Consultatie 2016-11-19

Universitatea Politehnica din Bucuresti
CONSULTATIE
LINIARA
ALGEBRA
Alexandru NEGRESCU
Alexandru Negrescu (UPB)
19 noiembrie 2016
1 / 83
Spatii vectoriale
Subspatii fundamentale
Suma si intersectie de subspatii
Aplicatii liniare
Spatii vectoriale cu produs scalar
Descompunerea QR
Metoda celor mai mici patrate
Vectori si valori proprii
19 noiembrie 2016
2 / 83
Spatii vectoriale
Spatii vectoriale
Fie V un spatiu vectorial peste corpul K (R sau C) si v1 , v2 , ..., vn

elemente (vectori) ale lui V.
Definitie
Daca 1 , 2 , ..., n sunt numere (scalari) din corpul K, atunci o
expresie de forma
1 v1 + 2 v2 + ... + n vn
se numeste combinatie liniara a vectorilor v1 , v2 , ..., vn .
19 noiembrie 2016
3 / 83
Spatii vectoriale
Definitie
Multimea tuturor combinatiilor liniare ale vectorilor v1 , v2 , ..., vn se
numeste subspatiul generat de vectorii v 1 , v2 , ..., vn si se noteaza prin
span {v1 , v2 , ..., vn } .
Aceasta multime este subspatiu al lui V.
19 noiembrie 2016
4 / 83
Spatii vectoriale
Definitie
Daca
span {v1 , v2 , ..., vn } = V,
spunem ca vectorii v1 , v2 , ..., vn formeaza un sistem de generatori
pentru spatiul V.
19 noiembrie 2016
5 / 83
Spatii vectoriale
Exemplu
Multimea
B=
0
0
0
0
1
0
0
1
este un sistem de
generatori
pentru spatiul R 3 pentru ca orice vector
a
3
din R , fie acesta b , se poate reprezenta ca o combinatie liniar a
c
formata cu elementele multimii de mai sus:

a
b
c
=a
1
0
0
+b
0
1
0
+c
0
0
1
19 noiembrie 2016
6 / 83
Spatii vectoriale
Definitie
Spunem ca vectorii v1 , v2 , ..., vn sunt liniar independenti peste K dac a
este satisfacuta urmatoarea

conditie:
daca 1 , 2 , ..., n sunt numere din K astfel ncat

1 v1 + 2 v2 + ...n vn = 0,
atunci 1 = 2 = ... = n = 0.
19 noiembrie 2016
7 / 83
Spatii vectoriale
i ca polinoamele P 1 = 1 + 2X 3X 2 , P2 = 6X 3X 2 si
1. Aratat
P3 = 1 + X 2 sunt liniar independente n spatiul R 2 [X].
19 noiembrie 2016
8 / 83
Spatii vectoriale
Definitie
Spunem ca vectorii v1 , v2 , ..., vn sunt liniar dependenti peste K dac a
exista numere 1 , 2 , ..., n din K, nu toate egale cu 0, astfel ncat

1 v1 + 2 v2 + ...n vn = 0.
19 noiembrie 2016
9 / 83
Spatii vectoriale
Exemplu
Polinoamele 1 + X, 1 + X + X 2 si 1 + 5X + 3X 2 din spatiul R2 [X]
sunt liniar dependente pentru c a exista combinatia liniara
2 (1 + X) + 3 (1 + X + X 2 ) + (1) (1 + 5X + 3X 2 ) = 0,
i.e.,
1 + 5X + 3X 2 = 2 (1 + X) + 3 (1 + X + X 2 ).
19 noiembrie 2016
10 / 83
Spatii vectoriale
Teorema
Vectorii v1 , v2 , ..., vn din Rm sunt liniar dependenti dac a n > m.
19 noiembrie 2016
11 / 83
Spatii vectoriale
i ca functiile ex , e2x si e3x sunt liniar independente n spatiul

