Cursul 3

Matematica in biologie. 2016 - 2017

Continutul cursului.
a) Spatii vectoriale nit dimensionale. Corespondenta cu un spatiu de tip
Kn : Izomorsmul asociat unei baze algebrice ordonate a spatiului.
b) Aplicatii liniare. Denitie. Exemple. Notatii. Cum se poate deni o
aplicatie liniara.
c) Proprietati ale spatiului L(V; W ): Dimensiunea acestui spatiu cand V si
W sunt nit dimensionale.
d) Matricea asociata unei aplicatii liniare cand V si W sunt spatii vectoriale
nit dimensionale inzestrate cu cate o baza algebrica.
e) Cazul particular in care W = V: Valori si vectori proprii. Matricea unui
operator liniar intr-o baza formata din vectori proprii (daca exista). Calculul
puterilor Ak pentru un operator liniar A : V ! V:

Varianta compacta a cursului

x1: Aplicatia de reprezentare

Fie V un K spatiu vectorial nit dimensional si B = fb1 ; :::; bn g o baza
algebrica ordonata pentru V: Conform denitiei unei baze algebrice, pentru orice
x 2 V exista si sunt unic determinati scalarii c1 = c1 (x) 2 K; :::; cn = cn (x) 2 K
astfel incat
n
X
cj bj :
x=
j=1

Atunci, aplicatia
V 3 x ! (c1 (x); :::; cn (x)) 2 Kn
este o bijectie a lui V pe Kn :
Bijectia depinde de alegerea bazei si de ordinea vectorilor din baza. Prin
urmare nu avem de-a face cu o bijectie canonica.
Vom numi c1 prima coordonata a lui x in baza B; c2 a doua coordonata a
lui x in baza B;...., iar cn va coordonata a n-a a lui x in baza B:
Asadar, daca V este un spatiu vectorial real (peste R) si B = fb1 ; :::; bn g o
baza algebrica ordonata pentru V; atunci aplicatia
V 3 x ! (c1 (x); :::; cn (x)) 2 Rn
1

va o bijectie a lui V pe Rn :
Notatie.
Pentru x 2 V vom nota
[x]B

1
c1 (x)
B
.. C 2 Kn :
:= @
. A
cn (x)

Vectorul [x]B 2 Kn se va numi reprezentarea lui x in baza B: Asadar, se

poate deni aplicatia de reprezentare, relativa la baza B;
V

B
!
Kn ;

data prin
B (x)

:= [x]B ; x 2 V:

Constituie un exercitiu util vericarea urmatoarelor proprietati ale aplicatiei

B :
a) B (x + y) = B (x) + B (y); 8x; y 2 V ;
b) B ( x) = B (x); 8 2 K; x 2 V:
Faptul ca se verica cele doua proprietati se exprima, mai concentrat, prin
sintagma: aplicatia B este liniara.
In plus, B este si bijectiva. Mai scurt, se spune ca B este un izomorsm
algebric (sau un izomorsm liniar ) de spatii vectoriale.
Remarca 3.1.1. Bijectia de mai sus depinde esential de alegerea bazei.
Deci nu este canonica. Totusi, acest rezultat evidentiaza importanta deosebita
a spatiilor de tipul Kn deoarece, din cele de mai inainte, deducem ca orice spatiu
vectorial peste corpul K; de dimensiune n; este liniar izomorf cu spatiul Kn :
Cu notatiile e1 := (1K ; 0K ; :::; 0K ); :::; en := (0K ; :::; 0K ; 1K ) 2 Kn se obtine
|
{z
}
|
{z
}
n-term eni

n-term eni

baza canonica E := fe1 ; :::; en g a lui Kn : Aceasta baza are proprietatea importanta ca pentru orice vector x 2 Kn avem egalitatea
[x]E = x:

Acest lucru nu inseamna altceva decat faptul ca pentru un element x 2 Kn

coordonatele sale in baza canonica E a lui Kn sunt exact cele n componente ale
vectorului:
In cele ce urmeaza introducem un al doilea concept fundamental din algebra
liniara, si anume pe cel din urmatorul paragraf:

x 2: Aplicatii liniare
Proprietatile aplicatiei

din paragraful anterior ne sugereaza

2

Deni
tia 3.2.1.
Fie V si W dou
a spatii vectoriale peste corpul comutativ K: Se numeste
aplicatie liniara de la V la W orice aplicatie f : V ! W cu proprietatea:
f ( x + y) = f (x) + f (y)

(3.2.1)

pentru oricare vectori x; y 2 V si orice scalari ; 2 K:

O aplicatie liniara f de la spatiul vectorial V la corpul scalarilor K (cu K
considerat ca spatiu vectorial peste sine insusi) se numeste functionala liniara.
Observatia 3.2.3.
Proprietatea (3.2.1), din denitia de mai sus, este echivalenta cu vericarea
urmatoarelor doua proprietati:
1) f (x + y) = f (x) + f (y); 8x; y 2 V;
2) f ( x) = f (x); 8 2 K; 8x 2 V:
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 k 2 Z
daca
f ( x) = k f (x); 8 2 K; 8x 2 V:
Direct din denitie rezulta ca:
f (0V ) = 0W
si
f ( x) =

f (x); 8x 2 V:

Exercitiu.
a) Vericati, prin inductie matematica, faptul ca:
f(

1 x1

+ ::: +

m xm )

1 f (x1 )

+ ::: +

m f (xm );

8m 2 N ; 8 1 ; :::; m 2 K si 8x1 ; :::; xm 2 V:

b) Aratati ca o aplicatie liniara f : V ! W este injectiva daca si numai
daca are proprietatea: x 2 V si f (x) = 0V implica egalitatea x = 0V :
Exemple.
a) Fie V si W dou
a K-spatii vectoriale. Aplicatia f0 : V ! W data prin:
f0 (x) = 0W ; 8x 2 V
este o aplicatie liniara, numita aplicatia nula. De obicei aceasta aplicatie se
noteaza cu 0V;W :
b) Fie V un K-spatiu vectorial. Aplicatia 1V : V ! V data prin:
1V (x) := x; 8x 2 V;
este liniara. Aceasta aplicatie se numeste identitatea lui V:
c) Daca f : R !R este o aplicatie liniara atunci, in mod necesar, exista un
a 2 R astfel incat f (x) = ax; 8x 2 R:
3

d) Daca A este o matrice

componentele reale,
0
a1;1
B a2;1
B
B ....
A=B
B ai;1
B
@ ...
am;1

de tipul m
a1;2
a2;2
....
ai;2
...
am;2

n (adica are m linii si n coloane), cu

...
...
...
...
...
...

a1;j
a2;j
...
ai;j
...
am;j

...
...
...
...
...
...

a1;n
a2;n
...
ai;n
...
am;n

C
C
C
C;
C
C
A

atunci A deneste o aplicatie liniara de la Rn la Rm asociind vectorului

coloana x 2 Rn ;
0
1
x1
B x2 C
B
C
x=B . C
@ .. A
xn

vectorul coloana Ax 2 Rm obtinut prin inmultirea (de tip matricial) a matricii

A (cu m linii si n coloane) cu matricea x care are n 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 dimensionale, peste acelasi corp de scalari, poate reprezentata cu ajutorul unei
matrici avand componentele din respectivul corp de scalari.
e) Derivarea, notata cu D; este o aplicatie liniara de la spatiul vectorial al
functiilor derivabile pe un anumit interval propriu (,adica avand lungimea strict
pozitiva,) I al lui R (spatiu notat cu D(I)) in spatiul vectorial ( F(I)) al tuturor
functiilor denite pe I:
D : D(I) ! F(I);
D(I) 3 f 7 ! D(f ) := f 0 2 F(I)

f) Fie [a; b] un interval inchis si marginit al axei reale. Atunci operatorul

de integrare denit pe spatiul vectorial al functiilor continue pe [a; b]; cu valori
reale, si avand valori in R (considerat ca spatiu vectorial peste sine insusi) este
liniar.
Z
b

