Skrypt Z Algebry Liniowej

Uniwersytet Wrocawski
Wydzia Matematyki i Informatyki

Instytut Matematyczny
specjalno: matematyka nauczycielska
Barbara Szczepaska
Skrypt z Algebry Liniowej 2
Praca magisterska
napisana pod kierunkiem
dr. hab. prof. Jacka witkowskiego
Wrocaw 2007
Podzikowania
Dzikuj Panu Profesorowi Jackowi witkowskiemu, mojemu promotorowi, za powicony mi czas, oraz liczne rady i wskazwki, ktre
pomogy mi w napisaniu tej pracy.
Wstp
Skrypt ten powsta na podstawie notatek do wykadu Algbra liniowa 2prowadzonego przez prof. dr. hab. Jacka witkowskiego. Przeznaczony jest dla studentw
pierwszego roku matematyki, w szczeglnoci dla suchaczy kursu z algebry liniowej
2 w atwiejszym nurcie A.
Zaoeniem skryptu bya pomoc suchaczom w lepszym zrozumieniu treci omawianych w trakcie wykadu, dlatego zosta on napisany prostym jzykiem i wzbogacony o liczne rysunki i przykady.
Treci omawiane w trakcie wykadu, a tym samym zawarte w niniejszej pracy,
obejmuj zakres klasycznej algebry liniowej poczonej z geometri analityczn, dla
przestrzeni R3 , Rn oraz dowolnych przestrzeni wektorowych. Skrypt ten w wielu
miejscach bdzie zawiera odwoania do analogicznych poj omawianych w trakcie
wykadu Algebra liniowa 1i zawartych w pierwszej czci skryptu napisanej przez
Patrycj Piechaczek, dlatego wskazane jest, aby czytelnik chccy zapozna si z
niniejsz prac opanowa najpierw materia omawiany w pierwszej czci.
Pierwsze cztery rozdziay powicone zostay na omwienie podstawowych poj uywanych przy badaniu przestrzeni R3 , przy czym szczeglny nacisk pooono
na geometryczn interpretacj tych poj, a dopiero w oparciu o nie wprowadza
si teori z algebry liniowej. Nastpnie (rozdziay 5 - 11) omwiono przeksztacenia
przestrzeni R3 , szczeglny nacisk pooono na poznanie teorii dotyczcych przeksztace liniowych, poczynajc od geometrycznych przykadw takich przeksztace,
poprzez omwienie najwaniejszych wasnoci, a koczc na wprowadzeniu pewnych
klas przeksztace liniowych. W odniesieniu do nich wprowadza si rwnie pojcie wartoci i wektorw wasnych oraz macierzy przeksztacenia. Kolejne rozdziay
(12-13) dotycz pewnych rodzajw macierzy rozmiaru 3 3, wraz z odniesieniem
do przeksztace zadanych tymi macierzami. W dalszej czci (rozdzia 14) wprowadzono nowe ukady wsprzdnych, zarwno na paszczynie jak i w przestrzeni,
ktre bd wykorzystywane do badania powierzchni stopnia drugiego, omawianych w
rozdziale 15. W skrypcie do duo uwagi powica si rnym metodom rozwizywania ukadw rwna liniowych z wieloma niewiadomymi (rozdziay 16,18,21).
Dalsza cz zawiera teori dotyczc przestrzeni wyszych wymiarw, przy czym
zrezygnowano tu z odwoywania si do intuicji geometrycznych. Pozostawiono jedynie analogie do przestrzeni R2 i R3 . Nastpnie (rozdzia 18) wprowadzono teori
dotyczc macierzy dowolnego rozmiaru. Omwiono tam dziaania na macierzach,
jak rwnie ich zastosowanie. Na koniec (rozdzia 24) podano przykady poj wystpujcych w przestrzeniach Rn oraz w dowolnych przestrzeniach wektorowych, ktre
moemy rozpatrywa jako uoglnenia poj pojawiajcych si w R3 i Rn .
Mam nadziej, e skrypt ten przyczyni si do lepszego zrozumienia treci oma3
4
wianych w ramach wykadu. ycz Czytelnikowi czerpania jak najwikszej przyjemnoci z odkrywania algebry liniowej.
Barbara Szczepaska
Spis treci
1 Punkty i wektory w R3
1.1 Wsprzdne punktw w R3 . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Odlego punktw w R3 . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Wektory w R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Dziaania na wektorach. . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Rozkad wektora wzgldem ustalonych trzech wektorw. . . . . . . .
1.6 Przedstawienie wektora w postaci kombinacji liniowej trzech wektorw.
1.7 Rwnanie parametryczne prostej w przestrzeni. . . . . . . . . . . . .
1.8 Rwnanie parametryczne paszczyzny w przestrzeni. . . . . . . . . . .
1.9 Liniowa zaleno i niezaleno wektorw w przestrzeni. . . . . . . .
9
9
11
12
13
16
17
18
19
19
2 Iloczyn skalarny w R3
2.1 Definicja i podstawowe wasnoci iloczynu skalarnego. . . . . . . . .
2.2 Kt midzy wektorami. . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Rzut prostoktny wektora X na prost wzdu wektora Y . . . . . .
2.4 Rwnanie oglne paszczyzny przechodzcej przez pocztek ukadu
wsprzdnych. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Rwnanie oglne paszczyzny. . . . . . . . . . . . . . . . . . . . . .
2.6 Kt pomidzy paszczyznami w R3 zadanymi rwnaniami oglnymi.
2.7 Kt pomidzy paszczyzn i prost w R3 . . . . . . . . . . . . . . . .
2.8 Pole rwnolegoboku zbudowanego na wektorach U, W w R3 . . . . .
27
27
29
31
32
23
. 23
. 25
. 26
.
.
.
.
.
3 Iloczyn wektorowy
34
3.1 Definicja iloczynu wektorowego. . . . . . . . . . . . . . . . . . . . . . 34
3.2 Wasnoci iloczynu wektorowego. . . . . . . . . . . . . . . . . . . . . 36
3.3 Geometryczna interpretacja iloczynu wektorowego. . . . . . . . . . . 37
4 Wyznacznik macierzy 3 3
4.1 Podstawowe definicje. . . . . . . . . . . . . .
4.2 Wasnoci wyznacznika. . . . . . . . . . . .
4.3 Zastosowania wyznacznika 3 3. . . . . . .
4.4 Zastosowanie wyznacznika do rozwizywania
wych z 3 niewiadomymi. . . . . . . . . . . .
41
. . . . . . . . . . . . . . 41
. . . . . . . . . . . . . . 42
. . . . . . . . . . . . . . 47
ukadu 3 rwna linio. . . . . . . . . . . . . . 50
5 Przeksztacenia liniowe przestrzeni

53
5.1 Podstawowe definicje. . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Rzut prostopady na prost wzdu wektora U. . . . . . . . . . . . . . 55
5
Spis treci
5.3
5.4
5.5
5.6
5.7
5.8
Symetria wzgldem paszczyzny. . . . . . . . . . . . . . . . . . . . .

Jednokadno Jk o skali k wzgldem (0, 0, 0). . . . . . . . . . . . .
Rzuty i symetrie zwizane z osiami i paszczyznami wsprzdnych.
Obroty wok osi. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Przeksztacenie tosamociowe. . . . . . . . . . . . . . . . . . . . .
Przeksztacenie zerowe. . . . . . . . . . . . . . . . . . . . . . . . . .
6 Wasnoci przeksztace liniowych i ich macierzy

6.1 Charakteryzacja przeksztace liniowych. . . . . . .
6.2 Dziaanie macierzy na wektor. . . . . . . . . . . . .
6.3 Skadanie przeksztace liniowych. . . . . . . . . .
6.4 Mnoenie macierzy. . . . . . . . . . . . . . . . . . .
7 Przeksztacenia odwrotne
7.1 Podstawowe definicje. . . . . . . . . . . . .
7.2 Wyznaczanie przeksztacenia odwrotnego.
7.3 Odwracalno przeksztace liniowych. . .
7.4 Macierz przeksztacenia odwrotnego. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
59
60
62
63
63
.
.
.
.
64
64
66
67
69
.
.
.
.
71
71
72
73
76
8 Przeksztacenia liniowe a objto i orientacja

80
8.1 Orientacja w przestrzeni. . . . . . . . . . . . . . . . . . . . . . . . . . 80
8.2 Rwnolegocian i jego obraz przez przeksztacenie. . . . . . . . . . . 81
9 Przeksztacenia afiniczne
84
9.2 Wasnoci przeksztace afinicznych. . . . . . . . . . . . . . . . . . . 86
10 Wartoci i wektory wasne
10.1 Wartoci i wektory wasne. . . . . . . . . . . . . . . .
10.2 Szukanie wartoci wasnych przeksztacenia liniowego.
10.3 Rwnanie charakterystyczne. . . . . . . . . . . . . . .
10.4 Liczba rozwiza rwnania charakterystycznego. . . .
10.5 Przestrzenie wasne dla wartoci wasnych. . . . . . .
11 Izometrie liniowe i przeksztacenia
11.1 Podstawowe definicje. . . . . . . .
11.2 Przeksztacenia ortogonalne. . . .
11.3 Opis izometrii liniowych w R3 . . .
ortogonalne
. . . . . . . .
. . . . . . . .
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
88
88
89
90
91
92
w R3
94
. . . . . . . . . . . . 94
. . . . . . . . . . . . 95
. . . . . . . . . . . . 97
12 Macierz ortogonalna i macierz transponowana

101
12.1 Macierz ortogonalna. . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
12.2 Macierz transponowana. . . . . . . . . . . . . . . . . . . . . . . . . . 102
12.3 Wasnoci operacji transponowania macierzy. . . . . . . . . . . . . . . 104
13 Macierz symetryczna
106
13.2 Wartoci i wektory wasne przeksztace zadanych macierzami symetrycznymi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Spis treci
13.3 Diagonalizacja macierzy. . . . . . . . . . . . . . . . . . . . . . . . . . 109

14 Nowe ukady wsprzdnych
14.1 Ukad ukonoktny na paszczynie. . . . . . . . . . . . . .
14.2 Ukad ukonoktny w przestrzeni. . . . . . . . . . . . . . .
14.3 Macierz przejcia do nowego ukadu wsprzdnych. . . . .
14.4 Wsprzdne wektorw w nowych ukadach. . . . . . . . .
14.5 Macierze przeksztace w nowych ukadach wsprzdnych.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
111
. 111
. 112
. 113
. 114
. 116
15 Formy kwadratowe i powierzchnie stopnia drugiego

15.1 Podstawowe definicje. . . . . . . . . . . . . . . . . . . .
15.2 Formy kwadratowe w nowych ukadach wsprzdnych.
15.3 Kwadryki form kwadratowych. . . . . . . . . . . . . . .
15.4 Kwadryki w nowych ukadach wsprzdnych. . . . . .
15.5 Inne powierzchnie stopnia drugiego. . . . . . . . . . . .
15.6 Rozpoznawanie krzywych stopnia dwa. . . . . . . . . .
15.7 Formy kwadratowe oraz macierze dodatnio okrelone. .
15.8 Wasnoci form i macierzy dodatnio okrelonych. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
121
123
129
132
135
138
139
16 Ukady rwna liniowych z wieloma niewiadomymi

16.1 Metoda eliminacji Gaussa. . . . . . . . . . . . . . . . . . . . .
16.2 Metoda modyfikacji macierzy reprezentujcych ukad rwna.
16.3 Wieloparametrowe rodziny rozwiza. . . . . . . . . . . . . . .
16.4 Ukad sprzeczny. . . . . . . . . . . . . . . . . . . . . . . . . .
16.5 Ukad zaleny. . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.6 Operacje przeksztacajce dany ukad na rwnowany. . . . .
16.7 Zastosowanie metody eliminacji w geometrii. . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
143
. 143
. 144
. 146
. 148
. 148
. 150
. 150
17 Przestrzenie Rn
17.1 Podstawowe definicje. . . . . . . . . . . . . . . . . . . .
17.2 Dziaania na wektorach. . . . . . . . . . . . . . . . . .
17.3 Liniowa niezaleno wektorw. . . . . . . . . . . . . .
17.4 Definicja i podstawowe wasnoci iloczynu skalarnego w
17.5 Rozkad wektora na skadowe. . . . . . . . . . . . . . .
17.6 Kt midzy wektorami. . . . . . . . . . . . . . . . . . .
17.7 Nierwno trjkta. . . . . . . . . . . . . . . . . . . .
. . .
. . .
. . .
Rn .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
153
153
154
156
160
162
163
165
18 Macierze
18.1 Podstawowe definicje i oznaczenia. . . . . . . . . . . . .
18.2 Macierze kwadratowe. . . . . . . . . . . . . . . . . . .
18.3 Wyznacznik macierzy kwadratowej. . . . . . . . . . . .
18.4 Wyznacznik macierzy grnotrjktnej i dolnotrjktnej.
18.5 Wasnoci wyznacznika. . . . . . . . . . . . . . . . . .
18.6 Praktyczne sposoby obliczania wyznacznika. . . . . . .
18.7 Cramerowski ukad rwna liniowych. . . . . . . . . .
18.8 Wyznacznik a liniowa niezaleno. . . . . . . . . . . .
18.9 Dziaania na macierzach. . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
167
167
168
169
173
174
176
178
179
180
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Spis treci
18.10Macierz odwrotna. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181

19 Abstrakcyjne przestrzenie wektorowe
19.1 Okrelenie przestrzeni wektorowych. . . . . . . . . .
19.2 Podprzestrzenie wektorowe. . . . . . . . . . . . . .
19.3 Podprzestrzenie generowane przez ukad wektorw.
19.4 Abstrakcyjna liniowa niezaleno. . . . . . . . . . .
20 Baza i wymiar przestrzeni wektorowej
20.1 Baza przestrzeni wektorowej. . . . . . . . .
20.2 Wsprzdne wektorw w ustalonej bazie.
20.3 Znajdowanie bazy przestrzeni wektorowej.
20.4 Wymiar przestrzeni wektorowej. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21 Teoria minorw
21.1 Wyznacznik a liniowa niezaleno. . . . . . . . . . . . . .
21.2 Wymiar podprzestrzeni generowanej przez ukad wektorw.
21.3 Rzd macierzy - minory. . . . . . . . . . . . . . . . . . . .
21.4 Rozwizywanie ukadu rwna metod minorw. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
184
. 184
. 187
. 188
. 189
.
.
.
.
193
. 193
. 194
. 195
. 198
.
.
.
.
200
. 200
. 202
. 202
. 204
22 Przeksztacenia liniowe dowolnych przestrzeni wektorowych

211
22.1 Definicje i oznaczenia. . . . . . . . . . . . . . . . . . . . . . . . . . . 211
22.2 Wasnoci przeksztace liniowych. . . . . . . . . . . . . . . . . . . . 214
23 Iloczyn skalarny i przestrzenie euklidesowe
23.1 Podstawowe definicje. . . . . . . . . . . . . . . . . . . . . . . . . . .
23.2 Ukady ortogonalne i ortonormalne. . . . . . . . . . . . . . . . . . .
23.3 Wsprzdne wektora oraz iloczyn skalarny w bazie ortonormalnej. .
23.4 Rzut ortogonalny na podprzestrze. . . . . . . . . . . . . . . . . . .
23.5 Dopenienie ortogonalne podprzestrzeni. . . . . . . . . . . . . . . .
23.6 Izomorfizm przestrzeni euklidesowych. . . . . . . . . . . . . . . . .
23.7 Przeksztacenia ortogonalne w przestrzeniach E n . . . . . . . . . . .
24 Lista uoglnie
24.1 Macierz przejcia do nowej bazy. . . . . . . . . . . . . . . . . . . . .
24.2 Wsprzdne wektora w nowej bazie. . . . . . . . . . . . . . . . . .
24.3 Macierz przeksztacenia w nowej bazie. . . . . . . . . . . . . . . . .
24.4 Odwracalno przeksztace T : V V . . . . . . . . . . . . . . . .
24.5 Macierz zoenia przeksztace liniowych. . . . . . . . . . . . . . . .
24.6 Wartoci wasne i wielomian charakterystyczny. . . . . . . . . . . .
24.7 Izometrie i macierze ortogonalne w Rn . . . . . . . . . . . . . . . . .
24.8 Diagonalizacja macierzy symetrycznych. . . . . . . . . . . . . . . .
24.9 Formy kwadratowe. . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.10Macierz formy kwadratowej w nowej bazie i diagonalizacja formy
kwadratowej. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.11Dodatnia okrelono form kwadratowych i macierzy. . . . . . . . .
.
.
.
.
.
.
.
220
220
226
228
229
232
234
234
237
. 237
. 238
. 238
. 238
. 238
. 239
. 239
. 240
. 240
. 241
. 241
Rozdzia 1
Punkty i wektory w R3
W rozdziale tym zajmowa bdziemy si podstawowymi wasnociami przestrzeni R3 , w ktrej wprowadzony zosta ukad wsprzdnych. Zdefiniujemy pojcia,
ktre bdziemy wykorzystywa w dalszych badaniach tej przestrzeni. Nauczymy si
wykonywa podstawowe dziaania na wektorach z R3 , okrelimy rwnie wasnoci
tych dziaa.
1.1
Wsprzdne punktw w R3.
Ukad wsprzdnych Oxyz w przestrzeni

Przypomnijmy, e ukad wsprzdnych w R3 skada si z trzech wzajemnie
prostopadych osi liczbowych o wsplnym pocztku w punkcie O, zwanym pocztkiem ukadu wsprzdnych. Wsprzdne na osiach okrela bdziemy zgodnie ze
skal jednostkow. Osie te oznaczamy odpowiednio Ox , Oy , Oz . Tradycyjnie przyjo
si oznacza pionow o ukadu wsprzdnych przez Oz , natomiast poziome przez
Ox i Oy , tak jak to pokazuje poniszy rysunek.
Czsto, na rysunkach, zamiast pisa Ox , Oy , Oz bdziemy opisywa osie przez x, y, z.

Ukad utworzony przez te osie nazywamy ukadem Oxyz , natomiast paszczyzny,
oznaczane Oxy , Oxz , Oyz , z ktrych kada zawiera dwie osie ukadu, nazywamy paszczyznami wsprzdnych ukadu.
Okrelenie wsprzdnych punktw
Niech Ax , Ay , Az bd rzutami prostoktnymi punktu A na osie Ox , Oy , Oz
odpowiednio. Wsprzdnymi xA , yA , zA punktu A nazywamy wsprzdne rzutw
9
Rozdzia 1. Punkty i wektory w R3
10
Ax , Ay , Az na poszczeglnych osiach. Wsprzdne punktu A bdziemy zapisywa

jako (xA , yA , zA ).
Rozwamy inny, bardziej pogldowy, sposb okrelenia wsprzdnych punktu

A. Niech A0 bdzie rzutem prostoktnym punktu A na paszczyzn Oxy .
Wsprzdne punktu A0 w ukadzie Oxy to (xA , yA ). Okrelmy zA jako odlego

punktu A od swojego rzutu A0 , gdy A ley powyej paszczyzny Oxy , lub zA to ta
odlego ze znakiem minus, gdy A ley poniej paszczyzny Oxy . Wsprzdnymi
punktu A bdziemy wtedy nazywa trjk liczb (xA , yA , zA ).
Rwnowano okrele wsprzdnych punktw
Uzasadnijmy teraz, e te dwa sposoby okrelenia wsprzdnych s rzeczywicie
rwnowane. Wemy dowolny punkt A. Poprowadmy przez ten punkt paszczyzny
prostopade do osi ukadu. Nazwijmy te paszczyzny Axy , Ayz , Axz . Zauwamy, e
punkty przecicia tych paszczyzn z osiami ukadu bd rzutami A na poszczeglne
osie. Paszczyzny Oxy , Oyz , Oxz , Axy , Ayz , Axz ograniczaj pewien prostopadocian,
ktrego wierzchokami s Ax , Ay , Az , O, A, A0 .
11
Zauwamy, e punkt A0 jest rzutem punktu A na paszczyzn Oxy . Wsprzdne

tego punktu na paszczynie Oxy wyznaczone s przez rzuty punktu A0 na osie
Ox , Oy . Nietrudno przekona si, e s to odpowiednio punkty Ax oraz Ay . Wystarczy
teraz pokaza, e trzecia wsprzdna rwnie jest wyznaczona jednoznacznie. Z
rwnolegoci paszczyzn Oxy oraz Axy wynika, e odlego A od Oxy jest rwna
odlegoci Az od Oxy , czyli wsprzdnej Az . Uzasadnilimy zatem, e przedstawione
powyej dwa sposoby okrelania wsprzdnych s rwnowane.
Przyjmijmy, e zapis A(x, y, z) oznacza bdzie punkt A o wsprzdnych (x, y, z).
Uwaga 1.1.1 (jednoznaczno wyznaczenia punktu przez wsprzdne).
Dla kadej trjki liczb rzeczywistych (x, y, z) istnieje dokadnie jeden punkt A o takich
wsprzdnych.
Jako uzasadnienie powyszej uwagi sprbujmy, dla wsprzdnych (x, y, z),
znale odpowiadajcy im punkt. Dwie pierwsze wsprzdne okrelaj pooenie
punktu na paszczynie Oxy . Jak wiemy wsprzdne punktu na paszczynie s wyznaczone jednoznacznie, istnieje wic dokadnie jeden punkt A0 , ktry na paszczynie
Oxy ma wsprzdne (x, y). Trzecia wsprzdna okrela odlego szukanego punktu
od swojego rzutu na paszczyzn Oxy . Jeeli z jest liczb dodatni to szukany punkt
A bdzie znajdowa si nad paszczyzn Oxy , jeeli natomiast jest liczb ujemn, to
pod. Zauwamy, e po ustalonej stronie paszczyzny, istnieje dokadnie jeden punkt
znajdujcy si w odlegoci |z| od A0 taki, e A0 jest jego rzutem na paszczyzn Oxy .
Punkt A jest zatem jednoznacznie wyznaczony przez swoje wsprzdne.
1.2
Odlego punktw w R3.
Aby obliczy odlego punktu A o wsprzdnych (x, y, z) od punktu B o wsprzdnych (x0 , y 0 , z 0 ) rozwamy rzuty tych punktw na paszczyzn Oxy .
Na tej paszczynie punkty A0 i B 0 maj wsprzdne A0 = (x, y), B 0 = (x0 , y 0 ).

Zatem ich odlego wynosi
|A0 B 0 | =
(x x0 )2 + (y y 0 )2 .
Figura A0 B 0 CA jest prostoktem, wic |AC| = |A0 B 0 |. Ponadto |BC| = |z z 0 |.

Stosujc twierdzenie Pitagorasa dla trjkta ABC, otrzymujemy
|AB|2 = |AC|2 + |CB|2 =
q
12
(x x0 )2 + (y y 0 )2
2
+ (z z 0 )2 .
Std
|AB|2 = (x x0 )2 + (y y 0 )2 + (z z 0 )2 .
Odlego tych punktw wyraa si zatem wzorem
(1.1)
1.3
|AB| =
(x x0 )2 + (y y 0 )2 + (z z 0 )2 .
Wektory w R3.
Podobnie jak w przypadku paszczyzny punkt X(x1 , x2 , x3 ) bdziemy utosamia z jego wektorem wodzcym, czyli wektorem o pocztku w pocztku ukadu
wsprzdnych i kocu w punkcie X. Wektory takie oznacza bdziemy X lub X.
Wsprzdne wektora
Rozwaa bdziemy rwnie wektory zaczepione w punkcie nie bdcym pocztkiem ukadu wsprzdnych. Niech
A = (a1 , a2 , a3 ), B = (b1 , b2 , b3 ),
gdzie A jest pocztkiem wektora, a B jego kocem. Za wsprzdne wektora AB

przyjmuje si
"
(1.2)
AB = [b1 a1 , b2 a2 , b3 a3 ].
Przykad. Wektor o pocztku w punkcie A = (2, 1, 3) i kocu w punkcie B =

(2, 6, 8) ma wsprzdne
AB = [2 2, 6 1, 8 (3)] = [4, 5, 11].

Obserwacja 1.3.1. Zauwamy, e jeli pocztek wektora, punkt A, pokrywa si
z pocztkiem ukadu, czyli A = (0, 0, 0), a koniec wektora ma wsprzdne B =
(b1 , b2 , b3 ), to wsprzdne wektora AB pokrywaj si ze wsprzdnymi punktu B.

Tak wic wektory wodzce punktw maj takie same wsprzdne jak te punkty.
Uwaga 1.3.2 (kolumnowy zapis wsprzdnych). Wsprzdne wektora bdziemy czsto oznacza
x1
X = x2 .
x3
Oznaczenie takie nazywane jest kolumnowym zapisem wsprzdnych.
13
Definicja 1.3.3 (rwno wektorw). Wektory U i V nazywamy rwnymi, jeli

maj jednakowe dugoci, kierunki i zwroty.
Zauwamy, e wektory rwne wektorowi V to wszystkie wektory uzyskane przez
przesunicie wektora V do innych punktw zaczepienia. Rwno wektorw moemy
rwnie rozpoznawa przy uyciu ich wsprzdnych, o czym mowa jest w nastpujcym twierdzeniu:
Twierdzenie 1.3.4 (wsprzdne a rwno wektorw). Wektory w przestrzeni
s rwne wtedy i tylko wtedy gdy maj rwne wsprzdne.
"
Dowd twierdzenia pomijamy.
Przykad. Rozwamy dwa wektory AB oraz CD, gdzie:

A = (1, 1, 1), B = (3, 2, 5), C = (5, 1, 7), D = (7, 4, 11).
Wsprzdne tych wektorw to
2
2

AB = 3 , CD = 3 .
4
4

Zatem, jak wynika z powyszgo twierdzenia wektory AB i CD s rwne.
Zauwamy, e kady wektor zaczepiony jest rwny wektorowi wodzcemu, majcemu takie same wsprzdne.
1.4
Dziaania na wektorach.
Poniej w czysto algebraiczny sposb zdefiniujemy podstawowe dziaania na

wektorach.
Dodawanie wektorw
Niech dane bd wektory
y1
x1
X = x2 , Y = y 2
.
y3
x3
Ich sum bdziemy nazywa wektor
(1.3)
x1 + y 1
X + Y = x2 + y 2
.
x3 + y 3
Aby przekona si o zgodnoci powyszego okrelenia z tradycyjn geometryczn definicj dodawania wektorw, rozwamy w przestrzeni dwa wektory X i Y o
wsplnym pocztku w punkcie (0, 0, 0).
14
Geometrycznie sum dwch wektorw okrela si jako przektn rwnolegoboku

zbudowanego na tych wektorach. Przeniemy zatem rwnolegle wektor Y tak, aby
jego pocztek znalaz si w punkcie (x1 , x2 , x3 ). Nietrudno przekona si, e koniec
tak przesunitego wektora wypada w punkcie (x1 + y1 , x2+ y2 , x3 +y3 ). Wektor
x1 + y1
wodzcy o kocu w tym punkcie, czyli o wsprzdnych

x2 + y2 , jest sum
x3 + y3
wektorw X i Y .
Mnoenie wektora przez skalar
x1
Niech dany bdzie wektor X = x2 oraz liczba rzeczywista k. Iloczynem liczby

x3
k i wektora X nazywamy wektor
(1.4)
k x1
k X = k x2 .
k x3
Pokaemy teraz zgodno powyszego okrelenia z geometryczn definicj mnoenia wektora przez liczb. Ograniczymy si do przypadku gdy k > 0. Iloczyn danego
wektora przez k to wektor o tym samym kierunku i zwrocie, ale k razy duszy.
Niech dany bdzie wektor Y, bdcy iloczynem wektora X oraz liczby k.
Nietrudno uzasadni, np. stosujc tw. Talesa, e jeeli rzutem wektora X na paszczyzn Oxy jest wektor X 0 , to rzutem wektora Y jest wektor Y 0 , ktry ma ten sam
kierunek i zwrot co wektor X 0 , ale jest od niego k razy duszy, tak jak to zostao
przedstawione na rysunku powyej. Z okrelenia mnoenia wektora przez liczb na
15
paszczynie otrzymujemy wic, e y1 = kx1 oraz y2 = kx2 . Podobnie z wasnoci

rzutu na o Oz otrzymujemy y3 = kx3 . Tak wic mamy
k x1
Y = k X = k x2 .
k x3
W przypadku gdy k < 0 rozumowanie bedzie wyglda analogicznie.
x1
x1
Dla k = 1 otrzymujemy k X = (1) x2 = x2 . Wektor ten jest

x3
x3
nazywany wektorem przeciwnym do X, tzn. wektorem o tym samym kierunku i
dugoci, ale o przeciwnym zwrocie. Oznacza go bdziemy X.
Wasnoci dziaa na wektorach
Okrelimy teraz, podobnie jak na paszczynie, podstawowe wasnoci powyej okrelonych dziaa.
(1) X + U = U + X
(2) (X + U ) + V = X + (U + V )
(3) Istnieje wektor O =

0 taki, e dla kadego X mamy
0
X + O = O + X = X.
(4) Dla kadego wektora X istnieje wektor X, taki e
X + (X) = O.
(5) t (X + U ) = t X + t U
(6) (t + s) X = t X + s X
(7) t (s X) = (t s) X
(8) 1 X = X, (1) X = X
wiczenie. Uzasadnienie powyszych wasnoci, na podstawie algebraicznych definicji dziaa na wektorach, pozostawimy do wykonania czytelnikowi.
Rnica wektorw
Niech dane bd wektory
y1
x1
X=
x2 , Y = y 2 .
y3
x3
16
Wtedy ich rnic bdziemy nazywa wektor
x1 y 1
X Y = X + (Y ) = x2 y2 .
x3 y 3
(1.5)
Dugo wektora
Przypomnijmy, e dugo wektora AB to z definicji dugo odcinka AB. Z rwnania

(1.1) dla punktw
a1
b1
A = a2 , B = b2
a3
b3
mamy wic
(1.6)
1.5
|AB| = (b1 a1 )2 + (b2 a2 )2 + (b3 a3 )2 .
Rozkad wektora wzgldem ustalonych trzech

wektorw.
Definicja 1.5.1 (niewsppaszczyznowo wektorw). Wektory X, Y, Z w R3

nazywamy niewsppaszczyznowymi, jeli nie istnieje paszczyzna, w ktrej wszystkie s zawarte.
Definicja 1.5.2 (rozkad wektora). Rozkadem dowolnego wektora V wzgldem
ustalonych trzech wektorw niewsppaszczyznowych X, Y, Z, nazywamy przedstawienie wektora V w postaci
V = VX + VY + VZ ,
gdzie VX ||X, VY ||Y, VZ ||Z.
Fakt 1.5.3 (istnienie rozkadu). Niech X, Y, Z bd niewsppaszczyznowymi
wektorami w R3 . Wwczas kady wektor V posiada rozkad wzgldem X, Y, Z.
Dowd. Niech PXY bdzie paszczyzn zawierajc wektory X i Y .
Rzutem wektora V na paszczyzn PXY w kierunku wektora Z jest wektor U . Otrzymujemy zatem
V = U + VZ ,
17
gdzie VZ ||Z. Wektor U zawiera si w paszczynie PXY , wic moemy go na tej

paszczynie rozoy wzgldem X i Y . Otrzymujemy
U = VX + VY ,
gdzie VX ||X, VY ||Y.
Ostatecznie
V = U + VZ = VX + VY + VZ .
1.6
Przedstawienie wektora w postaci kombinacji

liniowej trzech wektorw.
Definicja 1.6.1 (kombinacja liniowa wektorw). Kombinacj liniow wektorw

X, Y, Z nazywamy wektor postaci
s X + t Y + r Z,
gdzie s, t, r s liczbami rzeczywistymi, nazywanymi wspczynnikami kombinacji.
Jeeli wektor V daje si przedstawi w postaci kombinacji liniowej wektorw X, Y, Z,
czyli V = s X + t Y + r Z, dla pewnych s, t, r, to mwimy wtedy, e wektor V
rozkada si w kombinacj liniow tych wektorw.
"
7
2
Przykad. Wektor V =
12 jest kombinacj liniow wektorw X = 0 ,
6
3
1
1
2
Y =
,
Z
=
4 , poniewa
5
0
V = 2 X + 0 Y + (3) Z.
Wyznaczanie rozkadu wektorw w kombinacj liniow
z1
y1
x1
v1
Dla V = v2 , X = x2 , Y = y2 , Z = z2 podan w definicji

z3
y3
x3
v3
rwno V = s X + t Y + r Z moemy zapisa jako
v1 = s x1 + t y1 + r z1
v2 = s x2 + t y2 + r z2
v2 = s x3 + t y3 + r z3
Szukanie rozkadu danego wektora w kombinacj liniow zadanych wektorw sprowadza

si zatem do rozwizania pewnego ukadu rwna liniowych.
"
18
Przykad. Rozwamy wektory
2
1
2
6
V = 3 , X = 1 , Y = 1 , Z = 2 .
1
2
4
5
Szukanie rozkadu wektora V w kombinacj liniow wektorw X, Y, Z, czyli znalezienie takich x, y, z, aby
1
2
2
6
x 1 + y 1 + z 2 = 3 ,
1
2
4
5
sprowadza si do rozwizania ukadu rwna
x+2y+2z =6
x + y 2 z = 3
x 2 y + 4 z = 5
Rozwizaniem tego ukadu s

1
x = 1, y = 3, z = .
2
Znalelimy zatem rozkad wektora V w kombinacj liniow wektorw X, Y, Z. Wyglda on nastpujco
1
V = (1) X + 3 Y + Z.
2
1.7
Rwnanie parametryczne prostej w przestrzeni.
Na pocztek zajmijmy si przypadkiem, gdy dana prosta L przechodzi przez

pocztek ukadu wsprzdnych. Wemy dowolny wektor U zawarty w prostej L.
Wtedy, podobnie jak na paszczynie, prost L moemy opisa rwnaniem
X = t U,
gdzie t R.
Zauwamy, e dla rnych wartoci parametru t dostajemy kolejno wsprzdne
rnych punktw tej prostej, przy czym kady punkt, przy odpowiedniej wartoci t,
da si w ten sposb przedstawi. Podstawiajc za t kolejno wszystkie liczby rzeczywiste, dostaniemy wsprzdne wszystkich punktw tej prostej.
W oglnym przypadku, tzn. gdy prosta nie zawiera pocztku ukadu wsprzdnych, wybierzmy punkt pocztkowy V L. Wtedy prost mona zapisa rwnaniem
X = V + t U,
gdzie t R, a U jest wektorem zawartym w L.
Przy uyciu wsprzdnych i przy oznaczeniach
u1
v1
V =
v 2 , U = u2 ,
u3
v3
19
rwno powysz moemy zapisa jako
x 1 = v 1 + t u1
x 2 = v 2 + t u2
x 2 = v 3 + t u3
Takie przedstawienie nazywamy rwnaniem parametrycznym prostej we wsprzdnych.
1.8
Rwnanie parametryczne paszczyzny w przestrzeni.
Dla paszczyzny zawierajcej pocztek ukadu wsprzdnych rozwamy dwa

niewspliniowe wektory U, W zawarte w tej paszczynie. Zauwamy, e dowolny
wektor z paszczyzny mona zapisa jako kombinacj liniow U, W i e kada taka
kombinacja wyznacza wektor z paszczyzny . Dan paszczyzn moemy zatem
opisa rwaniem
X = t U + s W,
gdzie t R, s R (parametry).
Dla dowolnej paszczyzny niech V bdzie punktem pocztkowym. Wtedy
X = V + t U + s W,
gdzie t i s s parametrami rzeczywistymi, a U, W s wektorami z tej paszczyzny.
Uywajc wsprzdnych
v1
u1
w1
V = v 2 , U = u2 , W = w 2 ,
v3
u3
w3
rwno powysza przedstawia si jako
x 1 = v 1 + t u1 + s w 1
x 2 = v 2 + t u2 + s w 2
x 2 = v 3 + t u3 + s w 3
Taki sposb zapisu nazywamy rwnaniem parametrycznym paszczyzny we

wsprzdnych.
1.9
Liniowa zaleno i niezaleno wektorw w

przestrzeni.
Dwa wektory X, Y nazywamy liniowo zalenymi, jeeli

X = t Y lub Y = t X.
20
Geometrycznie liniowa zaleno oznacza wspliniowo lub rwnolego wektorw.

Trzy wektory X, Y, Z nazywamy liniowo zalenymi, jeeli
X =tY +sZ
"
lub Y = t X + s Z
lub Z = t X + s Y ,
tzn. jeden z nich daje si przedstawi jako kombinacja liniowa dwch pozostaych.
Geometrycznie rwno X = t Y + s Z oznacza, e wektory X, Y, Z le na
jednej paszczynie. Zauwamy, e jeeli Y i Z s niewspliniowe, to wyznaczaj
paszczyzn t Y + s Z i X naley do tej paszczyzny. Jeeli natomiast Y i Z
s wspliniowe, to kombinacje t Y + s Z wyznaczaj prost lub w szczeglnym
przypadku, gdy Y = 0 i Z = 0, punkt.
Przykad.
(1) Rozwamy wektory
4
2
1
A = 7 , B = 3 , C = 2
.
6
2
4
Wektory A, B, C s liniowo zalene, bo
A = 1 B + 2 C.
~ X s liniowo zalene, bo
(2) Wektory O,
~ = 0 X.
O
Definicja 1.9.1 (liniowa niezaleno trjki wektorw). Wektory X, Y, Z s
liniowo niezalene, jeli aden z nich nie wyraa si jako kombinacja liniowa dwch
pozostaych.
Podamy teraz inn, bardziej uyteczn, charakteryzacj liniowej niezalenoci
dla trzech wektorw.
Lemat 1.9.2 (liniowa niezaleno a kombinacja wektorw). Wektory X, Y, Z
s liniowo niezalene wtedy i tylko wtedy, gdy jedyna ich kombinacja liniowa t X +
s Y + r Z dajca wektor zerowy to kombinacja ze wspczynnikami
t=s=r=0
(tzw. kombinacja trywialna).
Dowd. Zakadamy, e wektory X, Y, Z s liniowo niezalene. Gdyby t X + s Y +
r Z = O i jeden ze wspczynnikw np. t 6= 0, wwczas mielibymy
t X = s Y r Z
/:t
r
s
X = Y Z.
t
t
Zatem X jest kombinacj liniow wektorw Y i Z, co przeczy zaoeniu o liniowej niezalenoci. Dowiedlimy zatem, e z faktu liniowej niezalenoci wektorw
21
X, Y, Z wynika trywialno kombinacji liniowej dajcej wektor zerowy. Sprbujmy

teraz dowie implikacji w przeciwn stron. Zakadamy, e jedyn kombinacj li~ jest kombinacja trywialna. Gdyby wektory X, Y, Z
niow wektorw X, Y, Z dajc O
byy liniowo zalene, czyli np.
X = t Y + s Z,
wtedy mielibymy
"
~
1X tY sZ =O
~
co przeczy zaoeniu o trywialnoci kombinacji dajcej O.
Przykad. Rozwamy wektory
3
0
0
0
2
A = , B = , C = 0
.
0
0
1
Szukamy takich t, s, r aby kombinacja liniowa t A + s B + r C dawaa wektor
zerowy.
3
0
0
3t
0
t A + s B + r C = t 0 + s 2 + r 0 = 2s = 0 .
0
0
1
r
0
Otrzymujemy zatem, e t = s = r = 0. Czyli wektory A, B, C s liniowo niezalene.
Twierdzenie 1.9.3 (jednoznaczno rozkadu w kombinacj liniow). Niech
U, V, W bd liniowo niezalenymi wektorami, za X niech bdzie dowolnym innym
wektorem w przestrzeni. Wwczas X rozkada si w kombinacj liniow
X = t U + s V + r W,
i to dokadnie na jeden sposb.
Dowd.
Istnienie rozkadu:
Jeli U, V, W s liniowo niezalene, to w szczeglnoci s niezerowe, adne dwa z nich
nie s wspliniowe, a wszystkie trzy nie le na jednej paszczynie. Wektor X, jak
wynika z Faktu 1.5.3, posiada rozkad wzgldem U, V, W, moemy go zatem zapisa
w postaci X = XU + XV + XW , gdzie XU ||U, XV ||V, XW ||W. Z rwnolegoci
wektorw XU oraz U otrzymujemy, e istnieje takie t, e XU = t U. Podobnie
znajdziemy takie s, e XV = s V, oraz takie r, e XW = r W. Podstawiajc te
iloczyny za XU , XV , XW otrzymujemy szukany rozkad
X = t U + s V + r W.
Jednoznaczno rozkadu:
Zamy, e rozkad ten nie jest jednoznaczny.
Rozwamy dwa rozkady
X = t1 U + s1 V + r1 W = t2 U + s2 V + r2 W.
22
Pokaemy, e rozkady te s identyczne, tzn. maj jednakowe wspczynniki przy

poszczeglnych wektorach. Zauwamy, e moemy napisa nastpujce rwnoci
~ = X X = t1 U + s1 V + r1 W t2 U s2 V r2 W =
O
= (t1 t2 ) U + (s1 s2 ) V + (r1 r2 ) W.
Z liniowej niezalenoci wektorw U, V, W wynika, e
t1 t2 = 0, s1 s2 = 0, r1 r2 = 0,
czyli
t1 = t2 , s1 = s2 , r1 = r2 .
Zatem te dwa rozkady s identyczne.
Rozdzia 2
Iloczyn skalarny w R3
W tym rozdziale zajmiemy si pojciem iloczynu skalarnego. Ma ono bardzo
wiele zastosowa, z ktrych cz tutaj podamy. Na pocztek w czysto algebraiczny
sposb zdefiniujemy to pojcie i wyprowadzimy jego najwaniejsze wasnoci. W
kolejnych podrozdziaach zapoznamy si z geometrycznymi konsekwencjami iloczynu
skalarnego. W dalszych rozdziaach tego skryptu bdziemy bardzo czsto wraca do
tego pojcia. Okae si, e jest ono jednym z waniejszych narzdzi, wykorzystywanych do badania wasnoci przestrzeni.
2.1
Definicja i podstawowe wasnoci iloczynu skalarnego.
Definicja, ktr teraz podamy ma charakter czysto algebraiczny, geometrycznym

okreleniem iloczynu skalarnego zajmiemy si w dalszej czci.
Definicja 2.1.1 (iloczyn skalarny). Iloczynem skalarnym wektorw
x1
y1
X = x2 , Y = y 2 ,
x3
y3
oznaczanym przez X Y, nazywamy liczb
(2.1)
"
X Y = x1 y1 + x2 y2 + x3 y3 .
Zauwamy, e iloczyn skalarny to funkcja, ktra dowolnej parze wektorw przyporzdkowuje liczb rzeczywist.
Przykad. Iloczyn skalarny wektorw
3
2
2
A=
,
B
=
4
4
1
to
A B = (3) (2) + 2 4 + 4 (1) = 10.
23
Rozdzia 2. Iloczyn skalarny w R3
24
Wasnoci iloczynu skalarnego

Dla dowolnych wektorw X, Y, Z R3 oraz dowolnej liczby rzeczywistej t zachodz rwnoci:
(1) X Y = Y X
(2) X (Y + Z) = X Y + X Z
(3) (t X) Y = t(X Y )
(4) X X = |X|2
W dowodach tych wasnoci korzysta bdziemy z definicji iloczynu skalarnego,
oraz z podstawowych wasnoci operacji na zbiorze liczb rzeczywistych, takich jak
przemienno i aczno mnoenia, oraz rozdzielno mnoenia wzgldem dodawania.
Dowd (1).
X Y = x1 y1 + x2 y2 + x3 y3 = y1 x1 + y2 x2 + y3 x3 = Y X
Dowd (2).
x1
y1
z1
x1
y1 + z1
X (Y + Z) = x2 y2 + z2 = x2 y2 + z2 =
x3
y3
z3
x3
y3 + z3
= x1 (y1 + z1 ) + x2 (y2 + z2 ) + x3 (y3 + z3 ) =
= x1 y1 + x2 y2 + x3 y3 + x1 z1 + x2 z2 + x3 z3 =
x1
y1
x1
z1
= x2 y2 + x2 z2 = X Y + X Z
x3
y3
x3
z3
Dowd (3).
x1
y1
tx1
y1
(t X) Y = t x2 y2 = tx2 y2 =
x3
y3
tx3
y3
= (tx1 ) y1 + (tx2 ) y2 + (tx3 ) y3 = x1 (ty1 ) + x2 (ty2 ) + x3 (ty3 ) =
= t(x1 y1 ) + t(x2 y2 ) + t(x3 y3 ) = t(X Y )
Dowd (4).
x1
x1
X X = x2 x2 = x1 x1 + x2 x2 + x3 x3 =
x3
x3
= x21 + x22 + x23 = ( x21 + x22 + x23 )2 = |X|2
2.2
25
Kt midzy wektorami.
Rwno, ktr udowodnimy poniej, bywa czsto przyjmowana za geometryczn definicj iloczynu skalarnego.
Fakt 2.2.1 (iloczyn skalarny a kt midzy wektorami). Niech X, Y bd wektorami z przestrzeni R3 , niech bdzie ktem pomidzy X a Y . Wtedy
(2.2)
X Y = |X| |Y | cos .
Dowd. Korzystajc z twierdzenia cosinusw, dla wektorw X, Y, X Y, mamy

|X Y |2 = |X|2 + |Y |2 2 |X| |Y | cos .
Ale z wasnoci iloczynu skalarnego wiemy rwnie, e

|X Y |2 = (X Y ) (X Y ) = X X X Y Y X + Y Y =
= |X|2 + |Y |2 2 |X| |Y |.
Po podstawieniu do twierdzenia cosinusw otrzymujemy
|X|2 + |Y |2 2 |X| |Y | = |X|2 + |Y |2 2 |X| |Y | cos .
Zatem, redukujc jednakowe skadniki po obu stronach, dostajemy
X Y = |X| |Y | cos .
Prost konsekwencj powyszego faktu jest zaleno, ktra pozwoli nam oblicza
kt midzy wektorami bezporednio z ich wsprzdnych.
Wniosek 2.2.2. Jeli jest ktem pomidzy wektorami X, Y, to
(2.3)
"
cos =
XY
|X||Y |
x1 y1 +x2 y
2 +x3 y3
.
x21 +x22 +x23 y12 +y22 +y32
Przykad. Obliczmy kt pomidzy wektorem A = 4 a wektorem B =

1
1 . Korzystajc ze wzoru (2.3) otrzymujemy

3
5
0, 2621.
26 14
Z tablic moemy teraz odczyta przyblion warto kta
cos =
750 .
26
Ze wzoru (2.3) moemy wyprowadzi bardzo uyteczn zaleno, ktra pozwoli

nam bardzo szybko sprawdzi prostopado wektorw.
Wniosek 2.2.3 (iloczyn skalarny a prostopado wektorw). Wektory X, Y

R3 w przestrzeni s prostopade wtedy i tylko wtedy, gdy cos = 0, czyli X Y = 0.
wiczenie. Jako wiczenie czytelnik moe przy uyciu powyszego wniosku sprawdzi prostopado wersorw ukadu wsprzdnych.
2.3
Rzut prostoktny wektora X na prost wzdu

wektora Y .
W tym podrozdziale zastosujemy iloczyn skalarny do wyprowadzenia wzoru na

rzut prostopady wektora na prost.
Dla pary wektorw X, Y moemy okreli przeksztacenie, ktre przyporzdkowuje wektorowi X jego rzut na prost wzdu wektora Y . Rzut ten rwnie bdzie
wektorem. Sprbujmy znale zaleno jak musi spenia. Oznaczmy ten rzut przez
X 0.
Zauwamy, e wektor X 0 jest wspliniowy z wektorem Y , wic X 0 = tY dla pewnego

t R. Skoro X 0 jest rzutem prostoktnym X, to (X X 0 ) musi by prostopady do
wektora Y . Zatem, jak wynika z Wniosku 2.2.3
(X X 0 ) Y = 0.
Std, po podstawieniu i uproszczeniu otrzymujemy
0 = (X t Y ) Y = X Y t Y Y = X Y t |Y |2 .
Korzystajc z tej zalenoci moemy wyznaczy t
t |Y |2 = X Y
t=
X Y
.
|Y |2
Podstawiajc do rwnoci okrelajcej X 0 mamy

(2.4)
X0 = t Y =
XY
|Y |2
Y.
27
x1
y1
Zaleno t, we wsprzdnych, dla X = x2 , Y = y2 , moemy zapisa

x3
y3
jako
y1
x1 y1 + x2 y2 + x3 y3
X0 =
y2
.
2
2
2
y1 + y2 + y3
y3
2.4
Rwnanie oglne paszczyzny przechodzcej

przez pocztek ukadu wsprzdnych.
Sprbujmy znale rwnanie oglne paszczyzny przechodzcej przez (0, 0, 0).

Oznaczmy
j przez . Paszczyzna ta jest wyznaczona przez wektor do niej prostopady

a
U = b .
c
Wemy dowolny punkt X = y

z tej paszczyzny, wtedy rwnie wektor OX
z
naley do tej paszczyzny, tak wic jest prostopady do wektora U , zatem jak wiemy
z Wniosku 2.2.3, iloczyn skalarny OX i U jest rwny 0, std

ax + by + cz = 0.
Zauwamy, e kady wektor z paszczyzny musi spenia t rwno, moe ona
by przyjta za oglne rwnanie tej paszczyzny.
2.5
Rwnanie oglne paszczyzny.
Zajmijmy si teraz paszczyzn, ktra niekoniecznie przechodzi przez pocztek

ukadu wsprzdnych. Wemy dowolny punkt
A(x
, y , z ) nalecy do . Pa
0 0 0
a
szczyzna ta jest prostopada do wektora U =

b .
c
28
Wemy dowolny punkt X(x, y, z) nalecy do tej paszczyzny. Wektor AX rwnie

naley do tej paszczyzny, wic jest prostopady dowektora
U , zatem ich iloczyn
x x0
skalarny AX U = 0. Wsprzdne wektora AX =

y y0 , wic, po podstawz z0
ieniu, mamy
x x0
a

y y0 b = 0
z z0
c
a(x x0 ) + b(y y0 ) + c(z z0 ) = 0
ax + by + cz ax0 by0 cz0 = 0
Przyjmujc za d = ax0 by0 cz0 , otrzymujemy, e dowolny punkt z tej paszczyzny
spenia
ax + by + cz + d = 0,
zatem rwnanie to moemy przyj za oglne rwnanie paszczyzny .
"
Przykad. Rwnanie paszczyzny przechodzcej przez punkt 1 i prostopadej

2
do wektora 5 ma posta
7
3x + 5y + 7z + (3 5 14) = 0,
czyli
3x + 5y + 7z 16 = 0.
Wniosek 2.5.1. Kade rwnanie postaci ax+by+cz+d = 0, w ktrym przynajmniej
jeden ze wspczynnikw a, b, c jest niezerowy, opisuje pewn paszczyzn.
Dowd. Aby si o tym przekona, wemy dowoln trjk liczb x0 , y0 , z0 speniajc
to rwnanie. Otrzymujemy wtedy ax0 + by0 + cz0 + d = 0 czyli d = ax0 by0 cz0 .
Rwnanie ax+by+cz+d = 0 moemy zapisa jako a(xx0 )+b(yy0 )+c(zz0 ) = 0,
czyli

a
x x0

y y0 b = 0.
z z0
c
29
Zauwamy, e (x x0 ,
y y0 , z z0 ) to wsprzdne wektora czcego dowolny
x
punkt o wsprzdnych y
, z punktem staym A0 (x0 , y0 , z0 ). Rwnanie to opisuje
z
zbir
punktw A(x, y, z), dla ktrych wektor A0 A jest prostopady do wektora
b . Rwnanie to okrela zatem paszczyzn przechodzc przez punkt (x0 , y0 , z0 )

c
a
a
i prostopad do wektora b . Wektor b nazywany jest wektorem norc

c
malnym paszczyzny ax + by + cz + d = 0.
Wniosek 2.5.2. Jeeli d = 0, to paszczyzna przechodzi przez pocztek ukadu wsprzdnych.
Dowd. Jak wiemy z poprzedniego wniosku, rwnanie postaci ax + by + cz + d = 0
okrela pewn paszczyzn. Zauwamy, e jeeli d = 0 to x = 0, y = 0, z = 0
speniaj to rwnanie, czyli punkt (0, 0, 0) jest zawarty w paszczynie okrelonej
tym wzorem.
2.6
Kt pomidzy paszczyznami w R3 zadanymi

rwnaniami oglnymi.
Dwie rne paszczyzny w przestrzeni s rwnolege lub si przecinaj. W tym

drugim przypadku naturalnym wydaje si pytanie pod jakim ktem si one przecinaj. Rozwamy nierwnolege paszczyzny 1 , 2 . Zauwamy, e przecinaj si one
wzdu prostej, nazwijmy j L. Wemy paszczyz 3 , prostopad do rostej L. Zauwamy, e czci wspln paszczyzn 3 i 1 , oraz paszczyzn 3 i 2 , s proste.
Kt midzy tymi prostymi przyjmujemy za kt midzy paszczyznami 1 , 2 . Zauwamy, e kt o takiej mierze tworz rwnie wektory normalne paszczyzn 1 , 2 ,
zaczepione we wsplnym punkcie paszczyzn 1 , 2 , 3 .
30
Udowodnijmy, e te kty rzeczywicie s sobie rwne. Niech paszczyzny 1 , 2 bd

dane rwnaniami
1 : a1 x + b1 y + c1 z + d1 = 0,
2 : a2 x + b2 y + c2 z + d2 = 0.
Wwczas wektory normalne tych paszczyzn to odpowiednio
a1
a2
N1 = b 1 , N 2 = b 2
.
c1
c2
Oznaczmy kt midzy wektorami normalnymi tych paszczyzn przez . Mog wwczas
zaj dwie sytuacje.
Przypadek 1 Poniszy rysunek przedstawia paszczyzn 3 , na ktrej zaznaczone
s jej przekroje z paszczyznami 1 , 2 .
Zauwamy, e w tym wypadku + = 900 , zatem = 900 , ale rwnie + =

900 , skd mamy, e = 900 . Otrzymujemy zatem
= .
Tak wic wybrany kt pomidzy paszczyznami 1 i 2 jest taki sam jak kt
pomidzy wektorami normalnymi tych paszczyzn.
Przypadek 2 Podobnie jak poprzednio, rysunek przedstawia paszczyzn 3 i jej
przekroje z paszczyznami 1 , 2 .
31
W tym wypadku mamy + + 900 + 900 = 3600 a std + = 1800 . Otrzymujemy

zatem = 1800 .
Ostatecznie, po rozwaeniu obu przypadkw mamy
= lub = 1800 .
Oznacza to, e jeden spord ktw midzy paszczyznami jest rwny ktowi pomidzy
ich wektorami normalnymi, za drugi jest dopenieniem tego kta do 1800 .
Wniosek 2.6.1 (kt midzy paszczyznami). Cosinus jednego z ktw pomidzy
paszczyznami 1 , 2 danymi rwnaniami
1 : a1 x + b1 y + c1 z + d1 = 0,
2 : a2 x + b2 y + c2 z + d2 = 0
wyraa si wzorem
(2.5)
"
cos =
N1 N2
|N1 ||N2 |
a1 a2 +b1 b
2 +c1 c2
.
a21 +b21 +c21 a22 +b22 +c22
Przykad. Cosinus jednego z ktw pomidzy paszczyznami o rwnaniach

x + 2y 3z + 2 = 0 oraz 2x 4y + z + 1 = 0, wynosi
9
283
9
3 6
=
=
=
cos =
0, 52.
14
1 + 4 + 9 4 + 16 + 1
14 21
7 6
Zatem, jak atwo moemy sprawdzi, ten kt to w przyblieniu
1220 .
Otrzymalimy zatem, e jeden z ktw pomidzy danymi paszczyznami to kt o
mierze okoo 1220 .
2.7
Kt pomidzy paszczyzn i prost w R3.
Postaramy si teraz wyznaczy kt pomidzy paszczyzn a prost L. Oznaczmy przez L0 rzut prostoktny prostej L na paszczyzn . Kt pomidzy prost
L a paszczyzn , to kt pomidzy prost a jej rzutem na paszczyzn.
Przyjmijmy, e paszczyzna zadana jest rwnaniem ax + by + cz + d = 0,
natomiast L niech bdzie prost o wektorze kierunkowym U.
32
Niech bdzie ktem pomidzy wektorem kierunkowym U a wektorem normalnym

paszczyzny , oznaczanym N . Zauwamy, e jeli jest ktem ostrym jak na rysunku powyej, to mamy
= 900 .
Jeeli natomiast jest ktem rozwartym, jak na rysunku poniej, to
= 900 .
"
Majc dane rwnanie paszczyzny oraz wektor kierunkowy U prostej L,

moemy z tych wsprzdnych wyliczy kt , a nastpnie , ktry jest jednym
z ktw pomidzy zadan paszczyzn a prost.
Przykad. Znajdmy kt pomidzy paszczyzn
o rwnaniu 2x y + 2z 4 = 0
1
a prost o wektorze kierunkowym U = 2 . Wektor normalny paszczyzny

1
to N = 1 . Cosinus kta pomidzy wektorami U i N , jak wynika z Wniosku

2
2.2.2, wynosi
6
2
0, 2722.
cos = =
9
9 6
Kt jest wic ktem ostrym, zatem wyraa si wzorem = 900 , czyli
sin = cos . Std 150 . Tak wic kt pomidzy paszczyzn a prost o
wektorze kierunkowym U, to kt o mierze okoo 150 .
2.8
Pole rwnolegoboku zbudowanego na wektorach U, W w R3.
W tym rozdziale zastosujemy iloczyn skalarny do obliczania pl rwnolegobokw

w przestrzeni R3 .
Wemy dwa dowolne wektory z przestrzeni R3
w1
u1
U = u2 , W = w 2 .
w3
u3
Zauwamy, e wektory te wyznaczaj pewien rwnolegobok. Rwnolegobok ten
oznacza bdziemy RU,W .
33
Z geometrii wiemy, e
P (RU,W ) = |U | |W | sin ,
gdzie to kt pomidzy wektorami U i W . Mamy ponadto
sin = 1 cos2 , gdy 00 < < 1800 .

Korzystajc z tych zalenoci oraz ze wzoru (2.5), otrzymujemy
P (RU,W ) = |U | |W | sin = |U ||W |
v
u

u
U W 2
t
2
1 cos = |U ||W | 1
=
|U ||W |
v
u
u
(U W )2 q 2
= t|U |2 |W |2 |U |2 |W |2
= |U | |W |2 (U W )2 .
2
2
|U | |W |
Podsumowujc - pole rwnolegoboku rozpitego przez wektory U, W wynosi

(2.6)
P (RU,W ) =
|U |2 |W |2 (U W )2 .
Rozdzia 3
Iloczyn wektorowy
W tym rozdziale zajmiemy si iloczynem wektorowym. W pierwszym podrozdziale zdefiniujemy to pojcie, w kolejnym podamy jego podstawowe wasnoci, pokaemy jak moemy je wykorzysta. Ostatni podrozdzia powicimy na podanie
geometrycznej interpretacji iloczynu wektorowego, ktra pozwoli na wprowadzenie
kolejnej bardzo uytecznej wasnoci - zwizku iloczynu wektorowego z objtoci
rwnolegocianu.
3.1
Definicja iloczynu wektorowego.
Dla danego wektora A R2 nietrudno

poda przykad wektora A0 R2
!
a1
jest nim wektor o wsprzdnych A0 =
prostopadego do A. Dla A =
a2
!
a2
. Zastanwmy si teraz w jaki sposb dla danych dwch wektorw A, B
a1
a1
R3 znale wektor prostopady do nich obu. Sprawdmy, e dla A =

a2 , B =
a3
b1
a2 b3 b2 a3
b2 wektor X = a1 b3 + b1 a3 jest wanie takim wektorem, czyli jest

b3
a1 b2 b1 a2
prostopady do A i do B. Jak wynika z Wniosku 2.2.3, dwa wektory s prostopade, jeeli ich iloczyn skalarny jest rwny 0. Sprawdmy zatem prostopado X i
A.
a1
a2 b3 b2 a3
X A = a1 b3 + b1 a3 a2 =
a3
a1 b2 b1 a2
= a2 b3 a1 b2 a3 a1 a1 b3 a2 + b1 a3 a2 + a1 b2 a3 b1 a2 a3 =
= b1 (a3 a2 a2 a3 ) + b2 (a1 a3 a3 a1 ) + b3 (a2 a1 a1 a2 ) = 0.
Podobnie sprawdmy prostopado X i B.
b1
a2 b3 b2 a3

X B =
a1 b3 + b1 a3 b2 =
b3
a1 b2 b1 a2
34
35
Rozdzia 3. Iloczyn wektorowy
= a2 b3 b1 b2 a3 b1 a1 b3 b2 + b1 a3 b2 + a1 b2 b3 b1 a2 b3 =
= a1 (b2 b3 b3 b2 ) + a2 (b3 b1 b1 b3 ) + a3 (b1 b2 b2 b1 ) = 0.
Tak okrelony wektor X jest zatem dobrym przykadem wektora prostopadego do
obu wektorw A oraz B.
Definicja 3.1.1 (iloczyn wektorowy). Wektor X okrelony powyej, czyli
a2 b3 b2 a3
X = a1 b3 + b1 a3 ,
a1 b2 b1 a2
(3.1)
nazywany jest iloczynem wektorowym wektorw A i B, co oznaczamy przez

X = A B.
"
3
1
Przykad. Iloczynem wektorowym wektorw A = 0 , B = 2 jest

2
1
wektor X = 1 .
6
Sposb na zapamitanie wzoru na iloczyn wektorowy
Wprowadzimy teraz interpretacj iloczynu wektorowego, ktra okae si by
atwym sposobem na zapamitanie wzoru na ten iloczyn. Interpretacja ta korzysta
z pojcia wyznacznika
! macierzy 2 2. W tym celu przypomnijmy, e wyznacznikiem
a b
macierzy A =
nazywamy liczb okrelon wzorem det A = a d b c.
c d
Uwaga
3.1.2 (wyznacznikowa
interpretacja iloczynu wektorowego). Jeli
a1
b1
x1
a2 b2 = x2 , to
a3
b3
x3
!
a b
a b
a b
x1 = det 2 2 , x2 = det 1 1 , x3 = det 1 1 .
a3 b3
a3 b3
a2 b2
Zauwamy, e macierz, ktrej
wyznacznik
liczymy w celu wyznaczenia x1 , powa1 b1
staje przez wykrelenie z macierzy

a2 b2 pierwszego wiersza, podobnie macierz
a3 b3
a1 b1
pojawiajca si we wzorze na x2 powstaje przez wykrelenie z macierzy a2 b2

a3 b3
drugiego wiersza. Analogicznie powstaje trzecia macierz.
36
3.2
Wasnoci iloczynu wektorowego.
Podamy teraz najwaniejsze algebraiczne wasnoci iloczynu wektorowego. Wektory A, B, C, wystpujce poniej, to dowolne wektory z przestrzeni R3 , za t jest
dowoln liczb rzeczywist.
(1) A B = B A. Wasno ta nazywana jest antyprzemiennoci iloczynu
wektorowego.
(2) Jeli A = O = 0 , to A B = B A = O .
0
(3) Jeli A = t B, to A B = O .
(4) A (B + C) = A B + A C
(5) (tA) B = t(A B)
Dowd (1).
Wasno ta wynika z antyprzemiennoci wyznacznika 2 2. Zauwamy, e
!
a b
b a
det
= ad bc = (bc ad) = det
.
c d
d c
x1
x01
Zatem, jeli A B = x2 , a B A = x02 , to korzystajc z powyszej

x3
x03
rwnoci oraz z wyznacznikowejinterpretacji
iloczynu
skalarnego, ktr wprowadzila1

b1
imy w Uwadze 3.1.2, dla A =

a2 , B = b2 mamy
a3
b3
!
x01
b a
a b
= det 2 2 = det 2 2 = x1 .
b3 a3
a3 b3
Podobnie x02 = x2 oraz x03 = x3 . Otrzymujemy zatem B A = A B.