2. Aratat
C (R).
19 noiembrie 2016
12 / 83
Spatii vectoriale
i ca multimea
3. Aratat
{sin x, sin 2x, ..., sin nx, ...}
este liniar independent a n spatiul C (R).
19 noiembrie 2016
13 / 83
Spatii vectoriale
19 noiembrie 2016
14 / 83
Spatii vectoriale
i ca multimea
4. Aratat
1, cos x, cos2 x, cos3 x, ..., cosn x, ...
este liniar independent a n spatiul C (R).
19 noiembrie 2016
15 / 83
Spatii vectoriale
5. Fie V un spatiu vectorial peste R. Daca vectorii x, y, z sunt liniar

i ca:
independenti, ar atat
a) vectorii x + y, y + z, z + x sunt liniar independenti;
b) vectorii x y, y z, z x sunt liniar dependenti.
19 noiembrie 2016
16 / 83
Spatii vectoriale
Definitie
Daca vectorii v1 , v2 , ..., vn formeaza un sistem de generatori pentru
spatiul V si sunt liniar independenti, atunci multimea {v 1 , v2 , ..., vn }
este o baza pentru spatiul V.
19 noiembrie 2016
17 / 83
Spatii vectoriale
Exemple
0
0
este o baza a spatiului R3 .

0 , 1 , 0
0
0
1
Aceasta se numes
te
baza
a a
spatiului R3 .
canonic

2
0
1
1 , 1 , 1
este, de asemenea, o baz a
Multimea B1 =
3
2
a spatiului R3 .
Multimea Bc =
19 noiembrie 2016
18 / 83
Spatii vectoriale
Exemple
Multimea B2 = 1, X, X 2 este o baza a spatiului de polinoame R 2 [X].

Aceasta se numes
te baza canonic a a spatiului R
2 [X].

Multimea B3 = 2 + X, 3 2X, 1 + X + 2X 2 este, de asemenea,
o baza a spatiului R2 [X].
19 noiembrie 2016
19 / 83
Spatii vectoriale
spatiul V si multimea {v1 , v2 , ..., vn }, o baza a lui V. Daca

Consideram
un element v V se scrie ca o combinatie liniar a cu elementele bazei
astfel:
v = 1 v1 + 2 v2 + + n vn ,
atunci 1 , 2 , ..., n sunt coordonatele vectorului v n baza
{v1 , v2 , ..., vn }.
19 noiembrie 2016
20 / 83
Spatii vectoriale
Exemplu
spatiul M2 (R) si baza
Consideram
B=
1 1
2 1
0 1
4 1
,
,
,
0 1
3 0
2 1
4 1
Deoarece
9 8
10 2
1 1
2 1
0 1
4 1
=1
+ (2)
+2
+3
,
0 1
3 0
2 1
4 1
spunem ca matricea
9 8
10 2
are coordonatele 1, 2, 2, 3 n baza B.
19 noiembrie 2016
21 / 83
Spatii vectoriale
Remarca
Multimea
1, 1 + X, 1 X, 1 + 1 + X 2
este sistem de generatori pentru spatiul de polinoame R 2 [X], dar nu

deci nu este baza.
este liniar independent a,
19 noiembrie 2016
22 / 83
Spatii vectoriale
Remarca
Multimea
0
1
1
1
dar nu este sistem de generatori

din R3 este liniara independent a,
3
pentru spatiul R , deci nu este baza.
19 noiembrie 2016
23 / 83
Spatii vectoriale
Teorema
de elemente.
Toate bazele unui spatiu au acelasi num ar
19 noiembrie 2016
24 / 83
Spatii vectoriale
Definitie
de elemente dintr-o
Dimensiunea unui spatiu este egal a cu numarul
baza a spatiului. Se noteaz a prin dimK V sau, mai simplu, dim V .

Drept exemple,
dim Rn = n,
dim Rn [X] = n + 1.
19 noiembrie 2016
25 / 83
Spatii vectoriale
Teorema
Fie V un spatiu vectorial de dimensiune n si vectorii liniar independenti
v1 , v2 , ..., vn din V. Atunci multimea {v1 , v2 , ..., vn } formeaza o baza
pentru spatiul V.
19 noiembrie 2016
26 / 83
Spatii vectoriale
Teorema
Coloanele ce ofer a pivoti nenuli n forma esalon sunt liniar
independente.
19 noiembrie 2016
27 / 83
Spatii vectoriale
i ca multimea
6. Aratat
B=
2
1
0
1
1
2
2
3
este baza a spatiului vectorial R3 si determinati coordonatele vectorului

