Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami

Algebra liniowa cz.
2
skrypt do ćwiczeń
Tomasz Gzella
Politechnika Gdańska
Spis treści
1 Przekształcenia liniowe 2
1.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Część C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Macierze przekształceń liniowych 9

2.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Wartości i wektory własne 17

3.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4 Iloczyny skalarne 22
4.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Część B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5 Formy dwuliniowe i kwadratowe 36

5.1 Część A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6 Przykładowe rozwiązania wybranych zadań 42

6.1 Przekształcenia liniowe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.2 Macierze przekształceń liniowych . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.3 Wartości i wektory własne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.4 Iloczyny skalarne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.5 Formy dwuliniowe i kwadratowe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
7 Odpowiedzi do zadań 113

7.1 Przekształcenia liniowe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2 Macierze przekształceń liniowych . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.3 Wartości i wektory własne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.4 Iloczyny skalarne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.5 Formy dwuliniowe i kwadratowe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Rozdział 1
Przekształcenia liniowe
1.1 Część A
Niech 𝑈 i 𝑉 będą przestrzeniami liniowymi nad ciałem R (ogólnie: nad ciałem 𝐾).
Definicja 1.1.
Przekształcenie 𝐴 : 𝑈 → 𝑉 spełniające warunki:
(i) ∀𝑢1 ,𝑢2 ∈𝑈 𝐴(𝑢 1 + 𝑢 2 ) = 𝐴(𝑢 1 ) + 𝐴(𝑢 2 ),
(ii) ∀ 𝛼∈R∀𝑢∈𝑈 𝐴(𝛼𝑢) = 𝛼𝐴(𝑢)
nazywamy przekształceniem liniowym.
Uwaga 1.1 Przekształcenie, które spełnia warunek (𝑖) nazywamy addytywnym, a jeśli spełnia
warunek (𝑖𝑖), to jest to przekształcenie jednorodne.
Równoważnie można je zapisać jako jeden warunek:
∀ 𝛼,𝛽 ∈R∀𝑢1 ,𝑢2 ∈𝑈 𝐴(𝛼𝑢 1 + 𝛽𝑢 2 ) = 𝛼𝐴(𝑢 1 ) + 𝛽𝐴(𝑢 2 ).
Zadanie 1 Uzasadnić liniowość podanych przekształceń:

a) 𝐴 : R2 → R, 𝐴(𝑥, 𝑦) = 2𝑥 − 𝑦,
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥, 2𝑥 − 𝑦),
c) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑥 + 𝑦, 2𝑥),
d) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 3𝑦, 𝑦),
e) 𝐴 : R2 → R4 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑦, 𝑥 + 𝑦, 𝑥 − 𝑦),
f) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑦, 𝑡, 0),
g) 𝐵 : R2 → R2 , symetria względem osi 𝑂 𝑋, tzn. 𝐵(𝑥, 𝑦) = (𝑥, −𝑦),
h) 𝐵 : R2 → R2 , symetria względem osi 𝑂𝑌 ,
i) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑂𝑌 𝑍, tzn. 𝐶 (𝑥, 𝑦, 𝑧) = (0, 𝑦, 𝑧),
j) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑋𝑂𝑍,
k) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑋𝑌𝑂,
2
ROZDZIAŁ 1. PRZEKSZTAŁCENIA LINIOWE
l) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑝 0 (𝑥) + 𝑥 𝑝(1) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
m) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 3𝑥 𝑝(𝑥) + 𝑝(1) + 2𝑝(2) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

∫1
n) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑝 0 (𝑥) + 3 0 𝑝(𝑡)𝑑𝑡 dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
o) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑥 𝑝(𝑥) + 𝑥 𝑝 0 (0) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
p) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 𝑥 𝑝(𝑥)𝑑𝑥 dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

∫
∫1
q) 𝐸 : R[𝑥] → R2 , (𝐸 𝑝) (𝑥) = 3 0 𝑝(𝑡)𝑑𝑡, 𝑝(3) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
r) 𝐸 : R[𝑥] → R2 , (𝐸 𝑝) (𝑥) = ( 𝑝(10), 4𝑝(3) + 2𝑝(1)) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
s) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 4 𝑓 (𝑥) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
t) 𝐺 : C( [0, 1]) → C( [0, 1]), (𝐺 𝑓 ) (𝑥) = 𝑓 (5𝑥) dla 𝑓 ∈ C( [0, 1]), 𝑥 ∈ [0, 1],
u) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 2 𝑓 (2𝑥) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
v) 𝐺 : 𝐶 ( [0, 1]) → 𝐶 ( [0, 1]), (𝐺 𝑓 ) (𝑥) = 3 𝑓 ( 2𝑥 ) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
w) 𝐻 : 𝐶 ( [0, 1]) → R[𝑥], (𝐻 𝑓 ) (𝑥) = 𝑥 3 𝑓 (0) + 𝑥 𝑓 (1) dla 𝑓 ∈ 𝐶 ( [0, 1]), 𝑥 ∈ [0, 1],
1 2
x) 𝐾 : 𝑀2𝑥3 (R) → 𝑀2𝑥2 (R), 𝐾 ( 𝐴) = 𝐴 · 2 1 dla 𝐴 ∈ 𝑀2𝑥3 (R).
 
3 2
 
Zadanie 2 Uzasadnić, że podane przekształcenia przestrzeni liniowych nie są liniowe:
a) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥 + 1, 2𝑥 + 3𝑦, 𝑥),
b) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥, 2𝑦, 𝑥𝑦),
c) 𝐵 : R → R4 , 𝐵(𝑥) = (𝑥, 2𝑥 + 1, 3𝑥 + 2, 4𝑥 + 3),
d) 𝐴 : R3 → R4 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦, 4𝑧, 𝑧, 1),
e) 𝐴 : R2 → R, 𝐴(𝑥, 𝑦) = 𝑥 2 ,
f) 𝐶 : R → R, 𝐶 (𝑥) = (𝑥 − 3) (𝑥 + 2),
g) 𝐶 : R → R, 𝐶 (𝑥) = |𝑥|,
h) 𝐷 : R2 → R2 , symetria względem prostej 𝑥 + 𝑦 + 2 = 0,
i) 𝐷 : R2 → R2 , symetria względem prostej 𝑥 + 𝑦 − 1 = 0,
j) 𝐸 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑥 − 𝑦 + 𝑧 = 1,
k) 𝐸 : R3 → R3 , rzut prostokątny na prostą 𝑥 = 1, 𝑦 = 2,
l) 𝐹 : R[𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝(𝑥) 𝑝 0 (𝑥) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,
m) 𝐹 : R2 [𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝 0 (𝑥) 𝑝(2) dla 𝑝 ∈ R2 [𝑥], 𝑥 ∈ R,
n) 𝐹 : R2 [𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝(𝑡) 𝑝 0 (𝑡)𝑑𝑡 dla 𝑝 ∈ R2 [𝑥], 𝑥 ∈ R,

∫ 𝑥
0
Rozdział 1 Strona 3
o) 𝐺 : 𝐶 (R) → 𝐶 (R), (𝐺 𝑓 ) (𝑥) = 𝑠𝑖𝑛( 𝑓 (𝑥)) dla 𝑓 ∈ 𝐶 (R), 𝑥 ∈ R,
p) 𝐺 : 𝐶 (R) → 𝐶 (R), (𝐺 𝑓 ) (𝑥) = 𝑓 2 (𝑥) dla 𝑓 ∈ 𝐶 (R), 𝑥 ∈ R,
q) 𝐻 : 𝑀3𝑥3 (R) → 𝑀3𝑥3 (R), 𝐻 ( 𝐴) = 𝑡𝑟 ( 𝐴) · 𝐴,
r) 𝐻 : 𝑀3𝑥3 (R) → R, 𝐻 ( 𝐴) = 𝑑𝑒𝑡 ( 𝐴),
s) 𝐻 : 𝑀2𝑥2 (R) → 𝑀2𝑥2 (R), 𝐻 ( 𝐴) = 𝑡𝑟 (−𝐴) · 𝐴.
Zadanie 3 Napisać wzory określające wszystkie przekształcenia liniowe:
a) 𝐴 : R2 → R, e) 𝐵 : 𝑀2𝑥1 (R) → R,
b) 𝐴 : R3 → R,
f) 𝐵 : 𝑀2𝑥2 (R) → R,
c) 𝐴 : R2 → R2 ,
d) 𝐴 : R3 → R2 , g) 𝐵 : 𝑀1𝑥3 (R) → 𝑀2𝑥1 (R).
Zadanie 4 Przekształcenie liniowe 𝐴 : R1 [𝑥] → R[𝑥] przeprowadza
a) wektor 𝑝 1 (𝑥) = 𝑥 + 2 na wektor 𝑞 1 (𝑥) = 𝑥 2 + 𝑥, a wektor 𝑝 2 (𝑥) = 𝑥 − 1 na wektor 𝑞 2 (𝑥) = 𝑥 2 ,
b) wektor 𝑝 1 (𝑥) = 𝑥 + 1 na wektor 𝑞 1 (𝑥) = 𝑥 5 + 𝑥 − 1, a wektor 𝑝 2 (𝑥) = 3𝑥 + 2 na wektor

𝑞 2 (𝑥) = 2𝑥 2 + 𝑥,
c) wektor 𝑝 1 (𝑥) = 4𝑥 + 2 na wektor 𝑞 1 (𝑥) = 4𝑥 − 2, a wektor 𝑝 2 (𝑥) = −𝑥 + 3 na wektor 𝑞 2 (𝑥) = 4𝑥,
d) wektor 𝑝 1 (𝑥) = −2𝑥 + 2 na wektor 𝑞 1 (𝑥) = 𝑥 4 − 𝑥 2 − 1, a wektor 𝑝 2 (𝑥) = 2𝑥 na wektor

𝑞 2 (𝑥) = 𝑥 7 + 2𝑥,
Znaleźć obraz wektorów 𝑒 1 (𝑥) = 1, 𝑒 2 (𝑥) = 𝑥, 𝑝(𝑥) = 2𝑥 + 1 w przekształceniu 𝐴.
Definicja 1.2.
Jądrem przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 nazywamy zbiór 𝐾𝑒𝑟 𝐴 określony wzo-
rem:
𝐾𝑒𝑟 𝐴 = {𝑢 ∈ 𝑈 | 𝐴(𝑢) = 0}.
Definicja 1.3.
Obrazem przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 nazywamy zbiór 𝐼𝑚 𝐴 określony
wzorem:
𝐼𝑚 𝐴 = {𝑣 ∈ 𝑉 | ∃𝑢∈𝑈 𝐴(𝑢) = 𝑣} = { 𝐴(𝑢) | 𝑢 ∈ 𝑈}.
Uwaga 1.2 Dla każdego 𝐴 liniowego mamy 0 ∈ 𝐾𝑒𝑟 𝐴, 0 ∈ 𝐼𝑚 𝐴.
Zadanie 5 Wyznaczyć jądra i obrazy podanych przekształceń liniowych, posługując się ich in-
terpretacją geometryczną. Porównać uzyskane odpowiedzi z wynikami obliczeń algebraicznych:
a) 𝐴 : R2 → R2 jest rzutem prostokątnym na oś 𝑂 𝑋,
b) 𝐴 : R2 → R2 jest rzutem prostokątnym na oś 𝑂𝑌 ,
c) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 𝑥,
d) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = −𝑥,
e) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 2𝑥,
f) 𝐴 : R2 → R2 jest obrotem wokół początku układu o kąt 4,

𝜋
g) 𝐴 : R2 → R2 jest obrotem wokół początku układu o kąt 2,

𝜋
h) 𝐴 : R2 → R2 jest symetrią względem osi 𝑂 𝑋,
i) 𝐴 : R2 → R2 jest symetrią względem osi 𝑂𝑌 ,
j) 𝐴 : R3 → R3 jest symetrią względem osi 𝑂 𝑋,
k) 𝐴 : R3 → R3 jest symetrią względem osi 𝑂𝑌 ,
l) 𝐴 : R3 → R3 jest symetrią względem osi 𝑂𝑍,
m) 𝐴 : R3 → R3 jest rzutem prostokątnym na oś 𝑂 𝑋,
n) 𝐴 : R3 → R3 jest rzutem prostokątnym na oś 𝑂𝑌 ,
o) 𝐴 : R3 → R3 jest rzutem prostokątnym na oś 𝑂𝑍,
p) 𝐴 : R3 → R3 jest rzutem prostokątnym na płaszczyznę 𝑋𝑌𝑂,
q) 𝐴 : R3 → R3 jest rzutem prostokątnym na płaszczyznę 𝑂𝑌 𝑍,
r) 𝐴 : R3 → R3 jest rzutem prostokątnym na płaszczyznę 𝑋𝑂𝑍.
Zadanie 6 Wyznaczyć jądra i obrazy (oraz ich bazy) podanych przekształceń liniowych:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 2𝑥),
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 3𝑦 − 6𝑥),
c) 𝐴 : R3 → R4 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥 − 𝑦 − 𝑧, 𝑥 + 𝑦 + 4𝑧, 2𝑥 + 𝑦 + 5𝑧, −𝑥 − 𝑧),
d) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑦 + 𝑧),
e) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 2𝑧 + 𝑡, −2𝑥 + 𝑦 − 3𝑧 − 5𝑡, 𝑥 − 𝑦 + 𝑧 + 4𝑡),
f) 𝐴 : R3 → R4 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥 − 𝑦 + 𝑧, 𝑥 + 2𝑦 − 𝑧, −𝑥 + 3𝑦 − 2𝑧, 8𝑥 + 𝑦 + 𝑧),
g) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(𝑥) dla 𝑥 ∈ R,
h) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝 00 (𝑥) + 𝑝(0) dla 𝑥 ∈ R,
i) 𝐴 : R1 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝(2),
j) 𝐴 : R1 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(0) + 𝑝(1) dla 𝑥 ∈ R,
k) 𝐴 : R1 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑝 0 (𝑥) + 2𝑝(𝑥) dla 𝑥 ∈ R,
l) 𝐴 : R1 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 2𝑥 𝑝 0 (𝑥) dla 𝑥 ∈ R,
m) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(0) dla 𝑥 ∈ R,
n) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = (2𝑥 + 1) 𝑝 0 (𝑥) dla 𝑥 ∈ R,
o) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 2 + 𝑥) 𝑝(2) + (3𝑥 2 − 𝑥) 𝑝(1) dla 𝑥 ∈ R,
p) 𝐴 : R2 [𝑥] → R3 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 2 + 2𝑥) 𝑝 0 (−𝑥) dla 𝑥 ∈ R.
Twierdzenie 1.1. o wymiarach jądra i obrazu przekształcenia liniowego

Niech 𝐴 : 𝑈 → 𝑉 będzie przekształceniem liniowym. Wtedy zachodzi
𝑑𝑖𝑚(𝐾𝑒𝑟 𝐴) + 𝑑𝑖𝑚(𝐼𝑚 𝐴) = 𝑑𝑖𝑚𝑈.
Zadanie 7 Podać wymiary jąder i obrazów następujących przekształceń liniowych:
a) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥 + 2𝑦, 𝑥 − 2𝑦, 0),
b) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 − 3𝑦 + 2𝑧, −2𝑥 + 6𝑦 − 4𝑧),
c) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 2𝑦 + 𝑧 − 𝑡, 𝑥 + 2𝑧 + 𝑡, 2𝑥 + 𝑦 + 3𝑡),
d) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 𝑦 + 𝑧 − 𝑡, 2𝑥 + 𝑦 − 𝑧 + 𝑡, 𝑦 + 3𝑧 − 3𝑡),
e) 𝐴 : R5 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑠, 𝑡) = (𝑥 + 𝑦 + 𝑧, 𝑦 + 𝑧 + 𝑠, 𝑧 + 𝑠 + 𝑡),
f) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑝 0 (𝑥) + 𝑝(𝑥) dla 𝑥 ∈ R,
g) 𝐴 : R4 → R4 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 2𝑦 + 3𝑧 − 4𝑡, 3𝑥 + 5𝑧 + 2𝑡, 𝑥 + 𝑦 + 𝑧 + 3𝑡, 5𝑥 − 𝑦 + 9𝑧 + 𝑡),
h) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 2 𝑝(0) dla 𝑥 ∈ R,
i) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝 0 (𝑥) + 𝑝(1) dla 𝑥 ∈ R,
j) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(2) + 𝑝(1) dla 𝑥 ∈ R,
k) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 2 0 𝑝(𝑡)𝑑𝑡 dla 𝑥 ∈ R.

∫𝑥
1.2 Część B
Zadanie 8 Przekształcenie liniowe 𝐴 : R3 → R2 przeprowadza
a) wektor 𝑥 = (1, 2, 1) na wektor 𝑢 = (1, 5), a wektor 𝑦 = (−1, 1, 3) na wektor 𝑣 = (−2, 1),
b) wektor 𝑥 = (−1, −2, 1) na wektor 𝑢 = (0, 1), a wektor 𝑦 = (3, 4, 2) na wektor 𝑣 = (1, 1),
Znaleźć obraz wektorów 𝑧 = (5, 4, −3), 𝑡 = (5, 8, 0) w przekształceniu 𝐴 (o ile to możliwe).
Zadanie 9 Przekształcenie 𝐴 : R2 → R2 dane jest wzorem:
a) 𝐴(𝑥, 𝑦) = (𝑥 + 2𝑦, 2𝑥 − 𝑦),
b) 𝐴(𝑥, 𝑦) = (3𝑥 − 𝑦, 0),
c) 𝐴(𝑥, 𝑦) = (𝑥 − 𝑦, 𝑦 − 𝑥),
d) 𝐴(𝑥, 𝑦) = (𝑥, 2𝑥).
Które z wektorów (1, 0), (0, 1), (2, 3), (−1, 1), (2, 2) należą do 𝐾𝑒𝑟 𝐴, a które do 𝐼𝑚 𝐴?
Zadanie 10 Przekształcenie 𝐴 : R2 [𝑥] → R2 [𝑥] dane jest wzorem:
a) ( 𝐴𝑝)(𝑥) = 𝑥 𝑝 0 (𝑥),
b) ( 𝐴𝑝)(𝑥) = (2𝑥 − 4) 𝑝 00 (𝑥),
c) ( 𝐴𝑝)(𝑥) = 𝑝(𝑥) + 𝑝 0 (𝑥) + 𝑝 00 (𝑥),
d) ( 𝐴𝑝)(𝑥) = 𝑝 0 (𝑥) − 𝑥 𝑝 00 (𝑥),
Które z wektorów 1, 𝑥, 𝑥 2 , 2𝑥 − 3, 𝑥 − 5𝑥 2 , 4𝑥 + 5 należą do 𝐾𝑒𝑟 𝐴, a które do 𝐼𝑚 𝐴?
1.3 Część C
Możemy rozważać przestrzenie 𝑈 oraz 𝑉 nad różnymi ciałami. Wtedy opisując liniowość nad
ciałem 𝐾, mówimy że odwzorowanie 𝐴 : 𝑈 → 𝑉 jest 𝐾-liniowe. Zobaczmy to na przykładzie
przestrzeni C.
Definicja 1.4.
Przekształcenie 𝐴 : C → C spełniające warunki:
(i) ∀𝑢1 ,𝑢2 ∈C 𝐴(𝑢 1 + 𝑢 2 ) = 𝐴(𝑢 1 ) + 𝐴(𝑢 2 ),
(ii) ∀ 𝛼∈R∀𝑢∈C 𝐴(𝛼𝑢) = 𝛼𝐴(𝑢)
nazywamy przekształceniem R-liniowym.
Zadanie 11 Sprawdzić, czy następujące przekształcenia 𝐴 : C → C są R-liniowe:
a) 𝐴(𝑧) = 2𝑧, c) 𝐴(𝑧) = 3𝐼𝑚(𝑧), e) 𝐴(𝑧) = |𝑧|,
b) 𝐴(𝑧) = −𝑅𝑒(𝑧), d) 𝐴(𝑧) = 𝑎𝑟𝑔(𝑧), f) 𝐴(𝑧) = 𝑧.
Definicja 1.5.
Przekształcenie 𝐴 : C → C spełniające warunki:
(i) ∀𝑢1 ,𝑢2 ∈C 𝐴(𝑢 1 + 𝑢 2 ) = 𝐴(𝑢 1 ) + 𝐴(𝑢 2 ),
(ii) ∀ 𝛼∈C∀𝑢∈C 𝐴(𝛼𝑢) = 𝛼𝐴(𝑢)
nazywamy przekształceniem C-liniowym.
Zadanie 12 Sprawdzić, czy następujące przekształcenia 𝐴 : C → C są C-liniowe:
a) 𝐴(𝑧) = 2𝑧, c) 𝐴(𝑧) = 3𝐼𝑚(𝑧), e) 𝐴(𝑧) = |𝑧|,
b) 𝐴(𝑧) = −𝑅𝑒(𝑧), d) 𝐴(𝑧) = 𝑎𝑟𝑔(𝑧), f) 𝐴(𝑧) = 𝑧.
strona
ODPOWIEDZI 113
ROZWIZANIA 42
Rozdział 2
Macierze przekształceń liniowych
2.1 Część A
Definicja 2.1.
Niech 𝐴 : 𝑈 → 𝑉 będzie przekształceniem liniowym, gdzie
𝐵 = {𝑏 1 , 𝑏 2 , . . . , 𝑏 𝑛 } i 𝐶 = {𝑐 1 , 𝑐 2 , . . . , 𝑐 𝑚 }
są odpowiednio bazami przestrzeni liniowych 𝑈 i 𝑉.

Macierzą przekształcenia liniowego 𝐴 w podanych bazach nazywamy macierz 𝑀𝑎
o 𝑚 wierszach i 𝑛 kolumnach, której kolejne kolumny są współrzędnymi wektorów
𝐴(𝑏 1 ), 𝐴(𝑏 2 ), ..., 𝐴(𝑏 𝑛 ) w bazie 𝐶, to znaczy:


 𝐴(𝑏 1 ) = 𝑎 11 𝑐 1 + 𝑎 21 𝑐 2 + ... + 𝑎 𝑚1 𝑐 𝑚 (𝑎 11 , 𝑎 21 , ..., 𝑎 𝑚1 )𝐶
 𝐴(𝑏 2 ) = 𝑎 12 𝑐 1 + 𝑎 22 𝑐 2 + ... + 𝑎 𝑚2 𝑐 𝑚 (𝑎 12 , 𝑎 22 , ..., 𝑎 𝑚2 )𝐶



..


 .
 𝐴(𝑏 𝑛 ) = 𝑎 1𝑛 𝑐 1 + 𝑎 2𝑛 𝑐 2 + ... + 𝑎 𝑚𝑛 𝑐 𝑚

(𝑎 1𝑛 , 𝑎 2𝑛 , ..., 𝑎 𝑚𝑛 )𝐶

 𝑎 11 𝑎 12 . . . 𝑎 1𝑛 
 
 𝑎 21 𝑎 22 . . . 𝑎 2𝑛 
𝑀𝐴 =  .
 
. .. . . .. 
 .
 . . . 
𝑎 𝑚1 𝑎 𝑚2 . . . 𝑎 𝑚𝑛 
 
Stwierdzenie 2.1.
Przekształcenie 𝐴 : R𝑛 → R𝑚 jest liniowe wtedy i tylko wtedy, gdy istnieje macierz 𝑀 𝐴
wymiaru 𝑚 × 𝑛 taka, że
𝑥1 
 
𝑥2 
𝐴(𝕩) = 𝑀 𝐴  .  , gdzie 𝕩 = (𝑥 1 , 𝑥2 , ..., 𝑥 𝑛 ) ∈ R𝑛 .
 
 .. 
 
𝑥 𝑛 
 
Uwaga 2.1 Macierz 𝑀 𝐴 z powyższego stwierdzenia jest równa macierzy przekształcenia 𝐴 w

bazach standardowych przestrzeni R𝑛 i R𝑚 .
9
ROZDZIAŁ 2. MACIERZE PRZEKSZTAŁCEŃ LINIOWYCH
Zadanie 1 Napisać macierze podanych przekształceń liniowych w bazach standardowych roz-

ważanych przestrzeni liniowych:
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 𝑦),
c) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 3𝑦, 4𝑥 − 𝑦),
d) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (2𝑥 + 𝑦, 𝑥, 5𝑦),
e) 𝐴 : R2 → R4 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑦, 𝑥 + 𝑦, 𝑥 − 𝑦),
f) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦 + 2𝑧, 2𝑥 − 𝑧, 𝑦 + 𝑧),
g) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (2𝑥 − 𝑧 + 𝑡, 𝑦 − 𝑧 − 𝑡),
h) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦) = (𝑎 1 𝑥 + 𝑏 1 𝑦 + 𝑐 1 𝑧, 𝑎 2 𝑥 + 𝑏 2 𝑦 + 𝑐 2 𝑧), 𝑎 1 , 𝑎 2 , 𝑏 1 , 𝑏 2 , 𝑐 1 , 𝑐 2 ∈ R,
i) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 2𝑥 = 𝑦 = −𝑧,
j) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 𝑥 = 2𝑦 = 4𝑧,
k) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 3𝑥 = 2𝑦 = 𝑧,
l) 𝐴 : R2 → R2 , 𝐴 jest obrotem o kąt 𝜋

4 wokół punktu (0, 0),
m) 𝐴 : R2 → R2 , 𝐴 jest obrotem o kąt 𝜋 wokół punktu (0, 0),
n) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

4 wokół osi 𝑂 𝑋,
o) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

3 wokół osi 𝑂𝑌 ,
p) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

2 wokół osi 𝑂 𝑋,
q) 𝐴 : R2 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 3𝑝 00 (𝑥),
r) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 2 𝑝 0 (𝑥) + 2𝑥 𝑝(𝑥) + 𝑥 𝑝(0),
s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥),
t) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = (2 + 3𝑥) 𝑝 00 (𝑥) + 3𝑝 0 (𝑥),
u) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 2𝑝(𝑥) + 3𝑝 0 (𝑥) + 4𝑝 00 (𝑥),
v) 𝐴 : R2 → R2 [𝑥], ( 𝐴(𝑎, 𝑏)) (𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + (𝑎 − 𝑏),
w) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 𝑝 00 (3𝑥).
Twierdzenie 2.1. o postaci przekształcenia liniowego

Niech 𝑀 𝐴 będzie macierzą przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 w bazie 𝐵 =
{𝑢 1 , 𝑢 2 , . . . , 𝑢 𝑛 } przestrzeni 𝑈 i bazie 𝐶 = {𝑣 1 , 𝑣 2 , . . . , 𝑣 𝑚 } przestrzeni 𝑉 oraz niech 𝑢 ∈ 𝑈.
Wtedy
𝑀 𝐴 (𝑢 𝐵 ) = ( 𝐴(𝑢))𝐶 ,
gdzie 𝑢 𝐵 , ( 𝐴(𝑢))𝐶 są pionowymi macierzami współrzędnych odpowiednio 𝑢 w bazie 𝐵 oraz
𝐴(𝑢) w bazie C.
Stwierdzenie 2.2. o rzędzie macierzy przekształcenia

Dla macierzy 𝑀 𝐴 przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 zachodzi równość
𝑟 (𝑀 𝐴) = 𝑑𝑖𝑚(𝐼𝑚 𝐴).
Rząd macierzy 𝑀 𝐴 nie zależy od wyboru baz przestrzeni 𝑈 i 𝑉.
Zadanie 2 Korzystając z definicji znaleźć macierze podanych przekształceń liniowych we wska-

zanych bazach 𝐵 i 𝐶 odpowiednich przestrzeni liniowych:
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
𝐵 = {(1, 1, 0, 0), (0, 1, −1, 0), (0, 0, 1, 3), (2, 0, 0, 2)}, 𝐶 = {(1, 2), (0, 3)},
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 𝑦), 𝐵 = {(1, 1), (1, −1)}, 𝐶 = {(1, 1), (1, 0)},
c) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 3𝑦, 4𝑥 − 𝑦), 𝐵 = {(2, 0), (−1, −1)}, 𝐶 = {(1, 2), (2, 1)},
d) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (2𝑥 + 𝑦, 𝑥, 5𝑦), 𝐵 = {(0, 1), (1, 0)}, 𝐶 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
e) 𝐴 : R2 → R4 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑦, 𝑥 + 𝑦, 𝑥 − 𝑦),

𝐵 = {(0, 1), (1, 1)}, 𝐶 = {(0, 1, 1, 0), (1, 1, 1, 0), (0, 1, 1, 1), (0, 0, 1, 0)},
f) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦 + 2𝑧, 2𝑥 − 𝑧, 𝑦 + 𝑧),

𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}, 𝐶 = {(0, 1, 0), (1, 1, 0), (0, 1, 1)},
g) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (2𝑥 − 𝑧 + 𝑡, 𝑦 − 𝑧 − 𝑡),

𝐵 = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)}, 𝐶 = {(1, 1), (1, 2)},
h) 𝐴 : R3 → R2 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑎 1 𝑥 + 𝑏 1 𝑦 + 𝑐 1 𝑧, 𝑎 2 𝑥 + 𝑏 2 𝑦 + 𝑐 2 𝑧), 𝑎 1 , 𝑎 2 , 𝑏 1 , 𝑏 2 , 𝑐 1 , 𝑐 2 ∈ R,
𝐵 = {(0, 1, 0), (1, 1, 0), (0, 1, 1)}, 𝐶 = {(1, 0), (1, 1)},
i) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 2𝑥 = 𝑦 = −𝑧,

𝐵 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}, 𝐶 = {(1, 0, 1), (0, 1, 0), (0, 1, 1)},
j) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 𝑥 = 2𝑦 = 4𝑧,

𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}, 𝐶 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
k) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 3𝑥 = 2𝑦 = 𝑧,

𝐵 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}, 𝐶 = {(1, 0, 1), (0, 1, 0), (0, 1, 1)},
l) 𝐴 : R2 → R2 , 𝐴 jest obrotem o kąt 𝜋

4 wokół punktu (0, 0), 𝐵 = {(1, 0), (1, 1)},
𝐶 = {(0, 1), (1, 2)},
m) 𝐴 : R2 → R2 , 𝐴 jest obrotem o kąt 𝜋 wokół punktu (0, 0), 𝐵 = {(1, 1), (1, −1)},
𝐶 = {(0, 1), (1, −1)},
n) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

4 wokół osi 𝑂 𝑋, 𝐵 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
𝐶 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)},
o) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

3 wokół osi 𝑂𝑌 , 𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)},
𝐶 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
p) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 𝜋

2 wokół osi 𝑂 𝑋, 𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)},
𝐶 = {(1, 0, 0), (1, 0, 1), (1, 1, 1)},
q) 𝐴 : R2 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 3𝑝 00 (𝑥), 𝐵 = 2 − 𝑥, 𝑥 2 , 1 , 𝐶 = {−2},

r) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 2 𝑝 0 (𝑥) + 2𝑥 𝑝(𝑥) + 𝑥 𝑝(0), 𝐵 = {2 − 𝑥, 𝑥 + 1}, 𝐶 = 𝑥, 𝑥 2 , 1 ,

s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥), 𝐵 = 2, 𝑥 − 2, 𝑥 2 , 𝐶 = {𝑥 + 1, 1},

t) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = (2 + 3𝑥) 𝑝 00 (𝑥) + 3𝑝 0 (𝑥), 𝐵 = {1 + 𝑥 + 𝑥 2 , 1 + 𝑥, 1}, 𝐶 = {2 + 𝑥, 𝑥},
u) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 2𝑝(𝑥) + 3𝑝 0 (𝑥) + 4𝑝 00 (𝑥), 𝐵 = {1 + 𝑥 + 𝑥 2 , 1 + 𝑥, 1},

𝐶 = {2 + 𝑥, 𝑥 + 𝑥 2 , 𝑥 2 },
v) 𝐴 : R2 → R2 [𝑥], ( 𝐴(𝑎, 𝑏)) (𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + (𝑎 − 𝑏), 𝐵 = {(1, 0), (1, 1)}, 𝐶 = {1, 1 + 𝑥, 𝑥 2 − 1},
w) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 𝑝 00 (3𝑥), 𝐵 = {1 + 𝑥 + 𝑥 2 , 1 + 𝑥, 1}, 𝐶 = {2, 𝑥 − 2}.
Zadanie 3 Macierz przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 ma w bazie 𝐵 = {𝑢 1 , 𝑢 2 , 𝑢 3 } przestrzeni

liniowej 𝑈 i w bazie 𝐶 = {𝑣 1 , 𝑣 2 } przestrzeni 𝑉 postać
1 1 1

a) 𝑀 = ,
2 −1 1
1 2 3

b) 𝑀 = ,
0 1 −1
5 0 0

c) 𝑀 = ,
1 2 −1
0 1 3

d) 𝑀 = .
2 3 1
Znaleźć obrazy wektorów
𝑎 = 𝑢 1 − 𝑢 2 , 𝑏 = 2𝑢 1 + 3𝑢 2 + 4𝑢 3 , 𝑐 = 𝑢 2 + 3𝑢 3 , 𝑑 = −𝑢 1 − 𝑢 2 + 𝑢 3
w tym przekształceniu.
Definicja 2.2.
Niech 𝑉 będzie przestrzenią liniową oraz niech
𝐴 = {𝑎 1 , 𝑎 2 , ..., 𝑎 𝑛 }, 𝐵 = {𝑏 1 , 𝑏 2 , ..., 𝑏 𝑛 }
będą bazami tej przestrzeni. Macierzą przejścia z bazy 𝐴 do bazy 𝐵 nazywamy

macierz kwadratową 𝑃 𝐵𝐴 stopnia 𝑛, której kolumnami są współrzędne kolejnych wektorów
bazy 𝐵 w bazie 𝐴, to znaczy:


 𝑏 1 = 𝑝 11 𝑎 1 + 𝑝 21 𝑎 2 + ... + 𝑝 𝑛1 𝑎 𝑛
 𝑏 2 = 𝑝 12 𝑎 1 + 𝑝 22 𝑎 2 + ... + 𝑝 𝑛2 𝑎 𝑛



.. ,


 .
 𝑏 𝑛 = 𝑝 1𝑛 𝑎 1 + 𝑝 2𝑛 𝑎 2 + ... + 𝑝 𝑛𝑛 𝑎 𝑛


co zapisujemy
 𝑝 11 𝑝 12 . . . 𝑝 1𝑛 

 𝑝 21 𝑝 22 . . . 𝑝 2𝑛 
𝑃 𝐵𝐴 =  .

.. .. ..  .
 .. . . . 

 𝑝 𝑛1 𝑝 𝑛2 . . . 𝑝 𝑛𝑛 

Uwaga 2.2 Macierz przejścia z bazy 𝐵 do bazy 𝐴 można obliczyć jako macierz odwrotną
−1
𝑃 𝐵𝐴 = 𝑃 𝐵𝐴 .
Uwaga 2.3 Niech 𝑣 𝐴 = (𝛼1 , 𝛼2 , ..., 𝛼𝑛 ) 𝐴 ∈ 𝑉, czyli 𝑣 = 𝛼1 𝑎 1 + 𝛼2 𝑎 2 + ... + 𝛼𝑛 𝑎 𝑛 . Przy powyższych

oznaczeniach współrzędne (𝛽1 , 𝛽2 , ..., 𝛽𝑛 ) wektora 𝑣 w bazie 𝐵 (co oznaczamy 𝑣 𝐵 ) wyrażają się
wzorem
 𝛽1   𝑝 11 𝑝 12 . . . 𝑝 1𝑛  −1  𝛼1 
     
 𝛽2   𝑝 21 𝑝 22 . . . 𝑝 2𝑛   𝛼2 
𝐵
𝑣 𝐵 = 𝑃 𝐴 𝑣 𝐴, czyli  .  =  .
     
.. .. ..   ..  .
 ..   .. . . .   . 
  
 𝛽𝑛   𝑝 𝑛1 𝑝 𝑛2 . . . 𝑝 𝑛𝑛  𝛼𝑛 
     
Ćwiczenie 1 Niech 𝐴, 𝐵 będą bazami przestrzeni liniowej 𝑉, a 𝐸 jej bazą standardową. Wtedy
zachodzą wzory
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
, 𝑃 𝐵𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴 .
Zadanie 4 Wyznaczyć macierze przejścia między bazami 𝐴 i 𝐵 przestrzeni liniowej 𝑉, jeśli:
a) 𝑉 = R2 , 𝐴 = {(1, 1), (−1, 1)} , 𝐵 = {(0, 1), (1, 2)},
b) 𝑉 = R2 , 𝐴 = {(0, 1), (1, 0)} , 𝐵 = {(1, 2), (3, 1)},
c) 𝑉 = R2 , 𝐴 = {(1, −1), (1, 0)} , 𝐵 = {(3, 1), (1, −3)},
d) 𝑉 = R2 , 𝐴 = {(1, 2), (3, −2)} , 𝐵 = {(1, 1), (1, −3)},
e) 𝑉 = R3 , 𝐴 = {(0, 1, 0), (0, 0, 1), (1, 0, 0)} , 𝐵 = {(1, 2, −1), (3, 2, 1), (2, 1, 3)},
f) 𝑉 = R3 , 𝐴 = {(1, 1, 0), (1, 1, 1), (1, 0, 0)} , 𝐵 = {(2, 4, 4), (1, 2, 1), (0, 7, 3)},
g) 𝑉 = R2 [𝑥], 𝐴 = 1, 𝑥, 𝑥 2 , 𝐵 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 ,

h) 𝑉 = R1 [𝑥], 𝐴 = {𝑥, 1} , 𝐵 = {𝑥 − 1, 𝑥 + 1},
i) 𝑉 = R1 [𝑥], 𝐴 = {1 − 𝑥, 2} , 𝐵 = {𝑥 + 3, 𝑥 − 1},
j) 𝑉 = R2 [𝑥], 𝐴 = 𝑥, 2, 3𝑥 2 , 𝐵 = 1, 1 + 𝑥, 1 + 𝑥 + 𝑥 2 ,

k) 𝑉 = R2 [𝑥], 𝐴 = 2 − 𝑥, 2 + 𝑥, 𝑥 2 , 𝐵 = 𝑥 2 , 𝑥 2 − 3, 𝑥 .

Twierdzenie 2.2. o zmianie macierzy przekształcenia przy zmianie baz

Niech 𝐴 : 𝑈 → 𝑉 będzie przekształceniem liniowym oraz niech 𝑀 będzie macierzą tego
przekształcenia w bazie 𝐵 = {𝑢 1 , 𝑢 2 , . . . , 𝑢 𝑛 } przestrzeni 𝑈 oraz w bazie 𝐶 = {𝑣 1 , 𝑣 2 , . . . , 𝑣 𝑚 }
przestrzeni 𝑉.
Macierz 𝑀 0 przekształcenia liniowego 𝐴 w bazie 𝐵0 = {𝑢 10 , 𝑢 20 , . . . , 𝑢 0𝑛 } przestrzeni 𝑈
oraz w bazie 𝐶 0 = {𝑣 10 , 𝑣 20 , . . . , 𝑣 0𝑚 } przestrzeni 𝑉 ma postać:
−1 0
𝑀 0 = 𝑃𝐶
𝐶
0 𝑀 𝑃 𝐵𝐵0 = 𝑃𝐶
𝐶
𝑀 𝑃 𝐵𝐵0 .
Zadanie 5 Znaleźć macierze przekształceń z drugiego zadania używając wzoru na zmianę ma-
cierzy przekształcenia liniowego przy zmianie baz, wychodząc od baz standardowych rozważa-
nych przestrzeni liniowych.
Uwaga 2.4 Jeżeli 𝐴 : 𝑈 → 𝑈, gdzie bazami przestrzeni liniowej 𝑈 są 𝐵 = {𝑢 1 , 𝑢 2 , . . . , 𝑢 𝑛 } oraz

𝐵0 = {𝑢 10 , 𝑢 20 , . . . , 𝑢 0𝑛 }, to zależność pomiędzy macierzą 𝑀 tego przekształcenia w bazie 𝐵 oraz
macierzą 𝑀 0 przekształcenia 𝐴 w bazie 𝐵0 jest postaci
0
𝑀 0 = 𝑃 −1 𝑀 𝑃, 𝑃 = 𝑃 𝐵𝐵0 , tzn. 𝑀 0 = 𝑃 𝐵𝐵 𝑀 𝑃 𝐵𝐵0 .
Zadanie 6 Napisać macierze podanych przekształceń liniowych 𝐴 : 𝑈 → 𝑈 w podanych bazach

𝐵 przestrzeni 𝑈, stosując wzór na zmianę macierzy przekształcenia przy zmianie bazy.
a) 𝑈 = R2 , 𝐴(𝑥, 𝑦) = (2𝑦, 𝑥 − 𝑦), 𝐵 = {(1, 1), (−1, 2)},
b) 𝑈 = R2 , 𝐴(𝑥, 𝑦) = (3𝑥 − 𝑦, 4𝑥 + 𝑦), 𝐵 = {(2, 1), (1, 5)},

c) 𝑈 = R2 , 𝐴(𝑥, 𝑦) = (2𝑥 + 𝑦, 𝑥), 𝐵 = {(−1, 3), (−1, 2)},
d) 𝑈 = R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑦 + 𝑧, 𝑧 + 2𝑥), 𝐵 = {(1, 1, 2), (2, 1, −1), (0, 1, 0)},
e) 𝑈 = R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑦, 𝑥, 𝑥 + 2𝑦 + 3𝑧), 𝐵 = {(1, 2, 0), (1, 1, 1), (2, −1, 0)},
f) 𝑈 = R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(0) + 𝑝 0 (𝑥), 𝐵 = {𝑥, 2 − 𝑥},
g) 𝑈 = R1 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 − 3) 𝑝(2), 𝐵 = {𝑥 − 1, 2𝑥 + 3},
h) 𝑈 = R2 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 + 2) 𝑝 0 (𝑥) + 2𝑝(𝑥), 𝐵 = {1 + 𝑥, 𝑥 2 + 𝑥, 1}.
Definicja 2.3.
Niech 𝐴, 𝐵 : 𝑈 → 𝑉, 𝐶 : 𝑉 → 𝑊 będą przekształceniami liniowymi oraz 𝛼 ∈ R.
1. Sumą przekształceń 𝐴 i 𝐵 nazywamy przekształcenie ( 𝐴 + 𝐵) : 𝑈 → 𝑉 określone

wzorem
( 𝐴 + 𝐵) (𝑢) = 𝐴(𝑢) + 𝐵(𝑢) dla 𝑢 ∈ 𝑈.
2. Iloczynem liczby 𝛼 i przekształcenia 𝐴 nazywamy przekształcenie (𝛼𝐴) : 𝑈 → 𝑉,
(𝛼𝐴)(𝑢) = 𝛼( 𝐴(𝑢)) dla 𝑢 ∈ 𝑈.
3. Złożeniem przekształceń 𝐵 i 𝐶 nazywamy przekształcenie (𝐶 ◦ 𝐵) : 𝑈 → 𝑊,
(𝐶 ◦ 𝐵)(𝑢) = 𝐶 (𝐵(𝑢)) dla 𝑢 ∈ 𝑈.
4. Jeżeli przekształcenie 𝐴 jest różnowartościowe oraz 𝐼𝑚 𝐴 = 𝑉 to przekształceniem

odwrotnym do 𝐴 nazywamy przekształcenie 𝐴 −1 : 𝑉 → 𝑈,
( 𝐴 −1 ) (𝑣) = 𝑢 ⇔ 𝑣 = 𝐴(𝑢) dla 𝑢 ∈ 𝑈, 𝑣 ∈ 𝑉 .
Twierdzenie 2.3. o macierzach działań na przekształceniach liniowych

Niech 𝐴, 𝐵 : 𝑈 → 𝑉, 𝐶 : 𝑉 → 𝑊 będą przekształceniami liniowymi z macierzami
𝑀 𝐴, 𝑀 𝐵 , 𝑀𝐶 w ustalonych bazach tych przestrzeni oraz niech 𝛼 ∈ R. Wtedy zachodzą
równości
1. 𝑀 𝐴+𝐵 = 𝑀 𝐴 + 𝑀 𝐵 2. 𝑀 𝛼 𝐴 = 𝛼𝑀 𝐴 3. 𝑀𝐶◦𝐵 = 𝑀𝐶 𝑀 𝐵
4. 𝑀 𝐴−1 = (𝑀 𝐴) −1 , o ile istnieje przekształcenie odwrotne 𝐴 −1 : 𝑉 → 𝑈.
Zadanie 7 Niech przekształcenia liniowe 𝐴, 𝐵 : R2 → R3 , 𝐶, 𝐷 : R3 → R3 , 𝐸 : R2 → R2 oraz

𝐹 : R3 → R2 będą określone wzorami:
𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑦, 𝑥 + 𝑦), 𝐵(𝑥, 𝑦) = (𝑥, 𝑦, 𝑥 − 𝑦),
𝐶 (𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑦 + 𝑧, 𝑥 + 𝑧), 𝐷 (𝑥, 𝑦, 𝑧) = (2𝑥, 𝑦 − 𝑧, 𝑦),

𝐸 (𝑥, 𝑦) = (𝑦, 𝑥), 𝐹 (𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑧).
Używając macierzy przekształceń 𝐴, 𝐵, 𝐶, 𝐷, 𝐸, 𝐹 znaleźć wzory przekształceń liniowych:
a) 𝐺 = 𝐸 + 𝐹, d) 𝐽 = 𝐴 + 𝐵, g) 𝑀 = 𝐶 ◦ 𝐴,
b) 𝐻 = 2𝐸, e) 𝐾 = 3𝐴, h) 𝑁 = 𝐷 ◦ 𝐵,
c) 𝐼 = 𝐸 ◦ 𝐹, f) 𝐿 = 𝐷 ◦ 𝐶, i) 𝑂 = 𝐶 ◦ 𝐷 ◦ 𝐴.
Zadanie 8 Spośród przekształceń 𝐴, 𝐵, 𝐶, 𝐷, 𝐸, 𝐹, 𝐺, 𝐻, 𝐼, 𝐽, 𝐾, 𝐿, 𝑀, 𝑁, 𝑂 z poprzedniego zada-

nia znaleźć przekształcenia odwracalne i podać ich wzory, wyznaczając je przy użyciu macierzy
przekształceń odwrotnych (w bazach standardowych rozważanych przestrzeni liniowych).
2.2 Część B
Zadanie 9 Wyznaczyć wektor 𝑣 w bazie standardowej, gdy dane są jego współrzędne 𝑣 𝐵 w
bazie 𝐵:
a) 𝑣 𝐵 = (2, 0) 𝐵 , 𝐵 = {(5, −6), (1, −2)},
b) 𝑣 𝐵 = (1, 2) 𝐵 , 𝐵 = {(4, 5), (6, 7)},
c) 𝑣 𝐵 = (0, −1, 3) 𝐵 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 1)},
d) 𝑣 𝐵 = (1, 0, 2) 𝐵 , 𝐵 = {(3, 2, 3), (3, 2, 1), (1, 0, 0)},
e) 𝑣 𝐵 = (−3, 3, 4) 𝐵 , 𝐵 = {(−1, 2, 0), (2, 1, 0), (0, 1, 2)},
f) 𝑣 𝐵 = (8, 3, −2) 𝐵 , 𝐵 = {(2, 2, 3), (4, 6, 6), (0, 1, 2)},
g) 𝑣 𝐵 = (1, 2, 1) 𝐵 , 𝐵 = 1 − 𝑥, 2 + 𝑥 2 , 𝑥 ,

h) 𝑣 𝐵 = (0, 0, 1) 𝐵 , 𝐵 = 1, 𝑥, 𝑥 + 𝑥 2 .

