NUMERYCZNA ALGEBRA LINIOWA

1 Algebra liniowa - przypomnienie

1.1 Wektory, normy, iloczyn skalarny

Zbiór zlo»ony z wszystkich wektorów postaci

 
x1
 x2 
 
x= . 
 .. 


xn

gdzie x1 , ..., xn ∈ R oznaczamy przez Rn . Liczby x1 , ..., xn to tzw. wspóªrz¦dne

wektora x, a Rn jest przykªadem przestrzeni liniowej (wektorowej). Wektory
mo»na dodawa¢, odejmowa¢ i mno»y¢ przez liczby.
Transponowanie wektora oznaczamy symbolem T , a wi¦c

xT = [x1 , x2 , ..., xn ].

Baza kanoniczna w przestrzeni Rn to ci¡g wektorów (e1 , ..., en ) gdzie

 
0
.. 
. 


 
0
 
 
 
ei =  1  1 na i − tej wsprzdnej
 
0
 
.. 
 


 . 

0

Denicja 1.1. Niech u1 , ..., uk ∈ Rn , α1 , ..., αk ∈ R. Wyra»enie

k
X
α1 u1 + ... + αk uk = αi u i
i=1

zwiemy kombinacj¡ liniow¡ wektorów u1 , ..., uk ∈ Rn o wspóªczynnikach α1 , ..., αk .

1
Denicja 1.2. Mówimy, »e wektory u1 , ..., uk ∈ Rn s¡ liniowo niezale»ne, je±li
równo±¢
α1 u1 + ... + αk uk = 0
jest speªniona wyª¡cznie wtedy, gdy

α1 = α2 = ... = αk = 0

W przeciwnym razie, wektory u1 , ..., uk ∈ Rn zwiemy liniowo zale»nymi.

Przez span(a1 , ..., ak ) oznaczamy podprzestrze« zªo»ona z wszystkich kombi-

nacji wektorów a1 , ..., ak ∈ Rn
Denicja 1.3. Mówimy, »e W jest podprzestrzeni¡ liniow¡ w Rn , je±li dla ka»dych
w1 , w2 ∈ W i α ∈ R mamy w1 + w2 ∈ W, αw1 ∈ W .

Denicja 1.4. w podprzestrzeni liniowej W zwiemy ka»dy ukªad liniowo

Baz¡
niezale»nych wektorów w1 , ..., wk , który rozpina przestrze« W , tzn. span(w1 , ..., wk ) =
W . Tak wi¦c ka»dy wektor z podprzestrzeni mo»na zapisa¢ (i to na dokª¡dnie
jeden sposób) jako kombinacj¦ liniow¦ wektorów z bazy.
Okzauje si¦, »e wszystkie bazy w podprzestrzeni W (a jest ich niesko«czenie
wiele) maj¡ tyle samo elementów.
Denicja 1.5. Ilo±¢ elementów w bazie podprzestrzeni W zwiemy wymiarem
przestrzeni W i oznaczamy przez dim W .
Denicja 1.6. Norm¡ w przestrzeni Rn zwiemy ka»d¡ funkcj¦ ||·|| : Rn → [0, ∞),
która speªnia warunki
ˆ ||0|| = 0,

ˆ ||αx|| = |α|||x|| dla x ∈ Rn , α ∈ R

ˆ ||x + y|| = ||x|| + ||y|| dla x.y ∈ Rn ,

Norm w przestrzeni Rn jest niesko«czenie wiele, jednak»e najwa»niejsze s¡

tzry poni»sze:
n
(1)
X
||x||1 := |x1 | + |x2 + ... + |xn | = |xi |,
i=1
v
u n
(2)
p uX
2 2 2
||x||2 := |x1 | + |x2 | + ... + |xn | = t |xi |2 ,
i=1