Dowd (2).
x1
0
b1
Zauwamy, e dla A = 0 , B = b2 , jeeli A B = x2 , to korzystajc

x3
b3
0
z wyznacznikowej interpretacji iloczynu skalarnego, otrzymujemy
!
0 b2
= 0.
x1 = det
0 b3
Podobnie x2 = 0 oraz x3 = 0.
37
Dowd (3).
x1
Z wyznacznikowej interpretacji iloczynu skalarnego, dla A B = x2

, gdzie
x3
tb1
b1
A=
tb2 , B = b2 , mamy
tb3
b3
!
tb2 b2
x1 = det
= tb2 b3 tb2 b3 = 0.
tb3 b3
Podobnie x2 = 0, x3 = 0.
Dowd (4).
Zauwamy, e
!
a b + c2
a b
a c
det 2 2
= det 2 2 + det 2 2 .
a3 b3 + c3
a3 b3
a3 c3
Zatem pierwsza wsprzdna wektora A(B +C) jest rwna pierwszej wsprzdnej
wektora A B + A C. Podobnie druga i trzecia wsprzdna. Otrzymujemy zatem
A (B + C) = A B + A C.
Dowd (5).
a1
b1
x1
x01
0
Dla A = a2 , B = b2 jeli A B = x2 , (tA) B = x2 , to
a3
b3
x3
x03
!
x01
ta2 b2
a b
= t det 2 2 = t x1 .
= det
ta3 b3
a3 b3
Podobnie x02 = t x2 , x03 = t x3 . Otrzymalimy zatem (tA) B = t(A B).

Bezporedni konsekwencj wasnoci (2) i (3) jest wniosek pozwalajcy na bardzo
szybkie sprawdzenie liniowej zalenoci pary wektorw.
Wniosek 3.2.1 (iloczyn wektorowy a liniowa zaleno wektorw). Jeli
wektory A i B s liniowo zalene, to A B = O .
3.3
Geometryczna interpretacja iloczynu wektorowego.
Iloczyn wektorowy jest wektorem, ktrego kierunek, dugo i zwrot moemy

wyznaczy, korzystajc z jego geometrycznych wasnoci.
38
Kierunek iloczynu wektorowego
Fakt 3.3.1. (1) Jeli wektory A i B s wspliniowe, to A B = O .

(2) Jeli A i B s niewspliniowe, to wektor A B jest prostopady zarwno do
A jak i do B, czyli wyznacza kierunek prostopady do paszczyzny rozpitej przez
wektory A i B.
Dowd. Pierwsza cz powyszego faktu wynika z trzeciej wasnoci udowodnionej
w poprzednim podrozdziale. Precyzyjny dowd pomijamy. Prostopado wektorw
A B i A oraz A B i B zostaa pokazana na pocztku tego rozdziau. Zauwamy,
e jeeli A i B nie s wspliniowe, to wyznaczaj paszczyzn, wic jeli wektor
A B jest prostopady do A i do B, to jest prostopady rwnie do paszczyzny
wyznaczonej przez te wektory, wyznacza wic kierunek do niej prostopady.
Dugo iloczynu wektorowego
Niech RA,B bdzie rwnolegobokiem rozpitym przez wektory A i B.
Zwizek iloczynu wektorowego A B z tym rwnolegobokiem okrela nastpujcy

fakt.
Fakt 3.3.2 (iloczyn wektorowy a pole rwnolegoboku). Dugo wektora
A B jest rwna polu rwnolegoboku RA,B .
a1
b1
a
Dowd. Niech A =
,
B
=
2
b2 , i niech oznacza miar kta pomidzy
a3
b3
wektorami A i B. Przypomnijmy, e wtedy pole rwnolegoboku RA,B mona obliczy
korzystajc ze wzoru P (RA,B ) = |A| |B| sin . Mamy rwnie
|A B|2 = (a2 b3 b2 a3 )2 + (a1 b3 + b1 a3 )2 + (a1 b2 b1 a2 )2 .
Po atwym przeksztaceniu, ktre pozostawimy do wykonania czytelnikowi, otrzymujemy
|AB|2 = (a21 +a22 +a23 )(b21 +b22 +b33 )(a1 b1 +a2 b2 +a3 b3 )2 = |A|2 |B|2 (AB)2 =
= |A|2 |B|2 (|A| |B| cos )2 = |A|2 |B|2 (1 cos2 ) =
= |A|2 |B|2 sin2 = [P (RA,B )]2 .
Pierwiastkujc obie strony, otrzymujemy |A B| = P (RA,B ), tak jak chcielimy.
39
Wniosek 3.3.3. A B to wektor prostopady do paszczyzny wyznaczonej przez A

i B, ktrego dugo jest rwna polu rwnolegoboku rozpitego przez A i B.
Zwrot iloczynu wektorowego
Dla dowolnych dwch wektorw mamy zatem jednoznacznie wyznaczony kierunek
i dugo wektora bdcego ich iloczynem wektorowym. Aby mie jednoznacznie
wyznaczony wektor musimy jeszcze okreli jego zwrot. W tym celu zastosujemy
regu ruby prawoskrtnej.
Definicja 3.3.4 (ruba prawoskrtna). rub prawoskrtn nazywamy rub,
ktra wkrca si, gdy jest obracana w prawo.
Krcc rub od X do Y wkrca si ona w kierunku Z.
"
Fakt 3.3.5 (zwrot wektora A B). Zwrot wektora A B jest taki jak kierunek,
w jakim wkrca si ruba prawoskrtna, gdy jest obracana od A do B.
Przykad. Sprbujmy teraz, bez odwoywania si do wzoru, korzystajc
z
tylko
geometrycznej interpretacji, znale iloczyn wektorowy X wektorw e1 =

0 , e2 =
0
1 . Jak wiemy z Faktu 3.3.1, X bdzie wektorem prostopadym do paszczyzny

0
wyznaczonej przez e1 i e2 , czyli do paszczyzny Oxy . Rwnolegobok wyznaczony
przez e1 i e2 to kwadrat o boku dugoci 1, zatem, jak wynika
z Faktu
3.3.2,
0
0
|A B| = 1. Szukanym wektorem X mog by zatem wektory

0 lub 0 .
1
1
40
Stosujc regu ruby prawoskrtnej, otrzymujemy
X = e1 e2 = 0 .
1
wiczenie. Jako sprawdzenie poprawnoci tak wyznaczonego iloczynu wektorowego, czytelnik moe wyznaczy ten wektor korzystajc ze wzoru (3.1).
Rozdzia 4
Wyznacznik macierzy 3 3
W matematyce istniej pojcia, ktre znajduj szerokie zastosowanie w rnych
dziedzinach. Jednym z takich poj jest wyznacznik macierzy kwadratowej. Odgrywa
on wan rol midzy innymi przy rozwizywaniu ukadw rwna liniowych z
wieloma niewiadomymi, oraz w geometrii. Na pocztek poznamy definicj wyznacznika, nastpnie omwimy jego najwaniejsze wasnoci. Na koniec zajmiemy
si niektrymi jego zastosowaniami.
4.1
Podstawowe definicje.
W pierwszej czci skryptu wprowadzone zostao pojcie wyznacznika macierzy

rozmiaru 22. Podamy teraz definicj odpowiednika tego pojcia dla macierzy 33.
a b c
Definicja 4.1.1 (wyznacznik macierzy). Wyznacznikiem macierzy M = d e f
g h i
nazywamy wyraenie algebraiczne postaci
(4.1)
"
det M = aei + bf g + cdh gec hf a idb.
2 3 0
Przykad. Wyznacznik macierzy M = 1 2 5 wynosi

7 1 4
det M = 16 + 105 + 0 0 + 10 12 = 87.
Poniej podamy atwy sposb na obliczanie wyznacznika macierzy bez koniecznoci
pamitania wzoru.
Uwaga 4.1.2 (regua Sarrusa). W praktyce w celu obliczenia wyznacznika stosowa
bdziemy regu Sarrusa.
a b c
Do danej macierzy d e f dopisujemy kolumn pierwsz i drug. Otrzymujemy

g h i
ukad
a b c a b
d e f d e.
g h i g h
41
42
Rozdzia 4. Wyznacznik macierzy 3 3
Nastpnie dodajemy do siebie iloczyny wyrazw znajdujcych si na ukonych prostych

wychodzcych z trzech pierwszych wyrazw pierwszego wiersza, a od wyniku odejmujemy iloczyny wyrazw znajdujcych si na ukonych prostych wychodzcych z trzech
pierwszych wyrazw ostatniego wiersza, tak jak to pokazuje poniszy schemat.
Otrzymujemy wwczas podany w Definicji 18.3.1 wzr na wyznacznik danej macierzy.

Mona
okreli
rwnie
wyznacznik
a1
b1
A=
a2 , B = b2 , C =
a3
b3
dlatrjki wektorw. Niech

c1
c2
.
c3
Definicja 4.1.3 (wyznacznik wektorw). Wyznacznikiem wektorw A, B, C

nazywamy liczb
a1 b1 c1
det(A, B, C) = det a2 b2 c2 .
a3 b3 c3
"
3
2
1
Przykad. Wyznacznik wektorw A =

5 , B = 1 , C = 3 wynosi
1
3
0
3 2 1
det
5 1 3 = 0 6 + 15 1 27 0 = 19.
1 3 0
4.2
Wasnoci wyznacznika.
Poniej okrelimy najwaniejsze, zarwno arytmetyczne, jak i geometryczne

wasnoci wyznacznika.
Wyznacznik jako iloczyn mieszany
Fakt 4.2.1 (wyznacznik a iloczyn wektorw). Dla A, B, C R3 mamy
det(A, B, C) = A (B C) = (A B) C.
Ze wzgldu na wystpujce w powyszej tosamoci pojcia iloczynu skalarnego i wektorowego, wyznacznik trjki wektorw bywa czsto nazywany iloczynem
mieszanym tych wektorw.
43
Dowd. Korzystajc z definicji iloczynu skalarnego i wektorowego mamy
a1
b2 c3 c2 b3

A (B C) = (A B) C = a2 b1 c3 + c1 b3
=
a3
b1 c2 c1 b2
= a1 (b2 c3 c2 b3 ) + a2 (b1 c3 + c1 b3 ) + a3 (b1 c2 c1 b2 ) =
= a1 b2 c3 a1 c2 b3 a2 b1 c3 + a2 c1 b3 + a3 b1 c2 a3 c1 b2 = det(A, B, C)
Podobnie pokazujemy, e det(A, B, C) = (A B) C.
Fakt 4.2.2. Dla A, B, C R3 mamy
det(A, B, C) = det(B, A, C) = det(A, C, B) = det(C, B, A) =
= det(B, C, A) = det(C, A, B).
Dowd. Korzystajc z poprzedniego faktu oraz z wasnoci iloczynu wektorowego
otrzymujemy
det(B, A, C) = (B A) C = (A B) C = (A B) C = det(A, B, C),
det(B, C, A) = (B C) C = A (B C) = det(A, B, C).
Dla pozostaych rwnoci dowody wygldaj analogicznie. Otrzymalimy wic, e

zamiana dwch kolumn w macierzy, ktrej wyznacznik liczymy, powoduje zmian
znaku wyznacznika, natomiast cykliczne przestawienie kolumn macierzy nie zmienia
wartoci wyznacznika.
wiczenie.
nikowi.
Dowody pozostaych rwnoci, pozostawimy do wykonania czytel-
Uwaga 4.2.3. Znak -pojawia si, gdy dokonujemy zamiany ktrychkolwiek dwch
wektorw spord A, B, C. Takie zamiany dwch wektorw nazywamy transpozycjami. Zatem wyznacznik zmienia si na przeciwny przy transpozycji ktrychkolwiek dwch wektorw. Wyznacznik nie zmienia si, przy przestawieniu cyklicznym,
np. gdy wektory przesuniemy o jedno miejsce do przodu, za pierwszy przeniesiemy
na koniec.
Macierz transponowana i jej wyznacznik
Bardzo wanym pojciem zwizanym z macierzami jest macierz transponowana
do danej macierzy.
a b c
Definicja 4.2.4 (macierz transponowana). Jeli m = d e f , to macierz

g h k
T
transponowan do macierzy, oznaczan symbolem m , nazywamy macierz
a d g
T
m = b e h ,
c f k
otrzyman z m przez zamian wyrazw pooonych symetrycznie wzgldem przektnej gwnej.
44
Uwaga 4.2.5. Macierz transponowan mona rwnie uzyska poprzez zapisanie

kolumn macierzy m jako wierszy w macierzy mT .
Jak nietrudno si przekona wyznaczniki macierzy m i macierzy do niej transponowanej s sobie rwne, o czym mwi nastpujcy fakt.
Fakt 4.2.6 (wyznacznik macierzy transponowanej). Dla macierzy m mamy
det(m) = det(mT ).
wiczenie. Dowd tej wasnoci, wynikajcy wprost z definicji wyznacznika, pozostawimy do wykonania czytelnikowi.
Wyznacznik a liniowa niezaleno
Podamy teraz bardzo uyteczn wasno wyznacznika, dziki ktrej w atwy
sposb mona sprawdzi, czy trjka wektorw jest liniowo niezalena.
Fakt 4.2.7. (wyznacznik a liniowa zaleno) Wyznacznik wektorw A, B, C
R3 jest rwny zero wtedy i tylko wtedy gdy wektory te s liniowo zalene.
Dowd. Niech det(A, B, C) = 0. Gdyby wektory A, B, C byy liniowo niezalene,
wtedy mielibymy, e wektory A, B s niewspliniowe, czyli wektor A B jest
niezerowy. Ponadto C nie naleaoby do paszczyzny wyznaczonej przez A i B,
wic nie byby prostopady do A B. Zatem (A B) C 6= 0, ale wiemy, e
(A B) C = det(A, B, C) = 0. Otrzymalimy wic sprzeczno, ktra oznacza, e
jeli det(A, B, C) = 0, to wektory A, B, C s liniowo zalene.
Udowodnijmy jeszcze implikacj w drug stron. Zamy, e A, B, C s liniowo
zalene czyli np. A naley do paszczyzny wyznaczonej przez B i C. Wynika std,
e A jest prostopady do B C, wic A (B C) = 0, ale jak wiemy A (B C) =
det(A, B, C), std det(A, B, C) = 0. Otrzymalimy wic, e jeli wektory s liniowo
zalene, to ich wyznacznik musi by rwny zero.
"
2
1
3
Przykad. Sprawdmy, czy wektory A = 0 , B = 1 , C = 1 s

1
1
2
liniowo niezalene. W tym celu obliczmy wyznacznik tych wektorw.
2 1 3
det 0 1 1
=41+03+20=2
1 1 2
Wyznacznik ten jest niezerowy wic wektory A, B, C s liniowo niezalene.
Wieloliniowo wyznacznika
Okrelimy teraz wasnoci, ktre nazywane s wieloliniowoci wyznacznika.
Fakt 4.2.8 (wieloliniowo wyznacznika). Dla wektorw A, A1 , A2 , B, C R3
oraz liczby rzeczywistej t mamy
(a) det(tA, B, C) = det(A, tB, C) = det(A, B, tC) = t det(A, B, C),
45
(b) det(A1 + A2 , B, C) = det(A1 , B, C) + det(A2 , B, C).

Dowd powyszego faktu atwo wynika z podstawowych wasnoci iloczynu skalarnego i wektorowego, dlatego go pominiemy.
Dla A, B, B1 , B2 , C, C1 , C2 R3 , moemy wyprowadzi wzory podobne do tych
z podpunktu (b) w Fakcie 4.2.8.
Wniosek 4.2.9.
det(A, B1 + B2 , C) = det(A, B1 , C) + det(A, B2 , C),
det(A, B, C1 + C2 ) = det(A, B, C1 ) + det(A, B, C2 ).
Zajmijmy si geometrycznymi wasnociami wyznacznika.
Wyznacznik a objto rwnolegocianu i czworocianu
Fakt 4.2.10 (wyznacznik a objto rwnolegocianu). Dla A, B, C R3
warto bezwzgldna wyznacznika | det(A, B, C)| jest rwna objtoci rwnolegocianu RA,B,C zbudowanego na wektorach A, B, C.
Dowd. Niech S bdzie polem podstawy rwnolegocianu RA,B,C , czyli polem rwnolegoboku RA,B zbudowanego na wektorach A, B (patrz rysunek). Niech ~e bdzie
wektorem jednostkowym prostopadym do paszczyzny podstawy, o zwrocie takim
jak iloczyn wektorrowy A B. Jak wiemy z Faktu 3.3.2 |A B| = S, co daje
(A B) = S ~e.
Otrzymujemy zatem
| det(A, B, C)| = |(A B) C| = |(S ~e) C| = S |~e C| = S |e| |C| cos .
Jak nietrudno si przekona |C|cos = H jest wysokoci rwnolegocianu. Wiemy
rwnie, e |~e| = 1, a std | det(A, B, C)| = S H = V (RA,B,C ).
"
Przykad. Objto rwnolegocianu zbudowanego na wektorach A = 1

,
1

1
2
1 1 2

B=
0 , C = 3 wynosi det 1 0 3 = |0 3 + 2 0 3 2| = 6.

1
2
1 1 2
46
Bezporedni konsekwencj powyszego faktu jest nastpujcy wniosek.

Wniosek 4.2.11 (objto czworocianu). Objto czworocianu zbudowanego
na wektorach A, B, C wynosi 16 | det(A, B, C)|.
Dowd. Zauwamy, e pole trjkta zbudowanego na wektorach A, B jest rwne
poowie pola rwnolegoboku zbudowanego na tych wektorach. Oznaczmy ten trjkt
TA,B , czworocian zbudowany na A, B, C oznaczmy przez CA,B,C . Otrzymujemy wic
V (CA,B,C ) =
1
1 1
1
P (TA,B ) H = P (RA,B ) H = P (RA,B ) H =
3
3 2
6
1
1
= V (RA,B,C ) = | det(A, B, C)|.
6
6
Znak wyznacznika i orientacja

Dla trjki liniowo niezalenych wektorw A, B, C wprowadzamy pojcie ich
orientacji w przestrzeni.
Definicja 4.2.12 (orientacja trjki wektorw). Uporzdkowana trjka wektorw A, B, C jest prawoskrtna (dodatnio zorientowana), gdy wektor C tworzy z
wektorem A B kt < 900 . Podobnie trjka wektorw jest lewoskrtna (ujemnie
zorientowana), gdy kt pomidzy C a A B spenia warunek > 900 .
Rwnowanie moemy powiedzie, e ukad jest dodatnio zorientowany, gdy C
ley po tej samej stronie paszczyzny wyznaczonej przez A i B, co A B, natomiast
jest ujemnie zorientowany, gdy ley po przeciwnej stronie tej paszczyzny.
Rysunek po lewej stronie przedstawia trjk wektorw dodatnio zorientowanych,

rysunek po prawej stronie - ujemnie zorientowanych.
Uwaga 4.2.13 (orientacja a wyznacznik). Trjka wektorw A, B, C jest prawoskrtna wtedy i tylko wtedy gdy det(A, B, C) > 0, natomiast lewoskrtna, gdy
det(A, B, C) < 0.
Dowd. Zauwamy, e jeli wektor A B ley po tej samej stronie paszczyzny co
wektor C, to mniejszy z ktw midzy tymi wektorami jest mniejszy ni 900 , a w
takim wypadku cosinus tego kta jest dodatni.
47
Jak nietrudno si przekona, cosinus kta midzy wektorami A B a C ma

znak taki sam jak iloczyn skalarny tych wektorw, czyli (A B) C > 0 gdy
(]A B, C) < 900 , ale jak wiemy (A B) C = det(A, B, C). Moemy wnioskowa,
e trjka wektorw jest dodatnio zorientowana, gdy det(A, B, C) > 0. Podobnie
moemy pokaza, e trjka wektorw jest ujemnie zorientowana, gdy mniejszy z
ktw pomidzy wektorami A B a C jest wikszy ni 900 .
Oznacza to, e jego cosinus jest mniejszy od zera a tym samym det(A, B, C) < 0.
"
1
2
Przykad. Wektory A = 1 , B =
2
1
3
2
ujemnie zorientowany poniewa det 1 0
2 1
3
2
0 , C = 2 tworz ukad
1
1
2
2
= 0 12 2 0 1 3 = 18.
1
Uwaga 4.2.14. Orientacja wektorw zaley od kolejnoci wektorw. Przykadowo

trjka wektorw zmienia orientacj na przeciwn po przestawieniu dwch wektorw.
wiczenie. Ustal dokadnie, w jaki sposb orientacja trzech wektorw zmienia si
pod wpywem zmian ich porzdku. Kiedy zmienia si na przeciwn a kiedy pozostaje
bez zmian. (Porwnaj Fakt 4.2.2).
4.3
Zastosowania wyznacznika 3 3.
Zajmijmy si teraz nie wymienionymi wczeniej zastosowaniami wyznacznika w

geometrii analitycznej przestrzeni.
Jak wiemy z Faktu 4.2.7 trzy wektory s wsppaszczyznowe jeli ich wyznacznik jest rwny zero. Dziki temu w atwy sposb moemy okreli warunek na
wsppaszczyznowo czterech punktw.
48
(1) Wsppaszczyznowo czterech punktw w przestrzeni.

Punkty A, B, C, D R3 w przestrzeni le na jednej paszczynie wtedy i

tylko wtedy gdy wektory AB, AC, AD s wsppaszczyznowe , a to zachodzi

wtedy i tylko wtedy gdy det(AB, AC, AD) = 0.
(2) Rwnanie paszczyzny rwnolegej do dwch wektorw.
Z powyszej wasnoci moemy wyprowadzi
rwnolegej
rwnaniepaszczyzny
a1
b1
do dwch danych wektorw A = a2 , B = b2 i przechodzcej

a3
b3
x0
przez punkt X0 = y0 . Oznaczmy szukan paszczyzn przez . Wemy

z
0
x
dowolny punkt X = y
nalecy do tej paszczyzny, wtedy wektor XX0
z
rwnie bdzie si zawiera w tej paszczynie, zatem wektory A, B, XX0 bd

wsppaszczyznowe.
Jak pokazalimy w poprzednim podpunkcie dla takich wektorw zachodzi
rwno det(A,
B,
XX0 )
= 0. Po podstawieniu wsprzdnych otrzymujemy
a1 b1 x x0
wic det a2 b2 y y0 = 0, co rozwijajc wzgldem trzeciej kolumny,

a3 b3 z z0
moemy zapisa jako
(4.2)
!
a b
a b
a b
(x x0 ) det 2 2 (y y0 ) det 1 1 + (z z0 ) det 1 1 = 0
a2 b2
a3 b3
a3 b3
Zawamy, e rwnanie to jest spenione dla kadego wektora z paszczyzny ,
jak rwnie kady wektor, ktry spenia to rwnanie jest wsppaszczyznowy
z A, B, naley wic do paszczyzny . Moemy wic przyj, e rwno (4.2)
jest rwnaniem tej paszczyzny.
(3) Rwnanie paszczyzny wyznaczonej przez trzy punkty.
Majc dane trzy punkty A, B, C moemy znale rwnanie paszczyzny wyznaczonej przez te punkty. Dla dowolnego X nalecego do tej paszczyzny

wektory AB, AC, AX s wsppaszczyznowe , a zatem ich wyznacznik jest

rwny zero det(AB, AC, AX) = 0, co jednoznacznie wyznacza nam szukan
paszczyzn.
49
"
Poniszy przykad ilustruje jak wyglda tak uzyskiwane rwnanie paszczyzny

dla punktw A, B, C o konkretnych zadanych wsprzdnych.
Przykad. Wyznaczmy rwnanie paszczyzny zawierajcej punkty
1
0
1
A = 2 , B = 2 , C = 5 .
3
4
1
x
1
0
x1

Dla X = y mamy AB = 0 , AC = 3 , AX = y 2 .
z
1
2
z3
Dla takich wektorw otrzymujemy
1 0 x 1
3 y 2
det 0
= 0.
1 2 z 3
Mamy wic 3 (x 1) 2 (y 2) 3(z 3) = 0, czyli rwnanie szukanej
paszczyzny to 3x 2y 3z + 16 = 0.
(4) Dodatnia i ujemna strona paszczyzny.
Dla uporzdkowanej trjki punktw A, B, C moemy okreli strony paszczyzny
przez nie wyznaczonej. Dodatni stron paszczyzny wyznaczonej przez A, B, C

nazywamy t cz przestrzeni, w ktrej znajduje si koniec wektora AB AC.
Drug cz tej przestrzeni nazywamy stron ujemn.
Dla dowolnego punktu X R3 moemy atwo sprawdzi po ktrej stronie

paszczyzny znajduje si ten punkt, mamy bowiem
(a) X ley po dodatniej stronie paszczyzny wyznaczonej przez A, B, C wtedy

i tylko wtedy gdy det(AB, AC, AX) > 0
(b) X ley po ujemnej stronie paszczyzny wyznaczonej przez A, B, C wtedy

i tylko wtedy gdy det(AB, AC, AX) < 0
Dowd. Zauwamy, e X ley po dodatniej stronie wtedy i tylko wtedy gdy trjka

wektorw AB, AC, AX jest dodatnio zorientowana. Podobnie X ley po ujemnej
stronie wtedy i tylko wtedy gdy ta trjka wektorw jest ujemnie zorientowana.
Powysza wasno jest zatem konsekwencj Uwagi 4.2.13.
50
4.4
Zastosowanie wyznacznika do rozwizywania

ukadu 3 rwna liniowych z 3 niewiadomymi.
Kolejnym bardzo wanym zastosowaniem wyznacznika jest uycie go do rozwizywania ukadw trzech rwna liniowych z trzema niewiadomymi. Ukad
a1 x + b1 y + c1 z = d1
(4.3)
a2 x + b2 y + c2 z = d2
a3 x + b3 y + c3 z = d3
gdzie ai , bi , ci , di s dane, natomiast x, y, z s niewiadomymi, moemy rozwiza

metod przez podstawianie, bywa ona jednak czsto bardzo czasochonna. Korzystajc z pojcia wyznacznika mona wyprowadzi oglne wzory na rozwizanie
takiego ukadu. W tym celu posuymy si wektorow interpretacj danego ukadu.
Moemy go bowiem zapisa jako
a1
b1
c1
d1
x a2 + y b2 + z c2 = d2
,
b3
c3
d3
a3
lub krcej
x A + y B + z C = D.
Rozwizanie naszego ukadu sprowadza si zatem do znalezienia wspczynnikw
rozkadu wektora D w kombinacj liniow wektorw A, B, C. Aby wyznaczy wspczynnik x, pomnmy skalarnie obie strony otrzymanego rwnania przez B C.
Otrzymamy wwczas
(x A + y B + z C) (B C) = D (B C),
co, korzystajc z wasnoci wyznacznika, moemy zapisa jako
det(x A + y B + z C, B, C) = det(D, B, C),
czyli x det(A, B, C) + y det(B, B, C) + z det(C, B, C) = det(D, B, C). Zauwamy,
e det(B, B, C) = (B B) C = 0. Podobnie det(C, B, C) = C (B C) = 0, bo
B C C. Otrzymujemy zatem
x det(A, B, C) = det(D, B, C).
W analogiczny sposb moemy wyprowadzi zalenoci
y det(A, B, C) = det(A, D, C)
z det(A, B, C) = det(A, B, D).
Przy zaoeniu, e det(A, B, C) 6= 0 rozwizaniem ukadu (4.3) jest
x = det(D,B,C)
det(A,B,C)
y=
det(A,D,C)
det(A,B,C)
z = det(A,B,D)
det(A,B,C)
51
wiczenie. Postaraj si wyprowadzi zalenoci y det(A, B, C) = det(A, D, C),

z det(A, B, C) = det(A, B, D) stosujc rozumowanie podobne do tego, ktre pozwolio uzyska zaleno x det(A, B, C) = det(D, B, C).
Otrzymane rozwizanie moemy zapisa w oglniejszej postaci. W tym celu
zdefiniujmy pewne uyteczne pojcia.
a1 b1 c1
Definicja 4.4.1. Macierz (A, B, C) = a2 b2 c2 nazywamy macierz gwn

a3 b3 c3
ukadu (4.3).
Macierze pomocnicze powstaj przez zastpienie kolumn wspczynnikw przy
pewnej niewiadomej, kolumn wyrazw wolnych. Dla ukadu (4.3) mamy wic trzy
macierze pomocnicze: (D, B, C), (A, D, C), (A, B, D).
Wyznacznikiem gwnym danego ukadu nazywamy wyznacznik macierzy gwnej,
czyli W = det(A, B, C).
Wyznacznikami pomocniczymi nazywamy wyznaczniki Wx = det(D, B, C),
Wy = det(A, D, C), Wz = det(A, B, D).
Zauwamy, e Wx to wyznacznik macierzy powstaej przez zastpienie w macierzy
gwnej kolumny odpowiadajcej zmiennej x przez kolumn wyrazw wolnych. Wyznacznik ten jest wykorzystywany do wyznaczenia zmiennej x. Macierz we wzorze na
Wy powstaje przez zastpienie kolumny odpowiadajcej zmiennej y przez kolumn
wyrazw wolnych, natomiast sam wyznacznik wykorzystujemy do wyznaczenia zmiennej y. Do znalezienia z uywamy wyznacznika Wz , ktry powstaje w analogiczny
sposb.
Moemy teraz sformuowa oglne twierdzenie.
Twierdzenie 4.4.2 (rozwizanie ukadu rwna). Jeli W 6= 0 to ukad (4.3)
ma dokadnie jedno rozwizanie, ktre przedstawia si nastpujco
x=
"
Wx
Wy
Wz
, y=
, z=
.
W
W
W
Uwaga 4.4.3. Twierdzenie powysze ma analogiczn posta, jak dla ukadu dwch
rwna liniowych z dwiema niewiadomymi.
Przykad. Rozwimy ukad
3x + 4y + z = 1
2x 3y + 2z = 5
xy =3
3 4 1
Macierz gwn tego ukadu jest macierz 2 3 2

. Wyznacznik tej macierzy
1 1 0
wynosi W = 0 2 + 8 + 3 + 6 0 = 15. Wyznaczniki pomocnicze to
1 4 1
Wx = det
5 3 2 = 0 5 + 24 + 9 + 2 0 = 30,
3 1 0
3 1 1
Wy = det 2 5 2 = 0 + 6 + 2 5 18 0 = 15,
1 3 0
3 4 1
Wz = det
2 3 5 = 27 2 + 20 + 3 + 15 24 = 15.
1 1 3
Rozwizaniem naszego ukadu jest wic trjka liczb
x=
15
15
30
= 2, y =
= 1, z =
= 1.
15
15
15
52
Rozdzia 5
Przeksztacenia liniowe przestrzeni
Rozdzia ten powicimy na zapoznanie si z przeksztaceniami przestrzeni. W
szczeglnoci zajmiemy si przeksztaceniami liniowymi. W pierwszym podrozdziale
wprowadzimy podstawowe definicje, w kolejnych poznamy rne, geometryczne przykady przeksztace liniowych.
5.1
Uwaga 5.1.1. W algebrze liniowej punkt o wsprzdnych (x1 , x2 , x3 ) czstoutosa

x1
miany jest ze swoim wektorem wodzcym, czyli wektorem o wsprzdnych x2 .

x3
Definicja 5.1.2 (przeksztacenie przestrzeni). Przeksztacenie T przestrzeni

jest to pewna regua, ktra kademu wektorowi X (punktowi) przestrzeni, przyporzdkowuje jednoznacznie pewien wektor (punkt), oznaczony T (X) i zwany obrazem
wektora X przez przeksztacenie T .
x1
x01
Uwaga 5.1.3. Czsto bdziemy stosowa zapis T x2 = x2 , ktry oznacza,

x3
x03
x1
x1
e obrazem wektora x2 przez przeksztacenie T jest wektor x2 .

x03
x3
53
54
Rozdzia 5. Przeksztacenia liniowe przestrzeni
Najwaniejszymi przeksztaceniami przestrzeni s tzw. przeksztacenia liniowe

i tylko takimi bdziemy zajmowa si w dalszej czci tego rozdziau.
Definicja 5.1.4 (przeksztacenie liniowe). Przeksztacenie T : R3 R3 jest
przeksztaceniem liniowym, jeli mona je opisa za pomoc wzoru
x1
ax1 + bx2 + cx3
x
dx
T
=
2
1 + ex2 + f x3
x3
gx1 + hx2 + ix3
(5.1)
x1
dla dowolnego wektora x2 R3 , gdzie a, b, c, d, e, f, g, h, i oznaczaj stae liczby.

x3
Kademu przeksztaceniu liniowemu moemy jednoznacznie przyporzdkowa
pewn macierz, zwan macierz tego przeksztacenia. W wielu przypadkach bardzo
uatwi to opis, jak i badanie wasnoci danego przeksztacenia.
Uwaga 5.1.5 (macierz przeksztacenia liniowego). Macierz
a b c
d e f
g h i
(5.2)
nazywamy macierz przeksztacenia T , zadanego wzorem (5.1).
"
x1
Przykad. Przeksztacenie T, ktre dowolnemu wektorowi x2 przyporzdx3
x1 3x2 + x3
2x1 + x3
kowuje wektor
jest przeksztaceniem liniowym, bo
x2
x1 3x2 + x3
1 x1 + (3) x2 + 1 x3
x1
2x1 + x3
T x2 =
= 2 x1 + 0 x2 + 1 x3 ,
x2
0 x1 + 1 x2 + 0 x3
x3
czyli da si przedstawi w postaci (5.1) dla
a = 1, b = 3, c = 1, d = 2, e = 0, f = 1, g = 0, h = 1, i = 0.
Macierz tego przeksztacenia jest
1 3 1
2 0 1 .
0 1 0
W kolejnych podrozdziaach zapoznamy si z rozmaitymi przykadami przeksztace, ktre oka si by przeksztaceniami liniowymi.
55
5.2
Rzut prostopady na prost wzdu wektora

U.
Na pocztek zdefiniujmy czym, dla dowolnego punktu X i prostej L jest rzut

prostopady tego punktu na t prost.
Definicja 5.2.1 (rzut prostopady na prost). Rzutem prostopadym punktu
X na prost L, nazywamy taki punkt X 0 , o kocu na prostej L, e rnica X X 0
jest wektorem prostopadym do L.
Rzut prostopady na prost wzdu wektora U =

5
1
Rozwamy teraz zagadnienie rzutu prostopadego wektora dla konkretnej prostej
L, mianowicie dla prostej wzdu wektora U , czyli prostej
przez
przechodzcej
pocztek ukadu, o wektorze kierunkowym U . Niech U = 5 . Prost wzdu

1
3
3t
wektora U mona wwczas zapisa jako t U = t

5 = 5t . Dla takiej
1
t
prostej L sprbujmy znale rzut prostopady wektora X na L. Zadanie to sprowadza
si do znalezienia odpowiedniej wartoci parametru t, tak aby X 0 = t U, bdcy
rzutem wektora X na prost wzdu
warunki okrelone w Definicji 5.2.1,
U, spenia
x1 + 3t
czyli aby X X 0 = X tU = x2 5t by prostopady do tej prostej, a tym

x3 t
samym by prostopady do wektora U. Musi wic zachodzi
(X X 0 ) U = 0.
Ten warunek moemy zapisa jako
x1 + 3t
3
x2 5t 5 = 3x1 9t + 5x2 25t + x3 t = 0.

x3 t
1
56
Wsprzdne x1 , x2 , x3 traktujemy tutaj jako dane, moemy wic wyznaczy t

(9 25 1) t 3x1 + 5x2 + x3 = 0
3x1 + 5x2 + x3 = 35t
3x1 + 5x2 + x3
t=
35
0
Zatem wektor X moemy zapisa jako
9
3
3
x1 15
x 35
x3
35 2
3x1 + 5x2 + x3
35 15
0
25
5
X = tU =
5 = 35 + 35 x2 + 35 x3
35
5
1
3
1
x1 + 35
x2 + 35
x3
35
Jest to wzr postaci zgodnej z definicj przeksztacenia liniowego, rzut ten jest wic
przeksztaceniem liniowym, ktrego macierz jest
9
3515
35
3
15
35
35
3
35
25
35
5
35
5
35
1
35
Rzut prostopady na prost wzdu wektora U - przypadek oglny

Zastanwmy si jednak, jak wyglda wzr takiego przeksztacenia, dla prostej L
poprowadzonej
wzdu dowolnego wektora U R3 o zadanych wsprzdnych U =
u1
u2 . Sprawdmy, czy zawsze bdzie to przeksztacenie liniowe. Dla przypadku

u3
oglnego, sprbujmy znale takie t, aby X 0 = tU oraz (X X 0 ) U = 0.
Otrzymujemy wic (X tU ) U = 0
X U tU U =0
X U = t U U = t|U |2
a std moemy ju wyznaczy t
t=
X U
.
|U |2
57
Oglny wzr na rzut to zatem

X 0 = tU =
(5.3)
XU
|U |2
U.
x1
u1
We wsprzdnych, dla X
x2 , U = u2 wzr ten przyjmuje posta
x3
u3
u1
x1
2 u2
u
x1
u
1
1
u3
x3
x 1 u1 + x 2 u2 + x 3 u3
X0 = T
u2 =
u2 =
x2 =

2
2
2
2
u

u
+
u
+
u
1
2
3
1

x3
u3
u3

u2

u3
x1 u21 +x2 u1 u2 +x3 u1 u3

u21 +u22 +u23
x1 u1 u2 +x2 u22 +x3 u2 u3
u21 +u22 +u23
x1 u1 u3 +x2 u2 u3 +x3 u23
u21 +u22 +u23
u21
2
u1 +u22 +u23
x1 +
= 2 u1 u2 2 2 x1 +
u1 +u2 +u3
u1 u3
x
u21 +u22 +u23 1
u1 u2
u21 +u22 +u23
u22
2
u1 +u22 +u23
x2 +
u1 u3
u21 +u22 +u23
x3
u2 u3
x2 + u2 +u2 +u2 x3
u2 u3
x
u21 +u22 +u23 2
u23
x
2
u1 +u22 +u23 3
Zatem zgodnie z Definicj 5.1 jest to przeksztacenie liniowe. Macierz tego przeksztacenia jest
u21
u21 +u22 +u23

u u
2 122 2
u1 +u2 +u3
u1 u3
u21 +u22 +u23
u1 u2
u21 +u22 +u23
u22
u21 +u22 +u23
u2 u3
u21 +u22 +u23
u1 u3
u21 +u22 +u23
u2 u3
.
u21 +u22 +u23
u23
2
2
2
u1 +u2 +u3
Macierz t moemy te zapisa w postaci
u21 u1 u2 u1 u3
1
u22 u2 u3
uu
.
2
2
2 1 2
u1 + u2 + u3
u1 u3 u2 u3 u23
Wniosek 5.2.2. Rzut prostopady na prost wzdu dowolnego wektora U R3 jest
przeksztaceniem liniowym.
5.3
Symetria wzgldem paszczyzny.
Innym przykadem przeksztacenia liniowego jest odbicie (symetria) wzgldem

paszczyzny przechodzcej przez pocztek ukadu wsprzdnych. Rozwamy to
przeksztacenie na przykadzie odbicia wzgldem paszczyzny zadanej rwnaniem
3x 5y 2z = 0. Skorzystamy z nastpujcego opisu warunkw, jakie spenia punkt
X 0 bdcy obrazem punktu X przez to przeksztacenie.
Fakt 5.3.1 (obraz punktu w symetrii wzgldem paszczyzny). Obrazem
punktu X w odbiciu wzgldem paszczyzny jest punkt X 0 speniajcy nastpujce
dwa warunki
58
1. X 0 ley na prostej l prostopadej do przechodzcej przez X.

2. rodek S odcinka XX 0 naley do paszczyzny .
x01
0
0
Posugujc si powyszymi dwoma warunkami znajdmy obraz X = x2
x03
x1
punktu X = x2 w symetrii wzgldem paszczyzny : 3x 5y 2z = 0. Wektor

x3
normalny paszczyzny , to N = 5 . Prost l, tzn. prost prostopad do

2
przechodzc przez X, moemy wic zapisa w postaci l : X + t N, co po
podstawieniu wsprzdnych daje
x1 + 3t
x1
3
l : x2 + t 5 = x2 5t .
x3 2t
x3
2
x1 + 3t
Punkt X 0 naley do prostej l, wic dla pewnej wartoci t mamy X 0 =

x2 5t .
x3 2t
Wiemy rwnie, e punkt S, jest rodkiem odcinka XX 0 , czyli
1
x1 + 32 t
x1 + 12 x01
x1 + 12 x1 + 32 t
2
2
1
1
1
5
5
1
S = (X + X 0 ) =
2 x2 + 2 x02 = 2 x2 + 2 x2 2 t = x2 2 t .
2
1
x
2 3
+ 12 x03
1
x
2 3
+ 12 x3 t
x3 t
Punkt ten naley do paszczyzny zatem jego wsprzdne speniaj warunek

5
3
3(x1 + t) 5(x2 t) 2(x3 t) = 0.
2
2
Przeksztamy t rwno traktujc wsprzdne x1 , x2 , x3 jako dane, za warto
parametru t jako niewiadom, ktr wyliczamy
3x1 5x2 2x3 + 19t = 0,
59
19t = 3x1 + 5x2 + 2x3 ,

3
5
2
t = x1 + x2 + x3 .
19
19
19
Std po wstawieniu wyliczonej wartoci dla parametru t otrzymujemy
9
x1 19
x1 + 3t
x1 +
0
15
X = x2 5t = x2 + 19 x1
6
x3 2t
x1
x3 + 19
15
x
19 2
25
x
19 2
10
x
19 2
6
x
19 3
10
x
19 3
4
x
19 3
6
10 x1 + 15
x + 19
x3
19 2
1519
6
10
= 19 x1 19 x2 19 x3 .
6
x 10
x + 15
x
19 1
19 2
19 3
Symetria wzgldem paszczyzny 3x 5y 2z = 0 jest wic przeksztaceniem liniowym. Macierz tego przeksztacenia to
10
19
15
19
6
19
5.4
15
19
6
19
10
19
6
19
10
.
19
15
19
Jednokadno Jk o skali k wzgldem (0, 0, 0).
Jednokadno Jk o skali k wzgldem

(0, 0, 0), jest rwnie przeksztaceniem
x1
liniowym. Obrazem wektora X =

x2 , w takiej jednokadnoci, jest wektor
x3
lecy na prostej wyznaczonej przez wektor X, ale pomnoony przez k, czyli
Jk (X) = k X.
Poniej przedstawiamy przykad takiego przeksztacenia dla k = 21 .
We wsprzdnych jednokadno o skali k moemy przedstawi jako
kx1
x1
x1
k x1 + 0 x2 + 0 x3
Jk x2 = k x2 = kx2 = 0 x1 + k x2 + 0 x3 .
kx3
x3
x3
0 x1 + 0 x2 + k x3
Przeksztacenie Jk jest wic rzeczywicie przeksztaceniem liniowym, ktrego macierz
jest
k 0 0
0 k 0 .
0 0 k
60
5.5
Rzuty i symetrie zwizane z osiami i paszczyznami wsprzdnych.
Rzut na paszczyzn
Zgodnie z oznaczeniami, wprowadzonymi w Rozdziale 1, paszczyzny wsprzdnych to Oxy , Oxz , Oyz . Rozwamy rzut prostoktny na paszczyzn Oxy , oznaczmy
go Pxy .
Zauwamy, e obrazem punktu X = y przez takie przeksztacenie bdzie punkt

z
x
x
x
X 0 = y , a wic przeksztacenie to moemy opisa wzorem Pxy y = y .

0
z
0
Z postaci tego wzoru moemy wnioskowa, e Pxy jest przeksztaceniem liniowym,
ktrego macierz jest
1 0 0
m(Pxy ) = 0 1 0 .
0 0 0
0 0
W analogiczny sposb otrzymujemy m(Pyz ) =
0 1
0 0
gdzie Pyz , Pxz oznaczaj rzuty na paszczyzny Oyz ,
0
1 0 0
0
oraz m(Pxz ) = 0 0 0 ,
1
0 0 1
Oxz , odpowiednio.
Symetria wzgldem paszczyzny

Rozwamy teraz symetrie wzgldem tych paszczyzn. Niech Sxy oznacza symetri
wzgldem Oxy . Zauwamy, e koniec wektora X 0 bdcego obrazem wektora X przez
to przeksztacenie znajduje si na prostej prostopadej do paszczyzny Oxy i przechodzcej przez koniec wektora X. Zgodnie z okreleniem wsprzdnych wektora,
podanym w pierwszym rozdziale, oznacza to, e wektory X i X 0 maj na paszczynie
Oxy takie same wsprzdne, co oznacza, e dwie pierwsze wsprzdne tych wektorw s takie same. Ponadto odlego wektora X 0 od paszczyzny Oxy jest taka
sama jak odlego wektora X od tej paszczyzny i znajduj si one po przeciwnych
stronach tej paszczyzny, tak wic trzecia wsprzdna wektora X 0 bdzie miaa t
61
sam warto
wek ale
przeciwny znak co trzecia wsprzdna wektoraX. Obrazem
x
x
x
tora X = y w takiej symetrii bdzie zatem punkt X 0 = Sxy y = y .

z
z
z
Z postaci wzoru wyznaczajcego obraz wektora przez to przeksztacenie moemy

wnioskowa, e symetria wzgldem paszczyzny jest przeksztaceniem liniowym o
macierzy
1 0 0
m(Sxy ) =
0 1 0 .
0 0 1
Podobnie otrzymujemy
1 0 0
1 0 0
m(Syz ) = 0 1 0 , m(Sxz ) = 0 1 0
,
0 0 1
0 0 1
gdzie Syz , Sxz s symetriami wzgldem paszczyzn Oyz , Oxz , odpowiednio.
Rzuty na osie
Zajmijmy si teraz rzutami na osie. Niech Px oznacza rzut na o Ox .
62
x
x
Jak nietrudno si przekona Px y = 0 . Rzut na o jest zatem przeksztacez

0
1 0 0
niem liniowym, ktrego macierz to m(Px ) = 0 0 0 . Podobnie otrzymujemy

0 0 0
x
0
0 0 0
Py y = y , czyli m(Py ) = 0 1 0 ,
z
0
0 0 0
x
0
0 0 0
Pz y = 0 , czyli m(Pz ) = 0 0 0 .
z
z
0 0 1
5.6
Obroty wok osi.
Niech R,x
oznacza
obrt wok osi Ox o kt . Zauwamy, e dla dowolnego
wektora X = y pierwsza wsprzdna, okrelona na osi x, pozostanie pod wpyz

wem obrotu R,x bez zmian. Wynika to std, e obrt ten przeksztaca paszczyzny
prostopade do osi Ox na siebie, a paszczyzny te skadaj si z punktw o jednakowej
wsprzdnej x (patrz rysunek).
Na kadej paszczynie prostopadej do osi Ox ten przestrzenny obrt R,x dziaa

jak obrt o kt tej paszczyzny. W zwizku z tym, bazujc na macierzach obrotw
paszczyzny, wprowadzonych w pierwszej czci skryptu, moemy stwierdzi, e
obrazem wektora X jest wektor
x
x
R,X y = cos y + sin z

.
z
sin y + cos z
1
0
0
Obrt jest wic przeksztaceniem liniowym o macierzy 0 cos sin .

0 sin cos
63
Analogiczn posta przyjmuj macierze obrotw wok osi Oy , Oz . Nie bdziemy

ich tutaj wprowadza.
5.7
Przeksztacenie tosamociowe.
Przeksztaceniem tosamociowym nazywamy przeksztacenie I, ktre dla kadego

X R3 spenia I(X) = X, czyli
x1
x1
1 x1 + 0 x2 + 0 x3
I x2 = x2 = 0 x1 + 1 x2 + 0 x3 .
x3
x3
0 x1 + 0 x2 + 1 x3
Macierz
przeksztacenia, nazywana czsto macierz identycznociow, to
tego
1 0 0
m(I) =
0 1 0 . Przeksztacenie tosamociowe jest wic przeksztaceniem li0 0 1
niowym. Czasem na oznaczenie przeksztacenia tosamociowego bdziemy uywa
symbolu Id.
5.8
Przeksztacenie zerowe.
Przeksztacenie zerowe Z to przeksztacenie, ktre dla kadego X R3 spenia

Z(X) = O, czyli
x1
0 x1 + 0 x2 + 0 x3
0
Z x2 = 0 = 0 x1 + 0 x2 + 0 x3 .
x3
0 x1 + 0 x2 + 0 x3
0
0 0 0
Jest to wic przeksztacenie liniowe o macierzy m(Z) =

0 0 0 .
0 0 0
Rozdzia 6
Wasnoci przeksztace liniowych
i ich macierzy
W tym rozdziale wasnociami przeksztace liniowych, ktrych przykady poznalimy w poprzednim rozdziale. Nauczymy si skada przeksztacenia liniowe.
Poznamy okrelenie iloczynu macierzy i jego zwizek ze skadaniem przeksztace
liniowych.
6.1
Charakteryzacja przeksztace liniowych.
Poniszy fakt okrela najbardziej charakterystyczne wasnoci przeksztace liniowych, dziki ktrym, w atwy sposb, mona sprawdzi czy dane przeksztacenie
jest przeksztaceniem liniowym.
Fakt 6.1.1 (charakteryzacja przeksztace liniowych). Przeksztacenie przestrzeni T : R3 R3 jest liniowe wtedy i tylko wtedy, gdy T spenia nastpujce
warunki:
(1) addytywno: T (X + Y ) = T (X) + T (Y ) dla dowolnych X, Y,
(2) jednorodno: T (rX) = rT (X) dla dowolnego wektora X i dowolnej liczby
rzeczywistej r.
Dowd. Pokaemy, e jeli T jest przeksztaceniem
to rzeczywicie
spenione
liniowym,
a b c
y1
x1
s warunki (1) i (2). Niech X = x2 , Y = y2 oraz m(T ) = d e f .

y3
g h i
x3
Wtedy
x1 + y1
a(x1 + y1 ) + b(x1 + y1 ) + c(x1 + y1 )
T (X + Y ) = T x2 + y2 = d(x2 + y2 ) + e(x2 + y2 ) + f (x2 + y2 ) =

x3 + y3
g(x3 + y3 ) + h(x3 + y3 ) + i(x3 + y3 )
ax1 + bx2 + cx3 + ay1 + by2 + cy3
= dx1 + ex2 + f x3 + dy1 + ey2 + f y3 =

gx1 + hx2 + ix3 + gy1 + hy2 + iy3
64
65
Rozdzia 6. Wasnoci przeksztace liniowych i ich macierzy
ax1 + bx2 + cx3

ay1 + by2 + cy3
x1
y1
= dx1 + ex2 + f x3 + dy1 + ey2 + f y3 = T x2 + T y2 =

gx1 + hx2 + ix3
gy1 + hy2 + iy3
x3
y3
= T (X) + T (Y ).
Podobnie pokazujemy, e T (rX) = rT (X).
arx1 + brx2 + crx3

rx1
T (rX) = T rx2 = drx1 + erx2 + f rx3 =

rx3
grx1 + hrx2 + irx3
x1
r(ax1 + bx2 + cx3 )
ax1 + bx2 + cx3
= r(dx1 + ex2 + f x3 ) = r dx1 + ex2 + f x3 = rT x2

= rT (X).
r(gx1 + hx2 + ix3 )
gx1 + hx2 + ix3
x3
Zatem rzeczywicie z faktu liniowoci przeksztacenia T wynika, e T spenia warunki
(1) i (2). Pokaemy teraz implikacj przeciwn. Zamy, e przeksztacenie T spenia
warunki (1) i (2). Pokaemy, e T jest liniowe. Oznaczmy obrazy wersorw przez
przeksztacenie T
1
a1
0
b1
0
c1
T
0 = a2 , T 1 = b2 , T 0 = c2 .
0
a3
0
b3
1
c3
x1
x1
0
0
Mamy wwczas T x2 = T 0 + x2 + 0 . Korzystajc z adx3

0
0
x3
dytywnoci przeksztacenia T , czyli z warunku (1), otrzymujemy
x1
0
0
x1
0
0
0
x
0
0
x
T
+ 2 +
= T
+T 2 +T 0 =
0
0
x3
0
0
x3
1
0
0

= T x1 0 + T x2 1 + T x3 0
0
0
1
Z jednorodnoci przeksztacenia T , czyli z warunku (2), otrzymujemy
1
0
0
0
1
T
x
+
T
x
+
T
x
1
3 0 =
0
0
1
1
0
0
0
1
= x1 T + x2 T + x3 T 0 =
0
0
1
a1
b1
c1
a1 x1 + b1 x2 + c1 x3
= x1
a2 + x2 b2 + x3 c2 = a2 x1 + b2 x2 + c2 x3 .
b3
c3
a3 x1 + b3 x2 + c3 x3
a3
66
Otrzymalimy wic, e T jest przeksztaceniem liniowym o macierzy
a1 b1 c1
m(T ) = a2 b2 c2 .
a3 b3 c3
Powysze rachunki jako produkt uboczny daj nam nastpujc cenn obserwacj dotyczc przeksztacenia liniowego.
Wniosek 6.1.2 (kolumny macierzy przeksztacenia jako obrazy wersorw).
Kolumny macierzy m(T ) przeksztacenia liniowego T : R3 R3 s wektorami bdcymi obrazami wersorw osiowych przez przeksztacenie T, czyli
1
0
0
T 0 , T 1 , T 0
.
0
0
1
Moemy wic symbolicznie zapisa
1
0
0

m(T ) = T 0 , T 1 , T 0 .
0
0
1
6.2
Dziaanie macierzy na wektor.
W tym rozdziale wyjanimy, jak znajdowa obrazy wektorw przez przeksztacenie liniowe T posugujc si bezporednio macierz m(T ) przeksztacenia, bez
odwoywania si do wzoru przeksztacenia. Suy temu bdzie pojcie dziaania
macierzy na wektor.
a b c
Definicja 6.2.1 (dziaanie macierzy na wektor). Jeli m = d e f jest

g h i
3
3
macierz rozmiaru 3 3, za T : R R jest przeksztaceniem liniowym zadanym
t
macierz
(tzn. e m(T ) = m), to okrelmy dziaanie
macierzy
m na wektor
x1
x1
x2 tak, aby wynikiem tego dziaania by wektor T x2 , czyli

x3
x3
a b c
x1
x1
ax1 + bx2 + cx3
x
d
e
f
x
dx
=
=
T
2
2
1 + ex2 + f x3 .
x3
g h i
x3
gx1 + hx2 + ix3
"
2 1 1
2
Przykad. Wynikiem dziaania macierzy

4 2 5 na wektor 5 jest
2 1 0
1
wektor
2 1 1
2
221511
2
4 2 5 5 = 4 2 + 2 5 5 1 = 13 .
2 1 0
1
22+1501
9
67
W atwiejszym zapamitaniu reguy dotyczcej dziaania macierzy na wektor

pomocna moe by nastpujca uwaga.
Uwaga 6.2.2 (dziaanie macierzy na wektor opisane za pomoc iloczynu
skalarnego). Dziaaniemacierzy
na wektor mona zinterpretowa przy uyciu iloczynu
W1
skalarnego. Niech m = W2 bdzie dan macierz rozmiaru 33, gdzie W1 , W2 , W3

W3
oznaczaj wiersze tej macierzy. Wiersze te bdziemy traktowa jak wektory z R3 .
Wwczas dla dowolnego wektora X R3 zachodzi
W1
W1 X
m X = W2 X = W2 X
.
W3
W3 X
6.3
Skadanie przeksztace liniowych.
Na wektor w przestrzeni moemy zadziaa kolejno rnymi przeksztaceniami.

Operacj tak nazywamy skadaniem przeksztace i to wanie tym pojciem zajmiemy si w tym podrozdziale. Sprawdzimy, czy skadajc dwa przeksztacenia liniowe rwnie otrzymamy przeksztacenie liniowe. Nauczymy si wyznacza macierz
zoenia przeksztace liniowych.
"
Definicja 6.3.1 (zoenie przeksztace liniowych). Zoeniem przeksztacenia

T z przeksztaceniem S nazywamy przeksztacenie R, ktre dla dowolnego wektora
X jest okrelone wzorem R(X) = S(T (X)). Przeksztacenie takie oznacza bdziemy
R = ST lub R = S T.
Przykad. Rozwamy zoenie rzutu Pxy na paszczyzn Oxy z rzutem
prostopadym
Pxz na paszczyzn Oxz . Przypomnijmy, e dla dowolnego wektora X = y mamy

z
x
x
x
x
Pxy y = y , Pxz y = 0
. Wtedy zoenie tych przeksztace to
0
z
z
z
przeksztacenie Pxy Pxz , ktre dowolnemu wektorowi

y przyporzdkowuje wekz
tor
x
x
x
x
Pxy Pxz
y = Pxy Pxz y = Pxy 0 = 0 .
z
z
z
0
Zauwamy, e wzr ten odpowiada okrelonemu w poprzednim rozdziale rzutowi na
o Ox ,
x
x
x
Pxy Pxz
y = 0 = Px y .
z
0
z
68
Mamy wic
Pxy Pxz = Px .
Wynikiem takiego zoenia jest wic rzut na o Ox .
W powyszym przykadzie zoenie przeksztace liniowych, okazao si by
przeksztaceniem liniowym. Zastanwmy si, czy tak jest zawsze.
Fakt 6.3.2 (liniowo zoenia przeksztace liniowych). Zoenie przeksztace liniowych S, T : R3 R3 jest te przeksztaceniem liniowym.
Dowd. Korzystajc z Faktu 6.1.1 wystarczy sprawdzi, e przeksztacenie ST jest
addytywne i jednorodne. Jednorodno tego przeksztacenia pokaemy korzystajc
z jednorodnoci przeksztace S, T . Mamy bowiem
ST (vX) = S(T (vX)) = S(vT (X)) = vS(T (X)) = vST (X).
Addytywno rwnie wynika z wasnoci przeksztace S, T, a dokadniej z ich
addytywnoci. Zauwamy, e
ST (X+Y ) = S(T (X+Y )) = S(T (X)+T (Y )) = S(T (X))+S(T (Y )) = ST (X)+ST (Y ).
Zatem zoenie przeksztace liniowych jest przeksztaceniem liniowym.
Macierz zoenia przeksztace liniowych

Wiemy ju, e przeksztacenie bdce zoeniem przeksztace liniowych jest
przeksztaceniem liniowym. Zastanwmy si jednak, jak wyglda macierz takiego
przeksztacenia, zakadajc oczywicie, e znane s macierze m(S), m(T ) przeksztace S, T. Jak wiemy z Wniosku 6.1.2 kolumny tej macierz utworzone zostan
przez obrazy wersorw ukadu, czyli
1
0
0
m(ST ) = ST 0 , ST 1 , ST 0 .
0
0
1
Zamy, e
a1 b1 c1
a01 b01 c01
m(S) =
a2 b2 c2 , m(T ) = a02 b02 c02 .
a03 b03 c03
a3 b3 c3
Znajdmy obraz wektora 0

przez przeksztacenie ST . Otrzymujemy
0
1
a01
a1 a01 + b1 a02 + c1 a03
1

ST 0 = S T 0 = S a2 = a2 a01 + b2 a02 + c2 a03
.
a03
0
a3 a01 + b3 a02 + c3 a03
0
Podobnie moemy wyznaczy drug i trzeci kolumn macierzy m(ST ). Dla uatwienia
wprowadmy oznaczenia
69
(1) niech w1 , w2 , w3 bd wierszami macierzy m(S), czyli np. w1 = (a1 , b1 , c1 ),
a01
(2) niech k1 , k2 , k3 bd kolumnami macierzy m(T ), czyli np. k1 =

a02 .
a03
Stosujc
te oznaczenia
moemy pierwsz kolumn macierzy m(ST ) zapisa jako
1
w1 k1
ST
0 = w2 k1 . Podobnie wyznaczamy pozostae kolumny tej macierzy
0
w3 k1
0
0
w1 k2
ST 1 = S T 1 = S(k2 ) = w2 k2
,
0
0
w3 k2
0
0
w1 k3
ST 0 = S T 0 = S(k3 ) = w2 k3 .
1
1
w3 k3
Ostatecznie otrzymujemy
(6.1)
w1 k1 w1 k2 w1 k3
w
m(ST ) =
2 k1 w2 k2 w2 k3 .
w3 k1 w3 k2 w3 k3
Wniosek 6.3.3. Wyraz macierzy m(ST ) w itym wierszu i jtej kolumnie, jest
iloczynem skalarnym itego wiersza macierzy m(S) i jtej kolumny macierzy m(T ).
6.4
Mnoenie macierzy.
Dotychczas zazwyczaj mwilimy o macierzach w kontekcie przeksztace przestrzeni. W oparciu o te przeksztacenia wprowadzimy w tym podrozdziale abstrakcyjne pojcie mnoenia macierzy.
Definicja 6.4.1 (iloczyn macierzy). Iloczynem macierzy m(S) i m(T ), odpowiadajcych przeksztaceniom S i T , nazywamy macierz m(ST ), bdc macierz zoenia
przeksztace S i T . Moemy symbolicznie zapisa to w postaci
m(S) m(T ) = m(ST ).
"
3 0 8
7 1
5
Przykad. Wyznaczmy iloczyn macierzy 7 1 5 , 3 5 1 . Zgodnie

2 0 4
0 2 3
ze wzorem (6.1) mamy
3 0 8
7 1
5
7 1 5 3 5 1 =
0 2 3
2 0 4
70
37+03+80
3 1 + 7 5 + 2 (2)
3 5 + 0 (1) + 8 (3)
= 7 7 + 1 3 + (5) 0 7 1 + 1 5 + (5) (2) 7 5 + 1 (1) + (5) (3) =

27+03+40
2 1 + 0 5 + 4 (2)
2 5 + 0 (1) + 4 (3)
21 34 9
=
52 22 49 .
14 6 2
Poznamy teraz najwaniejsze wasnoci dziaa na macierzach.
Fakt 6.4.2 (wasnoci mnoenia macierzy).
(1) Mnoenie macierzy 3 3 jest czne, tzn. (m1 m2 ) m3 = m1 (m2 m3 ).
(2) Dla dowolnych macierzy 3 3 :
(m1 m2 )X = m1 (m2 X).
m1 , m2 oraz wektora X R3 zachodzi
(3) Mnoenie macierzy nie jest przemienne, tzn. zazwyczaj m1 m2 6= m2 m1 .

