Documente Academic
Documente Profesional
Documente Cultură
2011marelemente de Algebra Liniara PDF
2011marelemente de Algebra Liniara PDF
ELEMENTE DE
ALGEBRA LINIARA
Pe parcursul acestei carti ne propunem sa prezentam ntr-un mod cat mai accesibil
notiuni si rezultate de baza apartinand algebrei liniare nsotite de unele aplicatii.
Pentru ca trecerea de la matematica predata n liceu la cea predata n facultate sa se
faca cat mai usor, n carte au fost incluse multe notiuni si rezultate cu care studentii
sunt deja familiarizati din scoala.
Unele demonstratii mai dificile au fost prezentate doar n caz particular sau
nlocuite cu exemple care sa scoata n evidenta doar ideea de baza a demonstratiei.
In general, prezentarea unei notiuni sau a unui rezultat este pregatita prin exemple
adecvate.
Desi cartea se adreseaza n primul rand studentilor din anul ntai de la facultatile
de fizica, consideram ca ea poate fi utila si studentilor de la facultatile tehnice sau
elevilor de liceu pasionati de matematica.
5
Cuprins
1 Matrice si determinanti 9
1.1 Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Spatii vectoriale 23
2.1 Definitie si exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Subspatii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Subspatiul generat de o multime de vectori . . . . . . . . . . . . . . 27
2.4 Dependenta si independenta liniara . . . . . . . . . . . . . . . . . . . 29
2.5 Baza si dimensiune . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6 Sume de subspatii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.7 Sume directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.8 Spatii factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3 Aplicatii liniare 51
3.1 Definitie si exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Imaginea si nucleul unei aplicatii liniare . . . . . . . . . . . . . . . . 53
3.3 Izomorfisme liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4 Dualul unui spatiu vectorial . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 Tensori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Matricea unei aplicatii liniare . . . . . . . . . . . . . . . . . . . . . . 70
3.7 Vectori si valori proprii . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.8 Forma diagonala a matricei unei aplicatii liniare . . . . . . . . . . . 78
7
8 CUPRINS
6 Conice 121
6.1 Definitie si exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2 Reducere la forma canonica . . . . . . . . . . . . . . . . . . . . . . . 124
Matrice si determinanti
1.1 Matrice
care contine valorile functiei. Vom nota cu Mnm (K) multimea tuturor matricelor
cu n linii si m coloane, cu elemente din K.
Definitia 1.2 Suma A+B a doua matrice A, B Mnm (K) se defineste prin relatia
a11 a12 ... a1m b11 b12 ... b1m a11 +b11 a12 +b12 ... a1m +b1m
a
21 a22 ... a2m b21 b22 ... b2m a21 +b21 a22 +b22 ... a2m +b2m
+ =
... ... ... ... ... ... ... ... ... ... ... ...
an1 an2 ... anm bn1 bn2 ... bnm an1 +bn1 an2 +bn2 ... anm +bnm
9
10 Elemente de algebra liniara
(A + B) = A + B, (+)A = A+A
1A = A (A) = ()A.
(aij +bij )+cij = aij +(bij +bij ) aij + bij = bij + aij ,
Propozitia 1.5 Daca A Mnm (K), B Mmp (K) si C Mpq (K) atunci
A(BC) = (AB)C.
Matrice si determinanti 11
Demonstratie. Avem
m
X p
X
! p
X m
X
aij bjk ckl = aij bjk ckl .
j=1 k=1 k=1 j=1
A(B + C) = AB + AC.
Demonstratie. Avem
m
X m
X m
X
aij (bjk + cjk ) = aij bjk + aij cjk .
j=1 j=1 j=1
Demonstratie. Avem
m
X m
X m
X
aij bjk = (aij )bjk = aij (bjk ).
j=1 j=1 j=1
Observatia 1.1 Daca A, B Mnn (K) atunci exista matricele AB si BA, dar n
general
AB 6= BA.
De exemplu,
! ! ! ! ! !
0 1 1 1 0 0 1 1 0 1 1 1
= si = .
1 0 0 0 1 1 0 0 1 0 0 0
Definitia 1.8 Spunem ca matricea patrata A Mnn (K) este inversabila daca
exista o matrice B Mnn (K) astfel ncat
AB = BA = I
unde
1 0 0
0 1 0
I=
0 0 1
este matricea unitate.
12 Elemente de algebra liniara
Propozitia 1.9 Inversa unei matrice patratice, daca exista, este unica.
B = BI = B(AC) = (BA)C = IC = C.
1.2 Determinanti
are solutie unica, solutia obtinuta prin metoda reducerii se poate scrie
12 13
11 1 13
11 12 1
1
2 22 23 21 2 23 21 22 2
3 32 33 31 3 33 31 32 3
x1 =
, x2 =
, x3 =
11 12 13 11 12 13 11 12 13
21 22 23 21 22 23 21 22 23
31 32 33 31 32 33 31 32 33
a a12 a13
11
a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a31 a32 a33
a13 a22 a31 a11 a23 a32 a12 a21 a33 .
Numarul
a a12 a13
11
det A = a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (1.2)
a31 a32 a33
a13 a22 a31 a11 a23 a32 a12 a21 a33
se ntelege numarul
Y (i) (j)
() = .
1i<jn
ij
Observatia 1.5 Folosind exemplul anterior, relatia (1.2) se poate scrie sub forma
a a12 a13
11
a21 a22 a23 = (1 ) a11 (1) a21 (2) a31 (3) + (2 ) a12 (1) a22 (2) a32 (3)
a31 a32 a33
+(3 ) a13 (1) a23 (2) a33 (3) + (4 ) a14 (1) a24 (2) a34 (3)
+(5 ) a15 (1) a25 (2) a35 (3) + (6 ) a16 (1) a26 (2) a36 (3)
adica
a a12 a13
11 X
a21 a22 a23 = () a1(1) a2(2) a3(3) .
a31 a32 a33 S3
Matrice si determinanti 15
Propozitia 1.16 Daca se schimba ntre ele doua linii (sau doua coloane) ale unei
matrice patrate atunci se obtine o matrice care are determinantul egal cu opusul
determinantului matricei initiale.
Propozitia 1.17 Daca n matricea A Mnn (K) toate elementele unei linii (sau
coloane) sunt nule atunci det A = 0.
Propozitia 1.18 Determinantul unei matrice patrate cu doua linii (sau coloane)
identice este nul.
si
a11 a1k a1n
a11
a1k a1n
a21 a2k a2n a
21 a2k a2n
= .
an1 ank ann an1 ank ann
Propozitia 1.20 Daca elementele a doua linii (sau coloane) ale unei matrice sunt
proportionale atunci determinantul matricei este nul.
si
a11 ... a1k +b1k ... a1n
a11 ... a1k ... a1n
a11 ... b1k ... a1n
a21 ... a2k +b2k ... a2n a21 ... a2k ... a2n a21 ... b2k ... a2n
= + .
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
an1 ... ank +bnk ... ann an1 ... ank ... ann an1 ... bnk ... ann
Propozitia 1.22 Daca o linie (sau coloana) a unei matrice patratice este o combinatie
liniara de celelalte linii (respectiv coloane) atunci determinantul matricei este nul.
Propozitia 1.23 Daca la o linie (sau coloana) a unei matrice patratice adunam el-
ementele unei alte linii (respectiv coloane) nmultite cu acelasi numar determinantul
matricei rezultate coincide cu determinantul matricei initiale.
linia k cu linia i.
atunci sistemul
a11 x1 + a12 x2 + + a1n xn = b1
a x + a x + + a x = b
21 1 22 2 2n n 2
....................................................
an1 x1 + an2 x2 + + ann xn = bn
are solutia unica
b1 a12 a1n
a11 a12 b1
b2 a22 a2n
a21 a22 b2
bn an2 ann an1 an2 bn
x1 =
, xn =
.
a11 a12 a1n
a11 a12 a1n
a21 a22 a2n
a21 a22 a2n
an1 an2 ann an1 an2 ann
Ax = b
unde
1 i1 < i2 < ... < ik n si 1 j1 < j2 < ... < jk m.
rang A = r
daca A are un minor de ordinul r nenul si toti minorii de ordin mai mare sunt nuli.
Propozitia 1.30 Matricea A Mnm (K) are rangul r daca are un minor de
ordinul r nenul si toti minorii de ordin r + 1 sunt nuli.
Demonstratie. Conform relatiei (1.4), orice minor de ordinul r + 2 (sau mai mare)
se poate exprima ca o combinatie liniara de minori de ordinul r + 1.
Capitolul 2
Spatii vectoriale
1. (x + y) + z = x + (y + z), x, y, z V
4. x + y = y + x, x, y V
5. (x + y) = x + y, K, x, y V
6. ( + )x = x + x, , K, x V
7. (x) = ()x, , K, x V
8. 1x = x, xV
23
24 Elemente de algebra liniara
Elementele lui V se numesc vectori iar elementele lui K se numesc scalari. Un spatiu
vectorial peste R este numit spatiu vectorial real iar un spatiu vectorial peste C este
numit spatiu vectorial complex. In loc de x + (y) scriem x y.
a) x = 0 = 0 sau x = 0
b) (x) = ()x = x
c) (x y) = x y
d) ( )x = x x.
Demonstratie. a) )
x = 0 1
= x = 0=0
6= 0
0x = (0 + 0)x = 0x + 0x = 0x = 0
(0 + 0) = 0 + 0 = 0 = 0.
b)
0 = 0 = (x + (x)) = x + (x) = (x) = x
0 = 0x = ( + ())x = x + ()x = ()x = x.
c)
(x y) = (x + (y)) = x + (y) = x y.
d)
( )x = ( + ())x = x + ()x = x x.
Exemplul 2.1 (R3 , +, ), unde
(x1 , x2 , x3 ) = (x1 , x2 , x3 )
Definitia 2.3 Fie V un spatiu vectorial peste K. Prin subspatiu vectorial al lui
V se intelege orice submultime W V cu proprietatea
)
x, y W
= x + y W. (2.1)
, K
26 Elemente de algebra liniara
vectorial al spatiului V = R3 .
Exemplul 2.9 Multimea solutiilor unui sistem liniar omogen
a11 x1 + a12 x2 + a1n xn = 0
n a21 x1 + a22 x2 + a2n xn = 0
W = x = (x1 , x2 , ..., xn ) R
............................
ak1 x1 + ak2 x2 + akn xn = 0
M = {v1 , v2 , ..., vn } V
hM i = { 1 v1 + 2 v2 + ... + n vn | 1 , 2 , ..., n K }
Demonstratie. Oricare ar fi , K si
x = 1 v1 + 2 v2 + ... + n vn hM i,
y = 1 v1 + 2 v2 + ... + n vn hM i
avem
hM i = { 1 v1 + 2 v2 + ... + n vn | 1 , 2 , ..., n K }
x = 1 v1 + 2 v2
adica
(x1 , x2 ) = 1 (1, 1) + 2 (1, 1)
ceea ce este echivalent cu
(x1 , x2 ) = (1 + 2 , 1 2 ).
si conduce la
x1 + x2 x1 x2
1 = , 2 = .
2 2
Spatii vectoriale 29
span{(1, 2, 3), (1, 1, 0)} = span{(1, 2, 3), (1, 1, 0), (0, 3, 3)}.
Propozitia 2.8 Daca {v1 , v2 , ..., vn } este un sistem de generatori pentru V astfel
ncat exista k {1, 2, ..., n} cu
X
vk = i vi
i6=k
Definitia 2.9 Spunem ca spatiul vectorial V este finit generat daca admite un
sistem de generatori finit.
b) relatia
1 v1 + 2 v2 + + n vn = 0
adica
1 v1 + 2 v2 + + n vn = 0 = 1 = 2 = = n = 0.
1 v1 + 2 v2 + + n1 vn1 vn = 0
Definitia 2.11 Spunem ca {v1 , v2 , ..., vn } este un sistem de vectori liniar independenti
daca
1 v1 + 2 v2 + + n vn = 0 = 1 = 2 = = n = 0.
Observatia 2.2 In cazul unui sistem de vectori liniar independenti nici unul dintre
vectori nu se poate scrie ca o combinatie liniara de ceilalti vectori.
care conduce la 1 = 2 = 0.
Spatii vectoriale 31
Observatia 2.3 Orice subsistem al unui sistem de vectori liniar independenti este
un sistem de vectori liniar independenti.
Propozitia 2.12 Daca {v1 , v2 , ..., vn } este un sistem de vectori astfel incat nici unul
dintre ei nu este combinatie liniara de cei scrisi n fata lui atunci {v1 , v2 , ..., vn } este
un sistem de vectori liniar independenti.