2
 ||x||∞ := max{|x1 |, |x2 |, ..., |xn |}, (3)
gdzie x = (x1 , x2 , ..., xn )T ∈ Rn
Warto±¢ xT y zwiemy iloczyn skalarny wektorów x i y , czyli
 
y1
n
 y2  X
 
T
x y = [x1 , x2 , ..., xn ]  .  = xi y i .
 ..  i=1
 

yn

Iloczyn skalarny dla wektorów z przestrzeni Rn mo»na okre±la¢ na ró»ne sposoby,

ale powy»szy zazwyczaj jest najprzydatniejszy.
Podstawowe wªasno±ci iloczynu skalarnego: je±li x, y, z ∈ Rn , α ∈ R, to

ˆ xT y = y T x ˆ (αx)T y = αxT y

ˆ (x + y)T z = xT z + y T z

Zwia»ek miedzy iloczynem skalarnym a norm¡ euklidesow¡ || · ||2 jest taki

√
||x||2 = xT x

Je±li xT y = 0, gdzie x, y ∈ Rn , to mówimy, »e wektory x i y s¡ ortogonalne.

Denicja 1.7. Ukªad niezerowych wektorów u1 , u2 , ..., un ∈ Rp nazywamy or-

togonalnym, je±li ka»de dwa takie wektory s¡ ortogonalne, tzn. uTi uj = 0 dla
i ̸= j . Je±li dodtakowo ka»dy z tych wektorów ma dªugo±¢ 1 (tzn. ||ui ||2 = 1, i =
1, 2, ..., n) (czyli równowa»nie uTi ui = 1), to ukªad taki nazywamy ortonormal-
nym.

Wiadomo, »e ukªad wektorów ortogonalnych jest zawsze niezale»ny. Impli-

kacja odrotna nie zachodzi. Jednak»e istnieje procedura, która ukªad wektorów
liniowo niezale»nych x1 , x2 , ..., xm przeksztaªaca na ukª¡d wektorów ortonormal-
nych y1 , y2 , ..., ym i w pewnym sensie, zwi¡zanych z pierwotym ukªadem. Ta
procwedura to tzw. ortonormalizacja Gramma-Schmidta. Zaªo»my, »e mamy
wektory liniwo niezale»ne x1 , x2 , ..., xm ∈ Rn . za pierwszy wektor przyjmujemy
1
y1 := x1
||x1 ||2

3
Przyjmyjmy teraz, »e mamy ju» okre±lone wektory ortonormalne y1 , y2 , ..., yk .
Wektor yk+1 okre±lamy tak
k
1 X
yk+1 = zk+1 , gdzie zk+1 = xk+1 − (xTk+1 yi )yi
||zk+1 ||2 i=1

Wektory y1 , y2 , ..., ym otzrymane przy pomocy powy»szej procedury ortonor-

malizacyjnej Gramma-Schmidta s¡ ortonormalne i ponadto span(x1 , ..., xk ) =
span(y1 , ..., yk ), k = 1, ..., m.
Dla dowolnych dwóch wektorów x, y ∈ Rn zachodzi tzw. nierówno±¢ Schwa-
rza
|xT y| ≤ ||x||2 · ||y||2

1.2 Macierze, normy itd

Macierz A = [aij ]m×n wymiaru m × n to tablica liczbowa

 
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .
 
 ... ... ... ... 
am1 am2 ... amn

Transponowanie macierzy oznaczamy symbolem T , a wi¦c

 
a11 a21 ... am1
 a12 a22 ... am2 
AT =  .
 
 ... ... ... ... 
a1n a2n ... amn

Zachodz¡ równo±ci

ˆ (A + B)T = AT + B T ˆ (AB)T = B T AT

Zbiór wszystkich macierzy wymiaru m × n o wyrazach rzeczywistych ozna-

czamy przez Rm,n .
Macierz symetryczna to taka macierz kwadratowa A = [aij ], dla której aij = aji ,
czyli A = AT .
Diagonalna macierz wymiaru n × n o wyrazach d1 , d2 , ..., dn na przek¡tnej b¦dzie

4
oznaczana przez diag(di ) lub D(di ) a zatem
 
d1 0 ... 0
 0 d2 ... 0 
diag(di ) = D(di ) =  .
 