: C([a; b]) ! R;

C([a; b]) 3 f 7 !

f (x)dx 2 R:

Exercitiu.
1) Fie V un K spatiu vectorial de dimensiune n si B = fb1 ; :::; bn g o baza
algebrica pentru V: Atunci o aplicatie liniara f : V ! W este perfect determinata daca se cunosc valorile (vectorii): f (b1 ) = w1 ; :::; f (bn ) = wn 2 W:
2) Fie V si W doua spatii vectoriale peste acelasi corp K si
L(V; W ) := fA : V

! W j A aplicatie liniarag :
4

Atunci L(V; W ) este un spatiu vectorial peste K; cu operatiile naturale de:

a) adunare a aplicatiilor liniare :
(A + B)(x) := A(x) + B(x); x 2 V;
si
b) inmultire cu scalari (din K ):
( A)(x) := A(x); x 2 V:
Care este dimensiunea acestui spatiu cand dimK V = n 2 N; dimK W = m 2 N ?
A
3) Fie V1 ; V2 si V3 trei spatii vectoriale peste acelasi corp K si V1 ! V2 ;
B
V2 ! V3 doua aplicatii liniare. Atunci aplicatia, B A : V1 ! V3 ; denita in
mod natural prin:
(B A)(x) := B(A(x)); x 2 V1
este tot liniara.
Remarca.
1) Functia
R 3 x ! x2 2 R
nu este liniara.
2) Nici aplicatia
R3x !x+12R
nu este liniara.
Denitie.
Fie V si W dou
a spatii vectoriale peste corpul comutativ K: Se numeste
izomorsm algebric de spatii vectoriale (al spatiilor vectoriale V si W ) orice
aplicatie f : V ! W cu proprietatatile:
a) f este o aplicatie liniara;
b) f este bijectiva.
Se mai spune si ca f este un izomorsm liniar. Daca V si W sunt dou
a spatii
vectoriale peste corpul comutativ K pentru care exista f : V ! W izomorsm
liniar se zice ca spatiile vectoriale V si W sunt liniar izomorfe.
Exercitiu.
1) Fie V un spatiu vectorial peste corpul K si f : V ! V data prin
f (x) =

x; x 2 V:

Atunci f este un izomorsm liniar.

2) Fie V si W dou
a spatii vectoriale peste corpul comutativ K; de dimensiune
nita, si f : V ! W un izomorsm liniar. Atunci dimK V = dimK W:
3) Fie V si W dou
a spatii vectoriale peste corpul comutativ K; de dimensiune
nita n, si f : V ! W o aplicatie liniara.
Atunci f este izomorsm liniar daca si numai daca oricare ar baza algebrica
B = fb1 ; :::; bn g; n = dimK V; a lui V; rezulta ca setul de vectori ff (b1 ); :::; f(bn )g
este o baza algebrica pentru W:
5

Observatie.
Se poate arata ca daca doua spatii vectoriale sunt izomorfe algebric, atunci
orice proprietate a unuia dintre ele se transfera si la celalalt spatiu. Prin urmare
este sucient sa studiezi proprietatile unuia dintre spatii (de regula, se alege
acela in care studiul se face mai usor) si apoi sa le transferi, prin izomorsmul
algebric, la celalalt spatiu.
In particular, doua spatii vectoriale liniar izomorfe vor avea aceeasi dimensiune.
In lumina celor de mai sus putem vedea de ce sunt fundamentale spatiile
vectoriale Kn :Ele reprezinta un soi de prototip pentru toate spatiile vectoriale
(nit dimensionale) peste corpul K si care au dimensiunea n:
In esenta, abstractie facand de un izomorsm algebric de spatii vectoriale,
exista un singur spatiu vectorial de dimensiune n peste corpul K; si anume Kn :
Asadar, daca admitem ca ind xat corpul K de scalari, pentru precizarea unui
spatiu vectorial nit dimensional, peste acest corp, singurul lucru esential este
un numar natural n; dimensiune sa. Iarasi ajungem la inteleapta concluzie a
vechilor greci: Totul este numar ! Desigur, prin numar ei intelegeau un numar
natural.

x3: Trecerea de la o baz

a la alt
a baz
a
Fie V un spatiu vectorial peste corpul comutativ K; de dimensiune nita
n 2 N : Sa consideram si doua baze ordonate B = fb1 ; :::; bn g (pe care o vom
0
trata drept baza veche) si B0 = fb1 ; :::; b0n g (numita in continuare baza noua)
ale lui V: Daca x este un vector oarecare din V atunci exista si sunt unic
determinate sistemele ordonate (de scalari din K) c1 = c1 (x); :::; cn = cn (x)
si c01 = c01 (x); :::; c0n = c0n (x) (numite coordonatele lui x in baza "veche" B;
respectiv "noua" B0 ) astfel incat:
x = c1 b1 + ::: + cn b1 = c01 b01 + ::: + c0n b0n :

(3.3.1)

Vom conveni sa notam vectorul coloana (din Kn ) al coordonatelor lui x; in

baza veche B; prin [x]B ; iar vectorul coloana (din Kn ) al coordonatelor lui x;
in baza noua B0 ; prin [x]B0 :
Mai precis,
0
1
c1
B
C
[x]B = @ ... A 2 Kn
cn

si

[x]B0

1
c01
B
C
= @ ... A 2 Kn :
c0n
6

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 B0 : Vom obtine:
bj =

n
X

0
i;j bi ;

n;

(3.3.2)

i=1

unde i;j 2 K; 81
Cu notatia

i; j

n:

[ ]B0 ;B := (

i;j )1 i;j n

2 Mn;n (K)

obtinem matricea de trecere de la baza noua B0 la baza veche B:

Formal, setul de relatii din (3:3:2) se poate scrie sub forma:
0

fb1 ; :::; bn g = fb1 ; :::; b0n g [ ]B0 ;B

sau, si mai compact:
B = B0 [ ]B0 ;B ;
considerand B si B0 ca "vectori linie" (cu n componente).
Este relativ simplu de vazut ca:
1) [ ]B;B = In (= matricea unitate din Mn;n (K));
0
2) [ ]B00 ;B0 [ ]B0 ;B = [ ]B00 ;B ; unde B = fb1 ; :::; bn g; B0 = fb1 ; :::; b0n g; B00 =
00
00
fb1 ; :::; bn g sunt trei baze ordonate ale lui V:
Din cele de mai sus rezulta ca [ ]B0 ;B este inversabila si are inversa:
([ ]B0 ;B )

= [ ]B;B0 :

Observam ca [ ]B;B0 este tocmai matricea de trecere de la baza veche B la baza

noua B0 : Evident ca avem si relatia:
B0 = B [ ]B;B0 :
Inlocuind in (3:3:1) pe bj dat de (3:3:2) obtinem:
n
X
j=1

n
X
cj (

0
i;j bi ) =

i=1

n
X

c0i b0i

i=1

sau, dupa intervertirea celor doua sume din membrul stang:

n X
n
X
(

0
i;j cj )bi

i=1 j=1

n
X

c0i b0i :

i=1

Tinand cont ca vectorii b01 ; :::; b0n sunt liniar independenti obtinem:
c0i =

n
X

i;j cj ;

j=1

81

n:

Acest set de relatii se poate rescrie, mai compact, sub forma:

[x]B0 = [ ]B0 ;B [x]B :
Aceasta ultima relatie justica si denumirea data matricei [ ]B0 ;B de matrice
de schimbare de coordonate (din baza veche B in baza noua B0 ):
Evident ca:
[x]B = [ ]B;B0 [x]B0 :
Exemplu. Sa alegem V = Kn ; B = fb1 ; :::; bn g o baza oarecare a lui Kn
(pe post de baza veche) si B0 = E =fe1 ; :::; en g baza canonica a lui Kn (pe post
de baza noua). Atunci,
bj =

n
X

i;j ei ;

n:

i=1

Prin urmare
colj ([ ]E;B ) = [bj ]E = bj ; 1

n:

Inseamna ca
[ ]E;B = (b1 ; :::; bn );
matricea (b1 ; :::; bn ) avand drept coloane cei n vectori coloana din baza veche B:
In mod tacit am convenit sa consideram vectorii din Kn drept vectori coloana.
0
0
Deducem ca, pentru doua baze B = fb1 ; :::; bn g; B = fb1 ; :::; b0n g ale lui Kn ;
vom avea
[ ]B0 ;B = [ ]B0 ;E [ ]E;B = ([ ]E;B0 ) 1 [ ]E;B ;
adica
]B0 ;B = (b01 ; :::; b0n )

(b1 ; :::; bn ):
1
2

In cazul V = R2 ; B = fb1 ; b2 g cu b1 =

2
1

; b2 =

matricea [ ]E;B

este

[ ]E;B =

1
2

2
1

; iar [ ]B;E =

1
2

2
1

1
3

1
2

2
1

x4: Reprezentarea matriciala a unei aplicatii liniare

Fie V un spatiu vectorial peste corpul comutativ K; de dimensiune nita
n 2 N si W un al doilea spatiu vectorial, peste acelasi corp comutativ K; de
dimensiune nita m 2 N ; precum si A : V ! W o aplicatie liniara. Daca

A= [a1 ; :::; an ] este o baza algebrica ordonata a lui V si B = [b1 ; :::; bm ] o baza
algebrica ordonata a lui W vom avea:
A(aj ) =

m
X

i;j bi ;

i=1

81

n;

i;j

2 K:

Vom nota cu
[A]B;A := (

i;j )1 i m;1 j n

2 Mm;n (K)

matricea asociata lui A in raport cu bazele A si B:

Din cele de mai sus rezulta ca, in ipotezele de mai inainte, putem deni
aplicatia:
IA;B : L(V; W ) ! Mm;n (K); IA;B (A) := [A]B;A :
De fapt are loc urmatoarea:
Teorema 3.4.1.
Aplicatia IA;B este un izomorsm de spatii vectoriale.
Aceasta teorema explica rolul exceptional al matricilor. In practica aplicatiile 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 3.4.2.
Daca dimK V = n si dimK W = m atunci dimK L(V; W ) = m n:
Exercitiul 3.4.3.
1) Aratati ca, indiferent de alegerea celor doua baze A si B in V; respectiv
W; matricea asociata aplicatiei nule este matricea nula cu m linii si n coloane:
0

Om;n = (0)1

i m;1 j n

B
B
B
=B
B
B
@
|

0
0
....
0
...
0

0
0
....
0
...
0

...
...
...
...
...
...

{z

0
0
...
0
...
0

...
...
...
...
...
...

n coloane

0
0
...
0
...
0

19
>
>
C>
>
>
C>
C=
C m linii;
C>
C>
>
A>
>
>
;
}

unde am notat cu 0 elementul neutru fata de adunarea din K:

e) In cazul W = V si A = 1V care este reprezentarea sa matriciala in raport
cu o baza oarecare B a lui V ?
Propozitia 3.4.4.

In conditiile de mai sus

[Ax]B = [A]B;A [x]A ; 8x 2 V:
Demonstratie. Este sucient sa aratam ca:
[Aaj ]B = [A]B;A [aj ]A ; 81

n:

Pm
Dar A(aj ) = i=1 i;j bi si cum [bi ]B = eei (vectorul al i lea din baza canonica
a lui Km ), [aj ]A = ej (vectorul al j lea din baza canonica a lui Kn ) vom avea:
[A(aj )]B = [

m
X
i=1

i;j bi ]B

m
X
i=1

i;j [bi ]B

m
X
i=1

ei
i;je

= colj ([A]B;A ) =

= [A]B;A ej = [A]B;A [aj ]A :

Remarca 3.4.5.
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:
A(x) = Ax:
Propozitia 3.4.6.
Daca A; A0 sunt doua baze algebrice ale lui V si B; B 0 doua baze algebrice
ale lui W vom avea:
[A]B0 ;A0 = [ ]B0 ;B [A]B;A [ ]A;A0 :
Demonstratie. Conform propozitiei anterioare avem:
[Ax]B = [A]B;A [x]A ; 8x 2 V;
si
[Ax]B0 = [A]B0 ;A0 [x]A0 ; 8x 2 V:
Dar
[Ax]B0 = [ ]B0 ;B [Ax]B :
Deci
[A]B0 ;A0 [x]A0 = [Ax]B0 = [ ]B0 ;B [A]B;A [x]A ; 8x 2 V
si, intrucat:
[x]A = [ ]A;A0 [x]A0 ;
vom obtine:
[A]B0 ;A0 [x]A0 = [ ]B0 ;B [A]B;A [ ]A;A0 [x]A0 ; 8x 2 V:
Din ultima relatie rezulta imediat ca:
[A]B0 ;A0 = [ ]B0 ;B [A]B;A [ ]A;A0 :
10

Foarte folositor se dovedeste a si rezultatul urmator:

Propozitia 3.4.7.
Fie V1 ; V2 si V3 trei spatii vectoriale nit dimensionale, peste acelasi corp
A
B
K; si V1 ! V2 ; V2 ! V3 doua aplicatii liniare. Daca B1 este o baza algebrica
pentru V1 ; B2 este o baza algebrica pentru V2 ; iar B3 este o baza algebrica pentru
V3 atunci:
[B A]B3 ;B1 = [B]B3 ;B2 [A]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 A : V ! W; sa facem o alegere "convenabila" de baze
in V si in W astfel incat matricea asociata lui A in raport cu cele doua baze sa
aiba cea mai simpla forma posibila.
In cazul cand V si W 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 3.4.8.
Daca V si W sunt doua spatii vectoriale nit dimensionale cu dimK V = n 2
N ; dimK W = m 2 N ; iar A : V ! W este o aplicatie liniara, atunci exista o
baza A0 in V si o baza B0 in W astfel incat matricea asociata (in raport cu cele
doua baze) [A]B0 ;A0 2 Mm;n (K) sa aiba forma:
1
0
1K 0
0
0
B 0
1K
0
0 C
C
B
B
C
In
0n ;
C=
B
:
C
B 0
0
0m n+ ;
0
1
0
m n+ ;n
K
C
B
A
@
0
0
0
0
Mai sus am notat cu = dimK ker(A); n
= dimK Ran(A); In
este
matricea unitate dinMn ;n (K); iar 0n ; ; 0m n+ ;n
si 0m n+ ; sunt
matricile nule cu dimensiunile respective.
Nu dam demonstratia acestui rezultat, desi nu este greu de obtinut.