Demonstratie. Fie
1 v1 + 2 v2 + + n vn = 0. (2.4)
adica vn este combinatie liniara de vectorii scrisi n fata lui. Avand n vedere ca
0vn = 0, relatia (2.4) se mai scrie
1 v1 + 2 v2 + + n1 vn1 = 0.
Observatia 2.4 Din orice sistem de generatori ai unui spatiu vectorial V se poate
obtine un sistem de generatori liniar independenti eliminand succesiv vectorii care
se pot scrie ca o combinatie liniara de vectorii aflati naintea lor. Mai exact, plecam
de la sistemul de generatori {v1 , v2 , ..., vn } si aplicam urmatoarele operatii sistemului
rezultat n etapa anterioara:
b) eliminam al doilea vector daca acesta se obtine din primul prin nmultirea cu
un scalar
32 Elemente de algebra liniara
c) eliminam al treilea vector daca acesta este combinatie liniara de primii doi
Raspuns. {v2 , v4 }.
Definitia 2.13 Prin baza a unui spatiu vectorial se intelege un sistem de generatori
format din vectori liniar independenti.
Observatia 2.5 Pentru a arata ca un sistem de vectori B = {e1 , e2 , ..., en } este baza
lui V avem de aratat ca:
a) V = he1 , e2 , ..., en i
b) 1 e1 + 2 e2 + + n en = 0 = 1 = 2 = = n = 0.
Exercitiul 2.18 Sa se arate ca B = {e1 = (1, 0), e2 = (0, 1)} este baza a spatiului
vectorial R2 .
(x1 , x2 ) = x1 e1 + x2 e2 .
1 e 1 + 2 e 2 = 0
rezulta
1 (1, 0) + 2 (0, 1) = (0, 0)
Spatii vectoriale 33
adica
(1 , 2 ) = (0, 0)
ceea ce conduce la 1 = 2 = 0.
Propozitia 2.14 Daca B = {e1 , e2 , ..., en } este baza lui V atunci orice vector x V
se poate scrie n mod unic sub forma
x = 1 e1 + 2 e2 + + n en .
x = 1 e1 + 2 e2 + + n en
ar rezulta ca
1 e1 + 2 e2 + + n en = 1 e1 + 2 e2 + + n en
adica
(1 1 )e1 + (2 2 )e2 + + (n n )en = 0.
Deoarece B este sistem de vectori liniar independenti, din aceasta relatie rezulta ca
1 1 = 0, 2 2 = 0, ... , n n = 0, adica 1 = 1 , 2 = 2 , ... , n = n .
x = 1 e1 + 2 e2 + + n en
M = {v1 , v2 , ..., vn }
S = {w1 , w2 , ..., wk }
a) n k
si sistemul de generatori
Procesul poate fi continuat pana introducem toti vectorii sistemului de vectori liniar
independenti M n sistemul de generatori, ceea ce arata ca n k.
b) Dupa introducerea tuturor vectorilor din M n sistemul de generatori se obtine
un sistem de generatori
Eliminand vectorii care sunt combinatii liniare de cei aflati n fata lor rezulta o baza
care contine vectorii din M.
Spatii vectoriale 35
Teorema 2.17 Oricare doua baze ale unui spatiu vectorial au acelasi numar de
vectori.
Demonstratie. Fie
doua baze ale lui V . Fiecare dintre ele este atat sistem de vectori liniar independenti
cat si sistem de generatori pentru V . Conform propozitiei precedente trebuie sa avem
simultan n k si k n.
Definitia 2.18 Spunem ca spatiul vectorial V are dimensiune n si scriem
dim V = n
dimR V = 2 dimC V.
deducem ca
B = { v1 , iv1 , v2 , iv2 , ... , vn , ivn }
este sistem de generatori pentru spatiul vectorial real V . Aratam ca vectorii care
formeaza sistemul B sunt liniar independenti peste R. Relatia
se poate scrie
si conduce la 1 + 1 i = 2 + 2 i = = n + n i = 0, adica la
1 = 1 = 2 = 2 = = n = n = 0.
V V = { (x1 , x2 ) | x1 , x2 V }
( + i)(x1 , x2 ) = (x1 x2 , x2 + x1 )
dimC C V = dimR V.
x1 = 1 v1 + 2 v2 + + n vn , x2 = 1 v1 + 2 v2 + + n vn .
(x1 , x2 ) = (1 v1 + 2 v2 + + n vn , 0) + (0, 1 v1 + 2 v2 + + n vn )
Daca
atunci
(1 v1 + 2 v2 + + n vn , 1 v1 + 2 v2 + + n vn ) = 0
ceea ce conduce la 1 = 2 = = n = 0 si 1 = 2 = = n = 0.
si nmultirea cu scalari
Aratam ca {A1 , A2 , ..., Ar } este sistem liniar independent si ca matricele Ar+1 ,...,Am
din Mn1 (K) sunt combinatii liniare de A1 , A2 , ... , Ar . Din relatia
1 A1 + 2 A2 + + r Ar = 0
rezulta ca
a11 1 + a12 2 + + a1r r = 0
a + a + + a = 0
21 1 22 2 2r r
..................................................
ar1 1 + ar2 2 + + arr r = 0
Acesta este un sistem Cramer cu solutia 1 = 2 = = r = 0. Oricare ar fi
i {1, 2, ..., n} si j {1, 2, ..., m} avem
a11 a12 a1r a1j
a21 a22 a2r a2j
= 0.
ar1 ar2 arr arj
ai1 ai2 air aij
Spatii vectoriale 39
unde
a12 a1r a1j
a11 a1r1 a1j
a22 a2r a2j a21 a2r1 a2j
1 = , r =
ar2 arr arj ar1 arr1 arj
nu depind de i. Rezulta
1 2 r
aij = (1)i+1 ai1 (1)i+2 ai2 (1)i+r air
d d d
oricare ar fi i {1, 2, ..., n}, adica
1 1 2 r
Aj = (1)i+1 A (1)i+2 A2 (1)i+r Ar .
d d d
un sistem de ecuatii liniare compatibil (adica, care admite solutie) si fie r rangul ma-
tricei sistemului. Schimband eventual ordinea ecuatiilor si indexarea necunoscutelor
putem presupune ca
a11 a12 a1r
21 a22 a2r
a
6= 0.
ar1 ar2 arr
In cazul n care r < n este suficient sa luam n considerare doar primele r ecuatii
a11 x1 + a12 x2 + + a1m xm = b1
a x + a x + + a x = b
21 1 22 2 2m m 2
....................................................
ar1 x1 + ar2 x2 + + arm xm = br
sunt doua baze ale lui V atunci fiecare vector e0i din baza noua B 0 se poate scrie
ca o combinatie liniara de vectorii bazei vechi B.
Matricea
11 12 ... 1n
21 22 ... 2n
S=
... ... ... ...
n1 n2 ... nn
W = W1 W2
Demonstratie. Avem
) x, y W1 )
x, y W x + y W1
= x, y W2 = = x + y W.
, K x + y W2
, K
Observatia 2.10 In general, reuniunea a doua subspatii vectoriale ale unui spatiu
vectorial V nu este un subspatiu vectorial. De exemplu,
W1 = {(x, 0) | x R} si W2 = {(0, y) | y R}
W1 + W2 = {w1 + w2 | w1 W1 , w2 W2 }
Demonstratie. Avem
w1 + w2 W 1 + W 2
(w1 + w2 ) + (w10 + w20 )
w10 + w20 W1 + W2 =
= (w + w0 ) + (w + w0 ) W + W .
, K
1 1 2 2 1 2
Definitia 2.28 Fie W1 , W2 doua subspatii vectoriale ale lui V . Subspatiul vectorial
W1 + W2 = {w1 + w2 | w1 W1 , w2 W2 }
Demonstratie. Fie
B0 = {u1 , u2 , ..., un }
1 w1 2 w2 ... m wm = 1 u1 + 2 u2 + ... + n un .
1 u1 + 2 u2 + ... + n un + 1 w1 + 2 w2 + ... + m wm = 0
Spatii vectoriale 45
1 = 2 = ... = n = 1 = 2 = ... = m = 0.
1 u1 + ... + n un + 1 v1 + ... + k vk = 0.
1 = 2 = ... = n = 1 = 2 = ... = k = 0.
Definitia 2.30 Fie W1 , W2 doua subspatii vectoriale ale unui spatiu vectorial V .
Spunem ca suma W1 + W2 este suma directa si utilizam notatia W1 W2 daca
scrierea oricarui vector w W1 +W2 ca suma w = w1 +w2 dintre un vector w1 W1
si un vector w2 W2 este unica.
Propozitia 2.31 Fie W1 , W2 doua subspatii vectoriale ale unui spatiu vectorial V .
Suma W1 + W2 este suma directa daca si numai daca
W1 W2 = {0}.
atunci
w1 + w2 = w10 + w20 .
Scriind aceasta relatie sub forma
w1 w10 = w2 w20
Rezolvare. Avem
{(x, 0) | x R} + {(0, y) | y R} = R2
{(x, 0) | x R} {(0, y) | y R} = {(0, 0)}.
R3 = {(x, y, 0) | x, y R} + {(x, 0, z) | x, z R}
(, , ) = (, , 0) + (0, 0, )
Propozitia 2.32 Daca V si W sunt spatii vectoriale peste acelasi corp K atunci
V W = { (x, y) | x V, y W }
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )
si nmultirea cu scalari
(x, y) = (x, y)
este spatiu vectorial, notat cu V W (numit produsul direct al lui V cu W ) si
{ (v1 , 0), (v2 , 0), ..., (vn , 0), (0, w1 ), (0, w2 ), ..., (0, wk ) }
este baza n V W.
{ (x, 0) | x V }, { (0, y) | y W }
48 Elemente de algebra liniara
{ (x, 0) | x V } + { (0, y) | y W } = V W
Definitia 2.34 Prin partitie a unei multimi M se ntelege o familie {Mi }iI de
submultimi ale lui M cu proprietatile:
1) Mi 6= , i I
2) Mi Mj = , i, j I cu i 6= j
S
3) iI Mi = M.
xy daca xy W
relatiile
x + y = xy,
c x = x
c
Demonstratie. Avem
xx=0W = xx
x y = x y W = y x W = y x
) )
xy xy W
= = x z = (x y) + (y z) W = x z.
yz yz W
Deoarece W + W = { x + y | x, y W } = W si W = { x | x W } = W avem
(x + W ) + (y + W ) = x + y + W, (x + W ) = x + W
ceea ce arata ca operatiile cu clase de echivalenta sunt bine definite (nu depind de
reprezentantul ales). Elementul neutru este 0 = 0 + W = W iar opusul lui x este
x = x
d = x + W.
50 Elemente de algebra liniara
W = { (x, 0) | x R }.
Rezulta ca
\
(x, y) = (x, y) + W = { (x0 , y) | x0 R }
si prin urmare,
R2 /W = { (0,
\ y) | y R }.
Observatia 2.12 Trecerea de la R2 la R2 /W se realizeaza ignorand coordonata
x, adica identificand vectorii (x, y) din R2 cu acelasi y.
Teorema 2.37 Daca W este subspatiu vectorial al lui V atunci
atunci
atunci
k+1 vk+1 + k+2 vk+2 + ... + n vn W
si deci exista 1 , 2 , ... , k K astfel ncat
Aplicatii liniare
Definitia 3.1 Fie V si W spatii vectoriale peste acelasi corp K (unde K = R sau
K = C). O aplicatie
A : V W : x 7 Ax
este numita aplicatie liniara (sau aplicatie K-liniara, sau transformare liniara)
daca
A(x + y) = Ax + Ay, x, y V, , K.
A : V V
n loc de aplicatie liniara se mai utilizeaza termenul de operator liniar. Vom nota
cu L(V ) multimea operatorilor liniari definiti pe V , adica
L(V ) = L(V, V ).
51
52 Elemente de algebra liniara
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
R : R2 R2 : (x, y) 7 (x0 , y 0 )
adica
R (x, y) = (x cos y sin , x sin + y cos ).
V = { a0 x2 + a1 x + a2 | a0 , a1 , a2 R }
Exercitiul 3.6 Aplicatia rezultata n urma compunerii a doua aplicatii liniare este
o aplicatie liniara.
Ker A = { x V | Ax = 0 }
Im A = { Ax | x V }
Demonstratie. Avem
)
x, y KerA
= A(x + y) = Ax + Ay = 0 = x + y Ker A.
, K
ceea ce arata ca v + w Im A.
