Cnr:n| 3

APLICATII LINIARE
In cele ce urmeaza introducem un al doilea concept fundamental din algebra
liniara si anume pe cel din :
Denitia 3.1.
Fie \ si \ dou a spatii vectoriale peste acelasi corp comutativ 1. Se nu-
meste aplica tie liniara de la \ la \ orice aplicatie ) : \ \ cu proprietatea:
)(cr + ,j) = c)(r) + ,)(j), (3.1)
pentru oricare vectori r, j \ si orice scalari c, , 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 3.2.
Proprietatea (3.1), din denitia de mai sus, este echivalenta cu vericarea
urmatoarelor doua proprietati:
1) )(r + j) = )(r) + )(j), \r, j \,
2) )(cr) = c)(r), \c 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 )(cr) = c
k
)(r), \c 1, \r \.
Direct din denitie rezulta ca:
)(0
V
) = 0
W
si
)(r) = )(r), \r \.
Exemplul 3.3.
a) Fie \ si \ dou a 1-spatii vectoriale. Aplicatia )
0
: \ \ data prin:
)
0
(r) = 0
W
, \r \
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 ) : R R este o aplicatie liniara atunci, in mod necesar, exista
un a R astfel incat )(r) = ar, \r R.
1
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.
Exercitiu.
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
\.
2
Remarca.
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.
Exercitiu.
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
este tot liniara.
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:
3
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
;
4
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
B
@
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
C
A R
n
.
5
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
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. 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 de studiat si/sau manevrat.
Corolar. Daca dim
K
\ = : si dim
K
\ = : atunci dim
K
1(\, \) = ::.
Exercitiu.
1) Aratati ca, indiferent de alegerea celor doua baze / si E in \, respectiv
\, matricea asociata aplicatiei nule este matricea nula cu : linii si : coloane:
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 \ ?
Propozitie. In conditiile de mai sus
[r]
B
= []
B;A
[r]
A
, \r \.
6
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. Intrucat in majoritatea cazurilor aplicatiile liniare sunt denite

prin intermediul reprezentarilor lor matriciale si avand in vedere rezultatul de
mai sus in multe situatii se dovedeste comoda adoptarea urmatoarei conventii
de scriere: (r) = r.
Propozitie.
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 \.
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:

Propozitie. 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
7
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 in-
talnite 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 in urmatoarea:
Propozitie.
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+;

.
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.
Observatie. 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
a lui \ in raport cu care matricea asociata lui este diagonala. Mai pe scurt
vom raspunde la intrebarea: in ce conditii pentru operatorul liniar acesta este
diagonalizabil ?
8
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 r \ 0
V
astfel incat:
r = `r.
Cele de mai sus ne sugereaza urmatoarea:
Denitie. 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
.
Mai sus am notat cu 1
n
matricea unitate din /
n;n
(1).
Exercitiu. 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:
Propozitie. Fie \ un spatiu vectorial nit dimensional, peste corpul co-
mutativ 1, si : \ \ o aplicatie liniara. Daca
1
,
2
, ...,
n
sunt vectori
proprii pentru corespunzatori (respectiv) valorilor proprii `
1
, `
2
, ..., `
n
1,
9
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.
10