v=
6
1
9
n aceasta baza.
19 noiembrie 2016
28 / 83
matricea
Consideram
A = (c1 | c2 | ... | cn )
din spatiul Mmn (R), unde c1 , c2 , ..., cn sunt vectori coloana din Rm .
Spatiul coloanelor matricei A, notat prin C (A), este
span {c1 , c2 , ..., cn } .
Spatiul nul al matricei A, notat prin N (A), este
{x Rn | Ax = 0} .
19 noiembrie 2016
29 / 83
7. Aflati C (A) pentru matricea
A=
1 2 0
0
3
2 5 3 2 6
0 5 15 10 10
2 6 18 8
6
19 noiembrie 2016
30 / 83
8. Aflati N (B) pentru matricea
B=
1
2
3
4
1
1
1
1
2
3
4
5
19 noiembrie 2016
31 / 83
Remarca
atunci N (A) = {0}.
Daca matricea A Mn (R) este inversabila,
19 noiembrie 2016
32 / 83
Fie V un spatiu vectorial peste corpul K si U, W subspatii ale sale.

Definitie
Suma spatiilor U si W este
U + W = {u + w | u U, w W}.
Suma celor dou a subspatii este tot un subspatiu al lui V.
19 noiembrie 2016
33 / 83
Definitie
pentru orice
Spatiul V este suma directa a subspatiilor U si W daca,
element v V, exista si sunt unice elementele u U si w W astfel
v = u + w.
ncat
19 noiembrie 2016
34 / 83
Teorema
Daca U + W = V si U W = {0}, atunci V este suma directa a
subspatiilor U si W.
Se noteaza prin:
V = U W.
19 noiembrie 2016
35 / 83
Teorema
Daca V = U W, atunci
dim V = dim U + dim W.
19 noiembrie 2016
36 / 83
Teorema lui Grassman

dim U + dim V = dim(U + V) + dim(U V)
19 noiembrie 2016
37 / 83
9. In R5 , aflati cate o baza si dimensiunile pentru suma si intersectia

subspatiilor
U1 =
si
U2 =

x1
x2
x3
x4
x5

x1
x2
x3
x4
x5
; 2x1 x2 x3 = 0, x4 3x5 = 0
; 2x1 x2 + x3 + 4x4 + 4x5 = 0 .
19 noiembrie 2016
38 / 83
subspatiile
10. Consideram
W1 = {P R3 [X] | p(x) = p(x), x R}
si
W2 = {P R3 [X] | p(x) = p(x), x R}.
i ca R3 [X] = W1 W2 .
Aratat
19 noiembrie 2016
39 / 83
Aplicatii liniare
Aplicatii liniare
Aplicatia (transformarea) T : U V este liniara daca:

T (u + v) = T (u) + T (v), pentru orice u, v U;
T (u) = T (u), pentru orice K si u U.
19 noiembrie 2016
40 / 83
Aplicatii liniare
Definitie
Nucleul aplicatiei T este
Ker T = {u U | T (u) = 0} .
19 noiembrie 2016
41 / 83
Aplicatii liniare
Teorema
Transformarea T este injectiva daca
Fie T : U V o aplicatie liniara.
si numai daca
Ker T = {0}.
19 noiembrie 2016
42 / 83
Aplicatii liniare
Teorema
Daca vectorii v1 , ..., vn sunt
Fie T : U V o aplicatie liniara injectiva.
liniar independenti, atunci si vectorii T (v1 ), ..., T (vn ) sunt liniar
independenti.
19 noiembrie 2016
43 / 83
Aplicatii liniare
Definitie
Imaginea aplicatiei T este
Im T = {T (u) | u U} .
19 noiembrie 2016
44 / 83
Aplicatii liniare
Teorema dimensiunilor
dim Ker T + dim Im T = dim U.
19 noiembrie 2016
45 / 83
Aplicatii liniare
Daca T : Rn Rm , cu T (x) = Ax, atunci

Ker T = N (A);
Im T = C(A).
19 noiembrie 2016
46 / 83
Aplicatii liniare
Fie T : U V o aplicatie liniara de la un spatiu vectorial U, cu baza

B = {u1 , u2 , ..., un }, la spatiul vectorial V, cu baza C = {v1 , v2 , ..., vm }.
Exprimam
T (u1 ) = a11 v1 + a21 v2 + ... + am1 vm
T (u2 ) = a12 v1 + a22 v2 + ... + am2 vm
..
T (un ) = a1n v1 + a2n v2 + ... + amn vm
Definitie
T relativa la
Matricea A = (aij ) se numeste matricea transformarii
baza B a lui U si baza C a lui V.
19 noiembrie 2016
47 / 83
Aplicatii liniare
Fie T : U V o aplicatie liniara.