Ker A = { x V | Ax = 0 }
Im A = { Ax | x V }
imaginea lui A.
rezulta
A(k+1 vk+1 + k+2 vk+2 + + n vn ) = 0
ceea ce arata ca k+1 vk+1 + k+2 vk+2 + + n vn Ker A. Sistemul de vectori B0
fiind o baza in Ker A, rezulta ca exista 1 , 2 , ..., k K astfel incat
adica
1 = 2 = = k = k+1 = k+2 = = n = 0
Rezolvare. Avem
x1 + x2 + x3 =0
x1 x3 =0
Ker A = (x1 , x2 , x3 ) = { (1, 2, 1) | R }
2x1 + x2 =0
x2 2x3 =0
Rezulta ca {(1, 2, 1)} este baza n Ker A. Completam aceasta baza pana la baza
{(1, 2, 1), (0, 1, 0), (0, 0, 1)} a lui R3 . Din demonstratia teoremei precedente rezulta
56 Elemente de algebra liniara
ca {A(0, 1, 0), A(0, 0, 1)} = {(1, 0, 1, 1), (1, 1, 0, 2)} este baza a subspatiului vec-
torial Im A.
P : R2 R2 , A(x1 , x2 ) = (x1 , 0)
Ax = Ay = Ax Ay = 0 = A(x y) = 0 = x y = 0 = x = y.
Exercitiul 3.9 Daca A : V W este o aplicatie liniara injectiva atunci {v1 , v2 , ..., vn }
este sistem de vectori liniar independenti n V daca si numai daca {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenti n W .
A(1 v1 + 2 v2 + ... + n vn ) = 0
Aplicatii liniare 57
conduce la relatia
1 v1 + 2 v2 + ... + n vn = 0
din care rezulta 1 = 2 = ... = n = 0. Invers, presupunand ca {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenti, relatia
1 v1 + 2 v2 + ... + n vn = 0
implica
1 Av1 + 2 Av2 + ... + n Avn = 0
Propozitia 3.6 Inversa unei aplicatii liniare bijective este o aplicatie liniara.
si prin urmare A1 (x + y) = A1 x + A1 y.
Teorema 3.9 Doua spatii vectoriale (finit dimensionale) peste acelasi corp K sunt
izomorfe daca si numai daca au aceeasi dimensiune
rezulta ca dim V =dim W . Invers, daca dim V =dim W = n alegand o baza {v1 , v2 , ..., vn }
n V si o baza {w1 , w2 , ..., wn } n W putem defini izomorfismul liniar
A : V W, A(1 v1 + 2 v2 + + n vn ) = 1 w1 + 2 w2 + + n wn .
Teorema 3.10 Daca V este un spatiu vectorial peste K atunci orice baza B =
{v1 , v2 , ..., vn } a lui V (cu ordinea vectorilor fixata) defineste izomorfismul
A : V Kn , A(1 v1 + 2 v2 + + n vn ) = (1 , 2 , , n )
V = { : V K | (x + y) = (x) + (y), x, y V, , K }
+ : V K
V V V : (, ) 7 + unde
( + )(x) = (x) + (x)
Aplicatii liniare 59
si nmultire cu scalari
: V K
K V V : (, ) 7 unde
()(x) = (x)
Demonstratie. Relatiile
( + )(x + y) = (x + y) + (x + y)
= (x) + (y) + (x) + (y) = ( + )(x) + ( + )(y)
si
arata ca operatiile de adunare si nmultire cu scalari sunt bine definite. Din relatia
( + ) + = + ( + )
+ = + .
: V K, ()(x) = (x)
( + ) = + , () = (), 1 = .
Notatie. Pentru a simplifica scrierea unor expresii vom utiliza uneori indici superiori
pentru a indexa coordonatele vectorilor. Dezvoltarea
x = x1 e1 + x2 e2 + + xn en
x = xi e i
dim V = dim V.
1 e1 + 2 e2 + + n en = 0
adica
(1 e1 + 2 e2 + + n en )(x) = 0, x V
oricare ar fi x V , adica
= 1 e1 + 2 e2 + + n en = i ei .
3.5 Tensori
Fie V un spatiu vectorial peste corpul K si fie doua baze ale lui V
si
B = {e1 , e2 , ..., en }
x = xi ei = x0j e0j
si am aratat ca
xi = ei (x), x0j = e0j (x).
= i ei = 0j e0j
si
i = (ei ), 0j = (e0j ).
62 Elemente de algebra liniara
e01 = 11 e1 + 12 e2 + + 1n en = 1i ei
e02 = 21 e1 + 22 e2 + + 2n en = 2i ei
.......................................................
e0n = n1 e1 + n2 e2 + + nn en = ni ei
se scriu comprimat
e0i = ij ej
11 21 n1
2
1 22 n2
S= .
1n 2n nn
11 21 n1
2
1 22 n2
S 1 =
1n 2n nn
jk ki = ji , ij jk = ik . (3.1)
Aplicatii liniare 63
rezulta
xj = ij x0i
adica
x0k = jk xj .
Deoarece x0k = e0k (x) si xj = ej (x) relatia anterioara se poate scrie sub forma
sau
e0k (x) = (jk ej )(x).
e0k = jk ej.
Observatia 3.3 Coordonatele noi x0i ale unui vector x V se exprima cu ajutorul
coordonatelor vechi xj prin formula x0i = ji xj similara cu formula e0i = ji ej de
schimbare a bazei duale. Formula 0i = ij j este similara cu e0i = ij ej .
64 Elemente de algebra liniara
x0i = ji xj .
0i = ij j .
Definitia 3.15 Prin tensor de tip (p, q) (adica, tensor de p ori contravariant si
de q ori covariant) se ntelege un obiect matematic T descris n raport cu fiecare
i i ...i
baza B a lui V prin coordonatele Tj11j22...jpq si care la o schimbare de baza e0i = ij ej
se schimba dupa formula
i i ...i i m
T 0 j11 j22 ...jpq = ki11 ki22 kpp jm1 1 jm2 2 jq q Tm
k1 k2 ...kp
1 m2 ...mq
.
Observatia 3.5 Elementele spatiului vectorial V sunt tensori de tip (1, 0), iar ele-
mentele lui V sunt tensori de tip (0, 1).
Observatia 3.6 Un tensor de tip (1, 1) este descris prin coordonatele Tji care la
schimbarea bazei se schimba dupa formula
i
T 0 j = ki jm Tm
k
.
Tij0 = ik jm Tkm .
i i ...i i i ...i
Propozitia 3.16 (Suma a doi tensori). Daca Aj11 j22 ...jpq si Bj11 j22 ...jpq sunt coordonatele
a doi tensori A si B de tip (p, q) atunci
i i i
T 0 j = A0 j + B 0 j = ki jm Akm + ki jm Bm
k
= ki jm (Akm + Bm
k
) = ki jm Tm
k
.
i i ...i
Propozitia 3.17 (Inmultirea unui tensor cu un scalar). Daca K si Aj11 j22 ...jpq
sunt coordonatele unui tensor A de tip (p, q) atunci
i i ...i i i ...i
Tj11j22...jpq = Aj11 j22 ...jpq
i i ...i i i ...i
(A)j11 j22 ...jpq = Aj11 j22 ...jpq .
i i
T 0 j = A0 j = ki jm Akm = ki jm Tm
k
.
Propozitia 3.18 ( Produsul tensorial a doi tensori, ntr-un caz particular). Daca
Aijk sunt coordonatele unui tensor A de tip (1, 2) si Bm
l sunt coordonatele unui tensor
(A B)iljkm = Aijk Bm
l
.
Demonstratie. Avem
il i l
T 0 jkm = A0 jk B 0 m = ai jb kc Aabc rl m
s
Bsr = ai rl jb kc m
s ar
Tbcs .
66 Elemente de algebra liniara
(x y)ij = xi y j .
Propozitia 3.19 ( Contractia unui tensor, ntr-un caz particular). Fie Aij
klm coor-
donatele unui tensor A de tip (2, 3). Numerele
n
j
Aij
X
Tkm = kim
i=1
sunt coordonatele unui tensor de tip (1, 2) obtinut prin contractia lui A n raport cu
primul indice de contravarianta si al doilea indice de covarianta.
Demonstratie. Avem
T 0 jkm = 0 ij
Pn
i=1 A kim
P
=
Pn i j c d r ab n i d bj kc m
r Aab = d j c r Aab
i=1 a b k i m Acdr = i=1 a i cdr a b k m cdr
P
= bj kc m
r d Aab j c r
a cdr = b k m
n ab
a=1 Acar = bj kc m
r Tb .
cr
= x i i
Rezolvare. Avem
i
T 0 j = ji = ki jk = ki jm m
k
= ki jm Tm
k
.
Propozitia 3.20 Orice operator liniar A : V V este un tensor de tip (1, 1) ale
carui coordonate ntr-o baza B = {e1 , e2 , ..., en } sunt coeficientii Aji din dezvoltarea
Aei = Aji ej .
j
A(ik ek ) = A0 i jm em
j
ik Aek = jm A0 i em
conduce la
m 0 j
ik Am
k em = j A i em
adica
m 0 j
ik Am
k = j A i .
s m 0 j
m ik Am s
k = m j A i
relatie echivalenta cu
s
A0 i = m
s
ik Am
k
s m A0 j = s A0 j = A0 s .
deoarece m j i j i i
68 Elemente de algebra liniara
oricare ar fi x, y, z V si , K.
Demonstratie. Avem
0
gij = g(e0i , e0j ) = g(ik ek , jm em ) = ik jm g(ek , em ) = ik jm gkm .
g( + , x) = g(, x) + g(, x)
oricare ar fi , V , x, y V si , K.
Demonstratie. Avem
i i
g 0 j = g(e0 , e0j ) = g(ki ek , jm em ) = ki jm g(ek , em ) = ki jm gm
k
.
Propozitia 3.25 Orice tensor de tip (1, 1) poate fi identificat cu o aplicatie biliniara
g : V V K.
Demonstratie. Folosind coordonatele Tji ale tensorului T de tip (1, 1) ntr-o baza
fixata B = {e1 , e2 , ..., en } cu duala B = {e1 , e2 , ..., en } definim aplicatia biliniara
g(0k e0 k , x0 m e0m ) = T 0 km 0k x0 m = ak m
b T a i m xj
b k i j
= ai jb Tba i xj = Tji i xj .
Observatia 3.10 Rezultatele prezentate mai sus pot fi generalizate n mod natural.
Orice aplicatie (p + q)-liniara
T :V
|
V {z
V } V
|
V
{z
V} K
p ori q ori
este un tensor de tip (p, q) ale carui coordonate ntr-o baza B = {e1 , e2 , ..., en } cu
duala B = {e1 , e2 , ..., en } sunt
i i ...i
Tj11j22...jpq = T (ei1 , ei2 , ..., eip , ej1 , ej2 , ..., ejq )
V K : 7 (x)
A : V W
aplicatie liniara
rezulta ca
n n n n n n
!
X X X X X X
Ax = A xi vi = xi Avi = xi aji wj = aji xi wj
i=1 i=1 i=1 j=1 i=1 j=1
x = x1 v1 + x2 v2 + + xn vn , y = Ax = y1 w1 + y2 w2 + + yk wk
n raport cu bazele
{v1 = (1, 1), v2 = (1, 1)}
n R2 si
{w1 = (1, 0, 0), w2 = (0, 1, 0), w3 = (0, 0, 1)}
n R3 .
1 5
A=
3 1
.
0 2
72 Elemente de algebra liniara
BA : U W, (BA)x = B(Ax)
n1 n2 nn
matricea de trecere de la B la B 0 si fie
a11 a12 a1n
a21
a22 a2n
n
X
A= unde Aei = aki ek
k=1
si
a011 a012 a01n
0
0
a21 a022 a02n n
Ae0i aki e0k
X
A = unde =
k=1
rezulta n n
kj a0ji =
X X
akj ji
j=1 j=1
Av = v.
V = {x V | Ax = x}
Demonstratie. Avem
x, y V
)
= A(x + y) = Ax + Ay = x + y = (x + y).
, K
74 Elemente de algebra liniara
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
adica
(x2 + x3 , x1 + x3 , x1 + x2 ) = (x1 , x2 , x3 )
x2 + x3 = x1
x1 + x3 = x2
x1 + x2 = x3
adica
x1 + x2 + x3 = 0
x1 x2 + x3 = 0
x1 + x2 x3 = 0
admite si alte solutii n afara de (x1 , x2 , x3 ) = (0, 0, 0). Stim ca acest lucru se
ntampla daca si numai daca este astfel incat
1 1
1 1 =0 (3.2)
1 1
adica
3 3 2 = 0
Aplicatii liniare 75
= { (x1 , x2 , x3 ) | x1 + x2 + x3 = 0 } = { (, , ) | , R }
= { (1, 0, 1) + (0, 1, 1) | , R }
si
V2 = { x R3 | Ax = 2x } = {(x1 , x2 , x3 ) | x1 = x2 = x3 } = {(1, 1, 1) | R }.
