Documente Academic
Documente Profesional
Documente Cultură
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) !
Observatie. In ecare dintre cele patru exemple de mai sus corpul nu-
merelor reale poate inlocuit cu corpul numerelor complexe.
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
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
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
\.
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
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
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 .
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
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
).
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
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