Definitii
Atunci T se mai numeste si morfism.
atunci T se numeste monomorfism.
Daca T este injectiva,
atunci T se numeste epimorfism.
Daca T este surjectiva,
Daca U = V, atunci T se numeste endomorfism.
atunci T se numeste izomorfism.
Daca T este bijectiva,
Un endomorfism bijectiv se numeste automorfism.
19 noiembrie 2016
48 / 83
Aplicatii liniare
T : R4 R3 , definita prin
11. Consideram
x1
x2
x3
x4
3x1 + x2
x2 + x3
x3 + 3x4
i ca transformarea T este liniara.
a) Aratat
b) Aflati nucleul lui T , imaginea lui T si dimensiunile acestora, pun and

o baza.
n evidenta cate
Dar surjectiva?
c) Este transformarea T injectiva?

d) Determinati matricea aplicatiei T relativa la bazele canonice.
19 noiembrie 2016
49 / 83
Aplicatii liniare
T : R2 [X] R2 [X], definita prin

12. Consideram
T (P ) = 2P + (X + 1)P .
i ca transformarea T este liniara.
a) Aratat
b) Aflati nucleul lui T , imaginea lui T si dimensiunile acestora, pun and

o baza.
n evidenta cate
Dar surjectiva?
c) Este transformarea T injectiva?

la baza
d)
Determinat
i
matricea
aplicat
iei
T
relativ
a

1 + X, 1 + X, 1 + X + X 2 din domeniu si baza canonic a a

codomeniului.
19 noiembrie 2016
50 / 83
Aplicatii liniare
13. Fie V un spatiu vectorial de dimensiune n 2 si A : V V o

An (e) = 0,
aplicatie liniara cu proprietatea ca exista e V astfel ncat
n1
(e) = 0.
dar A

i ca multimea e, A(e), A2 (e), ..., An1 (e) este o baza pentru

a) Aratat
spatiul V.
i cate o baza pentru Ker A si Im A.
b) Gasit
c)
Scrieti matricea aplicatiei
A relativa la baza

e, A(e), A2 (e), ..., An1 (e) din V.
19 noiembrie 2016
51 / 83
Definitie
O functie ,
: V V R se numeste produs scalar daca satisface
i:
urmatoarele
proprietat
1
v, v
0 si v, v
= 0 v = 0;
u, v
= v, u
;
u, v
= u, v
;
u, v + w
= u, v
+ u, w
,
pentru orice u, v, w V si R.
19 noiembrie 2016
52 / 83
Exemplu
In Rn consideram
x=
x1
x2
..
.
si y =
xn
. Atunci
yn
x, y
= xT y = (x1 , x2 , , xn )
y1
y2
..
.
y1
y2
..
.
= x1 y1 + x2 y2 + ... + xn yn .
yn
19 noiembrie 2016
53 / 83
Exemplu
In C ([a, b]) consideram
produsul scalar
f, g
=
b
a
f (x)g(x) dx.
19 noiembrie 2016
54 / 83
Definitie
Norma vectorului v, indusa de produsul scalar din V, este
v =
v, v
.
Un vector de norma 1 se numeste versor.
19 noiembrie 2016
55 / 83
i:
Norma are urmatoarele
proprietat
1
v 0 si v = 0 v = 0;
v = ||v;
u + v u + v (inegalitatea triunghiului).
19 noiembrie 2016
56 / 83
Exemple
In Rn norma vectorului x =
x1
x2
..
.
este
xn
x =
x21 + x22 + ... + x2n .
In C ([a, b]) norma functiei f este

f =
(f (x)) dx
19 noiembrie 2016
57 / 83
Inegalitatea Cauchy-Schwarz
Pentru orice u, v V avem
| u, v
| u v.
19 noiembrie 2016
58 / 83
Exemple
In Rn inegalitatea devine
(x1 y1 + x2 y2 + ... + xn yn )2 x21 + x22 + ... + x2n
y12 + y22 + ... + yn2 .
In C ([a, b]) inegalitatea devine

f (x)g(x) dx
(f (x)) dx
(g(x)) dx .
19 noiembrie 2016
59 / 83
Definitie
Daca u, v
= 0, atunci vectorii u si v se numesc ortogonali.
19 noiembrie 2016
60 / 83
Procedeul de ortonormalizare Gram-Schmidt