 ... ... ... ... 
0 0 ... dn

Oprócz tego symbolem I lub In oznaczamy macierze

 
1 0 ... 0
 0 1 ... 0 
I = In =  ,
 

 ... ... ... ... 
0 0 ... 1 n×n

Macierz I zwiemy macierz¡ jednostkow¡. Pelni ona rol¦ elementu neutralnego w

mno»eniu tzn. AI = A, IA = A.
Wyznacznik macierzy kwadratowej A to liczba, któr¡ b¦dziemy oznacza¢
przez detA. Jedna z metod obliczania wyznacznia to tzw. wzór Laplace'a.

Fakt 1.8. Niech A = [aij ] b¦dzie macierz¡ kwadratow¡ wymiaru n × n. Wtedy

n
ˆ det(A) = a1j A1j + a2j A2j + ... + anj Anj =
P
aij Aij dla j = 1, 2, ..., n,
i=1

n
ˆ det(A) = ai1 Ai1 + ai2 Ai2 + ... + ain Ain =
P
aij Aij dla i = 1, 2, ..., n,
j=1

gdzieAij to tzw. dopeªnienie algebraiczne lub inaczej kofaktor elementu aij , dany
wzorem Aij = (−1)i+j ·det(Mij ), za± Mij jest macierz¡ wymiaru (n−1)×(n−1)
powstaª¡ z macierzy A w wyniku skre±lenia i-tego wiersza oraz j -tej kolumny.

Dalsze wªasno±ci wyznacznika opisuje

Fakt 1.9. Niech A = [aij ] b¦dzie macierz¡ kwadratow¡ wymiaru n × n. Wtedy

ˆ Wyznacznik macierzy trójkatnej (tak»e blokowej, a w szczególno±ci diago-

nalnej) jest równy iloczynowi liczb (wyznaczników macierzy kwadratowych
blokowych z przek¡tnej - w przypadku macierzy blokowej) z przek¡tnej.

ˆ Je»eli dowolny wiersz (kolumn¦) macierzy A pomno»ymy przez liczb¦ c, to

wyznacznik takiej macierzy jest równy c · det(A).

5
 ˆ Je»eli zamienimy miejscami dowolne dwa wiersze (kolumny), to wyznacznik
zmieni znak.

ˆ Je»eli do dowolnego wiersza (kolumny) dodamy inny wiersz (kolumn¦) po-

mno»on¡ przez dowoln¡ liczb¦, to wyznacznik nie zmieni si¦.

ˆ Je»eli pewne dwa wiersze (kolumny) s¡ proporcjonalne, to wyznacznik takiej

macierzy jest równy 0.

ˆ Je»eli A i B s¡ macierzami kwadratowymi jednakowego wymiaru, to detAB =

detA · detB .

ˆ Dla macierzy blokowej trójkatnej (gdzie na przek¡tnej s¡ macierze kwadra-

towe) mamy
 
A11 A12 ... A1k
 0 A22 ... A2k 
det   = detA11 · detA22 · ... · detAkk
 
 ... ... ... ... 
0 0 ... Akk

Denicja 1.10. Macierz¡ odwrotn¡ do macierzy kwadratowej A nazywamy tak¡

macierz kwadratow¡ A−1 , dla której A · A−1 = A−1 · A = I .

