierzy, 183, 186
właściwa, 123 rozdzielność działania, 9
zerowa, 123 rozkład spektralny macierzy, 232
podstawienie ortogonalne, 253 rozwiązanie układu równań
podzielność wielomianu, 42 Cramera, 116
pole równoległoboku, 266 jedyne, 115
pole trójkąta, 267 liniowych, 81, 89, 97–99, 128
potęga elementu, 11 najlepsze, 207
potęga macierzy, 76, 233, 240 niezerowe, 115
prosta, 269 zerowe, 133, 134
proste skośne, 272 rząd
prostopadłość prostych, 272 formy kwadratowej, 251
prostopadłość wektorów, 195 kolumnowy macierzy, 149, 150
przeciwobraz podprzestrzeni, 165 macierzy, 149–151
przekształcenie przekształcenia liniowego, 167
liniowe, 159 wierszowy macierzy, 149, 150
liniowe odwrotne, 181 rząd elementu, 18
na, 169, 180 rzut ortogonalny, 201–204, 207
ortogonalne, 212
różnowartościowe, 169, 180 schemat Hornera, 44, 45
tożsamościowe, 162, 177 Schwarza nierówność, 194, 215
zerowe, 162 sinus kąta pomiędzy
przestrzeń prostymi, 272
n-wymiarowa, 139 wektorami, 266
(nie)skończenie wymiarowa, 139 skracanie w grupie, 11
Euklidesa, 191 sprzężenie liczby zespolonej, 23
kolumnowa macierzy, 128, 200 standardowy iloczyn skalarny, 192
macierzy, 179 stopień wielomianu, 39
przekształceń liniowych, 171, 179 suma
skończenie generowana, 127 macierzy, 66
własna macierzy, 225, 228, 231 podprzestrzeni, 152
własna operatora, 225 prosta podprzestrzeni, 153, 154, 201
Skorowidz 287
przekształceń liniowych, 171 wielomiany