Zadanie 10 Wyznaczyć wektor współrzędnych 𝑣 𝐵 (wektora 𝑣 w bazie 𝐵), jeśli:
a) 𝑣 = (2, 0), 𝐵 = {(5, −6), (1, −2)},
b) 𝑣 = (1, 2), 𝐵 = {(4, 5), (6, 7)},
c) 𝑣 = (0, −1, 3), 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 1)},
d) 𝑣 = (1, 0, 2), 𝐵 = {(3, 2, 3), (3, 2, 1), (1, 0, 0)},
e) 𝑣 = (−3, 3, 4), 𝐵 = {(−1, 2, 0), (2, 1, 0), (0, 1, 2)},
f) 𝑣 = (8, 3, −2), 𝐵 = {(2, 2, 3), (4, 6, 6), (0, 1, 2)},
g) 𝑣 = 1 + 𝑥 + 7𝑥 2 , 𝐵 = 1 + 𝑥 2 , 𝑥 + 𝑥 2 , 2𝑥 + 𝑥 2 ,

h) 𝑣 = 3 + 𝑥 − 6𝑥 2 , 𝐵 = 1 − 𝑥 2 , 𝑥 − 𝑥 2 , −2𝑥 + 𝑥 2 .

Zadanie 11 Wyznaczyć bazę 𝐵 przestrzeni R2 taką, że (−7, 11) = (2, 3) 𝐵 , (−1, −2) = (1, −1) 𝐵 .
Zadanie 12 Wyznaczyć macierz przejścia z bazy 𝐵 do bazy 𝐶 oraz 𝑣 𝐶 , gdy:
a) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 6𝑏 1 − 2𝑏 2 , 𝑐 2 = 3𝑏 1 + 2𝑏 2 , 𝑣 𝐵 = (2, 4) 𝐵 ,
b) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 𝑏 1 + 2𝑏 2 , 𝑐 2 = 3𝑏 1 − 𝑏 2 , 𝑣 𝐵 = (1, 1) 𝐵 ,
c) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 𝑏 1 − 𝑏 2 , 𝑐 2 = 𝑏 1 + 𝑏 2 , 𝑣 𝐵 = (−1, 1) 𝐵 ,
d) 𝐵 = {𝑏 1 , 𝑏 2 , 𝑏 3 } , 𝐶 = {𝑐 1 , 𝑐 2 , 𝑐 3 }, gdzie 𝑐 1 = 𝑏 1 + 𝑏 2 + 𝑏 3 , 𝑐 2 = 𝑏 1 + 𝑏 2 − 𝑏 3 , 𝑐 3 = 3𝑏 1 + 2𝑏 2 − 𝑏 3 ,
𝑣 𝐵 = (1, 2, 3) 𝐵 ,
e) 𝐵 = {𝑏 1 , 𝑏 2 , 𝑏 3 } , 𝐶 = {𝑐 1 , 𝑐 2 , 𝑐 3 }, gdzie 𝑐 1 = 4𝑏 1 − 𝑏 2 , 𝑐 2 = −𝑏 1 + 𝑏 2 , 𝑐 3 = 𝑏 2 − 2𝑏 3 ,
𝑣 𝐵 = (1, 1, 1) 𝐵 ,
f) 𝐵 = {(3, 1), (2, 2)} , 𝐶 = {(5, 2), (−1, 1)}, 𝑣 𝐵 = (1, 2) 𝐵 ,
g) 𝐵 = {(1, 1), (−1, 1)} , 𝐶 = {(2, 3), (3, 0)}, 𝑣 𝐵 = (2, 2) 𝐵 ,
h) 𝐵 = {(7, −2), (2, −1)} , 𝐶 = {(4, 1), (5, 2)}, 𝑣 𝐵 = (0, 1) 𝐵 ,
i) 𝐵 = 1 − 𝑥, 𝑥 + 𝑥 2 , 𝑥 2 , 𝐶 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 , 𝑣 𝐵 = (1, 1, 0) 𝐵 ,

j) 𝐵 = 1, 𝑥, 𝑥 2 , 𝑥 3 , 𝐶 = 𝑥 3 − 𝑥 2 , 𝑥 2 − 𝑥, 𝑥 − 1, 𝑥 3 + 1 , 𝑣 𝐵 = (1, 1, 0, 0) 𝐵 .

strona
ODPOWIEDZI 114
ROZWIZANIA 54
Rozdział 3
Wartości i wektory własne
3.1 Część A
Definicja 3.1.
Wartości i wektory własne przekształcenia liniowego
Niech 𝐴 będzie przekształceniem liniowym przestrzeni rzeczywistej (lub zespolonej) 𝑉

w siebie, tzn. 𝐴 : 𝑉 → 𝑉.
Skalar 𝜆 ∈ R (lub C) nazywamy wartością własną przekształcenia liniowego 𝐴, jeżeli
istnieje niezerowy wektor 𝑣 ∈ 𝑉, dla którego zachodzi
𝐴(𝑣) = 𝜆𝑣.
Wektor 𝑣 spełniający powyższą równość nazywamy wektorem własnym przekształcenia

liniowego 𝐴 odpowiadającym wartości własnej 𝜆. Zbiór takich wektorów (powiększony o
wektor zerowy) oznaczamy symbolem 𝑉𝜆 = {𝑣 ∈ 𝑉 : 𝐴𝑣 = 𝜆𝑣} i nazywamy przestrzenią
własną odpowiadającą 𝜆.
Zadanie 1 Korzystając z definicji wyznaczyć wartości własne podanych przekształceń liniowych

i odpowiadające im wektory własne, korzystając z interpretacji geometrycznej przekształcenia:
a) 𝑆 : R2 → R2 , 𝑆 jest symetrią względem osi 𝑂 𝑋,
b) 𝑆 : R2 → R2 , 𝑆 jest symetrią względem osi 𝑂𝑌 ,
c) 𝑆 : R2 → R2 , 𝑆 jest symetrią względem prostej 𝑦 = 𝑥,
d) 𝑅 : R2 → R2 , 𝑅 jest rzutem prostokątnym na oś 𝑂 𝑋,
e) 𝑅 : R2 → R2 , 𝑅 jest rzutem prostokątnym na oś 𝑂𝑌 ,
f) 𝑅 : R2 → R2 , 𝑅 jest rzutem prostokątnym na prostą 𝑦 = 𝑥,
g) 𝑅 : R2 → R2 , 𝑅 jest rzutem prostokątnym na prostą 𝑦 = −𝑥,
h) 𝑅 : R2 → R2 , 𝑅 jest rzutem prostokątnym na prostą 𝑦 = 2𝑥,
i) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem osi 𝑂 𝑋,
j) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem osi 𝑂𝑌 ,
17
ROZDZIAŁ 3. WARTOŚCI I WEKTORY WŁASNE
k) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem osi 𝑂𝑍,
l) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem płaszczyzny 𝑋𝑌𝑂,
m) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem płaszczyzny 𝑂𝑌 𝑍,
n) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem płaszczyzny 𝑋𝑂𝑍,
o) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na oś 𝑂 𝑋,
p) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na oś 𝑂𝑌 ,
q) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na oś 𝑂𝑍,
r) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na płaszczyznę 𝑋𝑌𝑂,
s) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na płaszczyznę 𝑂𝑌 𝑍,
t) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na płaszczyznę 𝑋𝑂𝑍.
Zadanie 2 Niech 𝐴 : 𝑉 → 𝑉 będzie rzeczywistym przekształceniem liniowym. Jakie są możliwe

wartości własne 𝐴, jeżeli spełnia warunek:
a) 𝐴2 = 2𝐴, c) 𝐴2 = 𝐴, e) 𝐴2 = 0,
b) 𝐴3 = 𝐴2 , d) 𝐴2 = −𝐴, f) 𝐴3 = 𝐼𝑑.
Twierdzenie 3.1. o bazie wektorów własnych

Niech 𝐴 : 𝑉 → 𝑉 będzie przekształceniem liniowym oraz 𝑑𝑖𝑚(𝑉) = 𝑛. Wówczas:
1. jeżeli 𝐴 ma 𝑛 różnych wartości własnych, to odpowiadające im wektory własne tworzą

bazę przestrzeni 𝑉.
2. jeżeli wektory własne 𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 przekształcenia 𝐴 tworzą bazę przestrzeni 𝑉 (gdzie

𝐴(𝑣 𝑖 ) = 𝜆𝑖 𝑣 𝑖 , 1 ≥ 𝑖 ≥ 𝑛), to macierz przekształcenia 𝐴 w tej bazie ma postać
𝜆1 0 ... 0 
 0 𝜆2 0 

0
...
𝑀𝐴 =  .

.. .. ..  .
 .. . . . 
0 0

 ... 𝜆 𝑛 
Definicja 3.2.
Mówimy, że macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest diagonalizowalna, gdy istnieją macierz 𝐶 oraz
macierz diagonalna 𝐷 takie, że
𝐴 = 𝐶𝐷𝐶 −1 .
Wtedy mówimy też, że macierze 𝐴 i 𝐷 są podobne.
Twierdzenie 3.2. Warunek wystarczajacy diagonalizowalności macierzy

Rzeczywista, symetryczna macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest diagonalizowalna.
Zadanie 3 Przekształcenie liniowe 𝐴 : R2 → R2 spełnia warunki:
a) 𝐴(2, 1) = (2, 1), 𝐴(0, 1) = (0, −1),
b) 𝐴(1, 2) = (2, 4), 𝐴(−2, 2) = (−2, 2),
c) 𝐴(1, 1) = (3, 3), 𝐴(−1, 1) = (−2, 2),
d) 𝐴(1, −1) = (2, −2), 𝐴(1, 2) = (−2, −4).
Obliczyć 𝐴100 (1, 0).
Definicja 3.3.
Wartości i wektory własne macierzy
Niech 𝐵 będzie macierzą rzeczywistą (lub zespoloną) stopnia 𝑛.

Wielomianem charakterystycznym macierzy 𝐵 nazywamy wielomian rzeczywisty
(zespolony) określony wzorem 𝑤 𝐵 (𝜆) = 𝑑𝑒𝑡 (𝐵 − 𝜆𝐼).
Równaniem charakterystycznym macierzy 𝐵 nazywamy równanie postaci 𝑤 𝐵 (𝜆) = 0.
Wartością własną macierzy 𝐵 nazywamy każdy pierwiastek rzeczywisty (lub ze-

spolony) wielomianu charakterystycznego macierzy 𝐵, tzn. liczbę 𝜆 ∈ R (lub C)
spełniającą równanie charakterystyczne
𝑤 𝐵 (𝜆) = 0.
Niezerowy wektor 𝑣 = (𝑣 1 , ..., 𝑣 𝑛 ) ∈ R𝑛 (lub C𝑛 ) nazywamy wektorem własnym macierzy

𝐵 odpowiadającym wartości własnej 𝜆 ∈ R (lub C) tej macierzy, jeżeli spełnia warunek
𝑣 1  𝑣 1 
   
𝑣 2  𝑣 2 
𝐵𝑣 = 𝜆𝑣, tzn. 𝐵  .  = 𝜆  .  .
   
 ..   .. 
   
𝑣 𝑛  𝑣 𝑛 
   
Zadanie 4 Znaleźć (rzeczywiste) wartości własne macierzy rzeczywistych i odpowiadające im

wektory własne:
0 1 −2 1  1 0 −2 −3 0 −1

a) , f) ,
1 0 0 3 k)  0 1 0  , o)  0 3 0  ,
   
 
−1 0 0  8 0 3
2 −1
   
0 −1

b) , g) , 1 3 0 
1 0 1 4 1 1 1 1
l) 0 2 −1 ,
 
2 2 2 2
 
0 0 4 
4 1 2 2 p)  ,

c) , h) , 3 3 3 3
  
−2 1 −3 −2 2 0 1 
0 0 0 0
m)  0 4 0  ,
   
 
1 3 3 √
√
−1 −5 0 −2
d) , i) , 1 0 0 0
3 −1 0 3
 
4 1 −5 0 0 0 1
 
q) 2 0 1 0 ,
2 1 1 1 n) 0 −3 5  ,
   
e) , j) ,  
−5 −2 2 2 0 0
 2  0 0 1 0
 
0 0 −1 0 
0 0 0 −1

r)  ,
1 0 0 0 
0 1 0 0 

Zadanie 5 Znaleźć wartości i wektory własne macierzy zespolonych:
0 −1 1

𝑖 𝑖 𝑖 𝑖 
a) , f) ,
1 0 1 j) 1 1 1 ,

−𝑖
2 2 2

1 1 1 2 0

b) , −𝑖 0 −2
9 1 g) 1 1 1 ,

k)  0 4 0  ,

0 −2 0
 2 0 −𝑖 
2+𝑖 1

c) ,

2 2−𝑖 0 −2 0  𝑖 − 1 2 1 
h) 2 0 0  ,

l)  0 2𝑖 3  ,

2

1
0 0 −1  0
d) ,  0 𝑖 − 1
−5 −2

0 1 0 2 0 1
1 4 i) 0 0 1 , m)  0 4 0  .
   
e) ,
−1 1 0 0 0
 
−5 0 −2
 
Zadanie 6 Używając macierzy przekształcenia znaleźć rzeczywiste wartości i wektory własne

przekształcenia liniowego:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑦),
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 2𝑦),
c) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, −2𝑥 + 𝑦),
d) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 3𝑦, 4𝑥 − 𝑦),
e) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 − 2𝑦, 𝑥 − 𝑧, 𝑥 + 𝑦),
f) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑦, 𝑦 + 𝑧, 𝑧 + 2𝑥),
g) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 𝑧, 2𝑥 + 2𝑦 + 2𝑧, 3𝑥 + 3𝑦 + 3𝑧),
h) 𝐴 : R1 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 − 3) 𝑝(2),
i) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 2𝑝(𝑥) − 𝑝 0 (𝑥),
j) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑝(0) − 𝑝 0 (𝑥),
k) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = (𝑥 + 2) 𝑝 0 (𝑥) + 2𝑝(𝑥),
l) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 2𝑝(𝑥) + 3𝑝 0 (𝑥) + 4𝑝 00 (𝑥).
3.2 Część B
Zadanie 7 Przekształcenie liniowe 𝐴 : R3 → R3 spełnia warunki
a) 𝐴(1, 0, 1) = (2, 0, 2), 𝐴(2, 1, 0) = (2, 1, 0), 𝐴(0, 0, 1) = (0, 0, −1),
b) 𝐴(1, 1, 0) = (−1, −1, 0), 𝐴(1, 0, 2) = (2, 0, 4), 𝐴(0, 2, 3) = (0, 2, 3),
c) 𝐴(2, 0, 1) = (−2, 0, 1), 𝐴(1, 0, 2) = (1, 0, 2), 𝐴(0, 3, 0) = (0, 9, 0),
d) 𝐴(1, 1, 0) = (−2, −2, 0), 𝐴(1, −1, 0) = (−1, 1, 0), 𝐴(0, 0, 2) = (0, 0, −10).
Obliczyć 𝐴20 (1, 2, 3).
Zadanie 8 Znaleźć wartości i wektory własne podanych przekształceń C-liniowych:
a) 𝐴 : C2 → C2 , 𝐴(𝑧, 𝑤) = (2𝑧 + 𝑤, −𝑧 + 2𝑤),
b) 𝐴 : C2 → C2 , 𝐴(𝑧, 𝑤) = (−𝑤, 3𝑤),
c) 𝐴 : C2 → C2 , 𝐴(𝑧, 𝑤) = (−2𝑤, 2𝑧),
d) 𝐴 : C2 → C2 , 𝐴(𝑧, 𝑤, 𝑢) = (−𝑧 − 𝑤, 2𝑧 + 𝑤),
e) 𝐴 : C2 → C3 , 𝐴(𝑧, 𝑤, 𝑢) = (𝑤 − 𝑢, 𝑢, 𝑧 + 𝑢),
f) 𝐴 : C2 → C3 , 𝐴(𝑧, 𝑤, 𝑢) = (𝑧, 𝑤 − 𝑢, −𝑧 − 2𝑤).
Zadanie 9 Sprawdzić, czy wektory własne podanego przekształcenia liniowego tworzą bazę
przestrzeni R𝑛 . Jeżeli tak, napisać macierz rozważanego przekształcenia w tej bazie:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (4𝑥 + 2𝑦, 𝑦 − 𝑥),
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (3𝑥 − 𝑦, 3𝑥),
c) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥, −5𝑦 − 8𝑧, 2𝑦 + 5𝑧),
d) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (4𝑥 − 2𝑦 + 2𝑧, 2𝑥 + 2𝑧, −𝑥 + 𝑦 + 𝑧),
e) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑧, 𝑦, 𝑦),
f) 𝐴 : R4 → R4 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 𝑦, 2𝑥 + 2𝑦, 𝑦 − 𝑧 + 𝑡, −2𝑥 + 𝑦 + 𝑡).
strona
ODPOWIEDZI 114
ROZWIZANIA 69
Rozdział 4
Iloczyny skalarne
4.1 Część A
Definicja 4.1.
Niech 𝑉 będzie przestrzenią liniową nad ciałem R. Iloczynem skalarnym w przestrzeni
𝑉 nazywamy funkcję h·, ·i : 𝑉 × 𝑉 → R przyporządkowującą wektorom 𝑢, 𝑣 ∈ 𝑉 liczbę
rzeczywistą h𝑢, 𝑣i i spełniającą warunki:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i dla 𝑢 1 , 𝑢 2 , 𝑣 ∈ 𝑉,
2. 𝛼h𝑢, 𝑣i = h𝛼𝑢, 𝑣i dla 𝑢, 𝑣 ∈ 𝑉, 𝛼 ∈ R,
3. h𝑢, 𝑣i = h𝑣, 𝑢i dla 𝑢, 𝑣 ∈ 𝑉,
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉,
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0.
Definicja 4.2.
Rzeczywistą przestrzeń liniową, w której wprowadzono iloczyn skalarny, nazywamy prze-
strzenią euklidesową.
Twierdzenie 4.1. Własności iloczynu skalarnego

Niech 𝐸 będzie przestrzenią euklidesową. Wówczas
(a) h𝑢, 𝑣 1 + 𝑣 2 i = h𝑢, 𝑣 1 i + h𝑢, 𝑣 2 i dla 𝑢, 𝑣 1 , 𝑣 2 ∈ 𝐸,
(b) 𝛼h𝑢, 𝑣i = h𝑢, 𝛼𝑣i dla 𝑢, 𝑣 ∈ 𝐸, 𝛼 ∈ R,
(c) h𝛼𝑢 1 + 𝛽𝑢 2 , 𝑣i = 𝛼h𝑢 1 , 𝑣i + 𝛽h𝑢 2 , 𝑣i dla 𝑢 1 , 𝑢 2 , 𝑣 ∈ 𝐸, 𝛼, 𝛽 ∈ R,
(d) h𝑢, 0i = 0 dla 𝑢 ∈ 𝐸,
(e) ∀𝑤 ∈𝐸 h𝑢, 𝑤i = h𝑣, 𝑤i ⇒ 𝑢 = 𝑣 dla 𝑢, 𝑣 ∈ 𝐸.
Ćwiczenie 1 Udowodnić powyższe twierdzenie.
22
ROZDZIAŁ 4. ILOCZYNY SKALARNE
Zadanie 1 Sprawdzić, czy podane funkcje h·, ·i są iloczynami skalarnymi w rozważanych prze-
strzeniach liniowych:
a) h𝑥, 𝑦i = 3𝑥 1 𝑦 1 − 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 dla 𝑥 = (𝑥1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
b) h𝑥, 𝑦i = 3𝑥 1 𝑦 1 − 2𝑥 1 𝑦 2 − 2𝑥 2 𝑦 1 + 4𝑥2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
c) h𝑥, 𝑦i = 2𝑥 1 𝑦 1 − 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 + 𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
2 1 𝑦1

d) h𝑥, 𝑦i = 𝑥1 𝑥 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,

1 2 𝑦2
1 2 𝑦1

e) h𝑥, 𝑦i = 𝑥1 𝑥 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,

2 2 𝑦2
2 −1 𝑦 1

f) h𝑥, 𝑦i = 1 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,

𝑥 𝑥
−1 1 𝑦 2
 2 0 −1  𝑦 1 
  
g) h𝑥, 𝑦i = 𝑥1 𝑥 2 𝑥 3  0 1 0   𝑦 2  dla 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,

−1 0 1   𝑦 3 
  
3 0 1  𝑦 1 
  
h) h𝑥, 𝑦i = 𝑥 1 𝑥 2 𝑥 3 0 2 0  𝑦 2  dla 𝑥 = (𝑥 1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,


1 0 1  𝑦 3 
  
i) h𝑝, 𝑞i = 𝑝(0)𝑞(0) − 𝑝 0 (0)𝑞 0 (0) dla 𝑝, 𝑞 ∈ R2 [𝑥],
j) h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 2𝑝(2)𝑞(2) dla 𝑝, 𝑞 ∈ R1 [𝑥],

𝑛+1
∑︁
k) h𝑝, 𝑞i = 𝑝(𝑥 𝑖 )𝑞(𝑥 𝑖 ) dla 𝑝, 𝑞 ∈ R𝑛 [𝑥], gdzie 𝑥 1 < 𝑥2 < ... < 𝑥 𝑛+1 ,
𝑖=1
∫ 1
l) h 𝑓 , 𝑔i = (𝑥 + 1) 𝑓 (2𝑥)𝑔(2𝑥)𝑑𝑥 dla 𝑓 , 𝑔 ∈ 𝐶 ( [−2; 2]),
−1
m) h𝑥, 𝑦i = 3𝑥1 𝑦 1 − 2𝑥 1 𝑦 2 − 2𝑥 2 𝑦 1 + 𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
n) h𝑥, 𝑦i = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2 ,
 2 1 3  𝑦 1 
  
o) h𝑥, 𝑦i = 𝑥 1 𝑥2 𝑥 3 −1 1 0  𝑦 2  dla 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,

 3 0 1  𝑦 3 
  
1 2 1  𝑦 1 
  
p) h𝑥, 𝑦i = 𝑥 1 𝑥 2 𝑥 3 2 4 2  𝑦 2  dla 𝑥 = (𝑥 1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ) ∈ R3 ,


3 8 3  𝑦 3 
  
q) h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1) dla 𝑝, 𝑞 ∈ R2 [𝑥],
r) h𝑝, 𝑞i = 𝑝(1)𝑞(1) − 𝑝(2)𝑞(2) dla 𝑝, 𝑞 ∈ R1 [𝑥],

𝑛
∑︁
s) h𝑝, 𝑞i = 𝑝(𝑥 𝑖 )𝑞(𝑥 𝑖 ) dla 𝑝, 𝑞 ∈ R𝑛 [𝑥], gdzie 𝑥 1 < 𝑥2 < ... < 𝑥 𝑛 ,
𝑖=1
∫ 𝑏
t) h 𝑓 , 𝑔i = | 𝑓 (𝑥)𝑔(𝑥)|𝑑𝑥 dla 𝑓 , 𝑔 ∈ 𝐶 ( [𝑎; 𝑏]),
𝑎
∫ 1 𝑥
u) h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔 𝑑𝑥 dla 𝑓 , 𝑔 ∈ 𝐶 ( [−1; 1]).
−1 2
Definicja 4.3.
Niech 𝑣 będzie
√︁ wektorem przestrzeni euklidesowej 𝐸. Normą tego wektora nazywamy
liczbę k𝑣k = h𝑣, 𝑣i.
Twierdzenie 4.2. Własności normy

(a) k𝑣k ≥ 0 dla 𝑣 ∈ 𝐸 oraz k𝑣k = 0 ⇔ 𝑣 = 0,
(b) k𝛼𝑣k = |𝛼|k𝑣k dla 𝑣 ∈ 𝐸, 𝛼 ∈ R,
(c) |h𝑢, 𝑣i| ≤ k𝑢k · k𝑣k dla 𝑢, 𝑣 ∈ 𝐸,
(d) k𝑢 + 𝑣k ≤ k𝑢k + k𝑣k dla 𝑢, 𝑣 ∈ 𝐸,
(e) k𝑢 − 𝑣k ≥ |k𝑢k − k𝑣k| dla 𝑢, 𝑣 ∈ 𝐸,
(f) h𝑢, 𝑣i = 14 k𝑢 + 𝑣k 2 − k𝑢 − 𝑣k 2 dla 𝑢, 𝑣 ∈ 𝐸.

Zadanie 2 Obliczyć normę wektorów w podanej przestrzeni euklidesowej 𝑉:
a) (1, 3, 2, 1), (1, 1, 1, −1), (0, −1, 0, −2) ∈ 𝑉 = 𝐸 4 ,
b) 1, 𝑥, 2𝑥 2 − 3 ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1),

∫1
c) 1, 𝑥, 𝑒 𝑥 ∈ 𝑉 = 𝐶 ( [−1, 1]) z iloczynem skalarnym h 𝑓 , 𝑔i = −1 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
d) 1, 𝑥, 𝑥 cos 𝑥, sin 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫1
e) 𝑥 + 3, 𝑥 2 − 3, 𝑥 2 − 1 ∈ 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
𝑝(𝑥)𝑞(𝑥)𝑑𝑥.
Definicja 4.4.
Niech 𝑢, 𝑣 będą dowolnymi wektorami przestrzeni euklidesowej 𝐸.
Odległością (metryką) tych wektorów nazywamy liczbę
𝑑 (𝑢, 𝑣) = k𝑢 − 𝑣k.
Twierdzenie 4.3. Własności metryki

(a) 𝑑 (𝑢, 𝑣) ≥ 0 dla 𝑢, 𝑣 ∈ 𝐸,
(b) 𝑑 (𝑢, 𝑣) = 𝑑 (𝑣, 𝑢) dla 𝑢, 𝑣 ∈ 𝐸,
(c) 𝑑 (𝑢, 𝑣) = 0 ⇔ 𝑢 = 𝑣,
(d) 𝑑 (𝑢, 𝑣) ≤ 𝑑 (𝑢, 𝑤) + 𝑑 (𝑤, 𝑣) dla 𝑢, 𝑣, 𝑤 ∈ 𝐸.
Definicja 4.5.
Niech 𝑢, 𝑣 będą niezerowymi wektorami przestrzeni euklidesowej 𝐸.
Miarą kąta między wektorami 𝑢 i 𝑣 nazywamy liczbę 𝜙 ∈ [0; 𝜋] spełniającą równość
h𝑢, 𝑣i
cos 𝜙 = .
k𝑢k k𝑣k
Zadanie 3 Obliczyć kąt między wektorami w przestrzeni euklidesowej 𝑉:

a) (1, 2, 3), (−1, 1, −1) ∈ 𝑉 = 𝐸 3 ,
b) (1, 3, 2, 1), (1, 1, 1, −1) ∈ 𝑉 = 𝐸 4 ,
c) 1, 𝑥 − 1 ∈ 𝑉 = 𝑅1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
d) 𝑥 − 2, 2𝑥 + 1 ∈ 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2),
e) 𝑥 − 2, 2𝑥 + 1 ∈ 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),

∫1
f) 𝑥 − 2, 2𝑥 + 1 ∈ R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥,
g) 𝑥 + 1, 𝑥 2 + 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
h) 𝑥 + 1, 𝑥 2 + 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0),

∫ 2𝜋
i) 1, 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
j) 1, 𝑥 cos 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
k) 1, sin 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
l) 𝑥, 𝑥 cos 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
m) 𝑥, sin 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫ 2𝜋
n) 𝑥 cos 𝑥, sin 𝑥 ∈ 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫1
o) 𝑥 + 3, 𝑥 2 − 3 ∈ 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥,
∫1
p) 𝑥 + 3, 𝑥 2 − 1 ∈ 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥,
∫1
q) 𝑥 2 − 3, 𝑥 2 − 1 ∈ 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
Definicja 4.6.
Mówimy, że wektory 𝑢, 𝑣 przestrzeni euklidesowej 𝐸 są ortogonalne, jeśli spełniają
h𝑢, 𝑣i = 0.
Wektor 0 jest ortogonalny do każdego wektora.
Twierdzenie 4.4. Pitagorasa

Wektory 𝑢, 𝑣 przestrzeni euklidesowej są ortogonalne wtedy i tylko wtedy, gdy
k𝑢k 2 + k𝑣k 2 = k𝑢 + 𝑣k 2 .
Twierdzenie 4.5. Tożsamość równoległoboku

Normy dowolnych dwóch wektorów 𝑢, 𝑣 przestrzeni euklidesowej spełniają równość

2 k𝑢k 2 + k𝑣k 2 = k𝑢 + 𝑣k 2 + k𝑢 − 𝑣k 2 .
Zadanie 4 Zbadać ortogonalność wektorów w przestrzeni 𝑉:
a) (1, 2, 3), (−3, 3, −1) w 𝑉 = 𝐸 3 ,
b) (2, 1, −1), (1, 0, −3) w 𝑉 = 𝐸 3 ,
c) (1, 1, −2), (−2, 0, 1) w 𝑉 = 𝐸 3 ,
d) 1, 𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
e) 𝑥, 2𝑥 − 1 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2),
f) −𝑥, 3 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
g) 𝑥 2 , 𝑥 + 1 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
h) 𝑥 2 , 1 + 2𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0),

∫ 2𝜋
i) 𝑥, sin 𝑥 w 𝑉 = 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
∫1
j) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
𝑝(𝑥)𝑞(𝑥)𝑑𝑥,
∫4
k) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
∫1
l) 3, 𝑥 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
Zadanie 5 Znaleźć wektory ortogonalne do wektora w przestrzeni 𝑉:
a) 𝑢 = (1, 0, 0) w 𝑉 = 𝐸 3 ,
b) 𝑝 = 2𝑥 − 1 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2),
c) 𝑝 = 1 + 𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0),
d) 𝑝 = 𝑥 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2),
e) 𝑝 = 3 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
f) 𝑝 = 𝑥 + 1 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
g) 𝑝 = 𝑥 2 + 1 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0).
Wśród takich wektorów wskazać jeden o normie równej 2.
Definicja 4.7.
Układ wektorów przestrzeni euklidesowej nazywamy ortogonalnym wtedy i tylko wtedy,
gdy każde dwa wektory z tego zbioru są ortogonalne.
Jeżeli wszystkie wektory układu ortogonalnego są unormowane, to układ taki nazywamy
ortonormalnym.
Definicja 4.8.
Bazę przestrzeni euklidesowej, która jest układem ortogonalnym, nazywamy bazą orto-
gonalną. Analogicznie definiujemy bazę ortonormalną dla układu ortonormalnego.
Stwierdzenie 4.1. o bazie ortogonalnej

Niech 𝐵 = {𝑏 1 , 𝑏 2 , ..., 𝑏 𝑛 } będzie bazą ortogonalną przestrzeni euklidesowej 𝐸. Wtedy:
1) współrzędne (𝛼1 , 𝛼2 , ..., 𝛼𝑛 ) wektora 𝑢 ∈ 𝐸 wyrażają się wzorami:
h𝑢, 𝑏 𝑖 i
𝛼𝑖 = , 1 ≤ 𝑖 ≤ 𝑛,
k𝑏 𝑖 k 2
2) iloczyn skalarny wektorów 𝑢, 𝑣 ∈ 𝐸 wyraża się wzorem:
h𝑢, 𝑏 1 ih𝑣, 𝑏 1 i h𝑢, 𝑏 2 ih𝑣, 𝑏 2 i h𝑢, 𝑏 𝑛 ih𝑣, 𝑏 𝑛 i

h𝑢, 𝑣i = 2
+ 2
+ ... + .
k𝑏 1 k k𝑏 2 k k𝑏 𝑛 k 2
Zadanie 6 Sprawdzić czy podany układ wektorów 𝑣 𝑖 jest bazą ortogonalną (lub ortonormalną)
przestrzeni euklidesowej 𝑉. Znaleźć współrzędne wskazanego wektora 𝑢 w tej bazie:
a) 𝑣 1 = (1, 3), 𝑣 2 = (3, −1), 𝑢 = (1, 2) ∈ 𝑉 = 𝐸 2 ,
b) 𝑣 1 = ( 85 , − 52 ), 𝑣 2 = ( 25 , 85 ), 𝑢 = ( 25 , 15 ) ∈ 𝑉 = 𝐸 2 ,
c) 𝑣 1 = (1, 1, 2), 𝑣 2 = (1, 1, −1), 𝑣 3 = (1, −1, 0), 𝑢 = (2, 1, 3) ∈ 𝑉 = 𝐸 3 ,
d) 𝑣 1 = (1, 0, −1), 𝑣 2 = (2, 2, 2), 𝑣 3 = (3, −12, 3), 𝑢 = (2, −1, 1) ∈ 𝑉 = 𝐸 3 ,
e) 𝑣 1 = (1, 1, 1, 1), 𝑣 2 = (3, −1, −1, −1), 𝑣 3 = (0, 2, −1, −1), 𝑣 4 = (0, 0, 1, −1),
𝑢 = (1, 2, 0, 1) ∈ 𝑉 = 𝐸 4 ,
∫1
f) 𝑣 1 = 2, 𝑣 2 = 𝑥, 𝑣 3 = 3𝑥, 𝑢 = 𝑥 + 3 ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = −1
g) 𝑣 1 = −1, 𝑣 2 = 𝑥, 𝑢 = 4𝑥 + 10 ∈ 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i1 = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
h) 𝑣 1 = 2, 𝑣 2 = 𝑥 + 𝑥 2 , 𝑣 3 = 𝑥 + 2𝑥 2 , 𝑣 4 = 3𝑥 3 , 𝑢 = 𝑥 + 1 ∈ 𝑉 = R3 [𝑥] z iloczynem skalarnym

h𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑, 𝑎 1 𝑥 3 + 𝑏 1 𝑥 2 + 𝑐 1 𝑥 + 𝑑1 i = 𝑎𝑎 1 + (𝑏 − 𝑐) (𝑏 1 − 𝑐 1 ) + (2𝑐 − 𝑏) (2𝑐 1 − 𝑏 1 ) + 𝑑𝑑1 ,
i) 𝑣 1 = 1, 𝑣 2 = 2 − 𝑥, 𝑣 3 = 6 − 3𝑥 − 𝑥 2 , 𝑢 = 𝑥 2 + 𝑥, ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑎𝑥 2 + 𝑏𝑥 +

𝑐, 𝑎 1 𝑥 2 + 𝑏 1 𝑥 + 𝑐 1 i = 𝑎𝑎 1 + (3𝑎 − 𝑏) (3𝑎 1 − 𝑏 1 ) + (2𝑏 + 𝑐) (2𝑏 1 + 𝑐 1 ).
Definicja 4.9.
Mówimy, że macierz 𝑃 ∈ 𝑀𝑛×𝑛 jest ortogonalna, jeżeli zachodzi
𝑃 −1 = 𝑃𝑇 .
Twierdzenie 4.6. Warunki ortogonalności macierzy

Niech 𝑃 ∈ 𝑀𝑛×𝑛 . Wtedy następujące warunki są równoważne:
(a) macierz 𝑃 jest ortogonalna,
(b) 𝑃𝑃𝑇 = 𝑃𝑇 𝑃 = 𝐼𝑛 ,
(c) wektory wierszowe macierzy 𝑃 tworzą bazę ortonormalną przestrzeni 𝐸 𝑛 ,
(d) wektory kolumnowe macierzy 𝑃 tworzą bazę ortonormalną przestrzeni 𝐸 𝑛 ,
(e) k𝑃𝑋 k = k 𝑋 k dla każdego wektora kolumnowego 𝑋 ∈ 𝐸 𝑛 ,
(f) h𝑃𝑋, 𝑃𝑌 i = h𝑋, 𝑌 i dla dowolnych wektorów kolumnowych 𝑋, 𝑌 ∈ 𝐸 𝑛 .
Twierdzenie 4.7. Własności macierzy ortogonalnej

Niech 𝑃, 𝑄 ∈ 𝑀𝑛×𝑛 będą macierzami ortogonalnymi. Wówczas:
• macierz 𝑃𝑄 jest ortogonalna,
• macierz 𝑃 −1 jest ortogonalna,
• |det(P)|=1.
Zadanie 7 Sprawdzić, czy podana macierz jest ortogonalna:

"√
cos 𝛼 − sin 𝛼 2 2 −1
#
5 2
− d) ,
a) 2 √5 ,
3 3
sin 𝛼 cos 𝛼 f) 1  2 −1 2  ,

3
−1 2 2 
3 3
 

1 0

b) ,
0 −1
cos 𝛼 0 − sin 𝛼 3 2 6
e)  0 1 0  , g) −6 3 2  ,
3    
− 45 1

c) 4 3 ,
5
 sin 𝛼 0 cos 𝛼 
7
 2 6 −3
 
5 5    
1 1 1 1  1 1 1 
1 1 −1 −1  i) 1 1 −1 .
 
h) 1 −1 1 −1  ,
1

1 −1 1 
 
2
   
1 −1 −1 1 
 
Definicja 4.10.
Mówimy, że macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest ortogonalnie diagonalizowalna, gdy istnieją
macierz ortogonalna 𝑃 oraz macierz diagonalna 𝐷 takie, że

𝐴 = 𝑃𝐷𝑃 −1 = 𝑃𝐷𝑃𝑇 .
Twierdzenie 4.8. Warunek konieczny i dostateczny ort. diagonalizowalności

Rzeczywista macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest ortogonalnie diagonalizowalna wtedy i tylko wtedy,
gdy jest symetryczna.
Twierdzenie 4.9. o wektorach własnych macierzy symetrycznej

Każda wartość własna rzeczywistej macierzy symetrycznej jest liczbą rzeczywistą.
Wektory własne odpowiadające różnym wartościom własnym rzeczywistej macierzy sy-
metrycznej są ortogonalne.
Zadanie 8 Zdiagonalizować ortogonalnie podaną macierz symetryczną 𝐴, wskazując macierz

diagonalną 𝐷 oraz macierz ortogonalną 𝑃. Następnie obliczyć 𝐴𝑛 :
√
−2 2 3 3  2 0 −1

−5
a) , e) √ ,
2 1 i)  0 1 0  ,
 
3 3 1
−1 0 2 
√
1 1 1 2
 
b) , f) √ ,  5 −4 2
1 1 2 2
j) −4 5 2 ,
 
1 2 1 −1 2 2 8
 
c) ,

g) ,
2 1
 
−1 1
5 2 2 
2 1 1 −2 k) 2 2 −4 .

d) , h) ,
1 2 −2 1 2 −4 2 
 
Twierdzenie 4.10. Metoda ortogonalizacji Grama-Schmidta

Niech {𝑢 1 , 𝑢 2 , ..., 𝑢 𝑛 } będzie bazą przestrzeni euklidesowej 𝐸. Wtedy układ wektorów
{𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 } określonych wzorami

 𝑣1 = 𝑢1
h𝑢2 ,𝑣1 i

= 𝑢2 −

 𝑣2 𝑣1
k 𝑣1 k 2



h𝑢3 ,𝑣1 i
+ h𝑢k 𝑣3 ,𝑣k22i 𝑣 2

 𝑣

3 = 𝑢3 − 𝑣
k 𝑣1 k 2 1 2
 .
 ..
 ..


 .
= 𝑢 𝑛 − h𝑢k 𝑣𝑛 ,𝑣k12i 𝑣 1 + h𝑢k 𝑣𝑛 ,𝑣k22i 𝑣 2 + ... + h𝑢𝑛 ,𝑣𝑛−1 i


 𝑣𝑛 𝑣
 1 2 k 𝑣𝑛−1 k 2 𝑛−1
jest bazą ortogonalną tej przestrzeni.
Zadanie 9 Stosując metodę Grama-Schmidta zortogonalizować podane wektory we wskazanej

przestrzeni euklidesowej:
a) 𝑢 1 = (1, 0, 1), 𝑢 2 = (1, 0, −1), 𝑢 3 = (1, 1, 1) ∈ 𝐸 3 ,
b) 𝑢 1 = (1, −1, 1), 𝑢 2 = (1, 1, 1), 𝑢 3 = (1, 1, 2) ∈ 𝐸 3 ,
c) 𝑢 1 = (2, 1, 0), 𝑢 2 = (−1, 1, −1), 𝑢 3 = (1, 0, 2) ∈ 𝐸 3 ,
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4 ,
e) 𝑢 1 = (1, 1, 2, 0), 𝑢 2 = (−1, 1, 1, 1), 𝑢 3 = (1, 0, 1, 2) ∈ 𝐸 4 ,
f) 𝑢 1 = 2 − 𝑥, 𝑢 2 = 2𝑥 − 𝑥 2 , 𝑢 3 = 𝑥 2 ∈ R2 [𝑥] z iloczynem skalarnym

h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1),
g) 𝑢 1 = 1, 𝑢 2 = 𝑥, 𝑢 3 = 𝑥 2 ∈ R2 [𝑥] z iloczynem skalarnym

h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1),
h) 𝑢 1 = (2, 1, 0), 𝑢 2 = (−1, 1, −1), 𝑢 3 = (1, 0, 2) ∈ 𝐸 3 z iloczynem skalarnym

 2 −1 0  𝑦 1 
  
h𝑥, 𝑦i = 𝑥1 𝑥 2 𝑥 3 −1 1 0  𝑦 2  , gdzie 𝑥 = (𝑥 1 , 𝑥2 , 𝑥3 ), 𝑦 = (𝑦 1 , 𝑦 2 , 𝑦 3 ),

0 0 2  𝑦 3 

i) 𝑢 1 = 1, 𝑢 2 = 𝑥 + 1, 𝑢 3 = |𝑥|, 𝑢 4 = 𝑠𝑖𝑛(𝑥) ∈ 𝐶 ( [−1; 1]) z iloczynem skalarnym
∫ 1
h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥.
−1
Zadanie 10 Znaleźć bazy ortonormalne przestrzeni euklidesowej 𝐸 i podać współrzędne wek-

tora 𝑢 w tej bazie:
a) 𝐸 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 𝑧 = 4𝑥 − 𝑦}, 𝑢 = (1, 0, 1),
b) 𝐸 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ 𝐸 4 : 2𝑦 − 𝑧 = 4𝑥 − 𝑧 + 2𝑡 = 0}, 𝑢 = (1, 1, 2, −1),
c) 𝐸 = 𝑠𝑝𝑎𝑛 {(1, 1, 0, 1), (1, 2, −1, 1)} , 𝑢 = (0, 1, −1, 0),
d) 𝐸 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ 𝐸 4 : 𝑥 + 𝑦 = 𝑦 + 𝑧 = 𝑡}, 𝑢 = (1, 0, 1, 1),
e) 𝐸 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ 𝐸 4 : 𝑥 + 𝑦 + 𝑧 = 0, 𝑦 = 𝑡}, 𝑢 = (1, −2, 1, −2),

∫ 𝜋
f) 𝐸 = 𝑠𝑝𝑎𝑛 {𝑥, 𝑠𝑖𝑛(𝑥)} z iloczynem skalarnym h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥, 𝑢 = 3𝑥,
0
∫ 1
g) 𝐸 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(𝑥)𝑞(𝑥)𝑑𝑥, 𝑢 = 𝑥 2 ,
0
h) 𝐸 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2), 𝑢 = 𝑥 2 ,

∫ 𝜋
i) 𝐸 = 𝑠𝑝𝑎𝑛 {1, 𝑠𝑖𝑛(𝑥)} z iloczynem skalarnym h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥, 𝑢 = 1.
0
Twierdzenie 4.11. Macierzowa metoda ortogonalizacji

Niech {𝑢 1 , 𝑢 2 , ..., 𝑢 𝑛 } będzie układem wektorów liniowo niezależnych w przestrzeni eukli-
desowej 𝐸, a kolumny macierzy 𝐴 (wymiaru 𝑚 × 𝑛) są współrzędnymi tych wektorów
w bazie standardowej przestrzeni 𝐸.
Wówczas stosując elementarne operacje na wierszach (tylko 𝑊𝑖 + 𝛼𝑊 𝑗 , 𝑖 > 𝑗) macierzy
blokowej [ 𝐴𝑇 𝐴| 𝐴𝑇 ] można doprowadzić ją do postaci [𝐺 | 𝐴0 ], gdzie 𝐺 jest macierzą gór-
notrójkątną. Wtedy wiersze otrzymanej macierzy 𝐴0 są współrzędnymi wektorów ortogo-
nalnych w przestrzeni 𝐸.
− 𝑣 1 −
| | | 
 
− 𝑣 2 −
𝐴0 = 

𝐴 = 𝑢 1 𝑢 2 ... 𝑢 𝑛  ,
  
.. 
| | | 

 . 