Dowd (1). Mnoenie macierzy jest aczne, gdy aczne jest skadanie przeksztace.
Dla przeksztace S, T, R mamy
(m(S) m(T )) m(R) = m(ST ) m(R) = m((ST )R) = m(S(T R)) =
= m(S) m(T R) = m(S) (m(T ) m(R)).
Sprawdzenie tej wasnoci przez bezporednie wyliczenie iloczynw macierzy byoby

bardzo czasochonne.
wiczenie. Podobny dowd, dla wasnoci drugiej, pozostawimy do wykonania
czytelnikowi. Podobnie atwo sprawdzi, e mnoenie nie jest przemienne np. sprawdzajc, e
3 2 1
0 3 1
0 3 1
3 2 1
5 2 1 3 6= 2 1 3 0 1
5
0 1
.
1 2 3
1 0
3
1 0
3
1 2 3
Co rwnie pozostawimy do samodzielnego sprawdzenia.
Rozdzia 7
Przeksztacenia odwrotne
W rozdziale tym zajmiemy si pojciem przeksztacenia odwrotnego. Podobnie
jak w przypadku dwuwymiarowym, rwnie w przestrzeni R3 , dla danego przeksztacenia moemy sprbowa okreli przeksztacenie do niego odwrotne. W pierwszym podrozdziale zdefiniujmy, czym jest przeksztacenie odwrotne i kiedy dane
przeksztacenie ma przeksztacenie odwrotne, czyli kiedy jest odwracalne. Poznamy
dwa rwnowane okrelenia odwracalnoci i przeksztacenia odwrotnego. Nauczymy
si wyznacza przeksztacenie odwrotne i okrela macierz takiego przeksztacenia,
najpierw dla przypadku oglnego a nastpnie dla przeksztace liniowych.
7.1
Definicja 7.1.1 (odwracalno przeksztacenia i przeksztacenie odwrotne).

(1) Przeksztacenie T nazywamy odwracalnym, jeli jest wzajemnie jednoznaczne,
tzn. rnowartociowe i na. Przeksztaceniem odwrotnym do
T : Z Z nazywamy takie przeksztacenie S : Z Z, e jeli
T (X) = X 0 , to S(X 0 ) = X.
(2) Przeksztacenie T : Z Z jest odwracalne, jeli istnieje przeksztacenie S :
Z Z, takie e S T = Id oraz T S = Id. Przeksztacenie S nazywane jest
przeksztaceniem odwrotnym do T.
Dowd (rwnowanoci definicji (1) i (2)).
Zamy, e T jest przeksztaceniem odwracalnym, a S jest przeksztaceniem
odwrotnym do T w sensie definicji (1). Pokaemy, e wtedy T jest odwracalne w
sensie definicji (2), a S jest przeksztaceniem do niego odwrotnym.
Zgodnie z definicj (1), dla kadego wektora X Z mamy
S(T (X)) = S(X 0 ) = X,
oraz dla kadego X 0 Z
T (S(X 0 )) = T (X) = X 0 .
Zatem przeksztacenie T jest odwracalne w sensie definicji (2), a S jest przeksztaceniem do niego odwrotnym.
71
Rozdzia 7. Przeksztacenia odwrotne
72
Pokaemy teraz implikacj przeciwn. Zamy, e T jest odwracalne, a S jest przeksztaceniem odwrotnym do T wg definicji (2). Musimy pokaza, e T jest rnowartociowe i na. Wemy dwa rne wektory X, Y z przestrzeni Z. Chcemy pokaza,
e wwczas T (X) 6= T (Y ). Jak wiemy z definicji (2), S(T (X)) = X, S(T (Y )) = Y.
Gdyby T (X) = T (Y ), mielibymy
X = S(T (X)) = S(T (Y )) = Y,
ale to jest sprzeczne z zaoeniem, wic rzeczywicie przeksztacenie T jest rnowartociowe. Pokaemy jeszcze, e dla dowolnego X Z istnieje Y, taki e X = T (Y ),
czyli e przeksztacenie T jest na. Przyjmijmy Y = S(X), mamy wwczas
X = T (S(X)) = T (Y ).
Przeksztacenie T jest wic przeksztaceniem na. Pozostaje pokaza, e przeksztacenie S z definicji (2) ma wasno: jeli T (X) = X 0 , to S(X 0 ) = X. Przyjmijmy
T (X) = X 0 , mamy wwczas S(X 0 ) = S(T (X)) = X, czyli S jest przeksztaceniem
odwrotnym do T w sensie definicji (1). Podane w Definicji 7.1.1 dwa okrelenia
przeksztacenia odwracalnego i odwrotnego s wic rwnowane.
7.2
"
Wyznaczanie przeksztacenia odwrotnego.
Przeksztacenie odwrotne, jeli istnieje, na og mona wyliczy. W tym podrozdziale pokaemy przykady przeksztace odwrotnych, w kolejnych nauczymy si
sprawdza, czy dane przeksztacenie ma przeksztacenie odwrotne, okrelimy te
macierz tego przeksztacenia.
Przykad. Niech przeksztacenie T : R3 R3 bdzie okrelone wzorem T (X) =
3X +2W, gdzie W jest pewnym ustalonym wektorem z R3 . Oznaczmy T (X) jako X 0 ,
T
mamy wwczas X 0 = 3X + 2W. Skoro X
X 0 , to szukamy takiego przeksztacenia
1
T
T 1 , e X 0 X. Sprbujmy wyrazi X za pomoc X 0 . Otrzymujemy
3X = X 0 + 2W,
1
1
2
X = (X 0 2W ) = X 0 W.
3
3
3
Moemy wic stwierdzi, e T jest odwracalne, bo jestemy w stanie okreli przeksztacenie T 1 do niego odwrotne. Wyraa si ono wzorem
1
2
T 1 (Y ) = Y W.
3
3
Sprawdmy zgodno tak wyznaczonego przeksztacenia z Definicj 7.1.1, a zatem

sprawdmy, czy T 1 T = I. Otrzymujemy
T 1 T (X) = T 1 (3X + 2W ) = 13 (3X + 2W ) 23 W = X, zatem rzeczywicie
T 1 T = I.
wiczenie. Czytelnik moe sam, w analogiczny sposb sprawdzi, e T T 1 = I.
73
"
Przykad.
Niech T : R3 R3 bdzie
takim przeksztaceniem,
ktre wektorowi
x1
2x1
x
3x
przyporzdkowuje
wektor
2
, czyli
1 + x2
x
x1 x2 2x3
2 0
0
x1
2x1
0
3x1 + x2
T x2 =
. Macierz tego przeksztacenia to 3 1
.
1 1 2
x1 x2 2x3
x3
0
x1
x1
0
Przyjmijmy, e obrazem wektora x2 jest wektor x2 . W takiej konwencji
x3
x03
mamy
x1 = 2x1
(?) x02 = 3x1 + x2
.
0
x3 = x1 x2 2x3
Podobnie jak poprzednio, szukamy takiego przeksztacenia T 1 , e
x01
x1
0 T 1
x2 x2 .
x03
x3
Przeksztamy ukad (?). Otrzymujemy
x1 = 12 x01 ,
x2 = x02 3x1 = x02 32 x01 ,
x3 = 12 (x1 x2 x03 ) = 12 ( 21 x01 + 32 x01 x02 x03 ) = x01 12 x02 12 x03 .
Wyznaczylimy wic przeksztacenie odwrotne do T
1 0
x01
x1
x
2 1
1
3 0
0
T x2 = x2 = 2 x1 + x02 .
x3
x01 12 x02 12 x03
x03
1
2
3
Odpowiadajca temu przeksztaceniu macierz, to m(T 1 ) =
2
0
0
1
0
.
1
1
2 2
wiczenie. Sprawdzenie zgodnoci tak wyznaczonego przeksztacenia odwrotnego

z Definicj 7.1.1, pozostawimy jako proste wiczenie dla czytelnika.
7.3
Odwracalno przeksztace liniowych.
W poprzednim podrozdziale pokazalimy przykady przeksztace odwrotnych

do danych. Niestety nie we wszystkich przypadkach da si okreli takie przeksztacenie. W tym podrozdziale okrelimy, kiedy taka operacja jest wykonalna. Podamy teraz bardzo uyteczne twierdzenie, ktre bdzie najczciej uywanym przez
nas narzdziem do badania odwracalnoci przeksztace.
74
Twierdzenie 7.3.1 (kolumny macierzy a odwracalno przeksztacenia).

Niech T : R3 R3 bdzie przeksztaceniem liniowym o macierzy m(T ). Mamy
wwczas
(1) jeli kolumny macierzy m(T ) s liniowo zalene, to przeksztacenie T nie jest
odwracalne,
(2) jeli kolumny macierzy m(T ) s liniowo niezalene, to przeksztacenie T jest
wzajemnie jednoznaczne, a wic odwracalne.
Dowd.
(1) Macierz przeksztacenia T zapiszmy w postaci m(T ) = (K1 , K2 , K3 ), gdzie
Ki R3 s jej kolumnami. Korzystajc z liniowoci przeksztacenia T, otrzymujemy
x1
0
0
1
T (X) = T x2 = T x1 0 + x2 1 + x3 0 =
x3
0
1
0
1
0
0
= x1 T 0 + x2 T 1 + x3 T 0
= x1 K1 + x2 K2 + x3 K3 .
0
0
1
Przy zaoeniu, e wektory K1 , K2 , K3 s liniowo zalene, mamy e jeden z nich
jest kombinacj liniow pozostaych. Przyjmijmy, e np. K3 = t K1 + s K2 .
Wtedy dla dowolnego wektora X R3 mamy
T (X) = x1 K1 + x2 K2 + x3 (t K1 + s K2 ) = (x1 + x3 t)K1 + (x2 + x3 s)K2 .
Zatem kady wektor zostaje przeksztacony przez T na wektor bdcy kombinacj liniow wektorw K1 , K2 . Mog zaj trzy sytuacje. Wektory K1 , K2
mog by
(a) oba zerowe. Wtedy wektory
T (X) = (x1 + x3 t)K1 + (x2 + x3 s)K2 = (x1 + x3 t) 0 + (x2 + x3 s) 0 = 0
rwnie bd wektorami zerowymi.
(b) Mog by wspliniowe. Wtedy wektory T (X) jako ich liniwe kombinacje
bd wektorami z prostej wzdu wektorw K1 , K2 .
(c) Mog by niewspliniowe. Wtedy ich kombinacje liniowe T (X) wyznaczaj pewn paszczyzn.
W kadym z tych przypadkw obrazami wektorw X nie mog by wszystkie
wektory z przestrzeni R3 . Tak wic T nie jest przeksztaceniem na, a zatem
zgodnie z Definicj 7.1.1 nie jest odwracalne.
75
(2) Jeli K1 , K2 , K3 s wektorami liniowo niezalenymi, to kady wektor Y

R3 mona jednoznacznie przedstawi w postaci ich kombinacji liniowej Y =
t1 K
2 K2 + t3 K3 . Jednoczenie z pierwszej czci dowodu pamitamy, e
1 + t
x1
T
x2 = x1 K1 + x2 K2 + x3 K3 . Wynika std, e T jest rnowartociowe,
x3
bo jeli Y = T (X1 ) = T (X2 ) dla X1 6= X2 , to Y miaby dwa rne rozkady w
kombinacj wektorw K1 , K2 , K3 , a to jak wiemy jest niemoliwe. Przeksztacenie T jest
rwnie
na, bo jeli wemiemy dowolny Y = t1 K1 + t2 K2 + t3 K3 ,
t1
to Y = T t2 , wic kady Y jest obrazem pewnego wektora przez przekt3

sztacenie T. Jak wynika z Definicji 7.1.1, przeksztacenie T jest odwracalne.
Z powyszego twierdzenia moemy wyprowadzi bardzo poyteczny wniosek,

ktry bardzo czsto okae si by najatwiejsz metod sprawdzenia odwracalnoci
przeksztacenia.
Wniosek 7.3.2 (wyznacznik a odwracalno przeksztacenia). Przeksztacenie T jest odwracalne wtedy i tylko wtedy gdy det(m(T )) 6= 0.
Dowd.
Jak wiemy z Faktu 4.2.7 kolumny macierzy m(T ) s liniowo niezalene wtedy i tylko
wtedy gdy det(m(T )) 6= 0, a to, na podstawie Twierdzenia 7.3.1, jest rwnowane
odwracalnoci przeksztacenia T.
"
Uwaga 7.3.3 (macierz nieosobliwa). Macierze m, dla ktrych det(m) 6= 0 nazywane s macierzami nieosobliwymi. Tak wic T jest odwracalne wtedy i tylko wtedy
gdy macierz T jest nieosobliwa.
Przykad.
(1) Przeksztaceniem odwrotnym do jednokadnoci o skali r i rodku w punkcie
0, czyli Jr0 , jest jednokadno o rodku w tym samym punkcie i skali 1r , czyli
J 01 .
r
(2) Przeksztaceniem odwrotnym do obrotu wzgldem osi OX o kt , czyli ROX, ,

jest obrt wzgldem tej samej osi, ale o kt , czyli ROX, .
W powyszych przykadach przeksztacenie odwrotne do przeksztacenia liniowego, jest rwnie przeksztaceniem liniowym. Zastanwmy si, czy tak jest zawsze.
Lemat 7.3.4 (liniowo przeksztacenia odwrotnego). Jeli T jest odwracalnym przeksztaceniem liniowym, to T 1 jest te przeksztaceniem liniowym.
Dowd. Aby pokaza liniowo przeksztacenia T 1 naley pokaza jego addytywno i jednorodno. Niech X, Y bd dowolnymi wektorami z R3 . Oznaczmy
76
W1 = T 1 (X + Y ), W2 = T 1 (X) + T 1 (Y ). Chcielibymy, aby W1 = W2 , co oznaczaoby, e przeksztacenie T 1 jest addytywne. Namy na oba rwnania przeksztacenie T. Otrzymujemy
T (W1 ) = T (T 1 (X + Y )) = X + Y,
T (W2 ) = T (T 1 (X) + T 1 (Y )) = X + Y.
Tak wic T (W1 ) = T (W2 ). Przeksztacenie T jest odwracalne, wic jest rnowartociowe, skd wnioskujemy, e W1 = W2 .
wiczenie. Jednorodno przeksztacenia T 1 pokazuje si podobnie. Zadanie to
pozostawimy jako proste wiczenie dla czytelnika.
7.4
Macierz przeksztacenia odwrotnego.
Dla danego odwracalnego przeksztacenia liniowego T : R3 R3 o macierzy

m(T ) przydatna mogaby okaza si umiejtno znajdowania macierzy przeksztacenia T 1 . Sprbujmy zatem zastanowi si, czym jest i jakie ma wasnoci
macierz przeksztacenia odwrotnego.
Fakt 7.4.1. Dla dowolnego przeksztacenia liniowego T o macierzy m(T ) i przeksztacenia T 1 do niego odwrotnego, mamy
1 0 0
m(T 1 )m(T ) = m(T 1 T ) = m(I) =

0 1 0 ,
0 0 1
oraz
1 0 0
m(T )m(T 1 ) = m(T T 1 ) = m(I) =

0 1 0 .
0 0 1
Definicja 7.4.2 (macierz odwrotna). Macierz odwrotn do macierzy m rozmiaru 3 3, nazywamy tak macierz n rozmiaru 3 3, dla ktrej
1 0 0
m n = n m = 0 1 0
.
0 0 1
Macierz m, majc macierz odwrotn, nazywamy macierz odwracaln.
Wasnoci macierzy odwrotnych
Korzystajc z tego, e moemy utosamia macierze z zadanymi przez nie przeksztaceniami, a mnoenie macierzy ze skadaniem przeksztace, moemy okreli
nastpujce wasnoci macierzy odwrotnych.
Fakt 7.4.3.
(1) Macierz odwracalna m, czyli macierz o niezerowym wyznaczniku, ma dokadnie
jedn macierz odwrotn, ktr oznaczamy m1 .
77
(2) Macierz m jest odwracalna wtedy i tylko wtedy gdy kolumny tej macierzy s
wektorami liniowo niezalenymi, a to zachodzi wtedy i tylko wtedy gdy wyznacznik tej macierzy det(m) 6= 0, czyli wtedy i tylko wtedy gdy wiersze macierzy
m s liniowo niezalene.
(3) Macierz odwrotna do m(T ) jest macierz przeksztacenia T 1 , czyli
m(T 1 ) = (m(T ))1 .
"
Dowody wasnoci podanych w powyszym fakcie wynikaj wprost z udowodnionych wczeniej wasnoci przeksztace odwrotnych. Tutaj je pominiemy.
Przykad.
1
t1 0 0
(1) Jeli t1 =
6 0, t2 =
6 0, t3 6= 0, to 0 t2 0
0 0 t3
1 a b
(2) 0 1 c
0 0 1
t1
= 0
0
0
1
t2
0
0
.
1
t3
1 a (b + ac)
c
= 0 1
.
0 0
1
Wydaje si, e uyteczne mogoby by wyprowadzenie oglnego wzoru na macierz

odwrotn, a w konsekwencji rwnie na przeksztacenie odwrotne do danego.
Fakt 7.4.4. Jeli T jest przeksztaceniem odwracalnym i jeli przeksztacenie S spenia jeden z warunkw:
(a) T S = I,
(b) ST = I,
to musi te spenia drugi z tych warunkw, a wic S = T 1 .
Dowd. Zamy, e S spenia pierwszy warunek, czyli T S = I. Wtedy
I = T 1 T = T 1 IT = T 1 T ST = ST,
czyli ST = I. Otrzymalimy zatem drugi warunek. Podobnie mona sprawdzi drugi

przypadek.
wiczenie. Sprawdzenie, e jeli przeksztacenie S spenia drugi warunek, to musi
te spenia pierwszy, pozostawimy do samodzielnego wykonania przez czytelnika.
Uwaga 7.4.5. Istniej nieodwracalne przeksztacenia T, dla ktrych istnieje przeksztacenie S, takie e T S = I ale ST 6= I. Przeksztaceniami takimi nie bdziemy
si jednak tutaj zajmowa.
78
Wniosek 7.4.6. Jeli m jest macierz odwracaln, za macierz n spenia jeden z

nastpujcych warunkw
1 0 0
1 0 0
(a) m n = 0 1 0 , (b) n m = 0 1 0
,
0 0 1
0 0 1
to
n = m1 .
Wzr na macierz odwrotn
Podamy teraz wzr an macierz odwrotn do danej. Wprowadmy jednak najpierw
pewne oznaczenia.
w1
m = w2
, gdzie wi oznacza i-ty wiersz macierzy m,
w
3
ai
wiT =
bi to kolumna (wektor z R3 ) utworzona z wiersza wi .
ci
Przypomnijmy rwnie, e det(m) = det(mT ), oraz v (k1 k2 k3 ) = (vk1 vk2 vk3 ).
Twierdzenie
7.4.7 (wzr na macierz odwrotn). Dla danej macierzy
w1
m = w2 macierz odwrotna m1 przyjmuje posta

w3
m1
Dowd. Oznaczmy n =
w1
= w2
w3
1
det(m)
1
det(m)
(w2T w3T w3T w1T w1T w2T ).
(w2T w3T w3T w1T w1T w2T ) i obliczmy m n.
x1 y 1 z 1
w1
1
1
1
T
T
T
T
T
T
w2 w3
w3 w1
w1 w2 ) = x2 y2 z2
mn = w2 (
det(m)
det(m)
det(m)
x3 y 3 z 3
w3
x1 y 1 z 1
1 0 0
Chcielibymy, aby x2 y2 z2 = 0 1 0
.
x3 y 3 z 3
0 0 1
Sprbujmy wic obliczy kolejno wyrazy tej macierzy. Zacznijmy od pierwszej kolumny.
x1 = w 1 (
1
1
1
w2T w3T ) =
w1 (w2 w3 ) =
det(m) = 1,
det(m)
det(m)
det(m)
1
1
w2T w3T ) =
w2 (w2 w3 ) = 0,
det(m)
det(m)
1
1
x3 = w 3 (
w2T w3T ) =
w3 (w2 w3 ) = 0.
det(m)
det(m)
x2 = w 2 (
79

"
x1
1
y1
0
Otrzymujemy wic x2 = 0 . Podobnie obliczymy, e y2 = 1 ,

x
0
y
0
3
z1
1 0 0
0
oraz z2 = 0 . Tak wic otrzymujemy, e m n = 0 1 0 . Zatem

z3
1
0 0 1
1
rzeczywicie n = m .
wiczenie.
y1
y2 =
y3
Czytelnik
sposb sprawdzi, e
moesamw podobny
0
z1
0
1
oraz z2 = 0 .
0
z3
1
2
3 1
Przykad. Znajdmy macierz odwrotn do macierzy m = 0 2 1

. Wyz1 0 5
nacznik tej macierzy jest rwny det(m) = 25 6= 0. Macierz odwrotna to
m1
0
1
1
2
2
0
1

= 2 0 0 3 3 2 =
25
1
5
5
1
1
1
10 15 5
1
= 1 11 2 .
25
2 3 4
Rozdzia 8
Przeksztacenia liniowe a objto
i orientacja
W tym rozdziale zbadamy jaki wpyw na orientacj wektorw w przestrzeni
oraz objto rwnolegocianu ma zadziaanie na dan przestrze odwracalnym
8.1
Orientacja w przestrzeni.
W Rozdziale 4 wprowadzilimy pojcie orientacji wektorw w przestrzeni. Sprbujmy zastanowi si jak zmienia si orientacja wektorw pod wpywem dziaania
przeksztacenia liniowego. Okrelimy tutaj, ktre przeksztacenia zmieniaj, a ktre
zachowuj orientacj wektorw.
Definicja 8.1.1. Przeksztacenie T : R3 R3 zachowuje orientacj, jeli dla
kadej trjki wektorw prawoskrtny ukad wektorw zostaje przeksztacony na prawoskrtny, za zmienia orientacj, gdy prawoskrtny ukad wektorw zostaje przeksztacony na ukad lewoskrtny.
Uwaga 8.1.2. Jeli dla jednej trjki wektorw przeksztacenie zachowuje (zmienia)
ich orientacj, to zachodzi to dla wszystkich trjek wektorw. Zatem moemy sprawdza
zachowanie (zmian) orientacji na jednej wybranej trjce wektorw.
Nie bdziemy tutaj dowodzi powyszej uwagi.
Niech wersory e1 , e2 , e3 tworz prawoskrtnym ukadem wektorw R3 , natomiast
u, v, w to obrazy wektorw e1 , e2 , e3 przez przeksztacenie T . Przypomnijmy, e ukad
wektorw u, v, w jest prawoskrtny wtedy i tylko wtedy gdy det(u, v, w) > 0, a
lewoskrtny wtedy i tylko wtedy gdy det(u, v, w) < 0.
Wniosek 8.1.3. Przeksztacenie T zachowuje orientacje, gdy
det(u, v, w) > 0,
za zmienia w przeciwnym wypadku.
80
Rozdzia 8. Przeksztacenia liniowe a objto i orientacja
81
Przypomnijmy, e m(T ) = (u, v, w), gdzie u, v, w s obrazami wersorw przez

przeksztacenie T . Moemy zatem sformuowa nastpujcy:
"
Wniosek 8.1.4. Jeli macierz przeksztacenia T jest m(T ), to przeksztacenie T

zachowuje orientacj, gdy det(m(T )) > 0, natomiast zmienia orientacj w przeciwnym przypadku.
Przykad. Przykadem przeksztacenia zmieniajcego orientacj jest symetria wzgldem paszczyzny Oxy . Jak
pokazalimy
w podrozdziale 5.5 macierz tego przeksz
1 0 0
tacenia jest m(Sxy ) =

0 1 0 . Wyznacznik tej macierzy wynosi
0 0 1
1 0 0
det m(Sxy ) = det 0 1 0 = 1 < 0,

0 0 1
wic zgodnie z Wnioskiem 8.1.4 symetria wzgldem Oxy jest przeksztaceniem zmieniajcym orientacj.
8.2
Rwnolegocian i jego obraz przez przeksztacenie.
Zajmiemy si teraz rwnolegocianami w przestrzeni. Sprawdzimy, co jest obrazem

rwnolegocianu przez przeksztacenie liniowe i jak zmienia si jego objto po
przejciu przez takie przeksztacenie. Zdefiniujmy jednak najpierw, czym jest rwnolegocian.
Definicja 8.2.1 (rwnolegocian). Rwnolegocianem, zbudowanym na liniowo
niezalenych wektorach A, B, C R3 , nazywamy zbir wektorw bdcych kombinacj liniow wektorw A, B, C ze wspczynnikami nalecymi do przedziau [0, 1]
RA,B,C = {t A + s B + r C : t [0, 1], s [0, 1], r [0, 1]}.
Twierdzenie 8.2.2 (obraz rwnolegocianu przez przeksztacenie liniowe).

Niech T bdzie odwracalnym przeksztaceniem liniowym R3 , za A, B, C liniowo
niezalenymi wektorami. Wtedy
82
(1) wektory T (A), T (B), T (C) te s liniowo niezalene,

(2) obrazem T (RA,B,C ) rwnolegocianu RA,B,C przez przeksztacenie T , jest te
rwnolegocian.
Dowd.
(1) Gdyby T (A), T (B), T (C) byy liniowo zalene, wtedy jeden z nich byby kombinacj liniow pozostaych, czyli np. T (C) = s T (A) + t T (B). Gdybymy
teraz naoyli na obie strony przeksztacenie T 1 i skorzystali z jego liniowoci,
otrzymalibymy
T 1 (T (A)) = T 1 (sT (A) + tT (B)),
ale T 1 (T (A)) = A oraz
T 1 (sT (A) + tT (B)) = sT 1 (T (B)) + tT 1 (T (C)) = sB + tC.
Otrzymujemy wic A = sB + tC, co przeczy zaoeniu o liniowej niezalenoci
wektorw A, B, C. Zatem rwnie wektory T (A), T (B), T (C) musz by liniowo niezalene.
(2) Z liniowoci przeksztacenia T otrzymujemy natychmiast
T (tA + sB + vC) = tT (A) + sT (B) + vT (C).
Zatem
T (RA,B,C ) = T ({tA + sB + vC : t, s, v [0, 1]}) =
= {tT (A) + sT (B) + vT (C) : t, s, v [0, 1]} = RT (A),T (B),T (C) .
Przeksztacenie liniowe a objto bry
Przypomnijmy, e jeli m(T ) = (K1 , K2 , K3 ), gdzie Ki s kolumnami macierzy
m, to T (e1 ) = K1 , T (e2 ) = K2 , T (e3 ) = K3 . Tak wic T (Re1 ,e2 ,e3 ) = RK1 ,K2 ,K3 . Jeli
objto rwnolegocianu oznaczymy przez |R|, to
|RK1 ,K2 ,K3 | = |det(K1 , K2 , K3 )| = |det(m(T ))|.
Zauwamy, e Re1 ,e2 ,e3 , jest szecianem o krawdzi 1, wic jego objto jest rwna
1. Moemy wic zapisa
|T (Re1 ,e2 ,e3 )| = |det(m(T ))| |Re1 ,e2 ,e3 |.
Przeksztacenie T zmienia objto szecianu Re1 ,e2 ,e3 w stosunku rwnym moduowi wyznacznika |det(m(T ))|. Pokaemy, e to samo jest prawd dla dowolnego
rwnolegocianu RA,B,C .
Twierdzenie 8.2.3 (przeksztacenia liniowe a objto rwnolegocianu).
Dla dowolnego rwnolegocianu RA,B,C i dowolnego odwracalnego przeksztacenia
T : R3 R3 zachodzi
|T (RA,B,C )| = |det(m(T ))| |RA,B,C |.
83
Zanim udowodnimy powysze twierdzenie, wprowadzimy pomocniczy lemat.

Lemat 8.2.4 (wyznacznik iloczynu macierzy). Dla m1 , m2 , bdcych dowolnymi macierzami rozmiaru 3 3, mamy
det(m1 m2 ) = det(m1 ) det(m2 ).
Czysto rachunkowy dowd tego lematu pomijamy. Moemy teraz udowodni Twierdzenie 8.2.3.
Dowd. Niech m2 bdzie macierz utworzon z wektorw A, B, C jako kolumn, czyli
m2 = (A, B, C). Natommiast m1 niech bdzie macierz przeksztacenia T , czyli
m1 = m(T ). Wwczas ich iloczyn moemy zapisa w postaci
m1 m2 = m1 (A, B, C) = (m1 A, m1 B, m1 C) =
= (m(T )A, m(T )B, m(T )C) = (T (A), T (B), T (C)).
Otrzymalimy wic
|T (RA,B,C )| = |RT (A),T (B),T (C) | = | det(T (A), T (B), T (C))| = | det(m1 m2 )| =
| det(m(T )(A, B, C))| = | det(m(T ))| | det(A, B, C)| = | det(m(T ))| |RA,B,C |.
Poniej podamy wniosek z powyszego twierdzenia. Nie bdziemy przytacza

tutaj jego dowodu, gdy dowd ten jest analogiczny do dowodu podobnego faktu dla
przeksztace i pl rwnolegobokw, naszkicowanego w pierwszej czci skryptu.
Wniosek 8.2.5 (objto dowolnej bryy przez przeksztacenie liniowe).
Dla dowolnej bryy B R3 i dowolnego przeksztacenia liniowego T : R3 R3
mamy
|T (B)| = |det(m(T ))| |B|.
Rozdzia 9
Przeksztacenia afiniczne
Dotychczas zajmowalimy si tylko przeksztaceniami liniowymi. W tym rozdziale
poznamy inny rodzaj przeksztace - przeksztacenia afiniczne, zdefiniujemy to pojcie oraz poznamy przykady. W kolejnym podrozdziale zajmiemy si wasnociami
takich przeksztace.
9.1
"
Zanim podamy formaln definicj przeksztacenia afinicznego, zapoznajmy si

z przykadem takiego przeksztacenia.
Przykad.
Niech przeksztacenie T bdzie przesuniciem (translacj) o wektor
a1
x1
A=
a2 . Dla tak okrelonego przeksztacenia obrazem wektora X = x2
a3
x3
jest wektor
x1
x1
a1
T x2 = x2 + a 2 .
x3
x3
a3
Jeli wektor A nie jest wektorem zerowym, to przeksztacenie T , okrelone powyej,

nie jest przeksztaceniem liniowym. Podamy teraz dwa uzasadnienia tego stwierdzenia.
84
85
Rozdzia 9. Przeksztacenia afiniczne
(1) Wzr okrelajcy przeksztacenie T nie ma postaci wymaganej dla przeksztace liniowych.
(2) Przeksztacenie T nie jest addytywne. Zauwamy, e
T (X + Y ) = X + Y + A,
T (X) + T (Y ) = X + A + Y + A = X + Y + 2A.
Tak wic
T (X + Y ) 6= T (X) + T (Y ).
Translacja, podobnie jak wiele innych znanych nam ju przeksztace, naley
do grupy przeksztace nazywanych przeksztaceniami afinicznymi.
Definicja 9.1.1 (przeksztacenia afiniczne). Przeksztacenie T : R3 R3 jest
przeksztaceniem afinicznym jeli mona je opisa wzorem postaci
a1 a2 a3
d1
x1
x1
a1 x1 + a2 x2 + a3 x3 + d1
T x2 = b1 b2 b3 x2 + d2 = b1 x1 + b2 x2 + b3 x3 + d3 ,
x3
c1 c2 c3
x3
d3
c1 x1 + c2 x2 + c3 x3 + d3
a1 a2 a3
d1
a1 a2 a3
b
b
b
d
dla pewnej macierzy
i
pewnego
wektora
.
Macierz
1
2
b1 b2 b3
2
3
c1 c2 c3
d3
c1 c2 c3
d1
nazywamy macierz czci liniowej przeksztacenia afinicznego T, za wektor

d2
d3
wektorem przesunicia tego przeksztacenia.
"
Podamy teraz kilka przykadw przeksztace afinicznych.

Przykad.
(1) Translacja o wektor TA (X) = X + A.
(2) Kade przeksztacenie liniowe jest
przeksztaceniem
afinicznym, bo jeeli m =
m(T ), to T (X) = mX = mX + 0 .
0
(3) Przeksztaceniami afinicznymi
s rwnie rzuty na proste i paszczyzny nie
przechodzce przez 0
, symetrie wzgldem takich paszczyzn i prostych,
0
jednokadno wzgldem punktw rnych od

0 , symetrie rodkowe wzgl0
dem punktw rnych od 0 .

0
9.2
86
Wasnoci przeksztace afinicznych.
Poznamy teraz najwaniejsze wasnoci przeksztace afinicznych. Na pocztek,

podobnie jak dla przeksztace liniowych okrelimy wasno charakteryzujc zoenie przeksztace afinicznych.
Fakt 9.2.1 (zoenie przeksztace afinicznych). Zoenie przeksztace afinicznych jest te przeksztaceniem afinicznym.
Dowd. Niech T1 , T2 bd przeksztaceniami afinicznymi zadanymi wzorami T1 (X) =
m1 X + A1 , T2 (X) = m2 X + A2 . Ich zoeniem jest przeksztacenie
T2 T1 (X) = T2 (m1 X + A1 ) = m2 (m1 X + A1 ) + A2 = (m2 m1 )X + m2 A1 + A2 .
Przeksztacenie to rwne jest afiniczne. Macierz czci liniowej tego przeksztacenia jest iloczyn macierzy m2 m1 , natomiast wektorem przesunicia jest wektor m2 A1 +
A2 .
Wniosek 9.2.2 (macierz zoenia przeksztace afinicznych). Macierz czci
liniowej zoenia przeksztace afinicznych jest iloczynem czci liniowych macierzy
tych przeksztace.
W dalszej czci zastanowimy si nad odwracalnoci przeksztace afinicznych.
Pokaemy kiedy dane przeksztacenie jest odwracalne i jak posta przyjmuje przeksztacenie odwrotne do danego.
Fakt 9.2.3 (odwracalno przeksztacenia afinicznego). Przeksztacenie afiniczne, dane wzorem T (X) = mX + A, jest odwracalne wtedy i tylko wtedy gdy cz
liniowa tego przeksztacenia jest odwracalna, a to jak wiemy zachodzi wtedy i tylko
wtedy gdy det(m) 6= 0.
Dowd. Pokaemy, e jeli przeksztacenie afiniczne T jest odwracalne, to jego cz
liniowa te jest odwracalna. Gdyby tak nie byo, to wtedy cz liniowa nie byaby
przeksztaceniem na. Moglibymy wwczas wybra taki wektor Y R3 , ktry nie
byby obrazem wektora z R3 przez przeksztacenie wyznaczone przez cz liniow
przeksztacenia T . Oznacza to, e dla kadego X R3 mielibymy mX 6= Y. Pokaemy, e wtedy wektor Y +A nie byby obrazem adnego wektora z R3 przez przeksztacenie T. Gdyby byo inaczej, czyli gdyby istnia taki wektor X, e T (X) = Y + A,
to wtedy mX + A = Y + A, ale wwczas mX = Y . Tak nie moe si jednak zdarzy,
bo zakadalimy, e Y nie jest obrazem adnego wektora przez przeksztacenie wyznaczone przez cz liniow przeksztacenia T. Tak wic jeli cz liniowa nie jest
odwracalna, to przeksztacenie T nie jest przeksztaceniem na, a wic nie jest
przeksztaceniem odwracalnym. Mamy wic udowodnion implikacj w jedn stron.
Pokaemy teraz, e jeli macierz m jest odwracalna, czyli jeli cz liniowa przeksztacenia T jest odwracalna, to rwnie przeksztacenie T jest odwracalne. Sprbujmy
znale wzr na przeksztacenie odwrotne. Oznaczmy obraz wektora X przez przeksztacenie T jako X 0 . Mamy wwczas X 0 = mX + A, wtedy mX = X 0 A. Zatem
X = m1 mX m1 A = m1 (X 0 A).
87
Moemy std wnioskowa, e przeksztacenie odwrotne istnieje, bo potrafimy znale

jego wzr. Dowiedlimy wic, e jeli przeksztacenie odpowiadajce czci liniowej
przeksztacenia afinicznego T jest odwracalne, to odwracalne musi te by przeksztacenie T . Udowodnilimy zatem drug implikacj, co koczy dowd.
Na podstawie rwnoci wyprowadzanych w powyszym dowodzie moemy sformuowa nastpujcy wniosek.
Wniosek 9.2.4 (przeksztacenie odwrotne do przeksztacenia afinicznego).
Przeksztacenie odwrotne do przeksztacenia afinicznego T (X) = mX + A, dane jest
wzorem
T 1 (X) = m1 X m1 A.
Zatem przeksztacenie odwrotne do przeksztacenia afinicznego, zgodnie z Definicj
9.1.1, samo jest afiniczne.
Okrelimy teraz jaki wpyw na orientacj w przestrzeni ma dziaanie danego
przeksztacenia afinicznego.
Fakt 9.2.5 (przeksztacenie afiniczne a orientacja w przestrzeni). Odwracalne przeksztacenie afiniczne T (X) = mX + A zachowuje orientacj w przestrzeni
gdy det(m) > 0, za zmienia orientacj, gdy det(m) < 0.
Dowd. Odwracalne przeksztacenie afiniczne T jest zoeniem przeksztacenia liniowego zadanego macierz m oraz pewnej translacji. Poniewa translacja zachowuje
orientacj, wic to czy przeksztacenie T zachowuje orientacj zaley od tego, czy
przeksztacenie liniowe zadane macierz m j zachowuje. Jak wiemy przeksztacenie liniowe zachowuje orientacj wtedy, gdy wyznacznik macierzy tego przeksztacenia jest dodatni, w tym przypadku det(m) > 0, a zmienia orientacj, gdy
det(m) < 0.
Moemy zastanawia si jaki wpyw na miarowe wasnoci figur, ma dziaanie na
nie przeksztaceniami afinicznymi. Poniszy fakt okrela jak zachowuje si objto
bryy pod wpywem dziaania takiego przeksztacenia.
Fakt 9.2.6 (przeksztacenie afiniczne a objto bryy). Odwracalne przeksztacenie afiniczne T (X) = mX + A zmienia objto wszystkich bry w proporcji
rwnej | det(m)|, tzn. dla dowolnej bryy F mamy
|T (F )| = | det(m)| |F |.
Dowd. Przeksztacenie T jest zoeniem przeksztacenia liniowego i translacji. Jak
wiemy translacja nie zmienia objtoci bryy, zatem caa zmiana objtoci jest
spowodowana dziaaniem przeksztacenia liniowego, zatem jest dana wzorem okrelonym we Wniosku 8.2.5, czyli
|T (F )| = | det(m)| |F |.
Rozdzia 10
Wartoci i wektory wasne
W rozdziale tym poznamy wane pojcia, charakteryzujce przeksztacenia,
ktre bardzo czsto bd si pojawia w dalszej czci skryptu. W oparciu o te
pojcia, uda nam si wyodrbni pewn grup przeksztace, o charakterystycznych
wasnociach, ktr zajmiemy si w kolejnym rozdziale.
10.1
Wartoci i wektory wasne.
Definicja 10.1.1 (wartoci i wektory wasne). Liczba t jest wartoci wasn

przeksztacenia liniowego T : R3 R3 , jeli dla pewnego niezerowego wektora
X R3 zachodzi T (X) = t X.
Kady wektor X, dla ktrego T (X) = t X, jest wektorem wasnym dla wartoci
wasnej t.
"
Zilustrujmy wprowadzone powyej pojcia przykadami.

Przykad.
(1) Przykad geometryczny.
Niech bdzie paszczyzn przechodzc przez 0. S niech bdzie symetri
wzgldem paszczyzny . Zauwamy, e jeli X , to S (X) = X = 1 X,
wic, zgodnie z Definicj 10.1.1, liczba 1 jest wartoci wasn przeksztacenia
S , za X jest odpowiadajcym tej wartoci wektorem wasnym. Inn wartoci wasn tego przeksztacenia jest 1. Odpowiadajce jej wektory wasne
bd spenia warunek S (X) = X = (1) X. Jak nietrudno si przekona,
bd to wektory z prostej prostopadej do paszczyzny i przechodzcej przez
0.
(2) Przykad algebraiczny.
d1 0 0
Niech T : R3 R3 bdzie przeksztaceniem o macierzy m(T ) =

0 d2 0 .
0 0 d3
1
d1
Zauwamy, e T (e1 ) = 0 = d1 0 = d1 e1 , czyli d1 jest wartoci

0
0
wasn T, natomiast e1 jest odpowiadajcym jej wektorem wasnym. Podobnie
88
89
Rozdzia 10. Wartoci i wektory wasne
moemy sprawdzi, e T (e2 ) = d2 e2 oraz T (e3 ) = d3 e3 , tak wic d2 , d3 rwnie

s wartociami wasnymi T, dla wektorw wasnych e2 , e3 .
10.2
Szukanie wartoci wasnych przeksztacenia

liniowego.
3
3
Zastanwmy si
teraz jak,
dla danego przeksztacenia liniowego T : R R o
a1 b1 c1
macierzy m(T ) = a2 b2 c2
znale jego wartoci wasne. Najkorzystniej byoby
a3 b3 c3
okreli sposb pozwalajcy na wyznaczenie wszystkich wartoci wasnych danego
przeksztacenia. Poniej wyprowadzimy proste kryterium, dziki ktremu bdziemy
potrafili tego dokona. Zgodnie z Definicj 10.1.1 szukamy takich liczb t, ktre speniaj
x1
a1 b1 c1
tx1
a2 b2 c2 x2 = tx2
a3 b3 c3
x3
tx3
x1
dla pewnego niezerowego wektora x2 . Po przeksztaceniu powyszej rwnoci

x3
otrzymujemy
a1 x1 + b1 x2 + c1 x3 tx1
0
a2 x1 + b2 x2 + c2 x3 tx2 = 0 ,
a3 x1 + b3 x2 + c3 x3 tx3
0
co rwnoznacznie moemy zapisa jako
0
a1 t
c1
b1
x1 a2 + x2 b2 t + x3 c2 = 0 .
a3
c3 t
0
b3
Moemy std wnioskowa, e t jest wartociwasn wtedy
gdy pewna
i tylko wtedy
a1 t
b1
c1
nietrywialna kombinacja liniowa wektorw a2 , b2 t , c2

a3
b3
c3 t
daje wektor zerowy. To, jak wiemy,
zachodzi wtedy
i tylko wtedy gdy wektory te s
a1 t
b1
c1
b2 t
c2
liniowo zalene, tzn. gdy det
= 0.
a2
a3
b3
c3 t
Wniosek 10.2.1. Liczba
t jest wartoci wasn
przeksztacenia liniowego T wtedy
a1 t
b1
c1
b2 t
c2
i tylko wtedy gdy det
= 0.
a2
a3
b3
c3 t
"
1
2 2
1
Przykad. Dla przeksztacenia liniowego zadanego macierz
3 2
, znaj0 1 2
90
dmy wszystkie jego wartoci wasne.

Jak wiemy, warto
wasna tej macierzy, oz
1t
2
2
1
naczmy j t, musi spenia det 3 2 t
= 0. Korzystajc z reguy
0
1 2 t
Sarrusa, obliczmy wyznacznik tej macierzy. Otrzymujemy wwczas
(1 t)(2 t)(2 t) 6 + (1 t) + 6(2 t) = 0,
po przeksztaceniu mamy
t3 + 5t2 15t + 11 = 0.
Rwnanie to, po rozoeniu na czynniki, przyjmuje posta
(t 1)(t2 + 4t 11) = 0.
Jedyn liczb speniajc to rwnanie jest 1, gdy trjmian kwadratowy t2 +4t11
ma ujemny wyrnik wic nie ma rzeczywistych pierwiastkw,std 1 jest jedyn
1
2 2
1
wartoci wasn przeksztacenia liniowego zadanego macierz
3 2
.
0 1 2
10.3
Rwnanie charakterystyczne.
cile powizane z rozwaanymi wczeniej zagadnieniami, jest pojcie rwnania

charakterystycznego. Zdefiniujmy je.
Definicja 10.3.1 (rwnanie charakterystyczne). Rwnanie
a1 t
b1
c1
b2 t
c2
det a2
=0
a3
b3
c3 t
nazywane jest rwnaniem charakterystycznym przeksztacenia T (macierzy m(T ) ).
W oparciu o powysz definicj, Wniosek 10.2.1 moemy wic sformuowa w nastpujcy sposb.
Wniosek 10.3.2 (pierwiastki rwnania charakterystycznego). Liczba t jest
wartoci wasn przeksztacenia T wtedy i tylko wtedy gdy jest ona pierwiastkiem
rwnania charakterystycznego tego przeksztacenia.
Rwnanie charakterystyczne moemy zawsze przeksztaci tak, aby przyjo
posta
t3 + u2 t2 + u1 t2 + u0 = 0,
gdzie u0 , u1 , u2 s staymi wspczynnikami zalenymi od wyrazw macierzy m(T ).
Wyraenie t3 + u2 t2 + u1 t2 + u0 jest wielomianem zmiennej t, zwanym wielomianem charakterystycznym.
91

"
wiczenie. Jako wiczenie pozostawimy czytelnikowi wyznaczenie wspczynnikw u0 , u1 , u2 wielomianu charakterystycznego, w zalenoci od wyrazw macierzy
m(T ).
Przykad. Wyznaczmy
wielomian
charakterystyczny przeksztacenia liniowego za
1 3 2
danego macierz 0 5 1 . Wielomian ten wyznaczymy przez przeksztacenie

2 1
1
rwnania charakterystycznego
1t
3
2
5 t
1
det 0
= 0.
2
1
1t
Korzystajc z metody Sarrusa, moemy to rwnanie zapisa w postaci
(1 t)2 (5 t) + 6 + 4(5 t) (1 t) = 0.
Po przeksztaceniu otrzymujemy t3 3t2 +4t20 = 0. Tak wic wielomian charakterystyczny tego przeksztacenia to
W (t) = t3 3t2 + 4t 20.
10.4
Liczba rozwiza rwnania charakterystycznego.
Zastanwmy si, ile pierwiastkw moe mie wielomian charakterystyczny, a

tym samym, ile wartoci wasnych moe mie dane przeksztacenie. Sprbujmy
ustali to w oglnym przypadku:
Lemat 10.4.1. Rwnanie charakterystyczne przeksztacenia liniowego T : R3 R3
ma zawsze przynajmniej jeden pierwiastek.
Dowd. Oznaczmy wielomian charakterystyczny przez f (t), czyli
f (t) = t3 + u2 t2 + u1 t2 + u0 ,
dla pewnych u0 , u1 , u2 zalenych od wyrazw macierzy przeksztacenia T . Zauwamy,
e wtedy
lim f (t) = +, lim f (t) = .
t
t+
Tak wic wielomian f (t) przyjmuje wartoci zarwno dodatnie, jak i ujemne. Jak
wiemy, wielomian jest funkcj cig, tak wic, z wasnoci Darboux wiemy, e musi
mie miejsce zerowe.
Jeli t0 jest miejscem zerowym, czyli pierwiastkiem wielomianu charakterystycznego, to ten wielomian moemy przedstawi w postaci
f (t) = (t t0 )(t2 dt + e),
dla pewnych d i e. Jeeli wielomian f ma inne pierwiastki, to s to pierwiastki
trjmianu t2 dt + e. Jak wiemy, trjmian moe mie 0, 1 lub 2 pierwiastki.
Moemy zatem poda nastpujcy wniosek.
Wniosek 10.4.2 (liczba wartoci wasnych przeksztacenia). Przeksztacenie
T : R3 R3 moe mie jedn, dwie lub trzy wartoci wasne.
10.5
92
Przestrzenie wasne dla wartoci wasnych.
Jak nietrudno si przekona, danej wartoci wasnej moe odpowiada wicej

ni jeden wektor wasny, tak jest np. w geometrycznym przykadzie podanym na
pocztku tego rozdziau. W tym podrozdziale sprbujemy ustali posta wszystkich wektorw wasnych dla danej wartoci wasnej. W zwizku z tym wprowadmy
nastpujce pojcie:
"
Definicja 10.5.1 (przestrze wasna). Przestrzeni wasn dla wartoci wasnej

t przeksztacenia T nazywamy zbir Et = {X R3 : T (X) = t X}, utworzony ze
wszystkich wektorw wasnych tej wartoci wasnej.
Przykad.
(1) Rozwamy symetri Swzgldem
paszczyzny
Oxy , czyli paszczyzny wyzna
1
0
czonej przez wersory 0 , 1 . Jak pokazalimy w geometrycznym

0
0
przykadzie na pocztku tego rozdziau, wartociami wasnymi tego przeksztacenia s 1 i 1. Sprbujmy jednak wyznaczy jeszcze raz te wartoci korzystajc z Wniosku
10.2.1. Wpodrozdziale 5.5 pokazalimy, e macierz tego
1 0 0
przeksztacenia to 0 1 0 . Wartociami wasnymi tego przeksztacenia

0 0 1
1t
0
0
1t
0
bd zatem liczby t speniajce det 0
= 0. Po przeksz0
0
1 t
2
taceniu rwnanie przyjmuje posta (1 t) (1 t) = 0 tak wic t = 1 lub
t = 1. Czyli rzeczywicie wartociami wasnymi tego przeksztacenia s 1 i
1. Przestrzenie wektorw wasnych to odpowiednio:
E1 = {X R3 : X Oxy } = Oxy ,
bo tylko te wektory nie zmieniaj si przez odbicie wzgldem tej paszczyzny,
E1 = {X R3 : X L} = L = Oz = {(0, 0, z) : z R},
gdzie prosta L jest zbiorem wektorw rwnolegych do osi Oz , bo tylko dla
nich speniony jest warunek S(X) = X.
(2) Dla jednokadnoci Jr danej wzorem Jr (X) = r X, wartoci wasn jest

r, natomiast odpowiadajc jej przestrzeni wasn jest Er = R3 , bo kady
wektor z przestrzeni, zgodnie z definicj jednokadnoci, spenia Jr (X) = r X.
wiczenie. Jako wiczenie pozostawimy czytelnikowi sprawdzenie, e 1, 1 to
jedyne wartoci wasne symetrii wzgldem paszczyzny OXY .
Ponisze twierdzenie okrela, jak posta moe przyj przestrze wektorw
wasnych, dla dowolnego przeksztacenia.
93
Twierdzenie 10.5.2 (posta przestrzeni wasnych). Kada przestrze wasna

przeksztacenia R3 jest jednym z nastpujcych zbiorw:
(1) prost zawierajc 0 ,

0
(2) paszczyzn zawierajc 0

,
0
(3) ca przestrzeni R3 .
Dowd. Niech Et bdzie przestrzeni wasn dla wartoci wasnej t przeksztacenia T. Z definicji wartoci wasnej wiemy, e istnieje pewien niezerowy wektor X,
odpowiadajcy tej wartoci wasnej, a wic nalecy do Et . Oznaczmy przez LX
prost wzdu tego wektora. Prosta ta skada si z wektorw postaci rX dla r R.
Zauwamy, e T (rX) = rT (X) = rtX = t(rX), zatem rX jest wektorem wasnym
dla t. Otrzymalimy wic LX Et . Jeli Et = LX , to mamy podpunkt (1). Jeli
nie, to Et zawiera jaki wektor Y nie nalecy do LX . Zauwamy, e ten wektor Y
musi by wtedy niewspliniowy z X. Oznaczmy przez XY paszczyzn wyznaczon
przez wektory X i Y , czyli paszczyzn skadajc si z wektorw postaci rX + sY,
dla r, s R3 . Zauwamy, e
T (rX + sY ) = rT (X) + sT (Y ) = rtX + stY = t(rX + sY ),
tak wic dowolny wektor rX + sY jest wektorem wasnym dla wartoci wasnej
t, zatem XY Et . Jeli XY = Et , to otrzymujemy podpunkt (2). Jeli nie, to
Et zawiera wektor Z nie lecy w paszczynie XY . Wtedy X, Y, Z s wektorami
liniowo niezalenymi. Kady wektor U R3 moemy wic zapisa jako kombinacj
liniow X, Y, Z tzn. U = rX + sY + wZ, dla pewnych r, s, w. Zauwamy, e
T (U ) = T (rX + sY + wZ) = rT (X) + sT (Y ) + wT (Z) =
= rtX + stY + wtZ = t(rX + sY + wZ) = tU.
Std otrzymujemy, e kady wektor U R3 naley do Et , zatem Et = R3 , co daje
podpunkt (3).
Rozdzia 11
Izometrie liniowe i przeksztacenia
ortogonalne w R3
W tym rozdziale zajmiemy si pewnymi rodzajami przeksztace liniowych izometriami liniowymi i przeksztaceniami ortogonalnymi. Na pocztek zdefiniujmy,
czym jest izometria liniowa, podamy jedn z jej najbardziej charakterystycznych
wasnoci. W kolejnym podrozdziale zdefiniujemy pojcie przeksztacenia ortogonalnego, zbadamy jak zachowuje si kt midzy wektorami pod wpywem dziaania
takiego przeksztacenia. Poznamy rwnie zwizek czcy izometrie liniowe z przeksztaceniami ortogonalnymi. W ostatnim podrozdziale zbadamy jak posta mog
przyjmowa izometrie liniowe.
11.1
Definicja 11.1.1 (izometria liniowa). Izometri liniow R3 nazywamy takie przeksztacenie liniowe T : R3 R3 , ktre dla kadego wektora X R3 spenia rwno
|T (X)| = |X|, czyli takie, ktre zachowuje dugo wektora.
Prostym wnioskiem z powyszej definicji jest nastpujcy lemat.
Lemat 11.1.2 (izometrie a odlego midzy punktami). Kada izometria
liniowa zachowuje odlegoci pomidzy punktami w przestrzeni.
Dowd. Jak wiemy punkty w przestrzeni moemy reprezentowa przez ich wektory
wodzce. Zauwamy, e odlego midzy punktami X, Y to dugo wektora X Y ,
co zapisujemy
d(X, Y ) = |X Y |
94
Rozdzia 11. Izometrie liniowe i przeksztacenia ortogonalne w R3
95
Niech X 0 , Y 0 bd obrazami wektorw X, Y przez izometri liniow T. Zauwamy,

e wwczas, korzystajc z liniowoci przeksztacenia T mamy
d(X 0 , Y 0 ) = |X 0 Y 0 | = |T (X) T (Y )| = |T (X Y )| = |X Y | = d(X Y ).
Zatem izometria liniowa rzeczywicie nie zmienia odlegoci midzy punktami w
przestrzeni.
11.2
Przeksztacenia ortogonalne.
Wrd izometrii liniowych wyrniamy pewien rodzaj przeksztace, zwanych

przeksztaceniami ortogonalnymi, ktrych wasnociami zajmiemy si w tym podrozdziale.
Definicja 11.2.1 (przeksztacenie ortogonalne). Przeksztacenie liniowe T jest
przeksztaceniem ortogonalnym, jeli dla dowolnych wektorw X, Y R3 zachodzi
T (X) T (Y ) = X Y, tzn. gdy T zachowuje iloczyn skalarny.
Zauwamy, e przeksztacenia ortogonalne rzeczywicie s izometriami liniowymi.
Mwi o tym nastpujcy fakt.
Fakt 11.2.2. Przeksztacenia ortogonalne zachowuj dugoci wektorw, czyli s
izometriami.
Dowd. Dla przeksztacenia ortogonalnego T mamy
q
|T (X)| = T (X) T (X) = X X = |X|.
Zajmiemy si teraz innymi wasnociami przeksztace ortogonalnych.

Fakt 11.2.3 (przeksztacenia ortogonalne a kt midzy wektorami). Przeksztacenia ortogonalne zachowuj kty midzy wektorami, tzn. dla dowolnych wektorw X, Y R3 mamy ]T (X)T (Y ) = ]XY.
Dowd. Dla dowolnych wektorw X, Y z przestrzeni R3 i przeksztacenia ortogonalnego T, korzystajc z definicji przeksztacenia ortogonalnego i faktu (11.2.2) moemy
stwierdzi, e
cos ]T (X)T (Y ) =
T (X) T (Y )
X Y
=
= cos ]XY.
|T (X)| |T (Y )|
|X| |Y |
Wniosek 11.2.4 (obraz wektorw prostopadych). Obrazami wektorw prostopadych przez przeksztacenie ortogonalne, s wektory prostopade.
Dowd. Jeli wektory X, Y s prostopade, czyli X Y = 0, to rwnie
T (X) T (Y ) = X Y = 0,
tzn. obrazy tych wektorw przez przeksztacenie ortogonalne rwnie s prostopade.
96
Wiemy, e przeksztacenia ortogonalne to pewien rodzaj izometrii liniowych.