wektorów, 120 względnie pierwsze, 53
wielomianów, 39 wiersz macierzy, 64
symetria względem prostej, 179 wiodąca
jedynka macierzy, 86
ślad macierzy, 76 kolumna macierzy, 88, 150
współczynniki Fouriera, 196
twierdzenie współrzędne wektora, 142
Bézout, 46 wymiar przestrzeni wektorowej, 139, 141
Cauchy’ego, 111 wyznacznik
Cayleya-Hamiltona, 239, 241 definicja, 102
Kroneckera-Capellego, 151 dopełnienie algebraiczne, 108
Laplace’a, 104 Grama, 203
o dzieleniu wielomianów, 42 iloczynu macierzy, 111
o najlepszej aproksymacji, 207 macierzy ortogonalnej, 210
o reszcie, 44 macierzy podobnych, 114
Pitagorasa, 196 rozwinięcie Laplace’a, 103, 104
spektralne, 231 schemat Sarrusa, 103
Steinitza, 139 twierdzenie Cauchy’ego, 111
Sylvestera, 167, 262 Vandermonde’a, 117
wymiarowe, 167 własności, 103–114
wzór de Moivre’a, 27
ułamek prosty, 55 wzory
układ równań liniowych, 80 Cramera, 116
układ równań liniowych Eulera, 34
(nie)sprzeczny, 81 Viète’a, 63
Cramera, 116
postać macierzowa, 81 złożenie
postać wektorowa, 81 przekształceń liniowych, 172
układ wektorów, 131 zależność rekurencyjna, 242
układ wektorów zasadnicze twierdzenie algebry, 48
ortogonalnych, 196, 197 zasadnicze twierdzenie algebry liniowej,
ortonormalnych, 196, 198 167
zbiór wektorów, 120
wartość własna zbiór zamknięty
macierzy, 216, 217, 220, 223, 228, ze względu na dodawanie, 122
231 ze względu na mnożenie przez ska-
operatora, 216, 220, 222, 223, 226 lary, 122
wektor zerowość przekształcenia liniowego, 167
błędu, 206
kierunkowy prostej, 270
normalny płaszczyzny, 275
własny
macierzy, 216, 217, 220, 223, 228
operatora, 216, 220, 222, 223
współrzędnych, 142
wektory
liniowo (nie)zależne, 131–135, 144,
197
ortogonalne, 228
ortogonalne (prostopadłe), 195
widmo macierzy, 219
wielkość błędu aproksymacji, 206
wielomian, 39–63
wielomian
charakterystyczny
macierzy, 217, 242
operatora, 218, 224, 226, 236,
237
definicja, 39
nierozkładalny, 42
Bibliografia
[1] Banaszak G., Gajda W.: Elementy algebry liniowej, cz. I i II. Warszawa: Wydaw-
nictwa Naukowo-Techniczne 2002.
[2] Białynicki-Birula A.: Algebra liniowa z geometrią. Warszawa: Państwowe Wydaw-
nictwo Naukowe 1979.
[3] Fichtenholz G. M.: Rachunek różniczkowy i całkowy, tom 2. Warszawa: Państwowe
Wydawnictwo Naukowe 1966.
[4] Friedberg S. H., Insel A. J., Spence L. E.: Linear Algebra. New Jersey: Prentice
Hall 1999.
[5] Gleichgewicht B.: Algebra. Wrocław: Oficyna Wydawnicza GiS 2002.
[6] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Definicje, twierdzenia, wzory. Wro-
cław: Oficyna Wydawnicza GiS 2003.
[7] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Definicje, twierdzenia, wzory. Wro-
cław: Oficyna Wydawnicza GiS 2003.
[8] Jurlewicz T., Skoczylas Z.: Algebra liniowa 1. Przykłady i zadania. Wrocław:
Oficyna Wydawnicza GiS 2003.
[9] Jurlewicz T., Skoczylas Z.: Algebra liniowa 2. Przykłady i zadania. Wrocław:
Oficyna Wydawnicza GiS 2003.
[10] Kaczorek T.: Wektory i macierze w automatyce i elektrotechnice. Warszawa: Wy-
dawnictwa Naukowo-Techniczne 1998.
[11] Klukowski J., Nabiałek I.: Algebra dla studentów. Warszawa: Wydawnictwa Na-
ukowo-Techniczne 1999.
[12] Kostrykin A.: Wstęp do algebry. Warszawa: Państwowe Wydawnictwo Naukowe
1984.
[13] Mostowski A., Stark M.: Elementy algebry wyższej. Warszawa: Państwowe Wy-
dawnictwo Naukowe 1965.
[14] Rudin W.: Podstawy analizy matematycznej. Warszawa: Państwowe Wydawnic-
two Naukowe 1969.
[15] Sołtysiak A.: Algebra liniowa. Poznań: Wydawnictwo Naukowe UAM 1996.

Algebra Liniowa Prof. Jerzy Topp

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Liniowa Prof. Jerzy Topp

Uploaded by

Copyright:

Available Formats

Algebra liniowa

Politechnika Gdańska 2005

Gdynia, lipiec 2005 Jerzy Topp

1.1. Działania i ich własności

Przykład 1. Działaniem w zbiorze liczb rzeczywistych R jest funkcja ? : R ×

Definicja 1.1.2. Mówimy, że działanie ∗ w zbiorze X jest przemienne, gdy

Przykład 2. Zwykłe dodawanie liczb rzeczywistych jest działaniem przemien-

Definicja 1.1.3. Niech ∗ będzie działaniem w zbiorze X. Element e należący do

Przykład 3. Liczba 1 jest elementem neutralnym zwykłego mnożenia liczb

Liczba −3 jest elementem neutralnym działania ◦, bo dla każdego x ∈ R mamy

x ◦ (−3) = x + (−3) + 3 = x i (−3) ◦ x = (−3) + x + 3 = x.

Twierdzenie 1.1.1. Dla dowolnego działania ∗ w zbiorze X istnieje co najwyżej

Odwracalność elementu x ∗ y = y ∗ x = e. (1.3)

Element odwrotny Element y o powyższych własnościach nazywamy elementem odwrotnym (albo

i to dowodzi, że x ma co najwyżej jeden element odwrotny.

