Curs 1

Rezolvarea sistemelor de ecuatii liniare prin reducerea

matricii prelungite la forma scara pe linii

1.1 Problematica Algebrei liniare

1

Algebra liniara este un domeniu al matematicii care constituie fundamentul pentru stiintele
computationale si inginerie. Ea ofera suportul teoretic, tehnici si instrumente pentru dezvoltarea
a numerosi algoritmi.
Cursul pe care l vom studia introduce notiunile si metodele de baza ale algebrei liniare,
relevante pentru Computer Science (CS).
Problematica de baza a algebrei liniara consta n:
dezvoltarea de metode de rezolvare a sistemelor de m ecuatii liniare cu n necunoscute,
m, n 4 (metodele de rezolvare a sistemelor corespunzatoare lui m, n = 2, 3, studiate la liceu,
sunt ineficiente pentru dimensiuni mai mari);
studiul spatiilor vectoriale reale si al aplicatiilor liniare, reprezentate de matrici;
descompunerea (factorizarea) matricilor n produse de matrici speciale, care fie ca necesita
un volum redus de memorie pentru stocare, fie ca operatiile n care sunt implicate se efectueaza
ntr-un numar redus de pasi si nu n ultimul rand, matricile din descompunere codifica proprietati ale matricii ce se descompune.
Notatiile si modul de manipulare al matricilor pe care le folosim n cadrul cursului sunt
tipice pentru literatura destinata CS.

1.2 Generalitati despre matrici

cadrul cursului vor interveni
Notiunea de matrice este fundamentala n algebra liniara. In
preponderent matrici de elemente reale si vom aborda doar cateva notiuni si proprietati ale
matricilor cu elemente complexe, respectiv n Z2 , corpul claselor de resturi modulo 2.
Notam cu Rmn , Cmn multimea matricilor de elemente reale, respectiv complexe si cu
mn
Z2
multimea matricilor binare (de elemente 0 si 1), de tip m n, adica multimea matricilor
de forma:
1

Cursul este editat n LATEX

http://www.latex-project.org/

Cursul 1, Algebra liniara, E. Petrisor, 2011

A=

a11
a21
..
.

a12
a22
..
.

a1n
a2n
.
..

am1 am2 amn

unde aij K, K = R, C sau Z2

(1.1)

La fel ca n Python2, notam coloana j a matricii A prin A[:, j], iar linia i prin A[i, :]. Indexarea
elementelor unei matrici, A = (aij ), ncepe n matematica de la 1, n timp ce n limbajele
evoluate de programare, C/C++, Java, Python, de la 0, adica:

a00
a01
a0,n1
a10
a11
a1,n1

(1.2)
A=
.
..
..
..

.
.

.
am1,0 am1,1 am1,n1
De aceea trebuie acordata mare atentie implementarii algoritmilor ce contin ca date, matrici,
si prezentarea algoritmului este facuta n notatie matematica!
abordarile ulterioare din curs, o matrice generala de tipul (1.1) va fi
Observatia 1.2.1 In
reprezentata de coloanele sale notate fie ca mai sus, folosind regula Python, fie notate v1 , v2 , . . . , vn ,
unde

a1j
a2j

vj = .. j = 1, n
.
amj
si vom nota

A = [v1 |v2 | . . . vn ]
Spunem ca matricea A se obtine prin concatenarea coloanelor v1 , v2 , . . . , vn .
Reamintim ca pentru orice doua matrici A, B cu elemente din acelasi corp K, cu particularitatea ca numarul de coloane al primei matrici coincide cu numarul de linii al celei de-a doua,
adica A este de tip m p, iar B de tip p n, definim matricea produs, ca fiind matricea
C = AB, de elemente cij K, cu
cij = ai1 b1j + ai2 b2j + + aip bpj =

p
X

aik bkj ,

(1.3)

k=1

adica:

c11
..
.

ci1
.
..
cm1
2

. . . c1j
.
. . . ..
...

cij
..
.

...
. . . cmj

a11
. . . c1n
.. ..
... . .

. . . cin = ai1
. .
. . . .. ..
am1
. . . cmn

. . . a1k
.
. . . ..
aik
.
. . . ..

. . . a1p
.
. . . ..

aip
.
. . . ..