Okazuje si, e kada izometria liniowa jest przeksztaceniem ortogonalnym. Mwi
o tym poniszy fakt.
Fakt 11.2.5. Kada izometria liniowa jest przeksztaceniem ortogonalnym.
Dowd. Niech X, Y bd dowolnymi wektorami z przestrzeni, a T izometri liniow.
Mamy wic
|T (X) T (Y )| = |T (X Y )| = |X Y |,
a wic rwnie
|T (X) T (Y )|2 = |T (X Y )|2 = |X Y |2 .
Ale wiemy, e
|T (X) T (Y )|2 = (T (X) T (Y )) (T (X) T (Y )) =
= |T (X)|2 + |T (Y )|2 2 (T (X) T (Y )),
oraz
|X Y |2 = (X Y ) (X Y ) = |X|2 + |Y |2 2 (X Y ).
Z dwch pierwszych rwnoci mamy
|X Y |2 = |T (X)|2 + |T (Y )|2 2 (T (X) T (Y )).
Podstawiajc do trzeciej rwnoci mamy
|T (X)|2 + |T (Y )|2 2 (T (X) T (Y )) = |X|2 + |Y |2 2 (X Y ).
Przeksztacajc t rwno, przy wykorzystaniu faktu, e |X| = |T (X)|, |Y | =
|T (Y )|, otrzymujemy
2 (T (X) T (Y )) = 2 (X Y ).
Otrzymujemy zatem
T (X) T (Y ) = X Y,
czyli, zgodnie z Definicj 11.2.1, izometria T jest przeksztaceniem ortogonalnym.
Wiemy, e przeksztacenia ortogonalne s izometriami liniowymi. Powyej pokazalimy rwnie, e izometrie s przeksztaceniami ortogonalnymi. Std mamy nastpujcy wniosek.
Wniosek 11.2.6. Zbiory izometrii liniowych i przeksztace ortogonalnych s sobie
rwne.
11.3
97
Opis izometrii liniowych w R3.
W tym podrozdziale sklasyfikujemy izometrie liniowe. Pomocne okae si w tym

okrelenie postaci wartoci wasnych tych przeksztace.
Fakt 11.3.1 (wartoci wasne izometrii). Jeli T jest izometri liniow, to jej
kada warto wasna jest rwna 1 lub 1.
Dowd. Niech t bdzie wartoci wasn dla izometrii T . Istnieje wic niezerowy
wektor X taki, e T (X) = t X. Dla tego wektora mamy
|X| = |T (X)| = |t X| = |t| |X|,
tak wic |t| = 1, czyli t = 1 lub t = 1.
Fakt 11.3.2 (wyznacznik macierzy izometrii liniowej). Jeli T jest izometri
liniow zadan macierz m, to
det(m) = 1 lub det(m) = 1.
Dowd. Wiadomo, e macierz przeksztacenia utworzona jest z obrazw wersorw
przez przeksztacenie T , jako kolumn, tak wic
m = (T (e1 ) T (e2 ) T (e3 )).
Z interpretacji wyznacznika za pomoc objtoci rwnolegocianu wiemy, e
| det(m)| = V (RT (e1 ),T (e2 ),T (e3 ) ).
Zauwamy, e |T (ei )| = |ei | = 1, oraz T (ei ) T (ej ) = ei ej = 0 dla i 6= j. Std
moemy wnioskowa, e wektory T (e1 ), T (e2 ), T (e3 ) maj dugo 1 i s parami
prostopae, a wic rwnolegocian RT (e1 ),T (e2 ),T (e3 ) jest kostk o krawdzi dugoci
1. Zatem
| det(m)| = V (RT (e1 ),T (e2 ),T (e3 ) ) = 1.
Sprbujmy opisa w sposb geometryczny wszystkie izometrie liniowe przestrzeni R3 . Zacznijmy od tych izometrii liniowych, ktrych wyznacznik wynosi 1.
Fakt 11.3.3. Jeli izometria liniowa T ma wyznacznik det(m(T )) = 1, to T jest
obrotem wok pewnej prostej L, zawierajcej (0, 0, 0).
Dowd. Przeksztacenie T ma przynajmniej jedn warto wasn i, jak wiemy z
Faktu 11.3.1, jest ona rwna 1 lub 1. Rozwamy te przypadki.
(1) Niech t = 1 bdzie wartoci wasn, za X odpowiadajcym jej wektorem
wasnym. Oznaczmy przez LX prost wzdu wektora X, za niech bdzie
paszczyzn prostopad do X, przechodzc przez (0, 0, 0).
98
Dla dowolnego wektora Y z paszczyzny , jego obraz przez przeksztacenie T

rwnie naley do tej paszczyzny, zauwamy bowiem, e paszczyzna skada
si z wektorw prostopadych do wektora normalnego X tej paszczyzny. Dla
dowolnego wektora Y z paszczyzny okrelmy przeksztacenie
T0 : : T0 (Y ) = T (Y ).
Zauwamy, e tak okrelone T0 jest izometri paszczyzny , poniewa |T0 (Y )| =
|T (Y )| = |Y |. Pokaemy teraz, e T0 jest obrotem paszczyzny. Gdyby tak nie
byo, to musiaoby by odbiciem wzgldem pewnej prostej L .
Ale wwczas cae przeksztacenie T byoby, jak wida na rysunku, odbiciem

wzgldem paszczyzny zawierajcej proste L i LX . Jak wiemy symetria zmienia
orientacj, wic jej wyznacznik jest ujemny, a my zaoylimy, e det(m(T )) =
1. Tak wic T0 jest obrotem wok prostej LX o kt , wic T rwnie jest
obrotem o taki sam kt i wok tej samej prostej.
99
(2) Niech t = 1 bdzie wartoci wasn, za X odpowiadajcym jej wektorem

wasnym. Podobnie jak poprzednio, LX to prosta wzdu wektora X, za
to paszczyzna prostopada do X przechodzc przez (0, 0, 0). Przeksztacenie
T0 : , tak jak poprzednio, jest przeksztaceniem, ktre dla dowolnego
Y okrelamy poprzez T0 (Y ) = T (Y ).
Pokaemy, e T0 jest symetri osiow. Gdyby T0 nie byo symetri, to przeksztacenie T musiaoby by zoeniem symetrii wzgldem i obrotu wok
LX .
Symetria zmienia orientacj, obrt zachowuje, wic zoenie tych przeksztace

zmieniaoby orientacj. Wiemy jednak, e det(m(T )) = 1, wic T0 musi by
odbiciem wzgldem prostej L. Przeksztacenie T zachowuje prost L. Zauwamy rwnie, e obrazem wektorw z paszczyzny prostopadych do
prostej L s wektory do nich przeciwne.
100
Jedyn izometri speniajc te warunki, jest obrt wok prostej L o kt 1800 .
Zanim rozwaymy przypadek, gdy det(T ) = 1, musimy zdefiniowa pewien

rodzaj przeksztace.
Definicja 11.3.4 (odbicie z obrotem). Odbicie z obrotem jest to izometria przestrzeni, ktra jest zoeniem obrotu wok pewnej prostej L z odbiciem wzgldem
pewnej paszczyzny prostopadej do prostej L.
Fakt 11.3.5. Jeli izometria liniowa T ma wyznacznik det(T ) = 1, to T jest
albo symetri wzgldem pewnej paszczyzny zawierajcej (0, 0, 0), albo odbiciem
z obrotem. W tym drugim przypadku T jest zoeniem symetrii wzgldem pewnej
paszczyzny zawierajcej (0, 0, 0) oraz obrotu wok prostej L przechodzcej przez
(0, 0, 0) i prostopadej do .
Podsumowujc przeprowadzony w tym podrozdziale opis poszczeglnych rodzajw izometrii liniowych przestrzeni R3 moemy sformuowa nastpujcy:
Wniosek 11.3.6. (rodzaje izometrii liniowych) Kada izometria liniowa przestrzeni R3 jest albo obrotem, albo odbiciem, albo odbiciem z obrotem.
Rozdzia 12
Macierz ortogonalna i macierz
transponowana
Rozdzia ten powicimy na zbadanie pewnych klas macierzy. Na pocztek
wprowadzimy pojcie macierzy ortogonalnej, ktre jest cile zwizane z poznanymi
w poprzednim rozdziale przeksztaceniami ortogonalnymi (izometriami liniowymi).
W drugim podrozdziale dowiemy si, czym jest macierz transponowana do danej,
nauczymy si wyznacza j na wiele sposobw. Poznamy rwnie zwizek macierzy
transponowanych z macierzami ortogonalnymi. Na koniec podamy kilka wasnoci
macierzy transponowanej.
12.1
Macierz ortogonalna.
Definicja 12.1.1 (macierz ortogonalna). Macierz 3 3 jest ortogonalna, jeli

zadane przez t macierz przeksztacenie liniowe T : R3 R3 jest ortogonalne lub,
rwnowanie, jeli jest izometri liniow.
Sprawdzanie ortogonalnoci macierzy wprost z powyszej definicji, na og bywa
bardzo kopotliwe, musimy bowiem odwoa si do pojcia ortogonalnoci przeksztacenia liniowego. Poniej podamy bardzo uyteczne kryterium, ktre pozwoli
na atwe sprawdzenie zarwno ortogonalnoci macierzy, jak rwnie ortogonalnoci
odpowiadajcego mu przeksztacenia.
Lemat 12.1.2 (kolumny macierzy ortogonalnej). Macierz m = (K1 , K2 , K3 )
jest ortogonalna wtedy i tylko wtedy gdy jej kolumny s parami prostopadymi wektorami jednostkowymi, czyli gdy
|K1 | = |K2 | = |K3 | = 1
oraz
K1 K2 = K1 K3 = K2 K3 = 0.
Dowd. Zamy, e macierz m jest ortogonalna, co jest rwnowane temu, e przeksztacenie T , zadane t macierz, jest ortogonalne. Wwczas |Ki | = |T (ei )| = |ei | =
1, dla i = 1, 2, 3. Mamy rwnie Ki Kj = T (ei ) T (ej ) = ei ej = 0, gdy i 6= j.
Pokazalimy wic implikacj w jedn stron.
Teraz pokaemy, e jeli kolumny macierzy s wzajemnie prostopadymi wektorami
101
Rozdzia 12. Macierz ortogonalna i macierz transponowana
102
jednostkowymi, to przeksztacenie T jest ortogonalne. Niech X, Y bd dowolnymi

wektorami z przestrzeni. Zapisujemy je w postaci
x1
X = x2
= x1 e1 + x2 e2 + x3 e3 ,
x3
y1
Y = y2 = y1 e1 + y2 e2 + y3 e3 .
y3
Z jednorodnoci i addytywnoci przeksztacenia liniowego T mamy
3
X
T (X) = T (
3
X
xi ei ) =
xi T (ei ) =
3
X
i=1
i=1
i=1
3
X
3
X
3
X
T (Y ) = T (
yi e i ) =
i=1
yi T (ei ) =
i=1
xi Ki ,
yi Ki .
i=1
Pokaemy teraz, e przeksztacenie to zachowuje iloczyn skalarny

T (X) T (Y ) = (
3
X
3
X
xi Ki ) (
i=1
3
X
yi Ki ) =
i=1
xi yj (Ki Kj ),
i,j=1
zaoylimy jednak, e Ki Kj = 0 dla i 6= j, tak wic

3
X
xi yj (Ki Kj ) =
i,j=1
3
X
xi yi (Ki Kj ) =
i=1
3
X
xi yi = X Y.
i=1
Tak wic rzeczywicie, dla przeksztacenia T mamy T (X) T (Y ) = X Y , wic

przeksztacenie T jest ortogonalne.
"
0 35
5
Przykad. Macierz 35 0 45 jest ortogonalna. Sprawdzenie ortogonalnoci tej

0 1 0
macierzy pozostawimy jako wiczenie dla czytelnika.
12.2
Macierz transponowana.
Dowolnej macierzy m moemy jednoznacznie przyporzdkowa inn macierz

mT , zwan macierz transponowan. Pojcie to pojawio si ju w rozdziale powiconym wyznacznikom, tutaj troch szerzej zajmiemy si teori z nim zwizan.
Zacznijmy od definicji.
Definicja 12.2.1
macierzy m = d
g
transponowan
do danej
(macierz
transponowana). Macierz
b c
a d g
e f
nazywamy macierz mT = b e h .
h i
c f i
103
Znajdowanie macierzy transponowanej

Podamy teraz kilka sposobw na utworzenie macierzy transponowanej do danej:
(1) Zamieniamy ze sob wyrazy macierzy symetryczne wzgldem przektnej.
(2) Dla kadego i, j = 1, 2, 3 wyraz z itego wiersza i jtej kolumny umieszczamy
w jtym wierszu i itej kolumnie.
(3) Kolumny macierzy m staj si wierszami macierzy transponowanej mT .

"
(4) Wiersze macierzy m staj si kolumnami macierzy mT .

wiczenie. Proponujemy czytelnikowi wyprbowanie kadego z tych czterech sposobw tworzenia macierzy transponowanej do danej, i przekonanie si, e w kadym
przypadku otrzymujemy t sam macierz zgodn z Definicj 12.2.1.
1
0 6
Przykad. Macierz transponowan do macierzy 8 1 5 jest macierz

3 3 0
1 8 3
0 1 3 .
6 5
0
Podamy teraz twierdzenie wice pojcia macierzy transponowanej i macierzy
ortogonalnej.
Twierdzenie 12.2.2 (macierz transponowana a ortogonalno macierzy).
Macierz m jest ortogonalna wtedy i tylko wtedy gdy m mT = mT m = I, gdzie I
jest macierz jednostkow rozmiaru 3 3.
Dowd. Poniewa macierz ortogonalna jest odwracalna, co pozostawimy do uzasadnienia czytelnikowi, wystarczy uzasadni, e mT m = I, bo to oznacza, e
macierz
K1T
mT jest macierz odwrotn do m. Jeli m = (K1 , K2 , K3 ), to mT =

K2T ,
K3T
ai
gdzie Ki = bi
, KiT = (ai , bi , ci ). Dla tak okrelonych macierzy mamy
ci
K1 K1 K1 K2 K1 K3
K1T
T
m m = K2T (K1 K2 K3 ) = K2 K1 K2 K2 K2 K3 .
K3 K1 K3 K2 K3 K3
K3T
Chcemy, aby mT m = I, tym samym aby
1 0 0
K1 K1 K1 K2 K1 K3
K
K
K
K
K
=
0 1 0 .
2
1
2
2
2
3
K3 K1 K3 K2 K3 K3
0 0 1
Zauwamy, e wyrazy znajdujce si na przektnej gwnej macierzy mT m, czyli
wyrazy Ki Ki s rwne 1, oraz wyrazy Ki Kj dla i 6= j s rwne 0. Zgodnie z
Lematem 12.1.2 jest to rwnowane temu, e macierz m jest macierz ortogonaln.
104
Uwaga 12.2.3. Zwizek mT m = m mT = I oznacza, e macierz transponowana

mT do macierzy ortogonalnej jest jej macierz odwrotn.
Z powyszych rozwaa moemy wyprowadzi wniosek, ktry okae si by
bardzo prostym sposobem na sprawdzenie ortogonalnoci macierzy.
Wniosek 12.2.4 (macierz transponowana a macierz odwrotna). Macierz m
jest ortogonalna wtedy i tylko wtedy gdy jest odwracalna oraz m1 = mT .
12.3
Wasnoci operacji transponowania macierzy.
Podamy teraz kilka najbardziej charakterystycznych wasnoci operacji transponowania macierzy. Zacznijmy od bardzo prostego faktu.
Fakt 12.3.1.
(mT )T = m
wiczenie. Dowd tego faktu, wynikajcy wprost z definicji macierzy transponowanej, pozostawimy jako wiczenie dla czytelnika.
Fakt 12.3.2 (transponowanie iloczynu macierzy). Dla dowolnych macierzy
m, n rozmiaru 3 3 mamy
mT nT = (n m)T .
Uwaga 12.3.3. W powyszym wzorze warto zwrci uwag na rn kolejno pojawiania si macierzy m i n po obu stronach rwnoci.
Dowd. Ze sposobu okrelenia iloczynu macierzy wiemy, e do wyznaczenia wyrazw
macierzy bdcej iloczynem macierzy m i n najlepiej bdzie zapisa
macierz
n przy
W1
uyciu jej wierszy a macierz m przy uyciu kolumn, tak wic n =

W2 , m =
W3
(K1 , K2 , K3 ). Iloczyn tych macierzy przedstawia si wwczas wzorem
W1 K1 W1 K2 W1 K3
n m = W2 K1 W2 K2 W2 K3
,
W3 K1 W3 K2 W3 K3
tak wic macierz transponowana do tego iloczynu to
W1 K 1 W2 K 1 W3 K 1
T
(n m) = W1 K2 W2 K2 W3 K2
.
W1 K 3 W2 K 3 W3 K 3
Zgodnie z okreleniem macierzy transponowanej mamy
K1T
nT = (W1T , W2T , W3T ), mT =

K2T ,
K3T
105
zatem ich iloczyn mT nT przedstawia si wzorem
W1 K 1 W2 K 1 W3 K 1
K1T
T
T
m n = K2T (W1T , W2T , W3T ) = W1 K2 W2 K2 W3 K2 .
K3T
W1 K 3 W2 K 3 W3 K 3
Jak wida speniony jest zatem warunek
mT nT = (n m)T .
Poniszy fakt pokae, jak przy uyciu macierzy odwrotnej do danej macierzy m
znale macierz odwrotn do macierzy transponowanej. W zwizku z tym, e liczenie
macierzy odwrotnej bywa bardzo uciliwe jestemy w stanie sobie wyobrazi jak
bardzo uyteczna moe by taka umiejtno.
Fakt 12.3.4 (macierz odwrotna do macierzy transponowanej). Jeli macierz
m jest odwracalna, to
(mT )1 = (m1 )T .
Dowd. Sprawdmy, czy (m1 )T jest rzeczywicie macierz odwrotn do mT . W tym
celu sprawdmy, czy
mT (m1 )T = (m1 )T mT = I.
Korzystajc z Faktu 12.3.2, oraz z tego, e macierz transponowan do macierzy
identycznociowej jest ona sama, otrzymujemy
mT (m1 )T = (m1 m)T = I T = I
oraz
(m1 )T mT = (m m1 )T = I T = I.
W poprzednim podrozdziale poznalimy pojcie macierzy ortogonalnej, w tym

- macierzy transponowanej do danej. Sprbujmy poczy te dwa pojcia. Zastanwmy si jak zachowuje si macierz transponowana do macierzy ortogonalnej.
Wniosek 12.3.5. Macierz transponowana do macierzy ortogonalnej sama jest ortogonalna.
Dowd. Zgodnie z Wnioskiem 12.2.4 wystarczy pokaza, e (mT )T = (mT )1 . Jak
wiemy z Faktu 12.3.4, (mT )1 = (m1 )T , ale macierz m jest ortogonalna, wic
mT = m1 , a std otrzymujemy, e (mT )1 = (m1 )T = (mT )T . Tak wic macierz
mT rwnie jest ortogonalna.
Rozdzia 13
Macierz symetryczna
Wanym pojciem, ktrym zajmiemy si w tym rozdziale, jest pojcie macierzy
symetrycznej. Ten rodzaj macierzy, jak rwnie przeksztacenia nimi zadane, maj
bardzo charakterystyczne wasnoci z ktrych cz tutaj podamy, zajmiemy si
gwnie wartociami i wektorami wasnymi przeksztace zadanych takimi macierzami. W ostatnim podrozdziale zajmiemy si zagadnieniem diagonalizacji macierzy,
ktre okae si by bardzo uyteczne w dalszej czci skryptu.
13.1
Definicja 13.1.1 (macierz symetryczna).

Macierz symetryczn rozmiaru 3 3
a b c
nazywamy kad macierz postaci b d e , czyli macierz, w ktrej wyrazy symec e f

tryczne wzgldem przektnej gwnej s sobie rwne.
Podamy teraz inn, rwnowan definicj macierzy symetrycznej.
Definicja 13.1.2. Macierz m jest symetryczna wtedy i tylko wtedy gdy m = mT .
W kolejnym podrozdziale bdziemy bada, jak zachowuj si wektory i wartoci
wasne przeksztace zadanych macierzami symetrycznymi, bdzie w tym pomocny
poniszy Lemat, ktry bdzie bardzo uyteczny w dalszych dowodach.
Lemat 13.1.3. Jeli M : R3 R3 jest przeksztaceniem liniowym zadanym macierz
symetryczn m, to dla dowolnych wektorw X, Y R3 mamy
M (X) Y = X M (Y ).
y1
x1
Dowd. Dla dowolnych wektorw X = x2 , Y = y2 oraz macierzy m =

y3
x3
a b c
b d e mamy
c e f
a b c
x1
y1
M (X) Y = (m X) Y =
b d e x2 y2 =
x3
y3
c e f
106
107
Rozdzia 13. Macierz symetryczna
ax1 + bx2 + cx3

y1
= bx1 + dx2 + ex3 y2 =

cx1 + ex2 + f x3
y3
= ax1 y1 + bx2 y1 + cx3 y1 + bx1 y2 + dx2 y2 + ex3 y2 + cx1 y3 + ex2 y3 + f x3 y3 =
= x1 (ay1 + by2 + cy3 ) + x2 (by1 + dy2 + ey3 ) + x3 (cy1 + ey2 + f y3 ) =
x1
ay1 + by2 + cy3
x1
a b c
y1

= x2 by1 + dy2 + ey3 = x2 b d e y2

=
x3
cy1 + ey2 + f y3
x3
c e f
y3
= X (m Y ) = X M (Y ).
13.2
Wartoci i wektory wasne przeksztace zadanych macierzami symetrycznymi.
Wartoci i wektory wasne przeksztace zadanych macierzami symetrycznymi

maj wiele charakterystycznych wasnoci, z ktrych najwaniejsz dla nas bdzie
ta podana w poniszym twierdzeniu.
Twierdzenie 13.2.1 (prostopado wektorw wasnych). Dla przeksztacenia
M : R3 R3 zadanego macierz symetryczn, jeli X1 , X2 s wektorami wasnymi
przeksztacenia M dla rnych wartoci wasnych t1 , t2 , to X1 X2 = 0, czyli wektory
te s prostopade.
Dowd. Zauwamy, e
M (X1 ) X2 = (t1 X1 ) X2 = t1 (X1 X2 ),
X1 M (X2 ) = X1 (t2 X2 ) = t2 (X1 X2 ).
Z symetrycznoci macierzy przeksztacenia M , na podstawie rwnoci z Lematu
13.1.3 mamy wic
t1 (X1 X2 ) = t2 (X1 X2 ).
Poniewa t1 6= t2 , wic aby rwno bya speniona, musi zachodzi X1 X2 = 0.
Okazuje si, e dla przeksztacenia zadanego macierz symetryczn, moemy
znale trjk wektorw wasnych, o bardzo charakterystycznych wasnociach. Mwi
o tym nastpujce twierdzenie.
Twierdzenie 13.2.2. Dla dowolnego przeksztacenia liniowego M : R3 R3 zadanego macierz symetryczn istniej trzy prostopade jednostkowe wektory X1 , X2 , X3
R3 , bdce wektorami wasnymi macierzy przeksztacenia M.
Dowd. Przeksztacenie M ma przynajmniej jedn warto wasn t1 . Niech v1
bdzie niezerowym wektorem wasnym dla tej wartoci wasnej. Wwczas rwnie
X1 = |v11 | v1 jest wektorem wasnym dla t1 i X1 ma dugo 1. Sprbujmy teraz
znale wektory X2 , X3 . Niech oznacza paszczyzn prostopad do wektora X1 ,
zawierajc (0, 0, 0).
Zanim przejdziemy do dalszej czci dowodu, podamy nastpujcy fakt.
108
Fakt 13.2.3. Jeli wektor X naley do paszczyzny , to rwnie M (X) naley do

paszczyzny .
Dowd (faktu). Dla kadego wektora X nalecego do mamy XX1 = 0. Sprawdmy,
czy rwnie M (X) X1 = 0. Otrzymujemy:
M (X) X1 = X M (X1 ) = X t1 X1 = t1 (X X1 ) = t1 0 = 0,
wic wektor M (X) jest prostopady do wektora X1 , co oznacza, e M (X) naley do
paszczyzny .
Wrmy teraz do dowodu twierdzenia. Okrelmy przeksztacenie M0 :
jako M0 (X) = M (X) dla X . Poniewa M0 , tak jak przeksztacenie M, jest
addytywne i jednorodne, wic M0 jest przeksztaceniem liniowym paszczyzny .
Wprowadmy na paszczynie ukad wsprzdnych Ox1 x2 wyznaczony przez jed-!
x1
nostkowe prostopade wektory F1 , F2 jako wersory. Wektor X ma wsprzdne
,
x2
!
a b
bdzie macierz przeksztacenia M0 w
czyli X = x1 F1 + x2 F2 . Niech m0 =
c d
ukadzie Ox1 x2 . Oznacza to, e
(1) M0 (F1 ) = aF1 + cF2
(2) M0 (F2 ) = bF1 + dF2
Pokaemy teraz, e b = c, czyli e macierz m0 jest symetryczna. Wiemy, e F1 , F2
s wektorami jednostkowymi wzajemnie prostopadymi, std mamy
F1 F2 = F2 F1 = 0, F1 F1 = 1, F2 F2 = 1.
Mnoymy rwnanie (1) skalarnie przez F2 i otrzymujemy
M0 (F1 ) F2 = (aF1 + cF2 ) F2 = aF1 F2 + cF2 F2 = c.
Podobnie, mnoc rwnanie (2) skalarnie przez F1 otrzymujemy
F1 M0 (F2 ) = F1 (bF1 + dF2 ) = bF1 F1 + dF1 F2 = b.
Zatem c = M0 (F1 ) F2 = M (F1 ) F2 = F1 M (F2 ) = F1 M0 (F2 ) = b.
Przeksztacenie M0 paszczyzny zadane jest macierz symetryczn, zatem na podstawie wiadomoci o takich macierzach jakie podane zostay w pierwszej czci
skryptu, wiemy e posiada ono dwa wzajemnie prostopade wektory wasne U, W.
Wwczas X2 = |U1 | U, X3 = |W1 | W s jednostkowymi, wzajemnie prostopadymi
wektorami wasnymi dla przeksztacenia M0 , czyli rwnie dla M. Wektory X2 , X3
nale do paszczyzny , tym samym s prostopade do wektora X1 , tak wic wektory X1 , X2 , X3 s parami prostopade.
109
Uwaga 13.2.4.
(1) Wartoci wasne dla wektorw wasnych X1 , X2 , X3 , z powyszego twierdzenia,
niekoniecznie
musz by rne. Np. jeli przeksztacenie M zadane jest macierz

5 0 0
0 1 0 , wtedy za wektory wasne moemy przyj

0 0 5
X1 = e1 , X2 = e2 , X3 = e3
3 0
0
dla wartoci wasnych 5; 1; 5. Natomiast dla macierzy 0 3 0

wszys0
0 3
tkie wartoci wasne bd takie same.
(2) Wektory X1 , X2 , X3 na og mona wybra na wiele rnych sposobw.
13.3
Diagonalizacja macierzy.
Poniej podamy sposb przedstawiania pewnych macierzy (w tym dowolnych

macierzy symetrycznych) w postaci iloczynu trzech macierzy, z ktrych jedna jest
macierz diagonaln, a pozostae s macierzami utworzonymi z wektorw wasnych
macierzy m. Takie przedstawienie, nazywane diagonalizacj macierzy, ma wiele zastosowa. Podamy jedno przykadowe zastosowanie - do potgowania macierzy.
Twierdzenie 13.3.1 (diagonalizacja macierzy). Niech M : R3 R3 bdzie
przeksztaceniem liniowym zadanym macierz m. Zamy, e liniowo niezalene
wektory X1 , X2 , X3 s wektorami wasnymi przeksztacenia M o wartociach wasnych t1 , t2 , t3 . Oznaczmy przez p = (X
) macierz utworzon z wektorw
1 , X2 , X3
t1 0 0
X1 , X2 , X3 jako kolumn, za przez d =

0 t2 0 macierz diagonaln utworzon
0 0 t3
z wartoci wasnych t1 , t2 , t3 . Wwczas macierz m moemy przedstawi w postaci
m = pdp1 .
Zanim przejdziemy do dowodu tego twierdzenia, podajmy pomocniczy fakt:
Fakt 13.3.2 (rwno przeksztace liniowych). Niech T1 , T2 : R3 R3 bd
dwoma przeksztaceniami liniowymi, za A, B, C R3 liniowo niezalenymi wektorami. Zamy ponadto, e T1 (A) = T2 (A), T1 (B) = T2 (B), T1 (C) = T2 (C).
Wwczas dla kadego X R3 mamy T1 (X) = T2 (X), czyli T1 = T2 .
Dowd (faktu). Kady wektor X R3 mona jednoznacznie przedstawi w postaci
X = t A + s B + r C dla pewnych t, s, r R3 . Wwczas:
T1 (X) = T1 (t A + s B + r C) = t T1 (A) + s T1 (B) + r T1 (C) =
= t T2 (A) + s T2 (B) + r T2 (C) = T2 (t A + s B + r C) = T2 (X).
110
Dowd (twierdzenia). Niech P, D bd przeksztaceniami liniowymi zadanymi macierzami p, d. Mamy wwczas M (Xi ) = ti Xi , dla i = 1, 2, 3 oraz P (ei ) = Xi , dla
i = 1, 2, 3. Zauwamy, e macierz p jest odwracalna, bo det p = det(X1 , X2 , X3 ) 6= 0,
co wynika z liniowej niezalenoci wektorw X1 , X2 , X3 . Zatem przeksztacenie P
jest odwracalne i mamy P 1 (Xi ) = Ei . Ponadto zachodzi rwnie D(ei ) = ti ei , dla
i = 1, 2, 3. Dla i = 1, 2, 3 mamy wic
P DP 1 (Xi ) = P D(ei ) = P (ti ei ) = ti P (ei ) = ti Xi = M (Xi ).
Poniewa X1 , X2 , X3 s liniowo niezalene, z Faktu 13.3.2 wynika P DP 1 = M, a
wic pdp1 = m.
Wniosek 13.3.3. Niech m bdzie macierz symetryczn rozmiaru 3 3, za M :
R3 R3 przeksztaceniem liniowym zadanym t macierz. Wwczas
m = pdp1 ,
t1 0 0
gdzie p jest pewn macierz ortogonaln, za d = 0 t2 0 jest macierz diago0 0 t3

naln o wyrazach rwnych wartociom wasnym przeksztacenia M.
Dowd. Zgodnie z Twierdzeniem 13.2.2 przeksztacenie M ma trzy parami prostopade, jednostkowe wektory wasne X1 , X2 , X3 . Macierz p = (X1 , X2 , X3 ), jak wiemy
z Lematu 12.1.2, jest macierz ortogonaln. Na podstawie Twierdzenia 13.3.1 wiemy
rwnie, e zachodzi m = pdp1 .
Uwaga 13.3.4 (ortogonalna diagonalizacja macierzy). Moliwo przedstawienia macierzy m w postaci iloczynu pdp1 , gdzie macierz p jest ortogonalna a macierz
d - diagonalna, nazywa si ortogonaln diagonalizacj macierzy m.
Tak wic Wniosek 13.3.3 oznacza, e kad macierz symetryczn mona zdiagonalizowa w sposb ortogonalny.
Rozdzia 14
Nowe ukady wsprzdnych
W celu okrelenia pooenia punktu stosuje si ukad wsprzdnych. Opisany w
pierwszym rozdziale ukad wsprzdnych to ukad kartezjaski. Nie jest on jednak
jedynym sposobem zapisywania pooenia punktw. W wielu sytuacjach wygodniej
jest posuy si innym ukadem wsprzdnych, tzw. ukadem ukonoktnym.
W rozdziale tym bliej zajmiemy si innymi ukadami wsprzdnych. W pierwszym podrozdziale zdefiniujemy, czym jest ukad ukonoktny na paszczynie,
nastpnie podamy analogiczn definicj w przypadku przestrzeni. Nauczymy si
okrela wsprzdne punktu w tych ukadach. W kolejnych podrozdziaach poznamy sposoby na zamian wsprzdnych punktw w jednym ukadzie na wsprzdne w innym, pokaemy te, jak znajdowa macierz przeksztacenia w nowym
ukadzie.
14.1
Ukad ukonoktny na paszczynie.
Definicja 14.1.1 (ukad ukonoktny). Ukadem ukonoktnym nazywamy taki

ukad, w ktrym:
(1) osie ukadu nie musz by prostopade,
(2) jednostki na osiach nie musz by jednakowe.
Przykad takiego ukadu zosta przedstawiony na rysunku poniej.
W ukadzie kartezjaskim wprowadzilimy pojcie wersorw. Moemy to zrobi

rwnie w ukadzie ukonoktnym.
111
Rozdzia 14. Nowe ukady wsprzdnych
112
Definicja 14.1.2 (wersory w ukadzie). Wersorami w ukadzie nazywamy wektory osiowe o dugoci rwnej jednostce na danej osi oraz zwrocie zgodnym z dodatnim kierunkiem na osi.
Na rysunku poniej wersorami s wektory F1 , F2 .
Podobnie jak w ukadzie kartezjaskim, rwnie w ukadzie ukonoktnym

moemy przyporzdkowa kademu punktowi wsprzdne.
Uwaga 14.1.3 (wsprzdne punktu). Wsprzdne punktu X wyraa si za
pomoc jego rzutw na osie, w kierunku drugiej osi. W ukadzie ukonoktnym rzuty
te na og nie s prostoktne.
Rozwamy w przyjtym przez nas ukadzie wsprzdnych o wersorach F1 , F2
punkt X o wsprzdnych (x1 , x2 ). Moemy te wsprzdne zinterpretowa w sposb
wektorowy i z takiej interpretacji bdziemy korzysta w dalszej czci. Zauwamy,
e punkt X moemy utosamia z jego wektorem wodzcym X , ktry wyraa si

jako
X = x1 F1 + x2 F2 .
14.2
Ukad ukonoktny w przestrzeni.
Podobnie jak na paszczynie, tak i w przestrzeni moemy wprowadzi niekartezjaski ukad wsprzdnych. Za wersory takiego ukadu moemy przyj dowoln
113
trjk liniowo niezalenych wektorw F1 , F2 , F3 . Oznaczmy przez Ou1 u2 u3 ukonoktny

ukad zwizany z tymi wektorami (traktowanymi jako wersory).
W przestrzennym ukadzie ukonoktnym nie bdziemy zajmowa si okrelaniem

wsprzdnych punktu za pomoc rzutowania. Skorzystamy tutaj z wektorowej charakteryzacji, jak znamy z paszczyzny i przez analogi okrelimy wsprzdne w przestrzeni.
Punkt X ma w ukadzie Ou1 u2 u3 , o
Definicja 14.2.1 (wsprzdne punktu).
v1
wersorach F1 , F2 , F3 wsprzdne
v2 wtedy i tylko wtedy gdy X = v1 F1 +
v3
v2 F2 + v3 F3 .
14.3
Macierz przejcia do nowego ukadu wsprzdnych.
Dla danego punktu jestemy w stanie okreli jego wsprzdne w dowolnym

ukadzie wsprzdnych. Zastanwmy si jednak, jaki jest zwizek midzy wsprzdnymi tego samego punktu w rnych ukadach. Przydatne mogoby okaza si znalezienie sposobu zamiany jednych wsprzdnych na drugie. W naszych rozwaaniach
zajmowa bdziemy si tylko takimi parami ukadw wsprzdnych, ktre maj ten
sam pocztek. Zamy, e znamy wsprzdne
wersorw
Fi nowego ukadu Ou1 u2 u3 ,
f1i
w ukadzie kartezjaskim Oxyz . Niech Fi =

f2i , dla i = 1, 2, 3.
f3i
Definicja 14.3.1 (macierz przejcia).
Macierz
przejcia do ukadu Ou1 u2 u3 nazy
f11 f12 f13
wamy macierz f = (F1 F2 F3 ) = f21 f22 f23 utworzon ze wsprzdnych werf31 f32 f33
sorw Fi jako kolumn.
Uwaga 14.3.2. Zauwamy, e skoro wektory F1 , F2 , F3 s liniowo niezalene, to
macierz przejcia jest macierz odwracaln.
114
14.4
Wsprzdne wektorw w nowych ukadach.
Pokaemy teraz jak majc wsprzdne wektora w jednym ukadzie znale jego
wsprzdne w drugim. Zacznijmy od atwiejszego przypadku.
Zamiana wsprzdnych ukadu Ou1 u2 u3 na wsprzdne ukadu Oxyz
Wemy wektor X, ktry w nowym ukadzie Ou1 u2 u3

e
v1
ma wsprzdne v2 . Wiemy,
v3
X = v1 F1 + v2 F2 + v3 F3 ,
co po podstawieniu wsprzdnych moemy zapisa jako
f11
f12
f13
X = v1 f21 + v2 f22 + v3 f23 .

f31
f32
f33
Przeksztacajc dalej otrzymujemy
v1 f11 + v2 f12 + v3 f13

f11 f12 f13
v1
X = v1 f21 + v2 f22 + v3 f23 = f21 f22 f23 v2 = f V.

v1 f31 + v2 f32 + v3 f33
f31 f32 f33
v3
Krtko moemy wic zapisa
"
X = f V.
Przykad. Rozwamy wektor X, ktry w ukadzie Ou1 ,u2 ,u3 , o wersorach
1
1
1
2
F1 = 1 , F2 = 1 , F3 = 1 ,
1
0
0
ma wsprzdne V = 5 . Znajdmy wsprzdne tego wektora w ukadzie

2
Oxyz . Zgodnie z powyszymi rozwaaniami wsprzdne tego wektora w ukadzie
Oxyz wyraaj si wzorem X = f V, gdzie f jest macierz przejcia do ukadu Ou1 u2 u3 ,
w naszym przypadku
1 12 1
f = 1 1 1 .
0 0 1
Wektor X ma zatem wsprzdne
1 12 1
1
11
2
X = f V = 1 1 1 5 = 4 .
0 0 1
2
2
115
Wektor, ktry w ukadzie o wersorach F1 , F2 , F3 ma wsprzdne V = 5

2
1
1
2
w ukadzie Oxyz ma wsprzdne X = 4 .
2
Zajmijmy si teraz trudniejszym przypadkiem.
Zamiana wsprzdnych ukadu Oxyz na wsprzdne ukadu Ou1 u2 u3
x1
Niech X bdzie wektorem, ktry w ukadzie Oxyz ma wsprzdne X = x2

.
x3
v1
Sprbujmy znale wsprzdne v2 tego wektora w ukadzie Ou1 u2 u3 . Oznaczmy

v3
v1
w skrcie V = v2 . Jak wiemy z poprzedniego podpunktu,

v3
X = f V.
Wsprzdne V moemy zatem obliczy mnoc t rwno lewostronnie przez macierz
f 1 . Macierz f 1 istnieje, bo macierz f , utworzona z liniowo niezalenych wektorw
F1 , F2 , F3 , jest odwracalna. Otrzymujemy zatem
f 1 X = f 1 f V = V,
czyli
"
V = f 1 X.
Przykad. Rozwamy ten sam wektor X co w poprzednim przykadzie. Tym razem
zamy
jednak, e mamy dane wsprzdne tego wektora w ukadzie Oxyz tzn.
1
12
X =
4 . Chcemy znale wsprzdne V tego wektora w ukadzie Ou1 u2 u3 o
2
1
1
wersorach F1 =
1 , F2 = 1 , F3 = 1 . Zgodnie z przeprowadzonym
0
0
1
powyej rozumowaniem wsprzdne te wyraaj si wzorem
V = f 1 X.
Wyznaczmy zatem macierz odwrotn do macierzy f . Zgodnie z Twierdzeniem 7.4.7
macierz ta zadana jest wzorem
f 1
2 1 1
0
=
2 2
.
0
0
1
116
Wsprzdne wektora X w nowym ukadzie to zatem
2 1 1
1
11
0 4 = 5
V = 2 2
.
0
0
1
2
2
14.5
Macierze przeksztace w nowych ukadach

wsprzdnych.
Potrafimy ju okreli wsprzdne wektora w nowym ukadzie. Postaramy si

teraz, majc dane przeksztacenie liniowe M o macierzy m, znale macierz m0 tego
przeksztacenia w nowym
Macierz m0 bdzie tak macierz, dla ktrej
ukadzie.
u1
obrazem wektora U = u2 (s to wsprzdne w nowym ukadzie) przez przeku3

0
u1
sztacenie M , jest wektor U 0 = u02 , taki e U 0 = m0 U .

u03
Wemy przeksztacenie liniowe M : R3 R3 , ktre w ukadzie Oxyz ma macierz
m. Znajdmy
macierz m0 tego przeksztacenia w ukadzie Ou1 u2 u3 . Rozwamy wektor
x1
X = x2 . Obraz tego wektora przez przeksztacenie M to M (X) = m X.

x3
Wektor X ma w ukadzie Ou1 u2 u3 wsprzdne V = f 1 X. Wsprzdne obrazu
tego wektora w ukadzie Ou1 u2 u3 to f 1 mX. Zauwamy, e jeli m0 jest macierz
przeksztacenia M w ukadzie Ou1 u2 u3 , to M (X) ma w tym ukadzie wsprzdne
m0 V . Zatem dla dowolnego wektora X R3 mamy
f 1 mX = m0 V,
czyli
f 1 mX = m0 f 1 X.
Rwno ta zachodzi dla dowolnego wektora X R3 .
Zanim przejdziemy dalej podamy pomocniczy lemat.
Lemat 14.5.1. Dla m1 , m2 bdcych dowolnymi macierzami rozmiaru 3 3, jeli
dla kadego wektora X R3 zachodzi m1 X = m2 X, to m1 = m2 .
a2
a1 b1 c1
Dowd. Niech m1 = d1 e1 f1 , m2 = d2
g
g1 h1 k1
2
a1 x1 + b1 x2 + c1 x3
x1
wwczas m1 x2 = d1 x1 + e1 x2 + f1 x3 ,
x3
g1 x1 + h1 x2 + k1 x3
Skoro m1 X = m2 X, to np.
b2 c2
e2 f2
,
h2 k2
a2 x1 + b2 x2 + c2 x3
x1
m2 x2 = d2 x1 + e2 x2 + f2 x3 .
x3
g2 x1 + h2 x2 + k2 x3
a1 x1 + b1 x2 + c1 x3 = a2 x1 + b2 x2 + c2 x3 .
117
Wiemy, e
ta jest speniona dla dowolnego wektora X, wic w szczeglnoci
rwno
dla X = 0 . Otrzymujemy wwczas

0
a1 1 + b1 0 + c1 0 = a2 1 + b2 0 + c2 0,
czyli
a1 = a2 .
Podobnie, dla wektora X = 1 otrzymujemy b1 = b2 . Postpujc analogicznie,
0
moemy wykaza, e macierz m1 ma wszystkie wyrazy rwne odpowiednim wyrazom
macierzy m2 , czyli m1 = m2 .
Wrmy do wyznaczania macierzy m0 . Otrzymalimy dla dowolnego X R3
f 1 mX = m0 f 1 X.
Stosujc powyszy lemat mamy
f 1 m = m0 f 1 .
Mnoc obie strony tej rwnoci z prawej strony przez macierz f dostajemy ostateczny wzr na m0 :
f 1 mf = m0 .
Twierdzenie 14.5.2. Macierz m0 przeksztacenia M w nowym ukadzie wsprzdnych wyraa si wzorem
f 1 mf = m0 ,
"
gdzie f jest macierz przejcia do nowego ukadu wsprzdnych, natomiast m to

macierz przeksztacenia M w wyjciowym ukadzie.
Przykad. Niech T : R3 R3 bdzie przeksztaceniem liniowym majcym trzy liniowo niezalene wektory wasne F1 , F2 , F3 o wartociach wasnych t1 , t2 , t3 . Wwczas
w ukadzie Ou1 u2 u3 zwizanym
z
wektorami F1 , F2 , F3 , przeksztacenie T zadane jest
t1 0 0
macierz diagonaln
0 t2 0 .
0 0 t3
Podamy teraz dwa uzasadnienia poprawnoci tak wyznaczonej macierzy.
Uzasadnienie 1 (bezporednie).
Macierz przeksztacenia tworzy si z obrazw wersorw T (F1 ), T (F2 ), T (F3 ), rozkada-
118
jc je wzgldem F1 , F2 , F3 :
t1
T (F1 ) = t1 F1 = t1 F1 + 0 F2 + 0 F3 = 0
0
T (F2 ) = t2 F2 = 0 F1 + t2 F2 + 0 F3 = t2
0
T (F3 ) = 0 F1 + 0 F2 + t3 F3 = 0
t3
wsprzdne
w ukadzie
Ou1 u2 u3
Tak wic szukana macierz to
t1 0 0
0
m = 0 t2 0
.
0 0 t3
Uzasadnienie 2 (korzystajce ze wzoru m0 = f 1 mf ).

Poniewa f = (F1 F2 F3 ), za Fi s wektorami wasnymi, to korzystajc z twierdzenia
o diagonalizacji, czyli Twierdzenia 13.3.1,
moemy
zapisa macierz m przeksztacet1 0 0
nia T jako m = f df 1 , gdzie d =

0 t2 0 . Wstawiajc to do wzoru na m0
0 0 t3
otrzymujemy
m0 = f 1 mf = f 1 (f df 1 )f = (f 1 f )d(f 1 f ) = d,
czyli
t1 0 0
m0 = d =
0 t2 0 ,
0 0 t3
tak jak chcielimy.
Rozdzia 15
Formy kwadratowe i powierzchnie
stopnia drugiego
W rozdziale tym wprowadzony zostanie pewien rodzaj funkcji, zwanych formami
kwadratowymi. W pocztkowych podrozdziaach poznamy podstawowe definicje
zwizane z tym pojciem, poznamy przykady form kwadratowych, nauczymy si
rwnie znajdowa ich posta w nowych ukadach wsprzdnych. W dalszej czci
poznamy sposb na odrnienie ich od siebie, za pomoc powizanych z nimi powierzchni charakterystycznych, zwanych kwadrykami. Na koniec szerzej zajmiemy
si wasnociami form kwadratowych i zwizanych z nimi macierzy symetrycznych.
15.1
Definicja 15.1.1 (forma kwadratowa). Forma kwadratowa w R3 to funkcja

postaci
y = ax2 + 2bxy + 2cxz + dy 2 + 2eyz + f z 2 ,

z
gdzie a, b, c, d, e, f s pewnymi ustalonymi liczbami rzeczywistymi, nazywanymi wspczynnikami formy .
Tak okrelonemu przeksztaceniu moemy przyporzdkowa pewn macierz,
zwan macierz formy kwadratowej.
Definicja 15.1.2
(macierz formy kwadratowej). Macierz formy kwadratowej
postaci y = ax2 + 2bxy + 2cxz + dy 2 + 2eyz + f z 2 nazywamy macierz

z
symetryczn
a b c
m = b d e .
c e f
119
120
Rozdzia 15. Formy kwadratowe i powierzchnie stopnia drugiego
"
Przykad.
(1) Dla formy kwadratowej okrelonej wzorem
y = 4xy + 3xz + 2y 2 3z 2
z
odpowiadajca jej macierz to
0 2 32
m = 2 2 0
.
3
0 3
2
(2) Macierzy symetrycznej
1 3
1
4 2
m= 3
1 2 0
odpowiada forma kwadratowa postaci
y = x2 + 6xy + 2xz + 4y 2 4yz.

z
Intuicyjnie oczywista wydaje si nastpujca uwaga, ktrej dowd pozostawimy
do wykonania czytelnikowi.
Uwaga 15.1.3. Kadej formie kwadratowej odpowiada dokadnie jedna macierz
symetryczna, jednoczenie kadej macierzy symetrycznej odpowiada jedna forma kwadratowa.
Podana powyej definicja macierzy formy kwadratowej nabiera sensu w wietle
nastpujcego faktu.
Fakt 15.1.4. Jeli m jest macierz formy kwadratowej , za X = y jest

z
dowolnym wektorem, to
y = X (mX).
z
Dowd. W dowodzie skorzystamy z definicji iloczynu skalarnego i podstawowych
wasnoci dziaa na macierzach oraz liczbach rzeczywistych:
x
a b c
x
x
ax + by + cz

X (mX) =
y b d e y = y bx + dy + ez =
z
c e f
z
z
cx + ey + f z
= ax2 + bxy + cxz + bxy + dy 2 + eyz + cxz + eyz + f z 2 =
= ax2 + 2bxy + 2cxz + dy 2 + 2eyz + f z 2 = y .

z
15.2
121
Formy kwadratowe w nowych ukadach wsprzdnych.
W poprzednim rozdziale nauczylimy si znajdowa wsprzdne wektora oraz

posta macierzy przeksztacenia w nowym ukadzie wsprzdnych. Teraz pokaemy,
jak w nowym ukadzie znale posta formy kwadratowej.
Lemat 15.2.1 (o postaci formy kwadratowej w nowym ukadzie wsprzdnych). Niech bdzie form kwadratow w R3 zadan (we wsprzdnych Oxyz )
macierz m. Niech Ouvw bdzie nowym ukadem wsprzdnych, o macierzy przejcia f . Wwczas
forma
wzgldem nowych wsprzdnych u, v, w ma tak sam
u
ogln posta
v = Au2 + Buv + Cuw + Dv 2 + Evw + F w 2 na og z zupenie
w
innymi wspczynnikami A, B, C, D, E, F . Oznacza to, e forma jest w nowym
ukadzie wsprzdnych dalej form kwadratow. Ponadto macierz m0 formy w
nowym ukadzie wyraa si wzorem
m0 = f T m f.
Dowd.
Dowd powyszego lematu przeprowadzimy w trzech etapach. Na pocztek pokaemy, e forma w nowym ukadzie jest rzeczywicie form kwadratow, nastpnie
udowodnimy, e macierz tej formy wyraa si podanym wzorem. Na koniec uzasadnimy, e macierz m0 jest macierz
symetryczn.
u
x
Oznaczmy przez U =
v nowe wsprzdne wektora X = y . Jak
w
z
wiemy z poprzedniego rozdziau, wwczas X = f U , czyli
x = f11 u + f12 v + f13 w
y = f21 u + f22 v + f23 w .
z = f31 u + f32 v + f33 w
Po podstawieniu tych wyrae do wzoru na = ax2 +2bxy +2cxz +dy 2 +2eyz +f z 2 ,
po uproszczeniu i pogrupowaniu ze wzgldu na u2 , v 2 , w2 , uv, uw, vw, otrzymujemy
2
2
2
) u2 +
+ 2ef21 f31 + f f31
+ 2bf11 f21 + 2cf11 f31 + df21
= (af11
2
2
2
) v2+
+ 2ef22 f32 + f f32
+ 2bf12 f22 + 2cf12 f32 + df22
+ (af12
2
2
2
) w2 +
+ 2ef23 f33 + f f33
+ 2bf13 f23 + 2cf13 f33 + df23
+ (af13
+2(af11 f12 +b(f11 f22 +f12 f21 )+c(f11 f32 +f12 f31 )+df21 f22 +e(f21 f32 +f22 f31 )+f f32 f31 )uv+
+2(af11 f13 +b(f11 f23 +f13 f21 )+c(f11 f33 +f13 f31 )+df21 f23 +e(f21 f33 +f23 f31 )+f f33 f31 )uw+
+2(af12 f13 +b(f12 f23 +f13 f22 )+c(f12 f33 +f13 f32 )+df22 f23 +e(f22 f33 +f23 f32 )+f f32 f33 )vw.
Jak wida, wspczynniki przy u2 , v 2 , w2 , uv, uw, vw zale tylko od wspczynnikw

a, b, c, d, e, f oraz od wyrazw macierzy przejcia, wic w skrcie moemy macierz
zapisa w postaci = Au2 + Buv + Cuw + Dv 2 + Evw + F w2 .
122
Przejdmy do drugiej czci dowodu. Wzr m0 = f T mf na macierz formy

kwadratowej w nowym ukadzie wyprowadzimy dla szczeglnego przypadku, gdy
nowy ukad Ouvw jest te ukadem kartezjaskim, tzn. jego wersory F1 , F2 , F3 s
parami prostopade i maj dugo 1. Zanim przejdziemy dalej, udowodnimy pewien
pomocniczy fakt.
Fakt 15.2.2. Macierz przejcia f do nowego ukadu kartezjaskiego jest macierz
ortogonaln.
Dowd (faktu).
Macierz f jest utworzona z wersorw ukadu traktowanych jako kolumny f =
(F1 F2 F3 ). Skoro F1 , F2 , F3 s parami prostopade i jednostkowe, to macierz f ,
zgodnie z Lematem 12.1.2, jest ortogonalna.
Wrmy do dowodu wzoru. Zauwamy, e zgodnie z Faktem 15.1.4, w ukadzie
Oxyz mamy
(X) = X (mX),
a w ukadzie Ouvw
(X) = U (m0 U ).
Zatem rwno X (mX) = U (m0 U ) zachodzi dla dowolnego wektora X R3

i jego wsprzdnych U w nowym ukadzie. Szukamy wic m0 takiego, e zachodzi
= U m0 U. Zauwamy, e skoro macierz f jest ortogonalna, to rwnie f 1 jest
ortogonalna, tak wic dla dowolnych wektorw A, B mamy f 1 A f 1 B = A B.
Wykorzystujc t zaleno w naszej rwnoci, otrzymujemy
= X(mX) = f U mf U = f 1 (f U )f 1 (mf U ) = U (f 1 mf )U = U (f 1 mf )U.
Wiemy, e speniona jest rwno X (mX) = U (m0 U ), tak wic mamy
U (f 1 mf )U = U (m0 U ),
dla U bdcych wsprzdnymi w nowym ukadzie dla dowolnego X, czyli dla dowolnego U .
Szukana macierz m0 to zatem
m0 = f 1 mf.
Oglny przypadek mona uzasadni bezporednim, niestety bardzo obszernym, rachunkiem. Tutaj go pominiemy.
Na koniec pozostaje jeszcze sprawdzi, e macierz m0 jest rzeczywicie macierz
symetryczn. W tym celu sprawdmy, e
(m0 )T = m0 .
Pamitajmy, e macierz m jako macierz formy kwadratowej jest macierz symetryczn.
Mamy wwczas
(m0 )T = (f T mf )T = f T mT (f T )T = f T m f = m0 ,
co koczy dowd.
15.3
123
Kwadryki form kwadratowych.
Najwaniejsze, a zarazem najatwiejsze do obserwowania, formy kwadratowe to

te, ktre nie zawieraj w swoim wzorze wyrazw mieszanych, czyli formy postaci
ax2 + dy 2 + f z 2 , opisane przez macierze diagonalne. Takie formy mona odrnia
od siebie i dzieli na pewne grupy za pomoc tzw. powierzchni charakterystycznych
zwanych te kwadrykami form.
Definicja 15.3.1 (kwadryka formy kwadratowej). Kwadryk zwizan z form
kwadratow nazywamy powierzchni (lub zbir) w R3 zadan wzorem
y = 1.
z
W dalszej czci tego rozdziau sprbujemy dokona przegldu kwadryk form
kwadratowych zadanych macierzami diagonalnymi, czyli kwadryk postaci
ax2 + dy 2 + f z 2 = 1.
Podzielimy kwadryki ze wzgldu na znak wspczynnikw a, d, f .
Przypadek (1), gdy a > 0, d > 0, f > 0
Rwnanie ax2 + dy 2 + f z 2 = 1 moemy przeksztaci do postaci

x2
y2
1
a
1
d
2 +
2 +
z2
1
2 = 1.
Zauwamy, e rwnanie zapisane w tej postaci przypomina rwnanie elipsy. Zobaczmy,

czym jest przekrj powierzchni zadanej tym rwnaniem z paszczyznami wsprzdnych. Przekrj z paszczyzn z = 0 to elipsa o rwnaniu

czyli elipsa o posiach dugoci
x2
y2
1
a
1
d
2 +
1 , 1 .
a
d
2 = 1,
124
Przekroje z paszczyznami x = 0, y = 0 rwnie bd elipsami. Szukan przez nas

kwadryk jest elipsoida o posiach dugoci 1a , 1d , 1 .
f
Przypadek (2), gdy a > 0, d > 0, f < 0

Podobnie jak poprzednio, moemy przeksztaci rwnanie opisujce t kwadryk.
Otrzymujemy
x2 y 2 z 2
1 + 1 + 1 = 1.
a
x2
y2
Przeksztacajc dalej mamy

1
a
1
d
z2
1 = 1.
f
Zauwamy, e f1 jest dodatni, wic rwnanie powysze moemy zapisa jako

x2
y2
1
a
1
d
2 +
2
z2
1
2 = 1.
Zbadajmy przekroje tej figury z paszczyznami wsprzdnych. Przekrj z paszczyzn

z = 0 to elipsa. Przekroje z paszczyznami x = 0 i y = 0 to hiperbole. Szukana
kwadryka to hiperboloida jednopowokowa eliptyczna.
125
Przypadki, gdy a < 0, d > 0, f > 0 oraz a > 0, d < 0, f > 0 mona rozwaa
analogicznie. Otrzymujemy wwczas kwadryki przedstawione na rysunkach poniej,
gdzie pierwszemu warunkowi odpowiada kwadryka przedstawiona na pierwszym rysunku.
Te trzy rodzaje hiperboloid wygldaj podobnie s tylko obrcone.

Przypadek (3), gdy a > 0, d < 0, f < 0
Tak jak poprzednio, przypadek ten moemy traktowa bardziej oglnie, mianowicie obejmuje on wszystkie kombinacje wspczynnikw, z ktrych jeden jest
dodatni, a pozostae ujemne. Przeksztamy rwno opisujc t kwadryk. Otrzymujemy
y2
x2
z2
2
2
2 = 1.
1
1
1
a
d
f
W tym wypadku nie bdziemy przytacza przeksztace prowadzcych do tej rwnoci.

Przekroje z paszczyznami z = 0, y = 0 s hiperbolami. Przekrj z paszczyzn x = 0
jest zbiorem pustym. Jeeli bdziemy bada przekroje z paszczyznami rwnolegymi
do tej paszczyzny, czyli paszczyznami x = c, dla c R, to okae si, e dla |c| > 1a
przekroje te bd elipsami. Kwadryka, ktr opisuje to rwnanie, to hiperboloida
dwupowokowa eliptyczna.
126
Przypadek (4), gdy a < 0, d < 0, f < 0

W tym wypadku rwno opisujc t kwadryk moemy przeksztaci do postaci

x2
1
a
2
y2
1
d
2
z2
1
f
2 = 1.
Zauwamy, e po lewej stronie mamy wyraenie, ktre zawsze przyjmuje wartoci

ujemne, lub zero, natomiast prawa strona rwnoci to 1, tak wic zbiorem rozwiza
tej rwnoci jest zbir pusty.
W
takich przypadkach mona rozwaa drug powierzchx
ni charakterystyczn
y = 1. W naszym przypadku otrzymujemy
z

x2
1
a
2
y2
1
d
2
z2
1
2 = 1.
Po obustronnym przemnoeniu przez 1 daje to

x2
1
a
2 +
y2
1
d
2 +
z2
1
f
2 = 1.
Druga powierzchnia charakterystyczna bdzie w tym wypadku elipsoid.

Przypadek (5), gdy a > 0, d > 0, f = 0
W tym wypadku rwnanie kwadryki mona przeksztaci do postaci

x2
y2
1
a
1
d
2 +
2 = 1.
Zauwamy, e jest to rwnanie elipsy na paszczynie. Rwnanie to nie zaley od

zmiennej z. Przekrojem z dowoln paszczyzn z = c bdzie zatem elipsa. Zauwamy,
e bez wzgldu na to, jakie c wybierzemy zawsze otrzymamy t sam elips. Zatem
dla takich wspczynnikw otrzymujemy figur nazywan walcem eliptycznym.
Warto zwrci uwag na fakt, e figura ta rozciga si nieskoczenie w gr i w d,
ale nie ma adnej podstawy jak znane nam ze szkoy walce.
127
Moemy rozwaa jeszcze dwie analogiczne sytuacje, tzn. gdy a = 0, d > 0, f >
0 oraz a > 0, d = 0, f > 0. Kwadryki otrzymane w ten sposb wygldaj podobnie
jak ta na rysunku powyej, s tylko obrcone.
W wikszoci z dalszych przypadkw bdziemy mogli okreli takie dodatkowe
kwadryki, ktre s jedynie obrotami tych rozwaanych przez nas. Dlatego pominiemy
je w dalszych rozwaaniach.
Przypadek (6), gdy a > 0, d < 0, f = 0
Rwnanie tej kwadryki mona przeksztaci do postaci

x2
y2
1
a
1
d
2
2 = 1.
Zauwamy, e rwnie w tym przypadku rwnanie nie zaley od zmiennej z. W

przekroju z dowoln paszczyzn rwnoleg do z = 0 otrzymamy t sam hiperbol.
Opisana tym rwnaniem kwadryka to walec hiperboliczny.
128
Przypadek (7), gdy a < 0, d < 0, f = 0

Rwnanie tej kwadryki moemy przeksztaci do postaci

x2
1
a
2
y2
1
d
2 = 1.
Jak nietrudno si przekona, podobnie jak w jednym z poprzednich przypadkw,

zbir rozwiza tego rwnania jest zbiorem pustym. Rwnie tutaj moemy rozwaa
drug powierzchni charakterystyczn ax2 + dy 2 = 1, ktrej rwnanie moemy
sprowadzi do postaci
x2
y2
+

2
2 = 1.
1
a
1
d
Z postaci tego rwnania moemy wnioskowa, e druga powierzchnia charakterystyczna jest walcem eliptycznym.
Przypadek (8), gdy a > 0, d = 0, f = 0
Rwnanie kwadryki przyjmuje posta
ax2 = 1,
co moemy zapisa jako x = 1a . Rwnanie to nie zaley od zmiennej y i zmiennej z, zatem dla x = 1a przebiega wszystkie wartoci y, z jest to wic paszczyzna
rwnolega do paszczyzny x = 0 i przecinajca o Ox w punkcie ( 1a , 0, 0). Podobnie mamy dla x = 1a . Rozwizaniem s zatem dwie paszczyzny rwnolege do
paszczyzny x = 0.
Przypadek (9), gdy a < 0, d = 0, f = 0

Podobnie jak w poprzednim przypadku, rwnanie kwadryki to
ax2 = 1.
Zauwamy jednak, e skoro a < 0, to rwnie ax2 jest liczb ujemn lub zerem, tak
wic nigdy nie bdzie rwne 1, std rozwizaniem jest zbir pusty. Druga powierzchnia charakterystyczna, ktrej rwnanie to
ax2 = 1,
129
sprowadza si do poprzedniego przypadku, zatem jest par paszczyzn rwnolegych.

Przypadek (10), gdy a = 0, d = 0, f = 0
Dla takich wspczynnikw forma to forma zerowa. W takim wypadku zarwno
pierwsza, jak i druga powierzchnia charakterystyczna to zbir pusty.
15.4
Kwadryki w nowych ukadach wsprzdnych.
Dotychczas rozwaalimy kwadryki form zadanych macierzami diagonalnymi.

Ponisze twierdzenie pokazuje, e w ten sposb rozwaylimy ju wszystkie moliwe
kwadryki.
Twierdzenie 15.4.1. Dla kadej formy kwadratowej w R3 mona tak dobra
nowy, kartezjaski ukad wsplrzdnych Ouvw , e w tym ukadzie forma ma posta
v = pu2 + qv 2 + rw2 ,
w
dla pewnych staych wspczynnikw p, q, r.
Dowd. Macierz m formy w ukadzie Oxyz jest symetryczna, a wic z twierdzenia
1
o diagonalizacji, tzn. Twierdzenia 13.3.1,
monaj przedstawi w postaci m = pdp
p 0 0
dla pewnej diagonalnej macierzy d = 0 q 0 oraz pewnej ortogonalnej macierzy

0 0 r
p. Rozwamy nowy ukad wsprzdnych Ouvw w R3 , w ktrym wersorami s wektory
p e1 , p e2 , p e3 , powstae poprzez zadziaanie macierz p na wersory e1 , e2 , e3 .
Przypomnijmy, e dziaanie macierz ortogonaln na wektory jest przeksztaceniem
ortogonalnym, a wic zachowuje dugoci wektorw oraz kty pomidzy nimi (patrz
podrozdzia 12.1).Zatem wektory pe1 , pe2 , pe3 s jednostkowe i parami prostopade,
a wic ukad Ouvw jest kartezjaski. Macierz przejcia do ukadu Ouvw jest macierz
p. Wyznaczmy macierz m0 formy w nowym ukadzie wsprzdnych. Jak wiemy z
Lematu 15.2.1,
m0 = f T m f,
gdzie macierz f to macierz przejcia. W naszym wypadku f = p oraz m = pdp1 ,
std
m0 = pT pdp1 p.
Macierz p jest macierz ortogonaln dlatego pT p = I. Zatem
p 0 0
0
m = IdI = d = 0 q 0 .
0 0 r
Zatem
v = pu2 + qv 2 + rw 2 .
w
130
Uwaga 15.4.2 (diagonalizacja formy kwadratowej). Dobranie ukadu wsprzdnych, w ktrym forma kwadratowa przybiera posta diagonaln nazywamy diagonalizacj formy kwadratowej. Jeli ponadto nowy ukad jest kartezjaski, to mwimy
o diagonalizacji ortogonalnej.
Wniosek 15.4.3. Kwadryka y = 1 dla dowolnej formy kwadratowej w

z
3
R , jest jedn z powierzchni wymienionych w poprzednim podrozdziale, by moe
obrcon w pewien sposb w przestrzeni.
W dalszej czci pokaemy jak praktycznie diagonalizowa formy kwadrtowe a
take oglne rwnania drugiego stopnia. Do tego posuy nam ponisza uwaga.
Uwaga 15.4.4. Za ukad Ouvw w Twierdzeniu 15.4.1 mona przyj dowolny ukad,
w ktrym wersorami s jednostkowe parami prostopade wektory wasne macierzy m
formy . Wwczas wspczynniki p, q, r formy s wartociami wasnymi macierzy m
dla tych wektorw.
W celu uzasadnienia powyszej uwagi skorzystajmy z dowodu Twierdzenia
15.4.1. Pokazalimy tam, e macierz m moemy zdiagonalizowa w sposb ortogonalny, przy uyciu pewnej ortogonalnej macierzy p, ktrej posta zostaa okrelona
w Twierdzeniu 13.3.1. Macierz p jest to macierz utworzona z wektorw wasnych
macierzy m, tak wic rzeczywicie wersorami w nowym ukadzie, zgodnie z dowodem Twierdzenia 15.4.1, bd wektory wasne macierzy m. Diagonalna macierz,
ktra pojawia si przy diagonalizacji macierzy m, jest utworzona z wartoci wasnych macierzy m, ktre zgodnie z Twierdzeniem 15.4.1 s wspczynnikami formy
w nowym ukadzie.
"
Zobaczmy na przykadzie, jak przebiega diagonalizacja kwadryki.

Przykad. Rozwamy kwadryk zadan rwnaniem
x2 + y 2 4yz + 2z 2 = 1.
Zwizana z tym rwnaniem forma kwadratowa, to
y = x2 + y 2 4yz + 2z 2 ,
z
a odpowiadajca jej macierz
1 0 2
m=
0 1 0 .
2 0 2
Dobierzmy teraz nowy ukad wsprzdnych tak, aby cz mieszana w tej formie,
czyli 4yz znikna. Zgodnie z Uwag 15.4.4 wersorami tego ukadu mog by jednostkowe, parami prostopade wektory wasne macierzy m. W celu wyznaczenia
131
tych wektorw wasnych wyznaczmy rwnanie charakterystyczne macierzy m. Przedstawia si ono wzorem
1 t
0
2
1t
0
det 0
= 0.
2
0
2t
Przeksztacajc to rwnanie otrzymujemy
(1 t)(t + 2)(t 3) = 0.
Tak wic wartociami wasnymi tej macierzy s 1, 3, 2. Znajdmy teraz odpowiadajce tym wartociom przestrzenie wasne. Przypomnijmy, e przestrzeni wasn dla
wartoci wasnej t nazywamy zbir Et = {X R3 : mX = t X}, utworzony ze
wszystkich wektorw wasnych tej wartoci wasnej. Dla wartoci wasnej rwnej 1
jest to zbir wektorw takich, e
1 0 2
x
x
0 1 0 y = 1 y .
2 0 2
z
z
Po przeksztaceniu powysze rwnanie przyjmuje posta
x 2z
x
= y .
2x + 2z
z
Jest ono spenione dla dowolnego wektora postaci y , gdzie y jest dowoln liczb
0
rzeczywist.
Jednostkowym wektorem wasnym dla tej wartoci wasnej jest np.