Mówimy, »e macierz kwadratowa jest nieosobliwa, je±li jej wyznacznik jest ró»ny
od 0.
Podstawowe wªasno±ci macierzy odwrotnej opisuje

Fakt 1.11. Wªasno±ci odwracania macierzy

ˆ Odwrotno±¢, o ile istnieje, maierzy górnotrójkatnej, dolnotrójk¡tnej, diago-
nalnej, symetrycznej jest odpowiednio macierz¡ górnotrójkatn¡, dolno trój-
k¡tn¡, diagonaln¡, symetryczn¡

ˆ (AT )−1 = (A−1 )T

ˆ (AB)−1 = (B −1 )(A−1 )

ˆ (cA)−1 = 1c A−1 , c ∈ R,

ˆ Odwrotno±¢ macierzy diagonalnej jest macierz¡ diagonaln¡ o wyrazach b¦-

d¡cych odwrotno±ciami odpowiednich wyrazów macierzy oryginalnej.

6
Denicja 1.12. Rz¡d macierzy A = [aij ]p×q oznaczamy przez r(A) i deniujemy
jako maksymaln¡ ilo±¢ liniowo niezale»nych wierszy macierzy A lub równowa»nie,
jako maksymaln¡ ilo±¢ liniowo niezale»nych kolumn macierzy A.
Fakt 1.13. Wªasno±ci rz¦du macierzy
ˆ r(AT ) = r(A)

ˆ Je»eli macierz pomno»ymy lewostronnie lub prawostronnie przez macierz

nieosobliw¡, to jej rz¡d nie zmieni si¦.

Ka»da macierz A wymiaru m × n wyznacza odwzorowanie A : Rn → Rm

dane wzorem A(x) := Ax dla x ∈ Rn . Jego podstawowe wª¡sno±ci to

A(x + x′ ) = A(x) + A(x′ ), A(αx) = αA(x)

Oznaczenia:
R(A) := {Ax : x ∈ Rn }
R(A) zwiemy zbiorem warto±ci przeksztaªcenia (macierzy) A.

N (A) := {x ∈ Rn : Ax = 0}

N (A) to tzw.j¡dro macierzy A.

Dowodzi si¦, »e je±li A jest wymiaru m × n to

dim R(A) + dim N (A) = n

Niekiedy wygodnie jest zapisywanie macierzy w postaci blokowej

 
A11 A12 ... A1n
 A21 A22 ... A2n 
A= ,
 
 ... ... ... ... 
Am1 Am2 ... Amn

gdzie Aij to podmacierze macierzy A. W powy»szym zapisie obowi¡zuje zasada,

»e podmacierze wyst¦pujace w jednym wierszu maj¡ t¦ sam¡ ilo±¢ wierszy, a pod-
macierze z tej samej kolumny maj¡ identyczna ilo±¢ kolumn. Zachodz¡ równo±ci
AT11 AT21 ... ATm1
 

T
 AT12 AT22 ... ATm2 
A = .
 
 ... ... ... ... 
AT1n AT2n ... ATmn

7
Je±li przyjmiemy, »e macierz B ma podobn¡ struktur¦ jak i A, to wtedy ich suma
to  
A11 + B11 A12 + B12 ... A1n + B1n
 A +B A22 + B22 ... A2n + B2n 
21 21
A+B = .
 
 ... ... ... ... 
Am1 + Bm1 Am2 + Bm2 ... Amn + Bmn
Niech teraz macierz B ma posta¢
 
B11 B12 ... B1k
 B21 B22 ... B2k 
B= .
 
 ... ... ... ... 
Bn1 Bn2 ... Bnk

Wtedy iloczyn AB mo»na wyrazi¢ nastepuj¡co (przy zaªo»eniu, »e formaty ma-

cierzy Aji i Bil s¡ odpowienio zgodne)
n n n
 
P P P
 i=1 A1i Bi1 i=1 A1i Bi2 ... i=1 A1i Bik 
 n n n 
 P P P 
 A2i Bi1 A2i Bi2 ... A2i Bik 
AB = 
 i=1 i=1 i=1 .

 n ... ... ... ...
 