 − 𝑣 𝑛 −
 
𝐴𝑇 → 𝐺 | 𝐴 0

𝐴𝑇 𝐴 |
Zadanie 11 Stosując metodę macierzową zortogonalizować podane wektory i porównać wyniki

z metodą Grama-Schmidta (zadanie 9).
a) 𝑢 1 = (1, 0, 1), 𝑢 2 = (1, 0, −1), 𝑢 3 = (1, 1, 1) ∈ 𝐸 3 ,
b) 𝑢 1 = (1, −1, 1), 𝑢 2 = (1, 1, 1), 𝑢 3 = (1, 1, 2) ∈ 𝐸 3 ,
c) 𝑢 1 = (2, 1, 0), 𝑢 2 = (−1, 1, −1), 𝑢 3 = (1, 0, 2) ∈ 𝐸 3 ,
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4 ,
e) 𝑢 1 = (1, 1, 2, 0), 𝑢 2 = (−1, 1, 1, 1), 𝑢 3 = (1, 0, 1, 2) ∈ 𝐸 4 .
Definicja 4.11.
Niech 𝐸 0 będzie podprzestrzenią przestrzeni euklidesowej 𝐸.
Mówimy, że wektor 𝑣 ∈ 𝐸 jest ortogonalny do przestrzeni 𝐸 0 jeżeli
∀𝑢∈𝐸0 h𝑣, 𝑢i = 0.
Zapisujemy to symbolicznie 𝑣⊥𝐸 0 .
Zadanie 12 Sprawdzić, czy podany wektor 𝑣 jest ortogonalny do wskazanej podprzestrzeni

euklidesowej 𝐸:
a) 𝐸 0 = {(𝑎 + 𝑏, 𝑎 − 𝑏, 𝑎 + 𝑏 + 𝑐, 𝑎 + 𝑏 − 𝑐) : 𝑎, 𝑏, 𝑐 ∈ R}, 𝑣 = (0, 0, 2, −2) ∈ 𝐸 4 ,
b) 𝐸 0 = {(𝑎 + 2𝑏 + 𝑐, 𝑎 + 𝑏 − 𝑐, 𝑐 + 𝑏 + 𝑎, 𝑎 + 2𝑏 + 3𝑐) : 𝑎, 𝑏, 𝑐 ∈ R}, 𝑣 = (2, −2, 2, −2) ∈ 𝐸 4 ,
c) 𝐸 0 = {(𝑎 − 𝑏 − 𝑐, 𝑎 + 𝑏, 𝑎 − 𝑐, 2𝑎 − 𝑏 − 𝑐) : 𝑎, 𝑏, 𝑐 ∈ R}, 𝑣 = (−2, −1, 1, 1) ∈ 𝐸 4 ,
d) 𝐸 0 = R1 [𝑥], 𝑣 = 𝑥 2 − 2𝑥 ∈ R2 [𝑥] z iloczynem skalarnym

h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1),
∫1
e) 𝐸 0 = R1 [𝑥], 𝑣 = 6𝑥 2 −6𝑥 +1 w przestrzeni R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
Definicja 4.12.
Niech 𝐸 0 będzie podprzestrzenią przestrzeni euklidesowej 𝐸.
Rzutem ortogonalnym wektora 𝑢 ∈ 𝐸 na podprzestrzeń 𝐸 0 nazywamy wektor 𝑢 0 ∈ 𝐸 0
spełniający warunek
𝑢 − 𝑢 0 ⊥𝐸 0 .
Zadanie 13 Znaleźć rzuty ortogonalne podanego wektora na wskazaną podprzestrzeń 𝐸 0 prze-

strzeni euklidesowej:
a) 𝐸 0 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 𝑥 = 2𝑦 = 4𝑧}, 𝑢 = (1, 1, 1) ∈ 𝐸 3 ,
b) 𝐸 0 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 2𝑥 = 𝑦 = 3𝑧}, 𝑢 = (1, 2, 3) ∈ 𝐸 3 ,
c) 𝐸 0 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 2𝑥 − 𝑦 + 3𝑧 = 0}, 𝑢 = (1, 2, 3) ∈ 𝐸 3 ,
d) 𝐸 0 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ 𝐸 4 : 𝑥 + 𝑦 + 𝑧 = 0, 𝑦 = 𝑡}, 𝑢 = (1, 0, 0, 1) ∈ 𝐸 4 ,
e) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(1, 1, 1), (1, 1, 0)} , 𝑢 = (1, 0, 1) ∈ 𝐸 3 ,
f) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(1, 0, 1, 0), (1, 1, 0, 0)} , 𝑢 = (1, 1, 1, 1) ∈ 𝐸 4 ,

∫ 2𝜋
g) 𝐸 0 = 𝑠𝑝𝑎𝑛{𝑥, cos(𝑥)}, 𝑢 ≡ 1 ∈ 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
∫1
h) 𝐸 0 = 𝑠𝑝𝑎𝑛 {𝑥 + 1, 𝑥 − 1} , 𝑓 (𝑥) = 𝑥 2 ∈ 𝐶 ( [0, 1]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
∫ 2𝜋
i) 𝐸 0 = 𝑠𝑝𝑎𝑛 {1, cos(𝑥)} , 𝑓 (𝑥) = 𝑥 ∈ 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
j) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(1, 0, 1), (1, 0, 0)} , 𝑢 = (1, 1, 1) ∈ 𝐸 3 z iloczynem skalarnym

h(𝑣 1 , 𝑣 2 , 𝑣 3 ), (𝑤 1 , 𝑤 2 , 𝑤 3 )i = 2𝑣 1 𝑤 1 + 𝑣 2 𝑤 2 + 𝑣 3 𝑤 3 − 𝑣 1 𝑤 3 − 𝑣 3 𝑤 1 .
Twierdzenie 4.12. o istnieniu i jednoznaczności rzutu ortogonalnego

Niech 𝐸 0 będzie skończenie wymiarową podprzestrzenią przestrzeni euklidesowej 𝐸 oraz
niech {𝑣 1 , 𝑣 2 , ..., 𝑣 𝑘 } będzie bazą ortogonalną podprzestrzeni 𝐸 0 .
Wtedy dla dowolnego wektora 𝑢 ∈ 𝐸 istnieje jednoznacznie wyznaczony rzut ortogonalny
𝑢 0 tego wektora na podprzestrzeń 𝐸 0 , określony wzorem:
h𝑢, 𝑣 1 i h𝑢, 𝑣 2 i h𝑢, 𝑣 𝑘 i
𝑢0 = 𝑣1 + 𝑣 2 + ... + 𝑣𝑘.
k𝑣 1 k 2 k𝑣 2 k 2 k𝑣 𝑘 k 2
Zadanie 14 Znaleźć rzuty ortogonalne podanego wektora na podprzestrzeń 𝐸 0 o wskazanej

bazie ortogonalnej:
a) 𝐸 0 = 𝑠𝑝𝑎𝑛{(1, 2, 1, 0), (1, 0, −1, 0)} ⊂ 𝐸 4 , 𝑢 = (1, 1, 1, 1),
b) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(−1, 1, 1), (1, 1, 0)} ⊂ 𝐸 3 , 𝑢 = (1, 0, 1),
c) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(1, 0, 1, 1), (1, 1, 0, −1)} ⊂ 𝐸 4 , 𝑢 = (1, 1, 1, 1),
d) 𝐸 0 = 𝑠𝑝𝑎𝑛{1, 2𝑥 − 1} ⊂ R[𝑥] z iloczynem skalarnym określonym wzorem

∫1
< 𝑝, 𝑞 >= 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥, 𝑝(𝑥) = 𝑥 2 ,
e) 𝐸 0 = 𝑠𝑝𝑎𝑛 𝑥 + 1, 𝑥 − 95 ⊂ 𝐶 ( [0; 1]) z iloczynem skalarnym określonym wzorem

∫1
h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥, 𝑓 (𝑥) = 𝑥 2 ,
f) 𝐸 0 = 𝑠𝑝𝑎𝑛 {1, cos(𝑥)} ⊂ 𝐶 ( [0; 2𝜋]) z iloczynem skalarnym określonym wzorem

∫ 2𝜋
h 𝑓 , 𝑔i = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥, 𝑓 (𝑥) = 𝑥,
g) 𝐸 0 = 𝑠𝑝𝑎𝑛 {(1, 0, 2), (1, 0, 0)} ⊂ 𝐸 3 z iloczynem skalarnym określonym wzorem

h(𝑣 1 , 𝑣 2 , 𝑣 3 ), (𝑤 1 , 𝑤 2 , 𝑤 3 )i = 2𝑣 1 𝑤 1 + 𝑣 2 𝑤 2 + 𝑣 3 𝑤 3 − 𝑣 1 𝑤 3 − 𝑣 3 𝑤 1 , 𝑢 = (1, 1, 1),
h) 𝐸 0 = 𝑠𝑝𝑎𝑛 {2 − 3𝑥, 𝑥} ⊂ R[𝑥] z iloczynem skalarnym określonym wzorem

∫1
h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥, 𝑝(𝑥) = 𝑥 2 − 1.
Definicja 4.13.
Niech
𝐴𝑥 = 𝑏 (4.1)
 𝑏1 
 
 𝑏2 
będzie układem sprzecznym, gdzie 𝐴 = 𝑀𝑚×𝑛 , 𝑏 =  .  ∈ 𝑀𝑚×1 .
 
 .. 
 
𝑏 𝑚 
”Najlepszym rozwiązaniem” układu (4.1) nazywamy wektor 𝑥¯ ∈ R𝑛 taki, że
 
∀ 𝑥 ∈R𝑛 k 𝐴¯
𝑥 − 𝑏k ≤ k 𝐴𝑥 − 𝑏k.
Uwaga 4.1 Oznaczmy przez 𝐶 𝐴 = {𝐴𝑥 : 𝑥 ∈ R𝑛 } podprzestrzeń liniową R𝑚 . Zauważmy, że

𝑥 ∈ 𝐶 𝐴 oraz 𝐴¯
𝐴¯ 𝑥 leży najbliżej 𝑏 spośród wektorów z 𝐶 𝐴. Zatem 𝐴¯
𝑥 jest rzutem ortogonalnym
𝑥 , 𝐴𝑥i = 0.
wektora 𝑏 na podprzestrzeń 𝐶 𝐴. Wtedy ∀ 𝑥 ∈R𝑛 h𝑏 − 𝐴¯
Twierdzenie 4.13.
Zbiór ”najlepszych rozwiązań” układu (4.1) jest identyczny ze zbiorem rozwiązań układu
równań postaci
𝐴𝑇 𝐴𝑥 = 𝐴𝑇 𝑏.
Zadanie 15 Wyznaczyć ”najlepsze rozwiązanie” sprzecznego układu równań:
𝑥 + 2𝑦 = 3  2𝑥 1 + 2𝑥2 − 𝑥 3 = 1

a) ,


3𝑥 + 6𝑦 = 4 e) 𝑥 1 − 2𝑥2 3,

=
 𝑥 1 + 4𝑥2 − 𝑥 3 =

2
2𝑥

 𝑥 1 + 2 + 𝑥 3 = −2
= 4

b)


− 𝑥2 + 𝑥3 = 2 ,

 𝑥2 − 𝑥3
f) 2𝑥1 − 𝑥 2 + 2𝑥 3 = 3,


 𝑥 1 + 𝑥 2 + 2𝑥 3 = 12

  − 2𝑥1 + 2𝑥 2 − 3𝑥 3

= 0

 𝑥
 1 = 3  𝑥1 + 𝑥2 + 𝑥3 = 1

c) 𝑥 1 + 𝑥 2 = 4 ,


g) 𝑥 1 − 𝑥 2 + 𝑥 3 = 1 ,


 𝑥 1 + 2𝑥 2 = 1

+ 𝑥3 = 2

 𝑥1
 
 2𝑥 1 = 1  𝑥1 + 𝑥2 + 𝑥3 = 1

 

d) = 2, h) 𝑥 1 − 𝑥 2 + 𝑥 3 = 1 ,
 
𝑥2
 2𝑥 1 + 2𝑥2

= 3

 𝑥2 = 1
 
 𝑥1

 = 1  2𝑥 1

 = 1
i) = 1, j) = 0.
 
𝑥2 𝑥2
 2𝑥 1 + 𝑥 2

= 1  2𝑥 1 + 𝑥 2

= 2
 
Twierdzenie 4.14. Metoda najmniejszych kwadratów

Dane są punkty
(𝑥1 , 𝑦 1 ), (𝑥 2 , 𝑦 2 ), ..., (𝑥 𝑛 , 𝑦 𝑛 ) ∈ R2 .
Aby znaleźć ”najlepsze dopasowanie” prostej do tych punktów, należy wyznaczyć taką
prostą 𝑦 = 𝑎𝑥 + 𝑏, dla której liczba
𝑛
∑︁ 𝑛
∑︁
𝑑𝑖2 = ((𝑎𝑥𝑖 + 𝑏) − 𝑦 𝑖 ) 2
𝑖=1 𝑖=1
jest jak najmniejsza.
Uwaga 4.2 Innymi słowy należy znaleźć ”najlepsze rozwiązanie” sprzecznego układu równań:


 𝑎𝑥1 + 𝑏 = 𝑦 1
 𝑎𝑥2 + 𝑏 = 𝑦 2



.. .. .


 . .
 𝑎𝑥 𝑛 + 𝑏 = 𝑦 𝑛


Zadanie 16 Wyznaczyć ”najlepsze przybliżenie” prostej 𝑦 = 𝑎𝑥 + 𝑏 do punktów:
a) (1, 2), (2, 3), (3, 5), (4, 7) g) (1, 1), (2, 8), (3, 8), (4, 20),
b) (1, 2), (2, 4), (3, 5), (4, 7) h) (2, 1), (1, 3), (2, 2),
c) (0, 1), (1, 2), (2, −1) i) (2, 1), (3, 5), (1, 3), (2, 2),
d) (1, 1), (2, 2), (4, 3), (5, 1), j) (2, 3), (2, 4), (3, 1),
e) (−1, −2), (1, 2), (3, 3), (0, 0), k) (2, 3), (3, 1), (0, 2),
f) (1, 3), (2, 5), (3, −3), (0, 3), l) (2, 3), (2, 4), (3, 1), (1, 2).
4.2 Część B
Zadanie 17 Dobrać stałą 𝑎 ∈ R tak, aby podane wektory były ortogonalne w przestrzeni 𝑉:
a) (2𝑎, 1, 1), (1, 0, 3) w 𝑉 = 𝐸 3 ,
b) (2𝑎, 𝑎, 2𝑎, 1), (−1, 1, 1, 0) w 𝑉 = 𝐸 4 ,
c) (𝑎, 1, 2𝑎, 3), (−1, 0, 0, 1) w 𝑉 = 𝐸 4 ,
d) 1, 𝑎𝑥 + 2 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
e) 𝑎, 𝑥 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
f) 𝑎𝑥 + 1, 2𝑥 + 1 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2),
g) 𝑥 − 1, 𝑥 + 𝑎 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0),
h) 𝑎𝑥 2 , 𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3),
i) 𝑥 2 − 1, 𝑎𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0).
Zadanie 18 Uzupełnić podany układ wektorów do bazy ortogonalnej odpowiedniej przestrzeni

euklidesowej:
a) (1, 2, 1), (0, 1, −2) ∈ 𝐸 3 ,
b) (1, 0, 1), (2, 1, −2) ∈ 𝐸 3 ,
c) (1, 1, 1, 1), (1, −1, 1, −1), (1, 1, −1, −1) ∈ 𝐸 3 ,
d) 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0),
e) 𝑥 + 2 ∈ R2 [𝑥] z iloczynem skalarnym h𝑎𝑥 2 + 𝑏𝑥 + 𝑐, 𝑎 1 𝑥 2 + 𝑏 1 𝑥 + 𝑐 1 i = 𝑎𝑎 1 + 𝑏𝑏 1 + 𝑐𝑐 1 ,
f) 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1).
strona
ODPOWIEDZI 114
ROZWIZANIA 82
Rozdział 5
Formy dwuliniowe i kwadratowe
5.1 Część A
Definicja 5.1.
Niech 𝑉 będzie przestrzenią liniową nad ciałem R (ogólnie - nad ciałem 𝐾).
Formą dwuliniową na przestrzeni 𝑉 nazywamy odwzorowanie 𝑄 : 𝑉 × 𝑉 → R spełniające
warunki:
1. 𝑄 jest liniowe ze względu na pierwszą zmienną, tzn.
∀ 𝑥1 , 𝑥2 ,𝑦 ∈𝑉 ∀ 𝛼1 , 𝛼2 ∈R 𝑄(𝛼1 𝑥 1 + 𝛼2 𝑥 2 , 𝑦) = 𝛼1 𝑄(𝑥 1 , 𝑦) + 𝛼2 𝑄(𝑥 2 , 𝑦),
2. 𝑄 jest liniowe ze względu na drugą zmienną, tzn.
∀ 𝑥,𝑦1 ,𝑦2 ∈𝑉 ∀ 𝛼1 , 𝛼2 ∈R 𝑄(𝑥, 𝛼1 𝑦 1 + 𝛼2 𝑦 2 ) = 𝛼1 𝑄(𝑥, 𝑦 1 ) + 𝛼2 𝑄(𝑥, 𝑦 2 ).
Dodatkowo:
a) jeżeli zachodzi ∀ 𝑥,𝑦 ∈𝑉 𝑄(𝑥, 𝑦) = 𝑄(𝑦, 𝑥) to formę nazywamy zwykłą lub symetryczną,
b) jeżeli zachodzi ∀ 𝑥,𝑦 ∈𝑉 𝑄(𝑥, 𝑦) = −𝑄(𝑦, 𝑥) to formę nazywamy antysymetryczną.
Zadanie 1 Pokazać, że podane odwzorowanie jest formą dwuliniową. Czy jest to forma syme-
tryczna lub antysymetryczna?
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2 ,
b) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 − 𝑥 2 𝑦 1 ,
c) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 3𝑥 1 𝑦 1 − 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 ,
d) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 − 𝑥 2 𝑦 2 ,
e) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥2 𝑦 3 + 𝑥 1 𝑦 2 − 𝑥 3 𝑦 3 ,
f) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 2 + 𝑥 3 𝑦 3 ,
g) 𝑄 : 𝐶 [0; 1] × 𝐶 [0; 1] → R, 𝑄( 𝑓 , 𝑔) = 𝑓 (1)𝑔(1),

∫1
h) 𝑄 : 𝐶 [0; 1] × 𝐶 [0; 1] → R, 𝑄( 𝑓 , 𝑔) = 0 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥,
36
ROZDZIAŁ 5. FORMY DWULINIOWE I KWADRATOWE
i) 𝑄 : R2 × R2 → R, 𝑄 jest iloczynem skalarnym,
j) 𝑄 : R0 [𝑥] × R0 [𝑥] → R jest iloczynem skalarnym,
k) 𝑄 : R2 [𝑥] × R2 [𝑥] → R, 𝑄 jest iloczynem skalarnym.
Definicja 5.2.
Niech 𝑉 będzie przestrzenią liniową, 𝑄 : 𝑉 × 𝑉 → R formą dwuliniową na 𝑉, a 𝐵 =
{𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 } bazą 𝑉. Wówczas macierz
𝐴 = [𝑎 𝑖 𝑗 ] ∈ 𝑀𝑛×𝑛 (R)
zdefiniowaną przez 𝑎 𝑖 𝑗 = 𝑄(𝑣 𝑖 , 𝑣 𝑗 ) dla 1 ≤ 𝑖, 𝑗 ≤ 𝑛 nazywamy macierzą formy dwuli-

niowej 𝑄 w bazie 𝐵.
Twierdzenie 5.1.
Niech 𝑄 : 𝑉 × 𝑉 → R będzie formą dwuliniową na przestrzeni liniowej 𝑉, a macierz
𝐴 ∈ 𝑀𝑛×𝑛 (R) macierzą 𝑄 w bazie 𝐵 = {𝑣 1 , 𝑣 2 , ..., 𝑣 𝑛 }. Wówczas:
1. macierz 𝐴 jest symetryczna ⇔ forma 𝑄 jest symetryczna,
2. 𝑄(𝑣, 𝑤) = 𝑣 𝑇𝐵 𝐴 𝑤 𝐵 , gdzie 𝑣, 𝑤 ∈ 𝑉, a 𝑣 𝐵 , 𝑤 𝐵 są kolumnami współrzędnych wektorów

𝑣, 𝑤 w bazie 𝐵.
Zadanie 2 Wyznaczyć macierz formy dwuliniowej 𝑄 w bazie standardowej i bazie 𝐵:
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2 , 𝐵 = {(1, 1), (1, −1)},
b) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 − 𝑥 2 𝑦 1 , 𝐵 = {(1, 1), (1, 2)},
c) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 − 𝑥 2 𝑦 2 , 𝐵 = {(1, 1), (1, −1)},
d) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 + 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 , 𝐵 = {(1, 3), (0, −1)},
e) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 1 − 𝑥1 𝑦 2 − 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 , 𝐵 = {(−1, 1), (1, 2)},
f) 𝑄 : R3 ×R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)},
g) 𝑄 : R3 ×R3 → R, 𝑄((𝑥1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +𝑥 2 𝑦 2 −𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)},
h) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 2𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 + 𝑥 2 𝑦 1 − 𝑥 3 𝑦 3 ,
𝐵 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)},
i) 𝑄 : R3 × R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥 1 𝑦 2 − 4𝑥 1 𝑦 3 + 2𝑥 2 𝑦 1 − 2𝑥 2 𝑦 3 + 3𝑥3 𝑦 1 ,
𝐵 = {(1, 1, 1), (1, 0, 1), (1, 2, 0)}.
Zadanie 3 Dla formy dwuliniowej 𝑄 z poprzedniego zadania obliczyć 𝑄(𝑣 1 , 𝑣 2 ) przy użyciu
macierzy formy w bazie 𝐵. Porównać wyniki z obliczeniami w bazie standardowej.
• 𝑄 : R2 × R2 → R, 𝑣 1 = (1, 1), 𝑣 2 = (1, −1),
• 𝑄 : R3 × R3 → R, 𝑣 1 = (1, 0, 1), 𝑣 2 = (1, 2, 1).
Zadanie 4 Dla formy dwuliniowej 𝑄 : R𝑛 × R𝑛 → R znaleźć takie formy dwuliniowe 𝑄 𝑠 oraz 𝑄 𝑎

(symetryczną i antysymetryczną), że zachodzi równość
𝑄(x, y) = 𝑄 𝑎 (x, y) + 𝑄 𝑠 (x, y),
gdzie x = (𝑥 1 , 𝑥2 , ..., 𝑥 𝑛 ), y = (𝑦 1 , 𝑦 2 , ..., 𝑦 𝑛 ).
a) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥 1 𝑦 1 + 𝑥1 𝑦 2 ,
b) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 4𝑥 1 𝑦 1 + 𝑥1 𝑦 2 − 2𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 ,
c) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 𝑥 1 𝑦 2 + 2𝑥2 𝑦 1 ,
d) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = −2𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 3𝑥 2 𝑦 2 ,
e) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥 1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥3 𝑦 3 ,
f) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 2𝑥 2 𝑦 2 + 3𝑥 3 𝑦 3 + 𝑥1 𝑦 2 + 𝑥 1 𝑦 3 + 2𝑥 2 𝑦 1 − 2𝑥 2 𝑦 3 ,
g) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 2𝑥 1 𝑦 2 + 𝑥 1 𝑦 3 + 3𝑥2 𝑦 1 + 2𝑥 2 𝑦 3 − 𝑥 3 𝑦 1 + 𝑥 3 𝑦 2 ,
h) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 𝑥2 𝑦 2 + 𝑥 3 𝑦 3 + 𝑥 1 𝑦 2 + 𝑥 3 𝑦 2 .
Definicja 5.3.
Rzeczywistą formą kwadratową 𝑛 zmiennych nazywamy wielomian jednorodny drugiego
stopnia postaci
𝑛 ∑︁
∑︁ 𝑛
𝑞(𝑥 1 , 𝑥2 , ..., 𝑥 𝑛 ) = 𝑚 𝑖 𝑗 𝑥𝑖 𝑥 𝑗 ,
𝑖=1 𝑗=1
w którym współczynniki 𝑚 𝑖 𝑗 , 1 ≤ 𝑖, 𝑗 ≤ 𝑛 są liczbami rzeczywistymi. Symetrycznej formie

dwuliniowej 𝑄 odpowiada taka forma kwadratowa 𝑞, że 𝑞(𝑣) = 𝑄(𝑣, 𝑣).
Natomiast formę 𝑄 będziemy wtedy nazywać formą dwuliniową symetryczną odpowiada-
jącą formie kwadratowej 𝑞.
Twierdzenie 5.2.
Dla każdej formy kwadratowej 𝑞(𝑥) = 𝑥 𝑇 𝑀𝑥 istnieje dokładnie jedna macierz symetryczna
𝐴 taka, że 𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥.
Zadanie 5 Znaleźć formę kwadratową odpowiadającą formie dwuliniowej 𝑄 : R2 × R2 → R,

gdzie x = (𝑥 1 , 𝑥2 ), y = (𝑦 1 , 𝑦 2 ).
a) 𝑄(x, y) = 6𝑥 1 𝑦 1 + 2𝑥 2 𝑦 1 + 2𝑥 1 𝑦 2 − 4𝑥 2 𝑦 2 ,
b) 𝑄(x, y) = 𝑥 1 𝑦 1 + 𝑥 2 𝑦 1 + 𝑥 1 𝑦 2 − 𝑥 2 𝑦 2 ,
c) 𝑄(x, y) = 3𝑥 1 𝑦 1 − 𝑥 2 𝑦 1 − 𝑥 1 𝑦 2 + 2𝑥2 𝑦 2 ,
d) 𝑄(x, y) = 𝑥 1 𝑦 1 + 2𝑥 2 𝑦 1 + 2𝑥 1 𝑦 2 − 2𝑥2 𝑦 2 ,
e) 𝑄(x, y) = 2𝑥 1 𝑦 1 − 3𝑥 2 𝑦 1 − 3𝑥 1 𝑦 2 + 2𝑥2 𝑦 2 .
Twierdzenie 5.3. Własności formy kwadratowej

Niech 𝑞 : 𝑉 → R będzie formą kwadratową. Wówczas
(i) ∀ 𝑥 ∈𝑉 ∀ 𝛼∈R 𝑞(𝛼𝑥) = 𝛼2 𝑞(𝑥),
(ii) ∀ 𝑥,𝑦 ∈𝑉 𝑄(𝑥, 𝑦) = 1

2 (𝑞(𝑥 + 𝑦) − 𝑞(𝑥) − 𝑞(𝑦)).
Formę kwadratową 𝑞 nazywamy:
• dodatnio określoną, jeżeli ∀ 𝑥 ∈𝑉 𝑞(𝑥) > 0,
• ujemnie określoną, jeżeli ∀ 𝑥 ∈𝑉 𝑞(𝑥) < 0,
• niedodatnio określoną, jeżeli ∀ 𝑥 ∈𝑉 𝑞(𝑥) ≤ 0,
• nieujemnie określoną, jeżeli ∀ 𝑥 ∈𝑉 𝑞(𝑥) ≥ 0,
• nieokreśloną, jeżeli nie zachodzi żadne z powyższych.
Definicja 5.4.
Niech 𝐴 ∈ 𝑀𝑛×𝑛 (R). Wtedy:
• wiodącą podmacierzą główną stopnia 𝑘 macierzy 𝐴 nazywamy macierz 𝐴 𝑘 po-

wstałą z macierzy 𝐴 przez usunięcie z niej 𝑛 − 𝑘 ostatnich wierszy i kolumn,
• wyznacznik macierzy 𝐴 𝑘 nazywamy wiodącym minorem głównym stopnia 𝑘

macierzy 𝐴.
Twierdzenie 5.4. Kryterium Sylvestera

Forma kwadratowa 𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥 (i symetryczna macierz 𝐴 ∈ 𝑀𝑛×𝑛 (R)) jest:
• dodatnio określoną, jeżeli ∀1≤ 𝑘 ≤𝑛 𝑑𝑒𝑡 ( 𝐴 𝑘 ) > 0,
• ujemnie określoną, jeżeli ∀1≤ 𝑘 ≤𝑛 (−1) 𝑘 𝑑𝑒𝑡 ( 𝐴 𝑘 ) > 0,
• nieujemnie określoną, jeżeli ∀1≤ 𝑘 ≤𝑛 𝑑𝑒𝑡 ( 𝐴 𝑘 ) ≥ 0,
• niedodatnio określoną, jeżeli ∀1≤ 𝑘 ≤𝑛 (−1) 𝑘 𝑑𝑒𝑡 ( 𝐴 𝑘 ) ≥ 0,
Twierdzenie 5.5. Kryterium wartości własnych

Niech 𝜆1 , 𝜆2 , 𝜆 𝑛 będą rzeczywistymi wartościami własnymi macierzy 𝐴 ∈ 𝑀𝑛×𝑛 (R). Wtedy
forma kwadratowa 𝑞 i jej macierz 𝐴 są:
• dodatnio określone, jeżeli ∀1≤ 𝑘 ≤𝑛 𝜆𝑖 > 0,
• ujemnie określona, jeżeli ∀1≤ 𝑘 ≤𝑛 𝜆 𝑖 < 0,
• nieujemnie określona, jeżeli ∀1≤ 𝑘 ≤𝑛 𝜆𝑖 ≥ 0,
• niedodatnio określona, jeżeli ∀1≤ 𝑘 ≤𝑛 𝜆𝑖 ≤ 0,
Zadanie 6 Napisać macierz formy kwadratowej 𝑞 w bazie standardowej, a następnie sprawdzić,

czy forma kwadratowa 𝑞 jest określona:
a) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 4𝑥 2 − 2𝑥𝑦 + 2𝑦 2 , d) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 2𝑥 2 − 2𝑥𝑦 + 𝑦 2 ,
b) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 2𝑥 2 − 𝑥𝑦 + 3𝑦 2 , e) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = −𝑥 2 + 2𝑥𝑦 − 3𝑦 2 ,
c) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 2𝑥 2 − 4𝑥𝑦 + 𝑦 2 , f) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 2𝑥𝑦 − 3𝑦 2 ,
g) 𝑞 : R3 → R, 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 3𝑦 2 + 𝑧 2 − 2𝑥𝑦 − 2𝑥𝑧 + 2𝑦𝑧,
h) 𝑞 : R3 → R, 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 − 𝑧 2 + 2𝑥𝑧 − 4𝑦𝑧,
i) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = −𝑥 2 + 3𝑦 2 + 3𝑧 2 − 4𝑥𝑦 + 4𝑥𝑧,
j) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 2𝑦 2 + 5𝑧 2 + 2𝑥𝑦 + 4𝑥𝑧,
k) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 2𝑥 2 + 2𝑦 2 + 2𝑧 2 − 2𝑥𝑦 − 2𝑦𝑧,
l) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 2𝑥 2 + 2𝑦 2 + 2𝑧 2 − 2𝑥𝑦 − 2𝑥𝑧 + 2𝑦𝑧,
m) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 3𝑥 2 + 2𝑦 2 + 2𝑧 2 − 4𝑥𝑦,
n) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 + 𝑧 2 − 𝑥𝑧 − 𝑦𝑧,
o) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 1𝑥 2 + 1𝑦 2 + 3𝑧 2 + 𝑥𝑧 + 𝑦𝑧.
Definicja 5.5.
Jeżeli macierz 𝐴 jest diagonalna, to mówimy, że forma kwadratowa 𝑞 dana wzorem
𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥
ma postać kanoniczną. Wtedy też dla 𝑦 = (𝑦 1 , 𝑦 2 , ..., 𝑦 𝑛 ) 𝑇 istnieje taka macierz
𝑀 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2 , ..., 𝜆 𝑛 ),
że zachodzi
𝑞(𝑥) = 𝑞(𝑦) = 𝜆1 𝑦 21 + 𝜆2 𝑦 22 + ... + 𝜆 𝑛 𝑦 2𝑛 ,
gdzie 𝜆𝑖 są wartościami własnymi macierzy 𝐴, 1 ≤ 𝑖 ≤ 𝑛.
Twierdzenie 5.6. Postać kanoniczna - podstawienie ortogonalne

Formę kwadratową 𝑞(𝑥) = 𝑥 𝑇 𝐴𝑥, gdzie 𝐴 ∈ 𝑀𝑛×𝑛 (R) jest symetryczną macierzą, za po-
mocą podstawienia ortogonalnego 𝑥 = 𝑃𝑦 = [ 𝑝 1 , 𝑝 2 , ..., 𝑝 𝑛 ] 𝑦 można sprowadzić do postaci
𝑞(𝑃𝑦) = 𝑦 𝑇 𝐷 𝑦 = 𝜆 1 𝑦 21 + 𝜆2 𝑦 22 + ... + 𝜆 𝑛 𝑦 2𝑛 ,
gdzie 𝐷 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2 , ..., 𝜆 𝑛 ), 𝜆𝑖 są wartościami własnymi macierzy 𝐴, 𝑝 𝑖 = k 𝑣𝑖 k ,

𝑣𝑖
a 𝑣 𝑖 są
wektorami własnymi odpowiadającymi wartościom własnym 𝜆𝑖 , 1 ≤ 𝑖 ≤ 𝑛.
Uwaga 5.1 Zamiast podstawienia ortogonalnego możemy użyć metody Lagrange’a.

Polega ona na kolejnym uzupełnianiu do pełnych kwadratów wyrażeń zawierających ustaloną
zmienną formy. Następnie należy wykonać odpowiednie podstawienie zawartości kolejnych na-
wiasów.
Jeżeli wszystkie współczynniki przy wyrazach z kwadratami są zerowe, to najpierw szukamy współ-
czynnika 𝑚 𝑖 𝑗 ≠ 0 i wykonujemy podstawienie
𝑥𝑖 = 𝑦 𝑖 − 𝑦 𝑗 , 𝑥 𝑗 = 𝑦𝑖 + 𝑦 𝑗 ,
𝑥 𝑘 = 𝑦 𝑘 dla 𝑘 ∈ {1, ..., 𝑛} \ {𝑖, 𝑗 }.
Zadanie 7 Sprowadzić formę kwadratową 𝑞 do postaci kanonicznej używając obu poznanych

metod. Następnie zbadać określoność 𝑞.
a) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 𝑥 2 − 4𝑥𝑦 + 4𝑦 2 , d) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 5𝑥 2 + 2𝑥𝑦 + 4𝑦 2 ,
b) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 5𝑥 2 + 8𝑥𝑦 + 5𝑦 2 , e) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = −2𝑥 2 + 1𝑥𝑦 + 4𝑦 2 ,
c) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 2𝑥𝑦, f) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 10𝑥 2 + 10𝑥𝑦 − 12𝑦 2 ,
g) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 4𝑥𝑦 + 𝑧 2 ,
h) 𝑞 : R3 → R, 𝑞(𝑥 1 , 𝑥2 , 𝑥2 ) = 2𝑥 1 𝑥 2 + 𝑥 22 − 2𝑥 2 𝑥 3 ,
i) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 2𝑥𝑦 + 4𝑦𝑧,
j) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥𝑦 − 2𝑥𝑧 + 𝑦𝑧,
k) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 4𝑥𝑦 − 2𝑥𝑧 + 3𝑦 2 + 2𝑦𝑧 + 2𝑧 2 ,
l) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 3𝑥 2 + 3𝑦 2 + 3𝑧 2 − 2𝑥𝑧,
m) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 5𝑥 2 + 5𝑦 2 + 18𝑧 2 − 26𝑥𝑦,
n) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 + 3𝑧 2 + 4𝑥𝑦 + 2𝑥𝑧 + 2𝑦𝑧,
o) 𝑞 : R4 → R, 𝑞(𝑥, 𝑦, 𝑧, 𝑡) = 𝑥 2 + 5𝑦 2 + 4𝑧 2 − 𝑡 2 + 6𝑥𝑦 − 4𝑥𝑧 − 12𝑦𝑧 − 4𝑦𝑡,
p) 𝑞 : R4 → R, 𝑞(𝑥, 𝑦, 𝑧, 𝑡) = 2𝑥𝑦 + 2𝑥𝑧 − 2𝑥𝑡 − 2𝑦𝑧 + 2𝑦𝑡 + 2𝑧𝑡.
strona
ODPOWIEDZI 114
ROZWIZANIA 104
Rozdział 6
Przykładowe rozwiązania wybranych

zadań
6.1 Przekształcenia liniowe

Zadanie 1 Uzasadnić liniowość podanych przekształceń:
b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥, 2𝑥 − 𝑦)
Weźmy 2 wektory (𝑥, 𝑦), (𝑎, 𝑏) ∈ R2 oraz stałą 𝛼 ∈ R.
Sprawdzimy dwa warunki, addytywność i jednorodność, rozpisując prawą i lewą stronę.
• addytywność:
𝐿 = 𝐴 ((𝑥, 𝑦) + (𝑎, 𝑏)) = 𝐴 (𝑥 + 𝑎, 𝑦 + 𝑏) =
= (𝑥 + 𝑎, 2(𝑥 + 𝑎) − (𝑦 + 𝑏)) = (𝑥 + 𝑎, 2𝑥 − 𝑦 + 2𝑎 − 𝑏),
𝑃 = 𝐴(𝑥, 𝑦) + 𝐴(𝑎, 𝑏) = (𝑥, 2𝑥 − 𝑦) + (𝑎, 2𝑎 − 𝑏) =
= (𝑥 + 𝑎, 2𝑥 − 𝑦 + 2𝑎 − 𝑏) = 𝐿.
• jednorodność:
𝐿 = 𝐴 (𝛼(𝑥, 𝑦)) = 𝐴 (𝛼𝑥, 𝛼𝑦) = (𝛼𝑥, 2𝛼𝑥 − 𝛼𝑦),
𝑃 = 𝛼𝐴(𝑥, 𝑦) = 𝛼(𝑥, 2𝑥 − 𝑦) = (𝛼𝑥, 2𝛼𝑥 − 𝛼𝑦) = 𝐿.
Oba warunki są spełnione, więc przekształcenie 𝐴 jest liniowe.
Uwaga: Zamiast dwóch warunków możemy sprawdzić warunek równoważny. W tym celu
weźmy 2 wektory (𝑥, 𝑦), (𝑎, 𝑏) ∈ R2 oraz stałe 𝛼, 𝛽 ∈ R.
𝐿 = 𝐴 (𝛼(𝑥, 𝑦) + 𝛽(𝑎, 𝑏)) = 𝐴 ((𝛼𝑥, 𝛼𝑦) + (𝛽𝑎, 𝛽𝑏)) = 𝐴 (𝛼𝑥 + 𝛽𝑎, 𝛼𝑦 + 𝛽𝑏) =
= (𝛼𝑥 + 𝛽𝑎, 2(𝛼𝑥 + 𝛽𝑎) − (𝛼𝑦 + 𝛽𝑏)) = (𝛼𝑥 + 𝛽𝑎, 2𝛼𝑥 + 2𝛽𝑎 − 𝛼𝑦 − 𝛽𝑏),
𝑃 = 𝛼𝐴(𝑥, 𝑦) + 𝛽𝐴(𝑎, 𝑏) = 𝛼(𝑥, 2𝑥 − 𝑦) + 𝛽(𝑎, 2𝑎 − 𝑏) = (𝛼𝑥 + 𝛽𝑎, 2𝛼𝑥 + 2𝛽𝑎 − 𝛼𝑦 − 𝛽𝑏) = 𝐿.
Obie strony są równe, więc i tu dostajemy wniosek, że 𝐴 jest przekształceniem liniowym.
f) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑦, 𝑡, 0)
Weźmy 2 wektory (𝑥, 𝑦, 𝑧, 𝑡), (𝑎, 𝑏, 𝑐, 𝑑) ∈ R4 oraz stałą 𝛼 ∈ R. Sprawdzimy liniowość odwzo-
rowania z definicji, korzystając z dwóch warunków:
• addytywność:
𝐿 = 𝐴 ((𝑥, 𝑦, 𝑧, 𝑡) + (𝑎, 𝑏, 𝑐, 𝑑)) = 𝐴 (𝑥 + 𝑎, 𝑦 + 𝑏, 𝑧 + 𝑐, 𝑡 + 𝑑) = (𝑦 + 𝑏, 𝑡 + 𝑑, 0),
𝑃 = 𝐴(𝑥, 𝑦, 𝑧, 𝑡) + 𝐴(𝑎, 𝑏, 𝑐, 𝑑) = (𝑦, 𝑡, 0) + (𝑏, 𝑑, 0) = (𝑦 + 𝑏, 𝑡 + 𝑑, 0) = 𝐿.
42
ROZDZIAŁ 6. PRZYKŁADOWE ROZWIĄZANIA WYBRANYCH ZADAŃ
• jednorodność:
𝐿 = 𝐴 (𝛼(𝑥, 𝑦, 𝑧, 𝑡)) = 𝐴 (𝛼𝑥, 𝛼𝑦, 𝛼𝑧, 𝛼𝑡) = (𝛼𝑦, 𝛼𝑡, 0),
𝑃 = 𝛼𝐴(𝑥, 𝑦, 𝑧, 𝑡) = 𝛼(𝑦, 𝑡, 0) = (𝛼𝑦, 𝛼𝑡, 0) = 𝐿.
o) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑥 𝑝(𝑥) + 𝑥 𝑝 0 (0) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R

Weźmy 2 wektory 𝑝, 𝑞 ∈ R[𝑥] oraz stałą 𝛼 ∈ R. Sprawdzimy dwa warunki liniowości:
• addytywność:
𝐿 = (𝐷 ( 𝑝 + 𝑞)) (𝑥) = 2𝑥( 𝑝(𝑥) + 𝑞(𝑥)) + 𝑥( 𝑝 0 (0) + 𝑞 0 (0)) =
= 2𝑥 𝑝(𝑥) + 2𝑥𝑞(𝑥) + 𝑥 𝑝 0 (0) + 𝑥𝑞 0 (0),

𝑃 = (𝐷 𝑝) (𝑥) + (𝐷𝑞) (𝑥) = 2𝑥 𝑝(𝑥) + 𝑥 𝑝 0 (0) + 2𝑥𝑞(𝑥) + 𝑥𝑞 0 (0) = 𝐿.
• jednorodność:
𝐿 = (𝐷 (𝛼𝑝)) (𝑥) = 2𝑥(𝛼𝑝(𝑥)) + 𝑥(𝛼𝑝) 0 (0) = 2𝛼𝑥 𝑝(𝑥) + 𝛼𝑥 𝑝 0 (0),
𝑃 = 𝛼(𝐷 𝑝) (𝑥) = 𝛼(2𝑥 𝑝(𝑥) + 𝑥 𝑝 0 (0)) = 2𝛼𝑥 𝑝(𝑥) + 𝛼𝑥 𝑝 0 (0) = 𝐿.
Odwzorowanie 𝐷 jest addytywne i jednorodne, więc jest też liniowe.
p) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 𝑥 𝑝(𝑥)𝑑𝑥 dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R

