Matematica in biologie 2013 2014

Cursul 2
Spatii vectoriale si aplicatii liniare
Cunoasterea umana a oricarui domeniu al realitatii incepe cu observarea
atenta a respectivului domeniu, culegerea de cat mai multe date despre re-
spectivul domeniu, continuata cu gruparea si ordonarea acestora dupa anumite
criterii, formularea unor ipoteze de lucru, studierea lor cu diferite metode si
mijloace, tragerea unor concluzii, toate cele de mai inainte ind urmate de
confruntarea rezultatelor cercetarii cu realitatea. In cazul unei bune concor-
dante intre rezultatele studiului teoretic si cele obtinute prin observatii directe
inseamna ca ipotezele de lucru au fost, pentru aceasta etapa a cercetarii si
acest moment istoric, corecte si pot incluse intr-o teorie (ce explica acceptabil
realitatea din domeniul avut in vedere). Daca in momentul respectiv sau ulte-
rior, dupa culegerea unui numar suplimentar de date, se constata discrepante
"serioase" intre predictiile teoriei si rezultatele observatiilor directe se vor aban-
dona ipotezele de lucru si teoriile construite pe baza lor si se vor formula altele
noi, iar procesul cunoasterii se reia.
Si in matematica apar, in mod natural, tot felul de "datc", o/icctc, ojcratii
cu ele etc. care se prelucreaza oarecum asemanator; se grupeaza, ordoneaza,
claseaza, organizeaza si se inzestreaza cu diferite structuri, iar toate aceste op-
eratiuni permit studiul, intelegerea si extragerea de informatii utile care urmeaza
a folosite ulterior in noi constructii teoretice sau aplicate in practica.
Ca exemplu de asemenea date vom considera multimea numerelor reale (R)
impreuna cu cele doua operatii naturale: adunarea (+) si inmultirea ().
Ne reamintim urmatoarele fapte despre tripletul (R, +, ) :
1) adn:arca este o operatie interna pe multimea numerelor reale, adica
suma a doua numere reale este (totdeauna !) tot un numar real; prin urmare
+ :RRR ;
2) adn:arca este asociativa, adica
\x, y, z R= (x +y) +z = x + (y +z) ;
3) adn:arca este comutativa, adica
\x, y R= x +y = y +x ;
4) exista un numar real (special!) notat 0 (zero) astfel incat
x +0 = 0 +x, \x R ;
1
5) \ r R r
0
(= r) R astfel incat
x +x
0
= x
0
+x = 0;
6) i::n|tirca este o operatie interna pe multimea numerelor reale, adica
produsul a doua numere reale este (totdeauna !) tot un numar real; prin urmare
:RRR ;
7) i::n|tirca este asociativa, adica
\`, j R si \ r R= (x) = ()x ;
8) i::n|tirca este distributiva fata de adunare (in varianta I), adica
\` R si \ x, y R= (x +y) = x +y ;
9) i::n|tirca este distributiva fata de adunare (in varianta II), adica
\`, j R si \ x R= (+j)x = x+jx ;
10) exista un alt numar real (special!) notat 1 (unu) astfel incat:
1 x = x, \x R.
Proprietatile 1) 5) ne spun ca (R, +) este un grup comutativ.

1. Spatii vectoriale
In cursul precedent am vazut ca, pentru : N

= Nr0, spatiul
R
n
= R R ... R
| {z }
n factori
se poate inzestra, in mod natural, cu doua operatii (legi de compozitie binare):
i) una interna, notata cu +,
+ : R
n
R
n
R
n
,
numita adunare si denita astfel:
(r
1
, ..., r
n
) + (j
1
, ..., j
n
) := (r
1
+ j
1
, ..., r
n
+ j
n
),
\r = (r
1
, ..., r
n
), j = (j
1
, ..., j
n
) R
n
si
ii) o alta externa, notata cu ,
: R R
n
R
n
, (`, r) ` r = `r,
2
numita inmultire cu scalari denita dupa cum urmeaza:
` (r
1
, ..., r
n
) := (`r
1
, ..., `r
n
),
\` R si \(r
1
, ..., r
n
) R
n
.
Inzestrat cu adunarea denita mai sus R
n
devine un grup comutativ, adica:
1) (r + j) + . = r + (j + .), \r, j, . R
n
(asociativitate);
2) r + j = j + r, \r, j R
n
(comutativitate);
3) exista element neutru 0
R
n = 0 = (0, ..., 0) R
n
astfel incat
r + 0 = 0 + r = r, \r R
n
;
4) \r R
n
r
0
= r = (r
1
, ..., r
n
) R
n
asa incat
r + r
0
= r
0
+ r = 0.
In raport cu operatia de inmultire cu scalari sunt vericate proprietatile:
1) `(r + j) = `r + `j, \ ` R, \ r, j R
n
;
2) (` + j)r = `r + jr, \ `, j R, \ r R
n
;
3) `(jr) = (`j)r, \ `, j R, \ r R
n
;
4) 1 r = r, \ r R
n
.
Observatie. Toate cele patru proprietati ale adunarii vectoriale (pe R
n
),
cat si cele patru proprietati ale inmultirii cu scalari se demonstreaza (veri-
ca) !

Alte exemple de spatii care se inzestreaza, in mod natural, cu o operatie

(interna) de adunare si cu o operatie (externa) de inmultire cu scalari (numere
reale sau complexe) sunt urmatoarele:
a) spatiul polinoamelor cu coecienti reali, de grad _ /:
T
k
= a
0
+ a
1
A + ... + a
k
A
k
[ a
0
, ..., a
k
R;
b) multimea matricilor cu : linii si : coloane, avand componente reale;
c) multimea functiilor denite pe [0, 1] si cu valori reale;
d) multimea functiilor continue pe [1, 1] avand valori reale.

Observatie. In ecare dintre cele patru exemple de mai sus corpul nu-
merelor reale poate inlocuit cu corpul numerelor complexe.