. . . amk . . . amp

http://python.org/ sau distributia Enthought

b11 . . . b1j
..
.
. . . . ..
bk1 . . . bkj
..
.
. . . . ..
bp1 . . . bpj

http://enthought.com/

. . . b1n
.
. . . ..

. . . bkn
.
. . . ..
. . . bpn

Cursul 1, Algebra liniara, E. Petrisor, 2011

Fixand o coloana j, din relatia (1.3) rezulta ca elementele acesteia se exprima astfel:

c1j
a11 a12 . . . a1p
b1j
c2,j a21 a22 . . . a2p b2j

.. = ..
..
.. ..
. .
. ... . .
cmj
bpj
am1 am2 . . . amp
sau concentrat, C[:, j] = A B[:, j].
Astfel matricea produs C = AB este reprezentata de coloanele sale astfel:
C = AB = [A B[:, 1]|A B[:, 2]| |A B[:, n]]
De interes special va fi produsul dintre o matrice A Kmn si o matrice coloana x Rn1 :
Ax = b, b Rm1 .
Exprimarea produsului Ax

x1
x2

Produsul Ax, unde x = .. este egal cu:

.
xn
Ax = x1 A[:, 1] + x2 A[:, 2] + + xn A[:, n]
Intradevar, folosind formula produsului avem:
bi =

n
X

aik xk =

k=1

ceea ce detaliat se exprima astfel:

a12
a11
b1
a22
a21
b2

.. = x1 .. +x2 ..
.
.
.
am2
am1
bm

n
X

xk aik

k=1

+ +xn

a1n
a2n
..
.
amn

= x1 A[:, 1]+x2 A[2, :]+ +xn A[:, n]

Matrici particulare
Matricea de tip m n ce are toate elementele 0 se numeste matricea nula si se noteaza
cu Omn ;
Matricea patratica de tip n n,

In =

1
0
..
.

0
1
..
.
0 0

0
0
..
.
1

Cursul 1, Algebra liniara, E. Petrisor, 2011

avand 1 pe diagonala principala si zero n rest, i.e. aii = 1, i = 1, n si aij = 0, pentru orice
i 6= j, se numeste matricea unitate.
Un element arbitrar (generic) al matricii unitate se noteaza ij , unde ij , numit simbolul lui
Kronecker, se defineste astfel:

1 daca i = j
ij =
0 daca i 6= j
Oricare ar fi A o matrice patratica de tip n n, avem AIn = In A = A, adica In este elementul
unitate fata de nmultirea matricilor patratice.
Notam cu e1 , e2 , . . . , en coloanele matricii unitate:

0
..
.

ej = 1 j
.
..
0
Astfel avem reprezentarea In = [e1 |e2 | . . . |en ].
Matrici permutare

Definitia 1.2.1 Fie = (1 , 2 , . . . , n ) o permutare a multimii (1, 2, . . . , n), adica o aplicatie

bijectiva de la multime la ea nsasi:

1 2 ... i ... n
... ...
1 2 . . . i . . . n
si 1 , inversa sa:
1

1 2 . . . i . . . n
= ... ...
1 2 ... i ... n

Matricea permutare asociata permutarii , a n elemente, si notata P , este matricea

patratica care are pe linia i elementele liniei i , i = 1, n, din matricea unitate, In :
pij = i j , j = 1, n,
De exemplu matricea permutare corespunzatoare permutarii = (3, 1, 2) este:

0 0 1
P(3,1,2) = 1 0 0
0 1 0

(1.4)

Cursul 1, Algebra liniara, E. Petrisor, 2011

Cum pe linia i din matricea In doar elementul i i este egal cu 1, restul fiind zero, rezulta
ca pe linia i a matricii P este egal cu 1, doar elementul pii :

1 daca j = i
pij = i j =
(1.5)
0 daca j 6= i
Sa evidentiem cateva proprietati ale matricilor permutare:
Produsul dintre o matrice permutare P si o matrice coloana este:

x1
x1
x2 x
2

P .. = ..
. .
xn
xn
adica matricea P are ca efect permutarea liniilor matricii coloana conform permutarii .
Demonstratie: Notam cu Y matricea produs P X,

x1
x2

X = .. , Y =
.

xn

y1
y2
..
.
yn

Din Y = P X, un element arbitrar al matricii produs, yi , se exprima conform relatiei de

nmultire P X astfel:
yi =

n
X

pik xk =

n
X

i k xk

k=1

k=1

Deoarece pentru k = 1, 2, . . . , n doar cand k = i , avem i i = 1, restul fiind zero, avem ca:
yi = i i xi = xi
|{z}
=1

pentru orice i = 1, n.