∫
Weźmy 2 wektory 𝑝, 𝑞 ∈ R[𝑥] oraz stałą 𝛼 ∈ R. Sprawdzimy liniowość odwzorowania w

dwóch krokach:
• addytywność: ∫
𝐿 = (𝐷 ( 𝑝 + 𝑞)) (𝑥) = 𝑥( 𝑝(𝑥) + 𝑞(𝑥))𝑑𝑥 =
∫ ∫
= 𝑥 𝑝(𝑥)𝑑𝑥 + 𝑥𝑞(𝑥)𝑑𝑥,
∫ ∫
𝑃 = (𝐷 𝑝) (𝑥) + (𝐷𝑞) (𝑥) = 𝑥 𝑝(𝑥)𝑑𝑥 + 𝑥𝑞(𝑥)𝑑𝑥 = 𝐿.
• jednorodność: ∫
𝐿 = (𝐷 (𝛼𝑝)) (𝑥) = 𝑥𝛼𝑝(𝑥)𝑑𝑥,
∫
𝑃 = 𝛼(𝐷 𝑝) (𝑥) = 𝛼 𝑥 𝑝(𝑥)𝑑𝑥 = 𝐿.
Oba warunki są spełnione, więc odwzorowanie 𝐷 jest liniowe.
t) 𝐺 : C( [0, 1]) → C( [0, 1]), (𝐺 𝑓 ) (𝑥) = 𝑓 (5𝑥) dla 𝑓 ∈ C( [0, 1]), 𝑥 ∈ [0, 1]
Weźmy 2 wektory 𝑓 , 𝑔 ∈ C( [0, 1]) oraz stałą 𝛼 ∈ R. Sprawdzimy liniowość odwzorowania z
definicji, korzystając z dwóch warunków:
• addytywność:
𝐿 = (𝐺 ( 𝑓 + 𝑔)) (𝑥) = ( 𝑓 + 𝑔) (5𝑥) = 𝑓 (5𝑥) + 𝑔(5𝑥),
𝑃 = (𝐺 𝑓 ) (𝑥) + (𝐺𝑔) (𝑥) = 𝑓 (5𝑥) + 𝑔(5𝑥) = 𝐿.
• jednorodność:
𝐿 = (𝐺 (𝛼 𝑓 )) (𝑥) = (𝛼 𝑓 ) (5𝑥) = 𝛼 𝑓 (5𝑥),
𝑃 = 𝛼(𝐺 𝑓 ) (𝑥) = 𝛼 𝑓 (5𝑥) = 𝐿.
Zadanie 2 Uzasadnić, że podane przekształcenia przestrzeni liniowych nie są liniowe:
d) 𝐴 : R3 → R4 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦, 4𝑧, 𝑧, 1)

Aby zaprzeczyć liniowości, wystarczy podać jeden kontrprzykład, który zaprzeczy addytyw-
ności lub jednorodności odwzorowania. Jednak w tym rozwiązaniu podamy dwa takie przy-
kłady, prezentując jednocześnie oba sposoby.
• Aby zaprzeczyć addytywności należy wybrać 2 konkretne wektory np.
𝑢 = (1, 0, 0), 𝑣 = (−1, 0, 0).
Wtedy
𝐿 = 𝐴(𝑢 + 𝑣) = 𝐴(0, 0, 0) = (0, 0, 0, 1),
𝑃 = 𝐴(𝑢) + 𝐴(𝑣) = (2, 0, 0, 1) + (−2, 0, 0, 1) = (0, 0, 0, 2),
zatem 𝐿 ≠ 𝑃.
• Możemy też pokazać, że 𝐴 nie jest jednorodne. Wybierzmy wektor 𝑢 = (1, 2, 3) oraz
stałą 𝛼 = 3. Wtedy:
𝐿 = 𝐴(3(1, 2, 3)) = 𝐴(3, 6, 9) = (12, 36, 9, 1),
𝑃 = 3𝐴(1, 2, 3) = 3(4, 12, 3, 1) = (12, 36, 9, 3) ≠ 𝐿.
Oba kontrprzykłady pokazują, że 𝐴 nie jest liniowe.
e) 𝐴 : R2 → R, 𝐴(𝑥, 𝑦) = 𝑥 2
Rozwiązanie 1:
Aby zaprzeczyć addytywności należy wybrać 2 konkretne wektory: 𝑢 = (1, 0), 𝑣 = (1, 1).
Wtedy:
𝐿 = 𝐴(𝑢 + 𝑣) = 𝐴(2, 1) = 4,
𝑃 = 𝐴(𝑢) + 𝐴(𝑣) = 1 + 1 = 2,
zatem 𝐿 ≠ 𝑃 i przekształcenie 𝐴 nie jest liniowe.
Rozwiązanie 2:
Aby zaprzeczyć jednorodności należy wybrać wektor 𝑢 = (1, 2) oraz stałą 𝛼 = −1. Wtedy:
𝐿 = 𝐴(−1(1, 2)) = 𝐴(−1, −2) = 1,
𝑃 = −1𝐴(1, 2) = −1 · 1 = −1 ≠ 𝐿.
Zatem odwzorowanie 𝐴 nie jest liniowe.
i) 𝐷 : R2 → R2 , symetria względem prostej 𝑥 + 𝑦 − 1 = 0

Zauważmy, że dla odwzorowania liniowego 𝐴 zachodzi
𝐴(0) = 0,
co dla 𝐴 : R2 → R2 i dowolnego wektora (𝑥, 𝑦) ∈ R2 możemy zapisać
𝐴(0, 0) = 𝐴(0 · (𝑥, 𝑦)) = 0 · 𝐴(𝑥, 𝑦) = (0, 0).
Natomiast dla odwzorowania 𝐷 z tego przykładu mamy 𝐷 (0, 0) ≠ (0, 0), co pokażemy na
wykresie:
D(0,0)
y=-x+1
x
(0,0)
m) 𝐹 : R2 [𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝 0 (𝑥) 𝑝(2) dla 𝑝 ∈ R2 [𝑥], 𝑥 ∈ R
Rozwiązanie 1:
Aby zaprzeczyć addytywności należy wybrać 2 konkretne wektory: 𝑝 = 𝑥 2 , 𝑞 = 𝑥. Wtedy
𝐿 = (𝐹 ( 𝑝 + 𝑞)) (𝑥) = (2𝑥 + 1) (4 + 2) = 12𝑥 + 6,
𝑃 = (𝐹 𝑝) (𝑥) + (𝐹𝑞) (𝑥) = 2𝑥 · 4 + 1 · 2 = 8𝑥 + 2,

zatem 𝐿 ≠ 𝑃 i 𝐹 nie jest liniowe.
Rozwiązanie 2:
Możemy też pokazać, że nie zachodzi jednorodność.
Wybierzmy wektor 𝑝 = 𝑥 oraz stałą 𝛼 = 2. Wtedy:
𝐿 = (𝐹 (𝛼𝑝)) (𝑥) = 2 · 4 = 8,
𝑃 = 𝛼(𝐹 𝑝) (𝑥) = 2 · 1 · 2 = 4 ≠ 𝐿.
Zatem 𝐹 nie jest liniowe.
s) 𝐻 : 𝑀2𝑥2 (R) → 𝑀2𝑥2 (R), 𝐻 ( 𝐴) = 𝑡𝑟 (−𝐴) · 𝐴

Ślad macierzy kwadratowej wymiaru 2 definiujemy wzorem

𝑎 𝑏
𝑡𝑟 = 𝑎 + 𝑑.
𝑐 𝑑
Zauważmy, ze dla wybranej macierzy i skalaru zachodzi:
1 2 2 4 2 4

−8 −16
𝐿=𝐻 2 =𝐻 = (−2 − 2) = ,
0 1 0 2 0 2 0 −8
1 2 1 2

−4 −8
𝑃 = 2𝐻 = 2(−1 − 1) = ,
0 1 0 1 0 −4
zatem 𝐿 ≠ 𝑃 i odwzorowanie 𝐻 nie jest liniowe.
Zadanie 3 Napisać wzory określające wszystkie przekształcenia liniowe:
a) 𝐴 : R3 → R2
Dla dowolnego wektora (𝑥, 𝑦, 𝑧) ∈ R3 możemy jedynie dodawać do siebie współrzędne lub
przemnażać przez stałe, czyli tworzyć kombinacje liniowe
𝛼𝑖 𝑥 + 𝛽𝑖 𝑦 + 𝛾𝑖 𝑧, 𝛼𝑖 , 𝛽𝑖 , 𝛾𝑖 ∈ R,
dlatego dowolne przekształcenie liniowe jest postaci:
𝐴(𝑥, 𝑦, 𝑧) = (𝛼1 𝑥 + 𝛽1 𝑦 + 𝛾1 𝑧, 𝛼2 𝑥 + 𝛽2 𝑦 + 𝛾2 𝑧),
gdzie 𝛼1 , 𝛼2 , 𝛽1 , 𝛽2 , 𝛾1 , 𝛾2 ∈ R.
Zadanie 4 Przekształcenie liniowe 𝐴 : R1 [𝑥] → R[𝑥] przeprowadza
a) wektor 𝑝 1 (𝑥) = 𝑥 + 2 na wektor 𝑞 1 (𝑥) = 𝑥 2 + 𝑥, a wektor 𝑝 2 (𝑥) = 𝑥 − 1 na wektor 𝑞 2 (𝑥) = 𝑥 2 .
Znaleźć obraz wektorów 𝑒 1 (𝑥) = 1, 𝑒 2 (𝑥) = 𝑥, 𝑝(𝑥) = 2𝑥 + 1 w przekształceniu 𝐴.
Rozwiazanie: Mamy:
𝐴(𝑥 + 2) = 𝑥 2 + 𝑥, 𝐴(𝑥 − 1) = 𝑥 2 .
Najpierw znajdziemy obraz wektorów bazowych 1, 𝑥. W tym celu wyznaczymy je, używając
kombinacji liniowej wektorów 𝑝 1 , 𝑝 2 .
Zauważmy, że
(𝑥 + 2) − (𝑥 − 1) 𝑝 1 − 𝑝 2
(𝑥 + 2) − (𝑥 − 1) = 3 ⇒ = (𝑥) = 1.
3 3
Z drugiej strony
(𝑥 + 2) + 2(𝑥 − 1) 𝑝 1 + 2𝑝 2
(𝑥 + 2) + 2(𝑥 − 1) = 3𝑥 ⇒ = (𝑥) = 𝑥.
3 3
Zatem mamy
(𝑥 + 2) − (𝑥 − 1)

( 𝐴(𝑒 1 )) (𝑥) = 𝐴(1) = 𝐴 =
3
1 1 1 1 𝑥
= 𝐴(𝑥 + 2) − 𝐴(𝑥 − 1) = (𝑥 2 + 𝑥) − 𝑥 2 = ,
3 3 3 3 3
(𝑥 + 2) + 2(𝑥 − 1)

( 𝐴(𝑒 2 )) (𝑥) = 𝐴(𝑥) = 𝐴 =
3
1 2 𝑥
= (𝑥 2 + 𝑥) + 𝑥 2 = 𝑥 2 + .
3 3 3
Dostaliśmy
𝑥 𝑥
𝐴(1) = , 𝐴(𝑥) = 𝑥 2 + ,
3 3
a dla wektora 𝑝 mamy
( 𝐴( 𝑝)) (𝑥) = 𝐴(2𝑥 + 1) = 2𝐴 (𝑥) + 𝐴(1) =
𝑥 𝑥
= 2 𝑥2 + + = 2𝑥 2 + 𝑥
3 3
Zauważmy, że przy okazji dostaliśmy wzór na przekształcenie:
(𝑎 + 𝑏)𝑥
𝐴(𝑎 + 𝑏𝑥) = 𝑎 · 𝐴(1) + 𝑏 · 𝐴 (𝑥) = + 𝑏𝑥 2 .
3
Uwaga: Obraz wektora 𝑝 możemy też obliczyć inaczej:
( 𝐴( 𝑝)) (𝑥) = 𝐴(2𝑥 + 1) = 𝐴 ((𝑥 + 2) + (𝑥 − 1)) =
= 𝐴 (𝑥 + 2) + 𝐴(𝑥 − 1) = 𝑥 2 + 𝑥 + 𝑥 2 = 2𝑥 2 + 𝑥.
Zadanie 5 Wyznaczyć jądra i obrazy podanych przekształceń liniowych, posługując się ich in-
terpretacją geometryczną. Porównać uzyskane odpowiedzi z wynikami obliczeń algebraicznych:
e) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 2𝑥
Zauważmy, że
• do jądra należą te wektory (𝑥, 𝑦) ∈ R2 , które w rzucie przechodzą na wektor (0, 0), czyli
wektory z prostej prostopadłej do 𝑙 danej wzorem 𝑦 = − 21 𝑥,
• obrazem wektorów są te, które leżą na prostej 𝑙.
Zatem mamy
2 1

𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛 , 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛 .
−1 2
Porównajmy te wyniki z obliczeniami.

Do wyznaczenia rzutu prostopadłego potrzebujemy punktu (𝑥 0 , 𝑦 0 ), który leży na prostopa-
dłej prostej 𝑦 = − 12 𝑥 + 𝑏.
Możemy zapisać 𝑏 = 𝑦 0 + 21 𝑥 0 i znaleźć część wspólną prostych
1 1
𝑦 = − 𝑥 + 𝑦 0 + 𝑥0 , 𝑦 = 2𝑥,
2 2
a stąd
1
𝑥= (2𝑦 0 + 𝑥 0 ), 𝑦 = 2𝑥,
5
co daje nam wzór
1
𝐴(𝑥, 𝑦) = (2𝑦 + 𝑥, 4𝑦 + 2𝑥).
5
Następnie:
• wyznaczamy 𝐾𝑒𝑟 ( 𝐴) :
1
(2𝑦 + 𝑥, 4𝑦 + 2𝑥) = (0, 0) ⇐⇒ 2𝑦 + 𝑥 = 0 ⇐⇒ (−2𝑦, 𝑦) = −𝑦(2, −1),
5
2

czyli 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛 .
−1
• wyznaczamy 𝐼𝑚( 𝐴) :
1 1 1 1
𝐼𝑚( 𝐴) 3 (2𝑦 + 𝑥, 4𝑦 + 2𝑥) = 𝑦(2, 4) + 𝑥(1, 2) = (2𝑦 + 𝑥) · (1, 2),
5 5 5 5
1

czyli 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛 .
2
Odpowiedź możemy szczegółowo zapisać w formie tabeli:
𝐾𝑒𝑟 ( 𝐴) 𝐼𝑚( 𝐴)
wzór 𝑠𝑝𝑎𝑛 {(2, −1)} 𝑠𝑝𝑎𝑛 {(1, 2)}
baza {(2, −1)} {(1, 2)}
wymiar 1 1
g) 𝐴 : R2 → R2 jest obrotem wokół początku układu o kąt 2𝜋

Zauważmy, że:
• do jądra należą te wektory (𝑥, 𝑦) ∈ R2 , które przechodzą na wektor (0, 0), czyli tylko on
sam,
• obrazem wektorów wszystkie wektory z płaszczyzny, ale odpowiednio obrócone.
Zatem mamy
𝐾𝑒𝑟 ( 𝐴) = {(0, 0)} , 𝐼𝑚( 𝐴) = R2 .
Porównajmy te wyniki z obliczeniami. Do wyznaczenia wzoru 𝐴 użyjemy macierzy obrotu

0 −1

𝑐𝑜𝑠 2𝜋 −𝑠𝑖𝑛 2𝜋 𝑥 𝑥
𝐴(𝑥, 𝑦) = = = (−𝑦, 𝑥).
𝑠𝑖𝑛 2𝜋 𝑐𝑜𝑠 2𝜋 𝑦 1 0 𝑦
(−𝑦, 𝑥) = (0, 0) ⇐⇒ −𝑦 = 0, 𝑥 = 0 ⇐⇒ (𝑥, 𝑦) = (0, 0),
czyli 𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}.
• wyznaczamy 𝐼𝑚( 𝐴):

𝐼𝑚( 𝐴) 3 (−𝑦, 𝑥) = −𝑦(1, 0) + 𝑥(0, 1)
1 0

czyli 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛 , .
0 1
Na koniec możemy uzupełnić tabelę:
wzór {(0, 0)} R2
baza ∅ {(1, 0), (0, 1)}
wymiar 0 2
h) 𝐴 : R2 → R2 jest symetrią względem osi 𝑂 𝑋

Zauważmy, że:
• do 𝐾𝑒𝑟 ( 𝐴) należą te wektory (𝑥, 𝑦) ∈ R2 , które w symetrii przechodzą na wektor (0, 0),
czyli jedynie on sam,
• obrazem wektorów powyżej osi 𝑂 𝑋 są te, które leżą poniżej tej osi (i na odwrót),
• wektory leżące na osi 𝑂 𝑋 nie zmienią swojego położenia w tym przekształceniu, czyli
do 𝐼𝑚( 𝐴) należą wszystkie wektory z płaszczyzny.
Zatem dostaliśmy
𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}, 𝐼𝑚( 𝐴) = R2 .
Porównajmy te wyniki z obliczeniami. Przekształcenie 𝐴 jest dane wzorem
𝐴(𝑥, 𝑦) = (𝑥, −𝑦).
(𝑥, −𝑦) = (0, 0) ⇐⇒ 𝑥 = 0, 𝑦 = 0 ⇐⇒ (𝑥, 𝑦) = (0, 0),
czyli 𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}.

𝐼𝑚( 𝐴) 3 (𝑥, −𝑦) = 𝑥(1, 0) + 𝑦(0, −1).
Zatem 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 0), (0, −1)}. Sprawdźmy, że podane wektory są bazą 𝐼𝑚( 𝐴):
1 0

𝑟 = 2,
0 −1
zatem oba wektory są liniowo niezależne i są bazą 𝐼𝑚( 𝐴).

Jest to przestrzeń wymiaru 2, czyli 𝐼𝑚( 𝐴) = R2 .
Szczegółowy wynik możemy zapisać w tabeli:
wzór {(0, 0)} R2
1 0

baza ∅ ,
0 1
wymiar 0 2
m) 𝐴 : R3 → R3 jest rzutem prostokątnym na oś 𝑂 𝑋

Zauważmy, że:
• do 𝐾𝑒𝑟 ( 𝐴) należą te wektory (𝑥, 𝑦, 𝑧) ∈ R3 , które przechodzą na wektor (0, 0, 0), czyli
wektory z płaszczyzny 𝑂𝑌 𝑍, prostopadłej do osi 𝑂 𝑋,
• do 𝐼𝑚( 𝐴) należą wektory z osi 𝑂 𝑋.
Zatem mamy
 0   0   1

     
  

𝐾𝑒𝑟 ( 𝐴) = 𝑂𝑌 𝑍 = 𝑠𝑝𝑎𝑛  1  ,  0  , 𝐼𝑚( 𝐴) = 𝑂 𝑋 = 𝑠𝑝𝑎𝑛  0
 
  

     .
 0   1   0
  
 
     
Porównajmy te wyniki z obliczeniami dla
𝐴(𝑥, 𝑦, 𝑧) = (𝑥, 0, 0).
(𝑥, 0, 0) = (0, 0, 0) ⇐⇒ 𝑥 = 0 ⇐⇒ (0, 𝑦, 𝑧) = 𝑦(0, 1, 0) + 𝑧(0, 0, 1),
 0   0 

    
czyli 𝐾𝑒𝑟 ( 𝐴) = 𝑂𝑌 𝑍 = 𝑠𝑝𝑎𝑛  1  ,  0  .
 

 0   1 
 
   
𝐼𝑚( 𝐴) 3 (𝑥, 0, 0) = 𝑥(1, 0, 0)
 1 

  
czyli 𝐼𝑚( 𝐴) = 𝑂 𝑋 = 𝑠𝑝𝑎𝑛  0  .
 

 0 
 
 
Uzupełniamy tabelę:
wzór 𝑂𝑌 𝑍 𝑂𝑋
 0   0   1 

     
  
baza  1 , 0   0 
 
  

 0   1   0 
       
 
     
wymiar 2 1
Zadanie 6 Wyznaczyć jądra i obrazy (oraz ich bazy) podanych przekształceń liniowych:
a) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥 + 𝑦, 2𝑥)
• Do wyznaczenia 𝐾𝑒𝑟 ( 𝐴) przyrównujemy (𝑥 + 𝑦, 2𝑥) = (0, 0):
1 1 0 𝑊2 −2𝑊1 1 1 0 1 1 0 𝑊1 −𝑊2 1 0 0

−−−−−−−→ −→ −−−−−−→
2 0 0 0 −2 0 0 1 0 0 1 0
Stąd 𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}.
• 𝐼𝑚( 𝐴) 3 (𝑥 + 𝑦, 2𝑥) = 𝑥(1, 2) + 𝑦(1, 0).

Sprawdźmy liniową niezależność tych wektorów, by wyznaczyć obraz przekształcenia:
1 1 0 1 0 1

𝑟 =𝑟 =𝑟 =2
2 0 2 0 1 0
Zatem 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 2), (1, 0)} = 𝑠𝑝𝑎𝑛{(1, 0), (0, 1)} = R2 .
Odpowiedź podamy w formie tabeli:
Ker (A) Im (A)

wzór {(0, 0)} R2
baza ∅ {(1, 2), (1, 0)}
wymiar 0 2
g) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(𝑥) dla 𝑥 ∈ R
Dla 𝑝(𝑥) = 𝑎 + 𝑏𝑥 ∈ R1 [𝑥] mamy:
( 𝐴 𝑝) (𝑥) = 𝑥(𝑎 + 𝑏𝑥) = 𝑎𝑥 + 𝑏𝑥 2 .
• 𝐾𝑒𝑟 ( 𝐴):
Szukamy takich wektorów, dla których zachodzi 𝑥 𝑝(𝑥) = 0 ⇐⇒ 𝑝(𝑥) = 0.
Uwaga: nie rozważamy 𝑥 = 0, tylko 𝑝(𝑥) = 0, ponieważ wektorem w przestrzeni wielo-
mianów R1 [𝑥] jest 𝑝, a 𝑥 jest zmienną wielomianu 𝑝.
Możemy też użyć drugiego sposobu i znaleźć takie 𝑎, 𝑏, dla których podanych wielomian
jest zerowy:
𝑎𝑥 + 𝑏𝑥 2 = 1 · 0 + 𝑥 · (𝑎) + 𝑥 2 · (𝑏) = 0 ⇐⇒ 𝑎 = 0, 𝑏 = 0 ⇐⇒ 𝑝(𝑥) = 0.
Zatem 𝐾𝑒𝑟 ( 𝐴) = {𝑝 ∈ R1 [𝑥] : 𝑝 ≡ 0} = {0}
• 𝐼𝑚( 𝐴) 3 𝑥 𝑝(𝑥) = 𝑎𝑥 + 𝑏𝑥 2 = 𝑎 · (𝑥) + 𝑏 · (𝑥 2 ).

Sprawdźmy liniową niezależność wektorów
𝑥 = 0 + 1𝑥 + 0𝑥 2 , 𝑥 2 = 0 + 0𝑥 + 1𝑥 2
za pomocą rzędu macierzy

 0 0 
𝑟  1 0  = 2
 
 0 1 
 
Zatem 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }.
Odpowiedź:
Ker (A) Im (A)

wzór {0} 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }
baza ∅ {𝑥, 𝑥 2 }
wymiar 0 2
h) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝 00 (𝑥) + 𝑝(0) dla 𝑥 ∈ R
Dla 𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ R2 [𝑥] mamy:

( 𝐴 𝑝) (𝑥) = 𝑥(2𝑐) + 𝑎 = 𝑎 + 2𝑐𝑥.
• 𝐾𝑒𝑟 ( 𝐴):
Szukamy współczynników 𝑎, 𝑐 ∈ R, dla których wielomian jest zerowy:
1 · 𝑎 + 𝑥 · 2𝑐 = 0 ⇐⇒ 𝑎 = 0, 𝑐 = 0.
Zatem
𝐾𝑒𝑟 ( 𝐴) = {𝑝 ∈ R2 [𝑥] : 𝑝 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 , 𝑎 = 0, 𝑐 = 0} = {𝑝 ∈ R2 [𝑥] : 𝑝 = 𝑏𝑥} = 𝑠𝑝𝑎𝑛{𝑥}.
• 𝐼𝑚( 𝐴) 3 𝑥 𝑝 00 (𝑥) + 𝑝(0) = 𝑎 + 2𝑐𝑥 = 𝑎 · (1) + 𝑐 · (2𝑥). Sprawdzimy liniową niezależność

wektorów
1 = 1 + 0𝑥, 2𝑥 = 0 + 2𝑥
używając rzędu macierzy
1 0

𝑟 = 2.
0 2
Zatem te wektory tworzą bazę przestrzeni 𝐼𝑚( 𝐴) ⊂ R1 [𝑥] oraz
𝐼𝑚 𝐴 = 𝑠𝑝𝑎𝑛{1, 2𝑥} = 𝑠𝑝𝑎𝑛{1, 𝑥} = R1 [𝑥].
Odpowiedź:
Ker (A) Im (A)

wzór 𝑠𝑝𝑎𝑛{𝑥} R1 [𝑥]
baza {𝑥} {1, 𝑥}
wymiar 1 2
i) 𝐴 : R1 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝(2)
Dla 𝑝(𝑥) = 𝑎 + 𝑏𝑥 ∈ R1 [𝑥] mamy:

( 𝐴 𝑝) (𝑥) = 𝑎 + 2𝑏.
• 𝐾𝑒𝑟 ( 𝐴):
Szukamy takich 𝑎, 𝑏 ∈ R, dla których zachodzi
𝑎 + 2𝑏 = 0 ⇐⇒ 𝑎 = −2𝑏.
Stąd
𝐾𝑒𝑟 ( 𝐴) = {𝑝 ∈ R1 [𝑥] : 𝑝 = 𝑎 + 𝑏𝑥, 𝑎 = −2𝑏} =
= {𝑝 ∈ R1 [𝑥] : 𝑝 = −2𝑏 + 𝑏𝑥} = 𝑠𝑝𝑎𝑛{−2 + 𝑥}.
• 𝐼𝑚( 𝐴) 3 𝑝(2) = 𝑎 + 2𝑏 = 𝑎 · (1) + 𝑏 · (2) Badamy liniową niezależność wektorów 1, 2 za
pomocą rzędu
𝑟 1 2 =1

i otrzymujemy, że tylko jeden jest liniowo niezależny i tworzy bazę przestrzeni R0 [𝑥].
Zatem 𝐼𝑚 𝐴 = 𝑠𝑝𝑎𝑛{1, 2} = 𝑠𝑝𝑎𝑛{1} = R0 [𝑥].
Odpowiedź:
Ker (A) Im (A)

wzór 𝑠𝑝𝑎𝑛{−2 + 𝑥} R0 [𝑥]
baza {−2 + 𝑥} {1}
wymiar 1 1
Zadanie 7 Podać wymiary jąder i obrazów następujących przekształceń liniowych:
a) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥 + 2𝑦, 𝑥 − 2𝑦, 0)

Musimy wyliczyć albo wymiar jądra, albo wymiar obrazu, a następnie drugi wymiar dosta-
niemy z twierdzenia.
Obliczmy 𝑑𝑖𝑚𝐼𝑚( 𝐴):
𝐼𝑚( 𝐴) 3 (𝑥 + 2𝑦, 𝑥 − 2𝑦, 0) = 𝑥(1, 1, 0) + 𝑦(2, −2, 0)

Sprawdźmy liniową niezależność tych wektorów:
 1 2 
𝑟  1 −2  = 2
 
 0 0 
 
Te dwa wektory są liniowo niezależne, więc 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2.
Korzystając z twierdzenia o wymiarach dostajemy
𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 𝑑𝑖𝑚𝑈 − 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 𝑑𝑖𝑚R2 − 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2 − 2 = 0.
Dodatkowo możemy wykonać sprawdzenie, obliczając wymiar jądra:
(𝑥 + 2𝑦, 𝑥 − 2𝑦, 0) = (0, 0, 0) ⇐⇒ 𝑥 + 2𝑦 = 0, 𝑥 − 2𝑦 = 0 ⇐⇒ (𝑥, 𝑦) = (0, 0).
Zatem 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0.
f) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑝 0 (𝑥) + 𝑝(𝑥) dla 𝑥 ∈ R
Dla 𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 mamy
( 𝐴 𝑝) (𝑥) = 𝑏 + 2𝑥𝑐 + 𝑎 + 𝑏𝑥 + 𝑐𝑥 2
Obliczmy wymiar 𝐾𝑒𝑟 ( 𝐴):
(𝑎 + 𝑏) + 𝑥(2𝑐 + 𝑏) + 𝑥 2 · 𝑐 = 0 ⇐⇒ 𝑎 + 𝑏 = 0, 2𝑐 + 𝑏 = 0, 𝑐 = 0 ⇐⇒ 𝑐 = 0, 𝑏 = 0, 𝑎 = 0
Zatem 𝐾𝑒𝑟 ( 𝐴) = {0} oraz 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0.
Z twierdzenia o wymiarach dostajemy:
𝑑𝑖𝑚𝐼𝑚( 𝐴) = 𝑑𝑖𝑚𝑈 − 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 𝑑𝑖𝑚R2 [𝑥] − 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 3 − 0 = 3.
Możemy też wykonać sprawdzenie, wyliczając wymiar obrazu:
𝐼𝑚 𝐴 3 𝑏 + 2𝑥𝑐 + 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 𝑎(1) + 𝑏(1 + 𝑥) + 𝑐(2𝑥 + 𝑥 2 )
Po sprawdzeniu liniowej niezależności wektorów

1 = 1 + 0𝑥 + 0𝑥 2 , 1 + 𝑥 = 1 + 1𝑥 + 0𝑥 2 , 2𝑥 + 𝑥 2 = 0 + 2𝑥 + 1𝑥 2
przy użyciu rzędu
 1 1 0 
𝑟  0 1 2  = 3
 
 0 0 1 
 
dostajemy 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3.
6.2 Macierze przekształceń liniowych

Zadanie 1 Napisać macierze podanych przekształceń liniowych w bazach standardowych roz-
ważanych przestrzeni liniowych:
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡)
Bazę standardową przestrzeni R4 oznaczymy przez

  1   0   0   0 
 
0  , 𝑏2 =   , 𝑏3 =   , 𝑏4 =  0  ,
 1   0 

       

     

𝐵 = 𝑏 1 = 

  0 

 0 
 
 1 
 
 0 
 
0  0   0   1 

   
        
a bazę standardową przestrzeni R2 przez
1 0

𝐶 = 𝑐1 = , 𝑐2 = .
0 1
Dla uproszczenia zapisu kolejne wektory bazy 𝐵 będziemy oznaczać symbolami 𝑏 1 , 𝑏 2 , 𝑏 3 , 𝑏 4 ,
a wektory z bazy 𝐶 przez 𝑐 1 , 𝑐 2 np.
 0 
0  , 𝑐2 = 0 .
 
 
𝑏 3 = 
 1 
 1

 0 

Na początek obliczamy 𝐴(𝑏 𝑖 ), 1 ≤ 𝑖 ≤ 4, a wyniki zapiszemy w bazie 𝐶.
𝐴(1, 0, 0, 0) = (1, 1) = 1(1, 0) + 1(0, 1),
𝐴(0, 1, 0, 0) = (0, 2) = 0(1, 0) + 2(0, 1),
𝐴(0, 0, 1, 0) = (0, 0) = 0(1, 0) + 0(0, 1),
𝐴(0, 0, 0, 1) = (−1, 3) = −1(1, 0) + 3(0, 1).
Otrzymane współrzędne zapisujemy w macierzy jako kolumny:
1 0 0 −1

𝑀𝐴 = .
1 2 0 3
Możemy też wykonać sprawdzenie:
 𝑥 
 𝑥 
 
 = 1 0 0 −1  𝑦  =
 
 𝑦    𝑥−𝑡
𝑀 𝐴  ∼
 𝑧 
 1 2 0 3  𝑧  𝑥 + 2𝑦 + 3𝑡

 𝑡 

 𝑡 
 
∼ (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡) = 𝐴(𝑥, 𝑦, 𝑧, 𝑡)
i) 𝐴 : R3 → R3 , 𝐴 jest rzutem prostokątnym na prostą 𝑙 : 2𝑥 = 𝑦 = −𝑧

Przypomnienie z geometrii:
Dla ustalonego punktu (𝑥, 𝑦, 𝑧) możemy zapisać odwzorowanie rzutujące
𝐴(𝑥, 𝑦, 𝑧) = (𝑐, 2𝑐, −2𝑐) ∈ 𝑙.

 𝑐−𝑥 
Wektor prostopadły do 𝑙, czyli  2𝑐 − 𝑦  musi być prostopadły do wektora kierunkowego
 

 −2𝑐 − 𝑧 
prostej 𝑙:
 
 𝑐 
 
𝑣 𝑤 = 𝑐 − 𝑥 2𝑐 − 𝑦 −2𝑐 − 𝑧  2𝑐  = 0.
𝑇


 −2𝑐 
 
Po krótkich obliczeniach dostajemy
𝑐2 − 𝑐𝑥 + 4𝑐2 − 2𝑐𝑦 + 4𝑐2 + 2𝑐𝑧 = 0,
9𝑐 = 𝑥 + 2𝑦 − 2𝑧,
1
𝑐 = (𝑥 + 2𝑦 − 2𝑧).
9
Wracając do wzoru na odwzorowanie 𝐴 dostajemy wzór:
1
𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 − 2𝑧, 2𝑥 + 4𝑦 − 4𝑧, −2𝑥 − 4𝑦 + 4𝑧).
9
Pozostało obliczyć macierz tego odwzorowania.
p) 𝐴 : R3 → R3 , 𝐴 jest obrotem o kąt 2𝜋 wokół osi 𝑂 𝑋

Przypomnienie z geometrii:
Która współrzędna pozostanie bez zmian po obrocie?
Obracamy wokół osi 𝑂 𝑋, stąd w pierwszej kolumnie i pierwszym wierszu wpisujemy fragment
macierzy jednostkowej:
 1 0 0 
𝑀 𝐴 =  0
 

 0


 
. Następnie użyjemy macierzy obrotu:
0 −1

𝑐𝑜𝑠𝛼 −𝑠𝑖𝑛𝛼
=
𝑠𝑖𝑛𝛼 𝑐𝑜𝑠𝛼 1 0
i umieścimy te wartości w macierzy 𝑀 𝐴:
 1 0 0 
𝑀 𝐴 =  0 0 −1  .
 
 0 1 0 
 
Możemy wykonać sprawdzenie:
 1 0 0  3   3 
 0 0 −1   0  =  0 
    
 0 1 0  0   0 
    
    
 1 0 0  0   0 
 0 0 −1   2 = 0
    

 0 1 0  0   2
    

    
Uwaga: w przypadku obrotu wokół osi w R3 używamy podobnego sposobu:
wokół OX wokół OY wokół OZ

1 0 0  𝑐𝑜𝑠(𝛼) 0 −𝑠𝑖𝑛(𝛼)  𝑐𝑜𝑠(𝛼) −𝑠𝑖𝑛(𝛼) 0
0 𝑐𝑜𝑠(𝛼) −𝑠𝑖𝑛(𝛼)   0 1 0   𝑠𝑖𝑛(𝛼) 𝑐𝑜𝑠(𝛼) 0
    
0 𝑠𝑖𝑛(𝛼) 𝑐𝑜𝑠(𝛼)   𝑠𝑖𝑛(𝛼) 0 𝑐𝑜𝑠(𝛼)   0 0 1
    
    
q) 𝐴 : R2 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 3𝑝 00 (𝑥)

Na początek przypomnijmy bazy standardowe w podanych przestrzeniach:
w R2 [𝑥] : 𝐵 = 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 ,

w R0 [𝑥] : 𝐶 = {𝑐 1 = 1} ,
tzn. 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 , 𝑐 1 = 1.
Obliczamy kolejne 𝐴(𝑏 𝑖 ), 1 ≤ 𝑖 ≤ 3, a wyniki zapisujemy w bazie {𝑐 𝑗 }.
𝐴(1) = 3(1) 00 = 0 = 0 · 1 = 0 · 𝑐 1 ,
𝐴(𝑥) = 3(𝑥) 00 = 0 = 0 · 1 = 0 · 𝑐 1 ,
𝐴(𝑥 2 ) = 3(𝑥 2 ) 00 = 6 = 6 · 1 = 6 · 𝑐 1 ,
a po wpisaniu tych współczynników do macierzy jako kolumny:
𝑀𝐴 = 0 0 6 .

Sprawdzenie:
Wektor z przestrzeni R2 [𝑥] możemy zapisać w bazie 𝐵 jako 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = (𝑎, 𝑏, 𝑐) 𝐵 :
 𝑎 
 𝑎 
 
𝑀 𝐴  𝑏  = 0 0 6  𝑏  = 6𝑐 ∼ 6𝑐 = 𝐴(𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ).
 
 
 𝑐   𝑐 
   
r) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 2 𝑝 0 (𝑥) + 2𝑥 𝑝(𝑥) + 𝑥 𝑝(0)

Przypomnijmy bazy standardowe 𝐵 w przestrzeni R1 [𝑥] oraz 𝐶 w R2 [𝑥]:
𝐵 = {𝑏 1 = 1, 𝑏 2 = 𝑥} , 𝐶 = 𝑐 1 = 1, 𝑐 2 = 𝑥, 𝑐 3 = 𝑥 2 .

𝐴(1) = 𝑥 2 (1) 0 + 2𝑥 · 1 + 𝑥 · 1 = 3𝑥 = 0 · 1 + 3 · 𝑥 + 0 · 𝑥 2 = (0, 3, 0)𝐶 ,

𝐴(𝑥) = 𝑥 2 (𝑥) 0 + 2𝑥 · 𝑥 + 𝑥 · 0 = 3𝑥 2 = 0 · 1 + 0 · 𝑥 + 3 · 𝑥 2 = (0, 0, 3)𝐶
i wpisujemy je jako kolumny do macierzy
 0 0 
𝑀 𝐴 =  3 0  .
 
 0 3 
 
s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥)

Przypomnijmy bazy standardowe 𝐵 w przestrzeni R2 [𝑥] oraz 𝐶 w R1 [𝑥]:
𝐵 = 𝑏 1 = 1, 𝑏 2 = 𝑥, 𝑏 3 = 𝑥 2 , 𝐶 = {𝑐 1 = 1, 𝑐 2 = 𝑥} .

Zauważmy, że przekształcenie wyraża się wzorem
( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥) = ( 𝑝(2𝑥)) 0 .
Mamy:

 𝑝(𝑥) = 1  
𝑝(2𝑥) = 1 = (1) 0 = 0 = 0 · 1 + 0 · 𝑥 = (0, 0)𝐶 ,

 

𝐴(1) =
 𝑝 0 (2𝑥) = 10 = 0 
 
 

 𝑝(𝑡) = 𝑡 

𝑝(2𝑥) = 2𝑥 = (2𝑥) 0 = 2 = 2 · 1 + 0 · 𝑥 = (2, 0)𝐶 ,

 

𝐴(𝑥) =
 𝑝 0 (2𝑥) = (2𝑥) 0 = 2 
 
 

 𝑝(𝑡) = 𝑡 2 

 0 0
𝐴 𝑥 = 𝑝(2𝑥) = (2𝑥) = 4𝑥 = (2𝑥) 2 = 4𝑥 2 = 8𝑥 = 0 · 1 + 8 · 𝑥 = (0, 8)𝐶 ,
2

 
2 2
 𝑝 0 (2𝑥) = (4𝑥 2 ) 0 = 8𝑥 
 
 
i wpisujemy je jako kolumny do macierzy
0 2 0

𝑀𝐴 = .
0 0 8
Zadanie 2 Korzystając z definicji znaleźć macierze podanych przekształceń liniowych we wska-

zanych bazach 𝐵 i 𝐶 odpowiednich przestrzeni liniowych:
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
𝐵 = {(1, 1, 0, 0), (0, 1, −1, 0), (0, 0, 1, 3), (2, 0, 0, 2)}, 𝐶 = {(1, 2), (0, 3)}
Dana jest baza przestrzeni R4 :


  1   0   0   2 
1  1   0   0 

        

   

𝐵 = 𝑏 1 =   , 𝑏2 = 
 −1  , 𝑏 3 =  1  , 𝑏 4 =  0  
0
    
 
        
0  0   3   2 

   
        
oraz baza R2 :
1 0

𝐶 = 𝑐1 = , 𝑐2 = .
2 3
Obliczamy 𝐴(𝑏 𝑖 ) (gdzie 𝑏 1 , 𝑏 2 , 𝑏 3 , 𝑏 4 ∈ 𝐵), a wyniki zapisujemy w bazie {𝑐 𝑗 } (𝑐 1 , 𝑐 2 ∈ 𝐶).
Dostajemy:
𝐴(1, 1, 0, 0) = (1, 3), 𝐴(0, 1, −1, 0) = (0, 2),
𝐴(0, 0, 1, 3) = (−3, 9), 𝐴(2, 0, 0, 2) = (0, 8),
lecz wyniki są zapisane w bazie standardowej.
Zapisujemy je jako kombinacje liniowe wektorów z bazy 𝐶:
(1, 3) = 𝛼1 (1, 2) + 𝛽1 (0, 3),
(0, 2) = 𝛼2 (1, 2) + 𝛽2 (0, 3),

(−3, 9) = 𝛼3 (1, 2) + 𝛽3 (0, 3),
(0, 8) = 𝛼4 (1, 2) + 𝛽4 (0, 3).
Do rozwiązania możemy użyć np. metody Gaussa-Jordana
1 0 1 0 −1 0

2 3 3 2 9 8
lub innego sposobu. Po znalezieniu współczynników możemy zapisać:
1 1

𝐴(1, 1, 0, 0) = (1, 3) = 1(1, 2) + (0, 3) = 1, ,
3 3 𝐶
2 2

𝐴(0, 1, −1, 0) = (0, 2) = 0(1, 2) + (0, 3) = 0, ,
3 3 𝐶
𝐴(0, 0, 1, 3) = (−3, 9) = −3(1, 2) + 5(0, 3) = (−3, 5) 𝐶 ,
8 8

𝐴(2, 0, 0, 2) = (0, 8) = 0(1, 2) + (0, 3) = 0, .
3 3 𝐶
Wyniki zapisujemy jako kolumny do macierzy:
1 0 −3 0

0
𝑀𝐴 = 1 2 .
3 3 5 83
q) 𝐴 : R2 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 3𝑝 00 (𝑥), 𝐵 = 2 − 𝑥, 𝑥 2 , 1 , 𝐶 = {−2}

Dana jest baza R2 [𝑥]: 𝐵 = 𝑏 1 = 2 − 𝑥, 𝑏 2 = 𝑥 2 , 𝑏 3 = 1 oraz baza R0 [𝑥]: 𝐶 = {𝑐 1 = −2}.

Kolejne wyniki 𝐴(𝑏 𝑖 ) zapisujemy w bazie 𝐶:
𝐴(2 − 𝑥) = 3(2 − 𝑥) 00 = 0 = 0 · (−2) = 0 · 𝑐 1 ,

00
𝐴 𝑥 2 = 3 𝑥 2 = 6 = −3 · (−2) = −3 · 𝑐 1 ,
𝐴(1) = 3(1) 00 = 0 = 0 · (−2) = 0 · 𝑐 1

i wpisujemy pionowo do macierzy:
𝑀 𝐴0 = 0 −3 0

.
r) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 2 𝑝 0 (𝑥) + 2𝑥 𝑝(𝑥) + 𝑥 𝑝(0), 𝐵 = {2 − 𝑥, 𝑥 + 1}, 𝐶 = 𝑥, 𝑥 2 , 1

Dana jest baza R1 [𝑥]:

𝐵 = {𝑏 1 = 2 − 𝑥, 𝑏 2 = 𝑥 + 1}
oraz baza R2 [𝑥]:
𝐶 = 𝑐 1 = 𝑥, 𝑐 2 = 𝑥 2 , 𝑐 3 = 1 .

Obliczamy wartości przekształcenia 𝐴 na wektorach bazowych 𝑏 𝑖 ∈ 𝐵, po czym zapisujemy

je w bazie 𝐶, czyli jako kombinacje liniowe wektorów 𝑐 𝑖 :
𝐴(2 − 𝑥) = 𝑥 2 (2 − 𝑥) 0 + 2𝑥 · (2 − 𝑥) + 𝑥 · 2 = −3𝑥 2 + 6𝑥 = 6 · 𝑥 − 3 · 𝑥 2 + 0 · 1 = (6, −3, 0)𝐶 ,
𝐴(𝑥 + 1) = 𝑥 2 (𝑥 + 1) 0 + 2𝑥 · (𝑥 + 1) + 𝑥 · 1 = 3𝑥 2 + 3𝑥 = 3 · 𝑥 + 3 · 𝑥 2 + 0 · 1 = (3, 3, 0)𝐶 ,

a wyniki wpisujemy pionowo do macierzy:
 6 3 
𝑀 𝐴0 =  −3 3  .
 