Observatia 3.15 In raport cu baza canonica {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, matricea
lui A este
0 1 1
1 0 1
A=
1 1 0
iar ecuatia (3.2) s-a obtinut scazand din fiecare element situat pe diagonala prin-
cipala. Ecuatia (3.2) se mai poate scrie
det(A I) = 0
unde
1 0 0
0 1 0
I=
0 0 1
este matricea unitate.
Propozitia 3.30 Polinomul (numit polinomul caracteristic)
a a12 a1n
11
a21
a22 a2n
P () = det(A I) =
ann
an1 an2
asociat unui operator liniar A : V V folosind matricea ntr-o baza fixata nu
depinde de baza aleasa.
76 Elemente de algebra liniara
Demonstratie. Avem
(urma operatorului) si det A definiti cu ajutorul unei baze nu depind de baza aleasa.
...................................................
a x + a x + + (a )x = 0
n1 1 n2 2 nn n
are si alte solutii n afara de (0, 0, ..., 0), ceea ce are loc daca si numai daca
a a12 a1n
11
a21
a22 a2n
= 0.
ann
an1 an2
In cazul n care V este spatiu vectorial real numai radacinile reale ale polinomului
caracteristic sunt valori proprii ale lui A.
Aplicatii liniare 77
A(W ) W
adica daca
w W = Aw W.
Propozitia 3.33 Subspatiile proprii ale unui operator liniar sunt subspatii invari-
ante.
subspatiile
W1 = { (0, 0, z) | z R } (axa Oz)
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
V1 = { (1, 0, 1) + (0, 1, 1) | , R }
si
V2 = {(1, 1, 1) | R }.
1 0 0
0
A= 1 0
.
0 0 2
Demonstratie. Daca B = {v1 , v2 , ..., vn } este o baza a lui V formata din vectori
proprii ai lui A
Avi = i vi
(unele dintre numerele 1 , 2 , ..., n putand fi egale) atunci matricea lui A n aceasta
baza este
1 0 0 0 0
0
2 0 0 0
A= 0 0 3 0 0 .
0 0 0 0 n
Invers, daca matricea lui A n raport cu o baza B = {w1 , w2 , ..., wn } are forma
diagonala
1 0 0 0 0
0
2 0 0 0
A= 0 0 3 0 0
0 0 0 0 n
atunci
Awi = i wi
oricare ar fi i {1, 2, ..., n}. Deoarece o baza nu poate contine vectorul nul rezulta
ca w1 , w2 , ..., wn sunt vectori proprii ai lui A si 1 , 2 , ..., n valorile proprii core-
spunzatoare.
80 Elemente de algebra liniara
Rezolvare. Este suficient sa aratam ca nu exista o baza a lui R2 formata din vectori
proprii ai lui A. In raport cu baza canonica {e1 = (1, 0), e2 = (0, 1)} matricea lui A
este !
2 1
A= .
0 2
Polinomul caracteristic
2 1
P () = = (2 )2
0 2
ceea ce arata ca toti vectorii proprii ai lui A sunt de forma (1, 0). Nu exista doi
vectori proprii liniar independenti care sa formeze o baza a lui R2 .
Observatia 3.17 Studiul unui operator liniar devine mai usor de realizat prin uti-
lizarea unei baze n raport cu care matricea lui este diagonala. O astfel de baza nu
exista n toate cazurile.
Aplicatii liniare 81
Observatia 3.18 Daca exista o baza n raport cu care matricea lui A este diagonala
1 0 0 0 0
0
2 0 0 0
A= 0 0 3 0 0
0 0 0 0 n
sunt 1 , 2 , ..., n , si apartin toate lui K (numarul lor, tinand seama de multiplicitati
este dim V ).
Avi = i vi
1 v1 + 2 v2 + 3 v3 = 0 (3.3)
rezulta
A(1 v1 + 2 v2 + 3 v3 ) = 0
82 Elemente de algebra liniara
adica relatia
1 Av1 + 2 Av2 + 3 Av3 = 0
1 (1 3 )1 v1 + 2 (2 3 )2 v2 = 0. (3.6)
1 (1 3 )(1 2 )v1 = 0.
si {w1 , w2 , w3 } baza n
V2 = { x V | Ax = 2 x }.
Aplicatii liniare 83
1 v1 + 2 v2 + 3 w1 + 4 w2 + 5 w3 = 0. (3.7)
Aplicand A obtinem
1 (1 v1 + 2 v2 ) + 2 (3 w1 + 4 w2 + 5 w3 ) = 0.
(1 2 )(1 v1 + 2 v2 ) = 0
B = {e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ... , en = (0, 0, ..., 0, 1)}
a operatorului liniar
x1 a11 a12 a1n x1
x2
a21
a22 a2n
x2
A : Kn Kn , A = .
..
. .. .. .. ..
. .. . . . .
xn an1 an2 ann xn
Definitia 3.39 Prin valoare proprie a unei matrice (respectiv vector propriu
al unei matrice) A Mnn (K) se ntelege o valoare proprie (respectiv vector
propriu) al operatorului liniar asociat A : Kn Kn .
Definitia 3.40 Spunem ca matricea A Mnn (K) este diagonalizabila daca op-
eratorului liniar asociat A : Kn Kn este diagonalizabil.
84
Capitolul 4
Definitia 4.1 Fie V un spatiu vectorial real (adica K = R). Prin produs scalar
pe V se intelege o aplicatie
h, i : V V R
astfel incat
a) hx + y, zi = hx, zi + hy, zi, x, y V si , R
b) hx, yi = hy, xi, x, y V
c) hx, xi 0, x V si
hx, xi = 0 daca si numai daca x = 0.
Un spatiu vectorial real considerat mpreuna cu un produs scalar fixat este numit
spatiu vectorial euclidian real.
Definitia 4.2 Fie V un spatiu vectorial complex (adica K = C). Prin produs
scalar pe V se intelege o aplicatie
h, i : V V C
astfel incat
a) hx + y, zi = hx, zi + hy, zi, x, y V si , C
b) hx, yi = hy, xi, x, y V
85
86 Elemente de algebra liniara
c) hx, xi 0, x V si
hx, xi = 0 daca si numai daca x = 0.
Un spatiu vectorial complex considerat mpreuna cu un produs scalar fixat este numit
spatiu vectorial euclidian complex.
Intr-adevar,
hx + y, x + yi 0, K
adica
hx, xi + hy, xi + hx, yi + hy, yi 0, K.
Alegand
hx, yi
=
hy, yi
Spatii vectoriale euclidiene 87
relatia devine
|hx, yi|2 |hx, yi|2 |hx, yi|2
hx, xi + 0.
hy, yi hy, yi hy, yi
adica hx, xi hy, yi |hx, yi|2 .
astfel ncat
a) ||x|| 0, x V si
||x|| = 0 daca si numai daca x=0
b) ||x + y|| ||x|| + ||y||, x, y V
c) ||x|| = || ||x||, x V si K.
este o norma pe V .
Demonstratie. Avem
p
||x|| = hx, xi 0 si ||x|| = 0 x = 0
p p
||x|| = hx, xi = hx, xi = || ||x||
||x + y||2 = hx + y, x + yi
= (||x|| + ||y||)2
88 Elemente de algebra liniara
deoarece
p
|Re(a + ib)| = |a| = a2 a2 + b2 = |a + ib|
p
si conform inegalitatii Cauchy |hx, yi| hx, xi hy, yi = ||x|| ||y||.
se poate scrie
|hx, yi| ||x|| ||y||.
|hx, yi|
0 1
||x|| ||y||
hx, yi
1 1.
||x|| ||y||
hx, yi
cos =
||x|| ||y||
hx, yi = 0.
Definitia 4.8 Spunem ca {v1 , v2 , ..., vk } V este un sistem ortogonal (sau sis-
tem de vectori ortogonali) daca
hvi , vj i = 0
Propozitia 4.9 Orice sistem de vectori ortogonali nenuli este un sistem liniar in-
dependent.
1 v1 + 2 v2 + + k vk = 0
rezulta ca
0 = h1 v1 + 2 v2 + + k vk , v1 i
= 1 ||v1 ||2 + 2 0 + + k 0.
Deoarece v1 6= 0 se obtine 1 = 0. Similar se arata ca 2 = 0, ... , k = 0.
3
X
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x j yj .
j=1
90 Elemente de algebra liniara
Rezolvare. Avem
hv1 , v2 i = h(1, 1, 0), (1, 1, 0)i = 1 1 + 1 (1) + 0 0 = 0
(x u) u
obtinem relatia
hx u, ui = 0
hx,ui
care conduce la = hu,ui .
||u|| = 1
Pu x = hx, ui u.
Spatii vectoriale euclidiene 91
..........................................................
este un sistem ortogonal astfel incat
v2 hv2 ,e1 i e1
e2 = ||v2 hv2 ,e1 i e1 ||
..........................................................
este un sistem ortonormat astfel incat
Observatia 4.4 Un sistem ortonormat {e1 , e2 , ... , ek } este format din vectori uni-
tari q
||ej || = hej , ej i = 1
si ortogonali.
hei , ej i = ij
n
X
hx, yi = hx, ei i hei , yi, x, y V
i=1
v
u n
uX
||x|| = t |hx, ei i|2 , x V.
i=1
si avem * n n n
+
X X X
hx, ek i = xi e i , e k = xi hei , ek i = xi ik = xk
i=1 i=1 i=1
* n + n
X X
hx, yi = hx, ei iei , y = hx, ei i hei , yi
i=1 i=1
n
X n
X
||x||2 = hx, xi = hx, ei i hei , xi = |hx, ei i|2 .
i=1 i=1
Spatii vectoriale euclidiene 93
V = { x = (x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0 }.
Rezolvare. Deoarece
M = { v V | v x, x M }
si prin urmare v + w M .
Rezolvare. Avem
= { (2x2 3x3 , x2 , x3 ) | x2 , x3 R }
= { x2 (2, 1, 0) + x3 (3, 0, 1) | x2 , x3 R }.
V = W W .
atunci x = y.
hx y, vi = 0, v V.
Spatii vectoriale euclidiene 95
hx y, x yi = 0
adica
||x y||2 = 0
relatie care conduce la x = y.
Propozitia 4.19 Daca A : V V este un operator liniar atunci exista un oper-
ator liniar A : V V unic determinat astfel incat
Pn Pn
= i=1 hx, hy, ei iAei i = hx, A ( i=1 hy, ei iei )i = hx, Ayi.
Presupunand ca B : V V este un alt operator liniar astfel ncat
hA x, yi = hBx, yi, y V
A + B : V V, (A + B)x = Ax + Bx
A : V V, (A)x = Ax
AB : V V, (AB)x = A(Bx)
Demonstratie. Avem
= (A + B)x + (A + B)y
= (AB)x + (AB)y.
Avem
h(A + B) x, yi = hx, (A + B)yi = hx, Ayi + hx, Byi
= hA x, yi + hB x, yi = h(A + B )x, yi
adica pentru orice x V
(A) x = (A )x, x V
Demonstratie. Fie
avem n n
A ej = hA ej , ei iei
X X
Aej = hAej , ei iei , (4.7)
i=1 i=1
98 Elemente de algebra liniara
ceea ce conduce la
AB A(V ) AB = BA
adica daca
aij = aji , i, j {1, 2, ..., n}.
In cazul x = y = v relatia
hAx, yi = hx, Ayi (4.9)
hv, vi = hv, vi
hv, vi = hv, vi
||v||2 = ||v||2
= .
100 Elemente de algebra liniara
Av1 = 1 v1 , Av2 = 2 v2 .
h1 v1 , v2 i = hv1 , 2 v2 i
1 hv1 , v2 i = 2 hv1 , v2 i
(1 2 )hv1 , v2 i = 0
hv1 , v2 i = 0.
Propozitia 4.28 In cazul unui operator autoadjunct radacinile polinomului carac-
teristic sunt reale.