0
X1 = 1 .
0
Podobnie wyznaczamy jednostkowy wektor wasny dla wartoci wasnej 3. Przestrze wasna dla tej wartoci skada si z wektorw speniajcych
1 0 2
x
x
0 1 0 y = 3 y .
2 0 2
z
z
Jak nietrudno si przekona rwno tak speniaj wektory postaci 0 ,

2x
dla dowolnej liczby rzeczywistej x. Za jednostkowy
wektor
wasny odpowiadajcy
tej wartoci wasnej moemy przyj X2 =
5
5
0
. Powtarzajc powysze
255
132
rozumowanie dla wartoci

wasnej 2, otrzymujemy, e wektory wasne to wek
2z
tory postaci 0 , tak wic przykadem jednostkowego wektora wasnego jest

z
2 5
5
X3 =
0 .
5
5
Macierz przejcia p do nowego ukadu wsprzdnych Ouvw , w ktrym wersorami

s wektory X1 , X2 , X3 jest
5
0
5
0
p=
1
2 5
0 5

2 5
5
0
.
5
5
Macierz diagonalna odpowiadajca naszej formie w nowym ukadzie to
1 0 0
d = 0 3 0 .
0 0 2
W nowym ukadzie wsprzdnych Ouvw , ktrego wersorami s X1 , X2 , X3 , forma
przyjmuje posta
2
2
2
v = u + 3v 2w .
w
Znalelimy zatem diagonaln posta kwadryki . Kwadryka ta ma dwa wspczynniki dodatnie i jeden ujemny, tak wic rwnanie to odpowiada Przypadkowi (2)
spord omwionych powyej. Kwadryka ta, w nowym ukadzie, to zatem hiperboloida jednopowokowa eliptyczna.
15.5
Inne powierzchnie stopnia drugiego.
Aby mie list wszystkich powierzchni stopnia dwa, rozwamy teraz przykady
powierzchni kwadratowych, ktre nie s kwadrykami.
Przypadek (11), ax2 + by2 + cz d = 0 dla a > 0, b > 0, c 6= 0
Przekrj tej powierzchni z paszczyzn poziom, czyli zadan rwnaniem z = m,
gdzie m jest sta liczb, przedstawia si wzorem
ax2 + by 2 = d m.
Moe to by elipsa lub zbir pusty. Przekrj z paszczyzn pionow, tzn. z paszczyzn
zadan rwnaniem x = m, dla staej wartoci m, przedstawia si wzorem
cz = by 2 + d am2 ,
tak wic jest parabol. Podobnie jest w przypadku przekroju z paszczyzn y = m.
Powierzchnia zadana tym rwnaniem to paraboloida eliptyczna.
133
Podobnie, gdy mamy rwnanie ax2 + by2 + cz d = 0, a wspczynniki speniaj

a < 0, b < 0, c 6= 0, to zadana tym rwnaniem powierzchnia to paraboloida eliptyczna, ktra jest skierowana w d.
Przypadek (12), ax2 + by2 + cz d = 0 dla a > 0, b < 0, c 6= 0

Rozwamy przekrj tej paszczyzny z paszczyzn pionow zadan rwnaniem x =
m, gdzie m jest sta liczb. Przyjmijmy tutaj, e c > 0. Przypadek gdy c < 0
mona rozwaa analogicznie. Przekrj ten przedstawia si wzorem
by 2 + cz = d am2 ,
po przeksztaceniu mamy
cz = by 2 + d am2 .
W zwizku z tym, e b < 0 a c > 0, jest to parabola z ramionami skierowanymi w
gr. Podobnie przekrj z paszczyzn pionow y = m jest parabol, ale z ramionami
skierowanymi w d.
Rwnanie powierzchni ax2 + by2 + cz d = 0 dla podanych warunkw opisuje paraboloid hiperboliczn, ktra czsto bywa nazywana siodem.
134
Przypadek (13), ax2 + by + d = 0 dla a 6= 0, b 6= 0

Zadana tym rwnaniem powierzchnia to walec paraboliczny.
Warto zwrci uwag na fakt, e posta tej powierzchni nie zaley od znaku wspczynnikw a i b.
Przypadek (14), ax2 + by2 + cz2 = 0 dla a > 0, b > 0, c < 0
Przekrj tej powierzchni z dowoln paszczyzn poziom, tzn. z paszczyzn o rwnaniu z = m, dla m R, jest elips lub punktem w przypadku m = 0. Powstaa w
ten sposb powierzchnia to stoek eliptyczny.
Podobn posta maj formy zadane rwnaniem ax2 + by2 + cz2 = 0, gdy jedna
z liczb a, b, c rni si od znaku dwch pozostaych. Istotne jest jedynie to, aby
wspczynniki te byy niezerowe.
15.6
"
135
Rozpoznawanie krzywych stopnia dwa.
W poprzednich rozdziaach omawialimy pewne rodzaje krzywych, okazuje si,

e ich znajomo wystarczy do rozpoznania wszystkich powierzchni stopnia dwa.
Pokaemy teraz przykady klasyfikacji krzywych.
Przykad. Rozwamy powierzchni stopnia dwa zadan rwnaniem
(x 2)2 (y + 1)2 (2z 3)2 = 5.
Moemy to rwnanie przeksztaci do postaci
1
1
4
3
(x 2)2 (y + 1)2 (z )2 = 1.
5
5
5
2
Zastosujmy teraz nastpujce podstawienie
3
u = x 2, v = y + 1, w = z .
2
Rwnanie powysze przyjmuje wwczas posta
1 2 1 2 4 2
u v w = 1.
5
5
5
Jest to zatem, wzgldem u, v, w, powierzchnia opisana w Przypadku (3), a wic hiperboloida dwupowokowa eliptyczna. Zauwamy, e ukad wyznaczony przez wektory
u, v, w powsta z ukadu x, y, z przez przesunicie. Wic rwnanie (x 2)2 (y +
1)2 (2z 3)2 = 5 opisuje hiperboloid dwupowokow eliptyczn, powsta przez
przesunicie kwadryki 51 x2 51 y 2 45 z 2 = 1 o wektor [2, 1, 32 ].
"
Istniej jednak duo bardziej skomplikowane powierzchnie, ktre potrafimy sklasyfikowa przy uyciu powierzchni omwionych w Przypadkach (1)-(14). Przykad
pokazujcy jak rozpoznawa takie powierzchnie pokaemy poniej.
Przykad. Zastanwmy si, jaka powierzchnia w R3 zadana jest rwnaniem
x2 + 4xy + 2y 2 3y + 2 = 0.
W tym celu zauwamy, e lew stron tej rwnoci moemy podzieli na trzy czci:
cz cile drugiego stopnia x2 + 4xy + 2y 2 ,
cz liniow 3y,
cz sta 2.
Kad z tych czci rozwaymy z osobna. Zajmijmy si najpierwczci
kwadrax
tow. Rozwamy zwizan z ni pomocnicz form kwadratow y = x2 +

z
1 2 0
4xy + 2y 2 . Tej formie odpowiada macierz m =

2 2 0 . Dobierzemy teraz
0 0 0
136
nowy ukad wsprzdnych tak, aby cz mieszana w tej formie, tzn. 4xy, znikna.
Zgodnie z Uwag 15.4.4 wersorami tego ukadu mog by jednostkowe, parami prostopade wektory wasne macierzy m. Znajdmy zatem te wektory wasne. Rwnanie
charakterystyczne macierzy m to
1 t
2
0
2t 0
det 2
= 0.
0
0
t
Rwnanie to po przeksztaceniu moemy zapisa jako
t(t + 2)(t 3) = 0.
Tak wic wartociami wasnymi tej macierzy s 2, 0, 3. Znajdmy odpowiadajce tym wartociom przestrzenie wasne. Przypomnijmy, e przestrzeni wasn
dla wartoci wasnej t nazywamy zbir Et = {X R3 : mX = t X}, utworzony
ze wszystkich wektorw wasnych tej wartoci wasnej oraz z wektora zerowego. Dla
wartoci wasnej 0 jest to zatem zbir takich wektorw, dla ktrych
1 2 0
x
x
2 2 0 y = 0 y .
0 0 0
z
z
Po przeksztaceniu otrzymujemy zatem rwnanie postaci
x + 2y
0
2x + 2y = 0 ,
0
0
ktre jest spenione dla wszystkich wektorw postaci 0

, gdzie z jest dowoln
z
liczb rzeczywist. Przestrzeni wektorw wasnych dla tej wartoci wasnej jest
zatem prosta
E0 = { 0 : z R}.
z
Jednostkowy wektor wasny dla tej wartoci wasnej to np. X1 = 0

.
1
Podobnie postpujemy dla wartoci wasnej rwnej 3. Przestrze wasna skada si
w tym wypadku z wektorw, ktre speniaj
1 2 0
x
x
2 2 0 y = 3 y .
0 0 0
z
z
Po przeksztaceniu rwno t moemy zapisa jako:
x + 2y
3x
2x + 2y = 3y .
0
0
137
Speniaj j wszystkie wektory postaci 2x . Przestrze wektorw wasnych to

0
E3 = { 2x
: x R}.
0

Jednostkowym wektorem wasnym dla tej wartoci jest np. X2 =
5
5
2 5
5
0
Postpujc analogicznie, dla wartoci wasnej rwnej 2 otrzymamy, e odpowiadajca jej przestrze wasna to
E2
2y
= { y : y R},
0
2 5
5
a przykadowy jednostkowy wektor wasny X3 =
5
5
Macierz przejcia do nowego ukadu Ouvw , w ktrym wersorami s wektory X1 , X2 , X3

jest

5
2 5
0
2 5
5 .
p=
0
5
5
1 0
0
A macierz diagonalna odpowiadajca naszej formie w nowym ukadzie to
0 0 0
d = 0 3 0
.
0 0 2
W nowym ukadzie, z wersorami X1 , X2 , X3 , forma kwadratowa ma posta
2
2
v
= 3v 2w .
w
eby zorientowa si jak przedstawia si cz liniowa 3y w nowym ukadzie
Ouvw , wystarczy wyrazi x, y, z przez u, v, w i podstawi do tego wyraenia. Wiemy,
e X = pU, czyli
5
2 5
u
x
0
5
5
2 5
5
v .
y =
0
5
5
w
z
1 0
0
Otrzymujemy zatem
x = 55 v 25 5 w,
y = 2 5 5 v + 55 w,
z = u.
138
Interesujce nas wyraenie liniowe to 3y, zatem
2 5
5
6 5
3 5
3y = 3(
v+
w) =
v
w.
5
5
5
5
Cz staa pozostanie bez zmian. Nasze rwnanie w nowym ukadzie wsprzdnych
ma posta
6 5
3 5
2
2
3v 2w
v
w + 2 = 0.
5
5
Po przeksztaceniu mamy
3 5 2 27
3 5 2
9
3(v
)
2(w
) +
+ 2 = 0,
5
5
20
40
czyli
3 5 2
3 5 2 127
3(v
) 2(w
) =
.
5
20
40
Po dalszych przeksztaceniach otrzymujemy
3 5 2
)
q 5
( 127
)2
120
(v
3 5 2
)
20
q
( 127
)2
80
(w
= 1.
Sprbujmy teraz ustali, ktr z opisanych w poprzednim podrozdziale form kwadratowych jest to rwnanie. Zauwamy, e w naszym rwnaniu jeden ze wspczynnikw
jest zerowy, jeden dodatni, a jeden ujemny, jest to zatem walec hiperboliczny.
15.7
Formy kwadratowe oraz macierze dodatnio

okrelone.
Poznamy teraz pojcia, ktre wykorzystywane s w analizie wielu zmiennych

przy badaniu minimum i maksimum funkcji. Dla funkcji wielu zmiennych zamiast
bada znak drugiej pochodnej w punkcie, gdzie pierwsza pochodna si zeruje, bada
si form kwadratow. Dodatnia okrelono tej formy, w punkcie gdzie pierwsza
pochodna czstkowa si zeruje oznacza, e punkt ten moe by ekstremum funkcji.
W tym podrozdziale podamy definicje formy oraz macierzy dodatnio okrelonej.
W kolejnym poznamy ich najwaniejsze wasnoci. Nauczymy si te w atwy sposb
rozpoznawa macierze dodatnio okrelone.
Definicja 15.7.1 (forma kwadratowa dodatnio okrelona). Forma kwadratowa jest dodatnio okrelona, jeli spenia ktrykolwiek z nastpujcych rwnowanych warunkw:
(1) po diagonalizacji forma ta ma posta
v = pu2 + qv 2 + rw2 ,
w
gdzie p > 0, q > 0, r > 0,
139
(2) dla dowolnego wektora X 6= O z R3 mamy (X) > 0.

Udowodnimy teraz, e te dwa warunki rzeczywicie s rwnowane.
Dowd rwnowanoci warunkw (1) i (2).
Na pocztek pokaemy, e jeli forma spenia warunek pierwszy, to musi te spenia
warunek drugi. Wemy dowolny, niezerowy wektor
X, ktry w nowym ukadzie, po

u
diagonalizacji formy , ma wsprzdne X = v . Wwczas forma na wektorze

w
2
2
2
X przyjmuje warto (X) = pu + qv + rw . Wiemy, e wszystkie trzy skadniki
tej sumy s nieujemne oraz, e przynajmniej jeden z nich jest dodatni, bo wektor X
jest niezerowy. Otrzymalimy zatem, e (X) > 0 dla dowolnego wektora X 6= 0.
Pokaemy teraz implikacj przeciwn, tzn. e z warunku drugiego wynika warunek
pierwszy. Zakadamy zatem, e (X) > 0 dla dowolnego niezerowego wektora
X.
Forma po diagonalizacji ma posta = pu2 + qv 2 + rw2 . Dla wektora X =

0
0
mamy
0 = p 12 + q 02 + r 02 = p. Wiemy, e foma przyjmuje wartoci
0
dodatnie dla dowolnego wektora X, wic w szczeglnoci 0 > 0 zatem p > 0.

0
0
0
Przeprowadzajc podobne rozumowanie z uyciem wektorw 1 , 0 , moemy

0
1
pokaza, e q > 0 oraz r > 0, z czego wynika, e speniony jest warunek pierwszy
naszej definicji.
Pokazalimy, e jeeli zachodzi warunek pierwszy, to musi te zachodzi warunek
drugi, jak rwnie, e jeli zachodzi warunek drugi, to musi zachodzi warunek pierwszy. Udowodnilimy zatem rwnowano tych dwch warunkw.
"
Definicja 15.7.2 (macierz dodatnio okrelona). Macierz symetryczna jest dodatnio okrelona, jeli forma kwadratowa zadana t macierz jest dodatnio okrelona.
3 0 0
Przykad. Macierz m = 0 5 0 jest dodatnio okrelona poniewa forma

0 0 11
kwadratowa zadana t macierz, czyli = 3x2 + 5y 2 + 11z 2 , jak wynika z Definicji 15.7.1, jest dodatnio okrelona.
15.8
Wasnoci form i macierzy dodatnio okrelonych.
Wasno 15.8.1 (minimum formy dodatnio okrelonej). Forma dodatnio

okrelona potraktowana jako funkcja przestrzeni R3 R3 , ma minimum w punkcie
X0
140
= 0 .
0
Dowd. W punkcie X0 = 0 forma przyjmuje warto 0. Wiemy rwnie, e

0
dla kadego niezerowego wektora X mamy (X) > 0, tak wic w punkcie X0 funkcja
ma minimum.
Wasno 15.8.2 (wartoci wasne macierzy dodatnio okrelonej). Macierz
dodatnio okrelona ma tylko dodatnie wartoci wasne.
Dowd. Macierz m jest symetryczna, wic posiada ortogonaln diagonalizacj
m =
t1 0 0
pdp1 , gdzie p jest macierz ortogonaln, natomiast d diagonaln, d = 0 t2 0 .

0 0 t3
Wyrazy t1 , t2 , t3 s przy tym wartociami wasnymi macierzy m. Poniewa dla macierzy
ortogonalnej mamy p1 = pT , zatem m = pdpT . Oznacza to, e forma kwadratowa
zadana macierz m ma w nowym ukadzie Ouvw z macierz przejcia p posta
diagonaln
t1 u2 + t2 v 2 + t3 w2 .
Macierz m, a wic i forma s dodatnio okrelone, wic t1 > 0, t2 > 0, t3 > 0, a to
s wszystkie wartoci wasne macierzy m.
Poniej podamy lemat, ktry okae si bardzo przydatny przy sformuowaniu
kryterium pozwalajcego na szybkie sprawdzenie dodatniej okrelonoci macierzy
bez koniecznoci zmiany ukadu wsprzdnych.
a b c
Lemat 15.8.3. Jeli macierz m = b d e jest dodatnio okrelona, to

c e f
(1) a > 0,
!
a b
(2) det
> 0,
b d
(3) det(m) > 0.
Dowd.
(1) Rozwamy wektor X = 0 . Z dodatniej okrelonoci macierzy m wiemy, e

0
rwnie forma ni zadana y = ax2 +dy 2 +f z 2 +2bxy +2cxz +2eyz jest dodatz
1
1
nio okrelona, a wic

0 > 0. Mamy rwnie 0 = a12 +0+0+0+0+0 =
0
0
141
a, zatem a > 0.
x
x
(2) Rozwamy wektory postaci y . Dla takich wektorw mamy y =

0
0
2
2
2
ax + 2bxy + dy . Jest to forma kwadratowa w R , w ukadzie Oxy . Dla form
3
kwadratowych w R2 zachodz
! analogiczne rezultaty jak dla form w R . Przykadowo
!
t
0
a b
1
diagonalizuje si w postaci pdp1 , gdzie d =
,
macierz symetryczna
b d
0 t2
za p jest ortogonaln macierz
2 2.
Poniewa jest
dodatnio okrelona, dla
x
x
dowolnego niezerowego wektora

y mamy y > 0. Std analogicznie
0
0
!
a b
3
jak dla form w R mamy t1 > 0, t2 > 0. Wwczas det
= det(pdp1 ) =
b d
!
t1 0
1
det(p) det
det(p1 ) = det(p) (t1 t2 ) det(p)
= t1 t2 > 0.
0 t2
(3) Ztwierdzenia
o diagonalizacji oraz z Wasnoci 15.8.2 mamy m = pdp1 , gdzie
t1 0 0
d = 0 t2 0 oraz t1 > 0, t2 > 0, t3 > 0. Otrzymujemy zatem

0 0 t3
det(m) = det(pdp1 ) = det(p) det(d) det(p1 ) = det(p) det(d)
1
=
det(p)
t1 0 0
= det(d) = det 0 t2 0 = t1 t2 t3 > 0.

0 0 t3
Lemat
15.8.4
(kryterium dodatniej okrelonoci macierzy). Macierz m =
a b c
b d e , jest dodatnio okrelona wtedy i tylko wtedy gdy spenione s nastpujce

c e f
trzy warunki:
(1) a > 0,
!
a b
(2) det
> 0,
b d
(3) det(m) > 0.
Dowd.
W Lemacie 15.8.3 pokazalimy, e dodatnia okrelono macierzy m pociga warunki
(1),(2) i (3). Potrzebujemy wic udowodni implikacj w drug stron, tzn. e z
warunkw (1),(2),(3) wynika dodatnia okrelono macierzy m. Dziki diagonalizacji, w pewnym ukadzie Ouvw forma zadana macierz m ma posta pu2 +qv 2 +rw2 .
Z warunku (3) wiemy, e det(m) = pqr > 0. S wic dwie moliwoci:
142
(i) p > 0, q > 0, r > 0,

(ii) dwie spord tych liczb s ujemne a trzecia dodatnia.
Wykluczmy drug moliwo. Zamy,
e p < 0, q < 0, r > 0. Wwczas dla niezeu
rowych wektorw postaci U =

v , czyli niezerowych wektorw z paszczyzny
0
w = 0 w ukadzie Ouvw , mamy

v = pu2 + qv 2 < 0.
0
Tak wic mamy ca paszczyzn na ktrej forma jest ujemna na niezerowych wektorach.
Rozwamy teraz paszczyzn z = 0 w R3 , oraz ukad
Oxy na
tej paszczy
!
x
x
nie. Dla wektorw

z tej paszczyzny, czyli wektorw y z R3 , forma
y
0
!
!
a b
t1 0
. Po diagonalizacji tej macierzy dostajemy
.Z
jest zadana macierz
b d
0 t2
!
a b
warunku (2) wiemy, e det
> 0, a wic
b d
!
a b
t 0
= det 1
= t1 t2 .
0 < det
b d
0 t2
Tym razem rwnie mamy dwie moliwoci, gdy t1 , t2 s jednoczenie dodatnie lub
ujemne. Jeli zachodzi ten drugi przypadek, to w nowym ukadzie Ox0 y0 forma ma
posta t1 (x0 )2 + t2 (y 0 )2 i jest ujemnie okrelona, tzn. (X) < 0, dlaniezerowych
wektorw X z tej paszczyzny. Wiemy jednak, e a > 0, a zatem

0 > 0 i
0
otrzymujemy sprzeczno. Ten przypadek nie moe zatem zachodzi. Mamy wic, e
t1 , t2 s dodatnie, zatem dla niezerowych wektorw X z tej paszczyzny (X) > 0.
Jak nietrudno zauway, paszczyzny w = 0 oraz z = 0 przecinaj si wzdu
pewnej prostej, dla wektorw z tej prostej mamy zatem (X) < 0 oraz (X) > 0
co daje sprzeczno. W ten sposb wykluczylimy przypadek (2), tak wic mamy
p > 0, q > 0, r > 0, co jest rwnowane dodatniej okrelonoci macierzy m.
Rozdzia 16
Ukady rwna liniowych z
wieloma niewiadomymi
W rozdziale tym poznamy jedn z najszybszych metod rozwizywania ukadw
rwna liniowych - metod eliminacji Gaussa. Jest ona duo bardziej efektywna ni
podana w Twierdzeniu 4.4.2 metoda zwana metod Cramera, w ktrej konieczne
jest liczenie wyznacznikw, co bywa bardzo czasochonne.
W pierwszym podrozdziale na przykadzie poznamy t metod, w kolejnym poznamy sposb kodowania ukadu rwna tak, aby duo atwiej mona byo korzysta
z algorytmu Gaussa. W dalszej czci pokaemy, w jaki sposb mona wykorzysta
t metod do rozwizania zagadnienia geometrycznego.
16.1
Metoda eliminacji Gaussa.
Now metod rozwizywania ukadw rwna wprowadzimy na przykadzie

konkretnego ukadu rwna. Oznaczmy nasz ukad przez U 1, natomiast poszczeglne
rwnania przez I, II, III. Ukad U 1 ma posta:
U1 :
x + y 5z = 14
2x + 3y + 2z = 7
3x + 4y + z = 7
(I)
(II)
(III)
Przeksztamy ten ukad. Otrzymamy nowy ukad U 2 zbudowany z trzech rwna I 0 , II 0 , III 0 . Rwnanie I pozostawimy bez zmian, co symbolicznie zapiszemy
przez I 0 = I. Rwnanie II 0 powstanie przez odjcie od rwnania II rwnania I
pomnoonego przez 2. Rwnanie III 0 powstanie przez dodanie do rwnania III
rwnania I pomnoonego przez 3. W ten sposb w rwnaniach II 0 i III 0 nie bdzie
ju wystpowa zmienna x. W przyszoci operacje jakie bdziemy wykonywa na
rwnaniach, bdziemy zapisywa w ukadzie rwna, tak jak to zostao zrobione
poniej.
(I 0 =I)
x + y 5z = 14
(II 0 =II2I)
U2 :
y + 12z = 35
(III 0 =III+3I)
7y 14z = 49
Zauwamy, e jeli jaka trjka liczb x0 , y0 , z0 spenia ukad U 1, to spenia
rwnie ukad U 2. I na odwrt, jeli x0 , y0 , z0 spenia U 2, to spenia te U 1, bo
143
Rozdzia 16. Ukady rwna liniowych z wieloma niewiadomymi
144
II = II 0 + 2I 0 oraz III = III 0 3I 0 . Zatem ukady U 1 i U 2 maj te same zbiory

rozwiza. Chcc rozwiza ukad U 1 wystarczy rozwiza ukad U 2. Moemy
uoglni ten wniosek. Dwa ukady, ktre mona uzyska jeden z drugiego i drugi z
pierwszego przez operacje podobne, jak w naszym przykadzie, nazywamy ukadami
rwnowanymi.
Uwaga 16.1.1. Rwnowane ukady rwna maj te same zbiory rozwiza.
Aby rozwiza ukad rwna, wystarczy przeksztaci go w prostszy, ale rwnowany ukad rwna i rozwiza ten prostszy. Wrmy do naszego przykadu. Przeksztacamy U 2 tak, aby wyeliminowa niewiadom y z trzeciego rwnania. Otrzymujemy nowy ukad U 3.
U3 :
(I 00 =I 0 )
00
0
(II =II )
(III 0 =III 0 7II 0 )
x + y 5z = 14
y + 12z = 35
98z = 294
Ukad U 3 moemy ju bardzo atwo rozwiza. Z trzeciego rwnania mamy bowiem

z=
294
= 3.
98
Moemy teraz wyznaczy pozostae niewiadome. Z drugiego rwnania obliczamy

y = 35 12z = 35 36 = 1.
Z trzeciego rwnania mamy
x = 14 y + 5z = 14 + 1 + 15 = 2.
Ukad U 3 ma dokadnie jedno rozwizanie
x = 2, y = 1, z = 3.
16.2
Metoda modyfikacji macierzy reprezentujcych ukad rwna.
W praktyce metod zaprezentowan w poprzednim podrozdziale upraszcza si.

Zamiast na rwnaniach moemy bowiem operowa na macierzach. Sposb ten znw
poznamy poprzez rozwizanie przykadowego ukadu rwna. Wemy nastpujcy
ukad U 1:
U1 :
x + 2y + z + 3t = 5
3x + 4y 2z + 5t = 11
2x + 2y + 5z + t = 28
2x 6y + 3z t = 10
Ukadowi temu przyporzdkowujemy tablic, ktrej wiersze stanowi wspczynniki

w poszczeglnych rwnaniach, a kolumny s utworzone przez wspczynniki przy
145
poszczeglnych zmiennych w kolejnych rwnaniach. Dla ukadu U 1 jest to zatem

tablica T 1
(I)
1
2
1
3
5
(II)
3
4 2
5 11
T1 :
(III)
2
2
5
1
28
(IV )
2 6
3 1
10
Moemy teraz wykonywa dziaania na tej tablicy, podobnie jak robilimy to z ukadem rwna.
(I 0 =I)
T2 :
1
2
1
3
5
0 2 5 4 26
0
6
7
7
38
0 10
1 7
0
(II 0 =II3I)
(III 0 =III+2I)
(IV 0 =IV 2I)
(I 00 =I 0 )
T3 :
1
2
1
3
5
0 2 5 4 26
0
0 8 5 40
0
0 26 13 130
(II 00 =II 0 )
(III 00 =III 0 +3II 0 )
(IV 00 =IV 0 5II 0 )
(I 000 =I 00 )
T4 :
(II 000 =II 00 )

(III 000 =III 00 )
(IV 000 =IV 00 :13)
(I 0 =I 000 )
T5 :
(II 0 =II 000 )

(III 0 =IV 000 )
(IV 0 =III 000 )
1
2
1
3
5
0 2 5 4 26
0
0 8 5 40
0
0
2
1
10
1
2
1
3
5
0 2 5 4 26
0
0
2
1
10
0
0 8 5 40
(I =I )
(II =II )
T6 :
(III =III 0 )
(IV =IV 0 +4III 0 )
1
2
1
3
5
0 2 5 4 26
0
0
2
1
10
0
0
0 1
0
Przeksztacenia tablicy odpowiadaj przeksztaceniom ukadu rwna. Moemy teraz

odtworzy kocowy ukad rwna po przeksztaceniach.
+ 2y + z + 3t =
2y 5z 4t =
2z + t =
t =
5
26
10
0
146
Rozwizanie takiego ukadu moemy ju bardzo atwo znale:

t=0
2z = 10 t = 10 std z = 5
2y = 26 + 5z + 4t = 1 std y = 12
x = 5 2y z 3t = 1
Rozwizaniem naszego ukadu s
1
x = 1, y = , z = 5, t = 0.
2
Przeksztacajc ukad rwna lub odpowiadajc jemu tablic, staramy si wyeliminowa jak najwiksz liczb niewiadomych w rwnaniach, co w jzyku operacji
na tablicach oznacza wyzerowanie jak najwikszej liczby wspczynnikw. Taki zabieg, jak mona byo zauway powyej, bardzo uatwia znalezienie rozwizania.
Pocztkowo staramy si wyeliminowa pierwsz niewiadom z jak najwikszej
liczby rwna. W tym celu w tablicy zerujemy wspczynniki w pierwszej kolumnie, ktra jak wiemy odpowiada pierwszej niewiadomej, dokonujemy tego poprzez
odjcie od kolejnych wierszy tablicy, zaczynajc od drugiego wiersza, odpowiednich wielokrotnoci pierwszego. Nastpnie zerujemy wspczynniki w drugiej kolumnie, odejmujc od kolejnych wierszy, zaczynajc tym razem od trzeciego wiersza,
odpowiednie wielokrotnoci drugiego. Analogicznie postpujemy z kolejnymi kolumnami. Ostatecznie otrzymamy tablic, w ktrej znaczna cz wspczynnikw jest
rwna zero. Po odtworzeniu ukadu w ostatnim rwnaniu bdziemy mie jedn
niewiadom, o ile ukad ma jednoznaczne rozwizanie. W przedostatnim rwnaniu bd dwie niewiadome itd. Taki ukad moemy ju bardzo atwo rozwiza,
wyznaczajc kolejne niewiadome, zaczynajc od ostatniego rwnania.
16.3
Wieloparametrowe rodziny rozwiza.
W tym podrozdziale, na przykadzie, poznamy typowe zjawisko, z jakim moemy

spotka si przy rozwizywaniu ukadw rwna, ktre maj nieskoczenie wiele
rozwiza. Rozwamy ukad rwna U 1.
U1 :
2x
+ 3y + z + 5t u = 2
2x 3y + 2z 6t + 5u = 0
4x + 6y + 8z + 9t + 6u = 1
Zauwamy, e w ukadzie tym wystpuje wicej niewiadomych ni jest rwna.

W takim wypadku rozwiza bdzie na og nieskoczenie wiele i bd one zalene
od parametrw.
Ukadowi temu odpowiada tablica wspczynnikw T 1.
(I)
T1 :
(II)
(III)
2
3 1
5 1 2
2 3 2 6
5 0
4
6 8
9
6 1
Przeksztamy t tablic zgodnie z algorytmem poznanym w poprzednim podrozdziale.
(I 0 =I)
T2 :
(II 0 =II+I)
(III 0 =III2I)
(I 00 =I 0 )
T3 :
(II 00 =II 0 )
(III 00 =III 0 2II 0 )
147
2 3 1
5 1
2
0 0 3 1
4
2
0 0 6 1
8 3
2 3 1
5 1
2
0 0 3 1
4
2
0 0 0
1
0 7
Zauwamy, e dalsze przeksztacenia nie maj ju sensu, gdy nie uda nam si ju
w adnym wierszu wyeliminowa niewiadomych. Moemy teraz odtworzy ukad
rwna.
U3 :
2x
+ 3y +
z + 5t u = 2
3z t + 4u = 2
= 7
t
Zauwamy, e w pierwszym wierszu tablicy T 3 pierwszy niezerowy wspczynnik

odpowiada zmiennej x, w drugim wierszu pierwszy niezerowy wspczynnik odpowiada
zmiennej z, w trzecim wierszu zmiennej t. Wyznaczmy zatem x, z, t z ukadu U 3,
traktujc zmienne y, u jak parametry.
t = 7
3z = 2 + t 4u = 2 7 4u = 5 4u zatem z = 53 43 u
2x = 2 3y z 5t + u = 2 3y + 53 + 43 u + 35 + u = 38 23 3y + 2 31 u wic
x = 19 31 1 12 y + 1 16 u
Zbir rozwiza naszego ukadu to zatem
x = 19 13 1 12 y + 1 16 u
y=y
z = 5 43 u
t
=
7
u=u
Zauwamy, e w rwnociach
y = y, u = u
y, u pojawiajce si po lewej stronie rwnoci oznaczaj zmienne, natomiast po
prawej stronie wystpuj w charakterze parametrw. Dla przejrzystoci zapisu lepiej
bdzie jeli wprowadzimy dodatkowe parametry , R3 . Nasz ukad przyjmuje
wwczas posta
x = 19 13 32 + 1 61
y=
U : z = 53 43
t = 7
u=
Ukad ten ma nieskoczenie wiele rozwiza zalenych od parametrw , , parametry te przyjmuj wszystkie wartoci rzeczywiste. Dla kadej pary , ukad liczb U
jest rozwizaniem ukadu U 1. S to wszystkie rozwizania ukadu U 1.
16.4
148
Ukad sprzeczny.
Ukad rwna sprzeczny to taki ukad, ktry nie ma rozwiza. Przykad

takiego ukadu przedstawiony zosta poniej.
+ 2y + z = 3
5x 3y + 4z = 1
3x 7y + 2z = 1
U1 :
Przekonajmy si, e ukad ten rzeczywicie jest sprzeczny. Sprbujmy go rozwiza

metod eliminacji. Odpowiadajca mu tablica to
(I)
1
2 1
3
5 3 4
1
3 7 2 1
(II)
T1 :
(III)
Przeksztamy t tablic stosujc poznan wczeniej metod. Otrzymujemy wwczas

(I 0 =I)
1
2
1
3
0 13 1 14
0 13 1 10
(II 0 =II5I)
T2 :
(III 0 =III3I)
(I 00 =I 0 )
(II 00 =II 0 )
T3 :
(III 00 =III 0 II 0 )
1
2
1
3
0 13 1 14
0
0
0
4
Moemy teraz odtworzy ukad rwna.

U3 :
2y
+ z = 3
13y z = 14
0 = 4
Otrzymalimy sprzeczno w trzecim rwnaniu. Te trzy rwnania nie mog by

zatem jednoczenie spenione dla adnej trjki liczb x, y, z.
16.5
Ukad zaleny.
Rozwamy teraz nastpujcy ukad rwna U 1:
U1 :
5x
2x +
2y
3y
5y
4y
+ z = 5
+ 4z = 15
9z = 2
+ 5z = 5
Odpowiadajca temu ukadowi tablica T 1 to

(I)
T1 :
(II)
(III)
(IV )
1
2
1 5
5 3
4 15
2
5 9 2
1 4
5
5
149
Moemy t tablic przeksztaci.

(I 0 =I)
T2 :
1
2
1 5
0 13 1 40
0
1 11
8
0 2
6
0
(II 0 =II5I)
(III 0 =III2I)
(IV 0 =IV +I)
(I 00 =I)
T3 :
(II 00 =III 0 )
(III 00 =II 0 )
(IV 00 =IV 0 )
1
2
1 5
0
1 11
8
0 13 1 40
0 2
6
0
(I 000 =I 00 )
T4 :
(II 0000 =II 00 )

(III 000 =III 00 +13II 00 )
(IV 000 =IV 00 +2II 00 )
(I IV =I 000 )
T5 :
(II IV =II 000 )

(III IV =III III :144)
(IV IV =IV 000 :16)
(I V =I IV )
T6 :
(II V =II IV )
(III V =III IV )
(IV V =IV IV III IV )
1
0
0
0
2
1 5
1 11
8
0 144 144
0 16 16
1
0
0
0
2
1 5
1 11
8
0 1
1
0 1
1
1
0
0
0
2
1 5
1 11
8
0 1
1
0
0
0
Moemy teraz odtworzy ukad rwna
U6 :
+ 2y + z
y 11z
z
0
=
=
=
=
5
8
1
0
Ostatnie rwnanie wystpujce w tym ukadzie to tosamo. Moemy je opuci,

gdy jako zawsze spenione, nie wnosi istotnych zmian do naszego ukadu. Ukad,
w ktrym jedno z rwna mona opuci bez zmiany zbioru rozwiza (lub kady
ukad rwnowany z takim), nazywamy ukadem zalenym. Ukad taki moemy
rozwiza przechodzc do nowego ukadu z mniejsz liczb rwna. W przypadku
ukadu U 6, po odrzuceniu ostatniego rwnania otrzymujemy rwnowany ukad
U7 :
+ 2y + z = 5
y 11z = 8
z = 1
Moemy teraz rozwiza ten ukad.

z = 1 wic z = 1
y = 8 + 11z = 8 11 = 3
x = 5 2y z = 5 + 6 + 1 = 2
Rozwizaniem naszego ukadu jest zatem trjka liczb x = 2, y = 3, z = 1.
16.6
150
Operacje przeksztacajce dany ukad na rwnowany.
W poprzednich podrozdziaach wykonywalimy operacje na ukadach rwna

i odpowiadajcych im tablicach, przeksztacajc je w taki sposb, aby otrzyma
ukady rwnowane. Wymiemy teraz, jakie operacje s dozwolone przy takich
przeksztaceniach. Ograniczymy si do wymienienia operacji, jakie moemy wykona
na tablicy reprezentujcej ukad. W nawiasach podane zostan odpowiadajce tym
operacj dziaania jakie moemy wykonywa na ukadach rwna.
(1) Zamiana kolejnoci wierszy w tablicy (co odpowiada zmianie kolejnoci rwna
w ukadzie).
(2) Pomnoenie wiersza tablicy przez niezerow sta (co odpowiada pomnoeniu
obu stron rwnania przez t sta).
(3) Dodanie do jednego wiersza wielokrotnoci innego (co odpowiada dodaniu do
jednego rwnania wielokrotnoci innego).
(4) Pominicie wiersza zoonego z samych zer (co odpowiada pominiciu rwnania
postaci 0 = 0).
(5) Pominicie wiersza, jeli po przemnoeniu przez sta jest on rwny innemu
wierszowi (co odpowiada pominiciu jednego rwnania, jeli po przemnoeniu
przez liczb jest ono rwne innemu rwnaniu).
(6) Zmiana kolejnoci kolumn w tablicy. Nie moemy jednak przestawia ostatniej
kolumny macierzy (co odpowiada zmianie kolejnoci pisania niewiadomych we
wszystkich rwnaniach).
Uwaga 16.6.1. Przy odtwarzaniu ukadu rwna po modyfikacji numer sze musimy
pamita o zmianie kolejnoci niewiadomych.
16.7
"
Zastosowanie metody eliminacji w geometrii.
W tym podrozdziale pokaemy, jak mona wykorzystywa ukady rwna przy

rozwizywaniu zagadnie geometrycznych. Te same problemy mona rozwiza w
sposb geometryczny, przedstawiona tutaj metoda jest jednak metod czysto algebraiczn, a tym samym najbardziej bezporedni.
Przykad (1).
Znajdmy rwnanie parametryczne prostej L przecicia paszczyzn
1 : x + y z 5 = 0, 2 : 2x y 1 = 0.
Punkty prostej L bd jednoczenie nalee do obu paszczyzn, wic musz spenia
ukad
(
x + y z = 5
2x y
= 1
Rozwimy ten ukad
151
x + y z = 5
3y + 2z = 9
Wyznaczmy zmienne x, y traktujc z jak parametr. Otrzymujemy

z = z,
3y = 9 + 2z wic y = 3 + 23 z,
x = 5 y + z = 5 3 32 z + z = 2 + 13 z.
Podobnie jak w jednym z poprzednich przykadw lepiej bdzie wprowadzi tutaj
nowy parametr R. Prost przecicia L bdziemy mogli wtedy zapisa rwnaniem
parametrycznym postaci
x = 2 + 3
y = 3 + 23
z=
"
Wektorem kierunkowym tej prostej jest wektor [ 13 , 32 , 1], za jako punkt pocztkowy
moemy przyj punkt (2, 3, 0).
Przykad (2).
Znajdmy rwnanie prostej L w R3 bdcej przekrojem dwch paszczyzn zadanych
rwnaniami parametrycznymi.
x = t1 + 2t2
1 : y = 2t1 + 5
z = 2t1 t2 1
x = s1 s2 + 2
2 : y = s1 s2 + 3
z = 3s1 + s2
Bardzo wane jest, aby przy rozwaaniu tego typu zada we wzorach rnych
paszczyzn pojawiay si rne parametry. Istotne jest bowiem to, e parametry te
musz by niezalene.
Zajmijmy si rozwizaniem naszego problemu. Szukane punkty, czyli punkty
prostej L, bd jednoczenie nalee do obu ukadw, bd si zatem wyraa na
dwa sposoby. Wartoci parametrw bd zatem spenia zwizki
t1 + 2t2 = s1 s2 + 2
2t1 + 5 = s1 s2 + 3
2t1 t2 1 = 3s1 + s2
Uporzdkujmy ten ukad.
t1 + 2t2 + s1 + s2 = 2
2t1 s1 + s2 = 2
2t1 t2 3s1 s2 = 1
Naszym celem jest znalezienie odpowiednich wartoci parametrw. Zauwamy jednak, e wystarczy znale dowoln par: t1 , t2 lub s1 , s2 . Tablica odpowiadajca temu
ukadowi to
(I)
1
2
1
1
2
(II)
T1 :
2
0 1
1 2
(III)
2 1 3 1
1
152
Przeksztamy j.
(I 0 =I)
T2 :
(II 0 =II+2I)
(III 0 =III2I)
1
2
1
1
2
0
4
1
3
2
0 5 5 3 3
(I 00 =I 0 )
T3 :
(II 00 =II 0 )
(III 00 =III 0 + 54 II 0 )
1 2
1 1
2
0 4
1 3
2
3
3
0 0 3 4 4 12
Odtwrzmy ukad rwna.
t1
+ 2t2 + s1 + s2 = 2
4t2 + s1 + 3s2 = 2
3 34 s1 + 34 s2 = 12
Jak wida musimy uy parametru, niech bdzie nim s2 . Mamy wwczas

2
15
s = 12 34 s2 , std s1 = 15
+ 15 s2 .
4 1
Wiemy, e
x = s1 s2 + 2
y = s1 s2 + 3
z = 3s1 + s2
Wstawmy odpowiednie wartoci parametrw. Otrzymujemy wwczas
2
15 s2 s2 + 2 = 1 51 s2 + 1 13
x = 15
15
2
2
y = 15 + 15 s2 s2 + 3 = 3 15
45 s2
z = 25 + 35 s2 + s2 = 25 + 1 35 s2
Te wartoci x, y, z to wsprzdne punktw prostej L. Zale one od parametru s2 .

Ukad
1
13
x = 1 5 s2 + 1 15
2
4
y = 3 15 5 s2
z = 25 + 1 53 s2
moemy przyj za parametryczne rwnanie prostej L.
Rozdzia 17
Przestrzenie Rn
Pierwsz cz tego rozdziau powicimy na zdefiniowanie podstawowych poj, ktrymi posugiwa bdziemy si w dalszej czci skryptu, przy badaniu przestrzeni Rn . Bd one uoglnieniem poj podanych w przypadku R2 i R3 . W drugiej
czci rozdziau zajmiemy si iloczynem skalarnym. Podamy jego definicj oraz podstawowe wasnoci, nastpnie pokaemy, jak jest on uyteczny. Nauczymy si np.
przy uyciu iloczynu skalarnego, znajdowa dugo wektora z Rn , czy kt midzy
wektorami z Rn , dla dowolnego n.
17.1
Definicja 17.1.1 (przestrze Rn ). Dla dowolnego n N , przestrzeni Rn nazywamy zbir wszystkich obiektw postaci [x1 , x2 , . . . xn ], gdzie xi s liczbami rzeczywistymi.
"
Definicja 17.1.2 (wektory w Rn ). Obiekty postaci [x1 , x2 , . . . , xn ], gdzie xi R

nazywamy wektorami w Rn .
Przykad. Uporzdkowana pitka liczb rzeczywistych [4, 2, 0, 2, 4] jest wektorem
w przestrzeni R5 .
Uwaga 17.1.3 (kolumnowy
zapis wektorw). Wektor [x1 , x2 , . . . , xn ] moemy
x1
x2
zapisa w postaci ..
. Takie przedstawienie nazywamy kolumnowym zapisem
.
xn
wektora. Najczciej wanie w taki sposb bdziemy przedstawia wektory.
Definicja 17.1.4
(wsprzdne
wektora). Liczb xi nazywamy i t wsprzdn
x1
x2
n
wektora X = ..
R .
.
xn
153
Przestrzenie Rn
Rozdzia 17.
"
154
Definicja 17.1.5
w Rn). Wersoramiw przestrzeni
Rn nazywamy wektory
(wersory
1
0
0
0
1
0
.
postaci E1 =
0 , E2 = 0 , . . . , En = .. .
.
.
..
..
0
0
0
1
Przykad. Wersorami w przestrzeni R4 s
E1 =
17.2
1
0
0
0
, E2 =
0
1
0
0
, E3 =
0
0
1
0
, E4 =
0
0
0
1
Dziaania na wektorach.
Poniej, w sposb algebraiczny, zdefiniujemy dziaania na wektorach w Rn . Bd

one uoglnieniem dziaa na wektorach w R2 i R3 .
Dodawanie wektorw i mnoenie wektora przez skalar
Dla wektorw X =
x1
x2
..
.
, Y =
xn
X +Y =
x1
x2
..
.
xn
"
y1
y2
..
.
yn
B =
Rn oraz liczby rzeczywistej t okrelmy
x1 + y 1
x2 + y 2
..
.
, t X = t
xn + y n
Przykad. Sum wektorw A =

4
2
3
2
yn
y1
y2
..
.
7
2
2
4
x1
x2
..
.
xn
B=
3
0
5
2
tx1
tx2
..
.
txn
nazywamy wektor A +
. Natomiast iloczyn wektora A i liczby rzeczywistej t = 5, to wektor
tA = (5)
7
2
2
4
35
10
10
20
Wasnoci dziaa na wektorach

Okazuje si, e dziaania na wektorach z Rn speniaj te same wasnoci, co dziaania
na wektorach z R2 i R3 . Tak wic, dla dowolnych wektorw X, U, V z Rn oraz
dowolnych liczb rzeczywistych t, s zachodz zalenoci
Przestrzenie Rn
Rozdzia 17.
155
(1) X + U = U + X
(2) (X + U ) + V = X + (U + V )
(3) t(X + U ) = tX + tU
(4) (t + s)X = tX + sX
(5) t(sX) = (ts)X
(6) 1 X = X
wiczenie. Udowodnienie tych wasnoci wymaga skorzystania z algebraicznych

definicji dziaa na wektorach. Pozostawimy je do wykonania czytelnikowi.
Wektor zerowy
Wektor O =
0
0
..
.
nazywamy wektorem zerowym z Rn .
0
Fakt 17.2.1. Dla kadego wektora X Rn mamy
X + O = X.
Wektor przeciwny
Dla kadego wektora X Rn moemy dobra taki wektor X, e
X + (X) = O .
Wektor
Xo takiej wasnoci nazywamy wektorem przeciwnym
do wektora
X. Jeli
x1
x1
x2
x2
X=
,
to
wektor
przeciwny
do
X
ma
posta
X
=
..
.. .
.
.
xn
xn
"
Przykad. Wektorem przeciwnym do A =
3
7
0
5
2
jest wektor A =
3
7
0
5
2
Rozdzia 17.
Przestrzenie Rn
156
Przedstawienie wektora jako kombinacji liniowej wersorw

Obserwacja 17.2.2. Zauwamy, e kady wektor X Rn przedstawia si jednoznacznie jako kombinacja liniowa wersorw z tej przestrzeni, tzn.
x1
x2
..
.
X=
= x1 E1 + x2 E2 + . . . xn En .
xn
"
Przykad. Przedstawmy wektor X =

6 w postaci kombinacji liniowej wer
2
3
sorw.Wektor
z przestrzeni
R5 .Wersorami
wtej
przestrzeni s
X jest wektorem
0
1
0
0
0
0
1
0
0
0
E1 =
0 , E2 = 0 , E3 = 1 , E4 = 0 , E5 = 0 . Wektor X
0
0
0
1
0
1
0
0
0
0
moemy zapisa jako
X=
=3
1
0
0
0
0
3
0
0
0
0
+ (7)
0
7
0
0
0
0
1
0
0
0
+6
0
0
6
0
0
0
0
1
0
0
0
0
0
2
0
+2
0
0
0
1
0
0
0
0
0
3
+ (3)
0
0
0
0
1
= 3E1 + (7)E2 + 6E3 + 2E4 + (3)E5
17.3
Liniowa niezaleno wektorw.
Podobnie jak w przypadku wektorw z przestrzeni R2 i R3 , rwnie w przestrzeni Rn moemy mwi o liniowej niezalenoci wektorw. Przypomnijmy, e dla
wektorw z R2 i R3 , w przypadku dwch wektorw, liniowa niezaleno oznaczaa
ich niewspliniowo. Podobnie jest w przypadku wektorw z Rn .
Wspliniowo wektorw
Wektory X i Y z Rn s wspliniowe, jeli X = tY dla pewnego t R. W przeciwnym
wypadku wektory s niewspliniowe.
Rozdzia 17.
"
Przykad (1).
Wektory X =
"
1
5
7
2
4
Przestrzenie Rn
, Y =
157
1, 5
7, 5
10, 5
3
6
R5 s wspliniowe, bo Y = 1, 5 X, a
std X = 23 Y .
Przykad (2).
7
5
0
3
R4 nie s wspliniowe. Musiaaby istnie

, Y =
Wektory X =
1
4
3
2
taka liczba t, aby pierwsza wsprzdna wektora Y bya iloczynem tej liczby i pierwszej wsprzdnej wektora X, co oznacza, e 7 = t (5), tak wic t = 57 . Drugie
wsprzdne powinny spenia t sam zaleno, zatem w tym wypadku 0 = t 3,
wic t = 0. Zatem t = 0 i t = 57 , tak wic nie istnieje odpowiednia warto t, co
daje wniosek, e wektory X i Y s niewspliniowe.
Liniowa niezaleno wektorw

Uoglnieniem pojcia niewspliniowoci na wiksz liczb wektorw jest liniowa niezaleno. Podamy teraz dwie rwnowane definicje tego pojcia.
Definicja 17.3.1 (liniowa niezaleno wektorw). Ukad V1 , V2 , . . . Vk wektorw z Rn jest liniowo niezaleny, jeli aden wektor Vi nie jest rwny kombinacji
liniowej pozostaych.
"
Uwaga 17.3.2. Jeli n > 3, to w Rn mog istnie liniowo niezalene ukady zoone
z wicej ni trzech wektorw.
Przykad. Wersory E1 , E2 , . . . , En tworz ukad liniowo niezaleny zoony z n
wektorw. Aby to uzasadni, pokaemy najpierw, e E1 nie jest kombinacj liniow
pozostaych wersorw. Zamy nie wprost, e E1 = t2 E2 + t3 E3 + . . . + tn En , zatem
1
0
0
..
.
= t2
0
Mamy zatem
0
1
0
..
.
1
0
0
..
.
0
.
+ . . . + tn
0
0
..
.
0
t2
t3
..
.
tn
Rozdzia 17.
Przestrzenie Rn
158
Otrzymujemy zatem 1 = 0 co jest sprzecznoci. Podobnie moemy pokaza, e inne

wersory nie s kombinacj liniow pozostaych, wic zgodnie z powysz definicj,
ukad ten rzeczywicie jest liniowo niezaleny.
Definicja 17.3.3 (liniowa niezaleno a kombinacja liniowa). Ukad zoony
z wektorw V1 , V2 , . . . , Vk jest liniowo niezaleny, jeli jedyna kombinacja liniowa
t1 V1 + t2 V2 + . . . + tn Vn dajca wektor zerowy, to kombinacja trywialna, tzn. ze
wszystkimi wspczynnikami zerowymi.
"
Dowd rwnowanoci powyszych definicji jest podobny do dowodu Lematu

1.9.2. Tutaj go pominiemy.
Okazuje si, e druga z tych definicji jest duo bardziej uyteczna ni pierwsza
i czciej bdziemy z niej korzysta.
Przykad (1). Rozstrzygnijmy, czy ukad zoony z wektorw
1
3
2
0
0
5
1
7
1
1
1
1
2
0
1
0
jest liniowo niezaleny. Rozwamy kombinacj liniow tych wektorw i przyrwnajmy j do zera.
t1
1
3
2
0
+ t2
0
5
1
7
+ t3
1
1
1
1
+ t4
2
0
1
0
= 0.
Rozstrzygnicie liniowej niezalenoci podanych wektorw, sprowadza si zatem do

rozwizania ukadu rwna. Jeeli okae si, e jedynymi rozwizaniami tego ukadu
s t1 = t2 = t3 = t4 = 0, to ukad ten jest liniowo niezaleny. Jeli natomiast
znajdziemy niezerowe rozwizanie, oznacza to bdzie, e ukad jest liniowo zaleny.
W celu rozwizania tego ukadu, skorzystamy z poznanej w poprzednim rozdziale
metody Gaussa. Odpowiadajca temu ukadowi tablica, to
1
0 1
2 0
3
5 1
0 0
2 1 1 1 0
0
7 1
0 0
Po kilku przeksztaceniach otrzymujemy
1
0 1
2
0 1 3
3
0
0 14
15
0
0 0 2 47
0
0
0
0
Moemy teraz odtworzy przeksztacony ukad rwna
t1
t2
+
+
t3 + 2t4
3t3 + 3t4
14t3 + 15t4
2 74 t4
=
=
=
=
0
0
0
0
Rozdzia 17.
Przestrzenie Rn
"
159
t1 = 0
t =0
2
t3 = 0
t4 = 0
Nasz ukad wektorw jest zatem rzeczywicie liniowo niezaleny.
Przykad (2). Wemy teraz inny ukad wektorw
1
3
0
4
1
2
2
2
0
7
3
2
7
3
7
0
Przekonamy si, e jest on liniowo zaleny. Rozwamy kombinacj liniow tych wektorw i przyrwnajmy j do zera.
t1
1
3
0
4
+ t2
1
2
2
2
+ t3
0
7
3
2
+ t4
7
3
7
0
= 0.
Podobnie jak w poprzednim przypadku rozwizanie tego zagadnienia sprowadza

si do rozwizania odpowiedniego ukadu rwna. Odpowiadajca temu ukadowi
tablica, to
1 1
0 7 0
3
2
7 3 0
.
0 2 3 7 0
4
2
2 0 0
Po przeksztaceniach tablica ta moe by zapisana w postaci
1 1 0
7 0
0
5 7 18 0
.
0
0 1
1 0
0
0 0
0 0
Jak wiemy ukad taki bdzie mia ca rodzin rozwiza, ktre przy uyciu parametru
s R moemy zapisa jako
t1 = 2s
t = 5s
2
t
3 = s
t4 = s
Zatem istnieje nieskoczenie wiele nietrywialnych kombinacji danych wektorw dajcych zero. Przykadem takiej kombinacji jest t1 = 2, t2 = 5, t3 = 1, t4 = 1,
mamy wwczas
1
3
0
4
+5
1
2
2
2
Dane wektory rzeczywicie s liniowo zalene.
0
7
3
2
7
3
7
0
= 0.
Rozdzia 17.
17.4
Przestrzenie Rn
160
Definicja i podstawowe wasnoci iloczynu

skalarnego w Rn.
W tym i kolejnych podrozdziaach zajmiemy si iloczynem skalarnym. Na pocztek

podamy definicj tego pojcia, nastpnie wprowadzimy wiele charakterystycznych
wasnoci i sposobw wykorzystania iloczynu skalarnego.
Definicja 17.4.1 (iloczyn skalarny). Iloczynem skalarnym wektorw X =
y1
y2
..
.
x1
x2
..
.
, Y =
xn
z przestrzeni Rn , nazywamy liczb
yn
"
X Y = x1 y1 + x2 y2 + . . . xn yn .
Przykad. Iloczynem skalarnym wektorw A = [3, 5, 7, 4], B = [2, 1, 0, 3] jest
A B = 3 2 + (5) 1 + (7) 0 + 4 (3) = 11.
Wasnoci iloczynu skalarnego

Dla dowolnych wektorw X, Y Rn oraz dowolnej liczby rzeczywistej t zachodz
rwnoci
(1) X Y = Y X
(2) X (Y + Z) = X Y + X Z
(3) (tX) Y = t(X Y )
S to wasnoci analogiczne jak dla zwykego iloczynu skalarnego w R2 i R3 .

wiczenie. Udowodnienie tych wasnoci za pomoc Definicji 17.4.1 pozostawimy
do wykonania czytelnikowi.
Dugo wektora z Rn
Dla dowolnego wektora X =
x1
x2
..
.
Rn jego dugo okrela si wzorem
xn
(17.1)
|X| =
qP
n
i=1
x2i .
Zauwamy, e wzr ten jest uoglnieniem wzorw na dugo wektorw z przestrzeni

R2 i R3 .
Rozdzia 17.
"
Przestrzenie Rn
161
Przykad. Dugo wektora A = [1, 5, 3, 0, 2] to

q
|A| =
12 + (5)2 + 32 + 02 + (2)2 =
1 + 25 + 9 + 4 =
39.
Wasno 17.4.2. Dla dowolnego wektora z przestrzeni Rn mamy
(17.2)
|X|2 = X X.
wiczenie. Prosty dowd tej wasnoci pozostawimy do wykonania czytelnikowi.
Prostopado wektorw w Rn
Fakt 17.4.3. Mwimy, e dwa wektory X, Y z przestrzeni Rn s prostopade, jeli
X Y = 0.
"
Uwaga 17.4.4. W przestrzeniach Rn czciej ni okrelenia prostopado bdziemy

uywa zwrotu ortogonalno.
Przykad. Wektory A = [5, 2, 7, 1], B = [3, 4, 0, 7] s ortogonalne, gdy
A B = 5 (3) + 2 4 + (7) 0 + 1 7 = 15 + 8 + 0 + 7 = 0.
Twierdzenie Pitagorasa w Rn
W dowolnej przestrzeni Rn moemy poda twierdzenie, bdce odpowiednikiem
twierdzenia Pitagorasa na paszczynie. Na pocztek zauwamy, e rol trjkta
prostoktnego mog w przestrzeni spenia dwa prostopade wektory A i B. Przeciwprostoktn bdzie w tym wypadku wektor B A, co atwo mona zauway ze
schematycznego rysunku przedstawionego poniej.
Twierdzenie 17.4.5 (Pitagorasa). Jeli wektory A, B Rn s prostopade, to

|B A|2 = |A|2 + |B|2 .
Dowd. Z wasnoci iloczynu skalarnego wiemy, e
|B A|2 = (B A) (B A).
Rozdzia 17.
Przestrzenie Rn
162
Korzystajc z rozdzielnoci iloczynu skalarnego wzgldem odejmowania mamy

(B A) (B A) = B B B A A B + A A.
Wiemy rwnie, e wektory A i B s ortogonalne, zatem
A B = B A = 0.
|B A|2 = B B + A A = |B|2 + |A|2 .
Uwaga 17.4.6. Czasami nazw twierdzenie Pitagorasa nosi nastpujca zaleno.

Jeli wektory A, B Rn s prostopade, to
|A + B|2 = |A|2 + |B|2 .

wiczenie. Dowd powyszej uwagi jest analogiczny do dowodu Twierdzenia
17.4.5. Pozostawimy go do wykonania czytelnikowi.
17.5
Rozkad wektora na skadowe.
Lemat 17.5.1. Niech A bdzie ustalonym, niezerowym wektorem z Rn . Wwczas

dowolny wektor X Rn mona przedstawi jako sum wektorw X = XA +X , gdzie
XA to wektor wspliniowy z A (skadowa rwnolega do A), za X jest prostopady
do wektora A (skadowa prostopada do A).
Uwaga 17.5.2. Takie przedstawienie wektora X nazywamy jego rozkadem na skadowe rwnoleg i prostopad do A. Rozkad taki jest jednoznaczny.
Dowd (Lematu). Skadowa rwnolega XA , jako wspliniowa z A, ma posta XA =

t A. Obliczmy t. Skorzystamy z tego, e skadowa X jest prostopada do A, tak
wic X A = 0. Poniewa X = XA +X , to X = X XA = X tA. Otrzymujemy
wic
(X tA) A = 0
a zatem
X A tA A = 0.
Rozdzia 17.
Przestrzenie Rn
163
Moemy z tej rwnoci wyznaczy t.

t=
X A
X A
=
.
AA
|A|2
Std skadowa rwnolega wyraa si wzorem

XA = t A =
X A
A,
|A|2
natomiast skadowa prostopada, to

X = X
X A
A.
|A|2
Wzory te pokazuj istnienie i jednoznaczno rozkadu.
17.6
Kt midzy wektorami.
Dla wektorw w przestrzeni Rn , podobnie jak w przypadku R2 i R3 , zdefiniujemy kt midzy wektorami, poprzez podanie jego cosinusa.
Definicja 17.6.1 (cosinus kta midzy wektorami). Cosinusem kta pomidzy
niezerowymi wektorami U, W Rn nazywamy liczb
(17.3)
"
cos(](U, W )) =
U W
|U ||W |
Pn
= Pn
ui wi
Pn
i=1
u2
i=1 i
i=i
wi2
Przykad. Znajdmy kt midzy wektorami A = [1, 5, 7, 3], B = [3, 0, 2, 1].