 0 0 
 
Uwaga: baza 𝐶 wygląda podobnie do bazy standardowej, ale poprzez inną kolejność wekto-
rów otrzymujemy inne wyniki niż dla bazy {1, 𝑥, 𝑥 2 }.
s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥), 𝐵 = 2, 𝑥 − 2, 𝑥 2 , 𝐶 = {𝑥 + 1, 1}

Dana jest baza R2 [𝑥]:

𝐵 = 𝑏 1 = 2, 𝑏 2 = 𝑥 − 2, 𝑏 3 = 𝑥 2

oraz baza R1 [𝑥]:

𝐶 = {𝑐 1 = 𝑥 + 1, 𝑐 2 = 1} .
Obliczamy wartości przekształcenia 𝐴 na wektorach bazowych 𝑏 𝑖 ∈ 𝐵, po czym zapisujemy
je jako kombinacje liniowe wektorów 𝑐 𝑖 :

 𝑝(𝑡) = 2  
𝑝(2𝑥) = 2 = (2) 0 = 0 = 0 · (𝑥 + 1) + 0 · 1 = (0, 0)𝐶 ,

 

𝐴(2) =
 𝑝 0 (2𝑥) = (2) 0 
 
 

 𝑝(𝑡) = 𝑡 − 2  
𝐴(𝑥 − 2) = 𝑝(2𝑥) = 2𝑥 − 2 = (2𝑥 − 2) 0 = 2 = 0 · (𝑥 + 1) + 2 · 1 = (0, 2)𝐶 ,

 

 𝑝 (2𝑥) = (2𝑥 − 2) 
 0 0 
 
2
 𝑝(𝑡) = 𝑡

 
 0 0

= (2𝑥) 2 = 4𝑥 2 = 8𝑥 = 8 · (𝑥 + 1) − 8 · 1 = (8, −8)𝐶 ,
2
 
2
𝐴 𝑥 = 𝑝(2𝑥) = (2𝑥)
 𝑝 0 (2𝑥) = (4𝑥 2 ) 0 
 
 
a wyniki wpisujemy pionowo do macierzy:
0 0 8

0
𝑀𝐴 = .
0 2 −8
Zadanie 3 Macierz przekształcenia liniowego 𝐴 : 𝑈 → 𝑉 ma w bazie 𝐵 = {𝑢 1 , 𝑢 2 , 𝑢 3 } przestrzeni

liniowej 𝑈 i w bazie 𝐶 = {𝑣 1 , 𝑣 2 } przestrzeni 𝑉 postać
1 1 1

a) 𝑀 = .
2 −1 1
Znaleźć obrazy wektorów
𝑎 = 𝑢 1 − 𝑢 2 , 𝑏 = 2𝑢 1 + 3𝑢 2 + 4𝑢 3 , 𝑐 = 𝑢 2 + 3𝑢 3 , 𝑑 = −𝑢 1 − 𝑢 2 + 𝑢 3
w tym przekształceniu.
Zapisujemy wektory 𝑎, 𝑏, 𝑐, 𝑑 w bazie 𝐵:
𝑎 = (1, −1, 0) 𝐵 , 𝑏 = (2, 3, 4) 𝐵 , 𝑐 = (0, 1, 3) 𝐵 , 𝑑 = (−1, −1, 1) 𝐵 .

Obrazy wektorów możemy otrzymać przez wymnożenie macierzy przez wektor w bazie 𝐵, a
wynik mnożenia będzie w bazie 𝐶:
1
1 1 1   0

𝐴(𝑎) = 𝑀 · 𝑎 𝐵 = −1 = = 3𝑣 2 ,
2 −1 1   3 𝐶
 0 𝐵
2
1 1 1   9

𝐴(𝑏) = 𝑀 · 𝑏 𝐵 = 3 = = 9𝑣 1 + 5𝑣 2 ,
2 −1 1   5 𝐶
4
 𝐵
0
1 1 1   4

𝐴(𝑐) = 𝑀 · 𝑐 𝐵 = 1 = = 4𝑣 1 + 2𝑣 2 ,
2 −1 1   2 𝐶
3
 𝐵
−1
1 1 1  

−1
𝐴(𝑑) = 𝑀 · 𝑑 𝐵 = −1 = = −𝑣 1 .
2 −1 1   0 𝐶
1

 𝐵
Ćwiczenie 1 Niech 𝐴, 𝐵 będą bazami przestrzeni liniowej 𝑉, a 𝐸 jej bazą standardową. Wtedy
zachodzą wzory
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
, 𝑃 𝐵𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴 .
Rozwiązanie:
Niech 𝐸 = {𝑒 1 , 𝑒 2 , . . . , 𝑒 𝑛 } oznacza bazę standardową przestrzeni 𝑉 oraz niech 𝐴 = {𝑎 1 , 𝑎 2 , ..., 𝑎 𝑛 }
i 𝐵 = {𝑏 1 , 𝑏 2 , ..., 𝑏 𝑛 } będą bazami tej samej przestrzeni. Wtedy mamy:
| | |  | | | 
 
𝐴= 𝑃 𝐸𝐴 𝐸
= 𝑎 1 𝑎 2 . . . 𝑎 𝑛  , 𝐵 = 𝑃 𝐵 = 𝑏 1 𝑏 2 . . . 𝑏 𝑛  ,
  
| | |  | | | 
 
|
gdzie 𝑤 oznacza zapis pionowy wektora 𝑤.
|
Wtedy macierze przejścia z bazy 𝐴 do bazy 𝐵 oraz z bazy 𝐵 do bazy 𝐴 możemy obliczyć na
kilka sposobów:
• po obliczeniu jednej macierzy odwrócić ją, by otrzymać drugą,
• używając metody eliminacji Gaussa-Jordana

[ 𝐴|𝐵] −→ 𝐼 |𝑃 𝐵𝐴 ,

[𝐵| 𝐴] −→ 𝐼 |𝑃 𝐵𝐴 ,
• obliczając macierze odwrotne i odpowiednie iloczyny.

Zauważmy, że łącząc wzory
𝑣 𝐸 = 𝑃 𝐸𝐴 𝑣 𝐴, 𝑣 𝐵 = 𝑃 𝐸𝐵 𝑣 𝐸
dostajemy
𝑣 𝐵 = 𝑃 𝐸𝐵 𝑃 𝐸𝐴 𝑣 𝐴 = 𝑣 𝐵 = 𝑃 𝐸𝐵 𝑃 𝐸𝐴 𝑣 𝐴 .
Po porównaniu ze wzorem
𝑣 𝐵 = 𝑃 𝐵𝐴 𝑣 𝐴
otrzymujemy równość
−1
𝑃 𝐵𝐴 = 𝑃 𝐵
𝐸
· 𝑃 𝐸𝐴 = 𝑃 𝐸𝐵 · 𝑃 𝐸𝐴
oraz, analogicznie,
−1
𝑃 𝐵𝐴 = 𝑃 𝐸𝐴 𝐸
· 𝑃𝐵 = 𝑃 𝐸𝐴 · 𝑃 𝐵
𝐸
.
Zadanie 4 Wyznaczyć macierze przejścia między bazami 𝐴 i 𝐵 przestrzeni liniowej 𝑉, jeśli:

a) 𝑉 = R2 , 𝐴 = {(1, 1), (−1, 1)} , 𝐵 = {(0, 1), (1, 2)}
Mamy dane dwie bazy przestrzeni 𝑉:
𝐴 = {𝑎 1 = (1, 1), 𝑎 2 = (−1, 1)} , 𝐵 = {𝑏 1 = (0, 1), 𝑏 2 = (1, 2)} .
Zapiszmy wektory 𝑎 𝑖 jako kombinacje liniowe wektorów bazy 𝐵:
(1, 1) = 𝛼(0, 1) + 𝛽(1, 2),
(−1, 1) = 𝛾(0, 1) + 𝛿(1, 2),

co po rozwiązaniu daje nam
(1, 1) = −1(0, 1) + 1(1, 2) = (−1, 1) 𝐴,
(−1, 1) = 3(0, 1) − 1(1, 2) = (3, −1) 𝐴 .

Wyniki wpisujemy pionowo do macierzy przejścia z bazy 𝐵 do 𝐴.
−1 3

𝑃 𝐵𝐴 = .
1 −1
Natomiast macierz przejścia z bazy 𝐴 do 𝐵 obliczamy jako macierz odwrotną 𝑃 𝐵𝐴 :

−1 1 1 3
𝑃 𝐴 = 𝑃 𝐵𝐴
𝐵
= .
2 1 1
b) 𝑉 = R2 [𝑥], 𝐴 = 1, 𝑥, 𝑥 2 , 𝐵 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2

Tym razem łatwiej będzie zapisać wektory z bazy 𝐵 jako kombinacje liniowe wektorów z bazy
𝐴:
1 − 2𝑥 + 𝑥 2 = 1 · 1 − 2 · 𝑥 + 1 · 𝑥 2 = (1, −2, 1) 𝐴,
3 − 5𝑥 + 4𝑥 2 = 3 · 1 − 5 · 𝑥 + 4 · 𝑥 2 = (3, −5, 4) 𝐴,
2𝑥 + 3𝑥 2 = 0 · 1 + 2 · 𝑥 + 3 · 𝑥 2 = (0, 2, 3) 𝐴,
więc dostajemy macierze:
1 3 0 −1 −23 −9 6 
= −2 −5 2 , 𝑃 𝐴 = 𝑃 𝐵𝐴 =  8 3 −2 .

𝑃 𝐵𝐴   𝐵
1 4 3  −3 −1 1 
  
Zadanie 5 Znaleźć macierze przekształceń z drugiego zadania używając wzoru na zmianę ma-
cierzy przekształcenia liniowego przy zmianie baz, wychodząc od baz standardowych rozważa-
nych przestrzeni liniowych.
a) 𝐴 : R4 → R2 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 − 𝑡, 𝑥 + 2𝑦 + 3𝑡),
𝐵 = {(1, 1, 0, 0), (0, 1, −1, 0), (0, 0, 1, 3), (2, 0, 0, 2)}, 𝐶 = {(1, 2), (0, 3)}
Dane są baza przestrzeni R4 :


  1   0   0   2 
 
1  1   0   0 

       

   

𝐵 = 𝑏 1 =   −1  , 𝑏 3 =  1  , 𝑏 4 =  0  
 , 𝑏2 = 
0
    
 
        
0  0   3   2 

   
        
oraz baza R2 :
1 0

𝐶 = 𝑐1 = , 𝑐2 = .
2 3
Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2a), czyli
1 0 −3 0

0
𝑀𝐴 = 1 2 .
3 3 5 83
Najpierw wyliczamy macierz w bazach standardowych, jak w przykładzie 1a):

1 0 0 −1

𝑀𝐴 =
1 2 0 3
oraz macierze przejścia:

 1 0 0 0   1  0  0 2 
                
 0 1 0 0   1  1  0 0 

  
 
• w 𝑈 = R : z bazy 𝐸 =   ,   ,   ,   do bazy 𝐵 =   ,   ,   ,  
 
  

4
0 0 1 0  0 −1 1 0 
               

  
 
 0 0 0 1 
   0  0  3 2 
 
               
Wektory z bazy 𝐵 są już zapisane w bazie standardowej
1 1 0 0 0 0 2 2
1 1 1 1 0 0 0 0
               
 =  ,  =  ,  =  ,  =  ,
0 0 −1 −1 1 1 0 0
               
0 0 0 0 3 3 2 2
   𝐸    𝐸    𝐸    𝐸
więc możemy zapisać macierz przejścia
1 0 0 2
1 1 0 0
 
𝐸
𝑃𝐵 =  .
0 1 0

 −1 

0 0 3 2
 
1 0 1 0

• w 𝑉 = R2 : z bazy 𝐸¯ = , do bazy 𝐶 = ,
0 1 2 3
Zapisujemy wektory 𝑐 𝑖 jako kombinacje liniowe wektorów bazy standardowej
1 1 0 0 1 0

=1 +2 , =0 +3 ,
2 0 1 3 0 1
a wyniki wpisujemy pionowo do macierzy, otrzymując odpowiednią macierz przejścia
1 0

𝐸¯
𝑃𝐶 = .
2 3
Do obliczenia macierzy w podanych bazach 𝐵, 𝐶 użyjemy wzoru

−1
𝐸¯
𝑀 𝐴0 = 𝑃𝐶 𝐸
𝑀 𝐴𝑃𝐵 .
−1 1 0 −1
3 0

Pozostało nam obliczyć: 𝑃𝐶𝐸¯ = = 1
.
2 3 3 −2 1
Następnie używamy wzoru:
1 0 0 2

1 3 0 1 0 0 −1 1 1 0 0 1 3 0 −9 0

𝑀 𝐴0 = = .
3 −2 1 1 2 0 3 0 −1 1 0 3 1 2 15 8
0 0 3 2

q) 𝐴 : R2 [𝑥] → R0 [𝑥], ( 𝐴𝑝) (𝑥) = 3𝑝 00 (𝑥), 𝐵 = 2 − 𝑥, 𝑥 2 , 1 , 𝐶 = {−2}

Mamy daną bazę R2 [𝑥]: 𝐵 = 𝑏 1 = 2 − 𝑥, 𝑏 2 = 𝑥 2 , 𝑏 3 = 1 oraz bazę R0 [𝑥]: 𝐶 = {𝑐 1 = −2}.

Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2q), czyli
𝑀 𝐴0 = 0 −3 0 .

Wyliczamy macierz w bazach standardowych
𝑀𝐴 = 0 0 6

• w 𝑈 = R2 [𝑥]: z bazy standardowej 𝐸 = 1, 𝑥, 𝑥 2 do bazy 𝐵 = 2 − 𝑥, 𝑥 2 , 1 :

Po zapisaniu kombinacji liniowych
2 − 𝑥 = 2 · 1 −1 · 𝑥 +0 · 𝑥 2
𝑥2 = 0 · 1 +0 · 𝑥 +1 · 𝑥 2
1 = 1 · 1 +0 · 𝑥 +0 · 𝑥 2
 2 0 1
dostajemy macierz przejścia = −1 0 0 .
  𝐸
𝑃𝐵
 0 1 0
 
¯
• w 𝑉 = R0 [𝑥]: z 𝐸 = {1} do 𝐶 = {−2}:
Mamy −2 = −2 · 1, zatem macierz przejścia jest postaci
𝐸¯
𝑃𝐶 = [−2] .
Następnie przechodzimy do wzoru
 2 0 1
−1  
𝐸¯
𝑀 𝐴0 −1
0 0 6 −1 0 0 =
𝐸

= 𝑃𝐶 𝑀 𝐴𝑃𝐵 = [−2]
 0 1 0
 
 
1  2 0 1
 
0 0 6 −1 0 0 = 0 −3 0 .

= − 
2  0 1 0
 
r) 𝐴 : R1 [𝑥] → R2 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑥 2 𝑝 0 (𝑥) + 2𝑥 𝑝(𝑥) + 𝑥 𝑝(0), 𝐵 = {2 − 𝑥, 𝑥 + 1}, 𝐶 = 𝑥, 𝑥 2 , 1

Mamy daną bazę R1 [𝑥]:

𝐵 = {𝑏 1 = 2 − 𝑥, 𝑏 2 = 𝑥 + 1}
oraz bazę R2 [𝑥]:
𝐶 = 𝑐 1 = 𝑥, 𝑐 2 = 𝑥 2 , 𝑐 3 = 1 .

Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2r), czyli
 6 3 
=  −3 3  .
𝑀 𝐴0
 
 0 0 
 
 0 0 
𝑀 𝐴 =  3 0 
 
 0 3 
 
2 1

• w 𝑈 = R1 [𝑥]: z 𝐸 = {1, 𝑥} do 𝐵 = {2 − 𝑥, 𝑥 + 1}: 𝑃 𝐵
𝐸 = ,
−1 1
0 0 1
• w 𝑉 = R2 [𝑥]: z 𝐸¯ = 1, 𝑥, 𝑥 2
¯
do 𝐶 = 𝑥, 𝑥 , 1 : 𝑃𝐶 = 1 0 0 .
2 𝐸
 
0 1 0
 
Przechodzimy do wzoru
0 0 1 −1 0 0
 2 1
−1
𝐸¯
0
𝑀 𝐴 𝑃 𝐵 = 1 0 0 3 0
𝐸
  
𝑀𝐴 = 𝑃𝐶 =
0 1 0 0 3 −1 1
   
   
0 1 0 0 0  6 3
 2 1
= 0 0 1 3 0 = −3 3 .
   
1 0 0 0 3 −1 1
   
 0 0
    
s) 𝐴 : R2 [𝑥] → R1 [𝑥], ( 𝐴𝑝) (𝑥) = 𝑝 0 (2𝑥), 𝐵 = 2, 𝑥 − 2, 𝑥 2 , 𝐶 = {𝑥 + 1, 1}

Mamy daną bazę R2 [𝑥]:

𝐵 = 𝑏 1 = 2, 𝑏 2 = 𝑥 − 2, 𝑏 3 = 𝑥 2

oraz bazę R1 [𝑥]:

𝐶 = {𝑐 1 = 𝑥 + 1, 𝑐 2 = 1} .
Uwaga: powinna nam wyjść odpowiedź taka, jak w przykładzie 2s), czyli
0 0 8

0
𝑀𝐴 = .
0 2 −8
0 2 0

𝑀𝐴 =
0 0 8
2 −2 0
• w 𝑈 = R2 [𝑥]: z 𝐸 = 1, 𝑥, 𝑥 2
do 𝐵 = 2, 𝑥 − : = 0 1 0 ,
2, 𝑥 2
  𝐸
𝑃𝐵
0 0 1
 
𝐸¯ = 1 1 .

• w 𝑉 = R1 [𝑥]: z 𝐸¯ = {1, 𝑥} do 𝐶 = {𝑥 + 1, 1}: 𝑃𝐶
1 0
Przechodzimy do wzoru
−1 2 −2 0
1 1 0 2 0
−1
𝐸¯ 0 1 0 =
𝑀 𝐴0 𝐸
 
= 𝑃𝐶 𝑀 𝐴𝑃𝐵 =
1 0 0 0 8 0 0 1
 
 
2 −2 0
0 1 0 2 0 0 1 0 = 0 0 8 .

 
=
1 −1 0 0 8 0 0 1
  0 2 −8
 
Zadanie 6 Napisać macierze podanych przekształceń liniowych 𝐴 : 𝑈 → 𝑈 w podanych bazach
𝐵 przestrzeni 𝑈, stosując wzór na zmianę macierzy przekształcenia przy zmianie bazy.
a) 𝑈 = R2 , 𝐴(𝑥, 𝑦) = (2𝑦, 𝑥 − 𝑦), 𝐵 = {(1, 1), (−1, 2)}
Wyliczamy macierz 𝐴 w bazach standardowych
0 2

𝑀=
1 −1
oraz macierz przejścia z bazy 𝐸 do 𝐵:
1 · 𝑒 1 +1 · 𝑒 2 1 −1

𝑏1 = 𝐸
𝑃𝐵 =
𝑏 2 = −1 · 𝑒 1 +2 · 𝑒 2 1 2
Drugą macierz przejścia wyliczamy używając odwracania macierzy:
−1 1 −1 −1 1 2 1
𝐵 𝐸
𝑃𝐸 = 𝑃 𝐵 = = .
1 2 3 −1 1
Następnie korzystamy ze wzoru
1 2 1 0 2 1 −1 1 4 5
−1
0 𝐸 𝐸
𝑀 = 𝑃𝐵 𝑀 𝑃𝐵 = = .
3 −1 1 1 −1 1 2 3 −2 −7
f) 𝑈 = R1 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑥 𝑝(0) + 𝑝 0 (𝑥), 𝐵 = {𝑥, 2 − 𝑥}

Wyliczamy macierz przekształcenia 𝐴 w bazach standardowych
0 1

𝑀=
1 0
oraz macierz przejścia z 𝐸 do 𝐵:
𝑏1 = 0 · 𝑒1 + 1 · 𝑒2 0 2

𝐸
𝑃𝐵 = .
𝑏2 = 2 · 𝑒1 − 1 · 𝑒2 1 −1
Następnie obliczamy drugą macierz przejścia:
−1 1 −1 −1 1 1 2
𝐵 𝐸
𝑃𝐸 = 𝑃 𝐵 = =
1 2 2 1 0
i korzystamy ze wzoru
1 1 2 0 1 0 2 1 1 3
−1
0 𝐸 𝐸
𝑀 = 𝑃𝐵 𝑀 𝑃𝐵 = = .
2 1 0 1 0 1 −1 2 1 −1
Zadanie 7 Niech przekształcenia liniowe 𝐸 : R2 → R2 oraz 𝐹 : R3 → R2 będą określone

wzorami:
𝐸 (𝑥, 𝑦) = (𝑦, 𝑥), 𝐹 (𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦, 𝑧).
Używając macierzy przekształceń 𝐸, 𝐹 znaleźć wzory przekształceń liniowych 𝐺, 𝐻, 𝐼.
Rozwiązanie: najpierw wyliczamy macierze przekształceń w bazach standardowych:
0 1 1 1 0

𝑀𝐸 = , 𝑀𝐹 = .
1 0 0 0 1
a) 𝐺 = 𝐸 + 𝐹
Zauważmy, że dodawanie macierzy 𝑀𝐸 + 𝑀𝐹 jest niewykonalne, więc odwzorowanie 𝐺 nie
istnieje.
b) 𝐻 = 2𝐸
0 2

Mamy 𝑀𝐻 = 2𝑀𝐸 = , zatem
2 0
0 2

𝑥
𝐻 : R → R , 𝐻 (𝑥, 𝑦) =
2 2
= (2𝑦, 2𝑥).
2 0 𝑦
c) 𝐼 = 𝐸 ◦ 𝐹
0 1 1 1 0 0 0 1

Mamy 𝑀𝐼 = 𝑀𝐸 𝑀𝐹 = = , zatem odwzorowanie 𝐼 : R3 → R2
1 0 0 0 1 1 1 0
wyrażone jest wzorem
𝑥 
0 0 1  

𝐼 (𝑥, 𝑦, 𝑧) = 𝑦 = (𝑧, 𝑥 + 𝑦).
1 1 0  
𝑧
Zadanie 8 Spośród przekształceń 𝐸, 𝐹, 𝐺, 𝐻, 𝐼 z poprzedniego zadania znaleźć przekształcenia
odwracalne i podać ich wzory, wyznaczając je przy użyciu macierzy przekształceń odwrotnych
(w bazach standardowych rozważanych przestrzeni liniowych).
Rozwiązanie: dostaliśmy macierze
0 1 1 1 0 0 2 0 0 1

𝑀𝐸 = , 𝑀𝐹 = , 𝑀𝐻 = , 𝑀𝐼 = .
1 0 0 0 1 2 0 1 1 0
Tylko 𝑀𝐸 oraz 𝑀𝐻 są kwadratowe i odwracalne, więc dla 𝐸, 𝐻 możemy znaleźć przekształcenia

odwrotne: −1
0 1 0 1

−1
𝑀𝐸 = = ,
1 0 1 0
−1
0 2 1 0 1

−1
𝑀𝐻 = = .
2 0 2 1 0
Zatem dostajemy dwa odwzorowania odwrotne:
0 1

𝑥
𝐸 −1
:R →R , 2 2
𝐸 −1
(𝑥, 𝑦) = = (𝑦, 𝑥),
1 0 𝑦
1 0 1 𝑥

𝑦 𝑥
𝐻 −1
:R →R , 2 2
𝐻 −1
(𝑥, 𝑦) = = , .
2 1 0 𝑦 2 2
Zadanie 9 Wyznaczyć wektor 𝑣 w bazie standardowej, gdy dane są jego współrzędne 𝑣 𝐵 w

bazie 𝐵:
a) 𝑣 𝐵 = (2, 0) 𝐵 , 𝐵 = {(5, −6), (1, −2)},

Zauważmy, że mamy
𝑣 = 2 · 𝑏 1 + 0 · 𝑏 2 = 2(5, −6) = (10, −12).
g) 𝑣 𝐵 = (1, 2, 1) 𝐵 , 𝐵 = 1 − 𝑥, 2 + 𝑥 2 , 𝑥

Mamy
𝑣 = 1 · 𝑏 1 + 2 · 𝑏 2 + 1 · 𝑏 3 = 1 − 𝑥 + 2(2 + 𝑥 2 ) + 𝑥 = 5 + 2𝑥 2 .
Zadanie 10 Wyznaczyć wektor współrzędnych 𝑣 𝐵 (wektora 𝑣 w bazie 𝐵), jeśli:
a) 𝑣 = (2, 0), 𝐵 = {(5, −6), (1, −2)}
Musimy zapisać wektor 𝑣 jako kombinację liniową wektorów 𝑏 1 i 𝑏 2 :
(2, 0) = 𝛼(5, −6) + 𝛽(1, −2).
Możemy do tego użyć np. metody eliminacji Gaussa-Jordana:
5 1 2 𝑊1 /5 𝑎1 15 25 1 15 2 𝑊1 / ( − 45 )

𝑊2 +6𝑊1
−−−−→ −−−−−−−→ 5 −−−−−−−−→
−6 −2 0 −6 −2 0 0 − 54 12
5
𝑊1 / ( − 45 ) 1 51 2 𝑊1 − 51 𝑊2 1 0 1

−−−−−−−−→ 5 −−−−−−−→
0 1 −3 0 1 −3
Zatem
(2, 0) = 1(5, −6) + (−3) (1, −2) = (1, −3) 𝐵 .
g) 𝑣 = 1 + 𝑥 + 7𝑥 2 , 𝐵 = 1 + 𝑥 2 , 𝑥 + 𝑥 2 , 2𝑥 + 𝑥 2

Musimy zapisać wektor 𝑣 jako kombinację liniową wektorów 𝑏 1 , 𝑏 2 i 𝑏 3 :

1 + 𝑥 + 7𝑥 2 = 𝛼 1 + 𝑥 2 + 𝛽 𝑥 + 𝑥 2 + 𝛾 2𝑥 + 𝑥 2 .
Użyjemy metody eliminacji Gaussa:

 1 0 0 1   1 0 0 1   1 0 0 1   1 0 0 1 
 3 −𝑊1  3 −𝑊2
 0 1 2 1  −𝑊  0 1 2 1  −𝑊  0 1 2 1 → 0 1 2 1 
     
 −−−−−→  −−−−−→
 1 1 1 7   0 1 1 6   0 0 −1 5   0 0 1 −5 
     
       
Stąd dostajemy 𝛼 = 1, 𝛾 = −5, 𝛽 + 2𝛾 = 1, czyli 𝛽 = 11.
Zatem
1 + 𝑥 + 7𝑥 2 = 1 1 + 𝑥 2 + 11 𝑥 + 𝑥 2 − 5 2𝑥 + 𝑥 2 .
Zadanie 11 Wyznaczyć bazę 𝐵 przestrzeni R2 taką, że
(−7, 11) = (2, 3) 𝐵 , (−1, −2) = (1, −1) 𝐵 .
Rozwiązanie: Możemy zapisać równania:
(−7, 11) = 2𝑏 1 + 3𝑏 2 , (−1, −2) = 𝑏 1 − 𝑏 2 ,
co dla 𝑏 1 = (𝑎, 𝑏), 𝑏 2 = (𝑐, 𝑑) możemy zapisać w postaci:


 2𝑎 + 3𝑐 = −7  2 0 3 0 −7 
 1 0 −1 0 −1 
 
 𝑎 − 𝑐 = −1


⇒ ,
2𝑏 + 3𝑑 = 11  0 2 0 3 11 


 
 𝑏 − 𝑑 = −2
  0 1 0 −1 −2 
  
a po krótkich obliczeniach dostajemy bazę
𝐵 = {𝑏 1 = (−2, 1), 𝑏 2 = (−1, 3)} .
Zadanie 12 Wyznaczyć macierz przejścia z bazy 𝐵 do bazy 𝐶 oraz 𝑣 𝐶 , gdy:
a) 𝐵 = {𝑏 1 , 𝑏 2 } , 𝐶 = {𝑐 1 , 𝑐 2 }, gdzie 𝑐 1 = 6𝑏 1 − 2𝑏 2 , 𝑐 2 = 3𝑏 1 + 2𝑏 2 , 𝑣 𝐵 = (2, 4) 𝐵
Przy pomocy równań
𝑐 1 = 6𝑏 1 − 2𝑏 2 , 𝑐 2 = 3𝑏 1 + 2𝑏 2
zapisujemy macierz przejścia z 𝐵 do 𝐶:
6 3

𝐵
𝑃𝐶 = .
−2 2
Obliczamy macierz przejścia z 𝐶 do 𝐵:
−1 6 3 −1 1 2 −3

𝐶 𝐵
𝑃 𝐵 = 𝑃𝐶 = = .
−2 2 18 2 6
Możemy też obliczyć współrzędne wektora 𝑣 w bazie 𝐶:
1 2 −3 2 2 −2

𝐶
𝑣𝐶 = 𝑃𝐵 𝑣 𝐵 = = .
18 2 6 4 𝐵 9 7 𝐶
i) 𝐵 = 1 − 𝑥, 𝑥 + 𝑥 2 , 𝑥 2 , 𝐶 = 1 − 2𝑥 + 𝑥 2 , 3 − 5𝑥 + 4𝑥 2 , 2𝑥 + 3𝑥 2 , 𝑣 𝐵 = (1, 1, 0) 𝐵

Możemy zapisać wektory z bazy 𝐶 jako kombinacje liniowe wektorów z bazy 𝐵:

1 − 2𝑥 + 𝑥 2 = 1 (1 − 𝑥) + (−1) 𝑥 + 𝑥 2 + 2𝑥 2 ,

3 − 5𝑥 + 4𝑥 2 = 3 (1 − 𝑥) + (−2) 𝑥 + 𝑥 2 + 6𝑥 2 ,

2𝑥 + 3𝑥 2 = 0 (1 − 𝑥) + 2 𝑥 + 𝑥 2 + 1𝑥 2 .
Zatem możemy zapisać macierz przejścia z 𝐵 do 𝐶:
1 3 0
𝑃𝐶 = −1 −2 2 .
𝐵


2 6 1

Obliczamy macierz przejścia z 𝐶 do 𝐵:
−1
1 −13 0 −14 −3 6 
= −1 −2 2 =  5 1 −2 .
𝐶 𝐵
 
𝑃 𝐵 = 𝑃𝐶  
2 6 1  −2 0 1 
 
Możemy też obliczyć współrzędne wektora 𝑣 w bazie 𝐶:
−14 −3 6  1 −17
𝑣 𝐶 = 𝑃 𝐵 𝑣 𝐵 =  5 1 −2 1 =  6  .
𝐶
    
 −2 0 1  0 𝐵
 
 −2 
  𝐶
Uwaga: 𝑣 jest wielomianem postaci:
𝑣 = 𝑏1 + 𝑏2 = 1 − 𝑥 + 𝑥 + 𝑥 2 = 1 + 𝑥 2 .
6.3 Wartości i wektory własne

Zadanie 1 Korzystając z definicji wyznaczyć wartości własne podanych przekształceń liniowych
i odpowiadające im wektory własne, korzystając z interpretacji geometrycznej przekształcenia
c) 𝑆 : R2 → R2 , 𝑆 jest symetrią względem prostej 𝑦 = 𝑥
y=x
Zauważmy, że wektory na prostej (postaci (𝑎, 𝑎), 𝑎 ∈ R) pozostają bez zmian po użyciu
przekształcenia 𝐴, zatem 𝜆 = 1.
Natomiast wektory z prostej prostopadłej, przechodzącej przez (0, 0) (czyli wektory postaci
(𝑎, −𝑎), 𝑎 ∈ R), zmienią tylko zwrot na przeciwny, więc dla nich mamy 𝜆 = −1.
Zatem możemy zapisać:
𝑆(1, 1) = (1, 1) = 1(1, 1),
𝑆(2, −2) = (−2, 2) = −1(2, −2)
oraz
𝑉1 = 𝑠𝑝𝑎𝑛{(1, 1)}, 𝑉−1 = 𝑠𝑝𝑎𝑛{(1, −1)}.
W odpowiedzi pamiętajmy, że wektory własne odpowiadają konkretnej wartości własnej.
Odp.: 𝜆1 = 1, 𝜆 2 = −1, 𝑣 1 = (1, 1), 𝑣 2 = (1, −1).
l) 𝑆 : R3 → R3 , 𝑆 jest symetrią względem płaszczyzny 𝑋𝑌𝑂
Wektory na płaszczyźnie 𝑂 𝑋𝑌 , postaci
(𝑥, 𝑦, 0) = 𝑥(1, 0, 0) + 𝑦(0, 1, 0), 𝑥, 𝑦 ∈ R
nie zmienią się, więc dla nich mamy 𝜆 = 1.

Natomiast wektory z prostej prostopadłej, przechodzącej przez (0, 0, 0) (czyli postaci (0, 0, 𝑧), 𝑧 ∈
R) zmienią tylko zwrot na przeciwny, czyli mamy 𝜆 = −1. Zatem zapisujemy wartości i wek-
tory własne
𝑆(1, 0, 0) = (1, 0, 0) = 1(1, 0, 0),
𝑆(0, 1, 0) = (0, 1, 0) = 1(0, 1, 0),
𝑆(0, 0, 3) = (0, 0, −3) = −1(0, 0, 3)
oraz przestrzenie wektorów własnych
𝑉1 = 𝑠𝑝𝑎𝑛{(1, 0, 0), (0, 1, 0))}, 𝑉−1 = 𝑠𝑝𝑎𝑛{(0, 0, 1)}.
Odp.: 𝜆1,2 = 1, 𝜆 3 = −1, 𝑣 1 = (1, 0, 0), 𝑣 2 = (0, 1, 0), 𝑣 3 = (0, 0, 1).
p) 𝑅 : R3 → R3 , 𝑅 jest rzutem prostokątnym na oś 𝑂𝑌
Możemy zauważyć, że wektory na osi 𝑂𝑌 postaci (0, 𝑦, 0), 𝑦 ∈ R nie zmienia się, więc dla nich
mamy 𝜆 = 1. Natomiast wektory z płaszczyzny do niej prostopadłej, przechodzącej przez
(0, 0, 0), czyli wektory
(𝑥, 0, 𝑧) = 𝑥(1, 0, 0) + 𝑧(0, 0, 1), 𝑥, 𝑧 ∈ R,
w przekształceniu 𝑅 przejdą na wektor (0, 0, 0), dlatego 𝜆 = 0.
Zatem zapiszmy wartości i wektory własne
𝑅(0, 1, 0) = (0, 1, 0) = 1(0, 1, 0),
𝑅(1, 0, 0) = (0, 0, 0) = 0(1, 0, 0),

𝑅(0, 0, 1) = (0, 0, 0) = 0(0, 0, 1)
oraz, dodatkowo, przestrzenie wektorów własnych
𝑉1 = 𝑠𝑝𝑎𝑛{(0, 1, 0))}, 𝑉0 = 𝑠𝑝𝑎𝑛{(1, 0, 0), (0, 0, 1)}.
Odp.: 𝜆1 = 1, 𝜆2,3 = 0, 𝑣 1 = (0, 1, 0), 𝑣 2 = (1, 0, 0), 𝑣 3 = (0, 0, 1).
Zadanie 2 Niech 𝐴 : 𝑉 → 𝑉 będzie rzeczywistym przekształceniem liniowym. Jakie są możliwe

wartości własne 𝐴, jeżeli spełnia warunek:
a) 𝐴2 = 2𝐴
Niech 𝐴 będzie odwzorowanie liniowym oraz niech 𝐴𝑣 = 𝜆𝑣 dla pewnej liczby 𝜆 i niezerowego
wektora 𝑣. Możemy rozpisać:
𝐿 = 𝐴2 𝑣 = 𝐴( 𝐴𝑣) = 𝐴(𝜆𝑣) = 𝜆2 𝑣,
𝑃 = 2𝐴𝑣 = 2𝜆𝑣.
Zatem z równości 𝐴2 = 2𝐴 wynika, że
𝜆2 𝑣 − 2𝜆𝑣 = 0,

𝜆2 − 2𝜆 𝑣 = 0,
a skoro 𝑣 ≠ 0, to mamy
𝜆 (𝜆 − 2) = 0.
Odpowiedź: 𝜆1 = 0, 𝜆2 = 2.
b) 𝐴3 = 𝐴2
Niech 𝐴 będzie odwzorowanie liniowym oraz niech 𝐴𝑣 = 𝜆𝑣 dla pewnej liczby 𝜆 i niezerowego
wektora 𝑣. Mamy:
𝐿 = 𝐴3 𝑣 = 𝐴2 ( 𝐴𝑣) = 𝐴2 (𝜆𝑣) = 𝜆3 𝑣,
𝑃 = 𝐴2 𝑣 = 𝐴( 𝐴𝑣) = 𝐴(𝜆𝑣) = 𝜆2 𝑣.
Zatem z warunku 𝐴3 = 𝐴2 wynika, że
𝜆3 𝑣 − 𝜆2 𝑣 = 0,

𝜆3 − 𝜆2 𝑣 = 0.
Wektor 𝑣 ∈ 𝑉 jest niezerowy, zatem dostajemy
𝜆2 (𝜆 − 1) = 0.
Odpowiedź: 𝜆1,2 = 0, 𝜆3 = 1.
Zadanie 3 Przekształcenie liniowe 𝐴 : R2 → R2 spełnia warunki:
a) 𝐴(2, 1) = (2, 1), 𝐴(0, 1) = (0, −1).
Obliczyć 𝐴100 (1, 0).

Rozwiązanie:
Z podanych warunków wynika, że mamy 2 wartości własne:
𝜆1 = 1, 𝜆2 = −1
oraz odpowiadające im wektory własne
2 0

𝑏1 = , 𝑏2 = .
1 1
Skoro 𝜆1 ≠ 𝜆2 , to z twierdzenia o bazie wektorów własnych (s. 18) wektory własne tworzą bazę
2 0

𝐵 = 𝑏1 = , 𝑏2 =
1 1
przestrzeni R2 , a macierz przekształcenia 𝐴 w tej bazie jest macierzą diagonalną 𝐷 postaci
0 1 0

𝜆
𝐷= 1 = .
0 𝜆2 0 −1
Przypomnijmy wzór na macierz 𝐴 przy zmianie bazy:

−1
𝑀 0 = 𝑃𝐵
𝐸 𝐸
𝑀 𝑃𝐵 .
| | ... | 
2 0

W naszym przypadku mamy = 𝐷 oraz

𝑀0 = 𝑣 1 𝑣 2 ... 𝑣 𝑛  =
𝐸
𝑃𝐵 .
| 1 1
| ... |  
Z powyższego wzoru możemy wyprowadzić macierz 𝑀 odwzorowania 𝐴 w bazach standardowych:

−1
𝐸 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵
oraz obliczyć 𝐴100 (1, 0):

100 razy
z }| {
−1 −1
−1 −1
𝑀 100 = 𝑃 𝐵
𝐸 𝐸
𝐷 𝑃𝐵 𝐸
· 𝑃𝐵 𝐸
𝐷 𝑃𝐵 𝐸
· ... · 𝑃 𝐵 𝐸
𝐷 𝑃𝐵 𝐸 100
= 𝑃𝐵 𝐷 𝐸
𝑃𝐵 ,
1 −1 1

100 𝐸 100 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵
0 0
Mamy macierze
1 0 1 0 1 0
100
100
𝐷= , 𝐷 = = = 𝐼2 ,
0 −1 0 (−1) 100 0 1
więc bez obliczeń macierzy 𝑃 𝐵𝐸 −1 dostajemy odpowiedź:

100 1
−1 1 −1 1 −1 1 1
𝐸 100 𝐸 𝐸 𝐸 𝐸 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵 = 𝑃 𝐵 𝐼2 𝑃 𝐵 = 𝑃𝐵 𝑃𝐵 = ,
0 0 0 0 0
czyli
𝐴100 (1, 0) = (1, 0).
Zadanie 4 Znaleźć (rzeczywiste) wartości własne macierzy rzeczywistych i odpowiadające im

wektory własne:
0 1

a)
1 0
Obliczamy wielomian charakterystyczny
−𝜆 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 − 1
1 −𝜆
i przyrównujemy go do zera, tworząc równanie:
𝜆2 − 1 = 0.
Następnie wyliczamy wartości własne 𝜆𝑖 :
(𝜆 − 1) (𝜆 + 1) = 0 ⇒ 𝜆1 = 1, 𝜆2 = −1
oraz odpowiadające im wektory własne przy użyciu eliminacji Gaussa-Jordana
−𝜆 1 0

[ 𝐴 − 𝜆𝐼 | 0 ] = .
1 −𝜆 0
0−1 1 0

𝑥
• Dla 𝜆1 = 1 mamy =
1 0−1 𝑦 0
−1 1 0 𝑊2 +𝑊1 −1 1 0

−→ ,
1 −1 0 0 0 0

𝑥 𝑥 𝑥
a stąd −𝑥 + 𝑦 = 0, czyli 𝑣 = =𝑥 , np. 𝑣 1 = ,
𝑥 1 1
• dla 𝜆2 = −1 mamy
1 1 0 1 1 0

𝑊2 −𝑊1
−→ ,
1 1 0 0 0 0
1

zatem 𝑥 + 𝑦 = 0 oraz np. 𝑣 2 = .
−1
1 1

Odp. 𝜆1 = 1, 𝜆2 = −1, 𝑣 1 = , 𝑣2 = .
1 −1
0 −1

b)
1 0
−𝜆 −1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 + 1
1 −𝜆
i przyrównujemy go do zera, tworząc równianie:
𝜆2 + 1 = 0.
Zauważmy, że równanie to nie posiada rozwiązań rzeczywistych, zatem macierz 𝐴 nie posiada
rzeczywistych wartości własnych.
 1 0 −2
k)  0 1 0 
 
−1 0 0 
 
1−𝜆 0 −2
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 0 1 − 𝜆 0 = −𝜆3 + 2𝜆2 + 𝜆 − 2
−1 0 −𝜆
i rozwiązujemy równanie charakterystyczne
−𝜆3 + 2𝜆2 + 𝜆 − 2 = 0 ⇒ 𝜆1 = −1, 𝜆2 = 1, 𝜆3 = 2.
Następnie wyliczamy wektory własne odpowiadające kolejnym wartościom własnym:
• dla 𝜆1 = −1 mamy:
 2 0 −2 0   1 0 −1 0   1 
𝑥 − 𝑧 = 0,

 0 2 0 0  −→  0 1 0 0  ⇒ 𝑣 1 =  0  ,
     
⇒
 −1 0 1 0 
 
 0 0 0 0 
  𝑦=0  1 
     
• dla 𝜆2 = 1 mamy:
 0 0 −2 0   0 0 1 0 
 𝑥 = 0,

  0 
 0 0 0 0  −→  0 0 0 0  ⇒ 𝑣 2 =  1  ,
      
⇒ 𝑦 ∈ R,
 −1 0 −1 0   1 0 0 0   𝑧=0  0 
    
      
 −1 0 −2 0   1 0 2 0  −2 
𝑥 + 2𝑧 = 0,

 0 −1 0 0  −→  0 1 0 0 ⇒ 𝑣 3 =  0  .
     