Przykład 4. Elementem odwrotnym do elementu x ∈ R − {0} względem zwy-

Łatwo zauważyć, że liczba x0 jest elementem neutralnym działania ◦ (zob. (1.2)

i elementem odwrotnym do x jest −x + 2x0 , bo x ◦ (−x + 2x0 ) = x + (−x +

Definicja 1.1.5. Niech ∗ i ◦ będą działaniami w zbiorze X. Mówimy, że dzia-

Przykład 5. W zbiorze R dane są działania ∗ i ◦ takie, że

Definicja 1.1.6. Niech ∗ będzie działaniem dwuargumentowym w zbiorze X

Przykład 6. Niech ∗ będzie działaniem dwuargumentowym na zbiorze R, gdzie

1.2. Grupa i jej podgrupy

Przykład 7. Zbiór liczb rzeczywistych R ze zwykłym dodawaniem + tworzy

Przykład 8. Niech X będzie niepustym zbiorem i niech F = F(X) będzie

Twierdzenie 1.2.1 (o skracaniu w grupie). W grupie (G, ◦) dla dowolnych

(a ◦ b)−1 = b−1 ◦ a−1 .

(a ◦ b) ◦ (b−1 ◦ a−1 ) = a ◦ (b ◦ b−1 ) ◦ a−1 = a ◦ e ◦ a−1 = e

x0 = e i xn+1 = xn ◦ x oraz x−n = (xn )−1

dla każdego naturalnego n.

Analogicznie definiujemy całkowitą krotność elementu x grupy G z działa-

0x = 0 i (n + 1)x = nx ⊕ x oraz (−n)x = −(nx)

dla każdego naturalnego n.

Dodawanie i mnożenie modulo n

x = nlx + rx , y = nly + ry i 0 ¬ rx , ry < n.

i to dowodzi, że dla każdych x, y ∈ Z mamy

Wyniki działań ⊕4 i ⊗4 w zbiorze Z4 przedstawiają odpowiednio następujące

(Zn , ⊕n ) – grupa reszt Twierdzenie 1.2.4. (Zn , ⊕n ) jest grupą przemienną.

i stąd wynika, że działanie ⊕n jest łączne, bo mamy

Definicja 1.2.3. Mówimy, że liczby całkowite a i b są względnie pierwsze, gdy

dla pewnych liczb całkowitych x i y.

i to dowodzi, że liczby x i n są względnie pierwsze.

x ⊗n [a]n = [x · (a − nk)]n = [1 − nb − nkx]n = 1.

To dowodzi, że [a]n jest odwrotnością elementu x.

Wniosek 1.2.1. Każdy niezerowy element x zbioru Zn jest odwracalny (ze

Jeśli e jest elementem neutralnym grupy G, to zbiór H = {e} jest podgrupą

Załóżmy teraz, że H jest niepustym podzbiorem zbioru G i a ∗ b−1 ∈ H dla każdych

Przykład 9. Wobec wniosku 1.2.2 zbiór Z7 − {0} = {1, 2, . . . , 6} jest grupą ze

Przykład 11. Jeśli a jest ustalonym elementem grupy G, to wobec twierdzeń

O pierścieniu P mówimy, że jest pierścieniem przemiennym, gdy

(P4 ) x◦y =y◦x

Twierdzenie 1.3.1. Jeśli x i y są elementami pierścienia P , to:

Przykład 12. Każdy ze zbiorów Z, 2Z, Q i R jest pierścieniem przemiennym

Z twierdzenia 1.1.1 wynika, że każdy pierścień ma co najwyżej jedną jedynkę.

Przykład 13. Żaden z pierścieni Z, 2Z, Q i R z przykładu 12 nie ma dzielników

Stąd i z przemienności mnożenia ⊗n wynika także prawostronna rozdzielność

Definicja 1.3.4. Niech P będzie pierścieniem z jedynką. Element x ∈ P nazywa-

Z twierdzenia 1.1.2 wynika, że dla każdego elementu x pierścienia istnieje co

Definicja 1.4.1. Niech K będzie pierścieniem przemiennym z jedynką. Mówimy,

Przykład 15. Działania zwykłego dodawania i zwykłego mnożenia liczb rzeczy-

Przykład 16. Z faktu, że (Zn , ⊕n , ⊗n ) jest pierścieniem przemiennym z jedynką

Inne ważne przykłady grup, pierścieni i ciał przedstawiamy w kolejnych roz-

(a) Czy działanie ◦ jest przemienne? (b) Czy para F = {aha−1 : h ∈ H}

2.1. Liczby zespolone i działania na liczbach zespolonych