Cosinus tego kta to
1 3 + 5 0 + 7 (2) + (3) (1)
cos(](A, B)) = q
12 + 52 + 72 + (3)2
32 + 02 + (2)2 + (1)2
8
= 0, 2333.
84 14
Z tablic moemy teraz odczyta przyblion warto kta midzy tymi wektorami
](A, B) 1030 .
Uwaga 17.6.2. Moemy zastanawia si, czy cosinus kta midzy wektorami, otrzymany ze wzoru (17.3), spenia warunek
1 cos(](U, W )) 1,
co moemy zapisa jako
1
U W
1.
|U | |W |
Chcielibymy aby tak byo, gdy funkcja cosinus przyjmuje wartoci z przedziau
[1, 1]. Przeksztacajc powysz nierwno, otrzymamy nierwnoci rwnowane.
Rozdzia 17.
(1) 1
U W
|U ||W |
Przestrzenie Rn
164
(2) |U | |W | U W |U | |W |
(3) |U W | |U | |W |
(4) |U W |2 |U |2 |W |2
Trzecia z tych nierwnoci nazywana jest nierwnoci Schwartza.
Skoro podane nierwnoci s rwnowane, wystarczy, e udowodnimy jedn z
nich. Udowodnijmy zatem czwart nierwno.
Dowd (4). Rozmy wektor W na skadow rwnoleg WU = tU oraz prostopad
W do wektora U . Wiemy, e wwczas W = WU + W . Przeksztamy obie strony
nierwnoci wstawiajc za W powyszy rozkad. Niech L oznacza lew stron nierwnoci, a R praw stron.
L = |U W |2 = |U (WU + W )|2 = |U (tU + W )|2 = |tU U + U W |2
Wiemy, e iloczyn skalarny wektorw prostopadych jest zerowy. Lewa strona nierwnoci przyjmuje zatem posta
L = |t |U |2 |2 = |t|2 |U |4 .
Natomiast prawa strona to
P = |U |2 |W |2 = |U |2 |tU + W |2 .
Korzystajc z udowodnionego wczeniej twierdzenia Pitagorasa, moemy praw stron
zapisa jako
P = |U |2 (|tU |2 + |W |2 ) = |t|2 |U |4 + |U |2 |W |2 = L + |U |2 |W |2 .
Drugi skadnik tej sumy jest nieujemny, dlatego
L L + |U |2 |W |2 = P.
Uwaga 17.6.3. W nierwnoci Schwartza zachodzi rwno dokadnie wtedy gdy

|U |2 |W |2 = 0.
Skoro wektory U, W s niezerowe, to rwno ta zachodzi, gdy |W |2 = 0, czyli
|W | = 0, a std W = O, a to zachodzi gdy W = tU . Rwno w nierwnoci
Schwartza zachodzi dokadnie wtedy, gdy wektory s wspliniowe.
Rozdzia 17.
17.7
Przestrzenie Rn
165
Nierwno trjkta.
Jeeli mamy dane trzy punkty X, Y , Z,
to nierwno trjkta moemy zapisa jako

d3 d1 + d2 .
Przy badaniu przestrzeni Rn czciej zajmujemy si wektorami, a nie punktami.
Sprbujmy zatem wyrazi t nierwno w jzyku wektorw.
Dla wektorw A, B Rn mamy zatem

(17.4)
|B A| |A| + |B| .
Dowd (nierwnoci trjkta). Zauwamy, e

|B A| |A| + |B|
wtedy i tylko wtedy gdy
|B A|2 (|A| + |B|)2
ale
|B A|2 = (B A) (B A) = |B|2 + |A|2 2A B
zatem
|B|2 + |A|2 2A B |A|2 + 2|A||B| + |B|2
Rozdzia 17.
Przestrzenie Rn
166
std
2A B 2|A||B|
A B |A||B|,
a ta nierwno wynika z nierwnoci Schwartza. Wiemy bowiem, e
|A B| |A||B|
czyli
|A||B| A B |A||B| / (1)
|A||B| A B |A||B|.
Zatem speniona jest nierwno trjkta.
Uwaga 17.7.1. Rwno w nierwnoci trjkta zachodzi tylko wtedy, gdy wektory
A i B s wspliniowe i maj przeciwne zwroty.
Rozdzia 18
Macierze
Dotychczas z pojciem macierzy mielimy do czynienia gwnie przy okazji omawiania przeksztace przestrzeni. W tym rozdziale zajmiemy si abstrakcyjnym pojciem macierzy. Na pocztek zdefiniujemy oglnie macierze, poznamy podstawow
terminologi z nimi zwizan. Bliej zajmiemy si pewnym rodzajem macierzy macierzami kwadratowymi. Dla takich macierzy okrelimy wyznacznik i poznamy
jego wasnoci. W drugiej czci tego rozdziau poznamy niektre z bardzo wielu
zastosowa wyznacznika.
18.1
"
Podstawowe definicje i oznaczenia.
Definicja 18.1.1 (macierz m n). Macierz rozmiaru m n nazywamy prostoktn tablic, zoon z liczb lub innych wyrae algebraicznych, zwanych elementami macierzy, skadajc si z m wierszy i n kolumn.
Przykad. Macierz rozmiaru 2 3 jest np.
"
3 0 x
1 y2 2
Oznaczenia.
Macierze bdziemy zazwyczaj oznacza duymi literami alfabetu np. A, B, C.
Wyrazy macierzy oznaczamy aij , bij , cij , gdzie pierwszy z indeksw oznacza
numer wiersza a drugi numer kolumny. W takiej konwencji wyrazy macierzy
A rozmiaru m n moemy oznaczy
a11
a21
A=
..
.
a12
a22
..
.
am1 am2
. . . a1n
. . . a2n
..
..
.
.
.
. . . amn
Macierz A bdziemy te czsto oznacza przez [aij ].
167
168
Rozdzia 18. Macierze
Macierz moemy
te
zapisywa przy uyciu jej kolumn np. A = [A1 , A2 , . . . , An ],
a1i
a2i
m
gdzie Ai = ..
R to i-ta kolumna macierzy A. Przedstawienie takie
.
ami
nazywamy kolumnowym zapisem macierzy A.
Podobnie moemy macierz opisa przy uyciu jej wierszy, wwczas A =
W1
W2
..
.
Wm
gdzie Wj = [aj1 , aj2 , . . . , ajn ] R jest j-tym wierszem macierzy A.
Zastosowania macierzy
Mielimy ju wczeniej okazj pozna zastosowania macierzy rozmiaru 2 2 i
3 3. Okazuje si, e uoglniaj si one na macierze wikszych rozmiarw. Przypomnijmy niektre z tych zastosowa. Macierze wystpoway jako
tablice wspczynnikw ukadw rwna,
macierze przeksztace liniowych,
macierze form kwadratowych,
macierze przejcia do nowych ukadw wsprzdnych.
W kolejnych podrozdziaach i rozdziaach zapoznamy si z wszystkimi tymi
zastosowaniami dla przypadku macierzy dowolnych rozmiarw.
18.2
"
Macierze kwadratowe.
Szczeglnie wan klas macierzy s macierze kwadratowe, czyli macierze rozmiaru n n, a wic takie, ktre maj tyle samo wierszy co kolumn.
Przykad. Macierz kwadratow rozmiaru 4 4 jest np.
1 5 2 7
3
4
2 0
.
7 4 65 1
0 2 1 1
Dla macierzy kwadratowej wprowadzimy dodatkowo bardzo uyteczne pojcie.
Definicja 18.2.1 (przektna gwna). Przektna gwna macierzy skada si z
elementw aii dla i = 1, 2, . . . , n, czyli takich, ktre maj ten sam numer kolumny
co wiersza.
169
Uwaga 18.2.2. Wyrazy znajdujce si pod przektn gwn to wyrazy aij , takie e
i > j natomiast wyrazy nad gwn przektn to te aij , dla ktrych i < j.
"
a11 a12 a13
Przykad. W macierzy A = a21 a22 a23

przektna gwna skada si z wyrazw
a31 a32 a33
a11 , a22 , a33 . Element a32 jest przykadem wyrazu znajdujcego si pod gwn przektn i rzeczywicie 3 > 2 co oznacza, e numer wiersza jest wikszy ni numer
kolumny. Z kolei dla a12 , ktry jak wida znajduje si nad gwn przektn, numer
wiersza jest mniejszy od numeru kolumny.
Macierz transponowana
W Rozdziale 12 poznalimy pojcie macierzy transponowanej do macierzy rozmiaru 3 3. Macierz transponowan do danej moemy rwnie okreli dla macierzy
wikszego rozmiaru.
Definicja 18.2.3 (macierz transponowana). Macierz transponowana AT macierzy
kwadratowej A = [aij ] jest to taka macierz B = [bij ] tego samego rozmiaru n n
dla ktrej bij = aji .
"
T definicj transponowania macierzy uoglnia si, na macierz dowolnego rozmiaru, niekoniecznie kwadratow.
Przykad. Macierz transponowan macierzy
"
A=
jest macierz
5 7 8 4
2 0 1 3
AT =
5 2
7 0
.
8
1
4
3
Uwaga 18.2.4. Jeli macierz A jest rozmiaru m n, to macierz transponowana

AT jest rozmiaru n m.
18.3
Wyznacznik macierzy kwadratowej.
W podrozdziale tym zdefiniujemy wyznacznik macierzy kwadratowej dowolnego

rozmiaru. Zastanwmy si jednak jak funkcj moe on peni. Przypomnijmy w
jakich sytuacjach uywany by wyznacznik macierzy 2 2.
Uycie wyznacznika jest bardzo dobr metod rozstrzygania liniowej niezalenoci, mianowicie wektory A1 , A2 s liniowo niezalene wtedy i tylko wtedy
gdy wyznacznik macierzy A = [A1 A2 ] rozmiaru 2 2, w ktrej A1 , A2 s
kolumnami, jest niezerowy, czyli det(A) 6= 0.
170
Ukad rwna
a11 x + a12 y = b1
,
a21 x + a22 y = b2
ktry wektorowo moemy zapisa jako

x A1 + y A2 = B
ma rozwizanie
x=
det[B, A2 ]
det[A1 , B]
, y=
det[A1 , A2 ]
det[A1 , A2 ]
jeli wyznacznik gwny tego ukadu, czyli det[A1 , A2 ] jest niezerowy.

"
a
a
Macierz odwrotna do macierzy A = 11 12 wyraa si wzorem
a21 a22
"
a
a
= 11 12
a21 a22
#1
"
1
a22 a12
=
.
det A a21 a11
Wyznacznik macierzy wykorzystywany by jeszcze w wielu innych sytuacjach. Podobne zastosowania mia wyznacznik macierzy 3 3. Zdefiniujemy teraz wyznacznik
det A macierzy kwadratowej A dowolnego rozmiaru n n jako pewn liczb, lub
wyraenie, zalene od wyrazw macierzy A tak aby znalaz on zastosowanie do
celw analogicznych jak te wymienione powyej dla macierzy rozmiaru 2 2.
Indukcyjna definicja wyznacznika
Okazuje si, e definicja wyznacznika, speniajcego wymienione powyej wasnoci, dla macierzy wikszych rozmiarw jest duo bardziej skomplikowana ni w
przypadku macierzy 2 2 i 3 3. Wyznacznik ten zdefiniujemy w sposb indukcyjny. Wczeniej wprowadmy jednak pomocne oznaczenia.
Oznaczenie. Dla macierzy A = [aij ] rozmiaru n n niech Aij oznacza macierz
rozmiaru (n 1) (n 1) powsta z macierzy A przez wykrelenie i-tego wiersza
i j-tej kolumny.
"
"
#
5 7 2
5 7
Przykad. Dla macierzy A = 1 3 4 macierz A23 =

jest macierz
0 1
0 1 2
powsta z macierzy A przez wykrelenie drugiego wiersza i trzeciej kolumny.
Definicja 18.3.1 (indukcyjna definicja wyznacznika).

10 Dla macierzy A = [a11 ] rozmiaru 1 1 wyznacznikiem nazywamy liczb
det[a11 ] = a11 .
171
20 Jeli wiemy ju czym jest wyznacznik macierzy rozmiaru (n 1) (n 1), to

okrelamy wyznacznik det A macierzy rozmiaru n n wzorem
det A = a11 det A11 a12 det A12 + a13 det A13 . . . + (1)1+n a1n det A1n =
=
"
n
X
(1)1+i a1i det A1i .
i=1
Przykad. Sprawdmy, czy to okrelenie wyznacznika macierzy zgadza si z podanymi wczeniej

" wzorami
# na wyznacznik macierzy 2 2 i 3 3. W przypadku
a11 a12
macierzy A =
wyznacznik, zgodnie z powysz definicj, wyraa si
a21 a22
wzorem
det A = a11 det A11 a12 det A12 = a11 det[a22 ] a12 det[a21 ] = a11 a22 a12 a21
co zgadza si ze znanym ju nam wzorem na wyznacznik macierzy rozmiaru 2 2.
a11 a12 a13
Podobnie w przypadku macierzy A = a21 a22 a23

moemy obliczy jej wyza31 a32 a33
nacznik korzystajc z Definicji 18.3.1. Otrzymujemy
det A = a11 det A11 a12 det A12 + a13 det A13 =
"
"
"
a
a
a
a
a
a
= a11 det 22 23 a12 det 21 23 + a13 det 21 22 =
a32 a33
a31 a33
a31 a32
= a11 [a22 a33 a23 a32 ] a12 [a21 a33 a31 a23 ] + a13 [a21 a32 a31 a22 ] =
= a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a31 a23 + a13 a21 a32 a13 a31 a32
a to zgadza si z wyznaczonym przy uyciu metody Sarrusa wyznacznikiem tej
macierzy.
W kolejnym przykadzie zastosujemy Definicj 18.3.1 do obliczenia wyznacznika
macierzy rozmiaru 4 4.
"
1 5
0
3
4 2 1 3
Przykad. Niech A =
. Zgodnie z definicj wyznacznika mamy
0 7 3 1
2 2 1
3
det A = a11 det A11 a12 det A12 + a13 det A13 a14 det A14 =
2 1 3
4 1 3
4 2 3
4 2 1
= 1det 7 3 15det 0 3 1+0det 0 7 13det 0 7 3

=
2 1
3
2 1
3
2 2 3
2 2 1
= 1 (18 + 2 21 + 18 2 21) 5 (36 2 + 0 18 + 4 0)+
+0 (84 + 4 + 0 + 42 8 0) 3 (28 + 12 + 0 14 24 0) =
= 1 (6) 5 (52) + 0 (122) 3 (2) = 6 + 260 + 0 6 = 248.
172
Uwaga 18.3.2. Zauwamy, e w celu obliczenia wyznacznika macierzy rozmiaru 4

4 musimy policzy cztery wyznaczniki macierzy 3 3. Do wyznaczenia wyznacznika
macierzy rozmiaru 5 5 bdziemy potrzebowali piciu wyznacznikw macierzy rozmiaru 4 4 a tym samym 20 wyznacznikw macierzy rozmiaru 3 3.
Poniej pokaemy bardziej oglny sposb na obliczanie wyznacznika, ktry w
wielu przypadkach pozwoli na znaczne uproszczenie oblicze. W tym celu wprowadmy
dodatkowe pojcie.
Definicja 18.3.3 (dopenienie algebraiczne). Dopenienie algebraiczne wyrazu
aij macierzy A = [aij ] to wyraenie
Dij = (1)i+j det Aij .
Uwaga 18.3.4. Zauwamy, e w wietle tej definicji wyznacznik macierzy A wyraa
si wzorem
det A =
n
X
a1i D1i .
i=1
Twierdzenie 18.3.5 (rozwinicie Laplacea). Wyznacznik moemy policzy indukcyjnie stosujc rozwinicie wzgldem dowolnego wiersza lub dowolnej kolumny.
rozwinicie wzgldem p-tego wiersza
det A =
n
X
api Dpi ,
i=1
rozwinicie wzgldem q-tej kolumny

det A =
n
X
aiq Diq .
i=1
Poznany przez nas w Definicji 18.3.1 sposb na obliczenie wyznacznika jest

rozwiniciem wzgldem pierwszego wiersza.
W poniszym przykadzie bdziemy mie okazj zaobserwowa dlaczego moe
mie znaczenie wybr kolumny lub wiersza wzgldem ktrej rozwijamy wyznacznik.
"
7 1 5 1
4 2 0 3
Przykad. Obliczmy wyznacznik macierzy A =
. Skorzystanie
2 1 0 5
3
2 0 1
z Definicji 18.3.1, czyli z rozwinicia wzgldem pierwszego wiersza wymagaoby
policzenia czterech wyznacznikw macierzy rozmiaru 3 3. Zauwamy, e jeli zastosujemy rozwinicie wzgldem trzeciej kolumny, to wyznacznik macierzy A przedstawia si wzorem
det A = (1)1+3 5det A13 +(1)2+3 0det A23 +(1)3+3 0det A33 +(1)3+4 0det A43 =
= (1)4 5det A13
4 2 3
= 5det 2 1 5 = 5(4+30129+404) = 549 = 245.

3
2
1
173
18.4
Wyznacznik macierzy grnotrjktnej i dolnotrjktnej.
Obliczenie wyznacznika w wielu przypadkach okazuje si by bardzo kopotliwe.

Istniej jednak macierze, ktrych szczeglne wasnoci pozwalaj atwo go wyznaczy. Takimi macierzami s macierze grnotrjktne i dolnotrjktne.
Fakt 18.4.1. Jeli A = [aij ] jest macierz rozmiaru n n grnotrjktn, co oznacza, e wszystkie wyrazy poniej gwnej przektnej s zerami, lub dolnotrjktn,
tzn. tak e wszystkie wyrazy nad gwn przektn s zerami, to wyznacznik tej
macierzy wyraa si wzorem
det A = a11 a22 . . . ann ,
jest zatem iloczynem wyrazw na gwnej przektnej.
Dowd. Przeprowadzimy teraz indukcyjny dowd tego faktu. Dla macierzy rozmiaru
1 1, 2 2, 3 3 atwo sprawdzi, e ten fakt zachodzi. Pozostawimy to do wykonania czytelnikowi.
Przejdmy do sprawdzenia gwnego kroku indukcyjnego. Zamy, e Fakt
jest prawdziwy dla macierzy grnotrjktnych rozmiaru
(n 1) (n 1).
Wemy
a11 a12 . . . a1n
0 a22 . . . a2n
grnotrjktn macierz A rozmiaru n n, gdzie A = ..

.. . .
. . Rozwi. ..
.
.
0 ...
jajc t macierz wzgldem pierwszej kolumny otrzymujemy
det A =
n
X
ann
ai1 Di1 = a11 D11 + a21 D21 + . . . + an1 Dn1 .
i=1
Poniewa a21 = a31 = . . . = an1 = 0 wic

det A = a11 D11 = (1)1+1 a11 det A11 = a11 det A11 .
Poniewa A11 jest macierz grnotrjktn rozmiaru (n 1) (n 1), ktra na
przektnej gwnej ma wyrazy a22 , a33 , . . . ann wic z zaoenia indukcyjnego wiemy,
e det A11 = a22 a33 . . . ann . Po podstawieniu do wzoru na wyznacznik macierzy
A otrzymujemy
det A = a11 (a22 a33 . . . ann ) =
n
Y
aii .
i=1
Moemy zatem stwierdzi, e podany wzr na wyznacznik macierzy grnotrjktnej

jest prawdziwy dla dowolnego n.
wiczenie. Analogiczny dowd dla macierzy dolnotrjktnej, w ktrym wykorzystuje si rozwinicie wzgldem pierwszego wiersza, pozostawimy do wykonania
czytelnikowi.
174
18.5
Wasnoci wyznacznika.
Poniej podamy kilka wasnoci wyznacznika, ktre w znaczcy sposb mog

uatwi jego obliczanie, co na przykadzie
pokaemy w kolejnym podrozdziale. W
a1i
.
poniszych opisach Ai =
.. oznacza bd kolumny danej macierzy A. Dla
ami
poprawy czytelnoci w wielu miejscach pod wektorem oznaczajcym kolumn zapisany zostanie rwnie numer tej kolumny. Uzasadnienie tych wasnoci podamy w
dalszej czci podrozdziau.
Wasno 18.5.1. Wyznacznik macierzy A, w ktrej pewna kolumna Ai skada si
z samych zer wynosi 0, co symbolicznie moemy zapisa
det[A1 , . . . , O , . . . , Am ] = 0.
1
...
...
Wasno 18.5.2. Wyznacznik macierzy A, w ktrej dwie kolumny s jednakowe

wynosi 0.
det[A1 , . . . , Ai , . . . , Ai , . . . , Am ] = 0.
1
...
...
...
Wasno 18.5.3. Wyznacznik macierzy, w ktrej przestawiono ze sob dwie kolumny

jest przeciwny do wyznacznika macierzy wyjciowej.
det[A1 , . . . , Aj , . . . , Ai , . . . , Am ] = det[A1 , . . . , Ai , . . . , Aj , . . . Am ].
1
...
...
...
...
...
...
Wasno 18.5.4. Wyznacznik macierzy, w ktrej jedna z kolumn zostaa przemnoona przez sta jest iloczynem tej staej i wyznacznika wyjciowej macierzy.
det[A1 , . . . , t Ai , . . . , Am ] = t det[A1 , . . . , Ai , . . . Am ].
1
...
...
...
...
Wasno 18.5.5. Wyznacznik macierzy, w ktrej i-ta kolumna jest sum wektorw
Ai i A0i jest rwny sumie wyznacznikw dwch macierzy, tak jak to opisuje poniszy
wzr
det[A1 , . . . , Ai1 , Ai + A0i , Ai+1 , . . . , Am ] =
1
...
i1
i+1
...
= det[A1 , . . . , Ai1 , Ai , Ai+1 , . . . Am ] + det[A1 , . . . , Ai1 , A0i , Ai+1 , . . . Am ].

1
...
i1
i+1
...
...
i1
i+1
Wasno 18.5.6. Wyznacznik macierzy nie zmieni si, jeli do jednej z kolumn
dodamy pewn wielokrotno innej kolumny.
det[A1 , . . . , Ai + t Aj , . . . , Am ] = det[A1 , . . . , Ai , . . . Am ].
1
...
...
...
...
Poniej przedstawimy dowody niektrych spord tych wasnoci. W dowodach

tych wykorzystamy rozwinicia Laplacea.
...
175
Dowd Wasnoci 18.5.1. Obliczajc wyznacznik macierzy
det A = det[A1 , . . . , O , . . . , Am ]
1
...
...
zastosujemy rozwinicie wzgldem i-tej kolumny. Otrzymujemy wwczas
det[A1 , . . . , O , . . . , Am ] = a1i D1i + a2i D2i + . . . + ami Dmi =

= 0 D1i + 0 D2i + . . . + 0 Dmi = 0.
Dowd Wasnoci 18.5.5. Obliczajc wyznacznik macierzy

A = [A1 , . . . , Ai + A0i , . . . , Am ]
1
...
...
rwnie zastosujemy rozwinicie wzgldem i-tej kolumny, tzn. wzgldem kolumny

Ai + A0i . Mamy wwczas
det[A1 , . . . , Ai + A0i , . . . , Am ] = (a1i + a01i )D1i + (a2i + a02i )D2i + . . . + (ami + a0mi )Dmi =
= a1i D1i + a01i D1i + a2i D2i + a02i D2i + . . . + ami Dmi + a0mi Dmi =
det[A1 , . . . , Ai , . . . , Am ] + det[A1 , . . . , A0i , . . . , Am ].
Dowd Wasnoci 18.5.4. Rozwijajc wyznacznik
det A = det[A1 , . . . , t Ai , . . . , Am ]
1
...
...
wzgldem i-tej kolumny mamy

det[A1 , . . . , t Ai , . . . , Am ] = ta1i D1i + . . . + tami Dmi = t (a1i D1i + . . . + ami Dmi ) =
= t det[A1 , . . . , Ai , . . . , Am ].
wiczenie. Analogiczne dowody pozostaych wasnoci pozostawimy do wykonania czytelnikowi.

Wasno 18.5.7. Wyznacznik macierzy transponowanej do danej macierzy A jest
rwny wyznacznikowi macierzy A.
det A = det AT
Uwaga 18.5.8. Wyznacznik ma podobne wasnoci ze wzgldu na wiersze jak te
przedstawione powyej dla kolumn.
176
18.6
Praktyczne sposoby obliczania wyznacznika.
Wczeniej pokazalimy, e odpowiedni wybr wiersza lub kolumny wzgldem

ktrej rozwijamy wyznacznik moe bardzo uatwi obliczenia. Niestety nie we wszystkich przypadkach metoda ta okazuje si by skuteczna. Podamy teraz dwa sposoby
na znaczne uproszczenie oblicze wyznacznika, ktre s skuteczne we wszystkich
przypadkach. Bd one polegay na stosowaniu przeksztace na wierszach i kolumnach, tak aby uzyska macierz takiej postaci, dla ktrej jestemy ju w stanie atwo
obliczy wyznacznik. Przy przeksztacaniu tych macierzy moemy wykonywa mniej
operacji ni przy rozwizywaniu ukadw rwna, nie moemy bowiem mnoy wierszy czy kolumn przez liczb. Tutaj moemy za to swobodnie wykonywa operacje
zarwno na wierszach jak i kolumnach.
Dla atwiejszego zapisu wprowadmy dodatkowe oznaczenie.
a11 . . . a1n
.
Oznaczenie. Wyznacznik macierzy A = .. . . . ...

bdziemy zapisywa w
an1 . . . ann
postaci

a

11 . . . a1n
.

det A = |A| = .. . . . ... .

an1 . . . ann
Sposb I
"
Bdziemy starali si wyzerowa, stosujc operacje nie zmieniajce wyznacznika,

wszystkie wyrazy pewnej kolumny lub pewnego wiersza, z wyjtkiem by moe jednego, a nastpnie zastosujemy rozwinicie Laplacea wzgldem tej kolumny (wiersza).
Zobaczmy na przykadzie jak dziaa ta metoda.
Przykad. Zastosujmy powyszy sposb do obliczenia wyznacznika macierzy
1 7
3 2
5 2 4
3
A=
.
6 1 3 2
3 1
4
1
Zauwamy, e zgodnie z Wasnoci 18.5.6 moemy do wierszy dodawa wielokrotnoci innych wierszy, a wyznacznik nie zmieni si. Niech w1 , w2 , w3 , w4 oznaczaj
kolejne wiersze macierzy A. W trakcie przeksztacania macierzy bdziemy obok symbolicznie notowa operacje jakie na niej wykonujemy.

1 7
3 2 1 7
3 2

5 2 4
3 0 37 11 13 w2 5w1
det A =
=

6 1 3 2
0 43 18 8 w3 6w1

3 1
4
1 0 20 5 7 w4 3w1
177
Moemy teraz zastosowa rozwinicie wzgldem pierwszej kolumny.

37 11 13

det A = 1 (1)1+1 43 21 10

20 5
7
Wyznacznik macierzy rozmiaru 3 3 moemy obliczy stosujc regu Sarrusa.

det A = 1 (5439 + 2200 + 2795 5460 1850 3311) = 187
Wyznacznik tej macierzy wynosi det A = 187.
Uwaga 18.6.1. Jeli macierz ma rozmiar wikszy ni 4 4, to powyszy sposb
naley zastosowa kilkakrotnie.
Sposb II
"
Sposb ten wykorzystuje wasnoci macierzy grnotrjktnej i dolnotrjktnej.

Polega ona na tym, e zerujemy wszystkie wyrazy powyej lub poniej przektnej
gwnej a nastpnie bierzemy iloczyn wyrazw na tej przektnej. Pokaemy to na
przykadzie.
Przykad. Obliczmy t metod wyznacznik macierzy A z poprzedniego przykadu.

1 7

5 2
det A =
6 1

3 1

1
7

0 37

=
0
0
0
0
3 2 1 7
3 2

4
3 0 37 11 13 w2 5w1
=
=

3 2 0 43 18 8 w3 6w1
4
1 0 20 5 7 w4 3w1

3
2
11
13

304
w3
37 189
37
35
1
37 w4
37

1
7

0 37

=
43
w
0
37 2
0
20

w
0 0
37
3
2
11
13

304

37 189
37
187
0
304 w4 +
35
w
304 3
Taki wyznacznik moemy ju atwo obliczy.

304
187
) (
) = 187
37
304
Wynik ten zgadza si z wartoci wyznacznika obliczon przy uyciu pierwszego
sposobu.
det A = 1 (37) (
"
Uwaga 18.6.2. Jeli modyfikujc macierz zamieniamy ze sob miejscami dwie kolumny
lub dwa wiersze, to wyznacznik zmienia si na przeciwny. Jeli natomiast mnoymy
wiersz lub kolumn przez liczb, to wyznacznik musimy podzieli przez t liczb.
Przykad. Wykorzystanie pierwszej czci tej uwagi pomaga przy obliczeniu nastpujcego wyznacznika, w ktrym zamienimy miejscami drug i czwart kolumn

2

0

0

0
2 1
5 3
1
3 5

2 3 1
0 1 3 2
=
= [2 (1) 7 3] = (42) = 42.
0 0
4 7
0
7 4

0 0
3 0
0
0 3
178
18.7
Cramerowski ukad rwna liniowych.
W tym podrozdziale zajmiemy si jedn z wasnoci jak chcielimy aby spenia

wyznacznik. Rozwamy ukad
(F) x1 A1 + x2 A2 + . . . + xn An = B,
gdzie Ai Rn , B Rn , ktry jest ukadem n rwna z n niewiadomymi x1 , x2 , . . . , xn ,
natomiast Ai , B s kolumnowymi wektorami utworzonymi ze wspczynnikw tego
ukadu. Macierz gwn dla ukadu (F) jest macierz A = [A1 , A2 , . . . , An ], za
wyznacznik gwny to W = det A.
Definicja 18.7.1 (ukad cramerowski). Ukad (F) nazywamy cramerowskim
jeli wyznacznik gwny W tego ukadu jest niezerowy:
W = det A 6= 0.
Podobnie jak w przypadku ukadu trzech rwna z trzema niewiadomymi, dla
ukadu (F) moemy oprcz macierzy gwnej i jej wyznacznika okreli rwnie
macierze pomocnicze i ich wyznaczniki. Ze zmienn x1 zwizana jest macierz Px1 ,
ktra powstaje przez zastpienie pierwszej kolumny macierzy gwnej przez kolumn
wyrazw wolnych B, tak wic Px1 = [B, A2 , . . . , An ]. Wyznacznik tej macierzy
Wx1 = det Px1 wykorzystywany bdzie do obliczenia zmiennej x1 . Podobnie powstaj i wykorzystywane s inne macierze pomocnicze. Mamy wic
Px1 = [B, A2 , A3 , . . . , An ]
Px2 = [A1 , B, A3 , . . . , An ]
Px3 = [A1 , A2 , B, . . . , An ]
..
.
Pxn = [A1 , A2 , . . . , An1 , B]
a odpowiednie wyznaczniki to
Wxi = det Pxi .
Moemy ju teraz sformuowa twierdzenie, ktre pozwoli nam rozwizywa ukady
rwna liniowych.
Twierdzenie 18.7.2 (Cramera). Ukad (F), gdy W 6= 0 ma dokadnie jedno
rozwizanie dane wzorami
Wxi
xi =
W
dla i = 1, 2, . . . , n, gdzie W = det A jest wyznacznikiem gwnym tego ukadu,
natomiast Wxi s odpowiednimi wyznacznikami pomocniczymi.
"
Dowd tego twierdzenia jest analogiczny do dowodu dla ukadu cramerowskiego

rozmiaru 3 3 przedstawionego w Rozdziale 4, tutaj go pominiemy.
Przykad. Zastosujmy twierdzenie Cramera do rozwizania nastpujcego ukadu
rwna
2x1 + 3x2 + 4x3 + 5x4 = 3
3x + 4x x 2x = 1
1
2
3
4
.
x
+
3x
x
=
6
1
2
3
4
5x1 4x2 + 2x3 + 3x4 = 4
179
Wyznacznik gwny tego ukadu to

2
3
4
5

3 4 1 2

W =
= 140.
1 1 3 1

5 4 2
3
Wyznacznik gwny jest niezerowy a wic ukad jest ukadem Cramerowskim i ma

jedno rozwizanie.
Odpowiednie
wyznaczniki pomocnicze to

3
2
3
4
5
3
4
5

1 4 1 2
3 1 1 2

= 280, Wx2 =
= 140,
Wx1 =
6 1 3 1
1 6 3 1

4 4 2
5 4 2
3
3

2
2
3
3
5
3
4
3

3 4 1 2
3 4 1 1

= 140,
= 0.
Wx3 =
W
x4 =

1 1 3 6
1
1
6
1

5 4 4
5 4 2
3
3
rozwizaniem naszego ukadu jest zatem czwrka liczb
x1 =
18.8
Wx1
Wx2
Wx3
Wx4
= 2, x2 =
= 1, x3 =
= 1, x4 =
= 0.
W
W
W
W
Wyznacznik a liniowa niezaleno.
Zwizek wyznacznika z liniow niezalenoci wektorw jest konsekwencj faktw, ktre sformuujemy i udowodnimy poniej.
Fakt 18.8.1. Jeli kolumny A1 , A2 , . . . An macierzy A rozmiaru n n s liniowo
zalene, to det A = 0.
Dowd. Przypomnijmy, e wektory s liniowo zalene, jeli jeden z nich jest liniow
kombinacj pozostaych. Skoro wektory A1 , A2 , . . . An maj by liniowo zalene, to
jeden z nich, przyjmijmy An , jest liniow kombinacj pozostaych. Jeli inna kolumna
jest kombinacj pozostaych, rozumowanie bdzie podobne. Tak wic mamy An =
t1 A1 + t2 A2 + . . . + tn1 An1 . Wwczas wyznacznik tej macierzy przyjmuje posta
det A = det[A1 , A2 , . . . An ] = det[A1 , A2 , . . . , An1 , t1 A1 + t2 A2 + . . . + tn1 An1 ]
Z Wasnoci 18.5.6 wiemy, e odjcie od kolumny wielokrotnoci innej kolumny nie
zmienia wyznacznika tak wic odejmujemy od n-tej kolumny iloczyn t1 A1 , nastpnie
t2 A2 i tak kolejno a do tn1 An1 , otrzymujemy wwczas
det A = det[A1 , A2 , . . . , An1 , t2 A2 + . . . + tn1 An1 ] =
= det[A1 , A2 , . . . , An1 , t3 A3 + . . . + tn1 An1 ] = . . . = det[A1 , A2 , . . . , An1 , O] = 0.
Fakt 18.8.2. Jeli kolumny A1 , A2 , . . . , An macierzy A s liniowo niezalene w Rn ,

to detA 6= 0.
180
Dowd tego faktu pomijamy.

Z Faktw 18.8.1 i 18.8.2 moemy wyprowadzi nastpujcy wniosek.
Wniosek 18.8.3. Wektory A1 , A2 , . . . , An z Rn s liniowo niezalene wtedy i tylko
wtedy gdy det[A1 , A2 , . . . , An ] 6= 0.
18.9
Dziaania na macierzach.
W podrozdziale tym okrelimy podstawowe dziaania jakie moemy wykonywa

na macierzach. Podamy rwnie ich podstawowe wasnoci.
Iloczyn liczby i macierzy
"
Iloczynem t [aij ] liczby rzeczywistej t i macierzy [aij ] nazywamy macierz [bij ]

tego samego rozmiaru co macierz [aij ], dla ktrej bij = t aij dla kadego i, j.
Stosowany bywa rwnie skrtowy zapis t [aij ] = [t aij ].
"
2
Przykad. Iloczynem liczby t = 2 i macierzy A =
5
"
#
"
2 4 1 3
4 8 2
B postaci B = (2)
=
5 0 7 1
10 0 14
4
0
6
2
1 3
7 1
jest macierz
Suma macierzy
Jeeli macierze [aij ] i [bij ] maj ten sam rozmiar, to ich sum [aij ] + [bij ] nazywamy
macierz [cij ] tego samego rozmiaru, dla ktrej cij = aij + bij , dla wszystkich i, j.
Piszemy te [aij ] + [bij ] = [aij + bij ].
"
Przykad. Sum macierzy A =
2
4
3

C = A + B = 3 0 + 1
1 2
0
2
3
1
2
6
1
4
3 2
0 , B = 1 6
jest macierz
2
0
1
1 2
= 2 6 .
1 1
Iloczyn macierzy
Iloczynem macierzy A = [aij ] rozmiaru m n i macierzy B = [bij ] rozmiaru
n k nazywamy macierz C = [cij ] rozmiaru m k, dla ktrej
cij = ai1 b1j + ai2 b2j + . . . + ain bnj .
Uwaga 18.9.1. Mnoenie macierzy A i B jest wykonalne tylko wtedy gdy macierz
A ma tyle samo kolumn co macierz B wierszy. Zauwamy, e wyraz cij macierzy C
jest iloczynem skalarnym i-tego wiersza macierzy A i j-tej kolumny macierzy B.
181
"
"
Przykad. Iloczynem macierzy A =
2 1 3 4
7 1 2 0
jest macierz
"
C=
"
2 1 3 4
7 1 2 0
i macierzy B =
3 7
4
2
8 1
1 3
3 7
4
2
=
8 1
1 3
2 3 + 1 4 + (3) (8) + 4 1 2 (7) + 1 2 + (3) 1 + 4 (3)

(7) 3 + 1 4 + 2 (8) + 0 1 (7) (7) + 1 2 + 2 1 + 0 (3)
"
38 27
33 53
Wasnoci dziaa na macierzach

Podamy teraz podstawowe wasnoci dziaa na macierzach. A, B, C oznacza
bd macierze, natomiast t to dowolna liczba rzeczywista.
(1) (A + B) C = A C + B C
(2) A (B + C) = A B + A C
(3) (A B) C = A (B C)
(4) (t A) B = t (A B) = A (t B)
(5) det(A B) = det A det B
Dowody czterech pierwszych wasnoci wynikaj z wasnoci dziaa na liczbach

rzeczywistych i z okrelenia dziaa na macierzach. Pozostawimy je do wykonania
czytelnikowi. Dowd pitej wasnoci jest duo bardziej skomplikowany. Tutaj go
pominiemy.
18.10
Macierz odwrotna.
W tym podrozdziale wprowadzimy pojcie macierzy odwrotnej, zostanie ono

zdefiniowane w sposb analogiczny, jak to zostao zrobione w przypadku macierzy
rozmiaru 3 3. Macierz odwrotna bdzie przez nas wielokrotnie wykorzystywana w
kolejnych rozdziaach, np. przy badaniu przeksztace przestrzeni wektorowych.
Definicja 18.10.1 (macierz jednostkowa). Macierz jednostkow rozmiaru nn
nazywamy macierz I postaci
I = Inn =
..
.
... 0
..
1
.
.
..
. 0
... 0 1
182
Definicja 18.10.2 (macierz odwrotna). Macierz odwrotn do macierzy A rozmiaru n n nazywamy tak macierz B rozmiaru n n, e A B = B A = Inn .
Macierz B oznaczamy symbolem A1 .
Szukanie macierzy odwrotnej, przy uyciu definicji wizaoby si z rozwizaniem
n ukadw zoonych z n rwna z n niewiadomymi (cznie n2 niewiadomych).
Ponisze twierdzenie podaje atwiejszy sposb na wyznaczenie macierzy odwrotnej.
Twierdzenie 18.10.3. Dla macierzy A rozmiaru n n mamy
(a) Jeli det A = 0, to A nie ma macierzy odwrotnej.
(b) Jeli det A 6= 0, to macierz odwrotna do macierzy A istnieje, jest jedyna i
wyraa si wzorem A1 = [bij ], gdzie bij = det1 A Dji , czyli
A1
D11 D21
D12 D22
= det1 A
..
..
.
.
D1n D2n
. . . Dn1
. . . Dn2
..
..
.
.
.
. . . Dnn
Uwaga 18.10.4. Zauwamy, e do wyznaczenia wyrazu bij uywamy wyraenia Dji .

Nastpuje tu zamiana kolejnoci wystpowania indeksw.
Dowd.
(a) Gdyby istniaa macierz odwrotna A1 , to z Wasnoci 18.5.7 mielibymy
det A det(A1 ) = det(A A1 ) = det(Inn ) = 1.
Zatem otrzymalibymy
0 det(A1 ) = 1.
Poniewa takie rwnanie nie ma rozwiza, wic w tym wypadku nie istnieje
macierz A1 .
(b) Niech B = [bij ] bdzie macierz okrelon wzorem z czci (b) Twierdzenia
18.10.3. Obliczmy A B = [cij ].
cij =
n
X
k=1
aik bkj =
n
X
aik
k=1
n
1
1 X
Djk =
aik (1)j+k det Ajk
det A
det A k=1
Rozwamy dwa przypadki.

1. Gdy i = j wwczas
n
1 X
cii =
aik (1)i+k det Aik
det A k=1
Zauwamy, e w powyszym wyraeniu wystpuje rozwinicie Laplacea wyznacznika macierzy A wzgldem i-tego wiersza. Otrzymujemy zatem
cii =
1
det A = 1.
det A
183
2. Gdy i 6= j wwczas
n
1 X
cij =
aik (1)j+k det Ajk .
det A k=1
Wyraenie
to zawiera rozwinicie wzgldem j-tego wiersza wyznacznika macierzy
w1
.
..
wi
ity wiersz
..
. Jak wiemy wyznacznik macierzy, ktra ma dwa takie same
.
w
i jty wiersz
.
.
.
wn
wiersze jest zerowy, wic
cij =
1
0 = 0.
det A
Zatem
A B = [cij ] = Inn .
Dowd tego, e B A = Inn wyglda analogicznie. Tutaj go pominiemy. Zatem
B jest macierz odwrotn do A, czyli B = A1 .
"
Przykad. Sprawdmy, czy wzr macierzy odwrotnej do macierzy rozmiaru 2 2,

wyznaczony
tym
"
# sposobem, zgadza si ze znanym nam ju wzorem. Dla macierzy
a
a
A = 11 12 macierz odwrotna to
a21 a22
"
"
1
1
D11 D21
a22 a12
=
=
.
det A D12 D22
det A a21 a11
Zatem rzeczywicie zgadza si ze znanym wzorem.

wiczenie. Podobne sprawdzenie dla macierzy rozmiaru 3 3 pozostawimy do
wykonania czytelnikowi.
Rozdzia 19
Abstrakcyjne przestrzenie
wektorowe
Do tej pory zajmowalimy si przestrzeniami Rn , a w szczeglnoci przestrzeniami R2 i R3 . Przestrzenie Rn s tylko przykadami duo szerszej klasy - przestrzeni
wektorowych. W rozdziale tym zdefiniujemy pojcie przestrzeni wektorowych, poznamy przykady. Dowiemy si, czym s podprzestrzenie wektorowe. Zajmiemy si
rwnie abstrakcyjnym pojciem liniowej niezalenoci.
19.1
Okrelenie przestrzeni wektorowych.
Przestrzenie wektorowe bdziemy najczciej oznacza przez U, V, W , natomiast
elementy tych przestrzeni, czyli abstrakcyjne wektory, bdziemy oznacza v, w, u,

a,
e, f.
Definicja 19.1.1 (przestrze wektorowa). Zbir V pewnego rodzaju obiektw v
nazywamy przestrzeni wektorow, jeli obiekty te moemy dodawa i mnoy przez
liczby. Musz by przy tym spenione nastpujce wasnoci:
(a) przemienno dodawania, czyli e dla dowolnych wektorw v1 , v2 V mamy
v1 + v2 = v2 + v1 ,
(b) czno dodawania, czyli e dla dowolnych wektorw v1 , v2 , v3 V mamy
(v1 + v2 ) + v3 = v1 + (v2 + v3 ),
(c) rozdzielno mnoenia wzgldem dodawania, czyli e dla dowolnych wektorw
v1 , v2 V oraz dowolnej liczby rzeczywistej t mamy
t(v1 + v2 ) = tv1 + tv2 ,
(d) rozdzielno mnoenia wzgldem dodawania, czyli e dla dowolnego wektora
v V i dowolnych liczb rzeczywistych t, s mamy
(t + s)v = tv + sv,
184
Rozdzia 19. Abstrakcyjne przestrzenie wektorowe
185
(e) czno mnoenia, czyli e dla dowolnego wektora v V i dowolnych liczb

rzeczywistych t, s mamy
(t s) v = t (s v),
(f) istnieje tzw. wektor zerowy O V taki, e dla kadego wektora v V zachodzi
O + v = v,
(g) dla dowolnego wektora v V mamy
1v =v
oraz 0 v = O .
Z powyszych wasnoci moemy wyprowadzi dalsze.

Wasno 19.1.2. Kady wektor ma wektor przeciwny.
Dowd. Dla wektora v V wektorem przeciwnym jest taki wektor v V , e
v + (v) = O .
Okrelmy wektor v jako
v = (1) v.
Mamy wwczas
v + (v) = v + (1) v,
moemy teraz skorzysta z podanych wasnoci przestrzeni V , a w szczeglnoci z
wasnoci (g) i wasnoci (d). Otrzymujemy
v + (1) v = 1 v + (1) v = (1 + (1)) v = 0 v = O .

Wektor v jest rzeczywicie wektorem przeciwnym do wektora v, zatem dla dowolnego wektora da si taki wektor znale.
Wasno 19.1.3. Wektory w przestrzeni wektorowej moemy odejmowa.
Dowd. Odejmowanie wektorw moemy okreli jako dodawanie wektora przeciwnego. Dla wektorw v1 , v2 V ich rnica to
v1 v2 = v1 + (v2 ).
Z faktu istnienia wektora przeciwnego i okrelonoci sumy wektorw wynika wykonalno tego dziaania.
"
Podamy teraz przykady przestrzeni wektorowych, wraz z okreleniem, w jaki

sposb dodawa i mnoy przez liczb wektory z tej przestrzeni.
Przykad.
(1) Przestrze Rn z dziaaniami okrelonymi w poprzednich rozdziaach.
186
(2) Przestrze R zoona z nieskoczonych cigw (an ) = (a1 , a2 , . . . , an , . . .)

o wyrazach rzeczywistych. Pojedynczym elementem tej przestrzeni jest cay
cig (an ). Dodawanie dwch elementw tej przestrzeni, czyli dwch cigw
odbywa si poprzez dodanie do siebie kolejnych wyrazw obu cigw, dla
cigw (an ), (bn ) mamy
(a1 , a2 , a3 . . .) + (b1 , b2 , b3 , . . .) = (a1 + b1 , a2 + b2 , a3 + b3 , . . .),
co krcej moemy zapisa jako
(an ) + (bn ) = (an + bn ).
Podobnie wykonuje si mnoenie przez liczb. Dla liczby t i wektora (an ) mamy
t (a1 , a2 , a3 , . . .) = (t a1 , t a2 , t a3 , . . .),
a krcej
t(an ) = (tan ).
Wektorem zerowym w tej przestrzeni jest cig stale rwny zero
O = (0, 0, 0, . . .).
(3) Przestrze macierzy rozmiaru n m o wyrazach rzeczywistych, symbolicznie
oznaczmy j Mnm . Dodawanie i mnoenie przez liczb w tej przestrzeni
odbywa
si wyraz
po wyrazie, natomiast wektorem zerowym jest macierz ze0 ... 0
. .
rowa .. . . ...
.
0 ... 0
(4) Przestrze Rn [X] zoona z wielomianw stopnia mniejszego bd rwnego
n, o wspczynnikach rzeczywistych. Dodawanie wektorw z tej przestrzeni
odbywa si poprzez dodanie odpowiednich wspczynnikw. Sum wektorw
an xn + an1 xn1 . . . + a1 x + a0 oraz bn xn + bn1 xn1 . . . + b1 x + b0 jest wektor
(an xn + an1 xn1 . . . + a1 x + a0 ) + (bn xn + bn1 xn1 . . . + b1 x + b0 ) =
= (an + bn )xn + (an1 + bn1 )xn1 + . . . + (a1 + b1 )x + (a0 + b0 ).
Wektorem zerowym w tej przestrzeni jest wielomian zerowy tzn. funkcja tosamociowo rwna zero.
(5) Przestrze C[0, 1] zoona z funkcji cigych okrelonych na odcinku [0, 1] o
wartociach rzeczywistych. Dla dowolnych elementw f, g z tej przestrzeni ich
sum nazywamy funkcj dan wzorem
(f + g)(x) = f (x) + g(x),
natomiast iloczynem funkcji f i liczby t jest funkcja
(tf )(x) = t f (x).
Wektorem zerowym w tej przestrzeni jest funkcja staa rwna 0.
(6) Przestrze trywialna V skadajca si tylko z jednego wektora V = { O }.

wiczenie. Sprawdzenie, e tak okrelone przestrzenie wektorowe speniaj wszystkie wasnoci podane w Definicji 19.1.1 pozostawimy do wykonania czytelnikowi.
19.2
187
Podprzestrzenie wektorowe.
W danej przestrzeni wektorowej moemy wyrnia pewne podzbiory. W tym

podrozdziale zajmiemy si szczeglnym rodzajem takich podzbiorw - podprzestrzeniami wektorowymi. Poznamy definicj tego pojcia, zbadamy jego wasnoci. W kolejnym podrozdziale bdziemy rwnie bada podprzestrzenie, jakie moemy tworzy
z danych wektorw przestrzeni.
Definicja 19.2.1 (podprzestrze wektorowa). Niepusty podzbir W przestrzeni
wektorowej V jest podprzestrzeni wektorow, jeli suma wektorw z W zawsze
naley do W oraz iloczyn kadego wektora z W przez dowoln liczb te naley do
W.
Uwaga 19.2.2. W podprzestrzeni W wasnoci (a)-(g) z Definicji 19.1.1 s automatycznie spenione, tak wic podprzestrze W sama jest przestrzeni wektorow.
Oznaczenie. Fakt, e przestrze W jest podprzestrzeni przestrzeni V bdziemy
oznacza
W < V.
Ze sposobu okrelenia podprzestrzeni wektorowej moemy wywnioskowa nastpujce wasnoci.
Wasno 19.2.3. Wektor zerowy naley do kadej podprzestrzeni W < V .
Dowd. Wemy wektor w z podprzestrzeni W . Zgodnie z definicj podprzestrzeni
wwczas rwnie wektor 0 w naley do tej podprzestrzeni, ale 0 w = O tak wic
O W.
Wasno 19.2.4. Jeli w1 , w2 , . . . , wk s wektorami z podprzestrzeni W , to dowolna
kombinacja liniowa t1 w1 + t2 w2 + . . . + tk wk rwnie naley do tej podprzestrzeni.
Dowd. Jeli w1 naley do podprzestrzeni W , to rwnie t1 w1 naley do tej podprzestrzeni, podobnie t2 w2 , t3 w3 , . . . , tn wn nale do podprzestrzeni W . Z Definicji
19.2.1 wiemy, e wwczas rwnie suma tych wektorw naley do tej podprzestrzeni,
tak wic
t1 w1 + t2 w2 + . . . + tn wn W.
"
Przykad.
(1) Niech W = {[x, y, 0, 0] R4 : x R, y R}. Sprawdmy, e W jest podprzestrzeni przestrzeni R4 . Rzeczywicie W jest podzbiorem R4 . Ponadto,
dla dowolnych wektorw z W mamy rwnie
[x1 , y1 , 0, 0] + [x2 , y2 , 0, 0] = [x1 + x2 , y1 + y2 , 0, 0] W,
t [x, y, 0, 0] = [tx, ty, 0, 0].
188
(2) Rozwamy podzbir W przestrzeni R skadajcy si dokadnie z tych cigw,

ktrych granica jest rwna 0. Pokaemy, e W jest podprzestrzeni R . Jak
wiemy dla dowolnych cigw (an ), (bn ) i dowolnej liczby t mamy
lim (an + bn ) = lim an + lim bn ,
lim tan = t lim an .
Wemy dowolne cigi (an ), (bn ) nalece do W , czyli takie ktrych granica jest
rwna 0. Wwczas granica sumy tych cigw to
lim (an + bn ) = lim an + lim bn = 0,
a granica iloczynu cigu (an ) i dowolnej liczby t wynosi

lim tan = t lim an = t 0 = 0.
Tak wic zarwno (an + bn ) jak i t(an ) nale do W , std

W < R .
(3) Podprzestrzeni przestrzeni Mnm jest podzbir W , zoony z macierzy rozmiaru n m, w ktrych pierwsza kolumna jest zerowa.
(4) Podprzestrzeni przestrzeni C[0, 1] jest podzbir W skadajcy si z funkcji

cigych na odcinku [0, 1], ktrych warto w punkcie 0 jest rwna 0.
wiczenie. Sprawdzenie, e wystpujce w przykadach 3 i 4 podzbiory s rzeczywicie podprzestrzeniami podanych przestrzeni, pozostawimy do wykonania czytelnikowi.
19.3
Podprzestrzenie generowane przez ukad wektorw.
Niech V bdzie przestrzeni wektorow , a v1 , v2 , . . . , vk bd wektorami z tej

przestrzeni. Rozwamy zbir skadajcy si z wszystkich wektorw bdcych kombinacj liniow wektorw v1 , v2 , . . . , vk . Zbir taki bdziemy oznacza Lin{v1 , v2 , . . . , vk },
tak wic
Lin{v1 , v2 , . . . , vk } = {t1 v1 + t2 v2 + . . . + tk vk : t1 , t2 , . . . , tk R}.
Fakt 19.3.1. Zbir Lin{v1 , v2 , . . . , vk } jest podprzestrzeni wektorow przestrzeni
V.
Dowd. Sprawdmy czy suma dwch wektorw z tego zbioru rwnie do niego
naley. Wemy t1 v1 + t2 v2 + . . . + tk vk , s1 v1 + s2 v2 + . . . + sk vk Lin{v1 , v2 , . . . , vk }.
Wwczas ich suma
(t1 v1 +t2 v2 +. . .+tk vk )+(s1 v1 +s2 v2 +. . .+sk vk ) = (t1 +s1 )v1 +(t2 +s2 )v2 . . .+(tk +sk )vk
189
rwnie jest kombinacj liniow wektorw v1 , v2 , . . . , vk a wic jest wektorem z

Lin{v1 , v2 , . . . , vk }. Sprawdmy jeszcze, czy wynik iloczynu rwnie naley do tego
zbioru.
t (t1 v1 + t2 v2 + . . . + tk vk ) = (tt1 )v1 + (tt2 )v2 . . . + (ttk )vk
a wic rwnie jest wektorem z Lin{v1 , v2 , . . . , vk }. Zgodnie z Definicj 19.2.1 zbir
Lin{v1 , v2 , . . . , vk } jest podprzestrzeni przestrzeni V .
"
Uwaga 19.3.2 (podprzestrze generowana). Przestrze Lin{v1 , v2 , . . . , vk } jest

najmniejsz podprzestrzeni V , do ktrej nale v1 , v2 , . . . , vk . Nazywamy j podprzestrzeni generowan przez wektory v1 , v2 , . . . , vk . Czasem mwimy te, e przestrze Lin{v1 , v2 , . . . , vk } jest rozpinana przez wektory v1 , v2 , . . . , vk .
Przykad.
(1) Wemy przestrze V = R3 i wektory v1 = [1, 0, 0], v2 = [0, 1, 0] z tej przestrzeni. Przestrze Lin{v1 , v2 } generowana przez te wektory to
Lin{v1 , v2 } = {t1 v1 + t2 v2 : t1 , t2 R} = {[t1 , t2 , 0] : t1 , t2 R},
jest to zatem paszczyzna Oxy .
(2) Niech V bdzie przestrzeni funkcji cigych okrelonych na zbiorze liczb
rzeczywistych, czyli V = C(R). Wemy wektory z tej przestrzeni f1 (x) =
1, f2 (x) = x, f3 (x) = x2 wwczas podprzestrze generowana przez te wektory
to
Lin{f1 , f2 , f3 } = {a1 + a2 x + a3 x2 : a1 , a2 , a3 R},
jest to zatem przestrze zoona z wszystkich wielomianw stopnia co najwyej
drugiego.
(3) Niech V bdzie dowoln przestrzeni Rn , natomiast v niezerowym wektorem
z tej przestrzeni. Wwczas podprzestrze generowana przez ten wektor skada
si z wektorw bdcych wielokrotnociami v, jest to zatem prosta wzdu tego
wektora
Lin{v} = {tv : t R}.
Uwaga 19.3.3. Zauwamy, e podprzestrzeni generowan przez zbir pusty jest
Lin() = {0}.
19.4
Abstrakcyjna liniowa niezaleno.
W przestrzeniach wektorowych, podobnie jak w przestrzeniach Rn moemy

okreli liniow niezaleno wektorw.
190
Definicja 19.4.1 (liniowa niezaleno wektorw). Ukad v1 , v2 , . . . , vk wektorw z przestrzeni V jest liniowo niezaleny, jeli
v1 =
6 O
v2
/ Lin{v1 }
v3
/ Lin{v1 , v2 }
..
.
vk
/ Lin{v1 , v2 , . . . , vk1 }
"
W przeciwnym wypadku mwimy, e ukad v1 , v2 , . . . , vk jest liniowo zaleny.

Przykad. Ukad zoony z funkcji 1, x, x2 , x3 z przestrzeni R3 [x] wielomianw
zmiennej x stopnia co najwyej trzeciego, jest liniowo niezaleny. Zauwamy bowiem,
e
1 6= 0.
Przestrze Lin{1} = {t : t R} jest to zbir zoony z funkcji staych. Mamy
zatem
x
/ Lin{1}.
Przestrze Lin{1, x} = {t1 x+t0 : t1 , t0 R} jest to zbir funkcji liniowych zmiennej
x (t1 , t2 to wspczynniki rwnania funkcji), tak wic
x2
/ Lin{1, x}.
Przestrze Lin{1, x, x2 } = {t2 x2 + t1 x + t0 : t0 , t1 , t2 R} jest zbiorem zoonym z
wielomianw stopnia co najwyej drugiego, wic
x3
/ Lin{1, x, x2 }.
Zgodnie z Definicj 19.4.1 ukad 1, x, x2 , x3 jest zatem liniowo niezaleny.
Taki sposb sprawdzania liniowej niezalenoci wektorw jest bardzo uciliwy.
Poniej przedstawimy lemat, ktry okae si by atwiejsz metod sprawdzania liniowej niezalenoci. Lemat ten przyjmuje analogiczn posta jak kryteria sprawdzania liniowej niezalenoci w przypadku przestrzeni Rn .
Lemat 19.4.2. Ukad v1 , v2 , . . . , vk jest liniowo niezaleny wtedy i tylko wtedy gdy
jedyna kombinacja liniowa wektorw v1 , v2 , . . . , vk dajca wektor O , to kombinacja

ze wszystkimi wspczynnikami zerowymi, co symbolicznie moemy zapisa
t1 v1 + t2 v2 + . . . + tk vk = 0 t1 = t2 = = tk = 0.
Dowd. Zamy, e wektory v1 , v2 , . . . , vk tworz ukad liniowo niezaleny. Pokaemy, e wwczas jedyna kombinacja liniowa tych wektorw dajca wektor zerowy,
to kombinacja ze wszystkimi wspczynnikami zerowymi. Zamy nie wprost, e
t1 v1 + t2 v2 + . . . + tk vk = 0 i jeden ze wspczynnikw, np. t1 jest niezerowy. Wwczas
mamy
t1 v1 = t2 v2 t3 v3 . . . tk vk ,
191
co po obustronnym podzieleniu przez t1 daje

t2
t3
tk
v1 = v2 v3 . . . vk .
t1
t1
t1
Z powyszej rwnoci wynika, e v1 jest kombinacj liniow wektorw v2 , v3 . . . , vk ,
naley wic do zbioru Lin{v2 , v3 , . . . , vk }, co przeczy zaoeniu o liniowej niezalenoci wektorw v1 , v2 , . . . , vk .
Dowiedziemy teraz przeciwnej implikacji. Zamy, e jedyn kombinacj liniow
wektorw v1 , v2 , . . . , vk dajc wektor zerowy jest kombinacja trywialna. Pokaemy,
e wwczas wektory v1 , v2 , . . . , vk s liniowo niezalene. Gdyby wektory v1 , v2 , . . . , vk
byy liniowo zalene, czyli np. v1 Lin{v2 , v3 , . . . , vk }, a tym samym
vk = t1 v1 + t2 v2 + . . . + tk1 vk1 ,
wwczas mielibymy
t1 v1 t2 v2 . . . tk1 vk1 + 1 vk = O
co przeczy zaoeniu o trywialnoci kombinacji dajcej wektor zerowy.
"
Przekonajmy si, e taki sposb sprawdzania liniowej niezalenoci rzeczywicie

jest duo szybszy.
Przykad. Rozwamy ten sam ukad, co w poprzednim przykadzie, a zatem ukad
zoony z funkcji 1, x, x2 , x3 . Wemy kombinacj tych funkcji dajc zero
t1 1 + t2 x + t3 x2 + t4 x3 = 0.
Zauwamy, e 0 moemy zapisa jako kombinacj liniow wektorw 1, x, x2 , x3 ,
otrzymujemy
0 1 + 0 x + 0 x2 + 0 x3 .
Szukamy zatem takich t1 , t2 , t3 , t4 , aby
t1 1 + t2 x + t3 x2 + t4 x3 = 0 1 + 0 x + 0 x2 + 0 x3 .
Wiemy, e wielomiany s rwne, gdy maj rwne wspczynniki przy tych samych
potgach, wic
t1 = t2 = t3 = t4 = 0,
co zgodnie z powyszym lematem daje nam liniow niezaleno wektorw funkcji
1, x, x2 , x3 .
W Definicji 19.4.1 sprawdzalimy liniow niezaleno wektorw przez sprawdzanie, czy kolejne wektory nale do generowanych przez poprzednie podprzestrzeni,
mona wic byo sdzi, e przy badaniu liniowej niezalenoci istotna jest kolejno
w jakiej ustawiamy wektory. Na mocy powyszego Lematu moemy stwierdzi, e
kolejno ta nie ma wpywu na liniow zaleno lub niezaleno wektorw.
Wniosek 19.4.3. Liniowa niezaleno nie zaley od kolejnoci ustawienia wektorw w ukadzie.
192
Lemat 19.4.4 (o jednoznacznoci rozkadu). Jeli v1 , v2 , . . . , vk jest ukadem

liniowo niezalenym, to kady wektor v z przestrzeni generowanej przez te wektory,
czyli z przestrzeni Lin{v1 , v2 , . . . , vk }, przedstawia si jako kombinacja liniowa wektorw v1 , v2 , . . . , vk w sposb jednoznaczny.
Dowd. Skoro v Lin{v1 , v2 , . . . , vk } to v = t1 v1 + t2 v2 + . . . + tk vk , dla pewnych
wspczynnikw t1 , t2 , . . . tk . Pokaemy, e przedstawienie takie jest jedyne. Zamy,
e istnieje drugie przedstawienie v = s1 v1 + s2 v2 + . . . + sk vk . A zatem
t1 v1 + t2 v2 + . . . + tk vk = s1 v1 + s2 v2 + . . . + sk vk .
Po przeksztaceniu tej rwnoci otrzymujemy
(t1 s1 )v1 + (t2 s2 )v2 + . . . + (tk sk )vk = 0.
Wiemy, e wektory v1 , v2 , . . . , vk s liniowo niezalene tak wic, zgodnie z Lematem
19.4.2
t1 s1 = t2 s2 = = tk sk = 0,
a std mamy
t1 = s1 , t2 = s2 , . . . , tk = sk .
Rozkady te s wic takie same, co koczy dowd.
Rozdzia 20
Baza i wymiar przestrzeni
wektorowej
W przestrzeniach R2 i R3 okrelilimy, czym jest ukad wsprzdnych, poznalimy rwnie pojcie wersorw w ukadzie. W tym rozdziale podamy definicj
obiektu, ktry bdzie dla przestrzeni wektorowej peni rol podobn do roli zbioru
wersorw ukadu wsprzdnych. Obiektem tym bdzie baza przestrzeni wektorowej.
Umoliwi nam ona wprowadzenie wsprzdnych dla wektorw z danej przestrzeni.
W dalszej czci poznamy pojcie wymiaru przestrzeni.
20.1
Baza przestrzeni wektorowej.
Definicja 20.1.1 (baza przestrzeni wektorowej). Baz (skoczon) przestrzeni

wektorowej nazywamy kady ukad wektorw v1 , v2 , . . . , vk z tej przestrzeni taki, e
(1) ukad ten generuje przestrze V tzn. V = Lin{v1 , v2 , . . . , vk },
"
(2) ukad ten jest liniowo niezaleny.