Se constata usor ca, in oricare dintre aceste cazuri, proprietatile adunarii

vectoriale cat si cele ale inmultirii cu scalari, indeplinite mai sus pentru cazul
lui R
n
, se verica din nou.
Pentru a nu ne disipa in mod inutil energia se impune renuntarea la acele
caracteristici ale ecarui caz particular care nu sunt importante si evidentierea
acelora care se dovedesc esentiale, adica, cu un singur cuvant, abstractizarea.
Prin urmare va trebui sa retinem (sau, cu un alt limbaj, sa "ne" dam)
o multime nevida \ (de "vectori"), un corp 1 (de scalari) si doua
3
operatii: una interna (+), care sa joace rolul adunarii si una externa
() care sa indeplineasca rolul inmultirii cu scalari.
Mai precis, cele spuse mai sus, se traduc in urmatorul scenariu:
Fie Kun corp comutativ. Noi vom presupune, cu exceptia cazului cand este
specicat in mod expres contrariul, ca spatiul K este sau corpul R al numerelor
reale sau corpul C al numerelor complexe. Se numeste spa tiu vectorial peste K
(sau K-spa tiu vectorial ) o multime nevid a \ nzestrat a cu:
i) o lege de compozi tie intern a notat a +
+ : \ \ \, (r, j) r + j,
numita adunare, relativ la care \ este grup abelian (comutativ) si
ii) o lege de compozi tie extern a notat a
: 1 \ \, (`, r) ` r = `r,
numita inmultire cu scalari, cu propriet atile:
1) `(jr) = (`j)r, \ `, j 1; \ r \ ;
2) 1 r = r, \ r \ ;
3) `(r + j) = `r + `j, \ ` 1; \ r, j \ ;
4) (` + j)r = `r + jr, \ `, j 1; \ r \.
Notiunea de spatiu vectorial sau spatiu liniar este un prim concept fundamental pentru
ramura algebrei numita algebra liniara. Aplicatiile sale depasesc insa, cu mult,
granitele acestei discipline.
Remarca 2.1.1.
i) In 1) se utilizeaza (in membrul stang), in mod repetat, inmultirea cu
scalari (a vectorilor), iar in membrul drept se folosesc atat inmultirea din 1 cat
si inmultirea cu scalari (a vectorilor); 1) este o proprietate de "asociativitate".
ii) In 3) se utilizeaza adunarea vectoriala din \ si inmultirea cu scalari
(a vectorilor); prin aceasta axioma se precizeaza distributivitatea inmultirii cu
scalari fata de adunarea vectorilor.
iii) In 4) se intrebuinteaza, in membrul stang, adunarea din corpul 1 cat
si inmultirea cu scalari (a vectorilor), iar in membrul drept se folosesc tot in-
multirea cu scalari (a vectorilor) si adunarea vectoriala (din \ ); si 4) este tot o
proprietate de distributivitate.
iv) Nu are nicio relevanta natura obiectelor din \.
v) In ecare caz concret, pe care il intalnim in practica, daca nu dam peste o
situatie clasica, tratata in literatura de specialitate, daca este nevoie sa eviden-
tiem un anumit tip concret de spatiu vectorial va trebui sa probam cu acribie
vericarea ecareia dintre axiomele de mai sus. Atragem atentia ca este posi-
bila indeplinirea doar a unei parti dintre axiome (si deci neindeplinirea unei
alte parti).

Ceea ce am observat in cazurile particulare se poate realiza si in cazul general,

adica se pot face sume (nite !) de vectori si se pot inmulti vectorii cu scalari,
obtinandu-se noi vectori. Aceasta inseamna ca unii vectori sunt combinatii,
de un anumit tip, ale unor anumiti vectori. Pentru ca intr-un spatiu vectorial
4
stim sa facem adunari si inmultiri cu scalari combinatiile avute in vedere se vor
realiza numai cu aceste operatii. Asadar, ind dati vectorii
1
,
2
, ...,
m
\ si
scalarii `
1
, `
2
, ..., `
m
1 se poate considera combinatia:
`
1

1
+ `
2

2
+ ... + `
m

m
.
Din motive care se vor vedea mai clar ulterior, vom numi un asemenea obiect
co:/i:atic |i:iara.
Exemple 2.1.2.
1) Fie
1
= (1, 1) si
2
= (2, 3) doi vectori din R
2
si `
1
= 5, `
2
= 2 doi
scalari (numere reale). Atunci
`
1

1
+`
2

2
= 5(1, 1)+(2)(2, 3) = (5, 5)+(4, 6) = (54, 56) = (1, 11).
2) Pentru orice vector r = (r
1
, ..., r
n
) R
n
avem:
r = (r
1
, 0, .., 0) + ... + (0, ..., 0, r
n
) =
= r
1
(1, 0, ..., 0) + ... + r
n
(0, ...0, 1).
Asadar oricare ar r = (r
1
, ..., r
n
) R
n
exista scalarii c
1
= c
1
(r) = r
1
, ..., c
n
=
c
n
(r) = r
n
astfel incat
r = c
1
c
1
+ ... + c
n
c
n
,
unde c
1
:= (1, 0, ..., 0), ..., c
n
=: (0, ..., 0, 1). Prin urmare vectorul r este o
combinatie liniara a vectorilor c
1
, ..., c
n
. Altfel spus sistemul de vectori c =
c
1
, c
2
, ..., c
n
R
n
este un sistem de generatori pentru R
n
.
Cele de mai sus ne sugereaza urmatoarea denitie (pentru cazul abstract):
Denitia 2.1.3.
Fie \ un 1-spatiu vectorial. O submultime nevid a o _ \ , o =
1
,
2
, ...,
m

se numeste sistem de generatori pentru \ dac a pentru orice r \ exist a scalarii

c
1
, c
2
, ..., c
m
1 (care depind de r) astfel nct
r = c
1

1
+ c
2

2
+ ... + c
m

m
(mai spunem c a r este o combina tie liniara de
1
,
2
, ...,
m
cu scalari din 1).
Fie r, j R
2
doi vectori nenuli. Se observa ca acesti vectori se pot aa in
una (si doar in una) din urmatoarele doua situatii:
a) vectorii sunt coliniari;
b) vectorii nu sunt coliniari.
Prima situatie se traduce prin faptul ca exista un scalar ` R astfel incat:
j = `r == `r j = 0 == `r + (1)j = 0.
Pentru a evita lipsa de simetrie in raportul dintre r si j conditia de mai sus
poate tradusa prin existenta a doi scalari ` si j, nu ambii nuli, deci pentru
care [`[ +[j[ 0, astfel incat:
`r + jj = 0.
5
Atunci varianta b) se poate reformula astfel: vectorii r si j nu sunt coliniari
daca (si numai daca) se realizeaza conditia:
`, j R si `r + jj = 0 == ` = j = 0.
Din aceste observatii ni se sugereaza urmatoarea:
Denitia 2.1.4.
Fie \ un 1-spatiu vectorial. O submultime nevid a 1 _ \ , 1 =
1
,
2
, ...,
k

se numeste sistem liniar independent pentru \ dac a din orice relatie de forma
`
1