Pentru ilustrare folosim matricea permutare definita n (1.4) si avem:

0 0 1
x1
x3
P(3,1,2) X = 1 0 0 x2 = x1
0 1 0
x3
x2
particular produsul unei matrici permutare P , de tip n n, cu o matrice
Consecinta . In
A de tip n m, P A, este matricea obtinuta din A aplicand permutarea liniilor sale.
Intr-adevar, scriind coloanele matricii produs P A avem ca:

Cursul 1, Algebra liniara, E. Petrisor, 2011

P A = [P A[:, 1]|P A[:, 2]| . . . |P A[:, m]]

si cum o matrice coloana P A[:, j] este rezultatul aplicarii permutarii elementelor coloanei
A[:, j], rezulta ca P A are ca efect aplicarea permutarii liniilor matricii A.
O matrice permutare este inversabila si inversa ei coincide cu transpusa sa: P1 =
T
P .
Demonstratie: In loc sa demonstram n prealabil ca matricea P este nesingulara, demonstram
direct ca P PT = In ceea ce conduce la PT = P1 , deoarece inversa unei matrici A este unica
matrice cu proprietatea ca produsul la stanga si la dreapta cu matricea A este matricea unitate.
(demonstratia pentru PT P = In se face similar cu demonstratia P PT = In ).
Fie P = (pij ), i, j = 1, n. Notam cu Q = PT , transpusa matricii P si cu qij un element
arbitrar al sau. Astfel avem qij = pji , i, j = 1, n.
Din relatia de determinare a unui element arbitrar al produsului R = P Q, R = (rij ), avem:
rij =

n
X

pik qkj =

k=1

n
X

i k qkj

k=1

Dar dintre elementele i 1 , i 2 , . . . , i n doar i i = 1 este nenul (adica pentru k = i ), restul

fiind zero si prin urmare:
rij = i i qi j = pji
|{z} |{z}
=1 =pji

Dar din definitia matricii permutare avem ca pji = j i . Elementul j i este egal cu:
j i =

1 daca i = j i = j
= ij
0 daca i 6= j i 6= j

Prin urmare rij = ij si deci R = P PT = In , adica PT = P1.

Matricile permutare intervin n metoda de rezolvare a sistemelor de ecuatii liniare pe care o
prezentam n cursul urmator. Mai precis, se permuta ecuatiile unui sistem astfel ncat sa se
diminueze erorile de rotunjire n calculele implicate n metoda de analiza a sistemului si de
rezolvare n caz de compatibilitate.
O serie de alte matrici particulare vor fi definite si studiate pe parcursul cursului.

1.3 Sisteme de ecuatii liniare. Reducerea unei matrici la forma scara pe

linii
O problema fundamentala n algebra liniara este rezolvarea unui sistem de m ecuatii algebrice, liniare, cu n necunoscute:

Cursul 1, Algebra liniara, E. Petrisor, 2011

a11 x1 + a12 x2 + a1n xn

a21 x1 + a22 x2 + a2n xn
..
.

= b1
= b2

(1.6)

am1 x1 + am2 x2 + amn xn = bm

Coeficientii aij , bi , i = 1, m, j = 1, n, sunt numere reale, complexe sau din Z2 .
Acestui sistem i se asociaza matricea A:

a11 a12 . . . a1n

a21 a22 . . . a2n

A = ..
..
..
.
.
. ...
am1 am2 . . . amn
si matricea prelungita A obtinuta prin bordarea matricii A cu coloana termenilor liberi:


a11 a12 . . . a1n  b1

a21 a22 . . . a2n  b2

A = ..
..
..  ..
.
. ...
.  .
am1 am2 . . . amn  bm

Multimea solutiilor unui astfel de sistem poate fi:

1. Multimea vida. In acest caz sistemul se numeste incompatibil.
2. O multime cu un singur element (adica sistemul are o unica solutie, care poate exista doar
n cazul m = n si det(A) 6= 0) si n acest caz sistemul este compatibil determinat sau o multime
cu o infinitate de elemente (solutii) si sistemul se numeste compatibil nedeterminat.
Conditia de compatibilitate (existenta a cel putin unei solutii) a sistemului este data de Teorema Kronecker-Capelli. Pentru a o enunta, reamintim ca:
Rangul unei matrice A Kmn este cel mai mare ordin de determinant nenul ce se poate
constitui din elementele de intersectie a k linii, i1 < i2 < < ik si k coloane, j1 < j2 < <
jk ale matricii A, unde k = 1, 2, . . . , min (m, n).
Teorema KroneckerCapelli. Sistemul (1.6) este compatibil daca si numai daca rangul
matricii A, a sistemului, coincide cu rangul matricii prelungite, A = [A|b] (obtinuta prin bordarea matricii A, cu coloana termenilor liberi, b).
Metodele de rezolvare a sistemelor compatibile studiate la liceu se preteaza pentru calcul
manual doar n cazurile m, n 3. Regula lui Cramer presupune calculul a n + 1 determinanti. Studiul compatibilitatii unui sistem folosind teorema Kronecker-Capelli presupune
calculul rangului matricii sistemului si a matricii prelungite, deci a numerosi determinanti pentru a determina ordinul maxim de determinant nenul. Pentru m, n 4 aceste calcule devin
laborioase si conduc la erori (umane). In cele ce urmeaza prezentam o metoda adecvata pentru
orice m si n, care pe de o parte are avantajul ca implica calcule simple, usor implementabile, iar
pe de alta parte, n ultima etapa a ei reflecta compatibilitatea/incompatibilitatea sistemului si da

Cursul 1, Algebra liniara, E. Petrisor, 2011

si solutia n caz de compatibilitate. Metoda pe care o prezentam se numeste metoda eliminarii

a lui Gauss si a fost inspirata de faptul ca cel mai simplu se rezolva un sistem de n ecuatii
liniare cu n necunoscute, compatibil determinat, de forma triunghiulara, adica de forma:
a11 x1 + a12 x12 + + a1n xn =
a22 x22 + + a2n xn =
..
.

b1
b2
..
.

(1.7)

ann xn = bn ,
unde coeficientii aii 6= 0, i = 1, n. Matricea unui astfel de sistem este matrice superior triunghiulara:

a11 a12 . . . a1n

0 a22 . . . a2n

U = ..
(1.8)
..
..
.
. ... .
0
0 . . . ann
Sistemul fiind presupus compatibil determinat, rezulta ca determinantul sau este nenul:
det(A) = a11 a22 ann 6= 0

aii 6= 0, i = 1, 2, . . . , n

si se rezolva prin metoda substitutiei inverse, adica se rezolva succesiv ecuatiile n, n1, . . . , 2, 1.
Din ultima ecuatie se calculeaza xn = bn /ann , care se introduce n ecuatia n 1, ce se rezolva
apoi n raport cu xn1 , si asa mai departe, pana ajungem la rezolvarea ecuatiei 1. Avem deci
urmatorul:
Algoritm de rezolvare a unui sistem n forma triunghiulara
calculeaza xn = bn /ann ;
pentru i descrescand de la n 1 la 1, calculeaza:
xi =

1
(bi ai,i+1 xi+1 ai,i+2 xi+2 ain xn )
aii

In cele ce urmeaza vom arata ca orice sistem de m ecuatii cu n necunoscute, se poate reduce printr-un sir de transformari succesive numite transformari elementare pe linie la o forma
cvasitriunghiulara numita si forma scara pe linii (row echelon form n l. engleza).
Definitia 1.3.1 O matrice S Kmn are forma scara pe linii daca verifica urmatoarele doua
proprietati:
1. Daca o linie Si,: are toate elementele 0 atunci toate liniile de sub aceasta au elementele
zero: adica S[j, :] = [ 0 0 0] , cu i < j m;

Cursul 1, Algebra liniara, E. Petrisor, 2011

2. Daca primul element nenul dintr-o linie S[i, :] este sij , atunci n coloanele S[:, 1],
S[ :, 2], . . . , S[:, j] toate elementele din liniile i + 1, i + 2, . . . , m (de sub linia i) sunt nule.
Matricea urmatoare ilustreaza particularitatile din definitie. Elementele notate prin simbolizeaza elemente nenule. Elementele pot fi nule sau nenule.

0 0

0 0 0

(1.9)
S=
0 0 0 0 0 0 S[i, :]

0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
Un caz particular de matrice n forma scara pe linie este matricea superior triunghiulara cu
elementele de pe diagonala principala nenule:

...
0 ...