n n

 P P P 
Ami Bi1 Ami Bi2 ... Ami Bik
i=1 i=1 i=1

Denicja 1.14. Norm¡ macierzy A indukowan¡ przez norm¦-p wektora (lub

krótko norm¡ p- macierzy A) nazywamy liczb¦ ||A||p , gdzie p ∈ {1, 2, ∞}, dan¡
wzorem n ||Ax|| o
p
||A||p := max : x ̸= 0
||x||p
Mo»na pokaza¢, »e je±li A = [aij ] jest macierz¡ wymiaru m × n, to
m
(4)
X
||A||1 = max |aij |
j=1,...,n
i=1

n
(5)
X
||A||∞ = max |aij |
i=1,...,m
j=1

(6)
p
||A||2 = λmax (AT A)
gdzie λmax (AT A) to najwi¦ksza warto±¢ wªasna macierzy AT A. Norma ||A||2
bywa zwana norm¡ spektraln¡ macierzy A.

8
 W u»yciu bywa te» tzw.norma Frobeniusa
v
u m X
n
uX
||A||F := t |aij |2 (7)
i=1 j=1

Ka»da z powy»szych norm macierzowych jest multyplikatywna, tzn. je±li A

i B s¡ macierzami odpowiednio zgodnych wymiarów, to dla dowolnego p ∈
{1, 2, ∞, F } mamy
||AB||p ≤ ||A||p ||B||p
Wynika st¡d, »e
||An ||p ≤ ||A||np

Denicja 1.15. O macierzy kwadratowej Q mówimy, »e jest ortogonalna, je±li

jej wiersze tworz¡ ortonormalny ukªad wektorów. Okazuje si¦, »e jest to te» rów-
nowa»ne stwierdzeniu, »e równie» kolumny tworz¡ ukªad ortonormalny. Kazdy z
obu tych warunków jest te» równowa»ny równo±ci QT Q = QQT = I .

Fakt 1.16. Wªasno±ci macierzy ortogonalnych

ˆ Je±li macierz Q jest ortogonalna, to jej wyznacznik detQ = ±1.

ˆ Iloczyn macierzy ortogonalnych jest macierz¡ ortogonaln¡.

ˆ Macierz ortogonalna przeksztaªca ukªad wektorów ortonormalnych na ukªad

wektorów ortonormalnych.

ˆ Wiersze (kolumny) macierzy ortogonalnej wymiaru n × n tworz¡ baz¦ orto-

normaln¡ w Rn .

ˆ Macierz ortogonalna Q zachowuje iloczyn skalarny tzn. (Qx)T Qy = xT y

dla x, y ∈ Rn .

ˆ Je±li macierz Q jest ortogonalna, to ||Q||2 = 1

ˆ Macierz ortogonalna Q zachowuje dªugo±¢ wektora tzn. ||Qx||2 = ||x||2 dla

x ∈ Rn .

Denicja 1.17. Form¡ dwuliniow¡ zwiemy ka»de wyra»enie xT Ay, gdzie A =

[aij ]n×n jest kwadratow¡ macierz symetryczn¡, x, y ∈ Rn .

9
Mamy wi¦c
 
y1

a11 a12 ... a1n
 y2 

 a21 a22 ... a2n 
xT Ay = [x1 , x2 , ..., xn ]  ..  .


 ... ... ... ... 
 . 

an1 an2 ... ann yn

Denicja 1.18. Form¡ kwadratow¡ zwiemy ka»de wyra»enie xT Ax, gdzie A =

[aij ]n×n jest kwadratow¡ macierz symetryczn¡, x, y ∈ Rn .

Mamy wi¦c
 
x1

a11 a12 ... a1n
x2 
 
 a21 a22 ... a2n 

xT Ax = [x1 , x2 , ..., xn ]  .. 


 ... ... ... ...  . 

an1 an2 ... ann xn

= a11 x21 + a22 x22 + ... + ann x2n + 2a12 x1 x2 + ... + 2a1n x1 xn + ... + 2an−1,n xn−1 xn .