Observatia 3.4.9.
In cazul in care W = V si A : V ! V este o aplicatie liniara (in acest
caz se mai utilizeaza si termenul de operator liniar pe V ) este natural ca si
in domeniul de denitie (V ); dar si in codomeniu (care este tot V ) sa alegem
aceeasi baza B: Daca B 0 este o alta baza in V va trebui sa avem:
[A]B0 = [ ]B0 ;B [A]B [ ]B;B0 = ([ ]B;B0 )

[A]B [ ]B;B0 ;

unde, pentru simplicarea scrierii, am notat [A]B := [A]B;

11

si [A]B0 := [A]B0 ;

B0 :

Problema care se pune este de a vedea cum poate aleasa o baza B astfel
incat [A]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 A : V ! V exista o baza B
a lui V in raport cu care matricea asociata lui A in respectiva baza, notata cu
[A]B ; este diagonala. Mai pe scurt, vom raspunde la intrebarea: in ce conditii
pentru operatorul liniar A acesta este diagonalizabil ?
Nu este greu de vazut ca in cazul n = 1 si V = R daca f : R ! R este
o aplicatie liniara atunci exista un numar real unic a 2 R astfel incat f (x) =
fa (x) := ax; 8x 2 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 A : V ! V; exista 2 K si v 2 V n f0V g astfel incat:
Av = v:
Cele de mai sus ne sugereaza:
Denitia 3.4.10.
Fie V un spatiu vectorial peste corpul comutativ K si A : V ! V o aplicatie
liniara. Un element 2 K se numeste valoare proprie pentru A daca exista
un vector nenul v 2 V astfel incat:
Av = v:
Un astfel de vector se numeste vector propriu (pentru A), asociat valorii
proprii :
In mod evident, relatia de mai sus are loc daca si numai daca pentru orice
baza B a lui V avem:
[A]B [v]B = [v]B :
Ultima relatie este echivalenta cu existenta unui x 2 Kn n f0K g astfel incat:
[A]B x =

x () ([A]B

In )x = 0Kn () det([A]B

In ) = 0K :

Mai sus am notat cu In matricea unitate din Mn;n (K):

Exercitiul 3.4.11.
Aratati ca daca B si B 0 sunt doua baze ale lui V atunci:
det([A]B

In ) = det([A]B0

In ):

Acest fapt ne permite sa denim (corect !) polinomul caracteristic al lui

A:
det(A

IV ) := det([A]B

12

In ) = ( 1)n

+ ::: ;

Un prim rezultat important, dar simplu de demonstrat este cel din urmatoarea:
Propozitia 3.4.12.
Fie V un spatiu vectorial nit dimensional, peste corpul comutativ K; cu
dimK V = n si A : V ! V o aplicatie liniara. Daca exista v1 ; v2 ; :::; vn vectori
proprii pentru A; corespunzatori (respectiv) valorilor proprii 1 ; 2 ; :::; n 2 K;
liniar independenti, atunci B = fv1 ; v2 ; :::; vn g este o baza pentru V; iar
[A]B = diagf

1;

2 ; :::;

n g;

unde:
0

B 0
B
B
diagf 1 ; 2 ; :::; n g := B
B 0
B
@
0
Demonstratie.
Avem:
8
>
< Av1
..
.
>
:
Avn

0
0

=
..
.

1 v1

..
.

=
..
.

n vn

1 v1

0
0

C
C
C
C 2 Mn;n (K):
C
C
A

+ 0v2 + ::: + 0vn ;

..
.

0v1 + 0v2 + ::: +

n vn ;

de unde se obtine imediat rezultatul dorit.

De fapt este posibil un raspuns complet la intrebarea noastra.
Remarca 3.4.13
O aplicatie liniara A : V ! V este diagonalizabila daca si numai daca
exista o baza a lui V formata numai cu vectori proprii ai lui A:
Exemplul 3.4.14.
Fie f : R2 ! R2 aplicatia liniara data prin
1
3

x1
x2

1
0

1
3

2 1+0
1+2 0

2=3
1=3

0
1

1
3

2 0+1
0+2 1

1=3
2=3

Deoarece

si

2x1 + x2
x1 + 2x2

vom avea
[f ]E =

2=3
1=3

13

1=3
2=3

:= A:

Valorile proprii ale lui f sunt valorile proprii ale lui A; adica radacinile
ecuatiei caracteristice det(A
I2 ) = 0: Prin urmare va trebui sa rezolvam
ecuatia
2=3
1=3
= 0;
1=3
2=3
adica ecuatia
)2

(2=3

(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 conditiile:
u1
i) u =
2 R2 nf0R2 g;
u2
0
ii) (A
:
1 I2 )u = 0R2 =
0
Ultima conditie este echivalenta cu faptul ca
2=3 1=3
1=3

1=3
2=3 1=3

u1
u2

0
0

adica
1=3
1=3

1=3
1=3

u1
u2

0
0

ceea ce se reduce la ecuatia

(1=3) u1 + (1=3) u2 = 0:
O solutie a ecuatiei
u1 + u2 = 0
este u1 = 1; u2 =

1:

Asadar un vector propriu pentru

= 1=3 este u =

In mod analog, un vector propriu pentru

Cu notatiile
D=

1=3
0

0
1

P =

1
1

1
1

si

observam ca
AP = P D;
ceea ce inseamna ca
A = P DP

14

1
1

= 1 este v =

:
1
1

Se verica imediat ca
Ak = P Dk P
Intrucat
P

1
2

si

Ak =

1
2

; 8k 2 N:

1
1

1
1

1=3k
0

Dk =
se obtine

1+3
1 3

k
k

0
1
1 3
1+3

k
k

Prin urmare, pentru k 2 N; sucient de mare, vom avea

Ak =

1
2

1
1

1
1

Ce inseamna "sucient de mare" ? Totul depinde de ordinul de precizie pe

care il dorim. De exemplu, pentru k = 5 eroarea este mai mica decat 1=100; iar
pentru k = 10 eroarea va mai mica decat 1=104 : Va sucient sa tinem cont
ca 3 5 = 4; 115 2 10 3 iar 3 10 = 1; 693 5 10 5 :

Varianta in extenso a cursului 3

x1: Aplicatia de reprezentare
Fie V un K spatiu vectorial nit dimensional si B = fb1 ; :::; bn g o baza
algebrica ordonata pentru V: Stim ca pentru orice x 2 V exista si sunt unic
determinati scalarii c1 = c1 (x) 2 K; :::; cn = cn (x) 2 K astfel incat
x=

n
X

cj bj :

j=1

Atunci, aplicatia
V 3 x ! (c1 (x); :::; cn (x)) 2 Kn
este o bijectie a lui V pe Kn :
Sa remarcam ca bijectia depinde de alegerea bazei si de ordinea vectorilor
din baza. Prin urmare nu avem de-a face cu o bijectie canonica.
Vom numi c1 prima coordonata a lui x in baza B; c2 a doua coordonata a
lui x in baza B;...., iar cn va coordonata a n-a a lui x in baza B:
15

Asadar, daca V este un spatiu vectorial real (peste R) si B = fb1 ; :::; bn g o

baza algebrica ordonata pentru V; atunci aplicatia
V 3 x ! (c1 (x); :::; cn (x)) 2 Rn
va o bijectie a lui V pe Rn :
Notatie.
Pentru x 2 V vom nota
[x]B

1
c1 (x)
B
.. C 2 Kn :
:= @
. A
cn (x)

Vectorul [x]B 2 Kn se va numi reprezentarea lui x in baza B: Asadar, se

poate deni aplicatia de reprezentare, relativa la baza B;
V

B
!
Kn ;

data prin
B (x)

:= [x]B ; x 2 V:

Constituie un exercitiu util vericarea urmatoarelor proprietati ale aplicatiei

B :
a) B (x + y) = B (x) + B (y); 8x; y 2 V ;
b) B ( x) = B (x); 8 2 K; x 2 V:
Vericarea celor doua proprietati inseamna ca aplicatia B este liniara.
In plus, B este si bijectiva. Mai concentrat, se spune ca B este un izomorsm algebric de spatii vectoriale.
Remarca 3.1.1. Bijectia de mai sus depinde esential de alegerea bazei.
Deci nu este canonica. Totusi, acest rezultat evidentiaza importanta deosebita
a spatiilor de tipul Kn : Din cele de mai inainte deducem ca orice spatiu vectorial
peste corpul K; de dimensiune n; este liniar izomorf cu spatiul Kn :
Cu notatiile e1 := (1K ; 0K ; :::; 0K ); :::; en := (0K ; :::; 0K ; 1K ) 2 Kn se obtine
{z
}
{z
}
|
|
n-term eni

n-term eni

baza canonica E := fe1 ; :::; en g a lui Kn : Aceasta baza are proprietatea importanta ca pentru orice vector x 2 Kn avem egalitatea
[x]E = x:

Acest lucru nu inseamna altceva decat faptul ca pentru un element x 2 Kn

coordonatele sale in baza canonica E a lui Kn sunt exact cele n componente ale
vectorului:
In cele ce urmeaza introducem un al doilea concept fundamental din algebra
liniara, si anume pe cel din urmatorul paragraf:

16

x 2: Aplicatii liniare
Proprietatile aplicatiei B din paragraful anterior ne sugereaza
Deni
tia 3.2.1.
Fie V si W dou
a spatii vectoriale peste corpul comutativ K: Se numeste
aplicatie liniara de la V la W orice aplicatie f : V ! W cu proprietatea:
f ( x + y) = f (x) + f (y)

(3.2.1)

pentru oricare vectori x; y 2 V si orice scalari ; 2 K:

O aplicatie liniara f de la spatiul vectorial V la corpul scalarilor K (cu K
considerat ca spatiu vectorial peste sine insusi) se numeste functionala liniara.
Observatia 3.2.3.
Proprietatea (3.2.1), din denitia de mai sus, este echivalenta cu vericarea
urmatoarelor doua proprietati:
1) f (x + y) = f (x) + f (y); 8x; y 2 V;
2) f ( x) = f (x); 8 2 K; 8x 2 V:
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 k 2 Z
daca
f ( x) = k f (x); 8 2 K; 8x 2 V:
Direct din denitie rezulta ca:
f (0V ) = 0W
si
f ( x) =

f (x); 8x 2 V:

Este util sa vericam, prin inductie matematica, faptul ca:

f(

1 x1

+ ::: +

m xm )

1 f (x1 )

+ ::: +

m f (xm );

8m 2 N ; 8 1 ; :::; m 2 K si 8x1 ; :::; xm 2 V:

Deni
tia 3.2.2.
Fie V si W dou
a K-spatii vectoriale si f : V ! W o aplicatie liniar
a.
1.Se numeste nucleul lui f submultimea lui V
Kerf := fx 2 V j f (x) = 0g:
2.Se numeste imaginea lui f submultimea lui W
Imf := f (V ) = ff (x) j x 2 V g:
Propozi
tia 3.2.3.
Fie V si W dou
a K-spatii vectoriale si f : V ! W o aplicatie liniar
a. Atunci
Kerf este un subspatiu vectorial al lui V , iar Imf este un subspatiu vectorial
al lui W:
17

Teorem
a (a dimensiunii) 3.2.4.
Fie V si W dou
a spatii vectoriale nit dimensionale peste corpul K si f :
V ! W o aplicatie liniar
a. Atunci Kerf si Imf admit ecare cte o baz
a si
dimK Kerf + dimK Imf = dimK V:
Exemplul 3.2.5.
a) Fie V si W dou
a K-spatii vectoriale. Aplicatia f0 : V

! W data prin:

f0 (x) = 0W ; 8x 2 V
este o aplicatie liniara, numita aplicatia nula. De obicei aceasta aplicatie se
noteaza cu 0V;W :
b) Fie V un K-spatiu vectorial. Aplicatia 1V : V ! V data prin:
1V (x) := x; 8x 2 V;
este liniara. Aceasta aplicatie se numeste identitatea lui V:
c) Daca f : R !R este o aplicatie liniara atunci, in mod necesar, exista un
a 2 R astfel incat f (x) = ax; 8x 2 R:
d) Daca A este o matrice de tipul m n (adica are m linii si n coloane), cu
componentele reale,
0
1
a1;1
a1;2
... a1;j
... a1;n
B a2;1
a2;2
... a2;j
... a2;n C
B
C
B ....
C
....
... ...
... ...
C;
A=B
B ai;1
ai;2
... ai;j
... ai;n C
B
C
@ ...
A
...
... ...
... ...
am;1 am;2 ... am;j ... am;n
atunci A deneste o aplicatie liniara de la Rn la Rm asociind vectorului
coloana x 2 Rn ;
0
1
x1
B x2 C
B
C
x=B . C
@ .. A
xn

vectorul coloana Ax 2 R obtinut prin inmultirea (de tip matricial) a matricii

A (cu m linii si n coloane) cu matricea x care are n 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 dimensionale, peste acelasi corp de scalari, poate reprezentata cu ajutorul unei
matrici avand componentele din respectivul corp de scalari.
e) Derivarea, notata cu D; este o aplicatie liniara de la spatiul vectorial al
functiilor derivabile pe un anumit interval propriu (,adica avand lungimea strict

18

pozitiva,) I al lui R (spatiu notat cu D(I)) in spatiul vectorial ( F(I)) al tuturor

functiilor denite pe I:
D : D(I) ! F(I);
D(I) 3 f 7 ! D(f ) := f 0 2 F(I)

f) Fie [a; b] un interval inchis si marginit al axei reale. Atunci operatorul

de integrare denit pe spatiul vectorial al functiilor continue pe [a; b]; cu valori
reale, si avand valori in R (considerat ca spatiu vectorial peste sine insusi) este
liniar.
Z
b

: C([a; b]) ! R;

C([a; b]) 3 f 7 !
Exercitiul 3.2.6.
1) Aratati ca 8 x1 ; :::; xm 2 V si 8
f(

1 x1

+ ::: +

m xm )

1 ; :::;

f (x)dx 2 R:
2 K, m 2 N are loc egalitatea:

1 f (x1 )

+ ::: +

m f (xm ):

2) Fie V un K spatiu vectorial de dimensiune n si B = fb1 ; :::; bn g o baza

algebrica pentru V: Atunci o aplicatie liniara f : V ! W este perfect determinata daca se cunosc valorile (vectorii): f (b1 ) = w1 ; :::; f (bn ) = wn 2 W:
Remarca 3.2.7.
1) Uneori V si W admit structuri de spatiu vectorial peste diferite corpuri
de scalari. De exemplu, orice spatiu vectorial complex (K = C) admite si o
structura de spatiu vectorial real (K1 = R): Atragem atentia ca este posibil ca
o aplicatie A : V ! W 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 3 z = x + iy 7 ! z := x

iy 2 C

este R - liniara, dar nu este C - liniara.

2) Functia
R 3 x ! x2 2 R
nu este liniara.
3) Nici aplicatia
R3x !x+12R
nu este liniara.
Exercitiul 3.2.8.
1) Fie V si W doua spatii vectoriale peste acelasi corp K si
L(V; W ) := fA : V