⇒
𝑦=0

 −1 0 −2 0   0 0 0 0  1 
   

     
1 0 −2
Odp. 𝜆1 = −1, 𝜆2 = 1, 𝜆3 = 2, 𝑣 1 = 0 , 𝑣 2 = 1 , 𝑣 3 =  0 
     
   
1 0 1
     
Zadanie 5 Znaleźć wartości i wektory własne macierzy zespolonych:
0 −1

a)
1 0
−𝜆 −1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 + 1
1 −𝜆
i rozwiązujemy równanie charakterystyczne
𝜆2 + 1 = 0,
wyliczając (tym razem zespolone) wartości własne:
𝜆1 = 𝑖, 𝜆2 = −𝑖.
Następnie obliczamy odpowiadające im wektory własne:
• dla 𝜆1 = 𝑖 mamy:
−𝑖 −1 0 0 0 0

𝑊1 +𝑖𝑊2
−−−−−−→ ⇒ 𝑥 − 𝑖𝑦 = 0,
1 −𝑖 0 1 −𝑖 0

𝑖
stąd np. 𝑣 1 = ,
1
• dla 𝜆2 = −𝑖 mamy:
𝑖 −1 0 0 0 0

𝑊1 −𝑖𝑊2
−−−−−−−→ ⇒ 𝑥 + 𝑖𝑦 = 0,
1 𝑖 0 1 𝑖 0

−𝑖
zatem 𝑣 2 = .
1

𝑖 −𝑖
Odp. 𝜆1 = 𝑖, 𝜆2 = −𝑖, 𝑣 1 = , 𝑣2 = .
1 1
1 2 0
g) 1 1 1
 
0 −2 0
 
1−𝜆 2 0
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 1 1 − 𝜆 1 = −𝜆3 + 2𝜆2 − 𝜆 + 2,
0 −2 −𝜆
a następnie rozwiązujemy równanie charakterystyczne
−𝜆3 + 2𝜆2 − 𝜆 + 2 = 0,
wyliczając (zespolone) wartości własne:
𝜆1 = 2, 𝜆2 = 𝑖, 𝜆3 = −𝑖.
Pozostało jeszcze wyliczyć odpowiadające im wektory własne:
 −1 2 0 0   −1 2 0 0   −1 2 0 0 
𝑊2 +𝑊1 𝑊3 +2𝑊2
 1 −1 1 0  −−  0 1 1 0  −−−−−−−→  0 1 1 0 
   
 −−−−→
 0 −2 −2 0   0 −2 −2 0   0 0 0 0 
   
     
 −2 
𝑦 = −𝑧,
Stąd dostajemy oraz 𝑣 1 =  −1  ,
 
𝑥 = 2𝑦  1 
 
• dla 𝜆2 = 𝑖 mamy:
 1−𝑖 2 0 0   0 2 + 2𝑖 𝑖 − 1 0 
𝑊1 − (1−𝑖)𝑊2  𝑊1 +(1+𝑖)𝑊3
 1 1 − 𝑖 1 0  −−−−−−−−−−−→  1 1−𝑖 1 0
 
 −−−−−−−−−−→
 0 −2 −𝑖 0   0 −2 −𝑖 0 
  
 
 0 0 0 0   0 0 0 0 
𝑊1 +(1+𝑖)𝑊3  𝑊2 −𝑖𝑊3
−−−−−−−−−−→  1 1 − 𝑖 1 0  1 1+𝑖 0 0 
 
  −−−−−−−→
 0 −2 −𝑖 0  0 −2 −𝑖 0 
  

   
 −1 + 𝑖
𝑦 = − 12 𝑖𝑧,

Stąd oraz 𝑣 2 =  −𝑖 ,
 
𝑥 = −(1 + 𝑖)𝑦  2


 
• dla 𝜆3 = −𝑖 mamy:
 1+𝑖 2 0 0  𝑊 − 1−𝑖 𝑊  1+𝑖 2 0 0   1+𝑖 2 0 0 
2 1  𝑊2 +𝑖𝑊3
 1 1 + 𝑖 1 0  −−−−−−−−−→
2
 0 2𝑖 1 0  0 0 0 0
   
 −−−−−−→ 
 0 −2 𝑖 0   0 −2 𝑖 0   0 −2 𝑖 0 
    
  
 −1 − 𝑖
𝑦 = 12 𝑖𝑧,

Stąd oraz 𝑣 3 =  .
 
𝑖
𝑥 = −(1 − 𝑖)𝑦  2


 
−2 −1 + 𝑖  −1 − 𝑖 

Odp. 𝜆1 = 2, 𝜆2 = 𝑖, 𝜆3 = −𝑖, 𝑣 1 = −1 , 𝑣 2 =  −𝑖  , 𝑣 3 =  𝑖  .
     
   
1  2   2 
     
0 −2 0 
h) 2 0 0 
 
0 0 −1
 
−𝜆 −2 0
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 2 −𝜆 0 = −𝜆3 − 𝜆2 − 4𝜆 − 4,
0 0 −1 − 𝜆
a następnie rozwiązujemy równanie charakterystyczne
−𝜆3 − 𝜆2 − 4𝜆 − 4 = 0,
wyliczając wartości własne:

𝜆1 = 2𝑖, 𝜆2 = −2𝑖, 𝜆3 = −1.
Pozostało jeszcze wyliczyć odpowiadające im wektory własne:
• dla 𝜆1 = 2𝑖 mamy:
 −2𝑖 −2 0 0   0 0 0 0   0 0 0 0 
𝑊1 +𝑖𝑊2
 2 −2𝑖 0 0  −−−−−−→  2 −2𝑖 0 0  →  1 −𝑖 0 0 
   

 0 0 −1 − 2𝑖 0   0 0 −1 − 2𝑖 0   0 0 1 0 
 
    
 𝑖 
𝑥 = 𝑖𝑦,
Stąd dostajemy oraz 𝑣 1 =  1  ,
 
𝑧=0  0 
 
• dla 𝜆2 = −2𝑖 mamy:
 2𝑖 −2 0 0   0 0 0 0   0 0 0 0 
𝑊1 −𝑖𝑊2
 2 2𝑖 0 0  −−−−−−−→  2 2𝑖 0 0  →  1 𝑖 0 0 
   

 0 0 −1 + 2𝑖 0   0 0 −1 + 2𝑖 0   0 0 1 0 
 
     
 −𝑖 
𝑥 = −𝑖𝑦,
Stąd oraz 𝑣 2 =  1  ,
 
𝑧=0  0 
 
• dla 𝜆3 = −1 mamy:
 1 −2 0 0   1 −2 0 0   1 0 0 0 
 2 −2𝑊1
 2 1 0 0  −𝑊  0 5 0 0 → 0 1 0 0 
    
 −−−−−−→
 0 0 0 0   0 0 0 0   0 0 0 0 
    
     
 𝑥 = 0,

  0 
Stąd 𝑦 = 0, oraz 𝑣 3 =  0  .
  
 𝑧∈R
  1 
  
Odp.
𝜆 1 = 2𝑖, 𝜆 2 = −2𝑖, 𝜆 3 = −1
𝑖  −𝑖  0
𝑣 1 = 1 , 𝑣 2 =  1  , 𝑣 3 = 0
     
   
0 0 1
     
Zadanie 6 Używając macierzy przekształcenia znaleźć rzeczywiste wartości i wektory własne

przekształcenia liniowego:
g) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 𝑧, 2𝑥 + 2𝑦 + 2𝑧, 3𝑥 + 3𝑦 + 3𝑧)

Obliczamy macierz przekształcenia 𝐴:
1 1 1
𝑀 𝐴 = 2 2 2
 
3 3 3
 
i wyznaczamy wielomian charakterystyczny tej macierzy
1−𝜆 1 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 2 2−𝜆 2 = 6𝜆2 − 𝜆3 .
3 3 3−𝜆
Następnie rozwiązujemy równanie

6𝜆2 − 𝜆3 = 0,
𝜆2 (6 − 𝜆) = 0 ⇒ 𝜆1,2 = 0, 𝜆3 = 6
oraz odpowiadające im wektory własne:
• dla 𝜆1,2 = 0 mamy:

 1 1 1 0   1 1 1 0 
 2 −2𝑊1
 2 2 2 0  −𝑊  0 0 0 0 
  
 −−−−−−→
 3 3 3 0  𝑊3 −3𝑊1  0 0 0 0 
  
   

𝑥 = −𝑦 − 𝑧,
Stąd dostajemy , zatem mamy wektory postaci
𝑦, 𝑧 ∈ R
 −1   −1   −1   −1 
𝑣 = 𝑦  1  + 𝑧  0  , 𝑦, 𝑧 ∈ R, np. 𝑣 1 =  1  , 𝑣 2 =  0  ,
      
    
 0   1   0   1 
      
 −5 1 1 0   −5 1 1 0 
2 /2 𝑊1 +𝑊3
 2 −4 2 0  −𝑊  1 −2 1 0  −−
 
 −−−→
𝑊 /3  𝑊−2−+𝑊
−−→
 3 3 −3 0  3  1 1 −1 0 
  3

 
 −4 2 0 0   0 0 0 0 
𝑊1 +𝑊3  𝑊1 +2𝑊2
−−−−−−→  2 −1 0 0  −−−−−−−→  2 −1 0 0 

𝑊2 +𝑊3 
 1 1 −1 0   1 1 −1 0 
 
 
 1 
𝑦 = 2𝑥,

Stąd dostajemy , a więc 𝑣 3 =  2  .
 
𝑧 = 𝑦 + 𝑥 = 3𝑥  3 
 
 −1   −1   1 
Odp. 𝜆1,2 = 0, 𝜆3 = 6, 𝑣 1 =  1  , 𝑣 2 =  0  , 𝑣3 =  2 .
     
 
 0   1  3
  
 
     
i) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 2𝑝(𝑥) − 𝑝 0 (𝑥)

2 −1 0 
𝑀 𝐴 = 0 2 −2
 
0 0 2 

oraz wielomian charakterystyczny
2 − 𝜆 −1 0
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 0 2 − 𝜆 −2 = −𝜆3 + 6𝜆2 − 12𝜆 + 8.
0 0 2−𝜆
Rozwiązujemy równanie
−𝜆3 + 6𝜆2 − 12𝜆 + 8 = 0,
−(𝜆 − 2) 3 = 0 ⇒ 𝜆1,2,3 = 2
• dla 𝜆1,2,3 = 2 mamy:
 0 −1 0 0   0 1 0 0 
 0 0 −2 0  →  0 0 1 0 
   
 0 0 0 0  0 0 0 0 
   

   
 1 
𝑏 = 0,

Stąd dostajemy , a więc 𝑣 1 =  0  .
 
𝑐=0  0 
 𝐸
Wektor 𝑣 1 jest zapisany w bazie standardowej 𝐸 = {1, 𝑥, 𝑥 2 }. Jest to wielomian postaci
1 · 1 + 0 · 𝑥 + 0 · 𝑥 2 = 1 ∈ R2 [𝑥].
Odp. 𝜆 = 2, 𝑣 = 1.
Uwaga: zauważmy, że wartość własna 𝜆 = 𝜆1,2,3 = 2 jest krotności algebraicznej 3, gdyż jest
trzykrotnym pierwiastkiem równania charakterystycznego
−𝜆3 + 6𝜆2 − 12𝜆 + 8 = 0.
Natomiast jej krotność geometryczna wynosi 1, gdyż odpowiada jej tylko jeden liniowo nie-
zależny wektor własny.
j) 𝐴 : R2 [𝑥] → R2 [𝑥], ( 𝐴 𝑝) (𝑥) = 𝑝(0) − 𝑝 0 (𝑥)
1 −1 0 
𝑀 𝐴 = 0 0 −2
 
0 0 0 

oraz wielomian charakterystyczny
1 − 𝜆 −1 0
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = 0 −𝜆 −2 = 𝜆2 − 𝜆3 .
0 0 −𝜆
Po rozwiązaniu równania charakterystycznego dostajemy wartości własne
𝜆2 (1 − 𝜆) = 0 ⇒ 𝜆1,2 = 0, 𝜆3 = 1
oraz odpowiadające im wektory własne (w bazie 𝐸 = {1, 𝑥, 𝑥 2 })
• dla 𝜆1,2 = 0 mamy:

 1 −1 0 0   1 −1 0 0 
 0 0 −2 0  →  0 0 1 0 
   
 0 0 0 0   0 0 0 0 
   
  

𝑎 = 𝑏,
Stąd dostajemy , a więc 𝑣 = (𝑎, 𝑎, 0) 𝐸 = 𝑎(1, 1, 0) 𝐸 ,
𝑐=0
np. 𝑣 1 = (1, 1, 0) 𝐸 = 1 + 𝑥,
 0 −1 0 0   0 1 0 0 
 0 −1 −2 0  →  0 0 0 0 
   
 0 0 −1 0   0 0 1 0 
   
   
 𝑎 ∈ R,


Stąd 𝑏 = 0, , a więc 𝑣 3 = (1, 0, 0) 𝐸 = 1.

 𝑐=0


Odp. 𝜆1,2 = 0, 𝜆3 = 1, 𝑣 1 = 1 + 𝑥, 𝑣 3 = 1.
Uwaga: ostatni wektor celowo został oznaczony indeksem 3, żeby odpowiadał wartości
własnej 𝑣 3 . Gdybyśmy oznaczyli go jako 𝑣 2 , to wtedy odpowiadałby wartości własnej 𝑣 1,2 .
Zadanie 7 Przekształcenie liniowe 𝐴 : R3 → R3 spełnia warunki
a) 𝐴(1, 0, 1) = (2, 0, 2), 𝐴(2, 1, 0) = (2, 1, 0), 𝐴(0, 0, 1) = (0, 0, −1).
Obliczyć 𝐴20 (1, 2, 3).

Rozwiązanie:
Zauważmy, że przekształcenie 𝐴 posiada 3 wartości własne:
𝜆 1 = 2, 𝜆 2 = 1, 𝜆 3 = −1,
a odpowiadają im wektory własne
𝑏 1 = (1, 0, 1), 𝑏 2 = (2, 1, 0), 𝑏 3 = (0, 0, 1).
Skoro 𝜆1 ≠ 𝜆2 ≠ 𝜆 3 , to z twierdzenia o bazie wektorów własnych (s. 18) wektory własne tworzą
bazę

 1 2 0 
 
𝐵 = 𝑏 1 = 0 , 𝑏 2 = 1 , 𝑏 3 = 0

     

   

 1 0 1 
      
przestrzeni R3 . Macierz przekształcenia 𝐴 w bazie 𝐵 jest macierzą diagonalną 𝐷 postaci
𝜆1 0 0  2 0 0 
𝐷 =  0 𝜆2 0  = 0 1 0  .
   
 0 0 𝜆3  0 0 −1
   
Przypomnijmy wzór na macierz 𝐴 przy zmianie bazy:
−1
𝐷 = 𝑀 0 = 𝑃𝐵
𝐸 𝐸
𝑀 𝑃𝐵 .
Następnie wyprowadzamy wzór na macierz 𝑀 odwzorowania 𝐴 w bazach standardowych:

−1
𝐸 𝐸
𝑀 = 𝑃𝐵 𝐷 𝑃𝐵 .
oraz na 𝐴20 (1, 2, 3):

−1
𝑀 20 = 𝑃 𝐵
𝐸 20
𝐷 𝐸
𝑃𝐵 ,
1 −1 1
𝐴 (1, 2, 3) = 𝑀
20 20 2 = 𝑃 𝐸 𝐷 20 𝑃 𝐸 2 .
   
𝐵 𝐵
3 3
   
   
Do obliczeń potrzebujemy:
2 0 0  20 220 0 0
 𝐸 1 2 0 𝐵  1 −2 0
   
0 20
𝐷 20 = (𝑀 ) = 0 1 0  =  0 1 0 , 𝑃 𝐵 = 0 1 0 , 𝑃 𝐸 =  0 1 0 ,
  
      
0 0 −1  0 0 1 1 0 1 −1 2 1
       
więc przechodząc do obliczeń dostajemy:
1 1 2 0 220 0 0  1 −2 0 1 4 − 3 · 220 
𝐸 20 𝐵 2 = 0 1 0  0 1 0  0 1 0 2 =  2
        
𝑃𝐵 𝐷 𝑃𝐸 ,
3 1 0 1  0 0 1 −1 2 1 3 6 − 3 · 220 
     
        
zatem
𝐴100 (1, 2, 3) = 4 − 3 · 220 , 2, 6 − 3 · 220 .
Zadanie 8 Znaleźć wartości i wektory własne podanych przekształceń C-liniowych:
a) 𝐴 : C2 → C2 , 𝐴(𝑧, 𝑤) = (2𝑧 + 𝑤, −𝑧 + 2𝑤)

Najpierw wyznaczmy macierz przekształcenia C-liniowego 𝐴 w bazach standardowych C2 ,
czyli 𝐸 = {(1, 0), (0, 1)}. Mamy
2 1

𝐴(1, 0) = (2, −1), 𝐴(0, 2) = (1, 2), 𝑀𝐴 = .
−1 2
Następnie używając wyznacznika obliczmy wielomian charakterystyczny:
2−𝜆 1
𝑑𝑒𝑡 ( 𝐴 − 𝜆𝐼) = = 𝜆2 − 4𝜆 + 5.
−1 2 − 𝜆
Po rozwiązaniu równania
𝜆2 − 4𝜆 + 5 = 0
otrzymujemy wartości własne
𝜆1 = 2 + 𝑖, 𝜆 2 = 2 − 𝑖
i odpowiadające im wektory własne:
• dla 𝜆1 = 2 + 𝑖
−𝑖 1 0 −𝑖 1 0

𝑊2 +𝑖𝑊1
−−−−−−→
−1 −𝑖 0 0 0 0
Stąd 𝑏 = 𝑖𝑎 oraz 𝑣 1 = (1, 𝑖).
• dla 𝜆2 = 2 − 𝑖
𝑖 1 0 𝑖 1 0

𝑊2 −𝑖𝑊1
−−−−−−−→
−1 𝑖 0 0 0 0
Stąd 𝑏 = −𝑖𝑎, więc 𝑣 2 = (1, −𝑖).
Odp. 𝜆1 = 2 + 𝑖, 𝜆2 = 2 − 𝑖, 𝑣 1 = (1, 𝑖), 𝑣 2 = (1, −𝑖).

Uwaga: przestrzenie wektorów własnych to odpowiednio
𝑉2+𝑖 = 𝑠𝑝𝑎𝑛C {(1, 𝑖)}, 𝑉2−𝑖 = 𝑠𝑝𝑎𝑛C {(1, −𝑖)},
gdzie 𝑠𝑝𝑎𝑛C oznacza przestrzeń generowaną w sensie zespolonym, tzn.
𝑣 ∈ 𝑠𝑝𝑎𝑛C {𝑣 1 , 𝑣 2 , · · · , 𝑣 𝑛 } ⇐⇒ 𝑣 = 𝛼1 𝑣 1 + 𝛼2 𝑣 2 + · · · + 𝛼𝑛 𝑣 𝑛 , 𝛼1 , 𝛼2 , · · · , 𝛼𝑛 ∈ C.
Zadanie 9 Sprawdzić, czy wektory własne podanego przekształcenia liniowego tworzą bazę
przestrzeni R𝑛 . Jeżeli tak, napisać macierz rozważanego przekształcenia w tej bazie:
e) 𝐴 : R3 → R3 , 𝐴(𝑥, 𝑦, 𝑧) = (𝑧, 𝑦, 𝑦)
Obliczamy macierz odwzorowania 𝐴
0 0 1
𝑀 𝐴 = 0 1 0
 
0 1 0
 
i wyliczamy wartości własne:
𝜆1,2 = 0, 𝜆3 = 1
𝑣 1 = (1, 0, 0), 𝑣 3 = (1, 1, 1).
Mamy 𝜆 1 = 𝜆2 , więc wektory własne nie muszą tworzyć bazy. Co więcej, układ dwóch
wektorów {𝑣 1 , 𝑣 3 } nie może być bazą przestrzeni R3 , bo 𝑑𝑖𝑚 R3 = 3.
f) 𝐴 : R4 → R4 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑥 + 𝑦, 2𝑥 + 2𝑦, 𝑦 − 𝑧 + 𝑡, −2𝑥 + 𝑦 + 𝑡)

1 1 0 0
2 2 0 0

𝑀 𝐴 = 
0 1 −1 1
−2
 1 0 1
i wyliczamy wartości własne i wektory własne:
𝜆1 = 3, 𝜆 2 = −1, 𝜆 3 = 1, 𝜆 4 = 0,
𝑏 1 = (2, 4, 1, 0), 𝑏 2 = (0, 0, 1, 0), 𝑏 3 = (0, 0, 1, 2), 𝑏 4 = (1, −1, 2, 3).

Skoro 𝜆1 ≠ 𝜆2 ≠ 𝜆3 ≠ 𝜆4 , to z twierdzenia o bazie wektorów własnych (s. 18) wektory własne
tworzą bazę
𝐵 = {𝑏 1 , 𝑏 2 , 𝑏 3 , 𝑏 4 }
przestrzeni R4 . Natomiast macierz 𝐴 w tej bazie jest postaci
3 0 0 0
0 −1 0 0
 
0
𝑀𝐴 =  .
0 0 1 0


 
0 0 0 0
 
Uwaga: jeśli zmienimy kolejność wartości własnych, to zmieni się też kolejność wektorów
w bazie oraz macierz przekształcenia w tej bazie, na przykład:
• macierz 𝐴 w bazie {𝑏 1 , 𝑏 3 , 𝑏 2 , 𝑏 4 }:
3 0 0 0
0 1 0 0

0
𝑀 𝐴 =  ,
0 0 −1 0
0 0 0 0

• macierz 𝐴 w bazie {𝑏 2 , 𝑏 3 , 𝑏 4 , 𝑏 1 }:
−1 0 0 0
0 1 0 0

0
𝑀 𝐴 =  .
0 0 0 0
0 0 0 3

6.4 Iloczyny skalarne

Ćwiczenie 1 Udowodnić twierdzenie o własnościach iloczynu skalarnego:
(d) h𝑢, 0i = 0 dla 𝑢 ∈ 𝐸
Dowód: Zauważmy, że dla dowolnego 𝑣 ∈ 𝐸 mamy 0 = 𝑣 − 𝑣. Zatem korzystając z definicji
iloczynu skalarnego (punkty 1-3) dla wektorów 𝑢, 𝑣 ∈ 𝐸 możemy zapisać:
3 1 2
𝐿 = h𝑢, 0i = h𝑢, 𝑣 − 𝑣i = h𝑣 − 𝑣, 𝑢i = h𝑣, 𝑢i + h−𝑣, 𝑢i = h𝑣, 𝑢i − h𝑣, 𝑢i = 0 = 𝑃.
Zadanie 1 Sprawdzić, czy podane funkcje h·, ·i są iloczynami skalarnymi w rozważanych prze-
strzeniach liniowych:
a) h𝑥, 𝑦i = 3𝑥 1 𝑦 1 − 𝑥1 𝑦 2 − 𝑥 2 𝑦 1 + 2𝑥 2 𝑦 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2
Ustalmy wektory 𝑢 = (𝑢 1 , 𝑢 2 ), 𝑣 = (𝑣 1 , 𝑣 2 ), 𝑤 = (𝑤 1 , 𝑤 2 ) ∈ R2 , 𝛼 ∈ R i sprawdźmy kolejne
warunki iloczynu skalarnego:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i:
𝐿 = h𝑢 + 𝑤, 𝑣i = 3(𝑢 1 + 𝑤 1 )𝑣 1 − (𝑢 1 + 𝑤 1 )𝑣 2 − (𝑢 2 + 𝑤 2 )𝑣 1 + 2(𝑢 2 + 𝑤 2 )𝑣 2 =
= 3𝑢 1 𝑣 1 + 3𝑤 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑤 1 𝑣 2 − 𝑢 2 𝑣 1 − 𝑤 2 𝑣 1 + 2𝑢 2 𝑣 2 + 2𝑤 2 𝑣 2 ,
𝑃 = h𝑢, 𝑣i + h𝑤, 𝑣i = 3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 + 3𝑤 1 𝑣 1 − 𝑤 1 𝑣 2 − 𝑤 2 𝑣 1 + 2𝑤 2 𝑣 2 = 𝐿.
2. 𝛼h𝑢, 𝑣i = h𝛼𝑢, 𝑣i:
𝐿 = 𝛼h𝑢, 𝑣i = 𝛼(3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ),
𝑃 = h𝛼𝑢, 𝑣i = 3𝛼𝑢 1 𝑣 1 − 𝛼𝑢 1 𝑣 2 − 𝛼𝑢 2 𝑣 1 + 2𝛼𝑢 2 𝑣 2 = 𝛼(3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ) = 𝐿.
3. h𝑢, 𝑣i = h𝑣, 𝑢i:
𝐿 = h𝑢, 𝑣i = 3𝑢 1 𝑣 1 − 𝑢 1 𝑣 2 − 𝑢 2 𝑣 1 + 2𝑢 2 𝑣 2 ,
𝑃 = h𝑣, 𝑢i = 3𝑣 1 𝑢 1 − 𝑣 1 𝑢 2 − 𝑣 2 𝑢 1 + 2𝑣 2 𝑢 2 = 𝐿.
4. h𝑢, 𝑢i ≥ 0:
Mamy h𝑢, 𝑢i = 3𝑢 21 − 2𝑢 1 𝑢 2 + 2𝑢 22 . Ze względu na np. zmienną 𝑢 1 obliczamy pierwiastki
równania kwadratowego
3𝑢 21 − 2𝑢 1 𝑢 2 + 2𝑢 22 = 0,
czyli
Δ = 4𝑢 22 − 4 · 2𝑢 22 · 3 = −20𝑢 22 ≤ 0.
Zatem jest to parabola skierowana ramionami w górę i zachodzi h𝑢, 𝑢i ≥ 0.
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0 :
”⇒” Niech h𝑢, 𝑢i = 0. Wtedy
−20𝑢 22 = 0 ⇒ 𝑢 2 = 0, 3𝑢 21 = 0 ⇒ 𝑢 = 0.
”⇐” Niech 𝑢 = 0. Wtedy
𝑢 1 = 0, 𝑢 2 = 0 ⇒ h0, 0i = 3 · 0 − 0 − 0 + 2 · 0 = 0.
Zatem jest to iloczyn skalarny.

2 1 𝑦1

d) h𝑥, 𝑦i = 𝑥 1 𝑥 2 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2

1 2 𝑦2
Sprawdźmy kolejne warunki iloczynu skalarnego:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i,
Zauważmy, że warunki addytywności i jednorodności (liniowości), czyli 1.-2., wynikają z
zapisu funkcji w postaci iloczynu macierzy.
2 1

Warunek symetrii 3. jest spełniony, ponieważ podana macierz jest macierzą syme-
1 2
tryczną.
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉:
Niech 𝑢 = (𝑢 1 , 𝑢 2 ) ∈ R2 . Wtedy
h𝑢, 𝑢i = 2𝑢 21 + 2𝑢 1 𝑢 2 + 2𝑢 22 .
Szukamy pierwiastków równania
2𝑢 21 + 2𝑢 1 𝑢 2 + 2𝑢 22 = 0
ze względu na zmienną np. 𝑢 1 i obliczamy
Δ = 4𝑢 22 − 4 · 2𝑢 22 · 2 = −12𝑢 22 ≤ 0.
Jest to parabola skierowana ramionami w górę i zachodzi
h𝑢, 𝑢i ≥ 0.
5. h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0 :
”⇒” Niech h𝑢, 𝑢i = 0. Wtedy
−12𝑢 22 = 0 ⇒ 𝑢 2 = 0, 2𝑢 21 = 0 ⇒ 𝑢 = 0.
”⇐” Niech 𝑢 = 0. Wtedy
𝑢 1 = 0, 𝑢 2 = 0 ⇒ h0, 0i = 2 · 0 + 0 + 0 + 2 · 0 = 0.
Zatem jest to iloczyn skalarny.
1 2 𝑦1

e) h𝑥, 𝑦i = 𝑥1 dla 𝑥 = (𝑥 1 , 𝑥2 ), 𝑦 = (𝑦 1 , 𝑦 2 ) ∈ R2

𝑥2
2 2 𝑦2
Sprawdźmy kolejne warunki iloczynu skalarnego:
1. h𝑢 1 + 𝑢 2 , 𝑣i = h𝑢 1 , 𝑣i + h𝑢 2 , 𝑣i,
Zauważmy, że warunki 1.-2. wynikają z zapisu funkcji w postaci iloczynu macierzy.
1 2

Warunek 3. jest spełniony, ponieważ podana macierz jest macierzą symetryczną.
2 2
4. h𝑢, 𝑢i ≥ 0 dla 𝑢 ∈ 𝑉:
Niech 𝑢 = (𝑢 1 , 𝑢 2 ) ∈ R2 . Wtedy
h𝑢, 𝑢i = 𝑢 21 + 4𝑢 1 𝑢 2 + 2𝑢 22 .
Szukamy pierwiastków równania
𝑢 21 + 4𝑢 1 𝑢 2 + 2𝑢 22 = 0
ze względu na zmienną np. 𝑢 1 i obliczamy
Δ = 16𝑢 22 − 4 · 2𝑢 22 · 1 = 12𝑢 22 ,
√
𝑢 1 = −2𝑢 2 ± 3𝑢 2 .
Zauważmy, że dla 𝑢 1 = −2𝑢 2 dostajemy h𝑢, 𝑢i < 0, więc na tej podstawie wskażmy kontr-
przykład
h(−2, 1), (−2, 1)i = 4 − 8 + 2 = −2 < 0.
Zatem nie jest to iloczyn skalarny.
i) h𝑝, 𝑞i = 𝑝(0)𝑞(0) − 𝑝 0 (0)𝑞 0 (0) dla 𝑝, 𝑞 ∈ R2 [𝑥]

Najwygodniej będzie zapisać to odwzorowanie w postaci iloczynu macierzy.
Dla 𝑝(𝑥) = 𝑝 1 + 𝑝 2 𝑥 + 𝑝 3 𝑥 2 , 𝑞(𝑥) = 𝑞 1 + 𝑞 2 𝑥 + 𝑞 3 𝑥 2 dostajemy:
𝑞1 𝑞2 𝑞3
1 0 0
𝑞 1    𝑞 1 
𝑝 1 ... ... ...
𝑝 3 0 −1 0
   
h𝑝, 𝑞i = 𝑝 1 𝑞 1 − 𝑝 2 𝑞 2 = 𝑝 1 𝑝2 𝑝3  𝑞 2  = 𝑝 1 𝑝2 𝑞 2  .
𝑝 2 ... ... ...  
𝑞 3  0 0 0
 
𝑞 3 
𝑝 3 ... ... ...      
Zauważmy, że zachodzi
h1 + 𝑥, 1 + 𝑥i = 1 − 1 = 0,
ale 1 + 𝑥 ≠ 0. Zatem nie jest to iloczyn skalarny.
Zadanie 2 Obliczyć normę wektorów w podanej przestrzeni euklidesowej 𝑉:

∫1
c) 1, 𝑥, 𝑒 𝑥 ∈ 𝑉 = 𝐶 ( [−1, 1]) z iloczynem skalarnym h 𝑓 , 𝑔i = −1 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥
Obliczamy normy kolejnych wektorów:
√︄ √︂
√︁ ∫ 1 1 √
k1k = h1, 1i = 1𝑑𝑥 = 𝑥 = 2,
−1 −1
√︄ √︂ √︂
1
𝑥3 2
√︁ ∫ 1
k𝑥k = h𝑥, 𝑥i = 𝑥 2 𝑑𝑥 = = ,
−1 3 −1 3
√︄ √︂ √︂
1
𝑒 2𝑥 𝑒 2 𝑒 −2
√︁ ∫ 1
𝑥
k𝑒 k = h𝑒 𝑥 , 𝑒 𝑥 i = 𝑒 2𝑥 𝑑𝑥 = = − .
−1 2 −1 2 2
Zadanie 3 Obliczyć kąt między wektorami w przestrzeni euklidesowej 𝑉:

c) 1, 𝑥 − 1 ∈ 𝑉 = 𝑅1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0)
Najpierw obliczamy normy dwóch wektorów:
√︁ √
k1k = h1, 1i = 1 + 0 = 1,
√︁ √︁ √
k𝑥 − 1k = h𝑥 − 1, 𝑥 − 1i = (−1) 2 + 1 = 2,
następnie ich iloczyn skalarny:
h1, 𝑥 − 1i = 1 · (−1) + 0 · 1 = −1.
Na koniec używamy wzoru na kąt między wektorami:

h𝑢, 𝑣i −1
cos 𝜙 = =√ .
k𝑢k k𝑣k 2
Ćwiczenie 5 Udowodnić tożsamość równoległoboku:

Normy dowolnych dwóch wektorów 𝑢, 𝑣 przestrzeni euklidesowej spełniają równość

2 k𝑢k 2 + k𝑣k 2 = k𝑢 + 𝑣k 2 + k𝑢 − 𝑣k 2 .
Dowód: Zapiszmy prawą stronę równości używając iloczynu skalarnego, tzn. k𝑥k 2 = h𝑥, 𝑥i:
𝑃 = h𝑢 + 𝑣, 𝑢 + 𝑣i + h𝑢 − 𝑣, 𝑢 − 𝑣i =
= h𝑢, 𝑢i + h𝑢, 𝑣i + h𝑣, 𝑢i + h𝑣, 𝑣i +
+ h𝑢, 𝑢i − h𝑢, 𝑣i − h𝑣, 𝑢i + h𝑣, 𝑣i =
= 2h𝑢, 𝑢i + 2h𝑣, 𝑣i = 𝐿
Zadanie 4 Zbadać ortogonalność wektorów w przestrzeni 𝑉:

a) (1, 2, 3), (−3, 3, −1) w 𝑉 = 𝐸 3
h(1, 2, 3), (−3, 3, −1)i = −3 + 6 − 3 = 0

Wektory (1, 2, 3), (−3, 3, −1) są ortogonalne w 𝐸 3 .
d) 1, 𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3)
h1, 𝑥i = 1 · 1 + 1 · 2 + 1 · 3 = 6 ≠ 0
Wektory 1, 𝑥 nie są ortogonalne w przestrzeni R2 [𝑥] z podanym iloczynem skalarnym.
∫1
j) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥
1
1 1
𝑥2 3
∫ ∫
h1, 𝑥 − 2i = 1(𝑥 − 2)𝑑𝑥 = (𝑥 − 2)𝑑𝑥 = − 2𝑥 =− ≠0
0 0 2 0 2
Wektory 1, 𝑥 − 2 nie są ortogonalne w przestrzeni R[𝑥] z podanym iloczynem skalarnym.
∫4
k) 1, 𝑥 − 2 w 𝑉 = R[𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 0
𝑝(𝑥)𝑞(𝑥)𝑑𝑥
4 4 4
𝑥2
∫ ∫
h1, 𝑥 − 2i = 1(𝑥 − 2)𝑑𝑥 = (𝑥 − 2)𝑑𝑥 = − 2𝑥 =0
0 0 2 0
Wektory 1, 𝑥 − 2 są ortogonalne w przestrzeni R[𝑥] z podanym iloczynem skalarnym.
Zadanie 5 Znaleźć wektory ortogonalne do wektora w przestrzeni 𝑉. Wśród takich wektorów

wskazać jeden o normie równej 2.
b) 𝑝 = 2𝑥 − 1 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(2)𝑞(2)
Niech 𝑞(𝑥) = 𝑎 + 𝑏𝑥 ∈ R1 [𝑥] dla pewnych 𝑎, 𝑏 ∈ R.
Obliczamy iloczyn skalarny wektorów 𝑝 i 𝑞:
h𝑝, 𝑞i = −3(𝑎 − 𝑏) + 3(𝑎 + 2𝑏) = 9𝑏
i przyrównujemy go do zera:
h𝑝, 𝑞i = 0 ⇒ 9𝑏 = 0 ⇒ 𝑏 = 0.
Zatem wektory ortogonalne do 𝑝 są postaci
𝑞(𝑥) = 𝑎 + 0𝑥 = 𝑎 · 1,
czyli należą do przestrzeni 𝑠𝑝𝑎𝑛{1} ⊂ R1 [𝑥].

Następnie wśród nich szukamy wektora o normie 2. Mamy 𝑞(𝑥) = 𝑎 · 1, zatem
√︁ √
k𝑞k = h𝑎, 𝑎i = 2𝑎 2 .
Obliczamy √ √
2|𝑎| = 2 ⇒ np. 𝑎 = − 2.
√
Zatem przykładowy wektor to 𝑞(𝑥) = − 2.
c) 𝑝 = 1 + 𝑥 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0)

Niech 𝑞(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ R2 [𝑥] dla pewnych 𝑎, 𝑏, 𝑐 ∈ R.
Obliczamy iloczyn skalarny:
h𝑝, 𝑞i = 1 · 𝑎 + 1 · 𝑏 + 0 · 2𝑐 = 𝑎 + 𝑏
i sprawdzamy, kiedy ten iloczyn jest zerowy:
h𝑝, 𝑞i = 0 ⇒ 𝑎 + 𝑏 = 0 ⇒ 𝑏 = −𝑎.
Zatem wektory ortogonalne do 𝑝 są postaci
𝑞(𝑥) = 𝑎 − 𝑎𝑥 + 𝑐𝑥 2 = 𝑎 · (1 − 𝑥) + 𝑐 · 𝑥 2 ,
czyli należą do przestrzeni 𝑠𝑝𝑎𝑛{1 − 𝑥, 𝑥 2 } ⊂ R2 [𝑥].

Następnie wśród nich szukamy wektora o normie 2. Mamy 𝑞(𝑥) = 𝑎 · (1 − 𝑥) + 𝑏 · 𝑥 2 , zatem
√︁ √
k𝑞k = h𝑎 · (1 − 𝑥) + 𝑏 · 𝑥 2 , 𝑎 · (1 − 𝑥) + 𝑏 · 𝑥 2 i = 2𝑎 2 + 4𝑏 2 .
Obliczamy √
2𝑎 2 + 4𝑏 2 = 2 ⇒ np. 𝑎 = 0, 𝑏 = 1.
Zatem przykładowy wektor to 𝑞(𝑥) = 𝑥 2 .
Wśród takich wektorów wskazać jeden o normie równej 2.
Zadanie 6 Sprawdzić czy podany układ wektorów 𝑣 𝑖 jest bazą ortogonalną (lub ortonormalną)
przestrzeni euklidesowej 𝑉. Znaleźć współrzędne wskazanego wektora 𝑢 w tej bazie:
c) 𝑣 1 = (1, 1, 2), 𝑣 2 = (1, 1, −1), 𝑣 3 = (1, −1, 0), 𝑢 = (2, 1, 3) ∈ 𝑉 = 𝐸 3
Najpierw sprawdzamy, czy układ {𝑣 1 , 𝑣 2 , 𝑣 3 } jest bazą, używając do tego np. wyznacznika
lub rzędu macierzy i stwierdzamy, że jest to baza 𝐸 3 .
Następnie sprawdzamy trzy iloczyny tych wektorów (tzn. każdy z każdym):
h(1, 1, 2), (1, 1, −1)i = 1 + 1 − 2 = 0,
h(1, 1, 2), (1, −1, 0)i = 1 − 1 + 0 = 0,

h(1, 1, −1), (1, −1, 0)i = 1 − 1 + 0 = 0.
Dochodzimy do wniosku, że wektory tworzą bazę i są ortogonalne, więc są bazą ortogo-
nalną.
Sprawdźmy, czy mają długość 1:
√ √
k (1, 1, 2) k = 1 + 1 + 4 = 6 ≠ 1.
Już przy sprawdzeniu pierwszego z nich możemy stwierdzić, że nie jest to baza ortonormalna.
W kolejnej części zadania szukamy współrzędnych wektora 𝑢 = (2, 1, 3) w bazie 𝐵 = {𝑣 1 , 𝑣 2 , 𝑣 3 }.
Użyjemy odpowiedniego wzoru:
h(2, 1, 3), (1, 1, 2)i h(2, 1, 3), (1, 1, −1)i h(2, 1, 3), (1, −1, 0)i 9 1

[𝑢] 𝐵 = , , = , 0, .
k (1, 1, 2) k 2 k (1, 1, −1) k 2 k (1, −1, 0) k 2 𝐵 6 2 𝐵
Uwaga: w ramach sprawdzenia możemy policzyć współrzędne tego wektora używając ma-
cierzy przejścia.
∫1
f) 𝑣 1 = 2, 𝑣 2 = 𝑥, 𝑣 3 = 3𝑥, 𝑢 = 𝑥 + 3 ∈ 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = −1 𝑝(𝑥)𝑞(𝑥)𝑑𝑥
Podane wektory nie tworzą bazy ortogonalnej (ani ortonormalnej) z kilku powodów:
• układ {2, 𝑥, 3𝑥} nie jest bazą R2 [𝑥]:
2 0 0
0 1 3 =0
0 0 0
lub dlatego, że 𝑣 3 = 3𝑣 2 ,
• wektory te nie są ortogonalne, co możemy zauważyć przy wyliczeniu iloczynu
∫ 1
1
h𝑥, 3𝑥i = 3𝑥 2 𝑑𝑥 = 𝑥 3 −1 = 1 − (−1) = 2 ≠ 0.
−1
g) 𝑣 1 = −1, 𝑣 2 = 𝑥, 𝑢 = 4𝑥 + 10 ∈ 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i1 = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0)

Możemy zauważyć, że 𝐵 = {𝑣 1 , 𝑣 2 } jest bazą R1 [𝑥]. Dalej sprawdźmy ortogonalność:
h−1, 𝑥i1 = −1 · 0 + 0 · 1 = 0
oraz normy wektorów w tej przestrzeni:

√︁ √︁
k − 1k = (−1) 2 + (0) 2 = 1, k𝑥k = (0) 2 + (1) 2 = 1.
Zatem 𝐵 = {𝑣 1 , 𝑣 2 } jest bazą ortonormalną R1 [𝑥] z podanym iloczynem skalarnym h·, ·i.
Na koniec zapisujemy współrzędne wektora 𝑢 = 4𝑥 1 0 w bazie 𝐵. W przypadku bazy ortonor-
malnej wzory na współrzędne redukują się do postaci:
𝛼𝑖 = h𝑢, 𝑣 𝑖 i, 1 ≤ 𝑖 ≤ 2,
co daje nam wynik:
[𝑢] 𝐵 = (h4𝑥 + 10, −1i1 , h4𝑥 + 10, 𝑥i1 ) 𝐵 =

= (10 · (−1) + 4 · 0, 10 · 0 + 4 · 1) 𝐵 = (−10, 4) 𝐵
Sprawdzenie: −10𝑣 1 + 4𝑣 2 = −10 · (−1) + 4 · 𝑥 = 4𝑥 + 10.
Zadanie 7 Sprawdzić, czy podana macierz jest ortogonalna:

"√ #
5 2
−
a) 32 √53
3 3
Skorzystamy z twierdzenia"o√ warunkach
# ortogonalności macierzy (s. 28) i pokażemy na sześć
5 2
−
sposobów, że macierz 𝑃 = 23 √53 jest ortogonalna:
3 3
(A) korzystając z definicji, czyli 𝑃 spełnia 𝑃 −1 = 𝑃𝑇 :

Obliczamy macierz odwrotną do 𝑃
" √ # √
1 − √2 √3 0 𝑊2 −𝑊1 1 − √2 0
# 3 " # "
5
−√ 32 1 0 √ 𝑊1 √3 2 5
5
5 5 5 5 9 𝑊2
3 −
− − − −
→ √ − −− −−−→ −−−−−→
2 5
0 1 3
2 𝑊2 1 5
0 2 3 0 9
√ −√ 3 3
2
3 3 2 2 5 5
√ √
1 − √2 √3 0
" # " #
𝑊1 + √2 𝑊2
1 0 5 2
2 5
9 𝑊2 5 5 5
−−−−−→ √ −−−−−−−−→ 3 √3
0 1 − 23 2 6 5 0 1 − 23 35
" √ #
5 2
Zatem 𝑃 −1 = 3 √3
5
= 𝑃𝑇 .
− 23 3
(B) 𝑃𝑃𝑇 = 𝑃𝑇 𝑃 = 𝐼2 :
"√ # "√ # " √ √ #
5
−√ 23 5 2 5
+ 49 √ 2 5
− 295 1 0

𝑃𝑃 =𝑇 3 3 √3 = √9 9 = = 𝐼2 .
2 5
− 23 5 2 5
− 295 4
+ 59 0 1
3 3 3 9 9
"√ # " #
5 2
(C) wektory wierszowe 3 , √3
5 macierzy 𝑃 tworzą bazę ortonormalną przestrzeni 𝐸 2 :
− 23 3
Zauważmy, że 𝑑𝑒𝑡 (𝑃) = 1, więc te wektory są bazą.
Ich iloczyn jest równy: *" √ # " #+
2 √ √
5 2 5 2 5
3 , √ 3
= − = 0,
− 23 3
5
9 9
więc są ortogonalne (uwaga: należy obliczyć iloczyn każdej pary).
Ich normy wynoszą:
"√ # " #
2
√︂ √︂ √︂ √︂
5 5 4 9 4 5 9
3 = + = = 1, √3
= + = = 1.
−32 9 9 9 3
5
9 9 9
Zatem wektory wierszowe 𝑃 tworzą bazę ortonormalną.
"√ # " #
5 −√ 32
(D) wektory kolumnowe 3
2 , 5 macierzy 𝑃 tworzą bazę ortonormalną przestrzeni 𝐸 2 :
3 3
Wyznacznik macierz 𝑃 wynosi 1, więc te wektory są bazą 𝐸 2 .
Ich iloczyn wynosi: *"√ # " #+ √ √
5 −2 2 5 2 5
3 , √3 =− + = 0,
2
3 3
5
9 9
a normy: "√ # " #
−√ 23
√︂ √︂ √︂ √︂
5 5 4 9 4 5 9
3 = + = = 1, = + = = 1,
2
3
9 9 9 3
5
9 9 9
zatem tworzą bazę ortonormalną.
(E) k𝑃𝑋 k = k 𝑋 k dla każdego wektora kolumnowego 𝑋 ∈ 𝐸 2 :
Dla dowolnego 𝑋 = [𝑎 𝑏] 𝑇 mamy:
"√ # "√ #
5 2 5𝑎−2𝑏
− 𝑎
𝑃𝑋 = 32 √53 = 2𝑎+3√5𝑏
𝑏
3 3 3
oraz
"√ √ √
# √︄
5𝑎−2𝑏
3√
( 5𝑎 − 2𝑏) 2 + (2𝑎 + 5𝑏) 2
k𝑃𝑋 k = = =
2𝑎+ 5𝑏 9
3
√ √
√︄ √︂
5𝑎 2 − 4 5𝑎𝑏 + 4𝑏 2 + 4𝑎 2 + 4 5𝑎𝑏 + 5𝑏 2 9𝑎 2 + 9𝑏 2 √ 2
= = = 𝑎 + 𝑏 2 = k 𝑋 k.
9 9
(F) h𝑃𝑋, 𝑃𝑌 i = h𝑋, 𝑌 i dla dowolnych wektorów kolumnowych 𝑋, 𝑌 ∈ 𝐸 2 : Dla dowolnego
𝑋 = [𝑎 𝑏] 𝑇 , 𝑌 = [𝑐 𝑑] 𝑇 mamy:
"√ # "√ # "√ # "√ #
5 2 5𝑎−2𝑏 5 2 5𝑐−2𝑑
− 𝑎 − 𝑐
𝑃𝑋 = 32 √53 = 2𝑎+3√5𝑏 , 𝑃𝑌 = 23 √53 = 2𝑐+3√5𝑑
𝑏 𝑑
3 3 3 3 3 3
oraz
*"√ # "√ #+ √ √ √ √
5𝑎−2𝑏
3√
5𝑐−2𝑑
3√
( 5𝑎 − 2𝑏) ( 5𝑐 − 2𝑑) + (2𝑎 + 5𝑏) (2𝑐 + 5𝑑)
, = =
2𝑎+ 5𝑏 2𝑐+ 5𝑑 9
3 3
√ √ √ √
5𝑎𝑐 − 2 5𝑎𝑑 − 2 5𝑏𝑐 + 4𝑏𝑑 + 4𝑎𝑐 + 2 5𝑎𝑑 + 2 5𝑏𝑐 + 5𝑏𝑑
= =
9
9𝑎𝑐 + 9𝑏𝑑
= = 𝑎𝑐 + 𝑏𝑑 = h𝑋, 𝑌 i.
9
Zadanie 8 Zdiagonalizować ortogonalnie podaną macierz symetryczną 𝐴, wskazując macierz
diagonalną 𝐷 oraz macierz ortogonalną 𝑃. Następnie obliczyć 𝐴𝑛 :
−2 2

a)
2 1
Schemat szukania macierzy 𝐷 i 𝑃 jest następujący:
1) upewniamy się, że macierz 𝐴 jest symetryczna,

2) szukamy wartości własnych macierzy 𝐴,
3) szukamy odpowiadających im wektorów własnych macierzy 𝐴, które tworzą bazę?
4) sprawdzamy, czy baza ta jest ortogonalna,

5) normujemy wektory i wpisujemy je pionowo do macierzy 𝑃 oraz poziomo do 𝑃𝑇 ,
6) tworzymy macierz 𝐷 = 𝑑𝑖𝑎𝑔[𝜆1 , . . . , 𝜆 𝑛 ].
−2 2

Zauważmy, że macierz 𝐴 = jest symetryczna. Jej wartości własne to:
2 1
𝜆1 = −3, 𝜆2 = 2.
Obliczamy wektory własne:
• dla 𝜆1 = −3:
1 2 0

1 2 0 → 𝑥 = −2𝑦 → 𝑣 = (−2𝑦, 𝑦) = 𝑦(−2, 1)

→
2 4 0
• dla 𝜆2 = 2:
−4 2 0

2 −1 0 → 𝑦 = 2𝑥 → 𝑣 = (𝑥, 2𝑥) = 𝑥(1, 2)

→
2 −1 0
Wybieramy wektory wektory własne np. 𝑣¯1 = (−2, 1), 𝑣¯2 = (1, 2). Tworzą one bazę 𝐸 2 .
Następnie obliczamy ich iloczyn:
h(−2, 1), (1, 2)i = −2 + 2 = 0
lub korzystamy z twierdzenia o wektorach własnych macierzy symetrycznej.