Przykad.
(1) Dla przestrzeni V = R3 baz jest zbir zoony z wektorw v1 = [1, 0, 0], v2 =
[0, 1, 0], v3 = [0, 0, 1]. Zauwamy bowiem, e
Lin{v1 , v2 , v3 } = {t1 v1 + t2 v2 + t3 v3 : t1 , t2 , t3 R} =
= {t1 [1, 0, 0] + t2 [0, 1, 0] + t3 [0, 0, 1]} = {[t1 , t2 , t3 ] : t1 , t2 , t3 R} = R3 .
Jak nietrudno sprawdzi ukad ten jest liniowo niezaleny. Zatem v1 , v2 , v3
tworz baz przestrzeni R3 .
(2) Niech V = R3 [x], czyli V jest przestrzeni wielomianw stopnia mniejszego lub
rwnego trzy o wspczynnikach rzeczywistych. Wemy teraz zbir zoony z
wielomianw
v0 = 1, v1 = x, v2 = x2 , v3 = x3 .
Ukad ten generuje ca przestrze V gdy
Lin{v0 , v1 , v2 , v3 } = Lin{1, x, x2 , x3 } =
193
Rozdzia 20. Baza i wymiar przestrzeni wektorowej
194
= {a0 + a1 x + a2 x2 + a3 x3 : a0 , a1 , a2 , a3 R3 } = R3 [x] = V.
Wiemy rwnie, e ukad ten jest liniowo niezaleny - sprawdzilimy to w
poprzednim rozdziale. Tak wic ukad zoony z wektorw 1, x, x2 , x3 jest baz
przestrzeni V .
20.2
Wsprzdne wektorw w ustalonej bazie.
Dziki wprowadzonemu w poprzednim podrozdziale pojciu bazy przestrzeni

wektorowej, moemy kady wektor tej przestrzeni jednoznacznie przedstawi przy
uyciu jego wsprzdnych.
Rozwamy przestrze V , ktrej baz stanowi wektory v1 , v2 , . . . , vk . Wemy
dowolny wektor a z tej przestrzeni. Poniewa V = Lin{v1 , v2 , . . . , vk }, to wektor
a moemy przedstawi w postaci kombinacji liniowej wektorw v1 , v2 , . . . , vk tzn.
a = a1 v1 + a2 v2 + . . . + ak vk , dla pewnych a1 , a2 , . . . , ak R. Z definicji bazy wynika
rwnie, e wektory v1 , v2 , . . . , vk s liniowo niezalene a wic, na mocy Lematu 19.4.4
przedstawienie wektora a w postaci kombinacji liniowej wektorw v1 , v2 , . . . , vk jest
jednoznaczne.
Definicja 20.2.1 (wsprzdne wektora). Wspczynniki a1 , a2 , . . . , ak kombinacji liniowej przedstawionej powyej, nazywamy wsprzdnymi wektora a w bazie
v1 , v2 , . . . , vk .
Uwaga 20.2.2. W ustalonej bazie wsprzdne kadego wektora s jednoznacznie
okrelone.
Oznaczenie. Wsprzdne wektora a bdziemy najczciej zapisywa wierszowo
tzn. a = [a1 , a2 , . . . , ak ].
Okrelimy teraz jak wyraaj si dziaania na wektorach przy uyciu wsprzdnych w ustalonej bazie v1 , v2 , . . . , vk .
Wasno 20.2.3. Rozwamy wektory

a = [a1 , a2 , . . . , ak ], b = [b1 , b2 , . . . , bk ].
Suma tych wektorw, okrelona w tej samej bazie, ma wsprzdne
a + b = (a1 v1 + a2 v2 + . . . + ak vk ) + (b1 v1 + b2 v2 + . . . + bk vk ) =
= (a1 + b1 )v1 + (a2 + b2 )v2 + . . . + (ak + bk )vk = [a1 + b1 , a2 + b2 , . . . , ak + bk ].
Wasno 20.2.4. Dla wektora

a = [a1 , a2 , . . . , ak ] i liczby rzeczywistej t, wsprzdne wektora bdcego ich iloczynem wyraaj si, w tej samej bazie, jako
t
a = t(a1 v1 +a2 v2 +. . .+ak vk ) = (ta1 )v1 +(ta2 )v2 +. . .+(tak )vk = [ta1 , ta2 , . . . , tak ].
Moemy zatem stwierdzi, e dziaania na wektorach wyraaj si we wsprzdnych w ustalonej bazie tak samo, jak dla wektorw z Rn .
20.3
195
Znajdowanie bazy przestrzeni wektorowej.
W tym rozdziale zajmiemy si problemem istnienia bazy dla danej przestrzeni

wektorowej. Sprawdzimy rwnie, czy baza taka jest wyznaczona jednoznacznie.
Pokaemy sposb na wyznaczanie bazy dla danej przestrzeni wektorowej.
Definicja 20.3.1 (przestrze skoczenie wymiarowa). Przestrze wektorowa
V jest skoczenie wymiarowa, jeli jest generowana przez skoczony ukad wektorw, czyli V = Lin{v1 , v2 , . . . , vk }, dla pewnego skoczonego ukadu wektorw
v1 , v2 , . . . , vk .
Twierdzenie 20.3.2. Kada skoczenie wymiarowa przestrze wektorowa ma baz.
Rozumowanie przedstawione w dowodzie tego twierdzenia bdzie bardzo czsto
pojawia si przy dalszym badaniu przestrzeni wektorowych. Zawiera ono procedur,
dziki ktrej bdziemy w stanie wyznaczy baz danej przestrzeni.
Dowd. Niech v1 , v2 , . . . , vk bdzie ukadem wektorw generujcych przestrze V .
Ukad ten moe by liniowo niezaleny i wtedy stanowi baz tej przestrzeni. Na og
jednak bdzie liniowo zaleny. W takiej sytuacji baz otrzymamy przez usunicie z
tego ukadu zbdnych wektorw.
PROCEDURA USUWANIA ZBDNYCH WEKTORW:
Krok (1). Jeli pierwszy wektor v1 jest zerowy, to usuwamy go. Pozostae wektory dalej generuj V , bo pierwszy wektor nic nie wnosi do kombinacji liniowej.
Powtarzamy Krok (1) tak dugo, a pierwszy wektor bdzie niezerowy. Po kadym
usuniciu wektora, w ktrymkolwiek kroku procedury, od nowa numerujemy pozostae wektory jako (v1 , v2 , . . .).
Krok (2). Jeli pierwszy wektor v1 jest ju niezerowy, to patrzymy na drugi wektor v2 . Jeli v2 = t v1 , to usuwamy v2 , pamitajc o przenumerowaniu wektorw.
Zauwamy, e pozostae wektory nadal generuj przestrze V , bo jeli

a = a1 v1 +
a2 v2 + a3 v3 + . . . + ak vk , to
a = a1 v1 + a2 tv1 + a3 v3 + . . . + ak vk = (a1 + ta2 )v1 + a3 v3 + . . . + ak vk .

Powtarzamy Krok (2) tak dugo a v2
/ Lin{v1 }.
Krok oglny. Jeli po wykonaniu poprzednich krokw mamy ukad, w ktrym
v1 =
6 O
v2
/ Lin{v1 }
..
.
vm
/ Lin{v1 , v2 , . . . , vm1 }
to patrzymy na wektor vm+1 . Jeli vm+1
/ Lin{v1 , v2 , . . . , vm }, to zostawiamy go.
Jeli vm+1 Lin{v1 , v2 , . . . , vm }, to usuwamy go. W tym drugim przypadku moemy
196
zauway, e pozostae wektory dalej generuj ca przestrze, bo kada kombinacja

a1 v1 + . . . + am vm + am+1 vm+1 . . . + ak vk moe te by zapisana jako
a1 v1 + . . . + am vm + am+1 (t1 v1 + . . . + tm vm ) + am+2 vm+2 + . . . + ak vk =
(a1 + am+1 t1 )v1 + . . . + (am + am+1 tm )vm + am+2 vm+2 + . . . + ak vk .
Jak wida jest to kombinacja wektorw v1 , . . . , vm , vm+2 , . . . , vk . Oglny krok wykonujemy tak dugo, a uzyskamy ukad v1 , v2 , . . . , vk w dalszym cigu generujcy V i
taki, e
v1 6= O
v2
/ Lin{v1 }
..
.
vk
/ Lin{v1 , . . . , vk1 }
"
czyli liniowo niezaleny. Zauwamy, e indeks k wystpujcy przy ostatnim z tych

wektorw nie jest tym samym indeksem k, ktry mielimy na pocztku rozwaa.
Wektorw tych jest mniej ni na pocztku, jednak dla zachowania czytelnoci zapisu
indeksy pozostay niezmienione.
Tak uzyskany ukad wektorw generuje przestrze V i jest liniowo niezaleny, wic
jest baz przestrzeni V .
Przykad. Sprawdmy dziaanie tej procedury na przykadzie. Niech nasz przestrzeni V bdzie przestrze R3 a ukadem generujcym t przestrze jest
0
2
3
1
1
1
v1 = 2 , v 2 = 0 , v 3 = 4 , v 4 = 1 , v 5 = 5 , v 6 = 0 .
0
2
2
0
1
1
Sprawdzenie, e ukad ten rzeczywicie generuje przestrze R3 pominiemy. W pier
wszym kroku sprawdzamy czy v1 6= O . W tym wypadku tak jest,

wic
przechodzimy
0
1
do Kroku (2). Sprawdzamy czy v2 = tv1 . Zauwamy, e v2 = 0 = 0 2 =

0
1
0 v1 . Moemy zatem usun wektor v2 . Nasz ukad wektorw to teraz
1
2
3
1
1
v
1 = 2 , v2 = 4 , v3 = 1 , v4 = 5 , v5 = 0 .
1
2
2
0
1
Powtarzamy procedur z Kroku (2). Zauwamy, e
2
1
v2 = 4 = 2 2 = 2 v1
2
1
usuwamy zatem v2 . Otrzymujemy zestaw wektorw
1
3
1
1
v1 = 2 , v2 = 1 , v3 = 5 , v4 = 0
.
1
2
0
1
197
Jeszcze raz sprawdzamy Krok (2). Tym razem v2 6= tv1 . Tak wic zostawiamy v2 .
Sprawdzamy czy v3 Lin{v1 , v2 }. Zauwamy, e
1
1
3

v3 = 5 = 2 2 + 1
= 2v1 + v2 ,
0
1
2
tak wic v3 Lin{v1 , v2 }, zatem go usuwamy. Nasz ukad to teraz
1
3
1
v1 = 2 , v2 = 1 , v3 = 0
.
1
2
1
Sprawdmy, czy v3 Lin{v1 , v2 }. Jak nietrudno si przekona v3
/ Lin{v1 , v2 }.
Moemy to zrobi np. poprzez policzenie wyznacznika

1 3 1

1 0 = 12.
2

1 2 1
Wyznacznik tej macierzy jest niezerowy, wic wektory v1 , v2 , v3 s liniowo niezalene.

Mamy wic
v1 6= O
.
v2
/ Lin{v1 }
v3
/ Lin{v1 , v2 }
Ukad zoony z wektorw v1 , v2 , v3 jest zatem baz przestrzeni R3 .
Procedura opisana w dowodzie Twierdzenia 20.3.2 pozwoli nam uzasadni rozmaite dalsze wasnoci. Jedn z nich jest nastpujcy wniosek.
Wniosek 20.3.3. Kady liniowo niezaleny ukad e1 , . . . , ep wektorw skoczenie
wymiarowej przestrzeni V mona uzupeni wektorami ep+1 , . . . , ek do bazy przestrzeni V .
Dowd. Przestrze V jest skoczenie wymiarowa, wic zgodnie z Twierdzeniem
20.3.2 posiada baz. Niech baz t bdzie ukad v1 , v2 , . . . , vk . Mamy wwczas V =
Lin{v1 , v2 , . . . , vk } zatem tym bardziej V = Lin{e1 , e2 , . . . , ep , v1 , . . . , vk }. Moemy
teraz zastosowa procedur usuwania wektorw do ukadu e1 , e2 , . . . , ep , v1 , . . . , vk .
Zauwamy, e skoro wektory e1 , . . . , ep s liniowo niezalene, co oznacza, e e1 6=
O , e2
/ Lin{e1 }, . . . , ep
/ Lin{e1 , . . . , ep1 }, to aden z tych wektorw nie zostanie
usunity z ukadu. Usunite bd dopiero pewne spord wektorw v1 , v2 , . . . , vk . Te
ktre pozostan, razem z wektorami e1 , . . . , ep , utworz baz.
Powyszy wniosek oznacza midzy innymi, e w danej przestrzeni wektorowej
jest duo baz. Zauwamy, e na pierwszy wektor bazy moemy wybra dowolny niezerowy wektor. Na wybr drugiego wektora rwnie mamy wiele moliwoci, wystarczy
aby nie by on wspliniowy z pierwszym. Podobnie moemy wybiera kolejne wektory. Na podstawie powyszego wniosku stwierdzamy, e jest to wykonalne. Tak
wic pokazalimy, e rzeczywicie baz danej przestrzeni moemy wybra na wiele
rnych sposobw.
20.4
198
Wymiar przestrzeni wektorowej.
W poprzednim podrozdziale pokazalimy, e przestrze wektorowa moe mie

wiele baz, w tym pokaemy, e wszystkie te bazy skadaj si z takiej samej liczby
wektorw. T liczb nazywamy wymiarem przestrzeni i wanie nim zajmiemy si w
tym podrozdziale.
Twierdzenie 20.4.1. Jeli e1 , . . . , en jest baz przestrzeni V za v1 , v2 , . . . , vk jest
dowolnym liniowo niezalenym ukadem, to k n.
Dowd tego twierdzenia pomijamy.
Na mocy tego twierdzenia moemy wyprowadzi bardzo uyteczny wniosek.
Wniosek 20.4.2. Dowolne dwie bazy skoczenie wymiarowej przestrzeni V s rwnoliczne.
Dowd. Niech e1 , e2 , . . . , en i f1 , f2 , . . . , fm bd bazami przestrzeni V . Poniewa
ukad f1 , f2 , . . . , fm jest liniowo niezaleny, wic z Twierdzenia 20.4.1 mamy m
n. Podobnie wiemy, e ukad e1 , e2 , . . . , en jest liniowo niezaleny, std n m.
Ostatecznie otrzymujemy wic n = m.
Definicja 20.4.3 (wymiar przestrzeni liniowej). Wymiarem (skoczenie wymiarowej) przestrzeni V nazywamy liczb n bdc liczb wektorw w dowolnej
bazie tej przestrzeni.
"
Oznaczenie. Wymiar przestrzeni V oznacza bdziemy symbolem dimV .

Przykad.
(1) dimR3 = 3 (patrz Przykad (1) w podrozdziale 20.1)
(2) dimRn = n (bo, jak wiemy, ukad n wektorw jest baz)
(3) dimR3 [X] = 4 ( patrz Przykad (2) w podrozdziale 20.1)
Wniosek 20.4.4. Jeli W jest podprzestrzeni skoczenie wymiarowej przestrzeni
V , to W te jest skoczenie wymiarowa, i ponadto
dimW dimV.
Dowd. Niech wymiar przestrzeni V bdzie rwny n (dimV = n). Z podprzestrzeni
W wybieramy kolejno wektory w1 , w2 , . . . w taki sposb, e
w1 =
6 O
w2
/ Lin{w1 }
..
.
wk
/ Lin{w1 , w2 , . . . , wk1 }
Zauwamy, e to dobieranie musi si skoczy po k krokach, dla pewnego k n,
bo w1 , w2 , . . . , wk s liniowo niezalene zatem nie moe ich by wicej ni wynosi
199
wymiar przestrzeni V . Tak wybrany ukad w1 , w2 , . . . , wk jest baz podprzestrzeni

W , gdy jest liniowo niezaleny i generuje W . Gdyby ten ukad nie generowa W ,
to zgodnie z Wnioskiem 20.3.3 daoby si dobra inne wektory liniowo niezalene z
pozostaymi. Otrzymujemy zatem
dimW = k n = dimV.
Wniosek 20.4.5. Jeli V jest skoczenie wymiarow przestrzeni wektorow, za

W jej podprzestrzeni, to kad baz podprzestrzeni W mona uzupeni do bazy
caej przestrzeni V .
Dowd. Niech w1 , w2 , . . . , wk bdzie baz podprzestrzeni W . Jako baza W ukad
ten jest liniowo niezaleny wic, zgodnie z Wnioskiem 20.3.3 mona go uzupeni do
bazy przestrzeni V .
Rozdzia 21
Teoria minorw
Rozdzia ten powicimy na wprowadzenie bardzo uytecznej teorii, zwanej
teori minorw. Na pocztek, zanim zdefiniujemy pojcie minora, nauczymy si
sprawdza przy jego uyciu liniow niezaleno, oraz bada wymiar podprzestrzeni
generowanej przez ukad wektorw. W kolejnym podrozdziale zdefiniujemy, czym
s minory, wprowadzimy te bardzo wane pojcie, ktre czsto bdziemy wykorzystywa w dalszej czci tego rozdziau - pojcie rzdu macierzy. W ostatnim
podrozdziale pokaemy najwaniejsze zastosowanie teorii minorw, a mianowicie
wykorzystywanie ich do rozwizywania ukadw rwna.
21.1
Wyznacznik a liniowa niezaleno.
Jak ju mielimy okazj si przekona, rozpoznawanie liniowej niezalenoci

zbioru wektorw wprost z definicji, bywa bardzo pracochonne. W przypadku przestrzeni R3 do badania liniowej niezalenoci uywalimy wyznacznika macierzy. Metoda ta moe by rwnie dobrze wykorzystywana w przypadku dowolnej przestrzeni
Rn .
Niech v1 , v2 , . . . , vk bd wektorami z przestrzeni Rn , przy czym k niekoniecznie
jest rwne n. Moemy z tych wektorw utworzy macierz (v1 , v2 , . . . , vk ) rozmiaru
n k, poprzez wpisanie wsprzdnych tych wektorw w kolejne kolumny macierzy.
Rozwamy trzy przypadki.
(1) Gdy k = n wektory v1 , v2 , . . . , vk s liniowo niezalene wtedy i tylko wtedy
gdy wyznacznik det(v1 , v2 , . . . , vk ) jest niezerowy, co wiemy z Lematu 19.4.2.
(2) Gdy k > n ukad jest liniowo zaleny, gdy wymiar przestrzeni dimRn = n,
a jak wiemy ukady liniowo niezalene nie mog skada si z wikszej liczby
wektorw, ni wynosi wymiar przestrzeni.
(3) Gdy k < n, tzn. wektorw jest mniej ni wynosi wymiar przestrzeni, to macierz
utworzona z tych wektorw (v1 , v2 , . . . , vk ), ma rozmiar n k, wic nie jest
macierz kwadratow, w zwizku z czym nie posiada wyznacznika. Metoda
rozpoznawania liniowej niezalenoci takiego ukadu wektorw podana zostaa
w poniszym twierdzeniu.
200
201
Rozdzia 21. Teoria minorw
Twierdzenie 21.1.1. Ukad zoony z wektorw v1 , v2 , . . . , vk jest liniowo

niezaleny wtedy i tylko wtedy gdy przynajmniej jedna z macierzy rozmiaru
k k utworzona z macierzy (v1 , v2 , . . . , vk ) przez skrelenie n k wierszy, ma
niezerowy wyznacznik.
Zanim udowodnimy to twierdzenie zobaczmy jego dziaanie na przykadzie.
"
3
1
2
1
,v =
Przykad. Rozwamy wektory v1 =
4 2
7
0
5
4
z przestrzeni R . Macierz utworzona z tych wektorw to
(v1 , v2 , v3 ) =
3
1
8
2 1 1
4
7 2
0
5 3
, v3 =
8
1
2
3
Policzmy wyznacznik macierzy powstaej z powyszej, przez wykrelenie pierwszego wiersza.
2 1 1
7 2
det
4
= 10 6= 0.
0
5 3
Wyznacznik ten jest niezerowy, wic zgodnie z powyszym twierdzeniem, wektory v1 , v2 , v3 s liniowo niezalene.
Dowd Twierdzenie 21.1.1. Pokaemy, e jeli ktra z macierzy m rozmiaru
k k, powstaa z macierzy (v1 , v2 , . . . , vk ) przez wykrelenie odpowiedniej
liczby wierszy, ma niezerowy wyznacznik, to wektory v1 , v2 , . . . , vk s liniowo
niezalene. Oznaczmy przez v10 , v20 , . . . , vk0 wektory z przestrzeni Rk bdce
kolumnami macierzy m jak wyej o niezerowym wyznaczniku. Kady z wektorw vi0 powstaje z vi przez usunicie n k odpowiednich wsprzdnych.
Mamy uzasadni, e ukad v1 , v2 , . . . , vk jest liniowo niezaleny, czyli
t1 v1 + t2 v2 + . . . + tk vk = O tylko wtedy gdy t1 = t2 = . . . = tk = 0.

Skoro wyznacznik det(v10 , v20 , . . . , vk0 ) 6= 0, wic v10 , v20 , . . . , vk0 s liniowo niezalene, co oznacza, e jedyna kombinacja liniowa tych wektorw dajca wektor
zerowy
t1 v10 + t2 v20 + . . . + tk vk0 = O ,

to kombinacja trywialna, czyli taka w ktrej
t1 = t2 = . . . = tk = 0.
Jak nietrudno si przekona wwczas rwnie
t1 v1 + t2 v2 + . . . + tk vk = O .
202
Zauwamy, e s to jedyne wartoci wspczynnikw, dla ktrych t1 v1 + t2 v2 +
. . . + tk vk = O , bo jeli ta kombinacja jest zerowa to rwnie t1 v10 + t2 v20 +
. . . + tk vk0 = O , a jak wiemy ten drugi warunek zachodzi tylko wtedy gdy
t1 = t2 = . . . = tk = 0. Wektory v1 , v2 , . . . , vk s zatem liniowo niezalene.
Dowd implikacji przeciwnej jest bardziej zoony i w tym skrypcie go pomijamy.
21.2
Wymiar podprzestrzeni generowanej przez

ukad wektorw.
Majc dany ukad wektorw z Rn moemy zastanawia si, jak podprzestrze

generuje ten ukad. W podrozdziale tym okrelimy jedn z cech, ktra charakteryzuje tak podprzestrze - jej wymiar. Rozwamy ukad, niekoniecznie liniowo
niezalenych wektorw v1 , v2 , . . . , vm z przestrzeni Rn .
Fakt 21.2.1. Wymiar przestrzeni generowanej przez wektory v1 , v2 , . . . , vm Rn ,
czyli dim(Lin{v1 , v2 , . . . , vm }), jest rwny maksymalnej liczbie liniowo niezalenych
wektorw spord v1 , v2 , . . . , vm .
Dowd. Rozwamy baz podprzestrzeni Lin{v1 , v2 , . . . , vk } uzyskan przez usunicie czci wektorw z v1 , v2 , . . . , vm generujcych t podprzestrze. Baza ta jest
liniowo niezalena, a jak wiemy kady inny zbir wektorw liniowo niezalenych
nie moe by liczniejszy ni baza. Tak wic baza ta realizuje maksimum liczby liniowo niezalenych wektorw spord v1 , v2 , . . . , vm , a liczba wektorw w tej bazie
to dim(Lin{v1 , v2 , . . . , vm }).
Fakt 21.2.2. Wymiar podprzestrzeni Lin{v1 , v2 , . . . , vm } to maksymalny rozmiar k
macierzy k k o niezerowym wyznaczniku, utworzonej z macierzy (v1 , v2 , . . . , vm )
przez skrelenie odpowiedniej liczby kolumn oraz wierszy.
Dowd. Jeeli wymiar podprzestrzeni Lin{v1 , v2 , . . . , vm } wynosi k, to jak wynika
z Faktu 21.2.1 znajdziemy k liniowo niezalenych wektorw spord v1 , v2 , . . . , vm .
Wwczas jak wiemy z Twierdzenia 21.1.1, istnieje macierz rozmiaru k k utworzona
z macierzy (v1 , v2 , . . . , vm ) przez skrelenie odpowiedniej liczby kolumn oraz wierszy,
ktrej wyznacznik jest niezerowy. Gdyby istniaa macierz rozmiaru (k + 1) (k + 1)
utworzona z macierzy (v1 , v2 , . . . , vm ), ktrej wyznacznik byby niezerowy, wwczas z
Twierdzenia 21.1.1 mielibymy, e ukad zoony z wektorw tworzcych kolumny tej
macierzy jest liniowo niezaleny. Wtedy na mocy Faktu 21.2.1 mielibymy, e wymiar
podprzestrzni generowanej przez v1 , v2 , . . . , vm wynosi co najmniej (k + 1). Co daje
sprzeczno. Tak wic wymiar podprzestrzeni generowanej przez v1 , v2 , . . . , vm jest
rwny maksymalnemu rozmiarowi macierzy o niezerowym wyznaczniku powstaej z
macierzy (v1 , v2 , . . . , vm ).
21.3
Rzd macierzy - minory.
W tym podrozdziale zdefiniujemy, przy uyciu pojcia minora, czym jest rzd
danej macierzy. Pojcie to okae si bardzo uyteczne w kolejnym podrozdziale przy
203
okrelaniu, czy dany ukad rwna liniowych ma rozwizanie. Podajmy najpierw

definicj minora macierzy.
"
Definicja 21.3.1 (minor macierzy). Niech A bdzie macierz dowolnego rozmiaru. Minorem macierzy A nazywamy wyznacznik dowolnej kwadratowej macierzy
B, utworzonej z A przez wykrelenie pewnej iloci wierszy i kolumn. Macierz B
nazywamy macierz minora. Jeli macierz minora ma rozmiar k k, to liczb k
nazywamy stopniem minora.
Przykad. Rozwamy macierz
1
7
1
0
1
6 5 2 1
A= 3
.
2 4 0 3 1
Jeeli z tej macierzy wykrelimy
" pierwsz,
# trzeci i pit kolumn, oraz drugi wiersz,
7
0
to otrzymamy macierz A0 =
. Wyznacznik tej macierzy to
4 3
"
0
det A = det
7
0
4 3
= 21,
tak wic jeden z minorw stopnia dwa macierzy A jest rwny 21.
"
Uwaga 21.3.2. Jeeli pewien minor macierzy A jest niezerowy, to kolumny (a take
wiersze) tej macierzy, wystpujce w macierzy tego minora s liniowo niezalene. I
na odwrt - jeli pewien ukad kolumn (wierszy) macierzy A jest liniowo niezaleny,
to z tych kolumn (wierszy) mona utworzy macierz niezerowego minora.
Przykad. Rozwamy macierz A z poprzedniego przykadu. Znalelimy niezerowy
minor tej macierzy, zawiera on pierwszy i trzeci wiersz macierzy A, tak wic wiersze
pierwszy i trzeci s liniowo niezalene.
Moemy przy uyciu pojcia minora macierzy sformuowa Fakt 21.2.2. Czytelnikowi
pozostawimy przetumaczenie sformuowania jednego faktu na drugi.
Fakt 21.3.3. Dla macierzy A rozmiaru n m wymiar podprzestrzeni w Rn generowanej przez kolumny macierzy A jest rwny maksymalnemu stopniowi niezerowego
minora macierzy A.
Definicja 21.3.4 (rzd macierzy). Rzdem macierzy C = (C1 , . . . , Cm ), gdzie
Ci Rn , rozmiaru n m nazywamy wymiar dim(Lin{C1 , . . . , Cm }) podprzestrzeni
w Rn generowanej przez kolumny tej macierzy. Rzd macierzy C oznaczamy przez
r(C).
Uwaga 21.3.5.
(1) Rzd r(C) macierzy C jest rwny maksymalnej liczbie liniowo niezalenych
kolumn w macierzy C (wynika to z Faktu 21.2.1).
(2) Rzd r(C) macierzy C jest rwny maksymalnemu stopniowi niezerowego minora macierzy C (wynika to z Faktu 21.3.3).
204
(3) Jeeli macierz C ma rozmiar m n, to r(C) min{m, n} (jest to konsekwencj powyszej wasnoci (2), bo stopie k dowolnego minora spenia
k min(m, n)).
(4) Rzd macierzy C jest rwny rzdowi macierzy do niej transponowanej,
r(C) = r(C T ),
bo jeli M jest macierz niezerowego minora w C, to M T jest macierz analogicznego minora w C T (bo det M T = det M ).
(5) Kada macierz ma tyle samo liniowo niezalenych kolumn co wierszy i ilo ta
odpowiada rzdowi tej macierzy.
Poniej podamy uwagi, ktre oka si by bardzo pomocne, przy obliczaniu
rzdu macierzy. Przykad obliczania rzdu zobaczymy w kolejnym podrozdziale, przy
okazji omawiania sposobu rozwizywania ukadu rwna.
Uwaga 21.3.6.
(1) Rzd macierzy nie zmienia si pod wpywem operacji na wierszach lub kolumnach tej macierzy, takich jak mnoenie wiersza lub kolumny przez niezerow
liczb, dodawania do wiersza (kolumny) wielokrotnoci innego wiersza (kolumny)
czy zamiany kolejnoci wierszy (kolumn).
(2) Kada macierz niezerowego minora zawiera si w macierzy pewnego niezerowego minora maksymalnego stopnia. Niezerowych minorw maksymalnego
stopnia naley wic szuka wrd macierzy okalajcych macierze poprzednio
znalezionych niezerowych minorw.
21.4
Rozwizywanie ukadu rwna metod minorw.
Do tej pory poznalimy dwie metody rozwizywania ukadw rwna. Pierwsza

z nich, metoda eliminacji Gaussa, wprowadzona zostaa w Rozdziale 16, druga, metoda Cramera, w podrozdziale 18.7. T drug metod moglimy jednak stosowa
tylko do ukadw, w ktrych liczba rwna bya taka sama jak liczba rwna,
oraz ktrych wyznacznik gwny by niezerowy. W tym podrozdziale poznamy inn
metod rozwizywania ukadw rwna, ktra czciowo bdzie bazowa na metodzie
Cramera, jednak bdzie mona j stosowa do dowolnych ukadw rwna liniowych.
Na pocztek nauczymy si przy uyciu pojcia rzdu macierzy sprawdza, czy dany
ukad ma rozwizanie. W dalszej czci podrozdziau na przykadzie poznamy algorytm rozwizywania ukadu rwna.
Rozwamy ukad n rwna z m niewiadomymi
a11 x1 + a12 x2 + . . . + a1m xm = b1
a21 x1 + a22 x2 + . . . + a2m xm = b2

(F) ..
an1 x1 + an2 x2 + . . . + anm xm = bn
205
w ktrym niewiadomymi s x1 , x2 , . . . , xm , natomiast aij , bj to wspczynniki tego

ukadu. Ukad ten moemy zapisa wektorowo
x1 A1 + x2 A2 + . . . + xm Am = B,
gdzie Ai =
a1i
a2i
..
.
ani
, B =
b1
b2
..
.
bn
Uwaga 21.4.1. Ukad (F) ma rozwizanie wtedy i tylko wtedy gdy wektor B jest
kombinacj liniow wektorw A1 , A2 , . . . , Am , czyli B Lin{A1 , A2 , . . . , Am }, a to
zachodzi wtedy i tylko wtedy gdy
dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}).
Dowd. Pierwsza rwnowano wynika wprost z wektorowego zapisu ukadu (F).
Udowodnijmy zatem tylko drug rwnowano.
Zauwamy, e jeli B Lin{A1 , A2 , . . . , Am }, to
Lin{A1 , A2 , . . . , Am } = Lin{A1 , A2 , . . . , Am , B},
zatem
dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}),
tym samym mamy udowodnion jedn z implikacji.
Pokamy teraz, e jeli dim(Lin{A1 , A2 , . . . , Am }) = dim(Lin{A1 , A2 , . . . , Am , B}),
to B Lin{A1 , A2 , . . . , Am }.
Niech Ai1 , Ai2 , . . . , Aip bdzie baz Lin{A1 , A2 , . . . , Am }. Wwczas wymiar tej przestrzeni dim(Lin{A1 , A2 , . . . , Am }) = p, a zatem rwnie
dim(Lin{A1 , A2 , . . . , Am , B}) = p.
Ukad zoony z wektorw Ai1 , Ai2 , . . . , Aip jest liniowo niezaleny rwnie w przestrzeni Lin{A1 , A2 , . . . , Am , B}. Poniewa ma tyle wektorw ile wynosi wymiar tej
przestrzeni, wic jest w niej baz. Oznacza to, e B Lin{Ai1 , Ai2 , . . . , Aip }, wic
tym bardziej B Lin{A1 , A2 , . . . , Am }. Co koczy dowd.
Posugujc si pojciem rzdu macierzy moemy przeformuowa powysz uwag.
Oznaczmy A = [A1 , A2 , . . . , Am ], U = [A1 , A2 , . . . , Am , B]. Macierz A nazywa si
macierz gwn, za macierz U macierz rozszerzon ukadu (F).
Twierdzenie 21.4.2 (Kroneckera - Capelliego). Ukad (F) ma rozwizanie
r(A) = r(U ),
czyli gdy rzd macierzy rozszerzonej tego ukadu jest rwny rzdowi macierzy gwnej.
206
"
Przykad. Przy uyciu powyszego twierdzenia sprawdmy, czy ukad
2x 3y = 12
x + 4y = 5
xy =3
ma rozwizanie. Ukad ten moemy wektorowo zapisa w postaci
2
3
12
x 1 + y 4 = 5 .
1
1
3
Zgodnie z wprowadzonymi wczeniej oznaczeniami mamy
2 3
2 3 12
1
4
A=
,
U
=
1 4 5 .
1 1
1 1 3
Policzmy rzdy macierzy A i U . Zauwamy, e kolumny macierzy A s niewspliniowe, wic s liniowo niezalene, std
2 3
r(A) = r 1 4 = 2.
1 1
Macierz U jest macierz kwadratow, moemy zatem obliczy jej wyznacznik
2 3 12
det U = det
1 4 5 = 22,
1 1 3
jak wida wyznacznik ten jest niezerowy, wic kolumny macierzy U s liniowo niezalene, a tym samym
2 3 12
r(U ) = r
1 4 5 = 3.
1 1 3
Otrzymujemy wic
r(A) 6= r(U ),
a wic dany ukad rwna, zgodnie z Twierdzeniem Kroneckera - Capelliego nie ma
rozwizania (jest sprzeczny).
Zanim przejdziemy do rozwizywania danego ukadu musimy najpierw sprawdzi, czy ukad ten ma rozwizanie, tym samym musimy policzy rzdy odpowiednich macierzy. Podamy teraz kilka praktycznych uwag, ktre mog bardzo uatwi
te obliczenia w przypadku macierzy wikszych rozmiarw.
Uwaga 21.4.3. Rzd macierzy nie zmienia si pod wpywem operacji na wierszach i kolumnach macierzy, moemy wic mnoy wiersz lub kolumn przez niezerow liczb, moemy dodawa do wiersza (kolumny) wielokrotno innego wiersza
(kolumny), dopuszczalne s rwnie operacje zamiany kolejnoci wierszy lub kolumn.
207
Uwaga 21.4.4. Jeeli macierz A jest postaci
gdzie pod zaznaczon lini wszystkie wyrazy s zerowe, wyrazy xi s niezerowe, natomiast inne wyrazy znajdujce si nad lini s dowolne, wwczas rzd tej macierzy
wynosi
r(A) = m.
Powysza uwaga wynika z tego, e w macierzy A istnieje niezerowy minor stopnia m. Minorem tym jest lewa grna podmacierz A0 rozmiaru m m, ktra jest
grnotrjktna, i ktrej wyznacznik det A0 = x1 x2 . . .xm jest niezerowy, bo xi 6= 0.
Zauwamy rwnie, e kady minor stopnia wikszego od m jest zerowy, gdy jego
macierz zawiera przynajmniej jeden wiersz zoony z samych zer. Tak wic m jest
maksymalnym stopniem niezerowego minora, a wic jest to rzd macierzy.
Wniosek 21.4.5. Uwagi 21.4.3 i 21.4.4 pozwalaj na bardzo sprawne wyliczenie
rzdu danej macierzy.
"
Uwaga 21.4.6. Niezerowych minorw maksymalnego stopnia wystarczy szuka wrd

macierzy okalajcych macierze poprzednio znalezionych niezerowych minorw.
Przykad. Obliczmy rzd macierzy
1
1
A=
2
0
2
1
3
1
1 1
0 1
.
1 0
1 2
Moemy to zrobi na dwa sposoby.

Sposb I. Szukamy niezerowego minora maksymalnego stopnia. Znajdmy najpierw
minor stopnia jeden. Zauwamy, e
det(1) = 1 6= 0.
Nastpnie szukamy minora stopnia dwa. Na pocztek sprawdmy macierz okalajc
macierz poprzednio znalezionego minora. Mamy
!
1 2
det
= 1 6= 0.
1 1
Znalelimy zatem minor stopnia dwa. Szukamy teraz minora stopnia trzy. Szukamy
!
1 2
maksymalnego niezerowego minora wrd macierzy 33 okalajcych macierz
.
1 1
Macierze takie powstaj poprzez wykrelenie z macierzy A jednej z kolumn 3, 4 i
jednego z wierszy 3, 4. S cztery takie macierze. Na pocztek sprawdmy wyznacznik
208
macierzy powstaej przez wykrelenie z macierzy A czwartej kolumny i czwartego

wiersza. Mamy
1 2 1
det 1 1 0 = 0.
2 3 1
Sprawdmy pozostae macierze. Otrzymujemy
1 2 1
1 2 1
1 2 1
det 1 1 0 = 0 det 1 1 1 = 0 det 1 1 1 = 0.

0 1 1
0 1 2
2 3 0
!
1 2
Na podstawie Uwagi 21.4.6 moemy stwierdzi, e macierz
daje maksymalny
1 1
niezerowy minor, czyli
r(A) = 2.
Sposb II. Moemy wykonywa operacje na wierszach i kolumnach macierzy tak
dugo, a dostaniemy
posta
tak jak macierz w Uwadze 21.4.4. W przypadku
1 2 1 1
1 1 0 1
otrzymujemy kolejno
macierzy A =
2 3 1 0
0 1 1 2
1
1
2
0
2
1
3
1
1 1
1 2
1 1
1 2
1 1
0 1 1 2
0 1 1 2
0 1
.
0 1 1 2
0 0
1 0
0
0
1 2
0 1
1 2
0 0
0
0
W pierwszym przeksztaceniu powyej od wiersza drugiego odjelimy wiersz pierwszy, za od wiersza trzeciego podwojony wiersz pierwszy. W drugim przeksztaceniu od wiersza trzeciego odejmujemy wiersz drugi natomiast do czwartego wiersza
dodajemy drugi. Z ostatecznej postaci moemy wnioskowa, e rzd tej macierzy
r(A) = 2.
Oglny sposb rozwizywanie ukadw rwna metod minorw poznamy na
przykadzie rozwizania ukadu
x1
+ 2x2 + x3 x4
x1 + x2
+ x4
(?)
2x1 + 3x2 + x3
x2 + x3 2x4
=
=
=
=
1
0
1
1
Na pocztek sprawdmy, czy ukad ten ma rozwizanie. W tym celu obliczmy rzdy
macierzy
1 2 1 1
1 2 1 1 1
1 1 0 1
1 1 0 1 0
A=
, U =
.
2 3 1 0
2 3 1 0 1
0 1 1 2
0 1 1 2 1
209
W poprzednim przykadzie obliczylimy rzd macierzy A otrzymalimy
r(A) = 2.
Jako wiczenie pozostawimy czytelnikowi do sprawdzenia, e r(U ) = 2.
Zgodnie z Twierdzeniem 21.4.2 moemy stwierdzi, e podany powyej ukad ma
rozwizanie, bo r(A) = r(U ).
Kiedy ju wiemy, e dany ukad ma rozwizanie, moemy przystpi do wyznaczania go. Rozwizanie ukadu przeprowadzimy w czterech etapach.
ETAPY ROZWIZYWANIA UKADU (?).
Krok 1. Na pocztek znajdujemy macierz niezerowego minora maksymalnego stopnia macierzy gwnej A. Jak ju pokazalimy w poprzednim przykadzie szukan
macierz jest lewa grna podmacierz
!
1 2
.
1 1
Krok 2. Nastpnie z wyjciowego ukadu usuwamy rwnania reprezentowane przez
te wiersze macierzy gwnej, ktre nie nale do macierzy wybranego w Kroku 1
minora. Odrzucone rwnania s zalene od rwna, ktre pozostawiamy, dlatego nie
s potrzebne do znalezienia rozwiza ukadu. W naszym ukadzie usuwamy zatem
rwnanie trzecie i czwarte. Otrzymujemy ukad
(
x1 + 2x2 + x3 x4 = 1
x 1 + x2
+ x4 = 0
Krok 3. Niewiadome z tych kolumn, ktre nie nale do wybranego minora, traktujemy jako parametry i przenosimy je na drug stron rwna. Otrzymujemy
(
x1 + 2x2 = 1 x3 + x4
x1 + x2 = x4
gdzie x1 , x2 traktujemy jako niewiadome, natomiast x3 , x4 jako parametry. Otrzymalimy zatem ukad dwch rwna z dwoma niewiadomymi. Macierz gwn tego
ukadu jest macierz wybranego w kroku pierwszym minora. Macierz ta ma niezerowy wyznacznik, tak wic ukad ten jest ukadem Cramerowskim z parametrami.
Krok 4. Tak zmodyfikowany ukad rwna rozwizujemy metod Cramera. Wyznacznik gwny tego ukadu to
!
1 2
= 1.
W = det
1 1
Pozostae wyznaczniki to
!
Wx1
1 x3 + x4 2
= det
= 1 x3 + x4 + 2x4 = 1 x3 + 3x4 ,
x4
1
!
Wx2
1 1 x3 + x4
= x4 1 + x3 x4 = 1 + x3 2x4 .
= det
1
x4
210
Rozwizaniem naszego ukadu jest zatem

x1
x2
x3
x4
= Wx1 = 1 + x3 3x4
W
= Wx2 = 1 x3 + 2x4
= x3
= x4
Zauwamy, e w dwch ostatnich rwnociach po lewej stronie x3 , x4 wystpuj

jako zmienne, a po prawej jako parametry, dlatego lepiej bdzie wprowadzi w tym
miejscu dodatkowe zmienne. Niech x3 = t, x4 = s, wwczas rozwizanie naszego
ukadu moemy zapisa w postaci
x1
x2
x3
x4
= Wx1 = 1 + t 3s
W
= Wx2 = 1 t + 2s
=t
=s
Zbir rozwiza zadanego ukadu rwna zaley wic od dwch parametrw.

Przedstawion metod mona stosowa do dowolnych ukadw rwna liniowych.
Rozdzia 22
Przeksztacenia liniowe dowolnych
przestrzeni wektorowych
Omawiajc przestrze R3 do duo uwagi powicilimy przeksztaceniom, w
szczeglnoci przeksztaceniom liniowym. W wielu przypadkach przeksztacenia te
definiowalimy w sposb geometryczny. W dowolnych przestrzeniach wektorowych
rwnie bdziemy zajmowa si przeksztaceniami przestrzeni, jednak w tym wypadku
bdzie to podejcie czysto algebraiczne. W pierwszym podrozdziale zdefiniujemy
pojcie przeksztacenia liniowego dowolnej przestrzeni wektorowej, nauczymy si
rwnie opisywa takie przeksztacenie przy uyciu macierzy. Drugi podrozdzia
powicimy na wprowadzenie podstawowej terminologii zwizanej z przeksztaceniami liniowymi.
22.1
Definicje i oznaczenia.
Definicja 22.1.1 (przeksztacenie liniowe). Niech V, W bd przestrzeniami

wektorowymi. Odwzorowanie T : V W nazywamy przeksztaceniem liniowym,
jeli spenia nastpujce warunki:
(1) przeksztacenie to jest addytywne, czyli dla dowolnych wektorw v1 , v2 z przestrzeni V zachodzi warunek
T (v1 + v2 ) = T (v1 ) + T (v2 ),
(2) przeksztacenie to jest jednorodne, czyli dla dowolnego wektora v z przestrzeni
V oraz dowolnej liczby rzeczywistej t mamy
"
T (t v) = t T (v).
Przykad. Niech przestrzeni V bdzie zbir wielomianw o wspczynnikach
rzeczywistych stopnia co najwyej trzeciego, tzn. R3 [x], natomiast przestrze W to
zbir wielomianw o wspczynnikach rzeczywistych stopnia co najwyej drugiego,
czyli R2 [x]. Okrelmy przeksztacenie T : V W wzorem
T (f ) = f 0 ,
211
Rozdzia 22. Przeksztacenia liniowe dowolnych przestrzeni wektorowych
212
co oznacza, e kademu wielomianowi z przestrzeni V przyporzdkowujemy jego

pochodn. Sprawdmy, czy tak okrelone przeksztacenie jest liniowe. Z wasnoci
pochodnej, znanych z analizy wiemy, e
T (f + g) = (f + g)0 = f 0 + g 0 = T (f ) + T (g),
zatem przeksztacenie T jest addytywne. Podobnie sprawdzamy jednorodno tego
przeksztacenia
T (c f ) = (c f )0 = c f 0 = c T (f ).
Przeksztacenie T , czyli operacja brania pochodnej, zgodnie z Definicj 22.1.1, jest
Macierz przeksztacenia liniowego w bazach.
Przeksztacenie liniowe przestrzeni R3 bardzo czsto opisywalimy przy uyciu
macierzy. Moemy wyobrazi sobie, e takie przedstawienie mogoby by uyteczne
rwnie w przypadku przeksztace dowolnych przestrzeni wektorowych. Przypomnijmy, e macierz przeksztacenia w przestrzeni R3 tworzylimy przy uyciu obrazw
wersorw. W przypadku przestrzeni wektorowych moemy postpi podobnie, rol
wersorw spenia tu bd wektory bazowe.
Definicja 22.1.2 (macierz przeksztacenia). Niech B = (v1 , v2 , . . . , vk ) bdzie
baz przestrzeni V , natomiast C = (w1 , w2 , . . . , wl ) baz przestrzeni W . Macierz
przeksztacenia T wzgldem baz B, C bdziemy tworzy w dwch etapach:
(1) obrazy T (vi ) wektorw z bazy B przestrzeni V wyraamy za pomoc wsprzdnych w bazie C przestrzeni W , tzn.
+a
T (vi ) = a1i
w
1
2i w2 + . . . + ali wl =
a1i
a2i
..
.
ali
(2) nastpnie wsprzdne te umieszczamy kolejno w kolumnach macierzy
a11 a12
a21 a22
A=
..
..
.
.
al1 al2
"
. . . a1k
. . . a2k
.
..
..
. .
. . . alk
Macierz t, czyli macierz przeksztacenia T w bazach B w V i C w W , bdziemy

symbolicznie oznacza przez [T ]BC .
Przykad. Znajdmy macierz przeksztacenia T okrelonego w poprzednim przykadzie, czyli macierz przeksztacenia, ktre kademu wielomianowi o stopniu co
najwyej trzy, przyporzdkowuje jego pochodn
T : R3 [x] R2 [x], T (f ) = f 0 .
213
Niech B = {x3 , x2 , x, 1} bdzie baz przestrzeni R3 [x], natomiast C = {x2 , x, 1} to

baza przestrzeni R2 [x]. Znajdmy obraz wektora x3 z bazy B przez przeksztacenie
T
T (x3 ) = (x3 )0 = 3x2 ,
nastpnie znajdmy jego wsprzdne w bazie C
T (x3 ) = 3x2 = 3 (x2 ) + 0 (x) + 0 (1) =

0 .
0 C
Podobnie postpujemy z pozostaymi wektorami bazy B
2
2 0
2
T (x ) = (x ) = 2x = 0 (x ) + 2 (x) + 0 (1) = 2 ,
0 C
0
2
T (x) = (x) = 1 = 0 (x ) + 0 (x) + 1 (1) = 0 ,
1 C
0
0
2
T (1) = (1) = 0 = 0 (x ) + 0 (x) + 0 (1) = 0
.
0 C
Tworzymy teraz macierz tego przeksztacenia
[T ]BC
3 0 0 0
=
0 2 0 0 .
0 0 1 0
Uwaga 22.1.3. Zauwamy, e gdy przeksztacenie T przeksztaca przestrze V na

sam siebie T : V V , to moemy wybra tylko jedn baz B, czyli uzna, e
C = B. Obrazy wektorw vi wyraamy wwczas w bazie B
T (vi ) =
a1i
a2i
..
.
aki
zatem
[T ]BB
a11 a12
a21 a22
= [T ]B =
..
..
.
.
ak1 ak2
. . . a1k
. . . a2k
. . . ..
.
.
. . . akk
22.2
214
Wasnoci przeksztace liniowych.
W rozdziale tym poznamy kilka poj charakteryzujcych liniowe przeksztacenia przestrzeni. Na pocztek zdefiniujemy pewien rodzaj przeksztace przestrzeni
o bardzo charakterystycznych wasnociach, ktre wprowadzimy w kocowej czci
tego podrozdziau. Nastpnie zdefiniujemy bardzo istotne pojcia - obraz i jdro
przeksztacenia, w oparciu o nie wyprowadzimy kilka charakterystycznych wasnoci
przestrzeni.
Przeksztacenie odwracalne
Definicja 22.2.1 (przeksztacenie odwracalne). Przeksztacenie liniowe T :
V W jest odwracalne, jeli jest wzajemnie jednoznaczne tzn. rnowartociowe i
na.
Uwaga 22.2.2. Inn nazw stosowan w odniesieniu do przeksztace odwracalnych
jest izomorfizm przestrzeni wektorowych.
Rozwamy izomorfizm T przestrzeni V, W . Skoro jest to przeksztacenie odwracalne, to istnieje przeksztacenie do niego odwrotne. Poniszy fakt przedstawia najbardziej charakterystyczn wasno przeksztacenia odwrotnego do przeksztacenia
liniowego. Dowd tego faktu jest analogiczny do dowodu przedstawionego wczeniej
dla przypadkw R2 i R3 . Tutaj go pominiemy.
Fakt 22.2.3. Przeksztacenie odwrotne T 1 : W V do odwracalnego przeksztacenia liniowego T : V W samo te jest przeksztaceniem liniowym.
Obraz przeksztacenia liniowego
W poprzednim podrozdziale uywalimy sformuowania obraz wektora przez
przeksztacenie. Moemy jednak zastanawia si, jakim zbiorem jest zbir obrazw
wszystkich wektorw przestrzeni V przez dane przeksztacenie.
Definicja 22.2.4 (obraz przeksztacenia liniowego). Obrazem przeksztacenia
liniowego T : V W oznaczanym T (V ) lub imT jest zbir
{T (v) W : v V }.
Zauwamy, e obraz przeksztacenia skada si z wektorw nalecych do przestrzeni W jest wic pewnym podzbiorem tej przestrzeni. Jak pokae poniszy fakt
ma on jeszcze inne wasnoci.
Fakt 22.2.5. Obraz przeksztacenia liniowego T : V W jest podprzestrzeni w
przestrzeni wektorowej W .
Dowd. Zgodnie z definicj podprzestrzeni wektorowej, czyli Definicj 19.2.1, wystarczy sprawdzi, e dla dowolnych wektorw nalecych do obrazu przeksztacenia ich
suma rwnie naley do tego obrazu, oraz dla dowolnej liczby rzeczywistej iloczyn jej
i wektora z obrazu przeksztacenia jest wektorem z obrazu przeksztacenia. Wemy
215
dowolne wektory w1 , w2 nalece do imT . Skoro wektory te nale do obrazu przeksztacenia T , to istniej takie wektory v1 , v2 V , e w1 = T (v1 ), w2 = T (v2 ).
Wwczas
w1 + w2 = T (v1 ) + T (v2 ) = T (v1 + v2 ).
Zauwamy, e v1 + v2 jest wektorem z przestrzeni V , wic T (v1 + v2 ) naley do imT ,
zatem w1 + w2 = T (v1 + v2 ) naley do obrazu przeksztacenia T . Zauwamy, e
rwnie
t w1 = t T (v1 ) = T (t v1 )
dla dowolnego t jest obrazem pewnego wektora z przestrzeni v, tak wic naley
do obrazu imT przeksztacenia T . Otrzymujemy wic, e obraz imT jest podprzestrzeni w przestrzeni W .
Poniej przedstawimy wasno obrazu przeksztacenia, ktra pozwala na bardzo
szybkie wyznaczenie go.
Lemat 22.2.6. Niech T : V W bdzie przeksztaceniem liniowym i niech wektory
v1 , v2 , . . . , vn bd ukadem generujcym przestrze V . Wwczas
imT = Lin{T (v1 ), T (v2 ), . . . , T (vn )}.
Dowd. Pokaemy, e dowolny wektor ze zbioru imT rzeczywicie da si przedstawi
w postaci kombinacji liniowej wektorw T (v1 ), T (v2 ), . . . , T (vn ). Niech w imT , co
oznacza, e w = T (v) dla pewnego wektora v V . Poniewa v1 , v2 , . . . , vn generuj
przestrze V , wic v = t1 v1 + t2 v2 + . . . + tn vn , dla pewnych t1 , t2 , . . . , tn R. Mamy
wtedy
w = T (v) = T (t1 v1 + t2 v2 + . . . + tn vn ) = t1 T (v1 ) + t2 T (v2 ) + . . . + tn T (vn ),
zatem w Lin{T (v1 ), T (v2 ), . . . , T (vn )}. Poniewa w by dowolnie wybranym wektorem ze zbioru imT , wic
imT = Lin{T (v1 ), T (v2 ), . . . , T (vn )}.
Rzd przeksztacenia liniowego
Dla dowolnej przestrzeni wektorowej zdefiniowalimy, czym jest jej wymiar. Zauwamy, e obraz przeksztacenia jako podprzestrze przestrzeni wektorowej sam
jest przestrzeni wektorow, wic moemy dla niego okreli wymiar, ktry w tym
przypadku ma specjaln nazw.
Definicja 22.2.7 (rzd przeksztacenia). Rzdem r(T ) przeksztacenia liniowego
T : V W nazywamy wymiar obrazu tego przeksztacenia, tzn.
r(T ) = dim(imT ).
Uwaga 22.2.8. Rzd przeksztacenia T : Rn Rn jest rwny rzdowi macierzy
przeksztacenia T , zauwamy bowiem, e
r(T ) = dim(imT ) = dim(Lin{T (E1 ), T (E2 ), . . . T (En )}) = r(m(T )).
216
Powysz uwag moemy sformuowa dla bardziej oglnego przypadku.

Uwaga 22.2.9. Dla dowolnego T : V W i dowolnych baz B w V i C w W mamy
r(T ) = r([T ]B,C ).
Uzasadnienie powyszej uwagi jest analogiczne do uzasadnienia Uwagi 22.2.8
dlatego je pominiemy.
Jdro przeksztacenia liniowego
Definicja 22.2.10 (jdro przeksztacenia). Jdrem przeksztacenia liniowego
T : V W , oznaczanym KerT , jest zbir
{v V : T (v) = 0}.
Fakt 22.2.11. Dla dowolnego przeksztacenia liniowego T mamy 0 KerT.

wiczenie. atwy dowd powyszego faktu pozostawimy do wykonania czytelnikowi.
Fakt 22.2.12. Jdro przeksztacenia liniowego T jest podprzestrzeni w przestrzeni
wektorowej V .
Dowd. Podobnie jak w dowodzie Faktu 22.2.5 musimy pokaza, e zbir KerT jest
zamknity na dodawanie i mnoenie przez liczb. Wemy dowolne wektory v1 , v2
KerT. Wtedy, zgodnie z definicj T (v1 ) = 0, T (v2 ) = 0. Zauwamy, e
T (v1 + v2 ) = T (v1 ) + T (v2 ) = 0 + 0 = 0,
a wic v1 + v2 KerT. Podobnie otrzymujemy
T (t v1 ) = t T (v1 ) = t 0 = 0,
czyli t v1 KerT.
Zbir ten rzeczywicie jest wic podprzestrzeni przestrzeni V .
Lemat 22.2.13. Niech T : V W bdzie przeksztaceniem liniowym, e1 , e2 , . . . , ek
baz jdra KerT tego przeksztacenia, natomiast ek+1 , . . . , en bd wektorami uzupeniajcymi ukad e1 , e2 , . . . , en do bazy e1 , e2 , . . . , ek , ek+1 , . . . , ek caej przestrzeni
V . Wwczas
(1) wektory T (ek+1 ), . . . , T (en ) s liniowo niezalene w przestrzeni W ,
(2) wektory T (ek+1 ), . . . , T (en ) generuj obraz imT tego przeksztacenia.
Dowd. Zacznijmy od dowodu drugiej czci powyszego lematu. Jak wiemy z Lematu
22.2.6,
imT = Lin{T (e1 ), T (e2 ), . . . , T (ek ), T (ek+1 ), . . . , T (en )}.
Wiemy rwnie, e T (e1 ) = T (e2 ) = . . . = T (ek ) = 0, bo wektory e1 , e2 , . . . , ek
nale do jdra przeksztacenia T . Otrzymujemy zatem
imT = Lin{T (e1 ), T (e2 ), . . . , T (ek ), T (ek+1 ), . . . , T (en )} = Lin{T (ek+1 ), . . . , T (en )}.
217
Pokaemy teraz, e zbir zoony z wektorw T (ek+1 ), . . . , T (en ) jest liniowo niezaleny. Gdyby wektory te byy liniowo zalene, to dla pewnych nietrywialnych wspczynnikw tk+1 , . . . , tn mielibymy
tk+1 ek+1 + . . . + tn en = 0.
Wtedy przy uyciu wasnoci wynikajcych z liniowoci przeksztacenia T mielibymy
T (tk+1 ek+1 + . . . + tn en ) = 0,
czyli tk+1 ek+1 + . . . + tn en KerT. Z drugiej strony wiemy, e wektory e1 , e2 , . . . , ek
tworz baz KerT , std dla pewnych wspczynnikw s1 , s2 , . . . sk mamy
tk+1 ek+1 + . . . + tn en = s1 e1 + s2 e2 + . . . + sk ek ,
co po przeksztaceniu daje
s1 e1 + s2 e2 + . . . + sk ek + (tk+1 )ek+1 + . . . + (tn )en = 0.
Znalelimy zatem nietrywialn kombinacj wektorw e1 , e2 , . . . , ek , ek+1 , . . . , en dajc wektor zerowy wic wektory te tworz ukad liniowo zaleny. Wiemy jednak, e
wektory te s baz przestrzeni V , a co za tym idzie s liniowo zalene. Otrzymalimy
zatem sprzeczno, czyli wektory T (ek+1 ), . . . , T (en ) s liniowo niezalene.
W oparciu o oznaczenia wprowadzone w powyszym Lemacie podamy teraz
kilka wnioskw dotyczcych poznanych w tym podrozdziale poj. Pierwszy wniosek
poniej jest bezporedni konsewencj udowodnionych ju wasnoci (1) i (2) z
Lematu 22.2.13.
Wniosek 22.2.14. Przy zaoeniach Lematu 22.2.13, ukad wektorw T (ek+1 ), . . . , T (en )
jest baz podprzestrzeni imT .
Wniosek 22.2.15 (zasada zachowania wymiaru). Dla przeksztacenia T : V
W mamy
dim(imT ) + dim(KerT ) = dimV.
Dowd. Przy oznaczeniach takich jak w Lemacie 22.2.13 mamy
dimV = n, dim(KerT ) = k, dim(imT ) = n k,
wic skoro k + (n k) = n, to mamy tez wniosku. Zauwamy, e rozwaenie takiej
sytuacji wystarczy, gdy w Lemacie rozwaalimy sytuacj ogln.
Wniosek 22.2.16. Jeeli przestrzenie V, W s izomorficzne, to wwczas ich wymiary musz by sobie rwne
dimV = dimW.
Dowd. Niech T : V W bdzie izomorfizmem przestrzeni V, W . Z okrelenia
takiego przeksztacenia wiemy, e T jest rnowartociowe, wic KerT = {0}. Wtedy
218
dim(KerT ) = 0. Wiemy rwnie, e T jest na, std imT = W . Moemy teraz

zastosowa poprzedni wniosek i otrzymujemy
dim(KerT ) + dim(imT ) = dimV,
0 + dimW = dimV.
Tak wic
dimW = dimV.
Wniosek 22.2.17. Jeli T : V W jest izomorfizm przestrzeni wektorowych, za
wektory v1 , v2 , . . . , vn s baz przestrzeni V , to wektory T (v1 ), T (v2 ), . . . , T (vn ) s
baz przestrzeni W .
Dowd. Jak wiemy jdrem izomorfizmu, ktre jest przeksztaceniem rnowartociowym, jest KerT = {0}. Jak wiemy z Uwagi 19.3.3, zbir {0} jest generowany
przez zbir pusty
Lin() = {0}.
Tak wic
KerT = Lin{},
std zbir wektorw bazowych tej podprzestrzeni jest pusty, a tym samym jej wymiar
jest rwny 0. Moemy pust baz KerT uzupeni do bazy przestrzeni V wektorami
e1 = v1 , e2 = v2 , . . . , en = vn . Wwczas, jak wiemy z Lematu 22.2.6, ukad T (e1 ) =
T (v1 ), T (e2 ) = T (v2 ), . . . , T (en ) = T (vn ) generuje przestrze imT , dodatkowo z
drugiej czci Lematu 22.2.13 wiemy, e ukad ten jest liniowo niezaleny, tak wic
jest on baz przestrzeni imT = W.
Fakt 22.2.18. Niech V, W bd przestrzeniami wektorowymi, i niech v1 , v2 , . . . , vn
bdzie baz przestrzeni V . Przeksztacenie liniowe T : V W jest jednoznacznie
okrelone przez podanie obrazw T (v1 ), T (v2 ), . . . , T (vn ) W wektorw bazowych.
Dowd. Sprawdmy, jak wyglda obraz dowolnego wektora z przestrzeni V przez
przeksztacenie T . Poniewa wektory v1 , v2 , . . . , vk tworz baz przestrzeni V , to
wektor v mona w jednoznaczny sposb przedstawi w postaci v = t1 v1 + t2 v2 +
. . . + tn vn . Wwczas
T (v) = T (t1 v1 + t2 v2 + . . . + tn vn ) = t1 T (v1 ) + t2 T (v2 ) + . . . + tn T (vn ) =
= t1 w1 + t2 w2 + . . . + tn wn ,
wic T jest jednoznacznie okrelone dla dowolnego wektora v V . Sprawdzenie, e
przeksztacenie okrelone wzorem
T (t1 v1 + t2 v2 + . . . + tn vn ) = t1 w1 + t2 w2 + . . . + tn wn
jest liniowe pozostawimy do wykonania czytelnikowi.
Twierdzenie 22.2.19. Przestrzenie wektorowe V, W s izomorficzne wtedy i tylko
wtedy gdy
dimV = dimW.
219
Dowd. Jedna z implikacji skadajcych si na to twierdzenie, to Wniosek 22.2.16.