! W j A aplicatie liniarag :
19

Atunci L(V; W ) este un spatiu vectorial peste K; cu operatiile naturale de:

a) adunare a aplicatiilor liniare :
(A + B)(x) := A(x) + B(x); x 2 V;
si
b) inmultire cu scalari (din K ):
( A)(x) := A(x); x 2 V:
Care este dimensiunea acestui spatiu cand dimK V = n 2 N; dimK W = m 2 N ?
A
2) Fie V1 ; V2 si V3 trei spatii vectoriale peste acelasi corp K si V1 ! V2 ;
B
V2 ! V3 doua aplicatii liniare. Atunci aplicatia, B A : V1 ! V3 ; denita in
mod natural prin:
(B A)(x) := B(A(x)); x 2 V1
este tot liniara.
Denitia 3.2.9.
Fie V si W dou
a spatii vectoriale peste corpul comutativ K: Se numeste
izomorsm algebric de spatii vectoriale (al spatiilor vectoriale V si W ) orice
aplicatie f : V ! W cu proprietatatile:
a) f este o aplicatie liniara;
b) f este bijectiva.
Se mai spune si ca f este un izomorsm liniar. Daca V si W sunt dou
a spatii
vectoriale peste corpul comutativ K pentru care exista f : V ! W izomorsm
liniar se zice ca spatiile vectoriale V si W sunt liniar izomorfe.
Observatia 3.2.10.
Se poate arata ca daca doua spatii vectoriale sunt izomorfe algebric, atunci
orice proprietate a unuia dintre ele se transfera si la celalalt spatiu. Prin urmare
este sucient sa studiezi proprietatile unuia dintre spatii (de regula, se alege
acela in care studiul se face mai usor) si apoi sa le transferi, prin izomorsmul
algebric, la celalalt spatiu.
In particular, doua spatii vectoriale liniar izomorfe vor avea aceeasi dimensiune.
In lumina celor de mai sus putem vedea de ce sunt fundamentale spatiile
vectoriale Kn :Ele reprezinta un soi de prototip pentru toate spatiile vectoriale
(nit dimensionale) peste corpul K si care au dimensiunea n:
In mai putine vorbe, in esenta, abstractie facand de un izomorsm algebric de
spatii vectoriale, exista un singur spatiu vectorial de dimensiune n peste corpul
K; si anume Kn : Asadar, daca admitem ca ind xat corpul K de scalari, pentru
precizarea unui spatiu vectorial nit dimensional peste acest corp singurul lucru
esential este un numar natural n; dimensiune sa. Iarasi ajungem la inteleapta
concluzie a vechilor greci: Totul este numar ! Desigur, prin numar ei intelegeau
un numar natural.

x3: Trecerea de la o baz

a la alt
a baz
a
20

Fie V un spatiu vectorial peste corpul comutativ K; de dimensiune nita

n 2 N : Sa consideram si doua baze ordonate B = fb1 ; :::; bn g (pe care o vom
0
trata drept baza veche) si B0 = fb1 ; :::; b0n g (numita in continuare baza noua)
ale lui V: Daca x este un vector oarecare din V atunci exista si sunt unic
determinate sistemele ordonate (de scalari din K) c1 = c1 (x); :::; cn = cn (x)
si c01 = c01 (x); :::; c0n = c0n (x) (numite coordonatele lui x in baza "veche" B;
respectiv "noua" B0 ) astfel incat:
x = c1 b1 + ::: + cn b1 = c01 b01 + ::: + c0n b0n :

(3.3.1)

Vom conveni sa notam vectorul coloana (din Kn ) al coordonatelor lui x; in

baza veche B; prin [x]B ; iar vectorul coloana (din Kn ) al coordonatelor lui x;
in baza noua B0 ; prin [x]B0 :
Mai precis,
0
1
c1
B
C
[x]B = @ ... A 2 Kn
cn

si

[x]B0

1
c01
C
B
= @ ... A 2 Kn :
c0n
0

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 B0 : Vom obtine:
bj =

n
X

0
i;j bi ;

n;

i=1

unde i;j 2 K; 81
Cu notatia

i; j

n:

[ ]B0 ;B := (

i;j )1 i;j n

2 Mn;n (K)

obtinem matricea de trecere de la baza noua B0 la baza veche B:

Formal, setul de relatii din (3:3:2) se poate scrie sub forma:
0

fb1 ; :::; bn g = fb1 ; :::; b0n g [ ]B0 ;B

sau, si mai compact:
B = B0 [ ]B0 ;B ;
considerand B si B0 ca "vectori linie" (cu n componente).
Daca dorim sa folosim scrierea cu "vectori coloana" vom obtine:
(B)t = ([ ]B0 ;B )t (B0 )t :

21

(3.3.2)

Este relativ simplu de vazut ca:

1) [ ]B;B = In (= matricea unitate din Mn;n (K));
0
2) [ ]B00 ;B0 [ ]B0 ;B = [ ]B00 ;B ; unde B = fb1 ; :::; bn g; B0 = fb1 ; :::; b0n g; B00 =
00
00
fb1 ; :::; bn g sunt trei baze ordonate ale lui V:
Din cele de mai sus rezulta ca [ ]B0 ;B este inversabila si are inversa:
([ ]B0 ;B )

= [ ]B;B0 :

Observam ca [ ]B;B0 este tocmai matricea de trecere de la baza veche B la baza

noua B0 : Evident ca avem si relatia:
B0 = B [ ]B;B0 :
Inlocuind in (3:3:1) pe bj dat de (3:3:2) obtinem:
n
X
j=1

n
X
cj (

0
i;j bi )

n
X

c0i b0i

i=1

i=1

sau, dupa intervertirea celor doua sume din membrul stang:

n X
n
X
(

0
i;j cj )bi

i=1 j=1

n
X

c0i b0i :

i=1

Tinand cont ca vectorii b01 ; :::; b0n sunt liniar independenti obtinem:
c0i =

n
X

i;j cj ;

j=1

81

n:

Acest set de relatii se poate rescrie, mai compact, sub forma:

[x]B0 = [ ]B0 ;B [x]B :
Aceasta ultima relatie justica si denumirea data matricei [ ]B0 ;B de matrice
de schimbare de coordonate (din baza veche B in baza noua B0 ):
Evident ca:
[x]B = [ ]B;B0 [x]B0 :
Exemplul 3.3.1. Sa alegem V = Kn ; B = fb1 ; :::; bn g o baza oarecare a lui
K (pe post de baza veche) si B0 = E =fe1 ; :::; en g baza canonica a lui Kn (pe
post de baza noua). Atunci,
n

bj =

n
X

i;j ei ;

n:

i=1

Prin urmare
colj ([ ]E;B ) = [bj ]E = bj ; 1
Inseamna ca
[ ]E;B = (b1 ; :::; bn );
22

n:

matricea (b1 ; :::; bn ) avand drept coloane cei n vectori coloana din baza veche B:
In mod tacit am convenit sa consideram vectorii din Kn drept vectori coloana.
0
0
Deducem ca, pentru doua baze B = fb1 ; :::; bn g; B = fb1 ; :::; b0n g ale lui Kn ;
vom avea
[ ]B0 ;B = [ ]B0 ;E [ ]E;B = ([ ]E;B0 ) 1 [ ]E;B ;
adica
]B0 ;B = (b01 ; :::; b0n )

(b1 ; :::; bn ):
1
2

In cazul V = R2 ; B = fb1 ; b2 g cu b1 =

2
1

; b2 =

matricea [ ]E;B

este

[ ]E;B =

1
2

2
1

; iar [ ]B;E =

1
2

2
1

1
3

1
2

2
1

x4: Reprezentarea matriciala a unei aplicatii liniare

Fie V un spatiu vectorial peste corpul comutativ K; de dimensiune nita
n 2 N si W un al doilea spatiu vectorial, peste acelasi corp comutativ K; de
dimensiune nita m 2 N ; precum si A : V ! W o aplicatie liniara. Daca
A= [a1 ; :::; an ] este o baza algebrica ordonata a lui V si B = [b1 ; :::; bm ] o baza
algebrica ordonata a lui W vom avea:
A(aj ) =

m
X

i;j bi ;

i=1

81

n:

Vom nota cu
[A]B;A := (

i;j )1 i m;1 j n

2 Mm;n (K)

matricea asociata lui A in raport cu bazele A si B:

Din cele de mai sus rezulta ca, in ipotezele de mai inainte, putem deni
aplicatia:
IA;B : L(V; W ) ! Mm;n (K); IA;B (A) := [A]B;A :
De fapt are loc urmatoarea:
Teorema 3.4.1.
Aplicatia IA;B este un izomorsm de spatii vectoriale.
Aceasta teorema explica rolul exceptional al matricilor. In practica aplicatiile 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
23

alegeri convenabile de baze in raport cu care noua matrice asociata aplicatiei

liniare corespunzatoare sa aiba o forma usor manipulabila.
Corolarul 3.4.2.
Daca dimK V = n si dimK W = m atunci dimK L(V; W ) = m n:
Exercitiul 3.4.3.
1) Aratati ca, indiferent de alegerea celor doua baze A si B in V; respectiv
W; matricea asociata aplicatiei nule este matricea nula cu m linii si n coloane:
0

Om;n = (0)1

i m;1 j n

B
B
B
=B
B
B
@
|

0
0
....
0
...
0

0
0
....
0
...
0

...
...
...
...
...
...