1
+ `
2

2
+ ... + `
k

k
= 0
cu `
i
1, rezult a `
i
= 0, pentru i = 1, 2, ..., /.
Prin negatie obtinem o alta:
Denitia 2.1.5.
O submultime nevid a 1 _ \ , 1 =
1
,
2
, ...,
m
care nu este sistem liniar
independent se numeste sistem liniar dependent.
Exemple 2.1.6.
a) Sistemul c
1
:= (1, 0, ..., 0), ..., c
n
=: (0, ..., 0, 1) de vectori din R
n
este liniar
independent (in R
n
) (Exercitiu !).
b) Sistemul de vectori (1, 2), (1, 5), (
_
2, ) este liniar dependent in R
2
.
Deosebit de importante sunt sistemele de vectori care sunt simultan si sis-
teme de generatori si liniar independente.
Denitia 2.1.7.
O submultime nevid a B \ , B =
1
,
2
, ...,
n
se numeste baza a lui \
dac a este, n acelasi timp, si sistem de generatori si sistem liniar independent.
Exemple 2.1.8.
a) Vectorii c
1
= (1, 0) si c
2
= (0, 1) formeaza o baza pentru R
2
. Aceasta
constituie baza canonica (sau baza standard) a lui R
2
. O alta baza a lui R
2
este
formata din vectorii
1
= (1, 1) si
2
= (1, 1).
b) Vectorii c
1
:= (1, 0, ..., 0), ..., c
n
=: (0, ..., 0, 1) formeaza o baza (pentru
R
n
), numita baza canonica ( sau baza standard), a lui R
n
.
c) Vectorii (1, 2), (1, 5), (
_
2, ) formeaza un sistem de generatori pentru
R
2
, dar nu este un sistem liniar independent de vectori si deci nu este o baza.
d) Vectorii (1, 1, 0) si (0, 1, 1) sunt liniar independenti in R
3
, dar nu sunt o
baza, pentru ca nu formeaza un sistem de generatori pentru R
3
.
Valoarea conceptului de baza este data de urmatorul rezultat:
Teorema 2.1.9. Fie \ un 1 spatiu vectorial si B = b
1
, ..., b
n
o baza al-
gebrica pentru \. Atunci \r \ exista si sunt unici scalarii c
1
= c
1
(r), ..., c
n
=
c
n
(r) 1 astfel incat:
r = c
1
b
1
+ ... + c
n
b
n
.
Scalarii c
1
, ..., c
n
se numesc coordonatele lui r in raport cu baza B = b
1
, ..., b
n
.
Demonstratie. Fie r \. Existenta scalarilor c
1
= c
1
(r), ..., c
n
= c
n
(r)
1 pentru care:
r = c
1
b
1
+ ... + c
n
b
n
6
este asigurata de faptul ca B = b
1
, ..., b
n
este, prin ipoteza, un sistem de
generatori. Sa admitem acum ca exista doua familii de scalari c
1
, ..., c
n
1 si
c
0
1
, ..., c
0
n
1 astfel incat:
r = c
1
b
1
+ ... + c
n
b
n
si
r = c
0
1
b
1
+ ... + c
0
n
b
n
.
Scazand membru cu membru cele doua egalitati rezulta:
0 = (c
1
c
0
1
)b
1
+ ... + (c
n
c
0
n)
b
n
.
Deoarece sistemul B = b
1
, ..., b
n
este si liniar independent deducem ca:
c
1
c
0
1
= 0, ..., c
n
c
0
n
= 0,
adica c
1
= c
0
1
, ..., c
n
= c
0
n
de unde obtinem si unicitatea.
Teorema 2.1.10. Fie \ un 1 spatiu vectorial si B = b
1
, ..., b
n
o baza
algebrica ordonata pentru \. Atunci aplicatia
\ r (c
1
(r), ..., c
n
(r)) 1
n
este o bijectie a lui \ pe 1
n
.
Corolar 2.1.11. Fie \ un spatiu vectorial real (peste R) si B = b
1
, ..., b
n

o baza algebrica ordonata pentru \. Atunci aplicatia

\ r (c
1
(r), ..., c
n
(r)) R
n
este o bijectie a lui \ pe R
n
.
Notatie.
Pentru r \ vom nota
[r]
B
:=
0
B
@
c
1
(r)
.
.
.
c
n
(r)
1
C
A 1
n
.
Vectorul [r]
B
1
n
se va numi reprezentarea lui r in baza B. Asdar se poate
deni aplicatia de reprezentare, relativa la baza B,
\

B
1
n
,
data prin
j
B
(r) := [r]
B
, r \.
Constituie un exercitiu util vericarea urmatoarelor proprietati ale aplicatiei
j
B
:
a) j
B
(r + j) = j
B
(r) + j
B
(j), \r, j \ ;
b) j
B
(`r) = `j
B
(r), \` 1, r \.
7
Inseamna ca aplicatia j
B
este liniara.
In plus, j
B
este si bijectiva. Mai concentrat, se spune ca j
B
este un
izomorsm algebric de spatii vectoriale.
Remarca 2.12. Bijectia de mai sus depinde esential de alegerea bazei.
Deci nu este canonica. Totusi acest rezultat evidentiaza importanta deosebita
a spatiilor de tipul R
n
.
Urmatoarele rezultate au o mare valoare teoretica si le prezentam, desigur
fara demonstratie, pentru ca cititorul sa-si faca o imagine mai completa (dar si
mai corecta !) despre conceptul de spatiu vectorial.
Teorema 2.1.13.
Fie \ ,= 0 un 1-spatiu vectorial ce admite sistem de generatori. Din orice
sistem de generatori al lui \ se poate extrage o baz a.
Teorema 2.1.14.
Fie \ ,= 0 un 1-spatiu vectorial si o un sistem de generatori al lui \ .
Orice submultime 1 o care este sistem liniar independent de vectori poate
completat a cu elemente din o pn a la o baz a a lui \ .
Teorema 2.1.15.
Fie \ ,= 0 un 1-spatiu vectorial ce admite sistem de generatori. Orice
sistem liniar independent de vectori din \ poate completat pn a la o baz a a
lui \ .
Fundamental se dovedeste a urmatorul rezultat:
Teorem2.1.16.
Fie \ ,= 0 un 1-spatiu vectorial ce admite sistem de generatori. Toate
bazele lui \ au acela si numar de elemente.
Denitia 2.1.17.
Fie \ ,= 0 un 1-spatiu vectorial ce admite un sistem de generatori.
Num arul de elemente dintr-o baz a a lui \ se numeste dimensiunea lui \ (peste
K) si se noteaz a dim
K
\ .
Denitia 2.1.18.
Fie \ un 1-spatiu vectorial si \ \ o submultime nevid a. Spunem c a \
este un subspa tiu vectorial peste 1 dac a:
1.\ r, j \ == r j \;
2.\ r \ si \ ` 1 == `r \.