Obliczamy też ich normy: √ √
k (−2, 1) k = 5, k (1, 2) k = 5
i, jeśli potrzeba, normujemy wektory, otrzymując
(−2, 1) (1, 2)
𝑣1 = √ , 𝑣2 = √ .
5 5
Otrzymaliśmy bazę ortonormalną oraz macierze:
√
−3 0 5 −2 1

𝐷= , 𝑃=
0 2 5 1 2
i możemy zapisać
√ √
−2 2 5 −2 1 −3 0 5 −2 1

𝑇
𝐴= = 𝑃𝐷𝑃 = .
2 1 5 1 2 0 2 5 1 2
Natomiast potęga 𝑛-ta macierzy 𝐴 wynosi:

√ √
−2 2 5 −2 1 (−3) 𝑛 0 5 −2 1
𝑛
𝑛 𝑛 𝑇
𝐴 = = 𝑃𝐷 𝑃 = =
2 1 5 1 2 0 2𝑛 5 1 2
1 4 · (−3) 𝑛 + 2𝑛 −2 · (−3) 𝑛 + 2 · 2𝑛

= .
5 −2 · (−3) 𝑛 + 2 · 2𝑛 (−3) 𝑛 + 4 · 2𝑛
 2 0 −1
i)  0 1 0 
 
−1 0 2 
 
 2 0 −1
Zauważmy, że macierz 𝐴 =  0 1 0  jest symetryczna. Jej wartości własne to:
 
−1 0 2 
 
𝜆 1 = 3, 𝜆 2,3 = 1.
Obliczamy wektory własne:
• dla 𝜆1 = 3:
 −1 0 −1 0
−1 0 −1 0

 0 −2 0 0
 
 →
 −1 0 −1 0
 
 0 −2 0 0
 
𝑥 = −𝑧, 𝑦 = 0 → 𝑣 = (−𝑧, 0, 𝑧) = 𝑧(−1, 0, 1)
• dla 𝜆2,3 = 1:
 1 0 −1 0

 0 0 0 0 1 0 −1 0
 
 →
 −1 0 1 0
 

 
𝑥 = 𝑧, 𝑦 ∈ R → 𝑣 = (𝑥, 𝑦, 𝑥) = 𝑥(1, 0, 1) + 𝑦(0, 1, 0)
Wybieramy wektory wektory własne np. 𝑣¯1 = (−1, 0, 1), 𝑣¯2 = (1, 0, 1), 𝑣¯3 = (0, 1, 0). Zbadajmy
ich iloczyny:
h(−1, 0, 1), (1, 0, 1)i = −1 + 1 = 0,
h(1, 0, 1), (0, 1, 0)i = 0,
h(1, 0, 1), (0, 1, 0)i = 0.
Uwaga: zachodzi 𝜆2 = 𝜆3 , więc nie można było skorzystać z odpowiedniego twierdzenia.
Następnie obliczamy normy tych wektorów:
√ √
k (1, 0, 1) k = 2, k (−1, 0, 1) k = 2, k (0, 1, 0) k = 1
i normujemy je:
(1, 0, 1) (−1, 0, 1)
𝑣1 = √ , 𝑣2 = √ , 𝑣 3 = (0, 1, 0).
2 2
Możemy więc zapisać:
√ √ √ √
 2 0 −1  2 − 2 0 3 0 0  2√ 0 √2 
 2 2   2 2
𝐴 =  0 1 0  = 𝑃𝐷𝑃 =  √0 0 1 0 1 0 − 2 0

  𝑇 2 ,
   
√ 2 2
−1 0 2   0 0 1  0
 2 2
0 1 0
   

   2 2   
√ √ √ √
 2 − 2 0 3𝑛 0 0  2 0
1  1 √ √2

0 0 1 0 1 0

 2 − 2 0 2 =
𝑛 𝑛 𝑇
𝐴 = 𝑃𝐷 𝑃 = √    
2 √
2 0  0 0 1   0

 2 1 0 
   
 2 · 3𝑛 + 2 0 2 · 3𝑛 − 2
1 
0 1 0

=  .
4
2 · 3 − 2 0 2 · 3 + 2 

𝑛 𝑛 
Zadanie 9 Stosując metodę Grama-Schmidta zortogonalizować podane wektory we wskazanej

przestrzeni euklidesowej:
a) 𝑢 1 = (1, 0, 1), 𝑢 2 = (1, 0, −1), 𝑢 3 = (1, 1, 1) ∈ 𝐸 3
Zauważmy, że h𝑢 1 , 𝑢 2 i = 0, zatem bez liczenia możemy przyjąć:
𝑣 1 = 𝑢1 , 𝑣 2 = 𝑢2 ,
bo po użyciu ortogonalizacji Grama-Schmidta dostajemy:
𝑣 1 = (1, 0, 1) = 𝑢 1
h (1,0,−1) , (1,0,1) i
𝑣 2 = (1, 0, −1) − k (1,0,1) k 2
(1, 0, 1) = (1, 0, −1) − 02 (1, 0, 1) = (1, 0, −1) = 𝑢 2
h (1,1,1), (1,0,1) i h (1,1,1), (1,0,−1) i

𝑣 3 = (1, 1, 1) − k (1,0,1) k 2
(1, 0, 1) − k (1,0,−1) k 2
(1, 0, −1) =
= (1, 1, 1) − 22 (1, 0, 1) − 20 (1, 0, −1) = (0, 1, 0)

Sprawdzenie: można pokazać, że
h𝑣 𝑖 , 𝑣 𝑗 i = 0, 𝑖 ≠ 𝑗,
tzn.
h𝑣 1 , 𝑣 2 i = 0, h𝑣 1 , 𝑣 3 i = 0, h𝑣 2 , 𝑣 3 i = 0.
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4
Mamy:
𝑣 1 = (1, 2, −1, 0) = 𝑢 1
h (2,1,−1,1), (1,2,−1,0) i
𝑣 2 = (2, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0) =
= (2, 1, −1, 1) − 56 (1, 2, −1, 0) = 61 (7, −4, −1, 6)

h (1,1,−1,1), (1,2,−1,0) i
𝑣 3 = (1, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,1,−1,1), 61 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6) =
10
= (1, 1, −1, 1) − 46 (1, 2, −1, 0) − 6
17 6 (7, −4, −1, 6)
1
=
6
17 (−6, 1, −4, 7)
1
=
h (1,0,0,2) , (1,2,−1,0) i
𝑣 4 = (1, 0, 0, 2) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,0,0,2), 16 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6)+
1
h (1,0,0,2), 17 (−6,1,−4,7) i 1
− 1
k 17 (−6,1,−4,7) k 2 17 (−6, 1, −4, 7) =
= (1, 0, 0, 2) − 16 (1, 2, −1, 0) − 102 (7, −4, −1, 6)+

19
8
− 102 (−6, 1, −4, 7) = 31 (0, 1, 2, 1)
Dla ułatwienia obliczeń możemy pomijać ułamki w poszczególnych krokach w następujący

sposób:
𝑣 1 = (1, 2, −1, 0) = 𝑢 1
h (2,1,−1,1), (1,2,−1,0) i
𝑣¯2 = (2, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0) =
= (2, 1, −1, 1) − 56 (1, 2, −1, 0) = 61 (7, −4, −1, 6)
𝑣 2 = (7, −4, −1, 6)
h (1,1,−1,1), (1,2,−1,0) i
𝑣¯3 = (1, 1, −1, 1) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,1,−1,1), 61 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6) =
10
= (1, 1, −1, 1) − 46 (1, 2, −1, 0) − 6
17 6 (7, −4, −1, 6)
1
=
6
17 (−6, 1, −4, 7)
1
=
𝑣 3 = (−6, 1, −4, 7)
h (1,0,0,2), (1,2,−1,0) i
𝑣¯4 = (1, 0, 0, 2) − k (1,2,−1,0) k 2
(1, 2, −1, 0)+
h (1,0,0,2), 16 (7,−4,−1,6) i 1
− k 16 (7,−4,−1,6) k 2 6 (7, −4, −1, 6)+
1
h (1,0,0,2), 17 (−6,1,−4,7) i 1
− 1
k 17 (−6,1,−4,7) k 2 17 (−6, 1, −4, 7) =
= (1, 0, 0, 2) − 16 (1, 2, −1, 0) − 102 (7, −4, −1, 6)+

19
8
− 102 (−6, 1, −4, 7) = 31 (0, 1, 2, 1)
𝑣 4 = (0, 1, 2, 1)
e) 𝑢 1 = 2 − 𝑥, 𝑢 2 = 2𝑥 − 𝑥 2 , 𝑢 3 = 𝑥 2 ∈ R2 [𝑥] z iloczynem skalarnym

h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1)
Korzystając z ortogonalizacji dostajemy:
𝑣 1 = 𝑥 2 = 𝑢3
h2− 𝑥, 𝑥 2 i 2
𝑣2 = 2 − 𝑥 − k 𝑥2 k 2
𝑥 = 2 − 𝑥 − 24 𝑥 2 = 2 − 𝑥 − 2𝑥 2
h2𝑥− 𝑥 2 , 𝑥 2 i 2 h2𝑥− 𝑥 2 ,2− 𝑥−2𝑥 2 i

𝑣¯3 = 2𝑥 − 𝑥 2 − k 𝑥2 k 2
𝑥 − k2− 𝑥−2𝑥 2 k 2
(2 − 𝑥 − 2𝑥 2 ) =
= 2𝑥 − 𝑥 2 − −2 2
2 𝑥 − −4
6 (2 − 𝑥 − 2𝑥 2 ) = 34 (1 + 𝑥 − 𝑥 2 )
𝑣3 = 1 + 𝑥 − 𝑥2
Wykonajmy sprawdzenie:
h𝑥 2 , 2 − 𝑥 − 2𝑥 2 i = 1 · 1 + 0 · 2 + 1 · (−1) = 0,
h𝑥 2 , 1 + 𝑥 − 𝑥 2 i = 1 · (−1) + 0 · 1 + 1 · 1 = 0,
h1 + 𝑥 − 𝑥 2 , 2 − 𝑥 − 2𝑥 2 i = (−1) · 1 + 1 · 2 + 1 · (−1) = 0.
Zadanie 10 Znaleźć bazy ortonormalne przestrzeni euklidesowej 𝐸 i podać współrzędne wek-
tora 𝑢 w tej bazie:
a) 𝐸 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 𝑧 = 4𝑥 − 𝑦}, 𝑢 = (1, 0, 1)
Możemy zapisać:
𝑧 = 4𝑥 − 𝑦 ⇒ 𝑥 = 𝑥, 𝑦 = 𝑦, 𝑧 = 4𝑥 − 𝑦.
Zatem wektory w podanej przestrzeni są postaci:
𝐸 3 3 (𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 4𝑥 − 𝑦) = 𝑥(1, 0, 4) + 𝑦(0, 1, −1).
Możemy zapisać tę przestrzeń w postaci
𝐸 3 = 𝑠𝑝𝑎𝑛{(1, 0, 4), (0, 1, −1)}.
Następnie sprawdzamy ortogonalność wektorów ją rozpinających:
h(1, 0, 4), (0, 1, −1)i = −4.
Skoro nie są ortogonalne, to je ortogonalizujemy:
𝑣 1 = (1, 0, 4)
h (0,1,−1), (1,0,4) i
𝑣 2 = (0, 1, −1) − k (1,0,4) k 2
(1, 0, 4) = (0, 1, −1) − 17 (1, 0, 4)
−4
= 17 (4, 17, −1)
1
Następnie dzielimy wektory przez ich długość, by otrzymać bazę ortonormalną:

1 1

𝑊 = 𝑤 1 = √ (1, 0, 4), 𝑤 2 = √ (4, 17, −1) .
17 3 34
Zapis wektora 𝑢 = (1, 0, 1) w bazie 𝑊 obliczymy z twierdzenia o bazie ortogonalnej (s. 27):
1 1

𝑢 = h𝑢, 𝑤 1 i𝑤 1 + h𝑢, 𝑤 2 i𝑤 2 = (1, 0, 1), √ (1, 0, 4) 𝑤 1 + (1, 0, 1), √ (4, 17, −1) 𝑤 2 =
17 3 34
5 1 5 1

= √ 𝑤1 + √ 𝑤2 = √ , √ 𝑤2 .
17 34 17 34 𝑊
∫ 𝜋
f) 𝐸 = 𝑠𝑝𝑎𝑛 {𝑥, 𝑠𝑖𝑛(𝑥)} z iloczynem skalarnym h 𝑓 , 𝑔i = 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥, 𝑢 = 3𝑥
0
Użyjemy ortogonalizacji Grama-Schmidta:
𝑣1 = 𝑥
h𝑠𝑖𝑛(𝑥), 𝑥i
𝑣 2 = 𝑠𝑖𝑛(𝑥) − 𝑥 =
k𝑥k 2
∫𝜋
𝑥𝑠𝑖𝑛(𝑥)𝑑𝑥
= 𝑠𝑖𝑛(𝑥) − 0 ∫ 𝜋 𝑥 =
0
𝑥 2 𝑑𝑥
𝜋 3𝑥
= 𝑠𝑖𝑛(𝑥) − 𝑥 = 𝑠𝑖𝑛(𝑥) −
𝜋 3 /3 𝜋2
Następnie obliczamy ich normy:

√︄∫ √︂
𝜋
𝜋3
k𝑥k = 𝑥 2 (𝑥)𝑑𝑥 = ,
0 3
√︄ 2 √︂
3 3 𝜋2 − 6
∫ 𝜋
𝑠𝑖𝑛(𝑥) − 2 𝑥 = 𝑠𝑖𝑛(𝑥) − 2 𝑥 𝑑𝑥 = .
𝜋 0 𝜋 2𝜋
i wyznaczamy układ ortonormalny, dzieląc wektory ortogonalne przez ich normy:
( )
3 2𝜋 3𝑥
√︂ √︂
𝑊 = 𝑤1 = 𝑥, 𝑤 2 = 𝑠𝑖𝑛(𝑥) − 2 .
𝜋3 𝜋2 − 6 𝜋
Korzystając z twierdzenia o bazie ortogonalnej (s. 27) wyliczamy zapis wektora 𝑢 = 3𝑥 w

bazie 𝑊:
* √︂ + * √︂ +
3 2𝜋 3𝑥

𝑢 = h𝑢, 𝑤 1 i𝑤 1 + h𝑢, 𝑤 2 i𝑤 2 = 3𝑥, 𝑥 𝑤 1 + 3𝑥, 𝑠𝑖𝑛(𝑥) − 2 𝑤 2 = ...
𝜋3 𝜋2 − 6 𝜋
Jednak w tym przypadku można krócej, jeśli zauważymy:

√︂
3
√︂
𝜋3
𝑢 = 3𝑥 = 3 · 𝑥,
3 𝜋3
to od razu możemy zapisać
√︂ √︂ !
𝜋3 𝜋3
𝑢=3 𝑤 1 + 0𝑤 2 = 3 ,0 .
3 3
𝑊
Zadanie 11 Stosując metodę macierzową zortogonalizować podane wektory i porównać wyniki

z metodą Grama-Schmidta (zadanie 9).
a) 𝑢 1 = (1, 0, 1), 𝑢 2 = (1, 0, −1), 𝑢 3 = (1, 1, 1) ∈ 𝐸 3

Na początek tworzymy macierz z wektorów zapisanych pionowo:
1 1 1
𝐴 = 0 0 1 .
 
1 −1 1
 
Następnie wykonujemy mnożenie

1 0 1  1 1 1 2 0 2
𝐴 𝐴 = 1 0 −1 0 0 1 = 0 2 0
𝑇
    
1 1 1  1 −1 1 2 0 3
    
Po zapisaniu macierzy 𝐴𝑇 𝐴 z dołączoną macierzą 𝐴 dodajemy do siebie odpowiednie wier-
sze:
 2 0 2 1 0 1   2 0 2 1 0 1 
𝑊3 −𝑊1
 0 2 0 1 0 −1  −−−−−−→  0 2 0 1 0 −1 
  
 2 0 3 1 1 1   0 0 1 0 1 0 
  
  
Otrzymaliśmy po lewej macierz górnotrójkątną, więc kończymy przekształcenia. W wyniku

użycia metody macierzowej dostaliśmy wektory
𝑣 1 = (1, 0, 1), 𝑣 2 = (1, 0, −1), 𝑣 3 = (0, 1, 0).
Są to identyczne wyniki jak te z zadania 9).
Uwaga: zauważmy, że duży wpływ na ostateczne wyniki ma kolejność wpisania wektorów

w macierzy 𝐴.
d) 𝑢 1 = (1, 2, −1, 0), 𝑢 2 = (2, 1, −1, 1), 𝑢 3 = (1, 1, −1, 1), 𝑢 4 = (1, 0, 0, 2) ∈ 𝐸 4
Z podanych wektorów tworzymy macierz
1 2 1 1
2 1 1 0

𝐴 =  .
−1 −1 −1 0
0 1 1 2

Wykonujemy mnożenie
1 2 −1 0  1 2 1 1 6 5 4 1
2 1 −1 1  2 1 1 0 5 7 5 4

𝑇
 
𝐴 𝐴 =  = ,
1 1 −1 1 −1 −1 −1 0 4 5 4 3
1 0 0 2  0 1 1 2 1 4 3 5

a następnie dla macierzy 𝐴𝑇 𝐴 z dołączoną macierzą 𝐴 dodajemy wiersze:

 6 5 4 1 1 2 −1 0  𝑊2 −5/6𝑊1  6 5 4 1 1 2 −1 0 
5 7 5 4 2 1 −1 1  𝑊3 −4/6𝑊1 0 1
  
  17/6 10/6 19/6 7/6 −4/6 −1/6 
−−−−−−−−→  −→
4 5 4 3 1 1 −1 1  𝑊4 −1/6𝑊1 0 1
 
  10/6 8/6 14/6 2/6 −2/6 −2/6 
  

 1 4 3 5 1 0 0 2  
 0 19/6 14/6 29/6 5/6 −2/6 1/6 2 

 6 5 4 1 1 2 −1 0 
0 1
 
𝑊4 − 19/17𝑊2 
17/6 10/6 19/6 7/6 −4/6 −1/6  𝑊4 −8/6𝑊3
−−−−−− −−−−→   −−−−−−−−→
𝑊3 − 10/17𝑊2  0 0 6/17 8/17 −6/17 1/17 −4/17 7/17 


 0 0 8/17 22/17 −8/17 7/17 6/17 15/17 

 6 5 4 1 1 2 −1 0 
𝑊4 − 8/6𝑊3  0 17/6 10/6 19/6 1 

7/6 − 4/6 −1/6
−−−−−−−−→ 
 0 0 /17 /17 − /17 /17 − /17
6 8 6 1 4 7/17 

 0 0 0 2/3 0 1/3 2/3 1/3 
 
Zatem otrzymujemy wektory
7 2 1 6 1 4 7 1 2 1

𝑣 1 = (1, 2, −1, 0) , 𝑣 2 = , − , − , 1 , 𝑣 3 = − , , − , , 𝑣 4 = 0, , , ,
6 3 6 17 17 17 17 3 3 3
takie jak w zadaniu 9).
Zadanie 12 Sprawdzić, czy podany wektor 𝑣 jest ortogonalny do wskazanej podprzestrzeni

euklidesowej 𝐸:
a) 𝐸 0 = {(𝑎 + 𝑏, 𝑎 − 𝑏, 𝑎 + 𝑏 + 𝑐, 𝑎 + 𝑏 − 𝑐) : 𝑎, 𝑏, 𝑐 ∈ R}, 𝑣 = (0, 0, 2, −2) ∈ 𝐸 4

Zauważmy, że
(𝑎 + 𝑏, 𝑎 − 𝑏, 𝑎 + 𝑏 + 𝑐, 𝑎 + 𝑏 − 𝑐) = 𝑎(1, 1, 1, 1) + 𝑏(1, −1, 1, 1) + 𝑐(0, 0, 1, −1).
Zatem możemy zapisać
𝐸 0 = 𝑠𝑝𝑎𝑛{(1, 1, 1, 1), (1, −1, 1, 1), (0, 0, 1, −1)}.
Obliczmy teraz iloczyny skalarne 𝑣 z wektorami rozpinającymi 𝐸 0 :
h(0, 0, 2, −2), (1, 1, 1, 1)i = 2 − 2 = 0, h(0, 0, 2, −2), (1, −1, 1, 1)i = 2 − 2 = 0,
h(0, 0, 2, −2), (0, 0, 1, −1)i = 2 + 2 = 4 ≠ 0.

Skoro przynajmniej jeden z tych iloczynów jest niezerowy, to wektor 𝑣 nie jest ortogonalny
do podprzestrzeni 𝐸 0 .
d) 𝐸 0 = R1 [𝑥], 𝑣 = 𝑥 2 − 2𝑥 ∈ R2 [𝑥] z iloczynem skalarnym

h𝑝, 𝑞i = 𝑝(−1)𝑞(−1) + 𝑝(0)𝑞(0) + 𝑝(1)𝑞(1)
Mamy
𝐸 0 = 𝑠𝑝𝑎𝑛{1, 𝑥},
więc obliczmy iloczyny 𝑣 z wektorami generującymi 𝐸 0 :
h𝑥 2 − 2𝑥, 1i = 3 + 0 − 1 = 2 ≠ 0, h𝑥 2 − 2𝑥, 𝑥i = −3 + 0 − 1 = −4 ≠ 0.
Zatem wektor 𝑣 nie jest ortogonalny do podprzestrzeni 𝐸 0 .
Zadanie 13 Znaleźć rzuty ortogonalne podanego wektora na wskazaną podprzestrzeń 𝐸 0 prze-

strzeni euklidesowej:
a) 𝐸 0 = {(𝑥, 𝑦, 𝑧) ∈ 𝐸 3 : 𝑥 = 2𝑦 = 4𝑧}, 𝑢 = (1, 1, 1) ∈ 𝐸 3

Mamy:
𝐸 0 = 𝑠𝑝𝑎𝑛{𝑒 = (4, 2, 1)}.
Zadanie można wykonać na 2 sposoby:
• z definicji rzutu ortogonalnego (s. 32)

𝑢 0 = (4𝑎, 2𝑎, 𝑎) ∈ 𝐸 0 , zatem sprawdźmy, czy h𝑢 − 𝑢 0 , 𝑒i = 0:
h(1 − 4𝑎, 1 − 2𝑎, 1 − 𝑎), (4, 2, 1)i = 4 − 16𝑎 + 2 − 4𝑎 + 1 − 𝑎 = 7 − 21𝑎

1
7 − 21𝑎 = 0 ⇒ 𝑎 =
3
Stąd 𝑢 0 = 4 2 1
jest rzutem wektora 𝑢 na 𝐸 0 .

3, 3, 3
• z twierdzenia o istnieniu i jednoznaczności rzutu ortogonalnego (s. 32)
Zauważmy, że {(4, 2, 1)} jest bazą ortogonalną 𝐸 0 (trywialne). Zatem skorzystamy ze
wzoru
h(1, 1, 1), (4, 2, 1)i 7 1
𝑢0 = (4, 2, 1) = (4, 2, 1) = (4, 2, 1)
k (4, 2, 1) k 2 21 3
Dostaliśmy, że 𝑢 0 = 3 , 3 , 3 jest rzutem wektora 𝑢 na 𝐸 0 .
4 2 1

Uwaga: gdyby baza nie była ortogonalna, to możemy obliczyć rzut z definicji lub
zortogonalizować bazę i obliczyć rzut z twierdzenia.
∫ 2𝜋
g) 𝐸 0 = 𝑠𝑝𝑎𝑛{𝑥, cos(𝑥)}, 𝑢 ≡ 1 ∈ 𝐶 ( [0, 2𝜋]) z iloczynem skalarnym h 𝑓 , 𝑔i = 0
𝑓 (𝑥)𝑔(𝑥)𝑑𝑥
Zadanie można wykonać na 2 sposoby:
• z definicji rzutu ortogonalnego

Mamy wektory bazowe 𝑒 1 = 𝑥, 𝑒 2 = 𝑐𝑜𝑠(𝑥) przestrzeni 𝐸 0 , więc 𝑢 0 jest postaci:
𝑢 0 = 𝑎𝑥 + 𝑏𝑐𝑜𝑠(𝑥) ∈ 𝐸 0 .
Sprawdźmy zatem, czy ∀𝑖 ∈ {1,2} h𝑢 − 𝑢 0 , 𝑒 𝑖 i = 0:

2𝜋
2𝜋 2
∫
h1 − 𝑎𝑥 − 𝑏𝑐𝑜𝑠(𝑥), 𝑥i = 𝑥 − 𝑎𝑥 2 − 𝑏𝑥𝑐𝑜𝑠(𝑥) 𝑑𝑥 = (3 − 4𝜋𝑎)
0 3
∫ 2𝜋
h1 − 𝑎𝑥 − 𝑏𝑐𝑜𝑠(𝑥), 𝑐𝑜𝑠(𝑥)i = 𝑐𝑜𝑠(𝑥) (1 − 𝑎𝑥 − 𝑏𝑐𝑜𝑠(𝑥)) 𝑑𝑥 = −𝜋𝑏
0
Zapisujemy i rozwiązujemy układ równań:
3
2 𝜋2
3 (3 − 4𝜋𝑎) = 0

⇒ (𝑎, 𝑏) = ,0 .
−𝜋𝑏 = 0 4𝜋
Ostatecznie 𝑢 0 = 3
4𝜋 𝑥 jest rzutem wektora 𝑢 na 𝐸 0 .
• z twierdzenia o istnieniu i jednoznaczności rzutu ortogonalnego
Możemy zauważyć, że {𝑥, 𝑐𝑜𝑠(𝑥)} jest bazą ortogonalną 𝐸 0 , ponieważ:
∫ 2𝜋
𝑥𝑐𝑜𝑠(𝑥)𝑑𝑥 = 0.
0
Zatem korzystamy ze wzoru

h1, 𝑥i h1, 𝑐𝑜𝑠(𝑥)i
𝑢0 = 2
𝑥+ 𝑐𝑜𝑠(𝑥) =
k𝑥k k𝑐𝑜𝑠(𝑥) k 2
∫ 2𝜋 ∫ 2𝜋
0
𝑥𝑑𝑥 𝑐𝑜𝑠(𝑥)𝑑𝑥
= ∫ 2𝜋 𝑥 + ∫ 02 𝜋 𝑐𝑜𝑠(𝑥) =
𝑥 2 𝑑𝑥 𝑐𝑜𝑠 2 (𝑥)𝑑𝑥
0 0
2𝜋 2 0 3
= 𝑥 + ∫ 2𝜋 𝑐𝑜𝑠(𝑥) = 𝑥
8 3
3𝜋 𝑐𝑜𝑠2 (𝑥)𝑑𝑥 4𝜋
0
Stąd 𝑢 0 = 3
4𝜋 𝑥 jest rzutem wektora 𝑢 na 𝐸 0 .
Zadanie 14 Znaleźć rzuty ortogonalne podanego wektora na podprzestrzeń 𝐸 0 o wskazanej

bazie ortogonalnej:
a) 𝐸 0 = 𝑠𝑝𝑎𝑛{(1, 2, 1, 0), (1, 0, −1, 0)} ⊂ 𝐸 4 , 𝑢 = (1, 1, 1, 1)

Uwaga: warto upewnić się, że podana baza jest ortogonalna.
Korzystamy ze wzoru
1 1 1  1  2/3
h(1, 1, 1, 1), (1, 2, 1, 0)i 2 h(1, 1, 1, 1), (1, 0, −1, 0)i  0  4 2 0  0  4/3
         
1 +
𝑢0 =   =  +   =  .
k (1, 2, 1, 0) k 2 k (1, 0, −1, 0) k 2 −1 6 1 2 −1 2/3
         
0 0 0 0 0
         
Ostatecznie 𝑢 0 = 23 (1, 2, 1, 0) jest rzutem wektora 𝑢 na 𝐸 0 .
d) 𝐸 0 = 𝑠𝑝𝑎𝑛{1, 2𝑥 − 1} ⊂ R[𝑥] z iloczynem skalarnym określonym wzorem

∫1
< 𝑝, 𝑞 >= 0 𝑝(𝑥)𝑞(𝑥)𝑑𝑥, 𝑝(𝑥) = 𝑥 2
Korzystając z twierdzenia dostajemy
h𝑥 2 , 1i h𝑥 2 , 2𝑥 − 1i
𝑢0 = 1 + (2𝑥 − 1) =
k1k 2 k2𝑥 − 1k 2
∫1 ∫1
0
𝑥 2 𝑑𝑥 0
(2𝑥 3 − 𝑥 2 )𝑑𝑥
= ∫1 1+ ∫ 1 (2𝑥 − 1) =
0
𝑑𝑥 0
(4𝑥 2 − 2𝑥 + 1)𝑑𝑥
1/3 1/6 5 𝑥
= 1+ (2𝑥 − 1) = +
1 4/3 24 4
Zatem 𝑢 0 = 5
24 + 𝑥
4 jest rzutem wektora 𝑢 na 𝐸 0 .
Zadanie 15 Wyznaczyć ”najlepsze rozwiązanie” sprzecznego układu równań:

𝑥 + 2𝑦 = 3

a)
3𝑥 + 6𝑦 = 4
Sprawdzamy wyznacznik macierzy:
1 2
| 𝐴| = = 6 − 6 = 0,
3 6
więc układ jest sprzeczny. Obliczamy prawą i lewą stronę:
1 3 1 2 10 20

𝑇
𝐴 𝐴= =
2 6 3 6 20 40
1 3 3 15

𝐴𝑇 𝑏 = =
2 6 4 30
Zatem musimy rozwiązać:
10 20 15 𝑊2 −2𝑊1 10 20 15 𝑊1 /5 2 4 3

−−−−−−−→ −−−−→
20 40 30 0 0 0 0 0 0
Mamy 2𝑥 + 4𝑦 = 3, więc 𝑥 = −2𝑦 + 1.5, czyli dostajemy:
1.5 1.5

𝑥 −2 𝑥 −2
= +𝑦 , co możemy zapisać jako = +𝛼 , 𝛼 ∈ R.
𝑦 0 1 𝑦 0 1
 𝑥 1 + 2𝑥 2 + 𝑥 3 = −2


b) − 𝑥2 + 𝑥3 = 2

 𝑥 1 + 𝑥 2 + 2𝑥 3 = 12


Upewniamy się, że układ jest sprzeczny, sprawdzając wyznacznik macierzy:
1 2 1
| 𝐴| = 0 −1 1 = 0.
1 1 2
Obliczamy prawą i lewą stronę:
1 0 1 1 2 1 2 3 3
𝐴 𝐴 = 2 −1 1 0 −1 1 = 3 6 3
𝑇
     
1 1 2 1 1 2 3 3 6
   
     
1 0 1 −2 10
𝐴 𝑏 = 2 −1 1 2 = 6
𝑇
     
1 1 2  12  24
   
     
Następnie używając eliminacji Gaussa-Jordana rozwiązujemy układ równań:
 2 3 3 10   2 3 3 10 
 𝑊1 ↔𝑊3  1 2 1 2  𝑊3 −𝑊1
 
 3 /3
 3 6 3 6  −𝑊  1 2 1 2  −−−−−−−→  2 3 3 10  −−−−−−→
 
 −−−→
 3 3 6 24  𝑊2 /3  1 1 2 8   1 1 2 8  𝑊2 −2𝑊1
    
     
 1 2 1 2 
 𝑊1 +2𝑊2  1 0 3 14 

𝑊3 −𝑊1
−−−−−−→  0 −1 1 6  −−−−−−−→  0 −1 1 6 

 
𝑊2 −2𝑊1   𝑊3 −𝑊2  0
 0 −1 1 6   0 0 0 
𝑥 + 3𝑥3 = 14 𝑥 = 14 − 3𝑥 3

Mamy 1 , więc możemy zapisać 1 . Zatem odpowiedź będzie postaci:
−𝑥 2 + 𝑥 3 = 6 𝑥 2 = −6 + 𝑥 3
 14  −3
x = −6 + 𝛼  1  , 𝛼 ∈ R.
   
0 1
   
 𝑥1

 = 3
c) 𝑥 1 + 𝑥 2 = 4

 𝑥 1 + 2𝑥 2 = 1


1 0
1 1 1  3 3

1 1 =
𝑇

𝐴 𝐴=
0 1 2  3 5

1 2

3
1 1 1   8

𝐴 𝑏= 4 =
𝑇
0 1 2   6
1
Zatem rozwiązujemy układ równań metodą Gaussa-Jordana:
3 3 8 𝑊2 −𝑊1 3 3 8 3 3 8

𝑊2 /2 𝑊1 −3𝑊2
−−−−−−→ −−−−→ −−−−−−−→
3 5 6 0 2 −2 0 1 −1
3 0 11 1 0 11

𝑊1 −3𝑊2 𝑊1 /3
−−−−−−−→ −−−−→ 3
0 1 −1 0 1 −1
11
Dostajemy odpowiedź: x = 3 .
−1
 2𝑥 1 = 1


d) 𝑥2 = 2

 2𝑥 1

+ 2𝑥 2 = 3

2 0
2 0 2 0 1 = 8 4

𝑇
 
𝐴 𝐴=
0 1 2 2 2
  4 5
 

1
2 0 2 2 = 8

𝑇
 
𝐴 𝑏=
0 1 2 3
  8
 
Następnie rozwiązujemy układ równań:
8 4 8 𝑊1 /2 4 2 4 𝑊2 −𝑊1 4 2 4 𝑊2 /3

−−−−→ −−−−−−→ −−−−→
4 5 8 4 5 8 0 3 4
4 2 4 4 0 4/3 𝑊1 /4 1 0 1/3

𝑊2 /3 𝑊1 −2𝑊2
−−−−→ −−−−−−−→ −−−−→
0 1 4/3 0 1 4/3 0 1 4/3

1/3
Dostajemy odpowiedź: x = 4 .
/3
Zadanie 16 Wyznaczyć ”najlepsze przybliżenie” prostej 𝑦 = 𝑎𝑥 + 𝑏 do punktów:
a) (1, 2), (2, 3), (3, 5), (4, 7)

Współrzędne 𝑎 i 𝑏 szukanej prostej tworzą ”najlepsze rozwiązanie” układu równań 𝐴X = 𝐵,
gdzie:
1 1 2
2 1 3
  
𝑎
𝐴 =  ,X = oraz 𝐵 =  .
3 1 𝑏 5
 
4 1 7
  
1 1

1 2 3 4 2 1 30 10

𝐴𝑇 𝐴 = =
1 1 1 1 3 1 10 4
4 1

2
 
1 2 3 4 3 51

𝐴𝑇 𝐵 = =
1 1 1 1 5   17
7
 
Przechodzimy do rozwiązania układu równań:
30 10 51 𝑊1 −3𝑊2 0 −2 0 0 1 0

𝑊1 /(−2) 𝑊2 −4𝑊1
−−−−−−−→ −−−−−−−→ −−−−−−−→
10 4 17 10 4 17 10 4 17
0 1 0 0 1 0

𝑊2 −4𝑊1 𝑊1 /10
−−−−−−−→ −−−−−→
10 0 17 1 0 1.7
Dostajemy odpowiedź:
𝑦 = 1.7𝑥.
b) (1, 2), (2, 4), (3, 5), (4, 7)

Współrzędne 𝑎 i 𝑏 szukanej prostej tworzą ”najlepsze rozwiązanie” układu równań 𝐴X = 𝐵,
gdzie:
1 1 2
2 1 4
  
𝑎
𝐴 =  , X = oraz 𝐵 =  .
3 1 𝑏 5
 
4 1 7
  

Obliczamy:
1 1

1 2 3 4 2 1 30 10

𝐴𝑇 𝐴 = =
1 1 1 1 3 1 10 4
4 1

2
 
1 2 3 4 4 53

𝐴𝑇 𝐵 = =
1 1 1 1 5 18
7
 
i przechodzimy do rozwiązywania układu równań:
30 10 53 𝑊1 −3𝑊2 0 −2 −1 𝑊1 /(−2) 0 1 0.5 𝑊2 −4𝑊1

−−−−−−−→ −−−−−−−→ −−−−−−−→
10 4 18 10 4 18 10 4 18
0 1 0.5 0 1 0.5

𝑊2 −4𝑊1 𝑊1 /10
−−−−−−−→ −−−−−→
10 0 16 1 0 1.6
Dostajemy odpowiedź:
𝑦 = 1.6𝑥 + 0.5.
c) (0, 1), (1, 2), (2, −1)

Współrzędne 𝑎 i 𝑏 szukanej prostej tworzą ”najlepsze rozwiązanie” układu równań
0 1  1 
1 1 𝑎 =  2  .
   
 𝑏
2 1
  
−1
   
Obliczamy:
0 1
0 1 2  5 3

1 1 =
𝑇

𝐴 𝐴=
1 1 1  3 3
2 1

1
0 1 2   0

𝑇
𝐴 𝐵= 2 =
1 1 1   0
−1
5 3 0

i rozwiązujemy jednorodny, niesprzeczny układ równań: , którego jedynym roz-
3 3 0
wiązaniem jest 𝑦 = 0 (obliczenia nie są konieczne).
Zadanie 17 Dobrać stałą 𝑎 ∈ R tak, aby podane wektory były ortogonalne w przestrzeni 𝑉:
b) (2𝑎, 𝑎, 2𝑎, 1), (−1, 1, 1, 0) w 𝑉 = 𝐸 4

Skoro te wektory mają być ortogonalne, to musi zachodzić:
h(2𝑎, 𝑎, 2𝑎, 1), (−1, 1, 1, 0)i = 0,
zatem
−2𝑎 + 𝑎 + 2𝑎 = 0 ⇒ 𝑎 = 0.
Odpowiedź: Podane wektory są ortogonalne dla 𝑎 = 0.

d) 1, 𝑎𝑥 + 2 w 𝑉 = R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(1)𝑞(1) + 𝑝(2)𝑞(2) + 𝑝(3)𝑞(3)

Mamy iloczyn w podanej przestrzeni:
h1, 𝑎𝑥 + 2i = 1 · (𝑎 + 2) + 1(2𝑎 + 2) + 1(3𝑎 + 2)
Musi zachodzić:
h1, 𝑎𝑥 + 2i = 0
1 · (𝑎 + 2) + 1(2𝑎 + 2) + 1(3𝑎 + 2) = 0
6𝑎 + 6 = 0 ⇒ 𝑎 = −1.
Odpowiedź: Podane wektory są ortogonalne dla 𝑎 = −1.
a) 𝑎, 𝑥 w 𝑉 = R1 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0)

Musi zachodzić:
h𝑎, 𝑥i = 0,
czyli
𝑎 · 0 + 0 · 1 = 0 ⇒ 0 = 0,
z czego wynika, że wektorów 𝑎, 𝑥 jest zerowy dla dowolnego 𝑎 ∈ R, czyli podane wektory
zawsze są ortogonalne.
Odpowiedź: Podane wektory są ortogonalne dla 𝑎 ∈ R.
Zadanie 18 Uzupełnić podany układ wektorów do bazy ortogonalnej odpowiedniej przestrzeni

euklidesowej:
a) (1, 2, 1), (0, 1, −2) ∈ 𝐸 3

Najpierw uzupełniamy układ do bazy 𝐸 3 :
𝑢 1 = (1, 2, 1), 𝑢 2 = (0, 1, −2), 𝑢 3 = (0, 0, 1).

1 0 0
Dla pewności warto sprawdzić rząd macierzy 2 1 0 lub jej wyznacznik.

1 −2 1
Następnie ortogonalizujemy układ. Wektory 𝑣 1 = 𝑢 1 i 𝑣 2 = 𝑢 2 już ortogonalne, więc mamy:

h (0,0,1), (1,2,1) i h (0,0,1), (0,1,−2) i

𝑣 3 = (0, 0, 1) − k (1,2,1) k 2
(1, 2, 1) − k (0,1,−2) k 2
(0, 1, −2) =
= (0, 0, 1) − 61 (1, 2, 1) − 5 (0, 1, −2)

−2
= 30 (−5, 2, 1).
1
Sprawdzenie: warto dla potwierdzenia wyniku obliczyć
h𝑣 3 , 𝑣 1 i = 0, h𝑣 3 , 𝑣 2 i = 0.
d) 1 ∈ R2 [𝑥] z iloczynem skalarnym h𝑝, 𝑞i = 𝑝(0)𝑞(0) + 𝑝 0 (0)𝑞 0 (0) + 𝑝 00 (0)𝑞 00 (0) Najpierw uzu-
pełniamy układ do bazy R2 [𝑥]:
𝑢 1 = 1, 𝑢 2 = 𝑥 + 2, 𝑢 3 = 𝑥 2 + 1.

1 2 0
Dla pewności sprawdzamy rząd macierzy 0 1 0 lub jej wyznacznik.
 