Denicja 1.19. O formie kwadratowej xT Ax mówimy, »e jest okre±lona dodatnio

(ujemnie, nieujemnie, niedodatnio, nieokre±lona),
je±li dla ka»dego 0 ̸= x ∈
R warto±¢ x Ax jest dodatnia (ujemna, nieujemna, niedodatnia, zmiennego
n T

znaku).

Denicja 1.20. O macierzy kwadratowej A mówimy, »e jest okre±lona dodat-

nio (ujemnie, nieujemnie, niedodatnio, nieokre±lona),
je±li forma kwadratowa
x Ax jest dodatnia (ujemna, nieujemna, niedodatnia, zmiennego znaku). Pi-
T

szemy wtedy krótko: A > 0, A < 0, A ≥ 0, A ≤ 0.

Wygodn¡ metod¡ badania okre±lono±ci macierzy kwadratowej jest

Twierdzenie 1.21. (Sylvestera)

Niech A = [aij ]n×n b¦dzie rzeczywist¡ macierz¡ symetryczn¡. Oznaczmy

 
a11 a12 ... a1k
 a21 a22 ... a2k 
Mk :=   dla k = 1, 2, ..., n.
 
 ... ... ... ... 
ak1 ak2 ... akk

Wówczas

10
 ˆ macierz kwadratowa A jest dodatnio okre±lona wtedy i tylko wtedy, gdy
detMk > 0 dla k = 1, 2, ..., n.

ˆ macierz kwadratowa A jest ujemnie okre±lona wtedy i tylko wtedy, gdy

(−1)k detMk > 0 dla k = 1, 2, ..., n.

Poni»ej kolejny, równowa»ny opis macierzy dodatnio (ujemnie) okre±lonych.

Fakt 1.22. Macierz symetryczna jest dodatnio (ujemnie) okre±lona wtedy i tylko
wtedy, gdy jest wszystkie warto±ci wlasne s¡ dodatnie (ujemne).

Innym przykªadem przestrzeni liniowej jest Cn zªo»ona z wszystkich wektorów

 
x1
 x2 
 
x= . 
 .. 


xn
o zespolonych wspóªrz¦dnych. Przestrze« ta pojawia si¦ przy badaniu warto±ci i
wektorów wªasnych. Dla wektorów z tej przestrzeni oraz dla macierzy zespolonych
wprowadza si¦ symbol H który oznacza transponowanie poª¡czone ze sprz¦»eniem,
tzn. dla wektora mamy
xH := (x)T = [x1 , x2 , ..., xn ]

a dla macierzy A
 
a11 a21 ... am1
H

T a12 a22 ... am2 
A := (A) = 
 

 ... ... ... ... 
a1n a2n ... amn
Zbiór wszystkich macierzy wymiaru m × n o wyrazach zespolonych b¦dziemy
oznacza¢ przez Cm,n .
W przestrzeni Cn wygodnie jest zdeniowa¢ iloczyn skalarny nast¦puj¡co
 
y1
n
 y2  X
 
H
 .. 
x y = [x1 , x2 , ..., xn ]  = xi y i .

 .  i=1
yn
W analogiczny sposób jak wcze±niej, deniuje si¦ norm¦ dla wektorów i macierzy
zespolonych.

11
Denicja 1.23. Niech A = [aij ] b¦dzie rzeczywist¡ macierz¡ kwadratow¡. Je±li
λ ∈ C jest takie, »e istnieje niezerowy wektor x ∈ Cn speªniaj¡cy równo±¢

Ax = λx

to liczb¦ λ zwiemy warto±ci¡ wªasn¡ macierzy A, a x wektorem wªasnym dla

warto±ci wªasnej λ.
Zbiór warto±ci wªasnych macierzy A oznaczamy przez Sp(A) i nazywamy spek-
trum macierzy A.