{z

0
0
...
0
...
0

...
...
...
...
...
...

n coloane

0
0
...
0
...
0

19
>
>
>
C>
C>
>
C=
C m linii;
C>
C>
>
A>
>
>
;
}

unde am notat cu 0 elementul neutru fata de adunarea din K:

e) In cazul W = V si A = 1V care este reprezentarea sa matriciala in raport
cu o baza oarecare B a lui V ?
Propozitia 3.4.4.
In conditiile de mai sus
[Ax]B = [A]B;A [x]A ; 8x 2 V:
Demonstratie. Este sucient sa aratam ca:
[Aaj ]B = [A]B;A [aj ]A ; 81

Pm

n:

Dar A(aj ) = i=1 ci;j bi si cum [bi ]B = eei (vectorul al i lea din baza canonica
a lui Km ), [aj ]A = ej (vectorul al j lea din baza canonica a lui Kn ) vom avea:
[A(aj )]B = [

m
X
i=1

i;j bi ]B =

m
X
i=1

i;j [bi ]B =

m
X
i=1

ei
i;je

= colj ([A]B;A ) =

= [A]B;A ej = [A]B;A [aj ]A :

Remarca 3.4.5.
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:
A(x) = Ax:
Propozitia 3.4.6.
Daca A; A0 sunt doua baze algebrice ale lui V si B; B 0 doua baze algebrice
ale lui W vom avea:
[A]B0 ;A0 = [ ]B0 ;B [A]B;A [ ]A;A0 :
24

Demonstratie. Conform propozitiei anterioare avem:

[Ax]B = [A]B;A [x]A ; 8x 2 V;
si
[Ax]B0 = [A]B0 ;A0 [x]A0 ; 8x 2 V:
Dar
[Ax]B0 = [ ]B0 ;B [Ax]B :
Deci
[A]B0 ;A0 [x]A0 = [Ax]B0 = [ ]B0 ;B [A]B;A [x]A ; 8x 2 V
si, intrucat:
[x]A = [ ]A;A0 [x]A0 ;
vom obtine:
[A]B0 ;A0 [x]A0 = [ ]B0 ;B [A]B;A [ ]A;A0 [x]A0 ; 8x 2 V:
Din ultima relatie rezulta imediat ca:
[A]B0 ;A0 = [ ]B0 ;B [A]B;A [ ]A;A0 :
Foarte folositor se dovedeste a si rezultatul urmator:
Propozitia 3.4.7.
Fie V1 ; V2 si V3 trei spatii vectoriale nit dimensionale, peste acelasi corp
A
B
K; si V1 ! V2 ; V2 ! V3 doua aplicatii liniare. Daca B1 este o baza algebrica
pentru V1 ; B2 este o baza algebrica pentru V2 ; iar B3 este o baza algebrica pentru
V3 atunci:
[B A]B3 ;B1 = [B]B3 ;B2 [A]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 A : V ! W; sa facem o alegere "convenabila" de baze
in V si in W astfel incat matricea asociata lui A in raport cu cele doua baze sa
aiba cea mai simpla forma posibila.
In cazul cand V si W 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 3.4.8.
Daca V si W sunt doua spatii vectoriale nit dimensionale cu dimK V = n 2
N ; dimK W = m 2 N ; iar A : V ! W este o aplicatie liniara, atunci exista o

25

baza A0 in V si o baza B0 in W astfel incat matricea asociata (in raport cu cele

doua baze) [A]B0 ;A0 2 Mm;n (K) sa aiba forma:
0
1
1K 0
0
0
B 0
1K
0
0 C
B
C
B
C
In
0n ;
B
C=
:
B 0
C
0
0
0
1
0
m
n+
;n
m n+ ;
K
B
C
@
A
0
0
0
0

Mai sus am notat cu = dimK ker(A); n

= dimK Ran(A); In
este
matricea unitate dinMn ;n (K); iar 0n ; ; 0m n+ ;n
si 0m n+ ; sunt
matricile nule cu dimensiunile respective.
Nu dam demonstratia acestui rezultat, desi nu este greu de obtinut.

Observatia 3.4.9.
In cazul in care W = V si A : V ! V este o aplicatie liniara (in acest
caz se mai utilizeaza si termenul de operator liniar pe V ) este natural ca si
in domeniul de denitie (V ); dar si in codomeniu (care este tot V ) sa alegem
aceeasi baza B: Daca B 0 este o alta baza in V va trebui sa avem:
[A]B0 = [ ]B0 ;B [A]B [ ]B;B0 = ([ ]B;B0 )

[A]B [ ]B;B0 ;

unde, pentru simplicarea scrierii, am notat [A]B := [A]B; B si [A]B0 := [A]B0 ; B0 :

Problema care se pune este de a vedea cum poate aleasa o baza B astfel
incat [A]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 A : V ! V exista o baza B
a lui V in raport cu care matricea asociata lui A in respectiva baza, notata cu
[A]B ; este diagonala. Mai pe scurt, vom raspunde la intrebarea: in ce conditii
pentru operatorul liniar A acesta este diagonalizabil ?
Nu este greu de vazut ca in cazul n = 1 si V = R daca f : R ! R este
o aplicatie liniara atunci exista un numar real unic a 2 R astfel incat f (x) =
fa (x) := ax; 8x 2 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 A : V ! V; exista 2 K si v 2 V n f0V g astfel incat:
Av = v:
Cele de mai sus ne sugereaza:
Denitia 3.4.10.
Fie V un spatiu vectorial peste corpul comutativ K si A : V ! V o aplicatie
liniara. Un element 2 K se numeste valoare proprie pentru A daca exista
un vector nenul v 2 V astfel incat:
Av = v:
26

Un astfel de vector se numeste vector propriu (pentru A), asociat valorii

proprii :
In mod evident, relatia de mai sus are loc daca si numai daca pentru orice
baza B a lui V avem:
[A]B [v]B = [v]B :
Ultima relatie este echivalenta cu existenta unui x 2 Kn n f0K g astfel incat:
[A]B x =

x () ([A]B

In )x = 0Kn () det([A]B

In ) = 0K :

Mai sus am notat cu In matricea unitate din Mn;n (K):

Exercitiul 3.4.11.
Aratati ca daca B si B 0 sunt doua baze ale lui V atunci:
det([A]B

In ) = det([A]B0

In ):

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

operator liniar pe V :
a) polinomul caracteristic al lui A :
det(A

In ) = ( 1)n

IV ) := det([A]B

+ ::: ;

b) determinantul lui A :
det(A) := det([A]B );
c) urma lui A :
T r(A) := T r([A]B ):
Un prim rezultat important, dar simplu de demonstrat este cel din urmatoarea:
Propozitia 3.4.12.
Fie V un spatiu vectorial nit dimensional, peste corpul comutativ K; cu
dimK V = n si A : V ! V o aplicatie liniara. Daca exista v1 ; v2 ; :::; vn vectori
proprii pentru A; corespunzatori (respectiv) valorilor proprii 1 ; 2 ; :::; n 2 K;
liniar independenti, atunci B = fv1 ; v2 ; :::; vn g este o baza pentru V; iar
[A]B = diagf

1;

2 ; :::;

n g;

unde:
0

B 0
B
B
diagf 1 ; 2 ; :::; n g := B
B 0
B
@
0

0
0

0
27

0
0
0
n

C
C
C
C 2 Mn;n (K):
C
C
A

Demonstratie.
Avem:
8
>
< Av1
..
.
>
:
Avn

=
..
.