1 0 1
Następnie ortogonalizujemy układ metodą Grama-Schmidta:
 
𝑣 1 = 𝑢1
h 𝑥+2,1i
𝑣2 = 𝑥 + 2 − k1k 2
·1=𝑥+2− 2
1 ·1 = 𝑥
h 𝑥 2 +1,1i h 𝑥 2 +1, 𝑥 i
𝑣3 = 𝑥2 + 1 − k1k 2
·1− k 𝑥 k2
𝑥 =
= 𝑥2 + 1 − 1
1 ·1 − 10 𝑥 = 𝑥2
6.5 Formy dwuliniowe i kwadratowe

Zadanie 1 Pokazać, że podane odwzorowanie jest formą dwuliniową. Czy jest to forma syme-
tryczna lub antysymetryczna?
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥1 𝑦 1 + 𝑥 1 𝑦 2
Niech (𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 ), (𝑡1 , 𝑡2 ) ∈ R2 , 𝛼, 𝛽 ∈ R.
• Sprawdzamy pierwszą zmienną:
𝐿 = 𝑄 (𝛼(𝑥 1 , 𝑥2 ) + 𝛽(𝑡1 , 𝑡2 ), (𝑦 1 , 𝑦 2 )) = 𝑄 ((𝛼𝑥 1 + 𝛽𝑡 1 , 𝛼𝑥2 + 𝛽𝑡2 ), (𝑦 1 , 𝑦 2 )) =
= 2(𝛼𝑥 1 + 𝛽𝑡1 )𝑦 1 + (𝛼𝑥 1 + 𝛽𝑡 1 )𝑦 2 = 2𝛼𝑥 1 𝑦 1 + 2𝛽𝑡1 𝑦 1 + 𝛼𝑥 1 𝑦 2 + 𝛽𝑡1 𝑦 2 ,

𝑃 = 𝛼𝑄 ((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) + 𝛽𝑄 ((𝑡1 , 𝑡2 ), (𝑦 1 , 𝑦 2 )) = 2𝛼𝑥 1 𝑦 1 + 𝛼𝑥 1 𝑦 2 + 2𝛽𝑡 1 𝑦 1 + 𝛽𝑡1 𝑦 2 .
Zatem 𝐿 = 𝑃.
• Analogicznie sprawdzamy drugą zmienną:
𝐿 = 𝑄 ((𝑥 1 , 𝑥2 ), 𝛼(𝑦 1 , 𝑦 2 ) + 𝛽(𝑡1 , 𝑡2 )) = 𝑄 ((𝑥 1 , 𝑥2 ), (𝛼𝑦 1 + 𝛽𝑡1 , 𝛼𝑦 2 + 𝛽𝑡2 )) =
= 2𝑥 1 (𝛼𝑦 1 + 𝛽𝑡1 ) + 𝑥 1 (𝛼𝑦 2 + 𝛽𝑡 2 ) = 2𝛼𝑥 1 𝑦 1 + 2𝛽𝑥 1 𝑡1 + 𝛼𝑥 1 𝑦 2 + 𝛽𝑥 1 𝑡2 ,

𝑃 = 𝛼𝑄 ((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) + 𝛽𝑄 ((𝑥 1 , 𝑥2 ), (𝑡1 , 𝑡2 )) = 2𝛼𝑥 1 𝑦 1 + 𝛼𝑥 1 𝑦 2 + 2𝛽𝑥 1 𝑡1 + 𝛽𝑥 1 𝑡2 .
𝐿 = 𝑃, więc forma jest dwuliniowa.
• Dodatkowo sprawdzamy symetryczność i antysymetryczność. Mamy:
𝑄((𝑦 1 , 𝑦 2 ), (𝑥 1 , 𝑥2 )) = 2𝑦 1 𝑥 1 + 𝑦 1 𝑥 2 ,
więc przykładowo:
𝑄((1, 1), (0, 1)) = 2 + 1 = 3, 𝑄((0, 1), (1, 1)) = 0 + 0 = 0 = −𝑄((0, 1), (1, 1)),
zatem 𝑄 nie jest formą symetryczną ani antysymetryczną.
j) 𝑄 : R0 [𝑥] × R0 [𝑥] → R jest iloczynem skalarnym

Iloczyn ten można zapisać wzorem ogólnym 𝑄(𝑐, 𝑑) = 𝐴𝑐𝑑 dla pewnego 𝐴 ∈ R.
Niech 𝑐, 𝑡, 𝑑 ∈ R0 [𝑥], 𝛼, 𝛽 ∈ R.

• Dla pierwszej zmiennej możemy zapisać:
𝐿 = 𝑄 (𝛼𝑐 + 𝛽𝑡, 𝑑) = 𝐴(𝛼𝑐 + 𝛽𝑡)𝑑 = 𝐴𝛼𝑐𝑑 + 𝐴𝛽𝑡𝑑.
𝑃 = 𝛼𝑄 (𝑐, 𝑑) + 𝛽𝑄 (𝑡, 𝑑) = 𝐴𝛼𝑐𝑑 + 𝐴𝛽𝑡𝑑.

Zatem 𝐿 = 𝑃.
• Dla drugiej zmiennej:
𝐿 = 𝑄 (𝑐, 𝛼𝑑 + 𝛽𝑡) = 𝐴𝑐(𝛼𝑑 + 𝛽𝑡) = 𝐴𝛼𝑐𝑑 + 𝐴𝛽𝑐𝑡.
𝑃 = 𝛼𝑄 (𝑐, 𝑑) + 𝛽𝑄 (𝑐, 𝑡) = 𝐴𝛼𝑐𝑑 + 𝐴𝛽𝑐𝑡.

Zatem 𝐿 = 𝑃 i 𝑄 jest formą dwuliniową.
• Dodatkowo:
𝑄(𝑐, 𝑑) = 𝐴𝑐𝑑 = 𝐴𝑑𝑐 = 𝑄(𝑑, 𝑐),
więc 𝑄 jest formą symetryczną, ale nie antysymetryczną.
Zadanie 2 Wyznaczyć macierz formy dwuliniowej 𝑄 w bazie standardowej i bazie 𝐵:
a) 𝑄 : R2 × R2 → R, 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥 1 𝑦 1 + 𝑥1 𝑦 2 , 𝐵 = {(1, 1), (1, −1)}

W bazie standardowej 𝐸 = {𝑒 1 = (1, 0), 𝑒 2 = (0, 1)} obliczamy wartości formy dwuliniowej w
tych wektorach:
𝑄((1, 0), (1, 0)) = 2 + 0 = 2, 𝑄((1, 0), (0, 1)) = 0 + 1 = 1,
𝑄((0, 1), (1, 0)) = 0 + 0 = 0,

𝑄((0, 1), (0, 1)) = 0 + 0 = 0,
2 1

a z wyników tworzymy macierz tej formy: 𝑄 𝐸 = .
0 0
Sprawdzenie:
2 1 𝑦1

𝑦1
= 2𝑥 1 𝑥 1 = 2𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 .

𝑄(𝑥, 𝑦) = 𝑥 1 𝑥 2
0 0 𝑦2 𝑦2
Natomiast w podanej bazie 𝐵 = {𝑏 1 = (1, 1), 𝑏 2 = (1, −1)}:
𝑄((1, 1), (1, 1)) = 2 + 1 = 3, 𝑄((1, 1), (1, −1)) = 2 − 1 = 1,
𝑄((1, −1), (1, 1)) = 2 + 1 = 3,

𝑄((1, −1), (1, −1)) = 2 − 1 = 1.
3 1

Następnie tworzymy macierz formy dwuliniowej 𝑄 w bazie 𝐵: 𝑄 𝐵 = .
3 1
f) 𝑄 : R3 ×R3 → R, 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
Najpierw obliczamy macierz formy dwuliniowej w bazie standardowej 𝐸 = {𝑒 1 = (1, 0, 0), 𝑒 2 =
(0, 1, 0), 𝑒 3 = (0, 0, 1)}, zaczynając od wartości:
𝑄(𝑒 1 , 𝑒 1 ) = 1, 𝑄(𝑒 1 , 𝑒 2 ) = 3, 𝑄(𝑒 1 , 𝑒 3 ) = 0,
𝑄(𝑒 2 , 𝑒 1 ) = 0, 𝑄(𝑒 2 , 𝑒 2 ) = 0, 𝑄(𝑒 2 , 𝑒 3 ) = −2,

𝑄(𝑒 3 , 𝑒 1 ) = 0, 𝑄(𝑒 3 , 𝑒 2 ) = 0, 𝑄(𝑒 3 , 𝑒 3 ) = 2.

Z tych liczb tworzymy macierz formy 𝑄:

1 3 0 
𝑄 𝐸 = 0 0 −2 .
 
0 0 2 
 
Sprawdzenie:
1 3 0   𝑦 1 
   𝑦1
𝑥 3 0 0 −2  𝑦 2  = 𝑥 1 3𝑥 1 −2𝑥 2 + 2𝑥 3
 
𝑄(𝑥, 𝑦) = 𝑥 1 𝑥 2  𝑦2 =
0 0 2   𝑦 3 
 
𝑦3
    
= 𝑥1 𝑦 1 + 3𝑥 1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥 3 𝑦 3 .

Natomiast w bazie 𝐵 = {𝑏 1 = (1, 1, 1), 𝑏 2 = (1, 1, 0), 𝑏 3 = (1, 0, 0)}:
𝑄(𝑏 1 , 𝑏 1 ) = 4, 𝑄(𝑏 1 , 𝑏 2 ) = 4, 𝑄(𝑏 1 , 𝑏 3 ) = 1,

𝑄(𝑏 2 , 𝑏 1 ) = 2, 𝑄(𝑏 2 , 𝑏 2 ) = 4, 𝑄(𝑏 2 , 𝑏 3 ) = 1,
𝑄(𝑏 3 , 𝑏 1 ) = 4, 𝑄(𝑏 3 , 𝑏 2 ) = 4, 𝑄(𝑏 3 , 𝑏 3 ) = 1,
co daje nam macierz formy dwuliniowej 𝑄:
4 4 1
𝑄 𝐵 = 2 4 1 .
 
4 4 1
 
Zadanie 3 Dla formy dwuliniowej 𝑄 z poprzedniego zadania obliczyć 𝑄(𝑣 1 , 𝑣 2 ) przy użyciu
macierzy formy w bazie 𝐵. Porównać wyniki z obliczeniami w bazie standardowej.
• 𝑄 : R2 × R2 → R, 𝑣 1 = (1, 1), 𝑣 2 = (1, −1),
a) 𝑄((𝑥 1 , 𝑥2 ), (𝑦 1 , 𝑦 2 )) = 2𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 , 𝐵 = {(1, 1), (1, −1)}

Przypomnijmy, że z poprzedniego zadania otrzymaliśmy następujące macierze formy
𝑄 w bazie 𝐸 i 𝐵:
2 1 3 1

𝑄𝐸 = , 𝑄𝐵 = .
0 0 3 1
Zauważmy teraz, że:
(1, 1) = 1(1, 1) + 0(1, −1) = (1, 0) 𝐵 ,
(1, −1) = 0(1, 1) + 1(1, −1) = (0, 1) 𝐵 .
Następnie obliczamy wartość 𝑄(𝑣 1 , 𝑣 2 ) używając 𝑄 𝐵 :
3 1 0 0

𝑄((1, 0), (1, 1)) = 1 0 𝐵 = 3 1 = 1.

3 1 1 𝐵 1
Sprawdzenie:
𝑄((1, 1), (1, −1)) = 2 · 1 · 1 + 1 · (−1) = 1
lub z użyciem macierzy 𝑄 𝐸 :
2 1 1 1

𝑄((1, 1), (1, −1)) = 1 1 = 2 1 = 2 − 1 = 1.

0 0 −1 −1

• 𝑄 : R3 × R3 → R, 𝑣 1 = (1, 0, 1), 𝑣 2 = (1, 2, 1).
f) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 +3𝑥 1 𝑦 2 −2𝑥 2 𝑦 3 +2𝑥 3 𝑦 3 , 𝐵 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
Z poprzedniego zadania otrzymaliśmy macierze formy 𝑄:
1 3 0  4 4 1
𝑄 𝐸 = 0 0 −2 , 𝑄 𝐵 = 2 4 1 .
   
0 0 2  4 4 1
   
Zacznijmy od zapisania wektorów 𝑣 1 , 𝑣 2 w bazie 𝐵:
(1, 0, 1) = 1(1, 1, 1) − 1(1, 1, 0) + 1(1, 0, 0) = (1, −1, 1) 𝐵 ,
(1, 2, 1) = 1(1, 1, 1) + 1(1, 1, 0) − 1(1, 0, 0) = (1, 1, −1) 𝐵 .

Następnie używając macierzy formy 𝑄 𝐵 obliczamy 𝑄(𝑣 1 , 𝑣 2 ):
4 4 1  1 
1
 
𝑄((1, 0, 1), (1, 2, 1)) = 1 −1 1 𝐵 2 4 1  1  = 6 4 1  1  = 9.
  
4 4 1 −1
    
−1
   𝐵  
Sprawdzenie:
𝑄((1, 0, 1), (1, 2, 1)) = 1 + 6 + 2 = 9.
Zadanie 4 Dla formy dwuliniowej 𝑄 : R𝑛 × R𝑛 → R znaleźć takie formy dwuliniowe 𝑄 𝑠 oraz 𝑄 𝑎

(symetryczną i antysymetryczną), że zachodzi równość
𝑄(x, y) = 𝑄 𝑎 (x, y) + 𝑄 𝑠 (x, y).
e) 𝑄((𝑥 1 , 𝑥2 , 𝑥3 ), (𝑦 1 , 𝑦 2 , 𝑦 3 )) = 𝑥 1 𝑦 1 + 3𝑥1 𝑦 2 − 2𝑥 2 𝑦 3 + 2𝑥 3 𝑦 3
Zauważmy, że w macierzy formy antysymetrycznej współczynniki na przekątnej muszą być
zerowe. Zapiszmy więc macierz odwzorowania 𝑄 w bazie standardowej jako sumę macierzy
symetrycznej i antysymetrycznej:
1 3 0  1 𝑎 0  0 𝑏 0 
0 0 −2 = 𝑎 0 𝑐  + −𝑏 0 𝑑 
    
0 0 2  0 𝑐 2  0 −𝑑 0 
     
     
Możemy z tego zapisać i rozwiązać proste układy równań:
𝑎+𝑏 = 3 3

⇒ 𝑎=𝑏= ,
𝑎−𝑏 = 0 2

𝑐 + 𝑑 = −2
⇒ 𝑐 = 𝑑 = −1.
𝑐−𝑑 = 0
Stąd dostajemy formy:
3 3
𝑄 𝑠 (x, y) = 𝑥 1 𝑦 1 + 𝑥 1 𝑦 2 + 𝑥 2 𝑦 1 − 𝑥 2 𝑦 3 − 𝑥 3 𝑦 2 + 2𝑥 3 𝑦 3 ,
2 2
3 3
𝑄 𝑎 (x, y) = 𝑥 1 𝑦 2 − 𝑥 2 𝑦 1 − 𝑥 2 𝑦 3 + 𝑥 3 𝑦 2 .
2 2

Zadanie 5 Znaleźć formę kwadratową odpowiadającą formie dwuliniowej 𝑄 : R2 × R2 → R,

gdzie x = (𝑥 1 , 𝑥2 ), y = (𝑦 1 , 𝑦 2 ).
a) 𝑄(x, y) = 6𝑥1 𝑦 1 + 2𝑥 2 𝑦 1 + 2𝑥 1 𝑦 2 − 4𝑥 2 𝑦 2
Korzystając ze wzoru
𝑞(x) = 𝑄(x, x)
dostajemy:
𝑞(x) = 𝑞(𝑥1 , 𝑥2 ) = 𝑄((𝑥 1 , 𝑥2 ), (𝑥 1 , 𝑥2 )) = 6𝑥 1 𝑥 1 + 2𝑥 2 𝑥 1 + 2𝑥 1 𝑥 2 − 4𝑥 2 𝑥 2 = 6𝑥 12 + 4𝑥 1 𝑥 2 − 4𝑥 22 .
Zadanie 6 Napisać macierz formy kwadratowej 𝑞 w bazie standardowej, a następnie sprawdzić,

czy forma kwadratowa 𝑞 jest określona:
a) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 4𝑥 2 − 2𝑥𝑦 + 2𝑦 2
Do wyznaczenia macierzy możemy wyliczyć formę dwuliniową 𝑄 odpowiadającą formie kwa-
dratowej 𝑞. Jednak prostszym sposobem na wyznaczenie tej macierzy będzie umieszczenie
na przekątnej
𝑥 𝑦
𝑥
𝑦
liczb 4 oraz 2, a w pozostałych miejscach −2 tak, aby macierz była symetryczna:
4 −1

𝐴=
−1 2
Sprawdzenie:
4 −1

𝑥 𝑥
= 4𝑥 − 𝑦 −𝑥 + 2𝑦 = 4𝑥 2 − 2𝑥𝑦 + 2𝑦 2 .

𝑥 𝑦
−1 2 𝑦 𝑦
4 −1

Zbadajmy określoność macierzy i formy. Możemy zrobić to na wiele sposób, na
−1 2
przykład korzystając:
• z kryterium Sylvestera dostajemy

4 −1

𝑑𝑒𝑡 ( 𝐴1 ) = 𝑑𝑒𝑡 4 = 4 > 0, = 8 − 1 = 7 > 0,

𝑑𝑒𝑡 ( 𝐴2 ) = 𝑑𝑒𝑡
−1 2
• z kryterium wartości własnych obliczamy:

√
𝜆1,2 = 3 ± 2 > 0,
• można też użyć definicji.
Z obu sposobów dostajemy ten sam wniosek tzn. macierz 𝐴 i forma 𝑞 są dodatnio określone.
g) 𝑞 : R3 → R, 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 3𝑦 2 + 𝑧 2 − 2𝑥𝑦 − 2𝑥𝑧 + 2𝑦𝑧

Uzupełniamy symetryczną macierz wg wzoru
𝑥 𝑦 𝑧
𝑥 



𝑦 



𝑧 




i otrzymujemy
 1 −1 −1
𝐴 = −1 3 1  .
 
−1 1 1 

Sprawdzenie:
 1 −1 −1 𝑥  2
  
𝑦 𝑧 −1 3 1   𝑦  = 𝑥 − 2𝑥𝑦 + 3𝑦 2 − 2𝑥𝑧 + 𝑧 2 + 2𝑦𝑧 .

𝑥
−1 1 1   𝑧 

 1 −1 −1
Następnie badamy określoność macierzy −1 3 1  i formy, wybierając jeden ze sposo-
 
−1 1 1 
bów:

• kryterium Sylvestera
𝑑𝑒𝑡 ( 𝐴1 ) = 1 > 0, 𝑑𝑒𝑡 ( 𝐴2 ) = 2 > 0, 𝑑𝑒𝑡 ( 𝐴3 ) = 0,
• kryterium wartości własnych:
𝜆1 = 4 > 0, 𝜆2 = 1 > 0, 𝜆3 = 0.
Skoro wartości własne są nieujemne
𝜆𝑖 ≥ 0, 𝑖 = 1, 2, 3,
podobnie jak wyznaczniki

𝑑𝑒𝑡 ( 𝐴𝑖 ) ≥ 0, 𝑖 = 1, 2, 3,
to forma 𝑞 ta jest nieujemnie określona.
h) 𝑞 : R3 → R, 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 𝑥 2 + 𝑦 2 − 𝑧 2 + 2𝑥𝑧 − 4𝑦𝑧

Macierz tej formy wygląda następująco:
1 0 1 
0 1 −2 .

1 −2 −1
 
 
Sprawdzenie:
1 0 1  𝑥 

𝑦 𝑧 0 1 −2  𝑦  = 𝑥 2 + 𝑦 2 − 𝑧 2 + 2𝑥𝑧 − 4𝑦𝑧 .

𝑥 
1 −2 −1  𝑧 
  
1 0 1 
Badamy określoność macierzy 0 1 −2 i formy, wyliczając wartości własne:

1 −2 −1
 
√ √
𝜆1 = 1 > 0, 𝜆2 = 6 > 0, 𝜆 3 = − 6 < 0.
Zatem forma 𝑞 jest nieokreślona.
Zadanie 7 Sprowadzić formę kwadratową 𝑞 do postaci kanonicznej używając obu poznanych

metod. Następnie zbadać określoność 𝑞.

a) 𝑞 : R2 → R, 𝑞(𝑥, 𝑦) = 𝑥 2 − 4𝑥𝑦 + 4𝑦 2
• podstawienie ortogonalne:
1 −2

Zacznijmy od wyznaczenia macierzy formy 𝑞: oraz jej wartości i wektorów
−2 4
własnych.
𝜆1 = 5, 𝜆2 = 0, 𝑤 1 = (−1, 2), 𝑤 2 = (2, 1)
Zauważmy, że wektory te tworzą układ ortonormalny. Znormalizujmy je:
1 1
𝑣 1 = √ (−1, 2), 𝑣 2 = √ (2, 1).
5 5
Ostatecznie dostajemy postać kanoniczną formy 𝑞
𝑞(x) = 𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 = 𝑞(y) = 5𝑦 21 + 0𝑦 22 ,
gdzie
1 −1 2

x = 𝑃y, 𝑃 = √ .
5 2 1
Zauważmy, że forma 𝑞 jest określona nieujemnie.
• metoda Lagrange’a:
Zapisujemy formę przy użyciu wzorów skróconego mnożenia:
𝑞(x) = 𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 = (𝑥 12 − 4𝑥 1 𝑥 2 + 4𝑥 22 ) + 0𝑥 22 =
= (𝑥1 − 2𝑥 2 ) 2 + 0𝑥 22 = 𝑦 21 + 0𝑦 22 = 𝑞(y)
otrzymując postać kanoniczną, gdzie
𝑦 1 = 1𝑥 1 −2𝑥 2 , 𝑦 2 = 0𝑥 1 + 1𝑥 2 ,
co możemy zapisać w postaci macierzy:

−1
1 −2 1 −2 1 2

y= x, x = 𝑃y, 𝑃 = = .
0 1 0 1 0 1
Widzimy, że forma 𝑞 jest określona nieujemnie.
g) 𝑞 : R3 → R, 𝑞(𝑥, 𝑦, 𝑧) = 4𝑥𝑦 + 𝑧 2
Macierz formy 𝑞:
0 2 0
2 0 0
 
0 0 1
 
 
posiada wartości własne
𝜆1 = −2, 𝜆2 = 2, 𝜆 3 = 1,
którym odpowiadają ortogonalne wektory własne
𝑤 1 = (−1, 1, 0), 𝑤 2 = (1, 1, 0), 𝑤 3 = (0, 0, 1).

Normalizujemy te wektory, otrzymując

1 1
𝑣 1 = √ (−1, 1, 0), 𝑣 2 = √ (1, 1, 0), 𝑣 3 = (0, 0, 1).
2 2
Ostatecznie dostajemy postać kanoniczną 𝑞(y) = −2𝑦 21 + 2𝑦 22 + 𝑦 23 , gdzie
−1 1 0 
1 1 1 0.
 
x = 𝑃y, 𝑃 = √ √
2
 
0 0 2

Dzięki tej postaci od razu widzimy, że jest to forma nieokreślona.
Uwaga: w taki sposób nie uda się znaleźć postaci kanonicznej
𝑞(x) = 4𝑥 1 𝑥 2 + 𝑥32 = (2𝑥 1 + 𝑥 2 ) 2 − 4𝑥 12 − 𝑥 22 + 𝑥 32 ,
ponieważ otrzymaliśmy więcej niż 3 składniki przy 𝑑𝑖𝑚(R3 ) = 3.

Zauważmy, że nie udało się zwinąć do końca wyrażenia zawierającego 𝑥 1 , 𝑥2 , więc naj-
pierw należy użyć podstawienia ze zmianą tych zmiennych:
 𝑥1 = 𝑦 1 − 𝑦 2 ,



𝑥2 = 𝑦 1 + 𝑦 2 ,
 𝑥3 = 𝑦 3


Otrzymujemy postać kanoniczną
𝑞(y) = 4(𝑦 1 − 𝑦 2 ) (𝑦 1 + 𝑦 2 ) + 𝑦 23 = 4𝑦 21 − 4𝑦 22 + 𝑦 23 ,
gdzie
1 −1 0
x = 1 1 0 y.
 
0 0 1
 
Zatem forma 𝑞 jest nieokreślona.
h) 𝑞 : R3 → R, 𝑞(𝑥 1 , 𝑥2 , 𝑥2 ) = 2𝑥 1 𝑥 2 + 𝑥 22 − 2𝑥 2 𝑥 3
Macierz formy 𝑞 postaci:
0 1 0 
1 1 −1

0 −1 0 
 
 
posiada wartości własne
𝜆1 = 2, 𝜆 2 = −1, 𝜆3 = 0.
Odpowiadają im ortogonalne wektory własne:
𝑤 1 = (−1, −2, 1), 𝑤 2 = (−1, 1, 1), 𝑤 3 = (1, 0, 1),
które po unormowaniu przyjmują postać:

1 1 1
𝑣 1 = √ (−1, −2, 1), 𝑣 2 = √ (−1, 1, 1), 𝑣 3 = √ (1, 0, 1).
6 3 2

Ostatecznie dostajemy postać kanoniczną
𝑞(y) = 2𝑦 21 − 1𝑦 22 + 0𝑦 23 ,
gdzie √ √
−1 − 2 3
1  √
√2 √0 
x = 𝑃y, 𝑃 = √ −2 .
61 2 3

Na tej podstawie stwierdzamy, że forma 𝑞 jest nieokreślona.
Zapisujemy formę przy użyciu wzorów skróconego mnożenia:
𝑞(x) = 2𝑥 1 𝑥2 + 𝑥 22 − 2𝑥 2 𝑥 3 = (𝑥 12 + 2𝑥 1 𝑥 2 + 𝑥 22 ) − 𝑥 12 − 2𝑥 2 𝑥 3 ,
lecz ten sposób nie prowadzi nas do dobrego wyniku. Zatem weźmy pod uwagę składniki
zawierające np. zmienną 𝑥 2 , która pojawia się w każdym składniku. Przy kwadracie
zostawmy współczynnik 1, a przy mieszanych 2, co zapisujemy:
𝑥 2 (+𝑥 2 ) + 2𝑥 2 (+𝑥 1 ) + 2𝑥 2 (−𝑥 3 ).
Zwracając uwagę na to, co zostało w nawiasach, możemy zapisać:
(𝑥 2 + 𝑥 1 − 𝑥 3 ) 2 = 𝑥 12 + 𝑥 22 + 𝑥 32 + 2𝑥 1 𝑥 2 − 2𝑥 1 𝑥 3 − 2𝑥 2 𝑥 3 .
Korzystając z tego dostajemy postać kanoniczną:
𝑞(x) = (𝑥 1 + 𝑥 2 − 𝑥 3 ) 2 − 𝑥 12 − 𝑥 32 + 2𝑥 1 𝑥 3 =
= (𝑥 1 + 𝑥 2 − 𝑥 3 ) 2 − (𝑥 1 − 𝑥 3 ) 2 + 0𝑥32 =
= 𝑦 21 − 𝑦 22 + 0𝑦 23 = 𝑞(y),
gdzie
1 1 −1
y = 1 0 −1 x.
 
0 0 1 
 
Forma ta jest nieokreślona.

Rozdział 7
Odpowiedzi do zadań
7.1 Przekształcenia liniowe

Zadanie 3. a) 𝐴(𝑥, 𝑦) = 𝛼𝑥 + 𝛽𝑦, 𝛼, 𝛽 ∈ R, b) 𝐴(𝑥, 𝑦, 𝑧) = 𝛼𝑥 + 𝛽𝑦 + 𝛾𝑧, 𝛼, 𝛽, 𝛾 ∈ R, c)
𝐴(𝑥, 𝑦) = (𝛼1 𝑥 + 𝛽1 𝑦, 𝛼2 𝑥 + 𝛽2 𝑦), 𝛼1,𝛽1 , 𝛼2 , 𝛽2 ∈ R, d) 𝐴(𝑥, 𝑦, 𝑧) = (𝛼1 𝑥 + 𝛽 1 𝑦 + 𝛾1 𝑧, 𝛼2 𝑥 + 𝛽2 𝑦 + 𝛾2 𝑧),
𝑎1 𝑎1 𝑎2
𝛼1 , 𝛽1 , 𝛾1 , 𝛼2 , 𝛽2 , 𝛾2 ∈ R, e) 𝐵 = 𝛼𝑎 1 + 𝛽𝑎 2 , 𝛼, 𝛽 ∈ R, f) 𝐵 = 𝛼𝑎 1 + 𝛽𝑎 2 + 𝛾𝑎 3 + 𝛿𝑎 4 ,
𝑎2 𝑎3 𝑎4

𝛼 𝑎 + 𝛽1 𝑎 2 + 𝛾1 𝑎 3
𝛼, 𝛽, 𝛾, 𝛿 ∈ R, g) 𝐵 𝑎 1 𝑎 2 𝑎 3 = 1 1 , 𝛼1 , 𝛽1 , 𝛾1 , 𝛼2 , 𝛽2 , 𝛾2 , ∈ R.

𝛼2 𝑎 1 + 𝛽2 𝑎 2 + 𝛾2 𝑎 3
Zadanie 4.
𝐴(𝑒 1 ) 𝐴(𝑒 2 ) 𝐴( 𝑝)
a) 𝑥
3
2
𝑥 +3 𝑥
2𝑥 2 + 𝑥
b) 3𝑥 − 2𝑥 + 2𝑥 − 3
5 2 −2𝑥 + 2𝑥 − 𝑥 + 2
5 2 −𝑥 + 2𝑥 2 + 1
5
c) 10
7 𝑥− 7
1 2
7𝑥 − 7
3
2𝑥 − 1
d) 12 𝑥 7 + 12 𝑥 4 − 12 𝑥 2 + 𝑥 − 12 1 7
2 𝑥 + 𝑥 3 7
2 𝑥 + 1 4
2 𝑥 − 12 𝑥 2 + 3𝑥 − 12
Zadanie 5.
a) 𝑂𝑌 𝑂𝑋
b) 𝑂𝑋 𝑂𝑌
c) {(𝑥, 𝑦) ∈ R : 𝑦 = −𝑥}
2 {(𝑥, 𝑦) ∈ R2 : 𝑦 = 𝑥}
d) {(𝑥, 𝑦) ∈ R : 𝑦 = 𝑥}
2 {(𝑥, 𝑦) ∈ R2 : 𝑦 = −𝑥}
e) {(𝑥, 𝑦) ∈ R : 𝑦 = − 2 𝑥} {(𝑥, 𝑦) ∈ R2 : 𝑦 = 2𝑥}
2 1
f) {(0, 0)} R2
g) {(0, 0)} R2
h) {(0, 0)} R2
i) {(0, 0)} R2
j) {(0, 0, 0)} R3
k) {(0, 0, 0)} R3
l) {(0, 0, 0)} R3
m) 𝑂𝑌 𝑍 𝑂𝑋
n) 𝑋𝑂𝑍 𝑂𝑌
o) 𝑋𝑌𝑂 𝑂𝑍
p) 𝑂𝑍 𝑋𝑌𝑂
q) 𝑂𝑋 𝑂𝑌 𝑍
r) 𝑂𝑌 𝑋𝑂𝑍
Zadanie 6. a) 𝐾𝑒𝑟 ( 𝐴) = {(0, 0)}, 𝐼𝑚( 𝐴) = R2 , b) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 2)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −3)},
c) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 3, −1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(2, 1, 2, −1), (−1, 1, 1, 0),
113
ROZDZIAŁ 7. ODPOWIEDZI DO ZADAŃ
(−1, 4, 5, −1)}, d) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −1, 1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, 0), (1, 1), (0, 1)}, e) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{(−2, −1, 1, 0), (−1, 3, 0, 1)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(1, −2, 1), (0, 1, −1), (2, −3, 1), (1, −5, 4)}, f) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{(1, −3, −5)}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{(2, 1, −1, 8), (−1, 2, 3, 1), (1, −1, −2, 1)}, g)
𝐾𝑒𝑟 ( 𝐴) = {0}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }, h) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥}, 𝐼𝑚( 𝐴) = R1 [𝑥], i) 𝐾𝑒𝑟 ( 𝐴) =
𝑠𝑝𝑎𝑛{−2 + 𝑥}, 𝐼𝑚( 𝐴) = R0 [𝑥], j) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{0}, 𝐼𝑚( 𝐴) = R1 [𝑥], k) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{0},
𝐼𝑚( 𝐴) = R1 [𝑥], l) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥}, m) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{𝑥, 𝑥 2 }, 𝐼𝑚( 𝐴) =
𝑠𝑝𝑎𝑛{𝑥}, n) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{1 + 2𝑥, 𝑥 + 2𝑥 2 }, o) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{2 − 3𝑥 + 𝑥 2 },
𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{4𝑥 2 , 5𝑥 2 + 𝑥, 7𝑥 2 + 3𝑥}, p) 𝐾𝑒𝑟 ( 𝐴) = 𝑠𝑝𝑎𝑛{1}, 𝐼𝑚( 𝐴) = 𝑠𝑝𝑎𝑛{−2𝑥 3 − 4𝑥 2 , 𝑥 2 + 2𝑥}.
Zadanie 7. a) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, b) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 1, c)
𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 1, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, d) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, e) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2,
𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, f) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, g) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2, h)
𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 2, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 1, i) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 3, j) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 1, 𝑑𝑖𝑚𝐼𝑚( 𝐴) =
2, k) 𝑑𝑖𝑚𝐾𝑒𝑟 ( 𝐴) = 0, 𝑑𝑖𝑚𝐼𝑚( 𝐴) = 2.
Zadanie 8. a) 𝐴(𝑧) = (7, 13), 𝐴(𝑡) =?, b) 𝐴(𝑧) =?, 𝐴(𝑡) = (1, −1).
Zadanie 11. a) tak, b) tak, c) tak, d) nie, e) nie, f) tak.
Zadanie 12. a) tak, b) nie, c) nie, d) nie, e) nie, f) nie.
7.2 Macierze przekształceń liniowych
7.3 Wartości i wektory własne
7.4 Iloczyny skalarne
7.5 Formy dwuliniowe i kwadratowe

ROZDZIAŁ 7. ODPOWIEDZI DO ZADAŃ
Bibliografia
1. T. S. Blyth, E. F. Robertson: Basic Linear Algebra.
2. T. Jurlewicz, Z. Skoczylas, Algebra liniowa 1. Definicje, twierdzenia, wzory, GiS, Wrocław

2001.
3. T. Jurlewicz, Z. Skoczylas, Algebra liniowa 1. Przykłady i zadania, GiS, Wrocław 2001.
4. A. Romanowski, Algebra liniowa, PG, Gdańsk 2007.
5. J. Rutkowski, Algebra liniowa w zadaniach, PWN, Warszawa 2008.
6. L. Smith: Linear Algebra.
7. J. Topp, Algebra liniowa, PG, Gdańsk 2005.

Skorowidz
A ortogonalnie diagonalizowalna 29
aproksymacja 34 podobna 18
przejścia 12
B przekształcenia liniowego 9
baza rząd 11
ortogonalna 27 symetryczna 29
ortonormalna 27 wiodąca podmacierz 39
wiodący minor główny 39
D metryka 24
diagonalizowalna macierz 18
ortogonalnie 29 N
najmniejszych kwadratów
F metoda 34
forma norma wektora 24
dwuliniowa 36
antysymetryczna 36 O
symetryczna 36 obraz przekształcenia liniowego 4
zwykła 36 ortogonalizacja
kwadratowa 38 Grama-Schmidta 29
nieokreślona 39 macierzowa 31
określona 39 ortogonalność 26
postać kanoniczna 40 baza ortogonalna 27
macierz ortogonalna 28
G układ ortogonalny 27
Grama-Schmidta ortonormalność
ortogonalizacja 29 baza ortonormalna 27
układ ortonormalny 27
I
iloczyn P
skalarny 22 Pitagorasa
twierdzenie 26
J postać kanoniczna
jądro przekształcenia liniowego 4 formy kwadratowej 40
metoda Lagrange’a 41
L podstawienie ortogonalne 40
liniowe przekształcenie
przekształcenie 2, 7 addytywne 2
macierz 9 liniowe 2
C-liniowe 7
M R-liniowe 7
macierz jądro 4
diagonalizowalna 18 obraz 4
formy dwuliniowej 37 przestrzeń
ortogonalizacja macierzowa 31 euklidesowa 22
ortogonalna 28 generowana w sensie zespolonym 81
116
SKOROWIDZ
własna 17 macierzy 19
przybliżenie prostej 34 przekształcenia 17
przestrzeń własna 17
R wektor własny
rzut macierzy 19
ortogonalny 32 przekształcenia 17
rząd wektory
macierzy przekształcenia liniowego 11 baza
równanie ortogonalna 27
charakterystyczne macierzy 19 ortonormalna 27
iloczyn skalarny 22
S metryka 24
Sylvestera miara kąta 25
kryterium 39 norma 24
odległość 24
U ortogonalne do przestrzeni 31
układ sprzeczny ortogonalność 26
”najlepsze rozwiązanie” 33 rzut ortogonalny 32
układ
W ortogonalny 27
wartość własna ortonormalny 27
krotność algebraiczna 78 wielomian
krotność geometryczna 78 charakterystyczny macierzy 19

Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami

Uploaded by

Copyright:

Available Formats

Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami

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

Algebra Liniowa Cz. 2, Skrypt Do Ćwiczeń Z Rozwiązaniami

Uploaded by

Copyright:

Available Formats

Algebra liniowa cz.

2 Macierze przekształceń liniowych 9

3 Wartości i wektory własne 17

5 Formy dwuliniowe i kwadratowe 36

6 Przykładowe rozwiązania wybranych zadań 42

7 Odpowiedzi do zadań 113

(i) ∀𝑢1 ,𝑢2 ∈𝑈 𝐴(𝑢 1 + 𝑢 2 ) = 𝐴(𝑢 1 ) + 𝐴(𝑢 2 ),

(ii) ∀ 𝛼∈R∀𝑢∈𝑈 𝐴(𝛼𝑢) = 𝛼𝐴(𝑢)

nazywamy przekształceniem liniowym.

∀ 𝛼,𝛽 ∈R∀𝑢1 ,𝑢2 ∈𝑈 𝐴(𝛼𝑢 1 + 𝛽𝑢 2 ) = 𝛼𝐴(𝑢 1 ) + 𝛽𝐴(𝑢 2 ).

Zadanie 1 Uzasadnić liniowość podanych przekształceń:

b) 𝐴 : R2 → R2 , 𝐴(𝑥, 𝑦) = (𝑥, 2𝑥 − 𝑦),

c) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑥 + 𝑦, 2𝑥),

d) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 3𝑦, 𝑦),

e) 𝐴 : R2 → R4 , 𝐴(𝑥, 𝑦) = (𝑥, 𝑦, 𝑥 + 𝑦, 𝑥 − 𝑦),

f) 𝐴 : R4 → R3 , 𝐴(𝑥, 𝑦, 𝑧, 𝑡) = (𝑦, 𝑡, 0),

g) 𝐵 : R2 → R2 , symetria względem osi 𝑂 𝑋, tzn. 𝐵(𝑥, 𝑦) = (𝑥, −𝑦),

h) 𝐵 : R2 → R2 , symetria względem osi 𝑂𝑌 ,

i) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑂𝑌 𝑍, tzn. 𝐶 (𝑥, 𝑦, 𝑧) = (0, 𝑦, 𝑧),

j) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑋𝑂𝑍,

k) 𝐶 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑋𝑌𝑂,

l) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑝 0 (𝑥) + 𝑥 𝑝(1) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

m) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 3𝑥 𝑝(𝑥) + 𝑝(1) + 2𝑝(2) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

o) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 2𝑥 𝑝(𝑥) + 𝑥 𝑝 0 (0) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

p) 𝐷 : R[𝑥] → R[𝑥], (𝐷 𝑝) (𝑥) = 𝑥 𝑝(𝑥)𝑑𝑥 dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

r) 𝐸 : R[𝑥] → R2 , (𝐸 𝑝) (𝑥) = ( 𝑝(10), 4𝑝(3) + 2𝑝(1)) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

a) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥 + 1, 2𝑥 + 3𝑦, 𝑥),

b) 𝐴 : R2 → R3 , 𝐴(𝑥, 𝑦) = (𝑥, 2𝑦, 𝑥𝑦),

c) 𝐵 : R → R4 , 𝐵(𝑥) = (𝑥, 2𝑥 + 1, 3𝑥 + 2, 4𝑥 + 3),

d) 𝐴 : R3 → R4 , 𝐴(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦, 4𝑧, 𝑧, 1),

h) 𝐷 : R2 → R2 , symetria względem prostej 𝑥 + 𝑦 + 2 = 0,

i) 𝐷 : R2 → R2 , symetria względem prostej 𝑥 + 𝑦 − 1 = 0,

j) 𝐸 : R3 → R3 , rzut prostokątny na płaszczyznę 𝑥 − 𝑦 + 𝑧 = 1,

k) 𝐸 : R3 → R3 , rzut prostokątny na prostą 𝑥 = 1, 𝑦 = 2,

l) 𝐹 : R[𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝(𝑥) 𝑝 0 (𝑥) dla 𝑝 ∈ R[𝑥], 𝑥 ∈ R,

m) 𝐹 : R2 [𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝 0 (𝑥) 𝑝(2) dla 𝑝 ∈ R2 [𝑥], 𝑥 ∈ R,

n) 𝐹 : R2 [𝑥] → R[𝑥], (𝐹 𝑝) (𝑥) = 𝑝(𝑡) 𝑝 0 (𝑡)𝑑𝑡 dla 𝑝 ∈ R2 [𝑥], 𝑥 ∈ R,

o) 𝐺 : 𝐶 (R) → 𝐶 (R), (𝐺 𝑓 ) (𝑥) = 𝑠𝑖𝑛( 𝑓 (𝑥)) dla 𝑓 ∈ 𝐶 (R), 𝑥 ∈ R,

p) 𝐺 : 𝐶 (R) → 𝐶 (R), (𝐺 𝑓 ) (𝑥) = 𝑓 2 (𝑥) dla 𝑓 ∈ 𝐶 (R), 𝑥 ∈ R,

q) 𝐻 : 𝑀3𝑥3 (R) → 𝑀3𝑥3 (R), 𝐻 ( 𝐴) = 𝑡𝑟 ( 𝐴) · 𝐴,

r) 𝐻 : 𝑀3𝑥3 (R) → R, 𝐻 ( 𝐴) = 𝑑𝑒𝑡 ( 𝐴),

s) 𝐻 : 𝑀2𝑥2 (R) → 𝑀2𝑥2 (R), 𝐻 ( 𝐴) = 𝑡𝑟 (−𝐴) · 𝐴.

Zadanie 3 Napisać wzory określające wszystkie przekształcenia liniowe:

d) 𝐴 : R3 → R2 , g) 𝐵 : 𝑀1𝑥3 (R) → 𝑀2𝑥1 (R).

Zadanie 4 Przekształcenie liniowe 𝐴 : R1 [𝑥] → R[𝑥] przeprowadza

a) wektor 𝑝 1 (𝑥) = 𝑥 + 2 na wektor 𝑞 1 (𝑥) = 𝑥 2 + 𝑥, a wektor 𝑝 2 (𝑥) = 𝑥 − 1 na wektor 𝑞 2 (𝑥) = 𝑥 2 ,

b) wektor 𝑝 1 (𝑥) = 𝑥 + 1 na wektor 𝑞 1 (𝑥) = 𝑥 5 + 𝑥 − 1, a wektor 𝑝 2 (𝑥) = 3𝑥 + 2 na wektor

c) wektor 𝑝 1 (𝑥) = 4𝑥 + 2 na wektor 𝑞 1 (𝑥) = 4𝑥 − 2, a wektor 𝑝 2 (𝑥) = −𝑥 + 3 na wektor 𝑞 2 (𝑥) = 4𝑥,

d) wektor 𝑝 1 (𝑥) = −2𝑥 + 2 na wektor 𝑞 1 (𝑥) = 𝑥 4 − 𝑥 2 − 1, a wektor 𝑝 2 (𝑥) = 2𝑥 na wektor

Znaleźć obraz wektorów 𝑒 1 (𝑥) = 1, 𝑒 2 (𝑥) = 𝑥, 𝑝(𝑥) = 2𝑥 + 1 w przekształceniu 𝐴.

Uwaga 1.2 Dla każdego 𝐴 liniowego mamy 0 ∈ 𝐾𝑒𝑟 𝐴, 0 ∈ 𝐼𝑚 𝐴.

a) 𝐴 : R2 → R2 jest rzutem prostokątnym na oś 𝑂 𝑋,

b) 𝐴 : R2 → R2 jest rzutem prostokątnym na oś 𝑂𝑌 ,

c) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 𝑥,

d) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = −𝑥,

e) 𝐴 : R2 → R2 jest rzutem prostokątnym na prostą 𝑙 : 𝑦 = 2𝑥,

f) 𝐴 : R2 → R2 jest obrotem wokół początku układu o kąt 4,

g) 𝐴 : R2 → R2 jest obrotem wokół początku układu o kąt 2,

h) 𝐴 : R2 → R2 jest symetrią względem osi 𝑂 𝑋,