In cele ce urmeaza introducem un al doilea concept fundamental din algebra

liniara si anume pe cel din urmatorul paragraf:
2. Aplicatii liniare
Proprietatile aplicatiei j
B
din paragraful anterior ne sugereaza
Denitia 2.2.1.
Fie \ si \ dou a spatii vectoriale peste corpul comutativ 1. Se numeste
aplica tie liniara de la \ la \ orice aplicatie ) : \ \ cu proprietatea:
8
)(`r + jj) = `)(r) + j)(j) (2.2.1)
pentru oricare vectori r, j \ si orice scalari `, j 1.
O aplicatie liniara ) de la spatiul vectorial \ la corpul scalarilor 1 (cu 1
considerat ca spatiu vectorial peste sine insusi) se numeste functionala liniara.
Observatia 2.2.3.
Proprietatea (2.2.1), din denitia de mai sus, este echivalenta cu vericarea
urmatoarelor doua proprietati:
1) )(r + j) = )(r) + )(j), \r, j \,
2) )(`r) = `)(r), \` 1, \r \.
Conditia de la 1) este o proprietate de aditivitate, iar conditia de la 2) este o
proprietate de omogenitate de gradul intai. Omogenitatea ar de gradul / Z
daca )(`r) = `
k
)(r), \` 1, \r \.
Direct din denitie rezulta ca:
)(0
V
) = 0
W
si
)(r) = )(r), \r \.
Denitia 2.2.2.
Fie \ si \ dou a 1-spatii vectoriale si ) : \ \ o aplicatie liniar a.
1.Se numeste nucleul lui ) submultimea lui \
1cr) := r \ [ )(r) = 0.
2.Se numeste imaginea lui ) submultimea lui \
1:) := )(\ ) = )(r)[ r \ .

Propozitia 2.2.3.
Fie \ si \ dou a 1-spatii vectoriale si ) : \ \ o aplicatie liniar a. Atunci
1cr) este subspatiu vectorial al lui \ , iar 1:) este subspatiu vectorial al lui
\.

Teorem a (a dimensiunii) 2.2.4.

Fie \ si \ dou a spatii vectoriale peste corpul 1 ce admit ecare cte o
baz a si ) : \ \ o aplicatie liniar a. Atunci 1cr) si 1:) admit ecare cte
o baz a si
di:
K
1cr) + di:
K
1:) = di:
K
\.

Exemplul 2.2.5.
a) Fie \ si \ dou a 1-spatii vectoriale. Aplicatia )
0
: \ \ data prin:
)
0
(r) = 0
W
, \r \
9
este o aplicatie liniara, numita aplicatia nula. De obicei aceasta aplicatie se
noteaza cu 0
V;W
.
b) Fie \ un 1-spatiu vectorial. Aplicatia 1
V
: \ \ data prin:
1
V
(r) := r, \r \,
este liniara. Aceasta aplicatie se numeste identitatea lui \.
c) Daca ) : RR este o aplicatie liniara atunci, in mod necesar, exista un
a R astfel incat )(r) = ar, \r R.
d) Daca este o matrice de tipul :: (adica are : linii si : coloane), cu
componentele reale,
=
0
B
B
B
B
B
B
@
a
1;1
a
1;2
... a
1;j
... a
1;n
a
2;1
a
2;2
... a
2;j
... a
2;n
.... .... ... ... ... ...
a
i;1
a
i;2
... a
i;j
... a
i;n
... ... ... ... ... ...
a
m;1
a
m;2
... a
m;j
... a
m;n
1
C
C
C
C
C
C
A
,
atunci deneste o aplicatie liniara de la R
n
la R
m
asociind vectorului
coloana r R
n
,
r =
0
B
B
B
@
r
1
r
2
.
.
.
r
n
1
C
C
C
A
vectorul coloana r R
m
obtinut prin inmultirea (de tip matricial) a matricii
(cu : linii si : coloane) cu matricea r care are : linii si 1 (o) coloana.
Dupa cum vom vedea ulterior este adevarata, macar partial, si o reciproca
a acestei armatii: orice aplicatie liniara intre doua spatii vectoriale nit di-
mensionale, peste acelasi corp de scalari, poate reprezentata cu ajutorul unei
matrici avand componentele din respectivul corp de scalari.
e) Derivarea, notata cu 1, este o aplicatie liniara de la spatiul vectorial al
functiilor derivabile pe un anumit interval propriu (,adica avand masura strict
pozitiva,) 1 al lui R (spatiu notat cu T(1)) in spatiul vectorial ( T(1)) al tuturor
functiilor denite pe 1.
1 : T(1) T(1),
T(1) ) 1()) := )
0
T(1)
f) Fie [a, /] un interval inchis si marginit al axei reale. Atunci operatorul
de integrare denit pe spatiul vectorial al functiilor continue pe [a, /], cu valori
reale, si avand valori in R (considerat ca spatiu vectorial peste sine insusi) este
liniar.
Z
b
a
: (([a, /]) R,
(([a, /]) )
Z
b
a
)(r)dr R.
10
Exercitiul 2.2.6.
1) Aratati ca \ r
1
, ..., r
m
\ si \ `
1
, ..., `
m
1, : N

are loc egalitatea:

)(`
1
r
1
+ ... + `
m
r
m
) = `
1
)(r
1
) + ... + `
m
)(r
m
).
2) Fie \ un 1 spatiu vectorial de dimensiune : si B = b
1
, ..., b
n
o baza
algebrica pentru \. Atunci o aplicatie liniara ) : \ \ este perfect determi-
nata daca se cunosc valorile (vectorii): )(b
1
) = n
1
, ..., )(b
n
) = n
n
\.
Remarca 2.2.7.
1) Uneori \ si \ admit structuri de spatiu vectorial peste diferite corpuri
de scalari. De exemplu, orice spatiu vectorial complex (1 = C) admite si o
structura de spatiu vectorial real (1
1
= R). Atragem atentia ca este posibil ca
o aplicatie : \ \ sa e liniara in raport cu structura vectoriala "indusa"
de unul dintre corpurile de scalari si sa nu e liniara in raport cu structura
"indusa" de celalalt corp. De exemplu, corpul C al numerelor complexe poate
considerat ca spatiu vectorial si peste C, si peste R. Atunci aplicatia de conjugare
a numerelor complexe
C . = r + ij . := r ij C
este R-liniara si nu este C- liniara.
2) Functia
R r r
2
R
nu este liniara.
3) Nici aplicatia
R r r + 1 R
nu este liniara.
Exercitiul 2.2.8.
1) Fie \ si \ doua spatii vectoriale peste acelasi corp 1 si
1(\, \) := : \ \ [ aplicatie liniara .
Atunci 1(\, \) este un spatiu vectorial peste 1, cu operatiile naturale de:
a) adunare a aplicatiilor liniare :
( + 1)(r) := (r) + 1(r), r \,
si
b) inmultire cu scalari (din 1 ):
(`)(r) := `(r), r \.
Care este dimensiunea acestui spatiu cand dim
K
\ = : N, dim
K
\ = :
N ?
2) Fie \
1
, \
2
si \
3
trei spatii vectoriale peste acelasi corp 1 si \
1
A
\
2
,
\
2
B
\
3
doua aplicatii liniare. Atunci aplicatia, 1 : \
1
\
3
, denita in
mod natural prin:
(1 )(r) := 1((r)), r \
1
11
este tot liniara.

.3. Trecerea de la o baza la alta baza

Fie \ un spatiu vectorial peste corpul comutativ 1, de dimensiune nita
: N

. Sa consideram si doua baze ordonate B = b

1
, ..., b
n
(pe care o vom
trata drept baza veche) si B
0
= b
0
1
, ..., b
0
n
(numita in continuare baza noua)
ale lui \. Daca r este un vector oarecare din \ atunci exista si sunt unic
determinate sistemele ordonate (de scalari din 1) c
1
= c
1
(r), ..., c
n
= c
n
(r)
si c
0
1
= c
0
1
(r), ..., c
0
n
= c
0
n
(r) (numite coordonatele lui r in baza "veche" B,
respectiv "noua" B
0
) astfel incat:
r = c
1
b
1
+ ... + c
n
b
1
= c
0
1
b
0
1
+ ... + c
0
n
b
0
n
. (2.3.1)
Vom conveni sa notam vectorul coloana (din 1
n
) al coordonatelor lui r, in
baza veche B, prin [r]
B
, iar vectorul coloana (din 1
n
) al coordonatelor lui r,
in baza noua B
0
, prin [r]
B
0 .
Mai precis,
[r]
B
=
0
B
@
c
1
.
.
.
c
n
1
C
A 1
n
si
[r]
B
0 =
0
B
@
c
0
1
.
.
.
c
0
n
1
C
A 1
n
.
Care este legatura intre cele doua seturi de coordonate ? Pentru a da un
raspuns la aceasta intrebare va trebui sa reprezentam ecare vector din baza
veche B prin intermediul bazei noi B
0
. Vom obtine:
b
j
=
n
X
i=1
t
i;j
b
0
i
, 1 _ , _ :, (2.3.2)
unde t
i;j
1, \1 _ i, , _ :.
Cu notatia
[t]
B
0
;B
:= (t
i;j
)
1i;jn
/
n;n
(1)
obtinem matricea de trecere de la baza noua B
0
la baza veche B.
Formal, setul de relatii din (2.3.2) se poate scrie sub forma:
b
1
, ..., b
n
= b
0
1
, ..., b
0
n
[t]
B
0
;B
sau, si mai compact:
B = B
0
[t]
B
0
;B
,
12
considerand B si B
0
ca "vectori linie" (cu : componente).
Daca dorim sa folosim scrierea cu "vectori coloana" vom obtine:
(B)
t
= ([t]
B
0
;B
)
t
(B
0
)
t
.
Este relativ simplu de vazut ca:
1) [t]
B;B
= 1
n
(= matricea unitate din /
n;n
(1));
2) [t]
B
00
;B
0 [t]
B
0
;B
= [t]
B
00
;B
, unde B = b
1
, ..., b
n
, B
0
= b
0
1
, ..., b
0
n
, B
00
=
b
00
1
, ..., b
00
n
sunt trei baze ordonate ale lui \.
Din cele de mai sus rezulta ca [t]
B
0
;B
este inversabila si are inversa:
([t]
B
0
;B
)
1
= [t]
B;B
0 .
Observam ca [t]
B;B
0 este tocmai matricea de trecere de la baza cc/c B la baza
:ona B
0
. Evident ca avem si relatia:
B
0
= B [t]
B;B
0 .
Inlocuind in (2.3.1) pe b
j
dat de (2.3.2) obtinem:
n
X
j=1
c
j
(
n
X
i=1
t
i;j
b
0
i
) =
n
X
i=1
c
0
i
b
0
i
sau, dupa intervertirea celor doua sume din membrul stang:
n
X
i=1
(
n
X
j=1
t
i;j
c
j
)b
0
i
=
n
X
i=1
c
0
i
b
0
i
.
Tinand cont ca vectorii b
0
1
, ..., b
0
n
sunt liniar independenti obtinem:
c
0
i
=
n
X
j=1
t
i;j
c
j
, \1 _ i _ :.
Acest set de relatii se poate rescrie, mai compact, sub forma:
[r]
B
0 = [t]
B
0
;B
[r]
B
.
Aceasta ultima relatie justica si denumirea data matricei [t]
B
0
;B
de :atricc
dc :c/i:/arc dc coordo:atc (din baza B in baza B
0
).
Evident ca:
[r]
B
= [t]
B;B
0 [r]
B
0 .
Exemplul 2.3.1. Sa alegem \ = R
n
, B = b
1
, ..., b
n
o baza oarecare a lui
R
n
si B
0
= c =e
1
, ..., e
n
baza canonica a lui R
n
. Atunci:
b
j
=
n
X
i=1
t
i;j
e
i
, 1 _ , _ :.
13
Prin urmare col
j
([t]
E;B
) = [b
j
]
E
:= /
j
, 1 _ , _ :.
In cazul \ = R
2
, B = b
1
, b
2
cu b
1
=

1
2

, b
2
=

2
1

matricea [t]
E;B
este
[t]
E;B
=

1 2
2 1

, iar [t]
B;E
=

1 2
2 1

1
=
1
3

1 2
2 1

.4. Reprezentarea matriciala a unei aplicatii liniare

Fie \ un spatiu vectorial peste corpul comutativ 1, de dimensiune nita
: N

si \ un al doilea spatiu vectorial, peste acelasi corp comutativ 1, de

dimensiune nita : N

, precum si : \ \ o aplicatie liniara. Daca

A= [a
1
, ..., a
n
] este o baza algebrica ordonata a lui \ si E = [b
1
, ..., b
m
] o baza
algebrica ordonata a lui \ vom avea:
(a
j
) =
m
X
i=1
c
i;j
b
i
, \1 _ , _ :.
Vom nota cu
[]
B;A
:= (c
i;j
)
1im;1jn
/
m;n
(1)
matricea asociata lui in raport cu bazele / si E.
Din cele de mai sus rezulta ca, in ipotezele de mai inainte, putem deni
aplicatia:
J
A;B
: 1(\, \) /
m;n
(1), J
A;B
() := []
B;A
.
De fapt are loc urmatoarea:
Teorema 2.4.1.
Aplicatia J
A;B
este un izomorsm de spatii vectoriale.