1 v1

..
.

=
..
.

n vn

1 v1

+ 0v2 + ::: + 0vn ;

..
.

0v1 + 0v2 + ::: +

n vn ;

de unde se obtine imediat rezultatul dorit.

De fapt este posibil un raspuns complet la intrebarea noastra.
Remarca 3.4.13
O aplicatie liniara A : V ! V este diagonalizabila daca si numai daca
exista o baza a lui V formata numai cu vectori proprii ai lui A:
Exemplul 3.4.14.
Fie f : R2 ! R2 aplicatia liniara data prin
1
3

2x1 + x2
x1 + 2x2

x1
x2

1
0

1
3

2 1+0
1+2 0

2=3
1=3

0
1

1
3

2 0+1
0+2 1

1=3
2=3

Deoarece

si

vom avea
[f ]E =

2=3
1=3

1=3
2=3

:= A:

Valorile proprii ale lui f sunt valorile proprii ale lui A; adica radacinile
ecuatiei caracteristice det(A
I2 ) = 0: Prin urmare va trebui sa rezolvam
ecuatia
2=3
1=3
= 0;
1=3
2=3
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 conditiile:
u1
i) u =
2 R2 nf0R2 g;
u2
0
ii) (A
:
1 I2 )u = 0R2 =
0
Ultima conditie este echivalenta cu faptul ca
2=3 1=3
1=3

1=3
2=3 1=3
28

u1
u2

0
0

adica
1=3
1=3

1=3
1=3

u1
u2

0
0

ceea ce se reduce la ecuatia

(1=3) u1 + (1=3) u2 = 0:
O solutie a ecuatiei
u1 + u2 = 0
este u1 = 1; u2 =

1:

Asadar un vector propriu pentru

1
1

= 1=3 este u =

In mod analog, un vector propriu pentru

= 1 este v =

:
1
1

Cu notatiile
D=

1=3
0

0
1

P =

1
1

1
1

si

observam ca
AP = P D;
ceea ce inseamna ca
A = P DP

Se verica imediat ca
Ak = P Dk P
Intrucat
P

1
2

si

Ak =

1
2

; 8k 2 N:

1
1

1
1

1=3k
0

Dk =
se obtine

1+3
1 3

k
k

0
1
1 3
1+3

k
k

Prin urmare, pentru k 2 N; sucient de mare, vom avea

Ak =

1
2

1
1

1
1

Ce inseamna "sucient de mare" ? Totul depinde de ordinul de precizie pe

care il dorim. De exemplu, pentru k = 5 eroarea este mai mica decat 1=100; iar
29

pentru k = 10 eroarea va mai mica decat 1=104 : 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 V si W doua spatii vectoriale peste acelasi corp K: Printre aplicatiile

liniare denite pe V si cu valori in W o importanta deosebita o prezinta cele
din urmatoarele trei denitii:
Denitia 1. O aplicatie A : V ! W liniara si injectiva se numeste
monomorsm.
Denitia 2. O aplicatie A : V ! W liniara si surjectiva se numeste
epimorsm.
Denitia 3. O aplicatie A : V ! W liniara si bijectiva se numeste
izomorsm (de spatii vectoriale sau liniar).
Doua spatii vectoriale V si W (peste acelasi corp comutativ de scalari K) se
numesc izomorf e 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 V si W sunt spatii vectoriale peste acelasi corp comutativ K vom nota
cu:
a) M on(V; W ) := fA 2 L(V; W ) jA este monomorsmg ;
b) Epi(V; W ) := fA 2 L(V; W ) jA este epimorsmg ;
c) Izo(V; W ) := fA 2 L(V; W ) jA este izomorsmg :
Teorema. O aplicatie A : V ! W liniara este monomorsm daca si
numai daca ker A := fx 2 V j A(x) = 0W g = f0V g:
Teorema. O aplicatie A : V ! W liniara este epimorsm daca si numai
daca RanA := fy 2 W j 9x 2 V; A(x) = y g = W:
Un rezultat deosebit de important este cel din urmatoarea:
Teorema. Doua spatii vectoriale V si W (peste acelasi corp comutativ
de scalari K), de dimensiune nita, sunt izomorf e daca (si numai daca)
dimK V = dimK W = n:
Prin urmare spatiile vectoriale de dimensiune nita n; peste corpul comutativ
K; sunt practic perfect determinate de un singur numar natural si anume de
dimensiunea lor (n in cazul nostru).
Mai general are loc urmatorul rezultat:
Propozitie. Fie V si W sunt spatii vectoriale peste acelasi corp comutativ
K; de dimensiune nita: dimK V = n; dimK W = m: Atunci:
a) M on(V; W ) 6= ? () n m;
b) Epi(V; W ) 6= ? () n m;
c) Izo(V; W ) 6= ? () n = m:
Deosebit de utila in aplicatii se dovedeste a urmatoarea:

30

Teorema. Fie V si W doua spatii vectoriale (peste acelasi corp comutativ

de scalari K), de (aceeasi ) dimensiune nita n si A : V ! W o aplicatie
liniara. Urmatoarele armatii sunt echivalente:
a) A este un monomorf ism;
b) A este un epimorf ism;
c) A este un izomorf ism:
Altfel spus, in conditiile acestei teoreme, urmatoarele armatii sunt echivalente:
a) Ecuatia omogena:
A(x) = 0W
are numai solutia banala x = 0V ;
b) Ecuatia neomogena:
A(x) = y
are solutie x 2 V; pentru orice y 2 W ;
c) Ecuatia neomogena:
A(x) = y
are solutie unica x = x(y) 2 V; pentru orice y 2 W:
Exercitiu. Fie V si W doua spatii vectoriale (peste acelasi corp comutativ
de scalari K), de (aceeasi ) dimensiune nita n si A : V ! W o aplicatie
liniara. Daca A este un izomorsm atunci aplicatia inversa A 1 : W ! V
data prin A 1 (y) = x(y); unde x(y) este unica solutie a ecuatiei A(x) = y; este
tot un izomorsm.
Exemple.
1) Fie V un spatiu vectorial, peste corpul comutativ K; de dimensiune n:
Atunci pentru orice baza B a lui V aplicatia iB : V ! Kn data prin iB (x) :=
[x]B ; x 2 V este un izomorsm de spatii vectoriale.
Asadar spatiile vectoriale de dimensiune n; peste corpul comutativ K; se pot
studia perfect prin intermediul lui Kn :
2) Fie A 2 Mn;n (R) si fA : Rn !Rn denita prin:
fA (x) := A x; x 2 Rn :
Atunci aplicatia liniara fA este izomorsm() det(A) 6= 0: Mai sus am admis
ca un vector oarecare x 2 Rn este considerat ca un vector coloana:
0
1
x1
B
C
x = @ ... A :
xn

Asadar, daca A admite reprezentarea:

0
a1;1
a1;2
B a2;1
a2;2
B
B ::::
::::
A=B
B ai;1
ai;2
B
@ :::
:::
am;1 am;2

:::
:::
:::
:::
:::
:::
31

a1;j
a2;j
:::
ai;j
:::
am;j

...
...
:::
...
:::
...

a1;n
a2;n
:::
ai;n
:::
am;n

1
C
C
C
C
C
C
A

vom avea:
0

A x=@

a1;1 x1 + a1;2 x2 + ::: + a1;n xn

an;1 x1 + an;2 x2 + ::: + an;n xn

32

A 2 Rn :