..

.
.
.
.
.
.
U = .

.
.
.
.
.
.

0 0 ...
0 0 ... 0
Urmatoarele matrici au forma scara pe linie:

1 3
0
3
2 3
5 1
0 2 5
0
1
3 6
2

2 8
0 1
7 S2 = 0 0
S1 = 0

0 0
0
0
0
0
0
2
0 0
0
0
0
0
0
0

3
0
S3 =
0
0

2
4
0
1
1 3 1
2

0
0
1 5
0
0
0 3

Definitia 1.3.2 Primul element nenul de pe o linie a unei matrici n forma scara pe linie se
numeste pivot.
In matricea simbolica din 1.9 pivotul este notat ).
In continuare prezentam procedura prin care matricea unui sistem de ecuatii liniare poate fi
transformata ntr-o matrice avand forma scara. In acest scop reamintim:
Definitia 1.3.3 Doua sisteme de m ecuatii liniare cu n necunoscute se numesc echivalente daca
multimea solutiilor este aceeasi pentru ambele sisteme.

Cursul 1, Algebra liniara, E. Petrisor, 2011

10

Consideram sistemul de ecuatii liniare (1.6) si notam cu Eci ecuatia a i-a din sistem, i.e.:
Eci :

ai1 x1 + ai2 x2 + + ain xn = bi

Suma a doua ecuatii distincte Eci , Ecj revine la a aduna membru cu membru (i.e. membrul
stang al uneia la membrul stang al celei de-a doua si la fel pentru membrii drepti). Produsul
cu un scalar nenul (numar real sau complex) al ecuatiei Eci , Eci revine la a nmulti fiecare
membru al ecuatiei cu 6= 0.
Urmatoarele trei transformari aplicate asupra sistemului:

Ec1

Ec2
S=
..

Ec
m

conduc la un sistem S echivalent cu acesta:

1. Schimbarea ecuatiilor i si j ntre ele, Eci Ej .
2. Produsul unei ecuatii cu un scalar nenul, 6= 0, Eci Eci :
3. Adunarea la ecuatia j a ecuatiei i nmultita cu un scalar nenul, Eci + Ecj Ecj :
Aplicand succesiv astfel de transformari elementare pe linii, un sistem de m ecuatii cu n
necunoscute poate fi adus la forma scara, adica matricea sistemului este transformata ntr-o
matrice scara.
Cele trei transformari elementare aplicate ecuatiilor arbitrare din sistem:
Eci :

ai1 x1 + ai2 x2 + + ain xn = bi

Ecj :

aj1 x1 + aj2 x2 + + ajn xn = bj

practic actioneaza identic asupra liniilor i si j din matricea prelungita a sistemului, A = [A|b].
Notam cu Li o linie a acestei matrici, i = 1, m. Astfel avem urmatoarele transformari elementare pe linie asupra matricii prelungite A si implicit asupra matricii A, care nu afecteaza
multimea solutiilor sistemului caruia i s-au asociat aceste matrici:
1: Schimbarea a doua linii ntre ele Li Lj ;
2. Inmultirea unie linii Li cu un scalar real (sau complex) nenul, (daca matricea este o
matrice de elemente reale, respectiv complexe);
3. Adunarea unei linii nmultita cu un scalar nenul la alta linie: Li + Lj Lj .
Sa luam acum un exemplu de sistem de m ecuatii cu n necunoscute, , m 6= n, si sa aplicam
transformari elementare pe linie de tip 1. 3. asupra matricii prelungite pentru a obtine forma
scara a acesteia.
Exemplul 1. Fie sistemul de 4 ecuatii cu 5 necunoscute dat n forma matriciala:

x1

5
1 2 1 3 3

2 4 0 4 4 x2 6

1 2 3 5 5 x3 = 9
x4
9
2 4 0 4 7
x5

Cursul 1, Algebra liniara, E. Petrisor, 2011

11

Matricea sa prelungita este:

1
2
A=
1
2

2
4
2
4

1
0
3
0

3
4
5
4

3
4
5
7

5
6

9
9

Aplicand succesiv 2L1 + L2 L2 , L1 + L3 L3 si 2L1 + L4 L4

obtinem:


1 2
1
3
3  5
0 0 2 2 2  4

0 0
2
2
2  4
0 0 2 2
1  1

Sa alegem pivotul pentru linia 2 (primul element nenul de pe linia 2 din viitoarea forma scara).
Observam ca n pozitia (2, 2) avem 0. Nici liniile i de sub linia 2 nu au n pozitia (i, 2) element
nenul, ca sa efectuam o schimbare de linii L2 Li . Prin urmare alegem pivotul ca fiind din
pozitia (2, 3). Efectuam transformarile elementare L2 + L3 L3 , 1L2 + L4 L4 pentru a
anula toti coeficientii de sub elementul din pozitia (2, 3), adica coeficientii din pozitiile (i, 3),
i > 2:



1 2
1
3
3  5
1 2
1
3
3  5
0 0 2 2 2  4 0 0 2 2 2  4

0 0
0
0
0  0
2
2
2  4 0 0
0 0
0
0
3  3
0 0 2 2
1  3
Deoarece linia 3 contine doar elemente nule, schimband linia 3 cu linia 4 obtinem o matrice
care este deja n forma scara:


1 2
1
3
3  5
0 0 2 2 2  4

0 0
0
0
3  3
0 0
0
0
0  0

si sistemul echivalent:

x1 + 2x2 + x3 + 3x4 + 3x5 =

5
x3 x4 x5 = 2
x5 =
1

Observatia 1.3.1 Observam ca n urma sirului de transformari am obtinut simultan forma

scara a matricii A a sistemului si a matricii prelungite.
Pentru a folosi forma scara a matricii prelungite la analiza compatibilitatii/incompatibilitatii
sistemului initial, reamintim ca:

12

Cursul 1, Algebra liniara, E. Petrisor, 2011

Daca liniilor unui determinant li se aplica o transformare de tip 1., atunci determinantul
schimba semnul, daca se aplica o transformare de tip 2 atunci valoarea determinantului se
nmulteste cu scalarul respectiv, iar daca se aplica o transformare de tip 3. valoarea determinantului nu se schimba. Deoarece cele trei tipuri de transformari elementare pe linie, (1 3),
aplicate unui determinant transforma astfel determinanti nenuli n determinanti nenuli si determinat 0 n determinant zero, rezulta:
Proprietate. Cele trei tipuri de transformari elementare pe linie (1 3) aplicate unei
matrici A nu modifica rangul matricii si astfel rangul matricii A coincide cu rangul formei
scara.
Propozitia 1.3.1 Rangul unei matrici n forma scara pe linii este egal cu numarul de pivoti.
Demonstratie: Intr-adevar, daca forma scara pe linii S are r linii nenule (deci r pivoti), atunci
rangul matricii S este r, deoarece determinantul constituit din intersectia primelor r linii cu
coloanele j1 , j2 , . . . jr , n care se gasesc pivotii liniilor 1, 2, . . . , r este nenul (fiind determinantul
unei matrici superior triunghiulare cu elementele de pe diagonala principala nenule) si nu exista
un determinant de ordin mai mare ca r nenul.
Prima informatie ce se extrage din forma scara a unei matrici A este rangul matricii A,
care este dat de numarul de pivoti.
Matricea sistemului (1) are trei pivoti, deci rangul este 3. Un determinant principal (determinant de ordinul rangului) este determinantul matricii de intersectie a liniilor 1, 2, 3 cu coloanele
1, 3, 5 n care se gasesc pivotii liniilor 1, 2, 3:


 1
1
3 

 0 2 2  = 6 6= 0
(1.10)



 0
0
3

Rangul matricii prelungite este de asemenea 3, deci conform teoremei KroneckerCapelli sistemul este compatibil. Pentru a obtine multimea solutiilor aplicam metoda studiata la liceu,
urmand ca ulterior sa evidentiem o alta metoda.
Rezolvam primele 3 ecuatii n raport cu necunoscutele x1 , x3 , x5 care sunt necunoscute principale. := x2 , = x4 sunt necunoscute secundare.
Rezolvand sistemul:
x1 + 2 + x3 + 3 + 3x5 =
5
x3 x5 = 2
x5 =
1
n raport cu necunoscutele principale avem: x5 = 1, x3 = 2 1 = 1 , x1 = 5 2
(1 ) 3 3 = 1 2 2. Deci multimea solutiilor este:
{(x1 , x2 , x3 , x4 , x5 ) = (1 2 2, , 1 , , 1), , R}