Wystarczy zatem udowodni drug implikacj. Musimy pokaza, e jeli wymiary
przestrzeni V, W s rwne, to przestrzenie te s izomorficzne. Niech v1 , v2 , . . . , vn
bdzie baz przestrzeni V . Poniewa dimV = dimW, to moemy wybra baz
w1 , w2 , . . . , wn dla przestrzeni W zoon z tej samej liczby wektorw. Okrelmy
przeksztacenie liniowe T : V W warunkiem T (vi ) = wi dla i = 1, 2, . . . , n.
Wwczas
T (t1 v1 + t2 v2 + tn vn ) = t1 T (v1 ) + t2 T (v2 ) + . . . + tn T (vn ) = t1 w1 + t2 w2 + . . . + tn wn .
Std ju atwo wida, e przeksztacenie T jest rnowartociowe i na, czyli jest
izomorfizmem.
Lemat 22.2.20. Przeksztacenie liniowe jest rnowartociowe wtedy i tylko wtedy
gdy KerT = {0}.
Dowd. Jak wiadomo T (0) = 0 wic z rnowartociowoci przeksztacenia T wynika,
e dla v 6= 0 mamy T (v) 6= 0, std KerT = {0}. Pokamy teraz przeciwn implikacj. Zamy, e KerT = {0} i zamy nie wprost, e przeksztacenie T nie jest
rnowartociowe. Wwczas dla pewnych rnych v, v 0 mamy T (v) = T (v 0 ), zatem
0 = T (v) T (v 0 ) = T (v v 0 ) a wic niezerowy wektor v v 0 byby wektorem z jdra
przeksztacenia T . Otrzymujemy sprzeczno, bo zaoylimy, e jedynym wektorem
nalecym do KerT jest wektor zerowy.
Wniosek 22.2.21. Jeli przeksztacenie T : V W jest liniowe, KerT = {0} i
dimV = dimW , wwczas T jest izomorfizmem.
Dowd. Aby udowodni, e przeksztacenie T jest izomorfizmem wystarczy pokaza,
e jest rnowartociowe i na. Jdro KerT = {0}, wic jak wiemy z poprzedniego
lematu przeksztacenie T jest rnowartociowe.
Z Wniosku 22.2.15 wiemy, e
dim(imT ) + dim(KerT ) = dimV,
ale skoro KerT = {0} to jego wymiar jest rwny 0, tak wic
dimV = dim(imT ).
Z zaoenia mamy zatem
dimW = dimV = dim(imT ).
Wiemy rwnie, e imT jest podprzestrzeni W , zatem w zwizku z tym, e dim(imT ) =
dimW , to imT = W . Czyli T jest przeksztaceniem na. W zwizku z tym, e przeksztacenie T jest rnowartociowe i namoemy wnioskowa, e jest ono izomorfizmem.
Rozdzia 23
Iloczyn skalarny i przestrzenie
euklidesowe
W tym rozdziale zajmiemy si pojciem iloczynu skalarnego. Na jego podstawie okrelimy, czym s przestrzenie euklidesowe. Dziki iloczynowi skalarnemu
bdziemy mogli w tych przestrzeniach wprowadzi elementy geometrii podobnej do
tej, jak znamy z przestrzeni R2 i R3 . W dalszej czci rozdziau wprowadzimy bardzo
wane pojcia ukadw ortogonalnych i ortonormalnych, wraz z ich zastosowaniami.
Okrelimy np. czym jest rzut ortogonalny na podprzestrze i przeksztacenia ortogonalne.
23.1
Podrozdzia ten powicimy zdefiniowaniu podstawowych poj, ktrymi bdziemy posugiwa si w dalszej czci tego rozdziau. W przestrzeniach R2 , R3 a
nastpnie w dowolnej przestrzeni Rn wprowadzilimy iloczyn skalarny. Okazuje si,
e analogiczne pojcie moemy zdefiniowa dla dowolnej przestrzeni wektorowej.
Definicja 23.1.1 (iloczyn skalarny). Iloczynem
skalarnym na przestrzeni wekD E
torowej V nazywamy kade odwzorowanie , : V V R, czyli odwzorowanie,
ktre dowolnej parze wektorw v, w,D z przestrzeni
V , przyporzdkowuje pewn liczb
E
rzeczywist, oznaczon symbolem v, w , speniajce nastpujce warunki:
(1) dla dowolnych wektorw v, w z przestrzeni V mamy
D
v, w = w, v ,
(2) dla dowolnych wektorw v, w z przestrzeni V oraz dowolnej liczby rzeczywistej

mamy
D
E
D
E
v, w = v, w ,
(3) dla dowolnych wektorw v1 , v2 , w z przestrzeni V mamy
D
v1 + v2 , w = v1 , w + v2 , w
220
221
Rozdzia 23. Iloczyn skalarny i przestrzenie euklidesowe
(4) dla dowolnego, niezerowego wektora v z przestrzeni V mamy

D
v, v > 0.
Warunek pierwszy nazywamy symetrycznoci iloczynu skalarnego. Warunek

drugi i trzeci to liniowo wzgldem pierwszej wsprzdnej, przy czym warunek
drugi nazywamy jednorodnoci a warunek trzeci addytywnoci.
Zauwamy, e iloczyn skalarny okrelony dla przestrzeni R3 spenia wszystkie
warunki z powyszej definicji.
Obserwacja 23.1.2. Zauwamy, e z wasnoci (1), (2), (3) wynika liniowo wzgldem drugiej zmiennej, tzn:
D
(a) v, v = w, v , bo
D
v, w = w, v = w, v = v, w ,
(b) v, w1 + w2 = v, w1 + v, w2 , bo
D
v, w1 + w2 = w1 + w2 , v = w1 , v + w2 , v = v, w1 + v, w2 .
Definicja 23.1.3 (przestrze euklidesowa). Przestrze wektorowa V , w ktrej

okrelony jest iloczyn skalarny nazywamy przestrzeni euklidesow.
"
Poznamy teraz kilka przykadw przestrzeni euklidesowych wraz z okrelonym

w nich iloczynem skalarnym.
Przykad.
(A) Jeli V = Rn , to iloczyn skalarny, dany wzorem
D
v, w =
n
X
vi wi ,
i=1
dla v = [v1 , v2 , . . . , vn ], w = [w1 , w2 , . . . , wn ], spenia warunki (1) (4). Przestrze Rn z tym iloczynem skalarnym oznacza bdziemy symbolem E n .
(B) W przestrzeni V = C[a, b], czyli w przestrzeni funkcji cigych na odcinku
[a, b], iloczyn skalarny mona okreli za pomoc cakowania:
D
f, g =
Z b
a
f (x) g(x)dx.
Sprawdmy, czy iloczyn ten spenia warunki podane w Definicji 23.1.1.

D
(1) g, f =
Rb
a g(x) f (x)dx =
Rb
a f (x) g(x)dx = f, g .
(2) Dla dowolnej liczby rzeczywistej t mamy

D
t f, g =
Z b
a
t f (x) g(x)dx = t
Z b
a
f (x) g(x)dx = t f, g .
222

D
(3) f1 + f2 , g = ab (f1 + f2 )(x) g(x)dx = ab (f1 (x) + f2 (x)) g(x)dx =

Rb
Rb
Rb
Da (f1 (x)
E Dg(x) +
E f2 (x) g(x))dx = a f1 (x) g(x)dx + a f2 (x) g(x)dx =
f1 , g + f2 , g .
(4) Niech f bdzie funkcj, ktra nie jest tosamociowo rwna zero, f 6 0.
Mamy wwczas
D
f, f =
Z b
a
f (x) f (x)dx =
Z b
a
|f (x)|2 dx.
Z analizy wiemy, e jeli funkcja ciga

h : [a, b] R jest nieujemna, a w
Rb
pewnym miejscu cile dodatnia
D to
E a Rh(x)dx > 0. Stosujc to do funkcji
2
h(x) = |f (x)| otrzymujemy f, f = ab |f (x)|2 dx > 0.
(C) W przestrzeni Rn moemy wprowadzi inny iloczyn skalarny. Dla wektorw
v = [v1 , v2 , . . . , vn ], w = [w1 , w2 , . . . , wn ] jest nim
D
n
X
v, w =
ai vi wi ,
i=1
gdzie ai s staymi dodatnimi. Sprawdzenie, e tak okrelony iloczyn skalarny

spenia warunki (1)(4) podane w Definicji 23.1.1 pozostawimy do wykonania
czytelnikowi.
Przy uyciu takiego iloczynu skalarnego mona do przestrzeni wektorowej wprowadzi geometri. Zacznijmy od wprowadzenia normy, czyli odpowiednika znanej
nam z przestrzeni R2 i R3 dugoci wektora.
Norma w przestrzeni euklidesowej
Definicja 23.1.4 (norma wektora). Norm (dugoci) wektora v przestrzeni
euklidesowej E nazywamy liczb
kvk =
rD
v, v .
D
Uwaga 23.1.5. Z wasnoci (4) mamy, e jeli v 6= 0, to v, v > 0, czyli kvk > 0.
Fakt 23.1.6. Dla tak okrelonej normy, mamy
k vk = || kvk,
w szczeglnoci k vk = kvk.
Dowd. Powyszy fakt udowodnimy korzystajc z drugiej wasnoci iloczynu skalarnego okrelonej w Definicji 23.1.1. Z okrelenia normy mamy
k vk =
rD
v, v .
Z wspomnianej ju wasnoci iloczynu skalarnego mamy zatem

rD
v, v =
Co koczy dowd.
r D
v, v =
2 v, v = || kvk.
223
Moemy wprowadza dalsze geometryczne pojcia.

Kt midzy wektorami
"
Definicja 23.1.7 (kt midzy wektorami). Cosinusem kta midzy wektorami

v1 , v2 nazywamy liczb
D
E
v1 , v2
cos(]v1 , v2 ) =
.
kv1 kkv2 k
D
Przykad. W przestrzeni V = C[0, 1] iloczyn skalarny to f, g = 01 f (x) g(x)dx.

Rozwamy funkcje f1 (x) = x, f2 (x) = 1, ktre w tej przestrzeni s wektorami.
Do obliczenia kta midzy tymi wektorami musimy najpierw obliczy normy tych
wektorw.
s
s
s
Z 1
Z 1
1
3
kf1 k =
f1 (x) f1 (x)dx =
x2 dx =
=
3
3
0
0
kf2 k =
s
Z 1
Z 1
f2 (x) f2 (x)dx =
12 dx = 1.
Wwczas cosinus kta midzy tymi wektorami to

D
cos(]f1 , f2 ) =
f1 , f 2
kf1 kkf2 k
R1
x 1dx
3
3
1
2
3
3
3
.
2
Tak wic szukany kt to
.
6
Dla dowolnej przestrzeni wektorowej wprowadzimy teraz, znan nam dla przestrzeni Rn (Uwaga 17.6.2), nierwno Schwartza.
k]f1 , f2 k =
Twierdzenie 23.1.8 (nierwno Schwartza). W przestrzeni euklidesowej E,

dla dowolnych wektorw v1 , v2 E zachodzi
D
v1 , v 2
E2
kv1 k2 kv2 k2 .
Dowd tego twierdzenia jest analogiczny do dowodu Uwagi 17.6.2. Tutaj go pominiemy.
Uwaga 23.1.9. Dla dowolnych wektorw v1 , v2 mamy
1 cos(]v1 , v2 ) 1,
a wic miara kta jest zawsze dobrze okrelona.
Dowd. Z nierwnoci Szwartza mamy
D
v1 , v 2
zatem
E2
kv1 k2 kv2 k2 ,
v1 , v 2
E2
kv1 k2 kv2 k2
1,
std
224
E
D
v ,v

1 2

1.

kv1 kkv2 k
Moemy zatem stwierdzi, e kt midzy wektorami v1 , v2 jest zawsze dobrze okrelony.

Wektory ortogonalne
Iloczyn skalarny, w przestrzeniach Rn , czsto wykorzystywalimy do stwierdzenia
prostopadoci, czyli inaczej ortogonalnoci, wektorw. Podobnie jest w przypadku
dowolnej przestrzeni wektorowej.
"
Definicja 23.1.10 (wektory ortogonalne). Wektory v1 , v2 E s ortogonalne

(prostopade) jeli kt midzy tymi wektorami jest ktem prostym, |]v1 , v2 | = 2 ,
a to zachodzi wtedy
i tylko
wtedy gdy cos(]v1 , v2 ) = 0, a co za tym idzie wtedy i
D
E
tylko wtedy gdy v1 , v2 = 0.
Przykad. W przestrzeni euklidesowej V = C[1, 1] pokaemy, e funkcje f1 (x) =
x, f2 (x) = x2 s ortogonalne. Przypomnijmy, e iloczyn skalarny w tej przestrzeni
okrelony jest wzorem
Z
D
f1 , f 2 =
f1 (x) f2 (x)dx.
Sprawdmy, e f1 , f2 = 0.
D
f1 , f 2 =
Z 1
1
x x2 dx =
Z 1
1 1
1 1
x3 dx = x4 = = 0,
4 1 4 4
1
a wic funkcje x i x2 s w tej przestrzeni ortogonalne.

Odlego midzy wektorami
Definicja 23.1.11 (odlego pomidzy wektorami). Odlegoci pomidzy
wektorami v, w E nazywamy liczb
d(v, w) = kv wk.
Uwaga 23.1.12. atwo sprawdzi, e tak zdefiniowana odlego spenia warunki
(i) d(v, w) = d(w, v),
(ii) jeli v 6= w, to d(v, w) > 0, oraz d(v, v) = 0,
(iii) d(u, v) + d(v, w) d(u, w).
Trzecia z podanych powyej wasnoci nosi nazw nierwnoci trjkta i daje si

wyprowadzi z nierwnoci Schwartza w taki sam sposb jak nierwno trjkta w
Rn (podrozdzia 17.7).
wiczenie. Jako wiczenie pozostawimy czytelnikowi udowodnienie tych wasnoci.
225
"
Przykad. W przestrzeni V = C[0, 1] znajdmy odlego midzy wektorami

f1 (x) = x, f2 (x) = x2 .
d(f1 , f2 ) =
rD
f1 f2 , f1 f2 =
Z 1
0
Z 1
0
(f1 (x) f2 (x))2 dx =
(x
x2 )2 dx
Z 1
x2
2x3
x4 dx
1 1 1
+ =
3 2 5
Odlego midzy wektorami f1 , f2 wynosi
1 3 1 4 1 5 1
x x + x =
3
2
5 0
1
.
30
1
.
30
Skadowa rwnolega i prostopada do wektora

Lemat 23.1.13. Niech v0 6= 0 bdzie ustalonym wektorem przestrzeni euklidesowej
E. Kady wektor v E rozkada si, i to jednoznacznie, w sum
D
v = v0 + v ,
gdzie v , v0 = 0.
Uwaga 23.1.14. Wektor v0 nazywamy skadow wektora v rwnoleg do v0 , za
v skadow prostopad do v0 .
Dowd (Lematu). Znajdmy takie , aby v = v0 + v . Zauwamy, e mamy
wwczas
v = v v0 .
Wektor v ma by prostopady do wektora v0 , wic musi zachodzi
D
Mamy zatem
v , v0 = 0.
v v0 , v0 = 0,
co po przeksztaceniu, przy wykorzystaniu liniowoci iloczynu skalarnego, daje

D
v, v0 = v0 , v0 .
Szukany wspczynnik moemy wic jednoznacznie wyznaczy ze wzoru

D
v, v0
E.
= D
v0 , v 0
Skadowa rwnolega to zatem
D
D
za skadowa prostopada to
v, v0
v0 , v 0
D
vD
E v0 ,
v, v0
v0 , v0
E v0 .
226
23.2
Ukady ortogonalne i ortonormalne.
W poprzednim podrozdziale wprowadzilimy pojcie ortogonalnoci wektorw,

a w tym szerzej si nim zajmiemy. Zdefiniujemy czym s ukady wektorw ortogonalnych, poznamy ich wasnoci, a nastpnie nauczymy si znajdowa takie ukady.
Definicja 23.2.1 (ukad ortogonalny i ortonormalny). Ukad niezerowych
wektorw v1 , v2 , .D. . , vkE przestrzeni euklidesowej E nazywamy ortogonalnym jeli
iloczyn skalarny vi , vj = 0 dla i 6= j, czyli wtedy gdy wektory s parami ortogonalne. Ukad taki jest ortonormalny jeli dodatkowo normy kvi k = 1, tzn. wektory
vi s jednostkowe.
Podamy teraz ciekaw zaleno midzy ortogonalnoci a liniow niezalenoci
wektorw.
Lemat 23.2.2. Kady ortogonalny ukad wektorw jest liniowo niezaleny.
Dowd. Niech kombinacja liniowa t1 v1 + t2 v2 + . . . + tk vk wektorw z ortogonalnego
ukadu daje wektor O . Musimy pokaza, e wwczas t1 = t2 = . . . = tk = 0.

Zauwamy, e z liniowoci iloczynu skalarnego mamy
D
E
E D
0 = O , vi = t1 v1 + t2 v2 + . . . + tk vk , vi =
D
= t1 v1 , vi + t2 v2 , vi + . . . + tk vk , vi = ti vi , vi .
D
Wiemy jednak, e vi , vi > 0, wic musi zachodzi ti = 0. Tak jest dla wszystkich
wspczynnikw i std wynika liniowa niezaleno ukadu v1 , v2 , . . . , vk .
Jak wiemy w danej przestrzeni wektorowej liniowo niezaleny ukad nie moe
skada si z wikszej liczby wektorw ni wynosi wymiar przestrzeni. Moemy zatem
sformuowa nastpujcy wniosek.
Wniosek 23.2.3. W n-wymiarowej przestrzeni euklidesowej ortogonalny ukad wektorw nie moe mie wicej ni n wektorw.
Twierdzenie 23.2.4. W kadej n-wymiarowej przestrzeni euklidesowej E istnieje
baza ortogonalna.
Dowd powyszego twierdzenia zawiera bdzie bardzo uyteczny algorytm
znajdowania bazy ortogonalnej. Algorytm ten nosi nazw metody ortogonalizacji
Grama - Schmidta.
Dowd. Niech g1 , g2 , . . . , gn bdzie dowoln baz przestrzeni euklidesowej E. Zmodyfikujemy t baz tak, aby staa si baz ortogonaln e1 , e2 , . . . , en .
Krok (1). Pierwszy wektor pozostawimy bez zmian
e1 = g1 .
227
Krok (2). Jeeli wektor g2 jest ortogonalny do g1 = e1 , to przyjmujemy e2 = g2 .

Jeli g2 nie jest ortogonalny do g1 = e1 , to zastpujemy g2 przez jego skadow
ortogonaln do e1 , czyli bierzemy
D
e2 = g2
g2 , e1
e1 .
ke1 k2
Tak okrelony wektor e2 jest niezerowy, bo wektory g2 i e1 nie byy wspliniowe.

Krok oglny. Zamy, e wektory e1 , e2 , . . . , ek s ju wybrane i to tak, e
(i) s one parami ortogonalne,
(ii) Lin{e1 , e2 , . . . , ek } = Lin{g1 , g2 , . . . , gk }.
Zauwamy, e warunki te s spenione dla k = 1 i k = 2.
Wektor ek+1 tworzymy z wektora gk+1 przez odjcie od gk+1 skadowych rwnolegych
do e1 , e2 , . . . , ek , tak wic
D
ek+1 = gk+1
gk+1 , e1
ke1 k2
gk+1 , e2
e1
e2 . . .
ke2 k2
gk+1 , ek
kek k2
ek .
Pokaemy, e tak utworzony wektor jest odpowiedni, tzn. e spenia nastpujce

warunki:
(1) ek+1 6= O ,
D
(2) ek+1 , ej = 0, dla j = 1, 2, . . . , k,

(3) Lin{e1 , e2 , . . . , ek+1 } = Lin{g1 , g2 , . . . , gk+1 }.
Pierwszy warunek wynika z faktu, e gk+1
/ Lin{e1 , e2 , . . . , ek }.
Drug wasno wyprowadzimy korzystajc z liniowoci iloczynu skalarnego.
D
ek+1 , ej = gk+1
D
E
k
gk+1 , ei
X
i=1
= gk+1 , ej
D
E
k
gk+1 , ei D
X
kei k2
i=1
= gk+1 , ej
D
< e i , ei >
e i , ej =
= gk+1 , ej
gk+1 , ej
kej k2
gk+1 , ej
kej k2
ei , ej =
ej , ej =
E
kej k = 0.
Trzecia wasno wynika z zaoenia indukcyjnego, tzn.

Lin{g1 , g2 , . . . , gk , gk+1 } = Lin{e1 , e2 , . . . , ek , gk+1 }.
228
Z okrelenia wektora ek+1 moemy wnioskowa, e przestrze generowana przez wektory {e1 , e2 , . . . , ek , gk+1 } to ta sama przestrze co ta definiowana przez wektory
{e1 , e2 , . . . , ek , ek+1 }, tak wic
Lin{e1 , e2 , . . . , ek , gk+1 } = Lin{e1 , e2 , . . . , ek , ek+1 }.
Z wasnoci trzeciej wynika, e procedur t moemy kontynuowa, a gn zamienimy
na en . Wtedy baza {e1 , e2 , . . . , en } bdzie ortogonalna.
Uwaga 23.2.5.
(1) Kady niezerowy wektor v mona unormowa, tzn. pomnoy przez tak liczb
> 0, by wektor v by jednostkowy, kvk = 1. Mamy bowiem 1 = kvk =
1
kvk, czyli = kvk
. Tak wic po unormowaniu wektora v otrzymujemy jednos1
v
tkowy wektor kvk v lub krtko kvk
.
(2) Baz ortogonaln e1 , e2 , . . . , en mona przeksztaci w baz ortonormaln, poprzez
unormowanie ukadu wektorw e1 , e2 , . . . , en . Otrzymujemy wwczas ukad
e1
e2
en
,
,...,
.
ke1 k ke2 k
ken k
Wniosek 23.2.6. W kadej n-wymiarowej przestrzeni euklidesowej istnieje baza
ortonormalna.
Wniosek 23.2.7. Kady ortogonalny ukad wektorw z E mona rozszerzy do bazy
ortogonalnej w E. Dodatkowo skoro kad baz ortogonaln mona przeksztaci do
bazy ortonormalnej (Uwaga 23.2.5), wic kady ortogonalny ukad wektorw z E
mona rozszerzy do bazy ortonormalnej.
Dowd. Niech E bdzie przestrzeni euklidesow, natomiast e1 , e2 , . . . , ek bdzie
ukadem niezerowych parami ortogonalnych wektorw w E. Jak wiemy z Lematu 23.2.2
ukad ten jest liniowo niezaleny, zatem mona go w dowolny sposb uzupeni
do bazy e1 , e2 , . . . , ek , gk+1 , . . . , gn , nie starajc si aby bya to baza ortogonalna.
Moemy nastpnie zastosowa do tego ukadu metod modyfikacji Grama - Schmidta,
przy czym pierwszych k wektorw pozostawimy bez zmian. Dostaniemy wic ukad
0
, . . . , gn0 i to jest dane uzupenienie. Podobnie mona
ortogonalny e1 , e2 , . . . , ek , gk+1
0
, . . . , gn0 trzeba bdzie
postpi w przypadku ortonormalnym, z tym e wektory gk+1
wtedy dodatkowo znormalizowa.
23.3
Wsprzdne wektora oraz iloczyn skalarny

w bazie ortonormalnej.
Fakt 23.3.1 (wsprzdne wektora w bazie ortonormalnej). Jeli E jest przestrzeni euklidesow, za e1 , e2 , . . . , en jej baz ortonormaln, wwczas dla kadego
v E mamy
E
E
D
E
D
D
v = v, e1 e1 + v, e2 e2 + . . . + v, en en .
229
Dowd. Niech v = t1 e1 + t2 e2 + . . . + tn en . Obliczmy ti .

D
v, ei = t1 e1 + t2 e2 + . . . + tn en , ei = t1 e1 , ei + t2 e2 , ei + . . . + tn en , ei =
D
= ti ei , ei = ti kei k2 = ti .
D
Ostatecznie ti = v, ei .
Pokaemy teraz ciekaw wasno iloczynu skalarnego. Sprawdzimy jak zachowuje si on we wsprzdnych w bazie ortonormalnej.
Niech E bdzie przestrzeni euklidesow z iloczynem skalarnym. Natomiast
B = {e1 , e2 , . . . , en } niech bdzie ortonormaln baz tej przestrzeni. Dla wektorw
v, w niech v = [v1 , v2 , . . . , vn ], w = [w1 , w2 , . . . , wn ] bd ich wsprzdnymi w bazie
B.
Fakt 23.3.2. Iloczyn skalarny wektorw v, w wyraa si wzorem
D
v, w = v1 w1 + v2 w2 + . . . + vn wn .
Dowd. Skoro v = (v1 , v2 , . . . , vn ), w = (w1 , w2 , . . . , wn ), to moemy te wektory

zapisa w postaci v = v1 e1 + v2 e2 + . . . + vn en , w = w1 e1 + w2 e2 + . . . + mn en .
Iloczyn skalarny tych wektorw przedstawia si zatem wzorem
D
v, w =
X
n
vi ei ,
i=1
n
X
wi ei =
j=1
n X
n
X
vi wj ei , ej .
i=1 j=1
Zauwamy, e dla i 6= j iloczyn skalarny ei , ej jest rwny 0 oraz, e kei k = 1 dla

kadego i. Tak wic
D
v, w =
n
X
i=1
vi w i e i , ei =
n
X
i=1
vi wi kei k =
n
X
vi w i .
i=1
Uwaga 23.3.3. We wsprzdnych wzgldem ortonormalnej bazy, iloczyn skalarny

wyraa si takim samym wzorem jak standardowy iloczyn skalarny w Rn .
23.4
Rzut ortogonalny na podprzestrze.
W tym podrozdziale pokaemy do czego moe przyda si baza ortogonalna.

Wprowadzimy tutaj uoglnienie rzutu prostopadego, znanego z przestrzeni R3 , na
przypadek dowolnej przestrzeni euklidesowej.
Definicja 23.4.1 (wektor ortogonalny do podprzestrzeni). Niech E bdzie
przestrzeni euklidesow, za U jej podprzestrzeni wektorow. Wektor v E nazywamy ortogonalnym do podprzestrzeni U , jeli jest ortogonalny
D
E do kadego wektora
z tej podprzestrzeni, tzn. dla kadego u U zachodzi v, u = 0. Oznaczymy to
symbolem v U.
230
Lemat 23.4.2 (charakteryzacja ortogonalnoci do podprzestrzeni). Niech

ukad u1 , u2 , . . . , uk bdzie dowoln baz podprzestrzeni U . Wwczas v jest ortogonalny do U wtedy i tylko wtedy gdy v jest ortogonalny do kadego z wektorw ui .
Dowd. Zauwamy, e dowd jednej z implikacji jest oczywisty, bo jeli v jest ortogonalny do kadego wektora z U , to w szczeglnoci jest ortogonalny do wszystkich
ui . Sprawdmy zatem przeciwn implikacj, czyli e wektor v jest ortogonalny do
kadego wektora z podprzestrzeni U , o ile jest ortogonalny do wektorw ui . Musimy
zatem sprawdzi, e dla kadego u U zachodzi
D
v, u = 0.
Zapiszmy u = t1 u1 + t2 u2 + . . . + tk uk . Obliczamy, e
D
v, u = v, t1 u1 + t2 u2 + . . . + tk uk = t1 v, u1 + t2 v, u2 + . . . + tk v, uk =
= t1 0 + t2 0 + . . . + tk 0 = 0,
czyli v u. Zatem v U .
Lemat 23.4.3. Kady wektor v mona, i to jednoznacznie, rozoy w sum
v = vU + v ,
gdzie vU U jest skadow z podprzestrzeni U , natomiast (v ) U to skadowa
ortogonalna do U .
Dowd.
Istnienie rozkadu.
Zauwamy, e podprzestrze U sama jest przestrzeni euklidesow, z tym samym
iloczynem skalarnym, co przestrze E. Niech e1 , e2 , . . . , ek bdzie baz ortogonaln
w U , natomiast ek+1 , . . . , en bdzie uzupenieniem tej bazy do bazy ortogonalnej
caej przestrzeni E. Rozkadamy v wzgldem tej bazy.
v = t1 e1 + t2 e2 + . . . + tk ek + tk+1 ek+1 + . . . + tn en .
Przyjmijmy, e vU = t1 e1 + t2 e2 + . . . + tk ek jest skadow z podprzestrzeni U , natomiast v = tk+1 ek+1 + . . . + tn en bdzie skadow ortogonaln do podprzestrzeni
U . Mamy v = vU + v , vU U . Pozostaje sprawdzi, e v jest rzeczywicie ortogonalny do U . W tym celu wystarczy sprawdzi ortogonalno tego wektora do
wektorw e1 , e2 , . . . , ek . Niech m {1, 2, . . . , k}, wiemy, e baza e1 , e2 , . . . , en jest
baz ortogonaln dlatego mamy
D
v , em = tk+1 ek+1 + . . . + tn en , em = tk+1 ek+1 , em + . . . + tn en , em =

= tk+1 0 + . . . + tn 0 = 0.
Zatem v jest rzeczywicie ortogonalny do U , co oznacza, e rozkad v = v + vU

jest waciwy.
231
Jednoznaczno rozkadu.
0
Niech v = v + vU i v = v
+ vU0 , gdzie vU U, vU0 U to skadowe ortogonalne do
0
U , tzn. v U, v
U, bd dwoma rozkadami wektora v na skadowe. Z rwnoci
0
v + vU = v + vU0 wynika, e
0
v v
= vU0 vU .
0
Zdefinujmy wektor z taki, e z = v v
= vU0 vU . Zauwamy, e skoro z = vU0 vU ,
0
wynika, e
to wektor z naley do podprzestrzeni U , natomiast z tego, e z = v v
z jest ortogonalny do U (atwo sprawdzi, e rnica dwch wektorw ortogonalnych
do U jest wektorem ortogonalnym do U ). Te dwa warunki s spenione tylko wtedy
0
gdy z = 0, a z tego mamy ju vU = vU0 oraz v = v
. Tak wic nie istniej dwa
rne rozkady wektora v.
Skadowe vU , v bdziemy odpowiednio nazywa skadow rwnoleg i skadow prostopad do U.

Definicja 23.4.4 (rzut ortogonalny). Odwzorowanie, ktre dowolnemu wektorowi
v E przyporzdkowuje jego skadow vU rwnoleg do U , nazywamy rzutem ortogonalnym na podprzestrze U . Rzut na podprzestrze U oznaczamy symbolem
PU : E U .
W poprzednim podrozdziale okrelilimy wsprzdne wektora w bazie ortonormalnej. Na podstawie tego okrelenia moemy wyznaczy wzr na rzut ortogonalny
na podprzestrze.
Wniosek 23.4.5. Niech U bdzie podprzestrzeni przestrzeni euklidesowej E i niech
e1 , e2 , . . . , en bdzie baz ortonormaln w U . Wtedy rzut ortogonalny na podprzestrze
U wyraa si wzorem
PU (v) =
k D
X
v, ei ei .
i=1
Dowd. Dla bazy e1 , e2 , . . . , ek w U niech jej uzupenieniem do bazy ortonormalnej

w E bd wektory ek+1 , . . . , en . Wwczas na podstawie Faktu 23.3.1, mamy rozkad
D
v = v, e1 e1 + v, e2 e2 + . . . + v, ek ek + v, ek+1 ek+1 + . . . + v, en en .
Skadowa rwnolega do podprzestrzeni U to
D
vU = v, e1 + v, e2 + . . . + v, ek ek .
Ostatecznie wic
PU (v) =
k D
X
v, ei ei .
i=1
wiczenie. Z powyszego wzoru, poprzez bezporednie sprawdzenie addytywnoci

i jednorodnoci, mona przekona si, e rzut PU jest przeksztaceniem liniowym.
Pozostawimy to do wykonania czytelnikowi.
232
23.5
Dopenienie ortogonalne podprzestrzeni.
Dla danej podprzestrzeni U przestrzeni E, moemy okreli pewien zbir wektorw, o bardzo charakterystycznych wasnociach. Zbir ten to dopenienie ortogonalne podprzestrzeni. Kilka jego wasnoci podamy i udowodnimy poniej.
Definicja 23.5.1 (przeksztacenie ortogonalne). Dopenieniem ortogonalnym,
oznaczanym U , podprzestrzeni U w przestrzeni euklidesowej U nazywamy zbir
U = {v E : v U }.
Wasno 23.5.2. Zbir U jest podprzestrzeni wektorow w E.
Dowd. Musimy pokaza, e zbir wektorw U jest zamknity ze wzgldu na dodawanie i mnoenie przez skalar. Rozwamy dowolne dwa wektory v1 , v2 ze zbioru
U . Zauwamy, e skoro s one prostopade do U to znaczy, e dla kadego u U
mamy
D
E
D
E
v1 , u = v2 , u = 0.
D
Z wasnoci iloczynu skalarnego mamy v1 + v2 , u = v1 , u + v2 , u = 0 + 0 = 0,

zatem suma dowolnych dwch wektorw z U jest ortogonalna do U , wic naley
do U .
Podobnie otrzymamy, e dla dowolnego wektora v U i dowolnego wektora U
mamy
D
E
D
E
tv, u = t v, u = t 0 = 0,
zatem tv U . Zbir U jest zatem podprzestrzeni wektorow w przestrzeni E.
Lemat 23.5.3. Niech e1 , e2 , . . . , ek bdzie baz ortogonaln podprzestrzeni U , natomiast ek+1 , . . . , en jej uzupenieniem do bazy ortogonalnej w przestrzeni E. Wwczas
U = Lin{ek+1 , . . . , en }
i co wicej ukad ek+1 , . . . , en jest baz U .
Dowd. Na pocztek pokaemy, e Lin{ek+1 , . . . , en } jest podprzestrzeni U . Wemy
dowolny wektor v z przestrzeni Lin{ek+1 , . . . , en } czyli v = sk+1 ek+1 + D. . . +Esn en .
Chcemy pokaza, e wektor ten naley do przestrzeni U . Obliczmy v, ei , dla
i = 1, 2, . . . , k. Wiemy, e baza e1 , e2 , .D. . , enE jest baz ortogonaln E, zatem dla
dowolnych ei , ej takich, e i 6= j mamy ei , ej = 0 zatem
D
D
v, ei = sk+1 ek+1 + . . . + sn en , ei =
E
= sk+1 ek+1 , ei + . . . + sn en , ei = sk+1 0 + . . . + sn 0 = 0.

Tak wic wektor v jest ortogonalny do dowolnego wektora bazowego przestrzeni
U , jest wic ortogonalny do dowolnego wektora bdcego kombinacj liniow tych
wektorw. Wektor v jest prostopady do caej podprzestrzeni U , naley zatem do
U . Pokazalimy zatem, e
Lin{ek+1 , . . . , en } U .
233
Chcemy teraz pokaza przeciwne zawieranie. Wemy dowolny wektor v U i niech

v = t1 e1 + t2 e2 + . . . + tk ek + tk+1 ek+1 + . . . + tn en .
D
Wiemy, e dla i = 1, 2, . . . k zachodzi v, ei = 0 bo wektor v jest ortogonalny do

podprzestrzeni U , wic w szczeglnoci do kadego z jej wektorw bazowych. Mamy
wic
D
E
t1 e1 + t2 e2 + . . . + tn en , ei = 0,
co po przeksztaceniu moemy zapisa jako
D
t1 e1 , ei + t2 e2 , ei + . . . + ti ei , ei + . . . + tn en , ei = 0.
D
Dowolne dwa wektory bazy e1 , e2 , . . . , en s ortogonalne, wic ei , ej = 0 dla i 6= j

D
i ei , ei 6= 0. Otrzymujemy wic
D
t1 e1 , ei + t2 e2 , ei + . . . + ti ei , ei + . . . + tn en , ei = ti ei , ei = 0,
a skoro ei , ei 6= 0, to ti = 0.
Tak wic
v = t1 e1 + t2 e2 + . . . + tn en = 0 e1 + 0 e2 + . . . + 0 ek + tk+1 ek+1 + . . . + tn en =
= tk+1 ek+1 + . . . + tn en .
Wektor v jest wic kombinacj liniow wektorw ek+1 , . . . , en a zatem naley do
podprzestrzeni Lin{ek+1 , . . . , en }. Ostatecznie otrzymujemy, e
U {ek+1 , . . . , en }.
Ostatecznie, majc oba zawierania moemy stwierdzi, e
U = {ek+1 , . . . , en }.
Zatem skoro ukad ek+1 , . . . , en jest liniowo niezaleny i generuje U jest wic baz
U .
Wniosek 23.5.4. Dla podprzestrzeni U i jej dopenienia ortogonalnego U w przestrzeni E mamy
dimU + dimU = dimE.
Lemat 23.4.3 moemy przy uyciu pojcia dopenienia ortogonalnego podprzestrzeni
wyrazi w postaci nastpujcego wniosku.
Wniosek 23.5.5. Kady wektor z przestrzeni E jednoznacznie przedstawia si jako
suma
v = vU + v ,
gdzie vU U , v U .
234
23.6
Izomorfizm przestrzeni euklidesowych.
Zauwamy, e dla jednej przestrzeni wektorowej moemy wprowadzi kilka iloczynw skalarnych, otrzymujc w ten sposb rne przestrzenie euklidesowe. W tym
podrozdziale pokaemy, e wszystkie takie przestrzenie s izomorficzne, co wicej pokaemy, e dowolne przestrzenie euklidesowe tego samego wymiaru s izomorficzne.
Definicja 23.6.1 (przestrzenie
Dwie przestrzenie E1 , E2 ze swoimi
D E
Dizomorficzne).
E
iloczynami skalarnymi ,
i ,
nazywamy izomorficznymi, jeli istnieje liE1
E2
niowy izomorfizm : E1 E2 , ktry zachowuje iloczyn skalarny, tzn. dla dowolnych
wektorw v, w E1 mamy
D
(v), (w)
E2
= v, w
E
E1
Wasno 23.6.2. Kada n-wymiarowa przestrze euklidesowa E jest izomorficzna

z przestrzeni E n , czyli z Rn ze standardowym iloczynem skalarnym.
Dowd. Niech e1 , e2 , . . . , en bdzie baz ortonormaln w E. Sprawdmy, e odwzorowanie : E E n okrelone wzorem
(x1 e1 + x2 e2 + . . . + xn en ) = (x1 , x2 , . . . , xn ),
jest izomorfizmem przestrzeni euklidesowych.

Sprawdzenie, e jest to izomorfizm przestrzeni liniowych pozostawimy do wykonania czytelnikowi. Sprawdmy tylko, e speniony jest warunek zachowania iloczynu
skalarnego podany w Definicji 23.6.1. Niech v = v1 e1 + v2 e2 + . . . + vn en , w =
w1 e1 + w2 e2 + . . . + wn en . Wtedy, korzystajc z Faktu 23.3.2 wyliczajcego iloczyn
skalarny w bazie ortonormalnej mamy
D
v, w
E
E
n
X
i=1
vi wi = (v1 , v2 , . . . , vn ), (w1 , w2 , . . . , wn )
En
Zatem jest dobrze okrelonym izomorfizmem przestrzeni euklidesowych.
23.7
Przeksztacenia ortogonalne w przestrzeniach

E n.
W tym podrozdziale zajmiemy si pewnym rodzajem przeksztace przestrzeni

E n - przeksztaceniami ortogonalnymi. Podamy definicj takich przeksztace oraz
ich najwaniejsze wasnoci. Okrelimy rwnie macierz przeksztace ortogonalnych.
Definicja 23.7.1 (przeksztacenia ortogonalne). Przeksztacenie liniowe :
E n E n nazywamy ortogonalnym, jeli dla kadej pary wektorw v, w z przestrzeni
E n mamy
D
E
D
E
v, w = (v), (w) .
235
Obserwacja 23.7.2. Przeksztacenie liniowe : E n E n jest ortogonalne wtedy i

tylko wtedy gdy obraz (e1 ), (e2 ), . . . , (en ) dowolnej bazy ortonormalnej e1 , e2 , . . . , en
jest baz ortonormaln.
Dowd. Pokaemy na pocztek, e dla przeksztacenia ortogonalnego obraz
(e1 ), (e2 ), . . . , (en ) dowolnej bazy ortonormalnej e1 , e2 , . . . , en jest te baz. Musimy
zatem pokaza, e kady z wektorw (ei ) jest jednostkowy i e wektory te s do
siebie ortogonalne. Wemy dowolny wektor ei spord e1 , e2 , . . . , en . Chcemy aby
jego obraz przez przeksztacenie by wektorem jednostkowym. Sprawdmy jego
dugo
r
D
k(ei )k =
(ei ), (ei ) .
Przeksztacenie jest ortogonalne a wic zachowuje iloczyn skalarny, std

k(ei )k =
rD
(ei ), (ei ) =
rD
ei , ei = kei k.
Skoro baza e1 , e2 , . . . , en jest ortonormalna, to kei k = 1. Zatem rwnie

k(ei )k = kei k = 1.
Pokamy jeszcze ortogonalno wektorw (i), (j) dla i 6= j. Jak wiemy wektory s
ortogonalne, gdy ich iloczyn skalarny jest rwny zero. Pamitajc o tym, e przeksztacenie jest przeksztaceniem ortogonalnym, dla i 6= j mamy
D
(ei ), (ej ) = ei , ej = 0.
Ukad wektorw (e1 ), (e2 ), . . . , (en ) jest zatem ortonormalny.

Pokaemy teraz implikacj przeciwn. Zamy, e (e1 ), (e2 ), . . . , (en ) jest baz
ortonormaln. Chcemy pokaza, e wwczas jest przeksztaceniem ortogonalnym,
czyli
D
E
D
E
v, w = (v), (w) .
Lew stron tej rwnoci moemy zapisa w postaci
D
L = v, w =
n
DX
vi ei ,
i=1
n
X
wj ej .
j=1
Z wasnoci iloczynu skalarnego moemy lew stron przeksztaci do postaci

L=
n X
n
X
vi w i e i , ej ,
i=1 j=1
natomiast z ortogonormalnoci bazy e1 , e2 , . . . , en mamy

L=
n
X
vi wi .
i=1
Podobnie przeksztacamy praw stron

D
n
X
P = (v), (w) = (
i=1
vi ei ), (
n
X
j=1
wj ej ) .
236
Przeksztacenie jest przeksztaceniem liniowym, wic jest jednorodne i addytywne,

std
P =
n
DX
vi (ei ),
i=1
n
X
wi (ej ) .
j=1
Podobnie jak poprzednio otrzymujemy wic

P =
n X
n
X
vi wi (ei ), (ej ) .
i=1 j=1
Z ortogonormalnoci bazy (e1 ), (e2 ), . . . , (en ) mamy ostatecznie

P =
n
X
vi w i .
i=1
Tak wic po prawej i lewej stronie rwnoci otrzymujemy po przeksztaceniach to

samo wyraenie, co koczy dowd.
Macierz przeksztacenia ortogonalnego w standardowej bazie
Niech A = [aij ] bdzie macierz przeksztacenia ortogonalnego : E n E n
w standardowej bazie. Poniewa obrazy wektorw bazowych tworz baz ortonormaln, to kolumny A1 , A2 , . . . , An macierzy A s wektorami jednostkowymi i wzajemnie prostopadymi. Mamy wtedy
D
E
P
Aj , Aj = Pn aij aij = n a2 = 1,
i=1 ij
i=1
D
E
(?)
Aj , Ak = Pn aij aik = 0, dla j =
6 k.
i=1
Zaleno (?) mona krtko zapisa jedn rwnoci macierzow:
AT A = I.
wiczenie. Udowodnienie powyszej rwnoci pozostawimy jako wiczenie dla
czytelnika.
Wniosek 23.7.3. Macierz A jest macierz przeksztacenia ortogonalnego wtedy i
tylko wtedy gdy AT A = I. Macierz tak nazywamy macierz ortogonaln.
Rozdzia 24
Lista uoglnie
W wielu miejscach tego skryptu, przy omawianiu jakiego pojcia w przestrzeniach Rn wskazywalimy na analogi do sytuacji, jak omawialimy w przestrzeniach
R2 i R3 . Podobnie w dowolnych przestrzeniach wektorowych analogie te odnosiy
si do przestrzeni Rn . Przeniesienie rozmaitych faktw dotyczcych przestrzeni R2
i R3 najpierw na przestrzenie Rn , a nastpnie na abstrakcyjne przestrzenie wektorowe byo moliwe dziki uyciu poj, takich jak wsprzdne wektorw w bazie i
macierze przeksztace w bazie. Rozdzia ten powicimy na podanie listy dalszych
takich uoglnie, ktre omwimy tu bez dowodw.
24.1
Macierz przejcia do nowej bazy.
Definicja 14.3.1 okrela, jak wyglda macierz przejcia do nowego ukadu wsprzdnych w przestrzeni R3 . Tworz j wsprzdne wersorw nowego ukadu wyraone
w starym ukadzie. Podobnie powstaje macierz przejcia do nowej bazy w dowolnej przestrzeni wektorowej. Niech B = {v1 , v2 , . . . , vk }, C = {w1 , w2 , . . . , wk } bd
bazami przestrzeni wektorowej V . Macierz przejcia F = FBC od bazy B do bazy C
to macierz, ktrej kolumny s utworzone ze wsprzdnych wektorw w1 , w2 , . . . , wk
w wyjciowej bazie v1 , v2 , . . . , vk . Dokadniej, jeli
wi =
f1i
f2i
..
.
fki
to macierz przejcia F ma posta
F = FBC
f11 f12
f21 f22
=
..
..
.
.
fk1 fk2
. . . f1k
. . . f2k
= ([w1 ]B , [w2 ]B , . . . , [wk ]B ) .

..
..
. .
. . . fkk
Fakt 24.1.1. Macierz przejcia F jest macierz kwadratow. Ponadto macierz jest
nieosobliwa, tzn. jej wyznacznik jest niezerowy det F 6= 0.
237
Rozdzia 24. Lista uoglnie
24.2
238
Wsprzdne wektora w nowej bazie.
W podrozdziale 14.4 pokazalimy jak znale wsprzdne danego wektora w

nowym ukadzie w przestrzeni R3 . Rozwamy teraz przestrze wektorow V , w
ktrej bazami s B i C. Dla dowolnego wektora u V niech [u]B , [u]C bd
wsprzdnymi (kolumnowymi) wektora u w bazach B i C. Macierz przejcia od
bazy B do bazy C jest F = FBC . Wwczas
[u]B = F [u]C , [u]C = F 1 [u]B .
24.3
Macierz przeksztacenia w nowej bazie.
Twierdzenie 14.5.2 okrela jak wyglda macierz przeksztacenia liniowego przestrzeni R3 w nowym ukadzie wsprzdnych. Podobn zaleno spenia macierz
przeksztacenia dowolnej przestrzeni wektorowej. Dla przeksztacenia T : V V
oraz baz B, C tej przestrzeni, macierz przejcia to F = FBC . Jeeli [T ]B jest macierz
przeksztacenia T w bazie B, to macierz tego przeksztacenia w bazie C wyraa si
wzorem
[T ]C = F 1 [T ]B F.
24.4
Odwracalno przeksztace T : V V .
Przy okazji omawiania przeksztace liniowych przestrzeni R3 sformuowalimy

kryterium, ktre pozwala atwo sprawdzi, czy dane przeksztacenie jest odwracalne
czy nie za pomoc wyznacznika jego macierzy. Mwi o tym Wniosek 7.3.2. Okrelimy
teraz analogiczne kryterium dla przeksztace liniowych T : V V dowolnych
przestrzeni wektorowych.
Fakt 24.4.1. Jeeli B jest dowoln baz przestrzeni V , wwczas przeksztacenie T
jest odwracalne wtedy i tylko wtedy gdy wyznacznik det([T ]B ) jest niezerowy.
Moemy uoglni powyszy fakt na przypadek przeksztacenia dowolnych przestrzeni. Dla przestrzeni V z baz B i przestrzeni W z baz C, oraz dowolnego
przeksztacenia T : V W , przeksztacenie to jest odwracalne wtedy i tylko wtedy
gdy wyznacznik det([T ]BC ) jest niezerowy.
Oprcz kryterium odwracalnoci moemy rwnie okreli macierz przeksztacenia odwrotnego.
Fakt 24.4.2. Dla przeksztacenia odwracalnego T : V V zachodzi
[T 1 ]B = ([T ]B )1 .
24.5
Macierz zoenia przeksztace liniowych.
Niech T1 , T2 : V V bd przeksztaceniami liniowymi, natomiast B niech bdzie

dowoln baz przestrzeni V . Macierz zoenia tych przeksztace T1 T2 wyraa si
w bazie B wzorem
[T1 T2 ]B = [T1 ]B [T2 ]B .
239
24.6
Wartoci wasne i wielomian charakterystyczny.
Dla przeksztace T : V V definicja wektorw i wartoci wasnych pozostaje

taka sama, jak ta wprowadzona dla przeksztace przestrzeni R3 (Definicja 10.1.1).
Rwnie okrelenie wielomianu charakterystycznego odpowiada temu wprowadzonemu
dla przypadku R3 . Moemy zatem sformuowa fakt, ktry pozwala na szybkie znajdowanie wartoci wasnych danego przeksztacenia. Fakt ten dla przeksztace przestrzeni wektorowej przyjmuje posta analogiczn do Wniosku 10.3.2.
Fakt 24.6.1. Niech V bdzie przestrzeni wektorow wymiaru n i niech B bdzie
baz V . Liczba r jest wartoci wasn przeksztacenia liniowego T : V V wtedy
i tylko wtedy gdy r jest pierwiastkiem wielomianu charakterystycznego, przy czym
wielomian ten przyjmuje posta
a11 t
a12
a
a
21
22 t
det([T ]B t Inn ) = det
.
..
..
.
an1
an2
24.7
...
...
..
.
a1n
a2n
..
.
. . . ann t
Izometrie i macierze ortogonalne w Rn.
Definicje izometrii i przeksztace ortogonalnych, jakie wprowadzilimy w przypadku przestrzeni R3 , moemy bezporednio przenie na przypadek dowolnej przestrzeni Rn .
Definicja 24.7.1 (izometria i przeksztacenie ortogonalne). Przeksztacenie
liniowe T : Rn Rn jest ortogonalne, jeli zachowuje iloczyn skalarny w Rn . Przeksztacenie T : Rn Rn jest izometri, jeli zachowuje odlego w Rn .
Powysza definicja przyjmuje posta analogiczn jak Definicje 11.1.1 i 11.2.1,
wprowadzone dla przeksztace przestrzeni R3 . Scharakteryzowalimy te macierze
przeksztace ortogonalnych. Podobnie jak dla przestrzeni R3 (Lemat 12.1.2), moemy
okreli macierz ortogonaln.
Definicja 24.7.2 (macierz ortogonalna). Macierz A rozmiaru n n jest ortogonalna jeli A AT = I, lub rwnowanie, jeli kolumny macierzy A tworz ukad
wzajemnie prostopadych jednostkowych wektorw z Rn .
Dla przestrzeni R3 pokazalimy, e zbiory izometrii liniowych i przeksztace
ortogonalnych s takie same. Podobny fakt zachodzi rwnie dla przeksztace przestrzeni Rn .
Fakt 24.7.3. Przeksztacenie liniowe T : Rn Rn jest izometri wtedy i tylko
wtedy gdy jest ortogonalne. T jest ortogonalne wtedy i tylko wtedy gdy macierz m(T )
przeksztacenia T jest macierz ortogonaln.
240
24.8
Diagonalizacja macierzy symetrycznych.
Podrozdzia 13.3 powicilimy diagonalizacji macierzy symetrycznych rozmiaru

3 3. Podobnie mona diagonalizowa macierze symetryczne rozmiaru n n.
Fakt 24.8.1. Jeli A jest macierz symetryczn rozmiaru n n, to mona j przedstawi w postaci A = P D P 1 , gdzie D jest macierz diagonaln rozmiaru n n,
za P jest macierz ortogonaln. Ponadto wyrazy na przektnej macierzy D s wartociami wasnymi macierzy A, za macierz P jest utworzona z jednostkowych wektorw wasnych dla tych wartoci wasnych.
24.9
Formy kwadratowe.
Rozdzia 15 powicilimy na zbadanie wasnoci pewnego rodzaju funkcji form kwadratowych. Podobne pojcie moemy wprowadzi w przestrzeniach Rn .
Definicja 24.9.1 (forma kwadratowa). Funkcja : Rn R jest form kwadratow jeli ma posta
x1
n X
n
X
x2
.. =
aij xi xj ,
.
i=1 j=1
xn
przy czym zakadamy, e aji = aij dla i 6= j.
Macierz A = [aij ]i,j nazywamy macierz formy kwadratowej .
Uwaga 24.9.2. Macierz A = [aij ]i,j jest macierz symetryczn.
Uwaga 24.9.3. Wzr okrelajcy form kwadratow zawiera skadniki aij xi xj oraz
aji xj xi , ktre s rwne. Zatem ogln posta formy kwadratowej mona te zapisa
jako
x1
n
X
X
x2
2
..
=
a
x
+
2aij xi xj .
kk
k
.
1i<jn
k=1
xn
Form kwadratow moemy rwnie zdefiniowa w dowolnej przestrzeni wektorowej.
Definicja 24.9.4. Funkcja : V R jest form kwadratow jeli dla pewnej bazy
B przestrzeni V ma ona w tej bazie posta
x1
x2
..
.
xn
n X
n
X
=
aij xi xj .
i=1 j=1
B
Fakt 24.9.5. W kadej innej bazie B 0 w przestrzeni V funkcja bdzie miaa

podobn posta, ale z innymi wspczynnikami aij .
Wasno mwica o tym, e dana funkcja jest form kwadratow jest cakowicie
niezalena od wyboru bazy. Jest to chyba jedna z najmocniejszych cech tej funkcji.
241
24.10
Macierz formy kwadratowej w nowej bazie

i diagonalizacja formy kwadratowej.
W rozdziale 15 pokazalimy, e kad macierz formy kwadratowej mona w

pewnym nowym ukadzie wsprzdnych wyrazi w postaci diagonalnej. Podobnie
moemy postpi w przypadku formy kwadratowej w dowolnej przestrzeni wektorowej.
Fakt 24.10.1. Niech V bdzie przestrzeni wektorow, natomiast B, C niech bd
bazami tej przestrzeni. Macierz przejcia z bazy B do bazy C jest F = FBC . Niech
: V R bdzie form kwadratow o macierzy A wzgldem bazy B, oraz o macierzy
A0 wzgldem bazy C. Wwczas
A0 = F T A F.
Wniosek 24.10.2. Dla kadej formy kwadratowej istnieje baza ortonormalna, w
ktrej forma ta ma posta diagonaln, tzn. macierz formy w tej bazie jest macierz
diagonaln.
Dowd. Wemy dowoln baz ortonormaln B i form , ktra w tej bazie ma
macierz A. Macierz A jako macierz formy kwadratowej jest macierz symetryczn,
wic posiada ortogonaln diagonalizacj
A = P DP 1 ,
gdzie P jest macierz ortogonaln. Potraktujmy macierz P jako macierz przejcia z
bazy B do jakiej bazy C. Zauwamy, e wwczas macierz C te musi by macierz
ortonormaln. Skoro zatem A+P DP 1 , to D = P 1 AP. Macierz P jest ortogonalna
wic P 1 = P T a std
D = P T AP.
Z Faktu 24.10.1 wynika, e macierz diagonalna D jest macierz formy w bazie
C.
Uwaga 24.10.3. W takiej bazie e1 , e2 , . . . , en forma ma posta
(x1 e1 + x2 e2 + . . . + xn en ) = a11 x21 + a22 x22 + . . . + ann x2n .
24.11
Dodatnia okrelono form kwadratowych i

macierzy.
W rozdziale 15 wprowadzilimy pojcia formy i macierzy dodatnio okrelonych.

Wspominalimy rwnie o moliwociach wykorzystania tych poj w analizie wielu
zmiennych. Moemy w ten sposb wykorzysta rwnie formy i macierze dodatnio
okrelone w przypadku przestrzeni Rn . Pojcia te bd miay definicj analogiczn
do tej wprowadzonej w przestrzeni R3 .
242
Definicja 24.11.1. Forma kwadratowa : Rn R jest dodatnio okrelona, jeli

dla kadego niezerowego wektora X z przestrzeni Rn zachodzi (X) > 0.
Macierz symetryczna rozmiaru n n jest dodatnio okrelona, jeli jest macierz
dodatnio okrelonej formy kwadratowej w Rn .
Podstawowe wasnoci oraz sposb rozpoznawania macierzy dodatnio okrelonych przy uyciu wyznacznikw przenosi si bez zmian z przypadku 3 3 na przypadek n n.
Fakt 24.11.2. Macierz symetryczna A rozmiaru nn jest dodatnio okrelona wtedy
i tylko wtedy gdy wszystkie wartoci wasne macierzy A s dodatnie a to zachodzi
det A1 > 0, det A2 > 0, . . . , det An1 > 0, det A > 0,
gdzie Ai jest macierz rozmiaru i i bdc lew grn czci macierzy A.
Nie bdziemy podawa wicej uoglnie, cho niewtpliwie daoby si jeszcze
wiele takich znale. Jak wida wiele zagadnie z przestrzeni R3 moemy bardzo
atwo przenie na przypadek Rn a nastpnie na dowolne przestrzenie wektorowe,
dziki temu moemy bada wasnoci abstrakcyjnych przestrzeni przy pomocy analogii
do przypadku bliszej nam przestrzeni R3 .
Bibliografia
[1] F.Leja, Geometria analityczna, PWN, 1961
[2] T.Huskowski, H.Korczowski, H.Matuszczyk,
Wydawnictwo Politechniki Wrocawskiej, 1980
Algebra liniowa,
[3] A.Biaynicki-Birula, Algebra liniowa z geometri, PWN, 1976

[4] W.Pogorzelski, Geometria analityczna w przestrzeni, Akademicka
Spdzielnia Wydawnicza, 1948
[5] R.W.Fuller, F.W.Byron, Matematyka w fizyce klasycznej i kwantowej,
PWN, 1975
243

Skrypt Z Algebry Liniowej

Uploaded by

Document Information

Original Title

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

Skrypt Z Algebry Liniowej

Uploaded by

Copyright:

Available Formats

Uniwersytet Wrocawski

Wydzia Matematyki i Informatyki

Skrypt z Algebry Liniowej 2

5 Przeksztacenia liniowe przestrzeni

Symetria wzgldem paszczyzny. . . . . . . . . . . . . . . . . . . . .

6 Wasnoci przeksztace liniowych i ich macierzy

8 Przeksztacenia liniowe a objto i orientacja

12 Macierz ortogonalna i macierz transponowana

13.3 Diagonalizacja macierzy. . . . . . . . . . . . . . . . . . . . . . . . . . 109

15 Formy kwadratowe i powierzchnie stopnia drugiego

16 Ukady rwna liniowych z wieloma niewiadomymi

18.10Macierz odwrotna. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181

22 Przeksztacenia liniowe dowolnych przestrzeni wektorowych

Wsprzdne punktw w R3.

Ukad wsprzdnych Oxyz w przestrzeni

Czsto, na rysunkach, zamiast pisa Ox , Oy , Oz bdziemy opisywa osie przez x, y, z.

Rozdzia 1. Punkty i wektory w R3

Ax , Ay , Az na poszczeglnych osiach. Wsprzdne punktu A bdziemy zapisywa

Rozwamy inny, bardziej pogldowy, sposb okrelenia wsprzdnych punktu

Wsprzdne punktu A0 w ukadzie Oxy to (xA , yA ). Okrelmy zA jako odlego

Rozdzia 1. Punkty i wektory w R3

Zauwamy, e punkt A0 jest rzutem punktu A na paszczyzn Oxy . Wsprzdne

Odlego punktw w R3.

Na tej paszczynie punkty A0 i B 0 maj wsprzdne A0 = (x, y), B 0 = (x0 , y 0 ).

Figura A0 B 0 CA jest prostoktem, wic |AC| = |A0 B 0 |. Ponadto |BC| = |z z 0 |.

Rozdzia 1. Punkty i wektory w R3

|AB|2 = |AC|2 + |CB|2 =

wsprzdnych i kocu w punkcie X. Wektory takie oznacza bdziemy X lub X.

gdzie A jest pocztkiem wektora, a B jego kocem. Za wsprzdne wektora AB

Przykad. Wektor o pocztku w punkcie A = (2, 1, 3) i kocu w punkcie B =

AB = [2 2, 6 1, 8 (3)] = [4, 5, 11].

(b1 , b2 , b3 ), to wsprzdne wektora AB pokrywaj si ze wsprzdnymi punktu B.

Rozdzia 1. Punkty i wektory w R3

Definicja 1.3.3 (rwno wektorw). Wektory U i V nazywamy rwnymi, jeli

Dowd twierdzenia pomijamy.

Przykad. Rozwamy dwa wektory AB oraz CD, gdzie:

Poniej w czysto algebraiczny sposb zdefiniujemy podstawowe dziaania na

Rozdzia 1. Punkty i wektory w R3

Geometrycznie sum dwch wektorw okrela si jako przektn rwnolegoboku

wodzcy o kocu w tym punkcie, czyli o wsprzdnych

Niech dany bdzie wektor X = x2 oraz liczba rzeczywista k. Iloczynem liczby

Rozdzia 1. Punkty i wektory w R3

paszczynie otrzymujemy wic, e y1 = kx1 oraz y2 = kx2 . Podobnie z wasnoci

Dla k = 1 otrzymujemy k X = (1) x2 = x2 . Wektor ten jest

(3) Istnieje wektor O =

Rozdzia 1. Punkty i wektory w R3

Wtedy ich rnic bdziemy nazywa wektor

Przypomnijmy, e dugo wektora AB to z definicji dugo odcinka AB. Z rwnania

|AB| = (b1 a1 )2 + (b2 a2 )2 + (b3 a3 )2 .

Rozkad wektora wzgldem ustalonych trzech

Definicja 1.5.1 (niewsppaszczyznowo wektorw). Wektory X, Y, Z w R3

Rozdzia 1. Punkty i wektory w R3

gdzie VZ ||Z. Wektor U zawiera si w paszczynie PXY , wic moemy go na tej

Przedstawienie wektora w postaci kombinacji

Definicja 1.6.1 (kombinacja liniowa wektorw). Kombinacj liniow wektorw

Dla V = v2 , X = x2 , Y = y2 , Z = z2 podan w definicji

Szukanie rozkadu danego wektora w kombinacj liniow zadanych wektorw sprowadza

Rozdzia 1. Punkty i wektory w R3

Przykad. Rozwamy wektory

Rozwizaniem tego ukadu s

Rwnanie parametryczne prostej w przestrzeni.

Na pocztek zajmijmy si przypadkiem, gdy dana prosta L przechodzi przez

Rozdzia 1. Punkty i wektory w R3