Demonstratie. Fie A A(V ),
a11 a12 a1n
a21 a22 a2n
A=
an1 an2 ann
matricea lui A n raport cu o baza ortonormata si fie 1 C o radacina a polinomului
caracteristic
a11 1 a12 a1n
a21 a22 1 a2n
= 0.
an1 an2 ann 1
In aceste conditii sistemul de ecuatii
(a11 1 )x1 + a12 x2 + + a1n xn = 0
a x + (a )x + + a x = 0
21 1 22 1 2 2n n
..................................................
an1 x1 + an2 x2 + + (ann 1 )xn = 0
admite n Cn o solutie (x1 , x2 , ..., xn ) 6= (0, 0, ..., 0). Adunand ecuatiile sistemului
nmultite respectiv cu x1 , x2 , ..., xn obtinem relatia
n
X n
X
ajk xk xj = 1 xj xj .
j,k=1 j=1
Spatii vectoriale euclidiene 101
Observatia 4.5 Valorile proprii ale unui operator liniar A : V V sunt radacinile
polinomului caracteristic care apartin corpului K peste care este considerat V . In
particular, rezultatul anterior ne arata ca orice operator autoadjunct admite cel
putin o valoare proprie, indiferent daca K = R sau K = C. Vom arata n continuare
ca orice operator autoadjunct este diagonalizabil.
Av1 = 1 v1 .
v1
Vectorul unitar e1 = ||v1 || este si el vector propriu corespunzator valorii proprii 1
v1 1
Ae1 = A = Av1 = 1 e1 .
||v1 || ||v1 ||
W = {e1 } = { x V | hx, e1 i = 0 }
Relatia
hAx, yi = hx, Ayi
102 Elemente de algebra liniara
A|W : W W
verifica relatia
hA|W x, yi = hx, A|W yi
oricare ar fi x, y W , adica este un operator autoadjunct. Conform ipotezei de
inductie exista o baza ortonormata {e2 , e3 , ..., en } a lui W n raport cu care matricea
lui A|W este diagonala
2 0 0
0 3 0
A|W =
0 0 n
Ax = 0 = ||x|| = ||Ax|| = 0 = x = 0.
I : V V : x 7 x
exista o structura naturala de grup (numit grupul transformarilor unitare ale lui V ).
A A = I, A A = I, A1 = A .
Definitia 4.34 Matricea A Mnn (C) este numita matrice unitara daca
A A = I
Teorema 4.35 Matricea de trecere ntre doua baze ortonormate este o matrice uni-
tara.
Demonstratie. Fie {e1 , e2 , ..., en } si {e01 , e02 , ..., e0n } doua baze ortonormate si fie
11 12 1n 11 21 n1
21 22 2n 12 22 n2
S= , S =
n1 n2 nn 1n 2n nn
Avem
Pn Pn Pn Pn
ij = he0i , e0j i = h k=1 ki ek , m=1 mj em i = k=1 m=1 ki mj hek , em i
Pn Pn Pn
= k=1 m=1 ki mj km = k=1 ki kj
relatie echivalenta cu S S = I.
Pn Pn Pn Pn
= k=1 m=1 aki amj hek , em i = k=1 aki akj = k=1 ajk aki .
k=1
Pn Pn Pn
= i=1 j=1 xi yj ij = i=1 xi yi = hx, yi.
106 Elemente de algebra liniara
In cazul x = y = v relatia
hAx, Ayi = hx, yi (4.10)
hv, vi = hv, vi
hv, vi = hv, vi
|| = 1.
Av1 = 1 v1 , Av2 = 2 v2 .
h1 v1 , 2 v2 i = hv1 , v2 i
1 2 hv1 , v2 i = hv1 , v2 i
1
2 hv1 , v2 i = hv1 , v2 i
(1 2 )hv1 , v2 i = 0
hv1 , v2 i = 0.
v1 1
Ae1 = A = Av1 = 1 e1 .
||v1 || ||v1 ||
W = {e1 } = { x V | hx, e1 i = 0 }
Relatia
hAx, Ayi = hx, yi
A|W : W W
verifica relatia
hA|W x, A|W yi = hx, yi
0 0 n
108 Elemente de algebra liniara
A tA = I, t
A A = I, A1 = tA.
Definitia 4.44 Matricea A Mnn (C) este numita matrice ortogonala daca
t
A A=I
Observatia 4.9 Daca A este o matrice ortogonala atunci detA {1, 1}.
Teorema 4.45 Matricea de trecere ntre doua baze ortonormate ale unui spatiu
vectorial euclidean real este o matrice ortogonala.
2x + 2y z x + 2y + 2z 2x y + 2z
3 3
A : R R , A(x, y, z) = , ,
3 3 3
Forme patratice
g : V V K
astfel ncat
g(x + y, z) = g(x, z) + g(y, z)
x, y, z V, , K.
g(x, y + z) = g(x, y) + g(x, z)
111
112 Elemente de algebra liniara
G 0 = t S G S. (5.1)
Pn
Demonstratie. Fie B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }, e0i = j=1 ji ej , adica
11 12 1n
21 22 2n
S=
n1 n2 nn
0 = g(e0 , e0 ). Avem
si fie gij = g(ei , ej ), gij i j
0 Pn Pn
gij = g(e0i , e0j ) = g ( k=1 ki ek , m=1 mj em )
Pn Pn Pn Pn
= k=1 m=1 ki mj g(ek , em ) = k=1 m=1 ki gkm mj
g : V V K
g : V V K
astfel ncat
Q(x) = g(x, x), x V.
Definitia 5.7 Prin definitie, matricea unei forme patratice n raport cu o baza
este matricea formei biliniare simetrice asociate n raport cu acea baza.
g : R3 R3 R,
g((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 + 3 x2 y2 + x3 y3
x1 y2 x2 y1 2x1 y3 2x3 y1
Observatia 5.4 Matricea unei forme patratice depinde de baza aleasa. In aplicatii
este avantajoasa utilizarea unei baze n raport cu care expresia n coordonate a
formei patratice sa fie cat mai simpla.
0 0 n
adica, expresia n coordonate a formei Q n raport cu acesta baza este de forma
Teorema 5.9 (Gauss) Orice forma patratica poate fi redusa la forma canonica,
adica, pentru orice forma patratica Q : V K exista o baza n raport cu care
expresia lui Q are forma Q(x) = 1 x21 + 2 x22 + + n x2n .
Rezolvare. Deoarece
care ne sugereaza necesitatea de a cauta o baza B 0 = {e01 , e02 , e03 } astfel ncat coordo-
natele x01 , x02 , x03 n raport cu baza cautata B 0 sa se exprime cu ajutorul coordonatelor
x1 , x2 , x3 n raport cu baza canonica B prin relatiile
0
x1 = x1 x2 2x3
2x0 = x x3
2 (5.2)
x0 = x
3 3
P3 P3 P3
de trecere de la B la B 0 . Relatiile e0j = i=1 ij ei si x = i=1 xi ei =
0 0
j=1 xj ej conduc
la relatia
3 3 3 3 3 3
x0j e0j = x0j ij x0j ei
X X X X X X
xi ei = ij ei =
i=1 j=1 j=1 i=1 i=1 j=1
echivalenta cu
0 0 0
x1 = 11 x1 + 12 x2 + 13 x3
2 x = x0 + x0 + x0
21 1 22 2 23 3
x = x0 + x0 + x0 .
1 31 1 32 2 33 3
Se obtine
1 1 3
S= 0 1 1
0 0 1
ceea ce conduce la B 0 = {e01 = (1, 0, 0), e02 = (1, 1, 0), e03 = (3, 1, 1)}. In raport cu
aceasta baza Q are forma canonica
2 2 2
Q(x) = x01 + 2x02 5x03 .
Q : R3 R, Q(x1 , x2 , x3 ) = x1 x2 + x1 x3 + x2 x3
care conduce la
2 2
Q(x) = x01 x02 + 2x01 x03
Forme patratice 117
2 2 2 2 2
Q(x) = (x01 + x03 )2 x02 x03 = x001 x002 x003
unde
00 0 0
x1 = x1 + x3
2x00 = x0
2
x00 = x0 .
3 3
00 00 00
x1 = x1 + x2 x3
x2 = x001 x002 x003
x = x00
3 3
rezulta ca matricea de trecere ntre baza initiala {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)} si baza finala B 00 = {e001 , e002 , e003 } este
1 1 1
S = 1 1 1
0 0 1
ceea ce conduce la B 00 = {e001 = (1, 1, 0), e002 = (1, 1, 0), e003 = (1, 1, 1)}. In raport
cu aceasta baza Q are forma canonica
2 2 2
Q(x) = x001 x002 x003 .
g11 g12 g1n
g21 g22 g2n
gn1 gn2 gnn
118 Elemente de algebra liniara
1 = g11 6= 0
g g12
2 = 11 6= 0
g21 g22
...................................
g11 g12 g1n
g21 g22 g2n
n = 6= 0
gn1 gn2 gnn
e01 = 11 e1
e02 = 12 e1 + 22 e2
........................
e0n = 1n e1 + 2n e2 + + nn en
g(e0j , e1 ) = 0
0
g(ej , e2 ) = 0
......................
g(e0j , ej1 ) = 0
g(e0j , ej ) = 1
adica
g11 1j + g21 2j + + gj1 jj = 0
.............................................................
g1j1 1j +g2j1 2j + +gjj1 jj = 0 (5.3)
g1j 1j + g2j 2j + + gjj jj = 1
Forme patratice 119
j1
jj =
j
si
0
gjj = g(e0j , e0j ) = g(e0j , 1k e1 + 2k e2 + + jj ej )
j1
= 1j g(e0j , e1 )+2j g(e0j , e2 )+ +j1j g(e0j , ej1 )+jj g(e0j , ej ) = jj = j .
Q : V R
A0 = S 1 GS.
G 0 = t SGS.
Deoarece matricea de trecere ntre doua baze ortonormate este o matrice ortogonala
avem S 1 = t S si
1 0 0
0 2 0
G 0 = t SGS = S 1 GS = A0 = .
0 0 n
Capitolul 6
Conice
Definitia 6.1 Prin conica se ntelege multimea solutiilor unei ecuatii de forma
avand cel putin unul dintre coeficientii a11 , a12 , a22 nenul.
121
122 Elemente de algebra liniara
iar parametrii
a a12 a13
a a12 11
I = a11 + a22 , = 11 , = a12 a22 a23
a12 a22
a13 a23 a33
Demonstratie. Relatia
utilizand notatiile
! ! !
x a13 a11 a12
X= , B= , A= .
y a23 a12 a22
Relatia (
x = x0 + x0 cos y 0 sin
y = y0 + x0 sin + y 0 cos
se poate scrie sub forma
x cos sin x0 x0
0
y = sin cos y0 y
1 0 0 1 1
sau ! ! !
X R T X0
=
1 0 1 1
124 Elemente de algebra liniara
utilizand notatiile
! ! !
0 x0 x0 cos sin
X = , T = , R= .
y0 y0 sin cos
Din relatia
! !
A B X
f (x, y) = ( tX 1) tB a
33 1
! ! ! !
tR 0 A B R T X0
= ( tX 0 1) tT tB a
1 33 0 1 1
! !
A0 B 0 X0
= ( tX 0 1) t B 0 a0
33 1
si A0 = t RAR, adica
! ! ! !
a011 a012 cos sin a11 a12 cos sin
=
a012 a022 sin cos a12 a22 sin cos
polinomul
se transforma n
Definitia 6.3 Spunem ca punctul (x0 , y0 ) este un centru al conicei (6.1) daca n
raport cu reperul translatat cu (x0 , y0 )
Propozitia 6.4 Punctul (x0 , y0 ) este un centru al conicei (6.1) daca si numai daca
a11 x0 + a12 y0 + a13 = 0
(6.4)
a x +a y +a =0
12 0 22 0 23
Teorema 6.5 a) Daca 6= 0 atunci conica (6.1) are un singur centru si anume
!
1 a a12 1 a a13
13 11
(x0 , y0 ) = , .
a23 a22 a12 a23
2 2
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + = 0.
c) Exista un reper n raport cu care ecuatia conicei este
1 X 2 + 2 Y 2 + =0
unde 1 si 2 sunt radacinile ecuatiei
a a12
11
=0 adica 2 I + = 0.
a12 a22
126 Elemente de algebra liniara
2 2
Q : R2 R, Q(x0 , y 0 ) = a11 x0 + 2 a12 x0 y 0 + a22 y 0
Q : R2 R, Q(X, Y ) = 1 X 2 + 2 Y 2 .
Rotind reperul rezultat n urma translatiei cu (x0 , y0 ) astfel ncat axele sa fie dirijate
de-a lungul vectorilor proprii ai matricei
!
a11 a12
a12 a22
ecuatia conicei devine 1 X 2 + 2 Y 2 + = 0.
Observatia 6.3 Daca = a11 a22 a212 = 0 atunci cel putin unul dintre coeficientii
a11 , a22 este nenul deoarece n caz contrar am avea a11 = a12 = a22 = 0. Vom
analiza cazul a11 6= 0, deoarece cazul a22 6= 0 conduce la rezultate similare.