Fie multimea liniar independent a {u1 , u2 , ..., un } V. Construim:
v1 = u1 ,
u2 , v1
v1 ,
v2 = u2 prv1 u2 = u2
v1 , v1
u3 , v1
u3 , v2
v1
v2 ,
v3 = u3 prv1 u3 prv2 u3 = u3
v1 , v1
v2 , v2
Multimea {v
1 , v2 , ..., vn } este ortogonala.
v1
v2
vn
, w2 =
, ..., wn =
este ortonormala.
Multimea w1 =
v1
v2
vn
19 noiembrie 2016
61 / 83
14. Folosind procedeul Gram-Schmidt, ortonormalizati urm atoarea

baza a lui R3 :

1
0
1
, 0
.
2 ,
0
B=
2
2
1
19 noiembrie 2016
62 / 83
produsul scalar
15. Pe R2 [X] consideram
P, Q
=
1
0
P (x)Q(x) dx.
Folosind procedeul Gram-Schmidt, ortonormalizati urm atoarea

baza a
lui R2 [X]:
B = 1 X, 1 + X, 1 + X + X 2 .
19 noiembrie 2016
63 / 83
Fie U subspatiu vectorial al spatiului V.

Definitie
Multimea
U = {v V | v, u
= 0, u U}
se numeste complementul ortogonal al subspatiului vectorial U.
19 noiembrie 2016
64 / 83
i complementul ortogonal al subspatiului

16. Gasit
U = Span
1
2
1
2
3
0
0
5
al lui R4 .
19 noiembrie 2016
65 / 83
Fie U subspatiu vectorial al spatiului V. Orice vector v V are
descompunerea unic a:
v = u + u ,
Deci
u U, u U .
V = U U .
Definitie
u se numeste proiectia ortogonal a a lui v pe U.
19 noiembrie 2016
66 / 83
Teorema
Daca {e1 , e2 , ..., en } este o baza ortonormala a lui U, proiectia
ortogonala a lui v pe U este
u=
v, ei
ei .
i=1
19 noiembrie 2016
67 / 83
Teorema
Daca u este proiectia ortogonal a a lui v V pe U, atunci
v u v u ,
Altfel spus,
u U.
min v u = v u.
u U
19 noiembrie 2016
68 / 83
17. Folosind instrumentele algebrei liniare, aflati

min
a,bR 0
(sin x a bx)2 dx.
19 noiembrie 2016
69 / 83
Descompunerea QR
Descompunerea QR
matricea A = (u1 | u2 | ... | un ) din spatiul Mmn (R),
Consideram
liniar independenti, din R m .
unde u1 , u2 , ..., un sunt vectori coloana,
de la multimea
Folosind procedeul Gramm-Schmidt, plec and
{u1 , u2 , ..., un }, obtinem multimea ortonormal a {w1 , w2 , ..., wn }.
Atunci exista descompunerea:
A = (u1 | u2 | ... | un ) =
= (w1 | w2 | ... | wn )
w1 , u1
w1 , u2
0
w2 , u2
..
..
.
.
0
0
w1 , un
w2 , un
..
.
wn , un
19 noiembrie 2016
70 / 83
Descompunerea QR
i descompunerea QR a matricei
18. Gasit
A=
1 2
1 2
0 3
19 noiembrie 2016
71 / 83

sistemul matriceal
Fie A Mmn (R) si b Rm . Consideram
Ax = b,
cu b
/ C (A).
Pseudosolutia sistemului este data de
= AT A
x
AT b.
Se poate folosi si descompunerea QR.
19 noiembrie 2016
72 / 83

i solutia sistemului, n sensul celor mai mici patrate:
19. Gasit
x1 + x2 = 2
2x1 = 3
x x = 0
1
2
19 noiembrie 2016
73 / 83
matricea A Mn (R) si ecuatia matriceala