Cursul 1, Algebra liniara, E. Petrisor, 2011

13

Procedura de reducere la forma scara pe linie

Etapa 1: Se determina prima coloana nenula, de la stanga spre dreapta. Fie aceasta
coloana j. Pe aceasta coloana se selecteaza un element nenul. Daca a1j 6= 0, atunci acesta
este pivotul liniei 1. In caz contrar (adica a1j = 0) se efectueaza o schimbare de linii pentru a
aduce un element nenul n prima pozitie a coloanei j. O data fixat pivotul, se aplica transformari
elementare pe linie pentru a anula toate elementele din coloana j, de sub pivot.
..
.
Etapa k: Presupunem ca M este matricea sistemului dupa etapa k 1 a eliminarii Gauss,
adica sub pivotul ales pe linia k 1 s-au format zerouri. Exista trei posibilitati:
1. Pe linia k exista elemente nenule. Atunci alegem ca pivot primul element nenul (de la
stanga spre dreapta). Fie acesta elementul din pozitia (k, j). Se formeaza zerouri sub el, pe
coloana j, si astfel se ncheie etapa k a procedurii;
2. toate elementele pe linia k sunt 0, dar exista cel putin o linie sub linia k ce contine
elemente nenule; se schimba linia k cu o linie dedesubtul ei ce are elemente nenule, se alege
pivotul si se formeaza zerouri sub el, terminand etapa k a procedurii;
3. pe linia k si sub ea nu mai exista elemente nenule; Procesul de eliminare este complet;
Precizam ca daca aij este pivot, atunci se anuleaza elementul din pozitia kj, cu k > i, prin
transformarea akj /aij Li + Lj Lj .
Pentru a ntelege Etapa 1, luam urmatorul exemplu:
Exemplul 2. Sa se reduca la forma scara pe linii matricea:

0 2 3
1
0 5
4 2

A=
0 0
7 1
0 1 1
0
La prima vedere acest exemplu pare nejustificat daca am considera aceasta matrice ca matricea (prelungita) a unui sistem de ecuatii liniare, deoarece avand coloana 1 formata din zerouri
rezulta ca sistemul practic nu depinde de necunoscuta x1 si deci este inutil sa folosim coloana
1. Reducerea unei matrici la forma scara pe linii nsa se folseste n algebra liniara si n alte
scopuri, nu numai n rezolvarea sistemelor liniare si existenta unei coloane nule este posibila n
unele probleme.
Cum coloana 1 este zero, a11 nu poate fi pivot pentru linia 1 si nici un alt elemnt ai1 , i > 1,
prin schimbarea liniei 1 cu linia i. Prima coloana nenula este k = 2. Pentru calcule mai simple,
schimbam linia 1 cu linia 4 si obtinem matricea:

0 1 1
0
0 5
4 2

A1 =
0 0
7 1
0 2 3
1

Cursul 1, Algebra liniara, E. Petrisor, 2011

14

Alegem pivotul pe linia 1 ca fiind 1 si aplicam transformarile: 5L1 + L2 L2 , 2L1 + L4

L4 . Obtinem:

0 1 1
0
0 0
9 2

A2 =
0 0
7 1
0 0 1
1

Apoi n A2 interschimbam L2 L4 :

0
0
A3 =
0
0

1 1
0
0 1
1

0
7 1
0
9 2

1 este pivotul liniei 2. Efectuam transformarile 7L2 + L3 L3 si 9L2 + L4 L4 ;

0 1 1 0
0 0 1 1

A3 =
0 0
0 6
0 0
0 7
Pivotul liniei 3 este 6. Transformarea (7/6)L3 + L4

0 1 1
0 0 1
S=
0 0
0
0 0
0

L4 conduce la forma scara pe linie:

0
1

6
0

Observatia 1.3.2 Datorita flexibilitatii n alegerea transformarilor elementare pe linie ce se

efectueaza pentru reducerea unei matrici A la forma scara, S, elementele matricii S nu sunt
unic determinate de A. Adica doua persoane care lucreaza independent pot obtine matrici scara
diferite. Se poate demonstra nsa ca numarul si pozitia pivotilor n S sunt unic determinate de
elementele matricii A. Cu alte cuvinte, doua forme scara distincte, ale aceleasi matrici, au
acelasi numar de pivoti si acestia sunt situati n aceeasi pozitie.