Aceasta teorema explica rolul exceptional al matricilor. In practica aplicati-

ile liniare sunt date cu ajutorul lor. Partea neplacuta a lucrurilor este ca acest
mod de a deni aplicatiile liniare nu este invariant, adica depinde de alegerea
unei perechi de baze. De regula, matricea cu care este data o aplicatie liniara nu
este prea convenabila in efectuarea calculelor. Aceasta impune necesitatea unei
alegeri convenabile de baze in raport cu care noua matrice asociata aplicatiei
liniare corespunzatoare sa aiba o forma usor manipulabila.
Corolarul 2.4.2.
Daca dim
K
\ = : si dim
K
\ = : atunci dim
K
1(\, \) = ::.
Exercitiul 2.4.3.
1) Aratati ca, indiferent de alegerea celor doua baze / si E in \, respectiv
\, matricea asociata aplicatiei nule este matricea nula cu : linii si : coloane:
14
O
m;n
= (0)
1im;1jn
=
0
B
B
B
B
B
B
@
0 0 ... 0 ... 0
0 0 ... 0 ... 0
.... .... ... ... ... ...
0 0 ... 0 ... 0
... ... ... ... ... ...
0 0 ... 0 ... 0
1
C
C
C
C
C
C
A
9
>
>
>
>
>
>
=
>
>
>
>
>
>
;
| {z }
: linii
n coloane
,
unde am notat cu 0 elementul neutru fata de adunarea din 1.
e) In cazul \ = \ si = 1
V
care este reprezentarea sa matriciala in raport
cu o baza oarecare E a lui \ ?

Propozitia 2.4.4.
In conditiile de mai sus
[r]
B
= []
B;A
[r]
A
, \r \.
Demonstratie. Este sucient sa aratam ca:
[a
j
]
B
= []
B;A
[a
j
]
A
, \1 _ , _ :.
Dar (a
j
) =
P
m
i=1
c
i;j
b
i
si cum [b
i
]
B
=ee
i
(vectorul al ilea din baza canonica
a lui 1
m
), [a
j
]
A
= e
j
(vectorul al ,lea din baza canonica a lui 1
n
) vom avea:
[(a
j
)]
B
= [
m
X
i=1
c
i;j
b
i
]
B
=
m
X
i=1
c
i;j
[b
i
]
B
=
m
X
i=1
c
i;j
ee
i
= col
j
([]
B;A
) =
= []
B;A
e
j
= []
B;A
[a
j
]
A
.

Remarca 2.4.5.
Intrucat in majoritatea cazurilor aplicatiile liniare sunt denite prin inter-
mediul reprezentarilor lor matriciale si avand in vedere rezultatul de mai sus in
multe situatii se dovedeste comoda adoptarea urmatoarei conventii de scriere:
(r) = r.
Propozitia 2.4.6.
Daca /, /
0
sunt doua baze algebrice ale lui \ si E, E
0
doua baze algebrice
ale lui \ vom avea:
[]
B
0
;A
0 = [t]
B
0
;B
[]
B;A
[t]
A;A
0 .
Demonstratie. Conform propozitiei anterioare avem:
[r]
B
= []
B;A
[r]
A
, \r \,
si
[r]
B
0 = []
B
0
;A
0 [r]
A
0 , \r \.
15
Dar
[r]
B
0 = [t]
B
0
;B
[r]
B
.
Deci
[]
B
0
;A
0 [r]
A
0 = [r]
B
0 = [t]
B
0
;B
[]
B;A
[r]
A
, \r \
si, intrucat:
[r]
A
= [t]
A;A
0 [r]
A
0 ,
vom obtine:
[]
B
0
;A
0 [r]
A
0 = [t]
B
0
;B
[]
B;A
[t]
A;A
0 [r]
A
0 , \r \.
Din ultima relatie rezulta imediat ca:
[]
B
0
;A
0 = [t]
B
0
;B
[]
B;A
[t]
A;A
0 .

Foarte folositor se dovedeste a si rezultatul urmator:

Propozitia 2.4.7.
Fie \
1
, \
2
si \
3
trei spatii vectoriale nit dimensionale, peste acelasi corp
1, si \
1
A
\
2
, \
2
B
\
3
doua aplicatii liniare. Daca E
1
este o baza algebrica
pentru \
1
, E
2
este o baza algebrica pentru \
2
, iar E
3
este o baza algebrica pentru
\
3
atunci:
[1 ]
B3;B1
= [1]
B3;B2
[]
B2;B1
.

Remarca.
In practica, in majoritatea cazurilor, aplicatiile liniare sunt intalnite prin
intermediul reprezentarilor lor matriciale. Din aceasta cauza, avand in vedere
ca aceeasi aplicatie poate avea mai multe reprezentari, ne intereseaza ca, pentru
o aplicatie liniara data : \ \, sa facem o alegere "convenabila" de baze
in \ si in \ astfel incat matricea asociata lui in raport cu cele doua baze sa
aiba cea mai simpla forma posibila.
In cazul cand \ si \ sunt doua spatii vectoriale distincte sau, in cazul in
care coincid, dar nu ne intereseaza daca le inzestram cu baze distincte raspunsul
la problema anterioara este dat de:
Propozitia 2.4.8.
Daca \ si \ sunt doua spatii vectoriale nit dimensionale cu dim
K
\ = :
N

, dim
K
\ = : N

, iar : \ \ este o aplicatie liniara, atunci exista o

baza /
0
in \ si o baza E
0
in \ astfel incat matricea asociata (in raport cu cele
doua baze) []
B0;A0
/
m;n
(1) sa aiba forma:
0
B
B
B
B
B
B
@
1
K
0 0 0
0 1
K
0 0

0 0 1
K
0

0 0 0 0
1
C
C
C
C
C
C
A
=

1
n
0
n;
0
mn+;n
0
mn+;

.
16
Mai sus am notat cu i = dim
K
ker(), : i = dim
K
1a:(), 1
n
este
matricea unitate din/
n;n
(1), iar 0
n;
, 0
mn+;n
si 0
mn+;
sunt
matricile nule cu dimensiunile respective.
Nu dam demonstratia acestui rezultat, desi nu este greu de obtinut.