Consideram
Av = v.
v se numeste vector propriu;
se numeste valoare proprie.
19 noiembrie 2016
74 / 83
Teorema
este valoare proprie pentru A dac a si numai daca matricea A I
i.e.,
este neinversabila,
det(A I) = 0.
19 noiembrie 2016
75 / 83
Teorema
1 + 2 + ... + n = Trace(A).
19 noiembrie 2016
76 / 83
Definitie
O matrice A Mn (R) este diagonalizabila daca exista o matrice
matricea S 1 AS este diagonala.
inversabila S Mn (R) astfel ncat

Astfel,
A = SDS 1 .
19 noiembrie 2016
77 / 83
matricea
20. Consideram
A=
6
3 2
4 1 2
13 9 3
i valorile si vectorii proprii pentru matricea A.

a) Gasit
i o matrice inversabila S si o matrice diagonala D astfel ncat
b) Gasit
1
A = SDS .
c) Calculati An si etA .
19 noiembrie 2016
78 / 83
Teorema
matricea simetrica A Mn (R), i.e., AT = A. Atunci:
Consideram
toate valorile proprii ale matricei A sunt reale,
vectorii proprii ce corespund valorilor proprii diferite sunt
ortogonali.
19 noiembrie 2016
79 / 83
Teorema
matricea simetrica A Mn (R). Atunci exista matricea
Consideram
matricea QT AQ este diagonala.
ortogonala Q Mn (R) astfel ncat

Astfel,
A = QDQT .
19 noiembrie 2016
80 / 83
21. Diagonalizati matricea
A=
1 2 2
2 1 2
2 2 1
19 noiembrie 2016
81 / 83
22. Aflati formula termenului general al sirului (F n )n1 , dat de

recurenta
Fn+2 = Fn+1 + Fn ,
stiind ca F1 = 1 si F2 = 1.
19 noiembrie 2016
82 / 83
Va multumesc pentru atentie!
19 noiembrie 2016
83 / 83

Consultatie 2016-11-19

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Consultatie 2016-11-19

Încărcat de

Drepturi de autor:

Formate disponibile

Universitatea Politehnica din Bucuresti

Suma si intersectie de subspatii

Spatii vectoriale cu produs scalar

Metoda celor mai mici patrate

Vectori si valori proprii

Alexandru Negrescu (UPB)

Fie V un spatiu vectorial peste corpul K (R sau C) si v1 , v2 , ..., vn

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

este satisfacuta urmatoarea

daca 1 , 2 , ..., n sunt numere din K astfel ncat

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

exista numere 1 , 2 , ..., n din K, nu toate egale cu 0, astfel ncat

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

i ca functiile ex , e2x si e3x sunt liniar independente n spatiul

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

1, cos x, cos2 x, cos3 x, ..., cosn x, ...

este liniar independent a n spatiul C (R).

Alexandru Negrescu (UPB)

5. Fie V un spatiu vectorial peste R. Daca vectorii x, y, z sunt liniar

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

este o baza a spatiului R3 .

Alexandru Negrescu (UPB)

Multimea B2 = 1, X, X 2 este o baza a spatiului de polinoame R 2 [X].

Alexandru Negrescu (UPB)

spatiul V si multimea {v1 , v2 , ..., vn }, o baza a lui V. Daca

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

are coordonatele 1, 2, 2, 3 n baza B.

este sistem de generatori pentru spatiul de polinoame R 2 [X], dar nu

este liniar independent a,

Alexandru Negrescu (UPB)

dar nu este sistem de generatori

pentru spatiul R , deci nu este baza.

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

baza a spatiului. Se noteaz a prin dimK V sau, mai simplu, dim V .

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

este baza a spatiului vectorial R3 si determinati coordonatele vectorului

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

7. Aflati C (A) pentru matricea

Alexandru Negrescu (UPB)

8. Aflati N (B) pentru matricea

Alexandru Negrescu (UPB)

Alexandru Negrescu (UPB)

Suma si intersectie de subspatii

Suma si intersectie de subspatii

Fie V un spatiu vectorial peste corpul K si U, W subspatii ale sale.

Alexandru Negrescu (UPB)

Suma si intersectie de subspatii

Alexandru Negrescu (UPB)

Suma si intersectie de subspatii

Alexandru Negrescu (UPB)