Conice 127
cu
1
a011 = (a11 cos + a12 sin )2 .
a11
Alegand astfel ncat ctg = aa11 12
rezulta a011 = 0. Avand n vedere invarianta lui
rezulta ca a011 a022 a012 2 = 0, relatie care conduce la a012 = 0.
a) Din relatia
0
0 a013
2
= 0 a022 a023 = a013 a022 = 0
0
a13 a023 a033
2a0
02
a022 y + 0 23 y 0 + 2a013 x0 + a033 = 0
a22
128 Elemente de algebra liniara
2
a0 a0 a0 2
!
a0
a022 0
y + 23 + 2a013 0
x + 22 330 0 23 = 0.
a022 2a13 a22
Efectuand translatia
0 0 0 2
X = x 0 + a22 a33 a23
0 0
2a13 a22
0
Y = y 0 + a23
a022
1 + 2 = I, 1 2 =
Vom prezenta unele aplicatii ale algebrei liniare la rezolvarea ecuatiilor diferentiale
liniare si a sistemelor de ecuatii diferentiale liniare.
F (x, y, y 0 ) = 0 (7.1)
: (a, b) R
129
130 Elemente de algebra liniara
: (a, b) R
astfel ncat
1) (x, (x)) D, x (a, b)
0
2) (x) = f (x, (x)), x (a, b).
y = y(x)
sau
x = x(y)
sau, mai general, sub forma parametrica
(
x = x(t)
y = y(t).
, : (a, b) R
Ecuatii si sisteme de ecuatii diferentiale liniare 131
astfel ncat
1) ((t), (t)) D, t (a, b)
2) P ((t), (t)) (t) + Q((t), (t)) 0 (t) = 0,
0 t (a, b).
f : (a, b) R
: I R, (x) = y0
1
y 0 (x) = f (x)
g(y(x))
adica
y 0 (x) = f (x) g(y(x)).
dy
= f (x) g(y)
dx
sau forma simetrica
f (x) g(y) dx dy = 0.
Forma diferentiala f (x) g(y) dxdy nu este diferentiala totala a unei functii. Inmultind
1
ecuatia anterioara cu factorul integrant g(y) se obtine ecuatia
1
f (x) dx dy = 0 (7.8)
g(y)
1
(f (x)) = .
y x g(y)
dF = 0
unde Z x Z y
1
F (x, y) = f (t)dt dt.
x0 y0 g(t)
Rezulta ca relatia F (x, y) = C, adica
Z x Z y
1
f (u)du dv = C
x0 y0 g(v)
defineste implicit o solutie a ecuatiei (7.6) daca alegem y0 astfel ncat g(y0 ) 6= 0.
Ecuatii si sisteme de ecuatii diferentiale liniare 133
y 0 = f (x) y
dy
y = f (x) dx
R y du Rx
y0 u = x0 f (t) dt
Rx
ln |y| ln |y0 | = x0 f (t) dt
Rx
f (t) dt
y(x) = y0 e x0 .
Propozitia 7.6 Solutia generala a ecuatiei liniare neomogene
y 0 = f (x) y (7.10)
(y+ y)0 (x) = f (x) y(x)+f (x) y(x)+g(x) = f (x) (y+ y)(x)+g(x).
y 0 = f (x) y + g(x)
y 0 = f (x) y + g(x) y
y y 0 = f (x) y 1 + g(x)
1
y = yp +
z
n cazul n care se cunoaste o solutie particulara yp .
unde
a0 , a1 , ..., an , f : I R
: I R
astfel ncat:
1) admite derivate continue pana la ordinul n
2) a0 (x) (n) (x) + a1 (x) (n1) (x) + + an (x) (x) = f (x), x (a, b).
136 Elemente de algebra liniara
a0 , a1 , ..., an , f : I R
admite pentru fiecare (x0 , y00 , y01 , ..., y0n1 ) I Rn o unica solutie
: I R
astfel ncat
unde
d d2 dn
D= , D2 = , ... , Dn =
dx dx2 dxn
ecuatia (7.11) se scrie
Ly = f.
Operatorul linar
L : C n (I) C 0 (I)
unde
C n (I) = { : I R | admite derivate continue pana la ordinul n }
L( + ) = L + L , R, , C n (I).
Ecuatii si sisteme de ecuatii diferentiale liniare 137
V = { : I R | L = 0 }
Ly = 0
L( + ) = L + L = 0
Ly = 0
V = { c1 y1 + c2 y2 + + cn yn | c1 , c2 , ... , cn R }.
Functiile
y1 , y2 , ... , yn : I R
din V formeaza o baza a lui V daca sunt liniar independente, adica daca
1 y1 + 2 y2 + + n yn = 0 = 1 = 2 = = n = 0.
138 Elemente de algebra liniara
y1 , y2 , ... , yn : I R
din V sunt liniar independente daca si numai daca ntr-un punct fixat x0 I avem
y1 (x0 )
y2 (x0 ) yn (x0 )
y 0 (x ) y20 (x0 ) yn0 (x0 )
1 0
6= 0. (7.12)
(n1) (n1) (n1)
y
1 (x0 ) y2 (x0 ) yn (x0 )
Demonstratie. Deoarece
.......................................................
(n1)
Ayn = ( yn (x0 ), yn0 (x0 ), ... , yn (x0 ) )
y1 , y2 , ... , yn : I R
a1 (x)
W 0 (x) = W (x).
a0 (x)
a0 (x) y 00 + a1 (x) y 0 + a2 y = 0
conduce la
a1 (x) 0 a2 (x)
y 00 = y y
a0 (x) a0 (x)
si
y (x) y (x)
1 2
W 0 (x) = dxd
0
y1 (x) y20 (x)
y 0 (x) y 0 (x) y (x) y (x)
1 2 1 2 a (x)
= 0 + = a10 (x) W (x).
y1 (x) y20 (x) y100 (x) y200 (x)
Observatia 7.6 Din relatia (7.13) rezulta ca daca W se anuleaza ntr-un punct din
I atunci se anuleaza n toate punctele.
Ly = f
Ly = 0
Ly = 0 = L(y + y) = f si Ly = f = L(y y) = 0.
140 Elemente de algebra liniara
Ly = 0
Ly = f
............................................
Pn (n1)
y (n1) (x) = k=1 ck (x) yk (x)
Pn (n) f (x)
y (n) (x) = k=1 ck (x) yk (x) + a0 (x) .
Ecuatii si sisteme de ecuatii diferentiale liniare 141
care conduc la
Ly = a0 (x) y (n) + a1 (x) y (n1) + + an1 (x) y 0 + an (x) y
Pn (n) (n1)
= k=1 ck (x) a0 (x) yk +a1 (x) yk + + an1 (x) yk0 +an (x) yk +f (x) = f (x).
Observatia 7.7 Ecuatia (7.15) este un caz particular pentru ecuatia (7.11) si anume
cel n care functiile a0 (x), a1 (x), ... , an (x) sunt functii constante. Ecuatia (7.15) se
poate scrie sub forma
P (D)y = f
unde P este polinomul
ei = cos + i sin
cu proprietatile
D e(+i)x = ( + i) e(+i)x
Re (D erx ) = D( Re erx )
Im (D erx ) = D( Im erx )
y : R C, y(x) = erx
a0 rn + a1 rn1 + + an1 r + an = 0.
avem
P (D) erx = 0 P (r) = 0.
Propozitia 7.20 Daca Q(r) este un polinom si (x) este o functie atunci
oricare ar fi r C.
Ecuatii si sisteme de ecuatii diferentiale liniare 143
Avem
D (erx ) = erx D + rerx = erx (D + r).
Q(D) (erx ) = 0 Dm (erx )+1 Dm1 (erx )+ +m1 D(erx )+m erx
(D r)k y = 0
este
y(x) = c0 erx + c1 x erx + + ck1 xk1 erx .
Dk (erx y) = 0
care implica
erx y(x) = c0 + c1 x + + ck1 xk1
adica
y(x) = c0 erx + c1 x erx + + ck1 xk1 erx .
144 Elemente de algebra liniara
P (D)y = 0
Q(D) (D rj )mj y = 0
si (Drj )mj y = 0 implica P (D)y = 0. Deoarece ec. P (D)y = 0 are coeficienti reali
P (D) (Re y) = Re ( P (D)y ) = 0
P (D)y = 0 =
P (D) (Im y) = Im ( P (D)y ) = 0
si
y : R R, y(x) = Im c0 erj x + c1 x erj x + + cmj 1 xmj 1 erj x
sunt solutii ale ecuatiei P (D)y = 0 oricare ar fi constantele reale c0 , c1 , ... , cmj 1 .
b) y 000 6y 00 + 12y 0 8y = 0
c) y 00 + y 0 + y = 0
d) (D2 D + 1)3 y = 0
y(x) = z(ln x)
y 00 (x) = 1
x2
z 00 (ln x) 1
x2
z 0 (ln x) = e2t ( z 00 (t) z 0 (t) )
y 000 (x) = 1
x3
z 000 (ln x) 3
x3
z 00 (ln x) 2
x3
z 0 (ln x) = e3t ( z 000 (t) 3z 00 (t) + 2z 0 (t) )
146 Elemente de algebra liniara
a0 x3 y 000 + a1 x2 y 00 + a2 x y 0 + a3 y = 0
devine
a0 z 000 + (3a0 + a1 )z 00 + (2a0 a1 + a2 )z 0 + a3 z = 0.
Observatia 7.10 Relatia x = et , echivalenta cu t = ln x, conduce la
d dt d 1 d d
= = = et .
dx dx dt x dt dt
Ecuatia Euler se poate scrie
!
ndn n1 d
n1 d
a0 x + a1 x + + an1 x + an y = 0
dxn dxn1 dx
Observatia 7.11 Sistemul diferential liniar (7.16) se poate scrie sub forma ma-
triceala
Y 0 = A(x)Y + F (x)
utilizand notatiile
a11 (x) a12 (x) a1n (x)
y1 f1 (x)
a21 (x)
a22 (x) a2n (x)
y2
f2 (x)
Y = .. , A(x) =
, F (x) = .. .
.
.
yn fn (x)
an1 (x) an2 (x) ann (x)
aij : I R
unde i, j {1, 2, ..., n}
fi : I R
sunt functii continue atunci oricare ar fi (x0 , y10 , y20 , ..., yn0 ) I Rn exista o unica
solutie Y (x) ncat
y10
0
y20
Y = A(x) Y + F (x) si Y (x0 ) = .. .
.
yn0
Y 0 = A(x) Y
si wronskianul
w = det W.
w(x0 ) 6= 0.
Demonstratie. Deoarece
V Rn : Y 7 Y (x0 )
unde tr A(t) = a11 (t) + a22 (t) + + ann (t) este urma matricei A(t).
Ecuatii si sisteme de ecuatii diferentiale liniare 149
w0 = tr A(x) w.
Observatia 7.13 Din relatia (7.13) rezulta ca daca wronskianul se anuleaza ntr-un
punct x0 I atunci el se anuleaza n toate punctele x I.
Y 0 = A(x) Y + F (x)
Y 0 = A(x) Y
Observatia 7.14 Folosind matricea Wronski W asociata unei baze {Y1 , Y2 , ... , Yn }
a lui V solutia generala
Y = c1 Y1 + c2 Y2 + + cn Yn
150 Elemente de algebra liniara
Y 0 = A(x) Y
Y 0 = A(x) Y + F (x)
Y 0 = A(x) Y + F (x)
verifica relatia
Y 0 = AY
det (A I) = 0.
Y1 (x) = Re w ex , Y2 (x) = Im w ex
Rezolvare. Ecuatia
1 1
=0
1 1
!
1
este v = . Rezulta ca solutia generala a sistemului este
i
( ! ) ( ! )
1 1
Y (x) = c1 Re e(1+i)x + c2 Im e(1+i)x
i i
( ! ) ( ! )
1 1
= c1 Re ex (cos x + i sin x) + c2 Im ex (cos x + i sin x)
i i
! !
cos x sin x
= c1 ex + c2 ex .
sin x cos x
Observatia 7.16 Daca matricea A Mnn (R) este diagonalizabila si {v1 , v2 , ..., vn }
unde
v11 v12 v1n
v21 v22 v2n
v1 =
..
, v2 = ..
, v n = ..
. . .
vn1 vn2 vnn
este o baza a lui Rn formata din vectori proprii ai lui A corespunzatori valorilor
proprii 1 , 2 , ... , n (distincte sau nu) atunci solutia generala a sistemului Y 0 = AY
este
v11 v12 v1n
v21
x
v22
x
v2n
x
Y (x) = c1 .. e 1 + c2 .. e 2 + + cn .. e n .