Fakt 1.24. Liczba λ jest warto±ci¡ wªasn¡ macierzy A (tzn. λ ∈ Sp(A)) wtedy
i tylko wtedy, gdy
det(A − λI) = 0
Wielomian pA (λ) = det(A − λI) zwany bywa wielomianem charakterystycznym
macierzy A. Mamy wi¦c
 
a11 − λ a12 ... a1n
 a21 a22−λ ... a2n 
pA (λ) = det 
 

 ... ... ... ... 
an1 an2 ... ann − λ
Denicja 1.25. wartosci wªasnej λ zwiemy krotno±¢
Krotno±ci¡ algebraiczn¡
λ jako pierwiastka wielomianu charakterystycznego pA (λ) i oznaczamy j¡ przez
α(λ) lub α.
Podprzestrzeni¡ wªasn¡ warto±ci wªasnej λ macierzy A nazywamy podrze-
strze« zªo»on¡ ze wszystkich wektorów x ∈ Cn (tak»e zerowy) speªniaj¡cych
równo±c Ax = λx. Tak wi¦c podprzstrze« wªasna to N (A − λI).
Denicja 1.26. Krotno±ci¡ geometryczn¡ wartosci wªasnej λ macierzy A zwiemy
wymiar podprzestzreni wªasnej dla λ (czyli maksymaln¡ ilo±¢ liniowo niezale»nych
wektorów wªasnych dla λ) i oznaczay j¡ przez γ(λ) lub γ .
Wiadomo, »e γ ≤ λ. Szczegówlnie w¡»ny jest przypadek, gdy dla kazdej
wartosci wª¡snej γ = α.
Denicja 1.27. Je±li krotno±ci algebraiczne s¡ równe krotno±ciom geometrycz-
nym dla wszystkich warto±ci wªasnych macierzy kwadratowej A (tzn. α(λ) =
γ(λ) dla λ ∈ Sp(A)), to mówimy, »e macierz ta ma prost¡ struktur¦. W prze-
ciwnym razie, gdy dla pewnej warto±ci wªasnej γ(λ) < α(λ), to o macierzy A
mówimy, »e ma zªo»on¡ struktur¦.

12
 Jak to si¦ pó¹niej oka»e, tylko macierze o prostej strukturze, maj¡ wa»n¡
cech¦ - s¡ diagonalizowalne.

Fakt 1.28.
ˆ Niech Sp(A) = {λ1 , λ2 , ..., λk } b¦dzie zbiorem warto±ci wªasnych macierzy
A wymiaru n × n. Wtedy

a) warto±ciami wªasnymi macierzy A−cI s¡ liczby {λ1 −c, λ2 −c, ..., λk −

c}, czyli skrótowo Sp(A − cI) = Sp(A) − c, gdzie c jest dowolna liczba
rzeczywist¡

b) je±li macierz A jest nieosobliwa, to warto±ciami wªasnymi macierzy

−1 −1 −1 −1
A s¡ liczby {λ1 , λ2 , ..., λk } czyli skrótowo: Sp(A−1 ) = Sp(A)−1 .

ˆ Sp(A) = Sp(AT )

ˆ Warto±ci wªasne rzeczywistej dodatnio okre±lonej macierzy kwadratowej s¡

dodatnie.

ˆ Je±li {λ1 , ..., λp } s¡ warto±ciami wªasnymi macierzy A wymiaru p × p, to

trA = λ1 + ... + λp , |A| = λ1 · · · λp

ˆ je±li λ jest warto±ci¡ wlasn¡ macierzy A , to |λ| ≤ ||A||, gdzie || · || jest

dowoln¡ norm¡ macierzow¡.

1.2.1 Podobie«stwo macierzy

Denicja 1.29. Mówimy, »e dwie kwadratowe macierze A i B (o wyrazach
rzeczywistych lub zespolonych) s¡ podobne, je±li istnieje taka nieosobliwa macierz
T , »e B = T −1 AT . Przeksztaªcenie A → B = T −1 AT zwiemy podobie«stwem.

Fakt 1.30. Ka»de dwie podobne macierze A i B maj¡ te same warto±ci wª¡sne
o tych samych krotno±ciach algebraicznych i geometrycznych.

13