Observatia 2.4.9.
In cazul in care \ = \ si : \ \ este o aplicatie liniara (in acest
caz se mai utilizeaza si termenul de operator liniar pe \ ) este natural ca si
in domeniul de denitie (\ ), dar si in codomeniu (care este tot \ ) sa alegem
aceeasi baza E. Daca E
0
este o alta baza in \ va trebui sa avem:
[]
B
0 = [t]
B
0
;B
[]
B
[t]
B;B
0 = ([t]
B;B
0 )
1
[]
B
[t]
B;B
0 ,
unde, pentru simplicarea scrierii, am notat []
B
:= []
B; B
si []
B
0 := []
B
0
; B
0 .
Problema care se pune este de a vedea cum poate aleasa o baza E astfel
incat []
B
sa aiba, iarasi, cea mai simpla forma posibila.
Desi pare surprinzator, in aceasta situatie raspunsul este mai greu de obtinut
decat in cazul anterior cand era vorba de spatii diferite. Obtinerea unui rezultat
complet este laborioasa. Noi ne vom multumi cu un rezultat partial si anume
vom stabili in ce situatie pentru un operator liniar : \ \ exista o baza E
a lui \ in raport cu care matricea asociata lui in respectiva baza, notata cu
[]
B
, este diagonala. Mai pe scurt, vom raspunde la intrebarea: in ce conditii
pentru operatorul liniar acesta este diagonalizabil ?
Nu este greu de vazut ca in cazul : = 1 si \ = R daca ) : R R este
o aplicatie liniara atunci exista un numar real unic a R astfel incat )(r) =
)
a
(r) := ar, \r R.
In cazul unui spatiu vectorial oarecare nu ne mai putem astepta la o structura
atat de simpla a acestui tip de aplicatii dar ne putem pune intrebarea daca,
pentru o aplicatie liniara : \ \, exista ` 1 si \ 0
V
astfel incat:
= `.
Cele de mai sus ne sugereaza:
Denitia 2.4.10.
Fie \ un spatiu vectorial peste corpul comutativ 1 si : \ \ o aplicatie
liniara. Un element ` 1 se numeste valoare proprie pentru daca exista
un vector nenul \ astfel incat:
= `.
Un astfel de vector se numeste vector propriu (pentru ), asociat valorii
proprii `.
Evident relatia de mai sus are loc daca si numai daca pentru orice baza E a
lui \ avem:
[]
B
[]
B
= `[]
B
.
Ultima relatie este echivalenta cu existenta unui r 1
n
0
K
astfel incat:
[]
B
r = ` r == ([]
B
`1
n
)r = 0
K
n == det([]
B
`1
n
) = 0
K
.
17
Mai sus am notat cu 1
n
matricea unitate din /
n;n
(1).
Exercitiul 2.4.11.
Aratati ca daca E si E
0
sunt doua baze ale lui \ atunci:
det([]
B
`1
n
) = det([]
B
0 `1
n
).

Acest fapt ne permite sa denim (corect !) urmatoarele obiecte asociate unui

operator liniar pe \ :
a) jo|i:o:n| caractcri:tic al lui :
det(`1
V
) := det([]
B
`1
n
) = (1)
n
`
n
+ ... ;
b) dctcr:i:a:tn| lui :
det() := det([]
B
);
c) nr:a lui :
Tr() := Tr([]
B
).

Un prim rezultat important, dar simplu de demonstrat este cel din urma-
toarea:
Propozitia 2.4.12.
Fie \ un spatiu vectorial nit dimensional, peste corpul comutativ 1, cu
dim
K
\ = : si : \ \ o aplicatie liniara. Daca exista
1
,
2
, ...,
n
vectori
proprii pentru , corespunzatori (respectiv) valorilor proprii `
1
, `
2
, ..., `
n
1,
liniar independenti, atunci E =
1
,
2
, ...,
n
este o baza pentru \, iar
[]
B
= diaq`
1
, `
2
, ..., `
n
,
unde:
diaq`
1
, `
2
, ..., `
n
:=
0
B
B
B
B
B
B
@
`
1
0 0 0
0 `
2
0 0

0 0 `
i
0

0 0 0 `
n
1
C
C
C
C
C
C
A
/
n;n
(1).
Demonstratie.
Avem:
8
>
<
>
:

1
= `
1

1
= `
1

1
+ 0
2
+ ... + 0
n
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

n
= `
n

n
= 0
1
+ 0
2
+ ... + `
n

n
,
de unde se obtine imediat rezultatul dorit.

18
De fapt este posibil un raspuns complet la intrebarea noastra.
Remarca 2.4.13
O aplicatie liniara : \ \ este diagonalizabila daca si numai daca
exista o baza a lui \ formata numai cu vectori proprii ai lui .
Exemplul 2.4.14.
Fie ) : R
2
R
2
aplicatia liniara data prin
)

r
1
r
2

=
1
3

2r
1
+ r
2
r
1
+ 2r
2

.
Deoarece
)

1
0

=
1
3

2 1 + 0
1 + 2 0

2,3
1,3

si
)

0
1

=
1
3

2 0 + 1
0 + 2 1

1,3
2,3

,
vom avea
[)]
E
=

2,3 1,3
1,3 2,3

:= .
Valorile proprii ale lui ) sunt valorile proprii ale lui , adica radacinile
ecuatiei caracteristice det( `1
2
) = 0. Prin urmare va trebui sa rezolvam
ecuatia

2,3 ` 1,3
1,3 2,3 `

= 0,
adica ecuatia
(2,3 `)
2
(1,3)
2
= 0.
Se obtin radacinile `
1
= 1,3 si `
2
= 1.
Inseamna ca un vector propriu pentru `
1
= 1,3 va trebui sa verice condi-
tiile:
i) n =

n
1
n
2

R
2
0
R
2;
ii) (`
1
1
2
)n = 0
R
2 =

0
0

.
Ultima conditie este echivalenta cu faptul ca

2,3 1,3 1,3

1,3 2,3 1,3

n
1
n
2

0
0

,
adica

1,3 1,3
1,3 1,3

n
1
n
2

0
0

,
ceea ce se reduce la ecuatia
(1,3) n
1
+ (1,3) n
2
= 0.
O solutie a ecuatiei
n
1
+ n
2
= 0
19
este n
1
= 1, n
2
= 1.
Asadar un vector propriu pentru `
1
= 1,3 este n =