. . .
vn1 vn2 vnn
Exercitiul 7.3 Sa se determine solutia generala a sistemului
0
y1 = y2 + y3
2 y0 = y + y
1 3
y0 = y + y
3 1 2
Observatia 7.17 Stim ca, n general, o matrice A Mnn (R) nu este diagonal-
izabila. Daca este o radacina reala (respectiv, complexa) cu multiplicitatea m a
polinomului caracteristic atunci partea din solutia generala corespunzatoare lui
poate fi gasita cautand-o de forma
V0 = { (4, 4, 1) | R }, V3 = { (1, 2, 1) | R }.
gasim
x 1
3x
Y (x) = 1 2x + 1 e + 1 2 e3x .
x1 1
154 Elemente de algebra liniara
y1000 y1 = 0.
Deoarece P (r) = r3 1 are radacinile r1 = 1 si r2,3 = 12 i 23 , rezulta ca
x 21 x 3 12 x 3
y1 (x) = c1 e + c2 e cos x + c3 e sin x.
2 2
Prin derivarea lui y1 se obtin y2 si y3 .
m
X
lim ak Ak B = 0.
m
k=0
are raza de convergenta R > 0 si daca A Mnn (K) este astfel ncat ||A|| < R
atunci seria de matrice
X
ak Ak
k=0
este convergenta.
P k
Seria k=0 ak r fiind absolut convergenta, din criteriul comparatiei rezulta ca seria
P k P k
k=0 ||ak A || este convergenta, ceea ce implica convergenta seriei k=0 ak A .
are raza de convergenta r = rezulta ca pentru orice matrice A Mnn (K) putem
defini matricea
X Ak A A2
eA = =1+ + +
k=0
k! 1! 2!
numita exponentiala matricei A. Se poate arata ca functia matriceala
Y (t) = etA C
este diagonalizabila
2 0 0 1 1 0
1
S AS = 0 1 0 unde S= 1 0 1 .
0 0 1 1 1 1
Deoarece
2 0 0
A = S 0 1 0 S 1
0 0 1
obtinem
k
2 0 0 2k 0 0
1
k
A = S 0 1 0 S = S 0 (1)k 0 S 1
0 0 1 0 0 (1)k
Ecuatii si sisteme de ecuatii diferentiale liniare 157
si
k 2k 0 0 e2t 0 0
(tA)k t 1
0 S 1
X X
etA = = S 0 (1)k 0 S = S 0 e t
k! k!
k=0 k=0 0 0 (1)k 0 0 et
8.1 Grupuri
Definitia 8.1 Prin grup se ntelege o multime G pe care este definita o lege de
compozitie interna
G G G : (x, y) 7 x y
satisfacand conditiile:
1) (g1 g2 )g3 = g1 (g2 g3 ), g1 , g2 , g3 G;
2) exista e G astfel ncat ge = eg = g, g G;
3) oricare ar fi g G exista g 1 G astfel ncat gg 1 = g 1 g = e.
Grupul este numit grup comutativ (sau abelian) daca, n plus,
4) g1 g2 = g2 g1 g1 , g2 G.
ge = eg = g, g G
gg 1 = g 1 g = e
159
160 Elemente de algebra liniara
Demonstratie. Avem
g G
)
ge = eg = g,
= e = ee0 = e0
ge0 = e0 g = g, g G
si
gg 1 = g 1 g = e
)
= h = he = h(gg 1 ) = (hg)g 1 = eg 1 = g 1 .
gh = hg = e
Observatia 8.1 In cazul n care n locul notatiei multiplicative g1 g2 se utilizeaza
notatia aditiva g1 +g2 elementul neutru este notat cu 0. Elementul h cu proprietatea
h + g = g + h = 0 este notat cu g si numit opusul lui g.
f : G G0
T : G GL(V ) : g 7 T (g)
mpreuna cu nmultirea matricelor este grup (se numeste grupul general linear).
T : G GL(n, K) : g 7 T (g).
Propozitia 8.6 Fie V un spatiu vectorial peste corpul K. Daca {e1 , e2 , ..., en } este
o baza a lui V si
T : G GL(V ) : g 7 T (g)
o reprezentare liniara a unui grup G n V atunci aplicatia
t11 (g) t12 (g) t1n (g)
t21 (g)
t22 (g) t2n (g)
T : G GL(n, K) : g
7 T (g) =
tn1 (g) tn2 (g) tnn (g)
rezulta ca n
X
tij (g1 g2 ) = tik (g1 ) tkj (g2 ), i, j {1, 2, ..., n}
k=1
T 0 : G GL(n, K) : g 7 T 0 (g).
Stim nsa ca cele doua reprezentari matriceale sunt legate prin relatia
T 0 (g) = S 1 T (g) S, g G
unde S este matricea de trecere de la baza {e1 , e2 , ..., en } la {e01 , e02 , ..., e0n }.
Definitia 8.7 Doua reprezentari matriceale n-dimensionale peste K ale unui grup
T1 : G GL(n, K) si T2 : G GL(n, K)
T2 (g) = S 1 T1 (g) S, g G.
Definitia 8.8 Doua reprezentari liniare n-dimensionale peste K ale unui grup G
T1 : G GL(V1 ) si T2 : G GL(V2 )
T1 (g) = S 1 T2 (g) S, g G
S S
? ?
T2 (g)
V2 - V2
este comutativa.
T (g)(W ) W, g G.
T : G GL(V )
T1 : G GL(V1 ) si T2 : G GL(V2 )
Demonstratie. Avem
T (g1 g2 )(x1 , x2 ) = (T1 (g1 g2 )x1 , T2 (g1 g2 )x2 )
T : G U (V ).
A A = I, A A = I, A1 = A .
Definitia 8.15 Matricea A Mnn (C) este numita matrice unitara daca
A A = I
(AB) (AB) = B A AB = B B = I
A1 = A = (A1 ) = (A ) = A = (A1 )1 .
T : G O(V ).
Grupuri. Reprezentari liniare 167
A t A = I, t
A A = I, A1 = t A.
Definitia 8.19 Matricea A Mnn (C) este numita matrice ortogonala daca
t
A A=I
Observatia 8.6 Daca A este o matrice ortogonala atunci detA {1, 1}.
Propozitia 8.22
( ! )
cos t sin t
SO(2) = t [0, 2) .
sin t cos t
Demonstratie. Avem
!1 !
cos t sin t cos t sin t cos t sin t
= , =1
sin t cos t sin t cos t sin t cos t
si
!
2 + 2 = 1
2 + 2 = 1
SO(2) =
+ = 0
= 1.
dar
s = t
) )
+ = 0 sin(t + s) = 0
= = sau
= 1. cos(t + s) = 1. s = 2 t.
Deoarece t A = A1 , adica
a22 a23 a12 a32 a
12 a22
a32 a33 a13 a33 a13 a23
a11 a21 a31
a21 a31 a11 a31 a
11 a21
a12 a22 a32 =
a23 a33 a13 a33 a13 a23
a13 a23 a33
a21 a31 a11 a31 a
11 a21
a22 a32 a12 a32 a12 a22
V = {x R3 | hx, e1 i = 0 }
g(x1 , x2 , x3 ) = (a11 x1 +a12 x2 +a13 x3 , a21 x1 +a22 x2 +a23 x3 , a31 x1 +a32 x2 +a33 x3 )
unde
T (g) : F(R3 , C) F(R3 , C), (T (g)f )(x) = f (g 1 x)
f : R3 C.
Grupuri. Reprezentari liniare 171
Rezolvare. Avem
(T (g1 g2 )f )(x) = f ((g1 g2 )1 x) = f (g21 g11 x)
unde
1 0 0 0
0 1 0 0
I1,3 =
0 0 1 0
0 0 0 1
considerata mpreuna cu nmultirea este grup (se numeste grupul Lorentz).
Exercitiul 8.13
( ! )
2 2
SU (2) = , C, || + || = 1
Rezolvare. Avem
=
!
+ = 0
SU (2) = + = 1 = =
||2 + ||2 = 1 ||2 + ||2 = 1.
cu proprietatea
ei(+)/2 cos 12 i ei()/2 sin 21
i ei()/2 sin 12 ei(+)/2 cos 12
cos 21 i sin 12
ei/2 0 ei/2 0
=
0 ei/2 i sin 12 cos 12 0 ei/2
172 Elemente de algebra liniara
tr (ab) = tr (ba).
Rezolvare. Avem
n
X n X
X n n X
X n n
X
tr (ab) = (ab)ii = aij bji = bji aij = (ba)jj = tr (ba).
i=1 i=1 j=1 j=1 i=1 j=1
Observatia 8.9 Folosind baza canonica a lui R3 , putem identifica grupul SO(3) cu
grupul de transformari
W = { u M22 (C) | u = u, tr u = 0 }
b) Aplicatia
: SU (2) SO(3) : g 7 (g)
unde
(g) : R3 R3 , (g)x = h1 (g h(x) g )
Demonstratie. a) Avem
! !
11 + i11 12 + i12 i11 12 + i12
u= W = u = .
21 + i21 22 + i22 12 + i12 i11
= h1 (g1 h(h1 (g2 h(x) g2 ))g1 ) = (g1 )((g2 )x) = ((g1 ) (g2 ))x.
0 cos sin
=
i sin 12 1
cos 2 0 sin cos
din care deducem ca det (g) = 1. Deoarece
Observatia 8.10 Prin morfismul : SU (2) SO(3) fiecare element al lui SO(3)
corespunde la doua elemente din SU (2) care difera doar prin semn, (g) = (g).
Orice reprezentare liniara
T : SU (2) GL(V )
174 Elemente de algebra liniara
transformarea
g : C2 C2 , g(z1 , z2 ) = (z1 + z2 , z1 + z2 )
este !
1
g =
si n cazul
n
ak z1k z2nk
X
f (z1 , z2 ) =
k=0
Grupuri. Reprezentari liniare 175
obtinem
n
(T (g)f )(z1 , z2 ) = f (g 1 (z1 , z2 )) =
X
ak (z1 z2 )k (z1 + z2 )nk .
k=0
n j
ak z1k z2nk aj+m z1j+m z2jm .
X X
f (z1 , z2 ) = =
k=0 m=j
si
j
X
(T (g)f )(z1 , z2 ) = aj+m (z1 z2 )j+m (z1 + z2 )jm .
m=j
Vom prezenta cateva elemente referitoare la algebre Lie si reprezentarile lor liniare.
Definitia 9.1 Fie K unul dintre corpurile R si C. Prin algebra asociativa peste
corpul K se ntelege o multime A considerata mpreuna cu trei operatii
A A : A : (a, b) 7 a + b (adunarea)
K A : A : (, a) 7 a (inmultirea cu scalari)
A A : A : (a, b) 7 ab (inmultirea interna)
177
178 Elemente de algebra liniara
b) Daca V este un spatiu vectorial peste K atunci multimea L(V ) a tuturor operato-
rilor liniari A : V V considerata mpreuna cu adunarea operatorilor, nmultirea
cu scalari si compunerea operatorilor este o algebra asociativa peste K.
Definitia 9.2 Fie K unul dintre corpurile R si C. Prin algebra Lie peste corpul
K se ntelege o multime L considerata mpreuna cu trei operatii
L L : L : (a, b) 7 a + b (adunarea)
K L : L : (, a) 7 a (inmultirea cu scalari)
L L : L : (a, b) 7 [a, b] (crosetul)
L L : L : (a, b) 7 [a, b]
[a, b] = ab ba.
b) Algebra Lie peste K obtinuta plecand de la Mnn (K) se noteaza cu gl(n, K).
c) Algebra Lie peste K obtinuta plecand de la L(V ) se noteaza cu gl(V ).
Demonstratie. Avem
Definitia 9.4 Prin baza a algebrei Lie L se ntelege o baza {v1 , v2 , ... , vn } a
spatiului L privit ca spatiu vectorial. Coeficientii ckij K din relatiile
n
X
[vi , vj ] = ckij vk
k=1
(singurul element nenul este la intersecta dintre coloana i si linia j), orice matrice
admite reprezentarea
a11 a12 a1n
2
a1 a22 a2n n
aji eij = aji eij .
X
=
i,j=1
an1 an2 ann
In cazul n = 2
a11 a12
! ! ! ! !
1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22
a21 a22 0 0 0 0 1 0 0 1
L1 L
astfel ncat )
a L1
= [a, b] L1 .
b L1
Observatia 9.3 Fiecare subalgebra Lie a unei algebre L are o structura de algebra
Lie.
u(n) = { g gl(n, C) | t g = g }
o(n) = { g gl(n, R) | t g = g }
n(n1)
are o structura naturala de algebra Lie reala de dimensiune 2 .
e) Multimea de matrice
1 0 0 0 1 0 0 0
0 1 0
0 0 1 0 0
t
o(1, 3) = g gl(4, R) g = g
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
Algebre Lie. Reprezentari liniare 181
are o structura naturala de algebra Lie reala de dimensiune 6 (numita algebra Lie a
grupului Lorentz).
Rezolvare. a) Avem tr(a + b) = tr a + tr b, tr(a) = tr a,
n n X
n n X
n n
akj bjk = bjk akj = (ba)jj = tr ba
X X X X
tr ab = (ab)kk =
k=1 k=1 j=1 j=1 k=1 j=1
{ ejk ekj | k < j } { i(ejk +ekj ) | k < j } { i (ekk enn ) | k {1, 2, ..., n1} }.
e) Se obtine
0 1 2 3
1 0 4 5
o(1, 3) = , , ... , 6 R .
2 4 0 6 1 2
3 5 6 0
O baza a algebrei Lie o(1, 3) este { e21 +e12 , e31 +e13 , e41 +e14 , e31 e13 , e24 e42 , e34 e43 }.
182 Elemente de algebra liniara
g : R G
care conduce la
det eA = e1 +2 +...+n = etr A .
Algebre Lie. Reprezentari liniare 183
Se poate arata ca relatia det eA = etr A are loc pentru orice matrice A.
dg
este un subgrup cu un parametru al lui SL(n, K) astfel ncat dt (0) = a.
adica
dg 0 0
tr (0) = g11 (0) + g22 (0) = 0.
dt
Exercitiul 9.5 a) Daca
g : R U (n)
184 Elemente de algebra liniara
dg
este un subgrup cu un parametru al lui U (n) astfel ncat dt (0) = a.
g(t) t g(t) = I t R.
dg
este un subgrup cu un parametru al lui SU (n) astfel ncat dt (0) = a.
dg
este un subgrup cu un parametru al lui O(n) astfel ncat dt (0) = a.
Algebre Lie. Reprezentari liniare 185
Definitia 9.8 Fie L o algebra Lie peste K si L0 o algebra Lie peste K0 , unde cor-
purile K si K0 apartinand lui {R, C} sunt astfel ncat K K0 . Prin morfism de
algebre Lie de la L la L0 se ntelege o aplicatie liniara A : L L0 cu proprietatea
Definitia 9.9 Spunem ca algebrele Lie L si L0 peste acelasi corp K sunt izomorfe
daca exista un morfism bijectiv de algebre Lie (numit izomorfism) A : L L0 .
Propozitia 9.10 Daca algebrele Lie L si L0 peste acelasi corp K si de aceeasi di-
mensiune au n raport cu doua baze {e1 , e2 , ..., en } si respectiv {e01 , e02 , ..., e0n } aceleasi
constante de structura
n n
[e0i , e0j ] = ckij e0k
X X
[ei , ej ] = ckij ek ,
k=1 k=1
n n
ai e0i
X X
A( ai ei ) =
i=1 i=1
cu
[o1 , o2 ] = o3 , [o2 , o3 ] = o1 , [o3 , o1 ] = o2
iar algebra Lie su(2) baza
i 1 i
{ u1 = (e11 e22 ), u2 = (e12 e21 ), u3 = (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2 .
% : L gl(V ),
% : L gl(L) : a 7 %(a)
unde
%(a) : L L, %(a)x = [a, x]
este o reprezentare liniara a algebrei L n spatiul L, numita reprezentarea adjuncta.
liniara
%(a)(W ) W, a L
adica daca )
xW
= %(a)x W.
aL
Demonstratie. Avem
x W = %2 (a)x W, a L2
188 Elemente de algebra liniara
x W = %1 (a)x = %2 ((a)) W, a L1 .
Observatia 9.5 Cunoasterea reprezentarilor ireductibile ale algebrei Lie o(3) este
echivalenta cu cunoasterea reprezentarilor ireductibile ale algebrei Lie su(2).
%2 : L gl(V2 )
Rezolvare. Avem
%1 (a + b) = S 1 %2 (a + b) S
Subspatiul W V1 este invariant daca si numai daca S(W ) V2 este invariant. Daca
subspatiul S(W ) este invariant, adica
atunci
x W = %1 (a)x = S 1 %2 (a) Sx W, a L.
Deoarece %2 (a) = S%1 (a)S 1 , din
x W = %1 (a)x W, a L
Algebre Lie. Reprezentari liniare 189
rezulta
Sx S(W ) = %2 (a)Sx = S%1 (a)x S(W ), a L.
%1 : L gl(V1 ) si %2 : L gl(V2 )
S S
%2 (a)
? ?
V2 - V2
[a3 , a ] = a , [a+ , a ] = 2 a3 .
Daca
% : sl(2, C) gl(V )
este o reprezentare a algebrei Lie sl(2, C) n spatiul V atunci operatorii liniari
verifica relatiile
[A3 , A ] = A , [A+ , A ] = 2 A3 .
Rezolvare. Matricea !
11 12
M22 (C)
21 22
apartine algebrei Lie sl(2, C) daca si numai daca 11 + 22 = 0. Dar n acest caz
!
11 12
= 211 a3 + 12 a+ + 21 a .
21 11
A3 v = jv si A+ v = 0
A3 x1 = ( + 1)x1 .
Similar, din
A3 x2 = ( + 2)x2 .
verifica relatia
A3 xk = ( + k)xk .
Vectorii nenuli din acest sir sunt vectori proprii ai lui A3 si deoarece corespund la
valori proprii distincte ei sunt liniar independenti. Spatiul V fiind finit dimensional,
rezulta ca sirul x0 , x1 , x2 , ... poate contine doar un numar finit de vectori nenuli,
adica exista xl 6= 0 cu xl+1 = A+ xl = 0. Alegand v = xl avem A+ v = 0. Fie sirul
de vectori
w0 = v, w1 = A w0 , w2 = (A )2 w0 , ...
Avem
A3 w0 = ( + l)w0
si n general
A3 wk = ( + l k)wk .
192 Elemente de algebra liniara
La fel ca mai sus se arata ca sirul w0 , w1 , w2 , ... contine un numar finit de termeni
nenuli, ca exista wm 6= 0 cu wm+1 = A wm = 0. Deoarece
= 2 A3 w0 = (2 + 2l)w0
= 2(2 + 2l 1)w1
= 3(2 + 2l 2)w2
si n general
A+ wk = k(2 + 2l k)wk1
subspatiul
W = hw0 , w1 , ... , wm i
1 1
trA3 = tr([A+ , A ]) = (tr(A+ , A ) tr(A A+ )) = 0.
2 2
Deducem ca
( + l) + ( + l 1) + ( + l m) = 0
Algebre Lie. Reprezentari liniare 193
adica
m(m + 1)
(m + 1)( + l) = 0.
2
Deoarece n = m + 1, rezulta ca
m n1
+l = =
2 2
si notand j = (n 1)/2 obtinem A3 v = j v.
A3 v = j v, A+ v = 0
Demonstratie. Deoarece
unde {w0 , w1 , ..., w2j } este baza lui V obtinuta n demonstratia propozitiei prece-
dente. Deoarece A3 wk = (j k)wk rezulta ca A3 vk = k vk . Din relatia
q p
A vj = j(j +1) j(j 1) vj1 = 2j vj1
194 Elemente de algebra liniara
rezulta
A+ vj1 = 1 A+ A vj = 12j (A A+ + 2A3 )vj
2j
1
p
= 2j
2j vj = 2j vj = j(j +1) (j 1)j vj .
p
Presupunand ca A+ vk = j(j + 1) k(k + 1) vk+1 obtinem
1 1
A+ vk1 = A+ A v k = (A A+ + 2A3 )vk
j(j+1)k(k1) j(j+1)k(k1)
p
1
= j(j + 1) k(k + 1)A vk+1 + 2A3 vk
j(j+1)k(k1)
1
= ( (j(j + 1) k(k + 1)) + 2k ) vk
j(j+1)k(k1)
p
= j(j + 1) (k 1)k vk .
% : sl(2, C) gl(V )
unde A3 = %(a3 ) si A = %(a ), este o reprezentare ireductibila a algebrei Lie sl(2, C).
b) Reprezentarile (9.2) care au aceeasi dimensiune sunt echivalente.
c) Reprezentarile (9.2) sunt pana la o echivalenta toate reprezentarile ireductibile
finit dimensionale ale algebrei Lie sl(2, C).
Demonstratie. a) Avem
ceea ce arata ca relatiile (9.2) definesc o reprezentare a algebrei Lie sl(2, C). Fie
W 6= {0} un subspatiu invariant si fie
x = xj vj + xj+1 vj+1 + + xj vj W
un vector nenul fixat. Cel putin unul dintre coeficientii lui x este nenul. Fie
k = min{ l | xl 6= 0 }
unde c este o constanta nenula. Deoarece W este invariant, din relatia precedenta
rezulta ca vj W si apoi ca vectorii
A v j , (A )2 vj , (A )3 vj , ... , (A )2j vj
0 0
{vj , vj+1 , ... , vj }, {vj , vj+1 , ... , vj0 }
S : V V 0 , Svk = vk0
%1 : L gl(V1 ), %2 : L gl(V2 )
%1 %2 : L gl(V1 V2 )
V1 V2 = { (x1 , x2 ) | x1 V1 , x2 V2 }.
si
(%1 %2 )([a, b])(x1 , x2 ) = (%1 ([a, b])x1 , %2 ([a, b])x2 )
= (%1 %2 )(a) (%1 (b)x1 , %2 (b)x2 ) (%1 %2 )(b) (%1 (a)x1 , %2 (a)x2 )
% : L gl(V )
si ca
%( [a + ia0 , b + ib0 ]) = [%(a + ia0 ), %(b + ib0 )].
b) Daca W V este astfel ncat
xW = %(a)x W
oricare ar fi a L, atunci
xW = %(a + ia0 )x W
198 Elemente de algebra liniara
oricare ar fi a L.
L C L : a 7 a + i 0.
Mai mult,
[a, b] = [a + i0, b + i0], a, b L.
L = { 1 b1 + 2 b2 + + n bn | j R }
atunci {b1 , b2 , ..., bn } este n acelasi timp baza a algebrei Lie complexe C L,
C
L = { 1 b1 + 2 b2 + + n bn | j C }.
%|L (a + b) = %(a + b + i0) = %(a + i0) + %(b + i0) = %|L (a) + %|L (b)
si
%|L ([a, b]) = %([a, b] + i0) = %([a + i0, b + i0])
xW = %(a + ia0 )x W
xW = %|L (a)x W
oricare ar fi a L, atunci
Propozitia 9.24 Complexificata C su(2) a algebrei su(2) este izomorfa cu sl(2, C).
i 1 i
{ u1 = (e11 e22 ), u2 = (e12 e21 ), u3 = (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2
1
a3 = (e11 e22 ), a+ = e21 , a = e12
2
cu
[a3 , a ] = a , [a+ , a ] = 2 a3 .
200 Elemente de algebra liniara
1 i
Au1 = i a3 , Au2 = (a+ a ), Au3 = (a+ + a )
2 2
este un izomorfism de algebre Lie deoarece
h i
[Au1 , Au2 ] = i a3 , 21 (a+ a ) = 2i [a3 , a+ ] + 2i [a3 , a ]
= 2i (a+ + a ) = A u3 = A [u1 , u2 ]
h i
1
[Au2 , Au3 ] = 2 (a+ a ), 2i (a+ + a ) = 4i ([a+ , a ] [a , a+ ])
= 21 a+ 12 a = Au2 = A [u3 , u1 ].
Propozitia 9.25 Plecand de la orice algebra Lie complexa L se poate obtine o al-
gebra Lie reala L0 prin restrictia scalarilor si
dimR L0 = 2 dimC L.
Observatia 9.9 Alegand baze adecvate, se poate arata ca algebra Lie reala sl(2, C)0
obtinuta din sl(2, C) prin restrictia scalarilor este izomorfa cu algebra Lie o(1, 3) a
grupului Lorentz.
Bibliografie
[5] W. Miller, Jr., Lie Theory and Special Functions, Academic Press, New York,
1968.
[6] M. Namark, A. Stern, Theorie des Representations des Groupes, Editions Mir,
Moscou, 1979.
[10] J.D. Talman, Special Functions. A Group Theoretical Approach, Benjamin, New
York, 1968.
201
202 Elemente de algebra liniara