1
1

.
In mod analog, un vector propriu pentru `
2
= 1 este =

1
1

.
Cu notatiile
1 =

1,3 0
0 1

si
1 =

1 1
1 1

observam ca
1 = 11,
ceea ce inseamna ca
= 111
1
.
Se verica imediat ca

k
= 11
k
1
1
, \/ N.
Intrucat
1
1
=
1
2

1 1
1 1

si
1
k
=

1,3
k
0
0 1

se obtine

k
=
1
2

1 + 3
k
1 3
k
1 3
k
1 + 3
k

.
Prin urmare, pentru / N, sucient de mare, vom avea

k
~
=
1
2

1 1
1 1

.
Ce inseamna "sucient de mare" ? Totul depinde de ordinul de precizie pe
care il dorim. De exemplu, pentru / = 5 eroarea este mai mica decat 1,100, iar
pentru / = 10 eroarea va mai mica decat 1,10
4
. Va sucient sa tinem cont
ca 3
5 ~
= 4, 115 2 10
3
iar 3
10 ~
= 1, 693 5 10
5
.
Clase importante de aplicatii liniare
Fie \ si \ doua spatii vectoriale peste acelasi corp 1. Printre aplicatiile
liniare denite pe \ si cu valori in \ o importanta deosebita o prezinta cele
din urmatoarele trei denitii:
20
Denitia 1. O aplicatie : \ \ liniara si injectiva se numeste
monomorsm.
Denitia 2. O aplicatie : \ \ liniara si surjectiva se numeste
epimorsm.
Denitia 3. O aplicatie : \ \ liniara si bijectiva se numeste
izomorsm (de spatii vectoriale sau liniar).
Doua spatii vectoriale \ si \ (peste acelasi corp comutativ de scalari 1) se
numesc i.o:or)c daca (si numai daca) intre ele se poate stabili un izomorsm.
Asemenea spatii difera doar prin natura elementelor lor dar, ceea ce este insa
cel mai important, "practic" au aceeasi structura si deci, din punct de vedere
matematic, ele sunt indistingabile.
Daca \ si \ sunt spatii vectoriale peste acelasi corp comutativ 1 vom nota
cu:
a) 'o:(\, \) := 1(\, \) [ este monomorsm ;
b) 1ji(\, \) := 1(\, \) [ este epimorsm ;
c) 1.o(\, \) := 1(\, \) [ este izomorsm .
Teorema. O aplicatie : \ \ liniara este monomorsm daca si
numai daca ker := r \ [ (r) = 0
W
= 0
V
.
Teorema. O aplicatie : \ \ liniara este epimorsm daca si numai
daca 1a: := j \ [ r \, (r) = j = \.
Un rezultat deosebit de important este cel din urmatoarea:
Teorema. Doua spatii vectoriale \ si \ (peste acelasi corp comutativ
de scalari 1), de dimensiune nita, sunt i.o:or)c daca (si numai daca)
dim
K
\ = dim
K
\ = :.
Prin urmare spatiile vectoriale de dimensiune nita :, peste corpul comutativ
1, sunt practic perfect determinate de un singur numar natural si anume de
dimensiunea lor (: in cazul nostru).
Mai general are loc urmatorul rezultat:
Propozitie. Fie \ si \ sunt spatii vectoriale peste acelasi corp comutativ
1, de dimensiune nita: dim
K
\ = :, dim
K
\ = :. Atunci:
a) 'o:(\, \) ,= ? == : _ :;
b) 1ji(\, \) ,= ? == : _ :;
c) 1.o(\, \) ,= ? == : = :.
Deosebit de utila in aplicatii se dovedeste a urmatoarea:
Teorema. Fie \ si \ doua spatii vectoriale (peste acelasi corp comutativ
de scalari 1), de (aceeasi ) dimensiune nita : si : \ \ o aplicatie
liniara. Urmatoarele armatii sunt echivalente:
a) este un :o:o:or)i::;
b) este un cji:or)i::;
c) este un i.o:or)i::.
Altfel spus, in conditiile acestei teoreme, urmatoarele armatii sunt echiva-
lente:
a) Ecuatia omogena:
(r) = 0
W
are numai solutia banala r = 0
V
;
21
b) Ecuatia neomogena:
(r) = j
are solutie r \, pentru orice j \;
c) Ecuatia neomogena:
(r) = j
are solutie unica r = r(j) \, pentru orice j \.
Exercitiu. Fie \ si \ doua spatii vectoriale (peste acelasi corp comutativ
de scalari 1), de (aceeasi ) dimensiune nita : si : \ \ o aplicatie
liniara. Daca este un izomorsm atunci aplicatia inversa
1
: \ \
data prin
1
(j) = r(j), unde r(j) este unica solutie a ecuatiei (r) = j, este
tot un izomorsm.
Exemple.
1) Fie \ un spatiu vectorial, peste corpul comutativ 1, de dimensiune :.
Atunci pentru orice baza E a lui \ aplicatia i
B
: \ 1
n
data prin i
B
(r) :=
[r]
B
, r \ este un izomorsm de spatii vectoriale.
Asadar spatiile vectoriale de dimensiune :, peste corpul comutativ 1, se pot
studia perfect prin intermediul lui 1
n
.
2) Fie /
n;n
(R) si )
A
: R
n
R
n
denita prin:
)
A
(r) := r, r R
n
.
Atunci aplicatia liniara )
A
este izomorsm== det() ,= 0. Mai sus am admis
ca un vector oarecare r R
n
este considerat ca un vector coloana:
r =
0
B
@
r
1
.
.
.
r
n
1
C
A.
Asadar, daca admite reprezentarea:
=
0
B
B
B
B
B
B
@
a
1;1
a
1;2
... a
1;j
... a
1;n
a
2;1
a
2;2
... a
2;j
... a
2;n
.... .... ... ... ... ...
a
i;1
a
i;2
... a
i;j
... a
i;n
... ... ... ... ... ...
a
m;1
a
m;2
... a
m;j
... a
m;n
1
C
C
C
C
C
C
A
vom avea:
r =
0
@
a
1;1
r
1
+ a
1;2
r
2
+ ... + a
1;n
r
n

a
n;1
r
1
+ a
n;2
r
2
+ ... + a
n;n
r
n
1
A
R
n
.
22